24,05 207% 4H Nig Pr giiN Melodos EstahsSkios Quanbtelves + Reoessco Aud cearessao t) Bedicas ec) Selecao Ge Naciaveis si _Eskmogas de packmeros, wv) Tnberdncia Captulo 4° Q models de Reqressac Linear Sinwles eels caphlo en um modelo eslahskco Que Sescreve a elogad mais Sinveles entre —Avas_ Noridveis . ALA Inveducas ‘ Seia Y uma vonavel alealdria de interes- Sar A_&. tat de Mea Navidraa de, 2 pac Nec monei- VA te Sumida A Bia notoreza. A esperanca & ee eee Encaa cent al 2 Sad ou — da ce sassoa. aeiae pressor a Nariavel X_como Uma Soma YY +é env Que & 2 uma Nocicvel aleaddcich ol Tespe- ranca la wero & @e Narianaa (a Nori Anca de Y_ Oye. = Modelo S aves Die er=“. “ aR —<}—___—— - porkcl lor de Y ter Hist burcan normal, a esperanca | a varidnua sad ey Umiwos parcdmetros necessari@s Para a inigac completa do modelo de proba “efgesee __USeremes o notacac N(M.G;7) para a canshibungao normal com esperanca vaual Oe a 2} spaterios an aelC\) ee —_ Modelo Gmvples normal NSE errenien ue conslovke, lave EvN(0; 0%) ~~ Doda. uma _amoska oleakbria de obser va- 5 XW Iw, @Stmadaes n&d ViGiodos © oo lou Rei, os BSpecances dew esh— MABOrSSY Sao iodous aos yor Gmelres- a nxerenv eskmodey, SWs deRnidos, respechvamede por Saeae a Se erm eS iate =A_ 03,207 G essa _amosha alealdria 2 de modelo & N Fo n[ uy OA} 1 = Xemplo 4.4: Svponha que oma tolrica tenho lecido Vida média dos vs a aviomoveiS , de Sua teatorica: ao ¢ de SSQD km, BooO= Mi wi 2S 0 : Sr a8 =D [= 36550 Km21 03 20. 12 Umea Voridvel “ou iar So — Gonna deremay Oaora, a wees de uma o te , Yoriauel X, Cony alauma yelacao e/a varevel = x Fen a _maneir& allernabya as Behe nado co apne base informacsdes _Sobre xX, Peord pos Qu00 dace Que descreveny Ys S Nan Ancias Cond Uonacdon A Nolores © Leos_ de X__cleno ORNS ROR: —EW\o x aaa: que Lay Valor Packevlor de XxX. os A Fig fo Ak apresentov amoslas Ea Seip Pease de valores de Nariaiveis XeY, Para tres sits cond ——— Daya ii: Amostas de (x¥) (A) Ynao CBSO NT Se ene Coe 6 cele de corglacao “Debinica 15; coePciede de core onhee Xe wv = Ta = ey te P(KN)= es td203, O_caehueniz, de conelacan mede a pornvel relacad Lineor existende, ebhe as oridveis alea- deias, de maneira que! 2 Pare Semere Ony valor ene -1 ed — Quanlo monor a tendénua de uma relacad © posta, POY) ten Nolor mais prdu- mo de 4. diesel Z Stqy ohlosmioia D Mterndined hasan nenakvea, play) ten Valor mais Proximo de - = Qronds Pry) esl Pdumo de vero nad exi celakas Uneac 0S arakios opreseniodds mo aura 2.2 hom. Narnas amos has de votidvers COS , Com ve ily, Txqurasa : Amoshkas de (XX)8 A) xeY independent, p(%Y) =o. ()ye(e) Key lneacmente Celacwore- J gos VxN) | Sumo des. oe (D) Xe Y = el cel oe oyadra, ica, fi Y) proxuoro de 0.3)22, 03.204 ‘Exempto 1.2:.0 as dov producan ce Um —lote de uma cterla_peca_depencde do numero de pecas produxdas ah soja, do toma no __lote. Er uma amoska_de OS Sequi iNOS TESO = BUNS SINGS 50,8940 a 2G ce one? ee tase Tanai EU ugsand) tes __ 10 Tae 835 a aSe2 5 a Ge Fimo A parte \ 1 : 43 0 medeld Ee Gshes Ae IMA feqressao Linear Si Dados nw pares de duas Variax XoX% = (ee hey) ne cadm times owe Y é Pongac GI \ineor de’ *, podemos estabelecer Uma£03 H+ Z \ fporaneGo linear monplex oyo modelo esfohis— 2 a Nos Po + Bie + Ee ag _@yry MWe Poe Pa SGo Os Pardmelos a Serem eshmacdos. Trouestabslecer o. matelo de reqessco lineor Soneles, Pressu7o-2e Que: Cc) A relagao ene XeY € lineac. (cy OS. valores de Xx. sao 08 oO Controlacos) (ccs) A média do erro & nwla, isl g E(&)=0. civ) Fora vay gids Nalor -%. a=Naridavia ENON NOMOV Sacdneaa ates Nar (&) = ECE) - eles = Ste QO Qe implica env % Ye Lack ayy. EG) ce er ey cov (E; 2 (ees) - EG) ECE ) = 2 EGeglso Vise \ ; A 1Caod Normal, eambnandh “Cit tere ew) 4om-%e (i22. 204 BAN) 2 fieionesl ches eal. : = & - Ne se XT) BR Supesigac. de —nor malice: ¢ ne NECEMATIA Para clabora- de hi pd S 2 obbencao ie erelae as Confiangar,. . 2 U0. modelo de Re oessa0 linear _______Simples (mabs) em Rema makical) — Vimos ue a amosta aleatena Sob 0 modelo de regressdo linear simples 2 dade 900. 900 4 Y= Pe + Pax, + Se __ 22.0 wo Rab+ "ps sogrets@, SO a fae Pa Xn + En wv No; _ _ Nomos ¢: axeres ec » modelo usando no matricial, Sejomy vetows 3 ee se apap are et ted oo ee) 23 Mn adh Oa 4 SG, denomrade. matt de x : modelo li tay . Ena XB = wp |\ pe) +E pa) —— +E, Le =| eet tin cede th =e $e = Sdn +Ew E : yD O-G dtr] + | 15) Pbmagac dos pardmer& rama Uno toreta iowporlorty ovvwcradey come (a eacov der _valoees de Boe ft de Rena que, igs las yalores obyervades “en relacao Q0S ersmada ejanv nvm. Tsso Cqun O_minimitar 0 ccmpenmeo do vetor E-(6... Ey SESS penne =f sot EGIx) 2 Bot fax ee 0. compumente de _f.2 SSE Usando a nama seuckdiana Porg avaliar oe 06: zolel= te Tt = = Lik: Pa ae cna Deseja- se abclabio eshmar BE as 4 minima, Bare metodo ¢'chamado me- dos minima Quadeado®. Para iv em-Se or derivadas Parcoie: : =2 DT (= Bay ¥)1 =5 Es 3 Vee Sei ex =o Op caycote ree [TEx mie Ba eae 21 a ¥ - [ae 4 = BTS bate lly ta z De G@) stem -2e an = AY= A = Wh =o Sy po. =. 5 = fir, ie pubsfphundo (5) en CE) temow: DES BE Tr LRT =05 a je4 wv WR = i omega) Ye we tol w B | ne = PS ney = a Vea pe FANS RT as pee AES vey A oalanks —s Rie Ihre h > \3 G Vte dblendo SR ov _derivades paracais ce wa ordeny de & em relacac a ele Bs tom 2 — 20e = 2 ae : ge = 223 a va Io Ee aE az | j nek ape | bw = Ss (Ze as = 5 Lee CF: NG z mie 5 aA = Te weta tal Tt =z a er | Tn LOG kT 706 aue mora Que Fema para Be © & loge a \ vela_estmada pelo meted doy avin MES YWrachadeA 4 dada pow A ho fK AG Bees Eypeciows 1) Sex = 31K x)= To = wk taL 2) Sey aa (he ON Le wT a)~ v 3) Syy = BW) = yaa =n Exemplo 1.3: Comndere oa nequrtea codes: | a w [fs 8th s c ne a Y le yaslS a8 2 (a) Encore a rely de quadades PII (6) Determine a valores calelad& e & ren aves. (c) Constua um ografeo, colocands @ pores cle pont e G veto ‘encortrada Rerwolugac: 2 (a) me Oa - S(M\e ws a Se qe ak = oi = Lhaje Z = -9 91-5 a = SO/s45 aie b of a =-0 5443 —4 HSL a f + foe Yo Ak f= Ey 0% We A => 3 = 44 ost 35 > 3 = 2p. Ba dye LS = S30 x Sj J tone Ya 539 — 0SiXsi 5 ie % 1 Dropredades dos eshmadores de MMM Mo> QUadrades- (a) sono (XS) é vm donko da rele, eskhmoda. Nee Bo FHC TEmQd Are, pa Y= pk D> X Nis = 3px Y= ¥ ras vy. nN — apnea tel =oG Dp ia aise = cay ter Sipe _ — 4LW = r=) tes wv Txes WY sw pT = pre - = si nA - 3+ PX _- apr =O (C) A Narianua dos eskmeodores de rear nod mwadcadom de Poe e WMMa ene ars Vandncian ‘che __QYumsowuer outros eskmadores nea TES nao Niesados Cem ¥) de Roe fa. _ Georema_Gavuss - ner nov). ~ 2 Naw (fa) = OY =D Nee Te = = - Stp,) Ete eo Sorat o=¥ » 8 op Noa [ fits 0s : Splaulpe)= Totdy Te tes de hi a reac uu Linear rupley Apo ajostar UMA equacac de eq eo Gevemoy Nerificac PU QO. adeguara Keloce, por n Wipe ra O vow molroe do modelo e¢/ov_a canstrucaa de intervalos de confianca. Povo tol intervalo Precrxamos da Pressuposi Gad adicio nal -Que oS ercos tenhany disiibuicg normal. Como _temos dois pardmelras no modelo Nis Bo + BX +E: Precitomos cealizac OD Spegolaind tmale (a) th: P= BF Neesus Va a Z BE (6) Vv Pos Be Neasus othe Em Cada _caso a eStalishca do teste e \O com: Ta tal BoE en eS (83 seat = Reara de fo Se Vealolat (Ya, n-2) > reyeita re i : A a 8 a - em ue [Po)= S. 4 / amine WL v I) c= Bera ce cenrso. Se heale pte n-2) 22 rejeita- ae te. aaa ic)te Wo ais : iy Obs: & 2 0 Avel de NigniPodnaa adolods. Um caro especial muito importante ~ Kerio. MWe: Ner. Bro ae aie cglacionoceie com a, NK ‘ anc Nac ceyertac Mod. ae ous ee mealies a Que Nao Uneoar entre Xx ey: Boa ovtno 7 * i reve: Q ind tania @ importante para explicor om a dey a de. ne ancia ra 0 seat ANOVA Consisle env fover par keao da _Nacolilidade tolal da respos— ja Nerv ovtros toe Ss de acordo co] O modelo cibo. Tloshacac aPar lndo-se do idenhdade: Mie WAN + = pode ze Gemonstrac ae x TGs ie Ee =X ” Tow S Lae ba isla @ A Soma de cwradcotes toto ( scmtal)_a er a Some de MUoadcade mais oO de ciel catia. near (S@Residval ) Cerne -Oymias om welsh Be Oy ae satotal = Nariacao Total em ¥ ee ea ce ee cea a So Regression = Noriacad en X erphtadeo aA 'c B27 A\US PAT & TU fo *faxe Ae Uix) Seep Dect SQResidvo= SQRes= Variacan nao exp cada pela Cea erxaod - Boo dterenca = = sqtotcl - SdRegr6wod. i hic PdeTalents : Baseado nessa idenkaade a Seguinte __ Sttexdro pode Ser montodot Taloclara: Pnalise de Vari anda (ANOVA Fre deNoni Gk SO ia _Reqrens&o 4k SQReg caReg/i QuiReg ee ee QM Res ____ Residso V-% _SQves saqresfn-t) “To: n-t SQtool A esbolskca F obhbda na tabela Sica Lye A — ra Saag poancia da cea mow) Sj. teslar tho! Br=0 Necsus, bot! puto 2 cae Ean - Dagae dese oie Se ane 9 F(t ha -0,)=> —te jet: se lL Oo se om — Qu (Fi n-2 > Peale) gS theo ey eos ee Teak. - ta tala ae ale nages— are) TESST Ee FSI ee cree es S.©. Toto COD do ve abi OG GD dey —#la. CEQKE Eis» note | open 08 HEI.Exemplo ih: Qao exembilccar 9 coteudo a + * aa 0 3 3 4 A 2 4 4 4 3 ia) 6 2 5 Sion 3 a S 9g Vode-se: ; La AT i SEX Lica duo Narienerts . a ¥ 40 4 2 + * - Ss + 4 = ‘. a4 4 Sl > 433.95 FF ? x loser yer J cagodwi yuma 1elocpo DvRO WL od aoe orerte XeY, Contude o& ponker Nato erkexo Sere Aobwe, ume rele, Drovevel mente =po2 cou1a da ex iSPTENCIA, BS tate meio conteolavenn ro pRocewro. 4 | (2) Obter a equacan de reorerxto Aystoda para 9 modelo ‘i= Bo +fav + Gy.ANG = nyt PLING = 3 x 196 - 10.3.5 a = = —F ALG 40:34 St oe = = HGaAD _ AIG - 0 A &A 5 we Boe Xe Pix => Yo- 5-3-0 Po Dein, Jemee: a Aree, velorde reare vad sae - — (c) “Tale paler on esimatvar obbdos des | de CEQCEWED. p= h & ovolor médio da Vorievel y COAe nao haja Nenhunva _Oeorrénvoa en *% C¥s0)Y 7 8 Ocorrencda Uneor penhiva (aivel) 929 X oumerty YY tombenv qumentor (e vice-Nersa) | > n [yak h coda unidode de mecca Que aumertoy em Xx evyerare Une uments medio de + ee re (A) Necikcoar a per CAnee do eqyeeo ayo lose X= goes 2 apresnie a irdtere ao re tdestrda plo anova, } TOT: Pees) =, pp 6.38 Ate (aoe We lprFonte de VoriagaO Gl SQ Oy FE Regrer9 4 26 36 36 Remco de x 2 4 Re Ao. 2 x Zz. Smee oak =a a 40) = 04 — 50 = UY ae se yt Ee | = 1. \ ba6- Sof] iE = 186 -Ws 36 Conclusay : conv hose n ANOVA, nolo ne Opie 0 Teale (36) 7 Fle (932) loge oy Wwpolene testada tt MeO deve ger rejeilada. bamincy, COncl yi -7@ ewer existe uma rewenco rear. () Ree ni Ye: tee B Nersus lla: Peis ao nivel de nigmxcdncia ce oh Pore segior IL: Bo= 3 Nercus Vo: <3 Unere wer b= $i = (Eepcinamar delemmnor 7 = - Ww) ers @) 6 Te (ey dees Que pm ley elhe} = Waal fr) = Y933"2 05016 Von. fo) 25 oe 7 ARG 9 196 nie bn me 40,36 2 "035 eniao Upol=— 5 = ie SS} VWf=1 630 a «Lp tops, 2 = EE fs - x eg ina ge — pera eal teste “a co aesse niervalo ce Neto De gn cake Qu noo cee itomes, co anal de mani¥._/ cand “ae S%T oa kipdine ‘Us: Jo = 3-5 20 valo-d ‘ 7 \ Senco Le ovaler exihco de € com a-2 WW & @.ac_nwel dé con franca iclo, eS intervales de confia rc@ para a Zo 5M 3 a i Pato SU) Sofa fi +h s{fa) @ hi A am E n fe = bs fps por eth) £ ) Delenmirar oO intentialo de ceafanca paca Ba ao Wel cde confianrca cle 906 fb Sf poe stp) Foo Bee Ve Se eee 20,69 < Ry La 2 Sl bey = = Vio Sbe Spe = Ve U Ss ta wt EY ro rr a de yesh (4+ Inlore wanle) b= 4308 GF dH 2206. Vo < Pa Le 23 Te Q,easa< Pad J, 843 (a)2.1 Tesle pora Talla de ajusle (au teste de Fnearidade) Apes oO ayysie, e importante, Nori fear ee Om modelo aeae b adequade. Uma _moneirer for- R dé um modelo linear de folta.de qyste . fn medidos cepekda paca Uma Qu mais nweis de *. A Sequic aprexal Paras modelo linear simples. O_medelo Ineor wsmbples gd: agile ce ere i Nye Ro + Fit +E, Jt =o Bm ore: a _Xcc vrepesenta a j.duma obSewasao para 0 Emo Nobby da Variavel. Ean Onde a rela intercepla oO exo ¥. Serta oa incl iNOGeD JA de rela de _ eee. representa oO i-éxmo valor da yarid— vel_explicalva, ei. 1epresenia 0 erco alealdcio axocia- 2 presenta “O_n? de bSenacSes pores nie a We Sco iolon Gamer ain” (Gibe) do co tdymo © pdxima ObsSevacanc.jee et thpolese a Ser 7estoda be: SO: T= Peo +X modelo Unear € adequado. ( [ie seulsits )=p Be Pa modelo Linear & inadequate, So th & verdadeivra Oolemos que Tw ty, mee nam) Com iO. re\e; tamos Te S6 Fy > Fe m-a,n-nv) 0 volon p d daclo por’ i Brave = 2 \Fun-2n-m) > 1 Bh Jabela AnovA Se Resume env: de zo. GL OM Reqresse> A SQreg. = = RESiduo de n-2 SQResde - Re AOS: m-2 sotrat-Soreq = Residloo num ___SORESdve - Tota ant SQRteL Sm) Be? v wv & Qolal » LX - NET_ RQiesiho = SGoteb- SOTaamerdo Para _mostror como Parts a analise de Naridacia: (COnSi derenos os dades & tobela 21. m O Tkmero de valores dishntos de XK _cegresenta mos gor Tv (M=4,%.-,M) OS me __ Tolan do Valaments isto & o> OMEN cbs > Aolores de Mey Para cade valor dishnio de Xo amy mw (m=4,.-.M) BS nUmMeres de ~ObseniticSes_de Y__ para _codo Tratamerts ~Jabela 2.1; Valores de xX, EY: para Oma amoslto de 1o observ Oqrupadas con fr me valores dish ids _ Nalores aistnts de Valores de tolows 7 K Chm) “ip cubeiin cee re eS, pero TT rN A = ft eee S — x Ss Ss BOIS -\ bel subset et 2 cae — ee, ee et Feet et a poma de quodiado® dé tpadamentes B dade $e! —_— 7 ‘ ay rat. Tt we = et) TEL Wm wwTeremes 2 WM=3 = 23-5 B=5 Tyahs=3 = 4 T= 644=13 Hed f & => SOvel= Jy eh pet te | ILS Try Na, na] ve eos +o _ Gor XD 3 Ae LO = #93 ~ 250 = 4S con -1=6 grows de tberdade. Namots determinar a 2oma oe ack Footed. Seeley the Mea Ww = (4 ats + F)- I50 = ZI-ZD =r Condcdlst wOS Que Reg duo= Sawial -soratamento Au Com n-m =10-7=35-0oe ae Reunames colevlar a O. Faye Le ri OC al Ss Qn RearensGo nao SELLING v0 BE RESidSUS de 2 zg ay i Oi 2: solu 3 pel eo loOSo1s IS Toto 2 A ao “es de iis “ce “Sh 6 o Nelo ce wo F com: 5'e3 Uiberdade, me Cleat wesohlen ay )