Conteúdo principal
Curso: 9º ano > Unidade 7
Lição 3: Estimativa da reta de regressão- Exercício de estimativa da reta de regressão
- Procura pela reta que melhor se encaixa aos pontos
- Reta de regressão: tabagismo em 1945
- Estimativa do coeficiente angular da reta de regressão
- Estimativas com regressão linear (modelos lineares)
- Como estimar equações de retas de regressão linear, e como usá-las para fazer previsões
- Interpretação de linhas de tendência
- Como interpretar o coeficiente angular e a interceptação em y de modelos de funções lineares
© 2024 Khan AcademyTermos de usoPolítica de privacidadeAviso de cookies
Estimativas com regressão linear (modelos lineares)
Use uma reta de regressão para fazer uma previsão.
Quer participar da conversa?
- não explicou direito a equação só ensinou como deduzir a resposta, por que é "-20" e não "+20"?(2 votos)
- Não especificou como chegar na resposta final...(1 voto)
- não entendi como chegar na resposta final direito ):(1 voto)
Transcrição de vídeo
RKA10MP – O teste de matemática da Liz
inclui uma pergunta sobre quantas horas os estudantes
gastaram estudando para o teste. O gráfico de dispersão abaixo
mostra a relação entre o tempo de estudo
e o desempenho no teste. Uma reta foi ajustada aos dados
para modelar esta relação. Qual dessas equações lineares
melhor descreve modelo em questão? Cada ponto aqui no gráfico representa
um aluno. Então, por exemplo, este aluno estudou
pouco mais de meia hora e teve uma pontuação
de 43 ou 44 no teste. Este aluno estudou 2 horas
e teve uma pontuação de 65. Já este aluno estudou um pouco menos
de 4.5 horas e teve uma pontuação de 94. Levando em consideração todos os pontos,
esta reta foi traçada a fim de modelar o desempenho dos estudantes
em função do tempo de estudo. Então quando perguntam
qual dessas equações lineares melhor descreve o modelo em questão,
o que eles realmente querem dizer é: qual dessas equações descreve
esta reta que tenta se ajustar os dados? Parece que o intercepto de "y" é 20, e todas as alternativas
apresentam este valor, então isso não ajuda muito.
Vamos checar a inclinação da reta. Quando se aumenta uma unidade no eixo "x",
quanto isso reflete no eixo "y"? Vejamos, a gente foi de 20 até 40,
o que significa um aumento de 20 pontos. Então a variação de "y"
sobre a variação de "x" para este modelo é igual a 20 sobre 1, e esta vai ser
a inclinação da reta. E olhando para as alternativas,
apenas uma apresenta inclinação de 20, então esta é a alternativa correta. Baseando-se nesta equação,
estime o desempenho para um estudante que estudou
por 3.8 horas. Partindo de 3.8 no eixo "x",
onde a nossa reta vai ser interceptada? Parece que vai ser uma pontuação
bem alta, algo em torno de 96. Então a minha estimativa é que ele teria
uma pontuação de 96, baseado neste modelo. E lembrando que isso não é uma garantia, de que quem estudar 3.8 horas
vai ter uma pontuação de 96. Mas o modelo pode dar um indicativo
do que pode ser esperado, assumindo que o tempo de estudo
é uma variável relevante. É preciso ter cautela com modelos. Neste caso, por exemplo, se a gente
continua a caminhar pelo "x", o modelo pode sugerir que uma pessoa
que estudou 9 horas vai fazer 200 pontos no teste,
o que é impossível. Então você tem que ter cuidado
ao extrapolar com o modelo, não confie cegamente nele. É apenas um modelo que tenta
se ajustar aos dados e que você pode usar
para fazer estimativas ou ter uma noção do que pode
esperar, mas sempre com cautela.