Trabalho regressão linear

[pic 1]

Faculdade Unida de Campinas - FACUNICAMPS

Engenharia de Produção – A8/EPN1

MÉTODOS NUMÉRICOS

Regressão Linear Simples e Múltipla

Marcus Vinicius Neves Carvalho

GOIÂNIA

2018

---

1. DESCRIÇÃO DAS VARIÁVEIS

Os dados utilizados para a realização dos modelos de regressão lineares simples e múltiplos foram extraídos de relatórios e do sistema utilizado pela empresa X. A tabela 1 apresenta as variáveis utilizadas para o desenvolvimento deste estudo, sendo elas, variável dependente (Y) representa a produção mensal registrada de janeiro de 2017 a agosto de 2018, as variáveis independentes (X1 e X2) representam os meses e a quantidade de mão-de-obra disponível para execução da produção.

Tabela 1 – Produção mensal, período e mão-de-obra da empresa X

	Produção (Y)	Período (X1)	Mão-de-Obra (X2)
jan/17	6335	1	36
fev/17	5341	2	34
mar/17	8966	3	35
abr/17	7883	4	44
mai/17	10043	5	48
jun/17	9017	6	50
jul/17	9073	7	51
ago/17	10089	8	55
set/17	9484	9	56
out/17	9001	10	55
nov/17	8277	11	56
dez/17	5779	12	51
jan/18	9103	13	51
fev/18	7131	14	51
mar/18	7758	15	51
abr/18	9143	16	53
mai/18	9047	17	50
jun/18	6583	18	50
jul/18	8690	19	49
ago/18	9409	20	53

Fonte: Primária (2018)

As regressões lineares serão realizadas por meio do software Statistic®, desenvolvido pela empresa StatSoft, que tem como função o desenvolvimento de procedimentos estatísticos descritivos e geração de gráficos, desde o básico ao avançado. Contando com diversos módulos específicos, como Análise de Regressão Simples e Múltipla, Séries Temporais, entre outros, o que possibilita sua aplicação em diversas áreas das ciências exatas.

Para o desenvolvimento da regressão linear simples, serão analisados o coeficiente de correlação (r) entre as variáveis, a equação da reta, o coeficiente de determinação (r²), o gráfico de correlação e uma previsão utilizando a equação da reta. Para o caso da regressão linear múltipla, serão analisadas o coeficiente de correlação (r), a equação da reta, o coeficiente de determinação (r²) e uma previsão utilizando a equação da reta encontrada.

1. MODELO DE REGRESSÃO LINEAR SIMPLES

A regressão linear simples foi realizada com as variáveis Y (Produção) e X1 (Período em meses). O quadro 1 apresenta o resumo da regressão linear para a variável dependente Y.

Quadro 1 – Resumo de regressão para a variável dependente Y

	Resumo de regressão para variável dependente: Produção (Y)
R = ,13797807 R² = ,01903795 R² Ajustado = ---
F(1,18)= ,34933 p<,56184 Std. Error of estimate: 1414,9
N=20	Beta	Std. Err. Of Beta	B	Std. Err. Of B	t(18)	p-level
Intercept			7967,084	657,2850	12,12120	0,000000
Período (X1)	0,137978	0,233448	32,430	54,8691	0,59104	0,561840

Fonte: Primária (2018)

Por meio do resumo gerado estatístico da regressão fornecido pelo software Statistic® é possível perceber que o percentual de correlação entre a variável dependente Produção (Y) e a variável independente Período (X1) é de aproximadamente 13,80%, ou seja, as variáveis possuem uma correlação bem fraca e apenas 19,04% da variável independente Período explicam a produção mensal.