TRANSFORMAÇÃO POR ANÁLISE DE ERRO

Slides:



Advertisements
Apresentações semelhantes
ANÁLISE MULTIVARIADA DE DADOS
Advertisements

Correlação e Regressão
Escola Politécnica de Pernambuco Departamento de Ensino Básico
DISTRIBUIÇÕES AMOSTRAIS
Estatística amintas paiva afonso.
Prof. Darlan Marcelo Delgado
ANÁLISES DE REGRESSÃO.
Analise de Regressão Parte 2.
ESTIMAÇÃO.
Noções de Regressão Profa. Marli.
Ferramentas da Qualidade
Regressão Linear Aula 09 Prof. Christopher Freire Souza
ANÁLISE DE REGRESSÃO UM GUIA PRÁTICO.
LINEARIZAÇÃO DE GRÁFICOS
Rejane Sobrino Pinheiro Tania Guillén de Torres
PREVISÃO DE CUSTOS Prof Samir Silveira.
Estatística Aplicada (Aula 5)
Diagramas de dispersão
Regressão linear A regressão linear é usada para determinar o valor de uma variável dependente contínua baseando-se na sua relação linear com uma (regressão.
Regressão logística A regressão logística é uma semelhante a regressão linear e é usada com temos uma variável dependente binária. O objectivo é saber.
Análise da Regressão múltipla: Inferência Revisão da graduação
Laís Araújo Lopes de Souza
ESTATÍSTICA.
Estatística e Probabilidade
Pressuposições do Modelo Estatístico e Transformação de Dados
ESTATÍSTICA.
Econometria Aula 3 – 27/9/2013.
QUAL O REAL IMPACTO DA ESTATÍSTICA NO DESENHO EXPERIMENTAL, NOMEADAMENTE NA PREVISÃO DE METODOLOGIAS E NA ANÁLISE DE RESULTADOS?
Regressão Múltipla Profas: Gardênia da Silva Abbad Elaine Rabelo Neiva
Física Aula 02 - Mecânica.
Regressão Pontos mais importantes: -objectivo -regressão linear
Modelação Dinâmica António Câmara ADSA. Modelação dinâmica Desenvolvimento de modelos de simulação dinâmica Solução de equações diferenciais utilizando.
Aula 6 - Método não-experimental ou de seleção não-aleatória
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Análise de Regressão Camilo Daleles Rennó
Professor Antonio Carlos Coelho
Professor Fernando Castro Vieira Filho Data:
Prof. Me. Juliano Ricardo Marques FACCAMP
Regressão Linear.
Interpolação e Ajuste de Curvas
GRÁFICO DE CORRELAÇÃO É um método gráfico de análise que permite verificar a existência ou não de relação entre duas variáveis de natureza quantitativa,
Aula 4 Disciplina: Sistemas de Controle 1 - ET76H
Modelagem Estatística
Professor Antonio Carlos Coelho
Aula 12 - Teste de associação1 DATAAulaCONTEÚDO PROGRAMÁTICO 10/03Segunda1Níveis de mensuração, variáveis, organização de dados, apresentação tabular 12/03Quarta2Apresentação.
Regressão e Previsão Numérica.
GRÁFICOS ESTATÍSTICOS
Ajuste de regressão 13 de abril de 2015
7 Ajuste de Curvas UFSC.PósMCI.FME.Ajuste de curvas. (11.1)
Regressão.
Ajuste do Modelo Avaliação dos Coeficientes
Estatística para Cursos de Engenharia e Informática
Curva padrão Sucessão crescente ou decrescente de pontos obtidos da relação entre A concentração da espécie padrão pela sua intensidade de sinal proveniente.
Proporcionalidade Inversa como função
Física Experimental I – Turma J [FEX1001/J ] Aula 04: Gráficos Prof
Aulas Introdutórias O processo de medida;
Estatística e Probabilidade
Metodologia Científica Prof. Marcel Dupret Fatec Osasco Abril/2014
Regressão Linear Simples
Correlação e regressão
Regressão Linear. Introdução A relação linear entre duas variáveis contínuas pode ser aferida através do coeficiente de correlação ou do modelo de regressão.
Regressão linear simples
Regressão linear simples
Correlação Análise do grau de relacionamento entre duas variáveis quantitativas.
Experimentação e Instrumentação Regressão Linear e Múltipla
AULA 11 – REGRESSÃO Parte I
LINEARIDADE Kamila Dias Nayara Rayanne Pereira Renata Fernandes Solange Araújo.
Estatística - Gráficos em escala logarítma
Regressão Linear (aula 14 – Parte 2).
CMIP- Centro de Metrologia e Inovação em Processos Programa de Pós-Graduação em Odontologia Profª Andréa ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA.
Como construir modelos empíricos. Nos modelos estudados, cada fator foi fixado em dois níveis Por esta razão temos que nos contentar com uma visão limitada.
Transcrição da apresentação:

TRANSFORMAÇÃO POR ANÁLISE DE ERRO SERGIO Sérgio Alberto Pires da Silva

ESCOLHA DA TRANFORMAÇÃO A ADOTAR No mercado imobiliário as relações entre variáveis são Não Lineares; Norma Brasileira recomenda análise gráfica para escolha da linearização adequada; Uso de mais de uma variável independente inviabiliza o processo; Análise gráfica de uma dependente fica prejudicada sem a presença das demais; Eliminando-se a influência das demais variáveis é possível identificar a relação apropriada do atributo com o Valor;

DECOMPOSIÇÃO DO VALOR OBSERVADO Em amostra homogênea o Valor dos elementos é composto pela média aritmética e o erro aleatório: A Regressão relação Linear Simples (entre duas variáveis) implica na decomposição do Valor dos elementos em 3 parcelas: Média da Amostra; Influência do atributo; Erro aleatório

REPRESENTAÇÃO GRÁFICA média

PRINCÍPIOS DA APLICAÇÃO DA INFERÊNCIA A presença do atributo influenciante desloca o erro aleatório numa distância equivalente à diferença entre a estimativa de valor e a média aritmética (média se inclina). Quando a relação é Não Linear utiliza-se transformação de escala para Linearizá-la; Uso de uma única Variável Independente simplifica a visualização da transformação que lineariza a relação entre as variáveis;

VISUALIZAÇÃO DA LINEARIZAÇÃO

MUDANÇA DE ESCALAS DOS EIXOS Transformação adequada indica a Variável Dependente na forma inversa – Equação hiperbólica, ou seja, 1/y no eixo vertical, resultando equação linear do tipo: Resultando Equação Não Linear tipo:

REPRESENTAÇÃO DA LINEARIZAÇÃO

REGRESSÃO COM MAIS VARIÁVEIS Na Regressão Múltipla (mais variáveis ) o Valor de cada elemento da amostra também estará decomposto em 3 parcelas: Média da Amostra; Influência do conjunto de variáveis utilizadas; Erro aleatório

REPRESENTAÇÃO ESQUEMÁTICA média

DIFICULDADE DE LINEARIZAÇÃO A parcela da diferença entre os valores dos dados da amostra e sua média aritmética que tem origem no conjunto de características heterogêneas é formada de um bloco único, não sendo possível identificar qual a parcela relativa à cada uma das características isoladamente; Análise Gráfica da Variável Dependente com cada Atributo não sinaliza a Transformação de escala para Linearização;

EXEMLO NUMÉRICO

ANÁLISE GRÁFICA - FRENTE Área = 220.000 Frente = 400 Aproveit. = 50 Valor Lote = 10

CONCLUSÕES EQUIVOCADAS Relação entre a característica (frente) e o Valor Unitário dos imóveis é negativa (quanto maior a frente, menor o valor dos imóveis); Dados que prejudicam a hipótese não estão claramente expostos; O dado número 5, por exemplo, apresenta uma frente de 400,00 m e Valor Unitário de R$ 5,00/m², este valor reduzido não está originado na frente de grandes dimensões, mas na área de grande porte e valor de lote reduzido na região, etc.

RETIRADA DA INFLUÊNCIA DAS VARIÁVEIS Resíduo (frente e aleatório) Variação Total Influência das demais variáveis Todas as Variáveis, exceto a FRENTE

ISOLAR INFLUÊNCIA DE VARIÁVEL Elaboração de Equação de Regressão sem a presença da Característica que se pretende identificar a relação de influência no valor; Ajustar cada elemento da amostra pela equação elaborada; Análise da dispersão gráfica da característica e a variável dependente ajustada possibilita: identificar a relação matemática de influência da característica no valor dos imóveis; visualizar os dados inconsistentes para a hipótese formulada (variável);

Todas as Variáveis, exceto a FRENTE EXEMPLO – ISOLA FRENTE Modelo sem FRENTE – Valor ajustado será: Todas as Variáveis, exceto a FRENTE Influência das demais variáveis Resíduo (frente e aleatório) Média Amostral i

AJUSTE DO VALOR Retirando-se do valor de cada dado da amostra a parcela referente à influência das demais variáveis, equivalente a: tem-se: Neste caso contém o erro aleatório mais a influência da FRENTE no valor; Equivale a um giro na equação de regressão:

REPRESENTAÇÃO ESQUEMÁTICA Todas as Variáveis, exceto a FRENTE Variação Total Influência das demais variáveis Resíduo (frente e aleatório) Média Amostral i Equação de Regressão

VALORES AJUSTADOS E FRENTE

ANÁLISE DA DISPERSÃO Observa-se agora que a relação apropriada da variável Frente e o Valor Unitário dos imóveis é direta (y = A + Bx). Sem a influência das demais características verifica-se que os dados mostram de forma mais consistente a influência da variável FRENTE no valor das glebas; A análise é semelhante à Regressão Simples onde os dados inconsistentes com a hipótese podem ser identificados com mais clareza;

CONCLUSÕES E RECOMENDAÇÕES O processo representa importante ferramenta na comprovação das hipóteses e identificação de dados inconsistentes; Ao se retirar do modelo geral a variável a ser estudada para construção do modelo parcial, não se considera a influência conjunta desta variável com cada uma das demais variáveis do modelo. Quanto maiores as relações colineares da variável estudada com as demais variáveis independentes do modelo geral, maior a dificuldade na análise.