Trabalho regressão linear
Por: Marcus Carvalho • 26/11/2018 • Trabalho acadêmico • 926 Palavras (4 Páginas) • 212 Visualizações
[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
- 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.
- 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.
...