Scribd Logo
Carregar

Bem-vindo(a) ao Scribd!

  • 22 visualizações

    Exercício 1

    Enviado por

    Terra
    Este documento apresenta uma análise de regressão linear múltipla de variáveis que influenciam o desempenho de celulares. As variáveis com efeito significativo no modelo foram a capacidade da bateria, se possui dois chips, o peso do celular e a faixa de preço. O modelo mostra que a faixa de preço é a variável que mais influencia o desempenho. A análise da qualidade do ajuste indica que o modelo está bem ajustado aos dados.

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd

    Exercício 1

    Enviado por

    Terra
    22 visualizações4 páginas
    Este documento apresenta uma análise de regressão linear múltipla de variáveis que influenciam o desempenho de celulares. As variáveis com efeito significativo no modelo foram a capacidade da bateria, se possui dois chips, o peso do celular e a faixa de preço. O modelo mostra que a faixa de preço é a variável que mais influencia o desempenho. A análise da qualidade do ajuste indica que o modelo está bem ajustado aos dados.

    Descrição original:

    Exeercicio com resolução utilizando regressão multipla e variaveis qualitativas

    Título original

    Exercício_1

    Direitos autorais

    © © All Rights Reserved

    Formatos disponíveis

    PDF, TXT ou leia online no Scribd

    Você considera este documento útil?

    Este conteúdo é inapropriado?

    Este documento apresenta uma análise de regressão linear múltipla de variáveis que influenciam o desempenho de celulares. As variáveis com efeito significativo no modelo foram a capacidade da bateria, se possui dois chips, o peso do celular e a faixa de preço. O modelo mostra que a faixa de preço é a variável que mais influencia o desempenho. A análise da qualidade do ajuste indica que o modelo está bem ajustado aos dados.

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd
    Fazer download em pdf ou txt
    22 visualizações4 páginas

    Exercício 1

    Enviado por

    Terra
    Este documento apresenta uma análise de regressão linear múltipla de variáveis que influenciam o desempenho de celulares. As variáveis com efeito significativo no modelo foram a capacidade da bateria, se possui dois chips, o peso do celular e a faixa de preço. O modelo mostra que a faixa de preço é a variável que mais influencia o desempenho. A análise da qualidade do ajuste indica que o modelo está bem ajustado aos dados.

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd
    Fazer download em pdf ou txt
    Você está na página 1de 4

    Exercício 1 aula 15

    Gabriel Corrêa Terra


    Marcelo de Oliveira

    Sintaxe de tratamento do dados da base:

    # recebendo a base
    library(data.table)
    base <- fread(input = paste0("mobile.csv"), header = T, na.strings = "NA", data.table =
    FALSE, dec=".")

    # Classificação das variáveis qualitativas


    base$blue_CAT <- as.factor(base$blue)
    base$dual_sim_CAT <- as.factor(base$dual_sim)
    base$four_g_CAT <- as.factor(base$four_g)
    base$touch_screen_CAT <- as.factor(base$touch_screen)
    base$wifi_CAT <- as.factor(base$wifi)
    base$price_range_CAT <- as.factor(base$price_range)

    A - Ajuste um modelo de regressão linear múltipla utilizando somente as variáveis com efeito
    significante no modelo e interprete os coeficientes das variáveis no modelo.

    # Pegando as variaveis com efeito significativo


    modelo_analisado <- lm(index ~ battery_power + dual_sim + mobile_wt +
    price_range_CAT, data=base)
    summary(modelo_analisado)

    Conclusão da Análise do Item ‘A’:


    Call:
    lm(formula = index ~ battery_power + dual_sim + mobile_wt + price_range_CAT,
    data = base)

    Residuals:
    Min 1Q Median 3Q Max
    -1099.65 -258.07 13.67 262.21 1076.63

    Coefficients:
    Estimate Std. Error t value Pr(>|t|)
    (Intercept) 1181.00805 44.73282 26.401 < 2e-16 ***
    battery_power -0.47532 0.01982 -23.978 < 2e-16 ***
    dual_sim 35.69008 17.02544 2.096 0.036183 *
    mobile_wt 0.83491 0.24081 3.467 0.000537 ***
    price_range_CAT1 947.07401 24.14120 39.231 < 2e-16 ***
    price_range_CAT2 1847.97625 24.14917 76.523 < 2e-16 ***
    price_range_CAT3 2791.42917 24.63081 113.331 < 2e-16 ***
    ---
    Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
    Residual standard error: 380.1 on 1993 degrees of freedom
    Multiple R-squared: 0.8776, Adjusted R-squared: 0.8772
    F-statistic: 2382 on 6 and 1993 DF, p-value: < 2.2e-16

    O modelo mostra o quanto a variação de cada variável influencia no desempenho do


    Celular.

    battery-power: o modelo mostra que a cada 1 mAh a mais no telefone, o desempenho


    reduz o equivalente a 0.47532

    dual-sim: o modelo mostra que o celular possuindo 2 chips, o desempenho sobe para
    1216,69813 em relação a quando tem somente 1, que é ≃ 1181,01. Isso mostra uma
    variação de 35,69008 caso o aparelho tenha dois chips

    mobile-wt: o modelo mostra que a cada grama a mais no telefone, o desempenho sobe
    o equivalente a 0.83491 na classificação de desempenho

    price_range: o modelo mostra que a cada o preço que você paga no telefone influência
    índice de desempenho em: 947,07401 caso seja um preço baixo, 1847,97625 caso
    seja um preço médio e 2791,42917

    B - Das variáveis independentes que você selecionou no item (a), indique qual a variável que
    possui
    relação mais forte com a variável dependente INDEX e mostre como você fez para tirar essa
    conclusão

    library(relaimpo)
    imp<-calc.relimp(modelo_analisado)
    var.exp<-data.frame(round(imp$lmg*100,1))
    colnames(var.exp)<-"imp.lmg"
    nome<-rownames(var.exp)
    var.exp<-data.frame(nome,var.exp)

    library(ggplot2)
    ggplot(var.exp, aes(nome,imp.lmg)) +
    geom_bar(stat = "identity")+
    geom_text(aes(label = imp.lmg), vjust = 1.5, lwd=6, colour = "white")

    Conclusão da Análise do Item ‘B’:


    A análise mostra que a variável que mais influencia com o desempenho do celular é a
    que mostra o preço do aparelho que foi pago, no caso Price_Range. Isso significa que o preço
    que você paga na compra do telefone influencia consideravelmente o seu desempenho.

    C - Faça a análise da Qualidade do Ajuste do modelo e indique se o modelo está bem


    ajustado interpretando cada resultado

    plot(fitted(modelo_analisado),rstandard(modelo_analisado))
    abline(0,0)
    library(car)
    qqPlot(modelo_analisado)
    Conclusão da Análise do Item ‘C’:

    A análise residual mostra que existe uma distribuição normal, e aproximadamente linear

    Você também pode gostar