Abaixo você encontra uma lista de situações de pesquisa. Para cada uma delas indique se - apropriado é proceder uma análise de regressão ou uma de correlação. Justifique sua indicação.
O objetivo e estimar o tempo necessário a consecução de certa tarefa usando, para tanto, o tempo de treinamento do executor.
O objetivo e estimar o tempo necessário a consecução de certa tarefa usando, para tanto, o tempo de treinamento do executor.
Passo 1
O que o problema pede e quais informações temos:
- Objetivo: estimar o tempo necessário para a consecução de certa tarefa (variável a ser prevista).
- Informação disponível (variável explicativa): tempo de treinamento do executor.
- Pergunta que devo responder: é mais apropriado fazer uma análise de regressão ou apenas uma análise de correlação? E por quê?
Informações relevantes dadas:
- Existe uma variável que queremos prever (tempo para executar a tarefa).
- Existe uma possível variável explicativa (tempo de treinamento).
- A questão envolve estimativa/predição (não só medir a força da relação).
Passo 2
Conceitos básicos e diferença prática entre correlação e regressão (aula calma e direta).
- Correlação mede força e direção da associação entre duas variáveis. O coeficiente de correlação linear de Pearson é
. Ele responde: “quanto as duas variáveis variam juntas?” e varia entre e . - Ex.:
indica forte associação positiva; indica nenhuma associação linear. - Importante: correlação NÃO fornece uma equação para prever um valor de uma variável a partir da outra; não é um modelo de previsão.
- Ex.:
- Regressão (aqui, regressão linear simples) modela dependência e permite prever uma variável (resposta) usando outra (preditor). Fornece uma equação do tipo:
onde:
-
é a variável explicativa (tempo de treinamento), -
é a variável resposta (tempo de execução da tarefa), -
é a inclinação (quanto, em média, muda quando aumenta 1 unidade), -
é o intercepto (valor previsto de quando ). - Resumo prático: se a meta for apenas descrever associação -> correlação; se for prever/estimar valores de
a partir de -> regressão.
Passo 3
Escolha do método para este problema (resposta direta e motivada)
- Como o objetivo declarado é “estimar o tempo necessário a consecução certa tarefa usando o tempo de treinamento do executor”, precisa-se de uma equação que dê uma previsão para o tempo da tarefa dado um tempo de treinamento. Logo a análise apropriada é a de regressão (mais precisamente, regressão linear simples como primeiro enfoque).
- Justificativa curta: regressão permite construir um modelo preditivo
. Correlação apenas quantifica associações e não fornece previsão.
Passo 4
Modelo recomendado e suas interpretações (ensinar o que cada parte significa)
- Modelo sugerido: regressão linear simples
- Interpretações:
-
(inclinação): estima a mudança média no tempo de execução quando o tempo de treinamento aumenta uma unidade (por exemplo, 1 hora). -
(intercepto): estima o tempo de execução quando . Cuidado: interpretar só se fizer sentido no contexto.
-
- O objetivo prático na prova: estimar
e a partir de dados amostrais e usar o modelo para prever valores.
Passo 5
Fórmulas que você deve saber e como calculá-las passo a passo (sem pular contas)
- Coletar dados: pares
para . - Calcular as médias:
- Calcular a somatória de quadrados:
- Estimadores de mínimos quadrados:
Explique o que são:
mede a variabilidade de
e
mede a covariabilidade entre
e
.
- Coeficiente de correlação amostral (útil para interpretar):
- Proporção da variância explicada:
(no caso da regressão linear simples
é o quadrado de
). Interpretação: fração da variabilidade de
explicada por
.
Passo 6
Como testar se a inclinação é estatisticamente significativa (o que costuma pedir prova)
- Calcular resíduos e variância residual:
- Estimador do desvio padrão dos resíduos:
- Erro padrão da inclinação:
- Estatística t para
:
comparar com
. Se
grande (p pequeno), conclui-se que
é útil para explicar
.
Passo 7
Como prever um novo valor e construir intervalo de predição (essencial para estimar tempo)
- Para um novo
(tempo de treinamento do executor para o qual quer estimar o tempo de execução), a predição pontual é
- Intervalo de predição (mais amplo que intervalo de confiança do valor médio) para o valor observado
no novo :
Explique cada termo:
-
é o quantil da t de Student com graus. - O fator dentro da raiz cresce se
estiver longe de (previsões extrapoladas são menos precisas). - Na prova, se pedirem “estime e dê intervalo”, entregue
e o intervalo de predição.
Passo 8
Verificações e cuidados práticos (como o examinador espera que você cheque)
- Antes de ajustar, desenhe o scatter plot
vs : verifique linearidade aproximada e possíveis outliers. - Assumptions do modelo linear (rápido resumo):
- Relação linear entre
e a média de . - Resíduos têm média zero e variância constante (homocedasticidade).
- Resíduos são aproximadamente normais (para inferência).
- Observações independentes.
- Relação linear entre
- Se violadas:
- Não linearidade: tente transformação (log, raiz) em
ou ou ajuste um modelo não linear. - Heterocedasticidade: usar transformação ou métodos robustos.
- Outliers: investigar e possivelmente justificar exclusão.
- Não linearidade: tente transformação (log, raiz) em
- Sempre comente essas verificações nas respostas de prova: mostrar que você checou desenhando o gráfico e examinando resíduos.
Passo 9
Exemplo numérico pequeno (mostrar a máquina de cálculo por trás, para saber fazer na prova)
Considere os pares (horas de treinamento , tempo de execução em minutos
):
. Vou calcular passo a passo:
Considere os pares (horas de treinamento
- Médias:
- Calcule
e :
- Inclinação e intercepto:
- Equação ajustada (modelo de previsão):
Interpretação: cada hora adicional de treinamento aumenta, em média,
minuto no tempo de execução (esse é só um exemplo ilustrativo — os números são fictícios).
- Se quisesse prever o tempo para
horas:
- Observação: para fazer todo o resto (SSE,
, intervalo) seguiria as fórmulas do Passo 6 e 7.
Passo 10
Dicas rápidas de resposta para a prova (como resumir na folha de resposta)
- Diga claramente: “Escolho análise de regressão (linear simples) porque o objetivo é estimar/predizer tempo de execução a partir do tempo de treinamento.”
- Mostre o modelo
, escreva as fórmulas de e , e faça os cálculos (médias, , ). - Inclua
ou para comentar a qualidade do ajuste. - Verifique linearidade com o scatter plot e com análise de resíduos; comente sobre possíveis transformações se necessário.
- Se a prova pedir intervalo de previsão, use a fórmula do Passo 7.
Resposta
Regressão (análise de regressão linear simples).