Atps Estatistica Etapa 3

Etapa 3

Idade (x) Peso (KG) (y)

1 23 54

2 18 59

3 47 80

4 48 65

5 56 92

6 15 66

7 13 50

8 17 65

9 24 75

10 25 73

11 26 65

12 26 62

13 32 82

14 45 84

15 56 67

16 36 78

17 45 80

18 23 81

19 37 78

20 15 73

Total de Idades

617

Média de Idade (XI)

28

Total de Peso

1438

Média de Peso (YI)

74

Calcular Coeficiente de Regressão { Y=y+b*(x-XI) } b=10

Para a Idade de x=13 anos, y=50 kg

Y=74+10(13-28)=224

Para a Idade de x=56 anos, y=92 Kg

Y=74+10(56-28)=354

Idade (ANOS) Peso (KG)

13 50

56 92

Em estatística, regressão é uma técnica que permite explorar e inferir a relação de uma variável dependente (variável de resposta) com variáveis independentes específicas (variáveis explicatórias). A análise da regressão pode ser usada como um método descritivo da análise de dados (como, por exemplo, o ajustamento de curvas) sem serem necessárias quaisquer suposições acerca dos processos que permitiram gerar os dados. Regressão designa também uma equação matemática que descreva a relação entre duas ou mais variáveis.

O método de estimação mais amplamente utilizado é o método dos mínimos quadrados ordinários.

Os principais problemas que devem ser enfrentados em uma regressão são: multicolinearidade, heteroscedasticidade, autocorrelação, endogeneidade e atipicidade.

Em estatística ou econometria, regressão linear é um método para se estimar a condicional (valor esperado) de uma variável y, dados os valores de algumas outras variáveis x.

A regressão, em geral, trata da questão de se estimar um valor condicional esperado.

A regressão linear é chamada "linear" porque se considera que a relação da resposta às variáveis é uma função linear de alguns parâmetros. Os modelos de regressão que não são uma função linear dos parâmetros se chamam modelos de regressão não-linear. Sendo uma das primeiras formas de análise