Enunciado

12-96. As Tahelas 12-23 e 12-24 apresentam estatisticas para a tempo-

rada de 2005 da Liga Principal de Beisebol (fonte: The Sports Network).

a) Comsidere os dades de rehatidas. Use os métoxdos de construçào de

modelos para prever Vitorues contra as outras variaveis. Verifique

sc as suposições para seu modelo são válidas.

b) Repita o item (a) para os dados de arremesso.

c) Use ambos os dados de rebatidas e de arremesso para construir o

modelo para prever Virorurs. Que variiveis sáo mais importantes?

Verifique se as suposições para seu modelo são válidas.

Passo 1

Faaaala ai gente, tudo bom?

Vamos resolver essa questão aqui rapidinho?

Bora, é tranquilo

As variáveis ​​do regressor neste exercício serão rotuladas com seus nomes (abreviados) fornecidos no exercício.

Letra a:

Vamos construir o modelo usando todas as abordagens de regressões.

Uma vez que existem inúmeros modelos possíveis (no total 13 regressores), vamos mostrar apenas aqueles que têm o melhor desempenho:

Mínimo  M Q E : { a v g , h r , s o , s b , l o b , o b p } , M Q E ≈ 67.9577

C p ≈ 0.77

Mínimo  C p : h r , b b , s o , s b , C p = - 1.31464 ,   M Q E = 69.6681

Escolhemos o modelo mínimo C P   por causa da grande diminuição em C P , e M Q E bastante semelhante.

O melhor ajuste linear é dado por:

y = 69.9 + 0.12 × h r + 0.074 × b b - 0.053 × s o + 0.094 × s b

Passo 2

Letra b:

Agora repetimos o que fizemos com os dados de arremesso.

Usamos o arremesso subscrito para distinguir entre as mesmas características de rebatidas versus arremesso.

Uma vez que existem inúmeros modelos possíveis (no total 13 regressores), vamos mostrar apenas aqueles que têm o melhor desempenho:

  M í n i m o   M Q E : s v , h r arremesso , b b arremesso , s o arremesso , ⌊ M Q E ≈ 40.7267 C p = 1.11105

Mínimo  C p  : Mesmo modelo do mínimo  C p

Portanto, temos uma escolha óbvia para o modelo:   s v , h r arremesso , b b arremesso , s o arremesso

O melhor ajuste linear é dado por:

y = 96.55 + 0.527 × s v - 0.1249 × h r arremesso - 0.0847 × b b arremesso + 0.0257 × s o arremesso    

Passo 3

Letra c:

Unir os recursos e nomear todas as regressões nesse enorme pool de recursos é uma tarefa computacional difícil.

Portanto, escolhemos o procedimento de regressão por etapa para este problema.

O modelo de saída é { e r a , r b i , s v ,  obp } , e o melhor ajuste linear é:

y = - 20.29 - 12.65 × e r a + 0.0623 × r b i + 0.43 × s v + 282.8 × o b p

Resposta

  1. { h r , b b , s o , s b }  por todos os métodos de regressões
  2. s v , h r arremesso , b b arremesso , s o arremesso por todos os métodos de regressões
  3. { e r a , r b i , s v ,  obp }  por regressão por etapa
Ver Outros Exercícios desse livro

Exercícios de Livros Relacionados

Considere o Exemplo 12.3. A Figura 12.1 mostra uma impressảo S A S de uma análise do modelo que contém as variáveis x 1 , x 2 e x 3 . Foque o intervalo de confiança para a resposta média μ Y nas local
(a) Ajuste uma equação de regressão múltipla daforma fty\x = A + P\* + P2X2 para os dados do Exemplo 11.8.(b) Estime o rendimento da reação química para umatemperatura de 225 °C
Um estudo foi realizado sobre a quantidade de açúcar convertido em um processo em várias temperaturas. Os dados foram codificados e registrados a seguir:(a) Estime a reta de regressão linear. (b) Esti
As notas de uma sala com nove estudantes em um relatório de meio de curso (x) e em um exame final (y) são as seguintes:(a) Estime a reta de regressão linear. (b) Estime a nota do exame final de um alu
Um estudo foi conduzido pelo Instituto Politécnico e pela Universidade Estadual da Virgínia para determinar se certa medida estática da força do braço tem influência nas características da suspensão d