Enunciado

12-83. Considere os dados de comsumo de gasolina do Exetcicto 12-5.

Construa modelos de regressão para os dados provenientes dos regres-

sores numérnicos. usando as seguintes técnicas:

a) Todas as regressões possíveis.

b)Regressáo em etapas.

c) Selecão progressiva.

d)Eliminação regressiva.

e) Comente os vários mmodeks obtidos. Que modelo vocé prefere? Por que?

f)Construa agora variável indicadora para srans e csd e alicione-as à

Iista de regressores. Repita a construção do modelo para os itens

anteriores. A sua conclusão no item ie) muda?

Passo 1

Faaaala ai gente, tudo bom?

Vamos resolver essa questão aqui rapidinho?

Bora, é tranquilo

Letra a:

Primeiro, temos a abordagem de todas as regressões.

Uma vez que existem muitos modelos, vamos mostrar apenas aqueles que têm o melhor desempenho:

  • Mínimo  M Q E : {   cid ,  etw ,  axle , co2  } , M Q E = 3.96705 , C p = 1.4686
  • O melhor ajuste linear é:

    y = 63.313 - 0.0178 ×  cid  - 0.00375 ×  etw - 3.339 ×  axle  - 0.00842 × co ⁡ 2

  • Mínimo  C p :  {  cid, etw, axle  } , M Q E = 4.29223 , C p = 1.3338

O melhor ajuste linear é:

y = 61 - 0.02076 ×  cid  - 0.00353 ×  etw  - 3.45678 ×  axle

Passo 2

Letra b:

O método de regressão por etapa (com significância α out = α i n = 0.15   dá o modelo: c i d , e t w , a x l e , c o 2 .

Para este modelo, temos:   MQE  = 3.96705 ,   C p = 1.4686

Passo 3

Letra c:

O método de seleção progressiva (com significância α i n = 0.15   dá o modelo:  cid, etw, axle, co2  ,   ou seja, o mesmo que a regressão por etapa.

Passo 4

Letra d:

O método de eliminação regressiva (com significância α out = 0.1   dá o modelo: {  etw, axle,  n v } ,

Para este modelo, temos: M Q E = 4.3076 , C p = 1.38515

Passo 5

Letra e:

Agora construímos as 4 variáveis ​​fictícias (2 para codificar 3 níveis de variável trns , e mais 2 para d r v ) para contabilizar os regressores categóricos. O modelo nos leva a:

Todas as regressões:  M Q E

Passo 6

Letra f:

Agora construímos as 4 variáveis ​​fictícias (2 para codificar 3 níveis de variável trns , e mais 2 para d r v ) para contabilizar os regressores categóricos. Vamos nomear essas variáveis ​​   t 1 , t 2 , d 1 , d 2 ,   respectivamente. A construção do modelo agora produz o seguinte:

T o d a s   a s   r e g r e s s õ e s :   etw , c m p , c o , c o 2 , t 2 , d 1 , d 2   m i n i m i z a m   a m b o s M Q E   e   C p M Q E = 2.26706 , C p = 2.86543

Regressão em etapa:  e t w , n v , t 2 , d 1 , d 2

Resposta

  1. Mínimo  M Q E : { c i d , e t w , a x l e , c o 2 } , M Q E = 3.96705  ,  C p = 1.4686
  2. O melhor ajuste linear é:

    y = 63.313 - 0.0178 × c i d - 0.00375 × e t w - 3.339 ×  axle  - 0.00842 × co ⁡ 2

    Mínimo  C p :  {  cid, etw, axle  } , M Q E = 4.29223 , C p = 1.3338

    O melhor ajuste linear é:

    y = 61 - 0.02076 ×  cid  - 0.00353 ×  etw  - 3.45678 ×  axle

  3. c i d , e t w , a x l e , c o 2
  4. c i d , c t w , a x l e , c o 2
  5. etw ,  axle,  n v
  6. Melhor modelo:   etw,  c m p ,  co, co  2 , t 2 , d 1 , d 2
Ver Outros Exercícios desse livro

Exercícios de Livros Relacionados

Mostre que, em um conjunto de dados de regressão linear múltipla, ∑ i = 1 n   h i = p
Um engenheiro de uma indústria de semicondutores deseja modelar a relação entre o ganho de um equipamento ou hFE (y) e três parâmetros: emissor-RS C^),base-RS ( x ,) e emissor para a base-RS (a\ ). O
Um conjunto de experimentos foi realizado paradeterminar uma maneira de prever o tempo de cozimento y em junção de vários níveis da largura do forno *, eda temperatura do gás * ,. Os dados codificados
Para o Exercício 12.8, construa um intervalo de confiança de 90% para a força compressiva média quando aconcentração éx = \9,5 e é usado um modelo quadrático.
Em relação ao Exercício 12.9, encontre a estimativa de(a) O b 2 2 ,(b) C o v ⁡ b 1 , b 4 .