video para regressao

Audio Transcript Auto-generated

• 00:01 - 00:04

  lá bem vindos essa segunda parte da aula sobre a

• 00:04 - 00:05

  regressão múltipla.

• 00:06 - 00:10

  Na parte inicial, falamos sobre o conceito de regressão.

• 00:11 - 00:15

  Como o acréscimo de outras variáveis explicativas nos leva intuitivamente,

• 00:17 - 00:21

  acredita que podemos dessa forma, melhorar a estimativa de uma

• 00:22 - 00:22

  variável resposta?

• 00:24 - 00:27

  Vimos ali rapidamente Como o método de um dos quadrados

• 00:29 - 00:36

  matematicamente nos permite determinar os coeficientes, delinearam interceptou nos coeficientes

• 00:37 - 00:41

  de inclinação o coeficiente de milhares de cada variável explicativa,

• 00:43 - 00:49

  e agora na sequência, falaremos sobre a avaliação do modelo

• 00:50 - 00:50

  de regressão.

• 00:51 - 00:57

  E como ainda podemos avaliar se há um acréscimoà

• 00:57 - 01:03

  diminuição de variáveis explicativas, ajuda a melhorar a qualidade do

• 01:03 - 01:04

  desempenho desse modelo.

• 01:05 - 01:12

  Vamos a isso, então aí o conceito de regressão que

• 01:12 - 01:16

  já discutimos anteriormente, vamos agora ao modelo de regressão logística.

• 01:17 - 01:20

  Como eu disse antes, apresentamos a definição.

• 01:21 - 01:25

  Colocamosé que se trata de uma extensão natural da

• 01:25 - 01:26

  regressão linear simples.

• 01:27 - 01:31

  Vimos um exemplo onde nós temos a correlação entre a

• 01:31 - 01:35

  sua conferência na cabeça e o peso ao nascer cem

• 01:35 - 01:36

  gramas de recém nascidos.

• 01:38 - 01:42

  E vamos então que na regressão múltipla temos ali várias

• 01:42 - 01:45

  variáveis explicativas do usou mais.

• 01:47 - 01:51

  A determinação dos coeficientesé feita através de uma amostragem

• 01:52 - 01:53

  aleatória da população.

• 01:54 - 02:00

  portanto, usando valores conhecidos de variáveis resposta de variáveis cativas,

• 02:01 - 02:05

  destacando queé preciso considerar que essa mostra siga uma

• 02:05 - 02:11

  distribuição ao menos proximamente normal, o que, independentemente da distribuição

• 02:12 - 02:16

  regional dos dados, pode ser considerada gol ciana quando a

• 02:16 - 02:19

  mostraé suficientemente grande para tal.

• 02:19 - 02:25

  Isso pelo teorema central do limite aí ao equacionamento por

• 02:25 - 02:27

  mínimos quadrados para determinação dos coeficientes.

• 02:29 - 02:35

  E aqui uma exposição teórica de aspectos analíticos relacionados o

• 02:37 - 02:40

  modelo de regressão quando eleé baseado em apenas uma

• 02:41 - 02:41

  variável explicativa.

• 02:42 - 02:42

  Portanto, uma regra.

• 02:43 - 02:50

  Desculpe uma carreta, um plano quando considerado consideradas duas variáveis

• 02:51 - 02:55

  um volume um espaço quando são consideradas as três variáveis

• 02:55 - 03:00

  e o hiper plano para variáveis explicativas dimensionais.

• 03:02 - 03:06

  Tudo isso falando rapidamente e já abordamos na parte inicial

• 03:07 - 03:11

  a avaliação do modelo de regressão múltipla, assim como fazemos

• 03:12 - 03:15

  fora, o modelo de regressão linearé baseada no chamado

• 03:16 - 03:21

  coeficiente de determinação que matematicamente corresponde ao quadrado do coeficiente

• 03:22 - 03:23

  de correlação.

• 03:25 - 03:27

  Daí então essa simbologiaé enquadrado.

• 03:29 - 03:31

  A diferençaé que lá temos o erro quadrado e

• 03:31 - 03:35

  aqui temos o chamadoé enquadrado ajustado o enquadrado ajustado.

• 03:37 - 03:41

  Ele se diferencia pelo fato de que ele aumenta ou

• 03:41 - 03:45

  diminui na medida em que acrescentamos novas variáveis explicativas.

• 03:47 - 03:49

  De um modo geral, o desempenho do modelo ele pode

• 03:50 - 03:56

  ser medida comparando se algum a evolução dos valores cearense

• 03:58 - 04:05

  observados e evolução conjunta ou não com os valores calculados.

• 04:06 - 04:13

  Estimados, portanto,é uma capacidade,é uma medida de capacidade

• 04:14 - 04:15

  ou de desempenho do modelo.

• 04:16 - 04:24

  Preveem estimar corretamente os valores da variável resposta o quadrado,

• 04:25 - 04:30

  ou seja, o conceito de determinação e nunca diminui e,

• 04:30 - 04:35

  portanto, essa versão chamada ajustadaé uma adequação para que

• 04:35 - 04:40

  possamos identificar por meio de uma eventual redução nesse valor,

• 04:41 - 04:46

  que o acréscimo de uma determinada variável explicativa ajuda a

• 04:46 - 04:51

  melhorar ou a piorar o desempenho do modelo, sendo que

• 04:52 - 04:57

  teoricamente, quandoé reajustado, diminui, significa dizer que o acréscimo

• 04:57 - 05:01

  da nova variável ela não contribui para a melhora da

• 05:01 - 05:06

  estimativa. Pelo contrário, ela prejudica o desempenho, sendo portanto um

• 05:06 - 05:08

  ruído e dessa maneira não incluída.

• 05:10 - 05:16

  Assim comparando oé enquadrado ajustado de vários modelos.

• 05:17 - 05:23

  Podemos dessa maneira determinar qual entre eles proporciona uma melhor

• 05:24 - 05:30

  alternativa diante de várias alternativas consideradas.

• 05:31 - 05:36

  Lembrando que o coeficiente de correlação varia entre menos um

• 05:37 - 05:37

  e um.

• 05:38 - 05:42

  Sendo o coeficiente determinação um valor ao quadrado dessa correlação,

• 05:44 - 05:47

  ele vai variar de zero até um, sendo que quanto

• 05:47 - 05:50

  mais próximo de um melhor desempenho do modelo.

• 05:51 - 06:01

  Avaliar outra característica importanteé a denominação das chamadas variáveis

• 06:01 - 06:07

  indicadoras. Temos chamado até aqui as variáveis explicativas e variáveis

• 06:08 - 06:13

  exploratórios. Em outras palavras, quando essas variáveis explana horas ou

• 06:13 - 06:19

  explicativos, tem um alto poder explicativo, ou seja, elas são

• 06:19 - 06:22

  relevantes e temos de contribuir para a estimativa da variável

• 06:23 - 06:28

  resposta. Elas podem ainda ser chamadas variáveis indicadoras, ou seja,

• 06:29 - 06:29

  variáveis indicadoras.

• 06:30 - 06:34

  Em poucas palavras são as variáveis aleatórias com bom poder

• 06:34 - 06:39

  explicativo, lembrando que elas podem ser numéricas do tipo continuo

• 06:40 - 06:46

  discreto e ainda variáveis nominais, ou seja, com valores categóricos,

• 06:47 - 06:49

  caso em que essa variável indicadoré chamada de Dame.

• 06:51 - 06:56

  No entanto, para a determinação dos coeficientes, assim como para

• 06:56 - 07:00

  a estimativa dos valores,é necessário que essas variáveis sejam

• 07:01 - 07:06

  a princípio submetidas a uma transformação categórico numérica.

• 07:07 - 07:10

  Por exemplo, se eu tenho uma variável dicotômica que determina

• 07:11 - 07:14

  a existência ou não de uma determinada doença, por exemplo,

• 07:16 - 07:20

  eu posso substituir presença por um e ausência por zero

• 07:21 - 07:23

  ocorrência por um e não ocorrência por zero.

• 07:24 - 07:30

  Então eu faço essa instituição do valor categórico nominal para

• 07:30 - 07:33

  o valor numérico para que eu possa dessa maneira proceder

• 07:34 - 07:38

  com a estimativa dos coeficientes e no valor das variáveis

• 07:38 - 07:38

  com esportes.

• 07:40 - 07:42

  Aqui, eu tenho um exemplo do que seria uma variável

• 07:43 - 07:50

  categórica dicotômica, que seria a toxemia, uma doença que pode

• 07:50 - 07:54

  acometer as mães durante o período de gravidez.

• 07:56 - 07:59

  Eu tenho que outras duas variáveis que são justamente a

• 07:59 - 08:01

  estimativa da sua preferência da cabeça.

• 08:02 - 08:06

  Incentivo que recebem o site e a idade gestacional poderia

• 08:06 - 08:11

  ter uma terceira dimensão aqui, que seria o peso ao

• 08:11 - 08:17

  nascer e a variável dicotômica categórica que a ocorrência ou

• 08:17 - 08:22

  não da glicemia representadas numericamente por um zero a ocorrência

• 08:23 - 08:28

  e não ocorrência, respectivamente, graficamente simbolizados pela sua conferência, no

• 08:28 - 08:33

  caso de ocorrentes por um, criando no caso de não

• 08:33 - 08:36

  ocorrer, essaé está mais abaixo.

• 08:37 - 08:41

  É estimada baseando se apenas nos valores de não ocorrer

• 08:42 - 08:50

  mais acima, essa segunda reta estimada para os casos apenas

• 08:51 - 08:53

  de a ocorrência da toxemia.

• 08:55 - 09:00

  Portanto, podemos verificar que, quando presente, a toxemia leva a

• 09:00 - 09:03

  um aumento da circunferência da cabeça para os mesmos valores

• 09:04 - 09:04

  de idade gestacional.

• 09:06 - 09:10

  Chegamos aqui vinte e quatro meses na reta inferior de

• 09:10 - 09:11

  não ocorrência da glicemia.

• 09:12 - 09:16

  Acho que oferece menor quando comparado com valores da reta

• 09:16 - 09:17

  logo acima a ela.

• 09:18 - 09:23

  Portanto, dessa maneira verificando que a toxemiaé uma variável

• 09:24 - 09:27

  indicador importante, já que ela tem um forte efeito significativo

• 09:28 - 09:39

  no valor da variável resposta e assim determinando a importância

• 09:40 - 09:44

  de se incluir a ser avaliado no modelo bom, além

• 09:45 - 09:51

  de o acréscimo de variáveis, poder e influência a precisão,

• 09:51 - 09:55

  o desempenho do modeloÉ preciso ainda considerar que muitas

• 09:55 - 10:00

  vezes o efeito de uma variável sóé percebido na

• 10:00 - 10:04

  presença de uma outra variável, ou seja, às vezes o

• 10:04 - 10:09

  efeito de uma variada só se manifesta na presença um

• 10:11 - 10:15

  em determinados valores de uma outra variável, ou seja, como

• 10:15 - 10:19

  se o comportamento de uma variável ela dependência do comportamento

• 10:20 - 10:22

  de uma única variável e a influência delas sobre uma

• 10:23 - 10:27

  terceira também dependendo da existência ou não da influência de

• 10:27 - 10:28

  uma outra variável.

• 10:29 - 10:32

  Fator explicativo bastante interessante.

• 10:34 - 10:39

  Filosoficamente falando até considerar que consuma variável mais tímida na

• 10:39 - 10:44

  presença ou ausência de uma terceira varia, mas discutiremos isso,

• 10:44 - 10:48

  o próximo, obrigado e até lá