Skip to main content
Global

13.7: Termos-chave do capítulo

  1. Last updated
  2. Save as PDF
  • Page ID
    186922

    • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    a é o símbolo do Y-Intercept
    Às vezes escrito como\(b_0\), porque ao escrever o modelo linear teórico\(\beta_0\) é usado para representar um coeficiente para uma população.
    b é o símbolo de inclinação
    A palavra coeficiente será usada regularmente para a inclinação, porque é um número que sempre estará ao lado da letra “”\(x\). Ele será escrito como\(b_1\) quando uma amostra for usada e\(\beta_1\) será usado com uma população ou ao escrever o modelo linear teórico.
    Bivariada
    duas variáveis estão presentes no modelo onde uma é a “causa” ou variável independente e a outra é o “efeito” da variável dependente.
    Linear
    um modelo que pega dados e os regride em uma equação de linha reta.
    Multivariada
    um sistema ou modelo em que mais de uma variável independente está sendo usada para prever um resultado. Só pode haver uma variável dependente, mas não há limite para o número de variáveis independentes.
    R2R2 — Coeficiente de Determinação
    Esse é um número entre 0 e 1 que representa a variação percentual da variável dependente que pode ser explicada pela variação na variável independente. Às vezes é calculado pela equação em\(R^{2}=\frac{S S R}{S S T}\) que\(SSR\) é a “Regressão da Soma dos Quadrados” e\(SST\) é a “Soma dos Quadrados Total”. O coeficiente de determinação apropriado a ser relatado deve sempre ser ajustado primeiro para graus de liberdade.
    Residual ou “erro”
    o valor calculado a partir da subtração\(y_{0}-\hat{y}_{0}=e_{0}\). O valor absoluto de um resíduo mede a distância vertical entre o valor real de y e o valor estimado de y que aparece na linha de melhor ajuste.
    RR — Coeficiente de correlação
    Um número entre −1 e 1 que representa a força e a direção da relação entre “\(X\)” e “”\(Y\). O valor para “\(r\)” será igual a 1 ou −1 somente se todos os pontos traçados formarem uma linha perfeitamente reta.
    Soma dos erros quadrados (SSE)
    o valor calculado a partir da soma de todos os termos residuais quadrados. A esperança é que esse valor seja muito pequeno ao criar um modelo.
    X — a variável independente
    Às vezes, isso será chamado de variável “preditora”, porque esses valores foram medidos para determinar quais possíveis resultados poderiam ser previstos.
    Y — a variável dependente
    Além disso, usar a letra “\(y\)” representa valores reais, enquanto\(\hat{y}\) representa valores previstos ou estimados. Os valores previstos virão da inserção dos valores “\(x\)” observados em um modelo linear.