GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP

Ou seja, a previsão será uma função do resultado futuro de outra variável, no caso o x.
Escrevendo a forma da regressão simples mais detalhadamente para o caso linear,
tem-se:
Equação 14: Forma linear da regressão simples
Yp = a + bx
Ou seja, Yp , a previsão, é uma função linear de x. Já Y, o resultado real da variável no
futuro seria Yp mais um valor randômico de erro.
Para o cálculo dos coeficientes recomenda-se a leitura de MAKRIDAKIS, S. and S.C.
WHEELWRIGHT. Forecasting – Methods and Applications, 3ª ed., Wiley, New York, 1998.
Vale destacar que praticamente qualquer software usado para se trabalhar dados,
inclusive o MS Excel, realiza esses cálculos automaticamente.
A regressão simples é baseada na correlação linear (apresentada anteriormente neste
trabalho). Ao elevarmos o coeficiente da correlação linear, R, ao quadrado, obtém-se o R 2 que
indica a qualidade da regressão realizada. Este indicador varia de 0 a 1 e, quanto mais
próximo de 1, melhor é a regressão sendo realizada.
Um ponto essencial de ser destacado são as hipóteses que estão por trás do modelo de
regressão, as quais não sendo atendidas diminuem em muito o rigor matemático do modelo.
• Os erros (ou resíduos) possuem distribuição normal, com média zero e
variância constante para todo xi (ao longo de todo o espectro da variável
explanatória)
• Quaisquer observações independentes não podem ser correlacionadas entre si
Estatisticamente pode-se avaliar a qualidade da regressão através da estatística t de
cada coeficiente. De uma forma geral, considera-se que resultados de t, em módulo, maiores
do que 2 são bons e que valores entre 1,5 e 2 são considerados aceitáveis (cerca de 85% a
95% de certeza que o coeficiente não é zero).
53