Equação de regressão linear múltipla para estimativa do erro experimental

Este trabalho teve por objetivo estimar equações de regressão linear múltipla tendo, como variáveis explicativas, as demais características avaliadas em experimento de milho e, como variáveis principais, a diferença mínima significativa em percentagem da média (DMS%) e quadrado médio do erro (QMe), para peso de grãos. Com 610 experimentos conduzidos na Rede de Ensaios Nacionais de Competição de Cultivares de Milho, realizados entre 1986 e 1996 (522 experimentos) e em 1997 (88 experimentos), estimaram-se duas equações de regressão, com os 522 experimentos, validando estas pela análise de regressão simples entre os valores reais e os estimados pelas equações, com os 88 restantes, observando que, para a DMS% a equação não estimava o mesmo valor que a fórmula original e, para o QMe, a equação poderia ser utilizada na estimação. Com o teste de Lilliefors, verificou-se que os valores do QMe aderiam à distribuição normal padrão e foi construída uma tabela de classificação dos valores do QMe, baseada nos valores observados na análise da variância dos experimentos e nos estimados pela equação de regressão.

Análise das curvas do fitotensiômetro de Alvim por regressão linear

O fitotensiômetro de Alvim é amplamente utilizado para demonstrar a variação da turgescência do tronco, que é reduzida durante o dia, como efeito líquido da transpiração que ocorre na copa, e aumentada durante o período noturno, devido à recuperação que pode ser total ou parcial, dependendo da umidade disponível no solo, e da capacidade da planta em absorvê-la. Os valores indicados no manômetro são relativos, e muitas vezes não coincidem com os previstos pelas taxas de transpiração mensuradas ao longo do dia. Este trabalho considera a necessidade de uma nova interpretação das curvas observadas, através do seu seccionamento em diferentes cinéticas, sendo aplicadas equações de regressão linear a estas diferentes partes, e analisado o coeficiente angular destas regressões como parâmetro comparativo da intensidade das mudanças na turgescência do tronco entre diferentes plantas, sob diferentes condições ambientais.

Uso de regressão linear para estimar parâmetros físico-químicos relacionados à qualidade do jerked beef

Jerked beef is officially defined as salted, cured and dried beef. Water activity (Aw), moisture, ash and residual nitrite are the physicochemical parameters that define this product identity and quality standards. In this work, the behavior of these parameters during jerked beef processing was evaluated and a significant correlation among them was revealed. These results allowed the establishment of statistical equations that enable the estimation of all the physicochemical parameters from the results obtained in the measurement of just one of them.

Comparação entre os estimadores de mínimos quadrados ordinários e mínimos desvios absolutos em modelos de regressão linear simples -: uma aplicação na energia na agricultura

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Previsão de demanda de veículos automotores através do modelo de regressão linear múltipla

This study aimed to model a equation for the demand of automobiles and light commercial vehicles, based on the data from February 2007 to July 2014, through a multiple regression analysis. The literature review consists of an information collection of the history of automotive industry, and it has contributed to the understanding of the current crisis that affects this market, which consequence was a large reduction in sales. The model developed was evaluated by a residual analysis and also was used an adhesion test - F test - with a significance level of 5%. In addition, a coefficient of determination (R2) of 0.8159 was determined, indicating that 81.59% of the demand for automobiles and light commercial vehicles can be explained by the regression variables: interest rate, unemployment rate, broad consumer price index (CPI), gross domestic product (GDP) and tax on industrialized products (IPI). Finally, other ten samples, from August 2014 to May 2015, were tested in the model in order to validate its forecasting quality. Finally, a Monte Carlo Simulation was run in order to obtain a distribution of probabilities of future demands. It was observed that the actual demand in the period after the sample was in the range that was most likely to occur, and that the GDP and the CPI are the variable that have the greatest influence on the developed model

Previsão de demanda de veículos automotores através do modelo de regressão linear múltipla

This study aimed to model a equation for the demand of automobiles and light commercial vehicles, based on the data from February 2007 to July 2014, through a multiple regression analysis. The literature review consists of an information collection of the history of automotive industry, and it has contributed to the understanding of the current crisis that affects this market, which consequence was a large reduction in sales. The model developed was evaluated by a residual analysis and also was used an adhesion test - F test - with a significance level of 5%. In addition, a coefficient of determination (R2) of 0.8159 was determined, indicating that 81.59% of the demand for automobiles and light commercial vehicles can be explained by the regression variables: interest rate, unemployment rate, broad consumer price index (CPI), gross domestic product (GDP) and tax on industrialized products (IPI). Finally, other ten samples, from August 2014 to May 2015, were tested in the model in order to validate its forecasting quality. Finally, a Monte Carlo Simulation was run in order to obtain a distribution of probabilities of future demands. It was observed that the actual demand in the period after the sample was in the range that was most likely to occur, and that the GDP and the CPI are the variable that have the greatest influence on the developed model

Influência da idade no comportamento da frequência cardíaca na transição repouso-exercício: uma análise por deltas e regressão linear

INTRODUÇÃO: As modificações da frequência cardíaca (FC) durante a transição repouso-exercício podem ser caracterizadas por meio da aplicação de cálculos matemáticos simples, como: deltas 0-10 e 0-30s para inferir sobre o sistema nervoso parassimpático, e delta e regressão linear aplicados no intervalo 60-240s para inferir sobre o sistema nervoso simpático. Assim, o objetivo deste estudo foi testar a hipótese de que indivíduos jovens e de meia-idade apresentam diferentes respostas da FC em exercício de intensidade moderada e intensa, com diferentes cálculos matemáticos. MÉTODOS: Homens aparentemente saudáveis, sendo sete de meia-idade e 10 jovens, foram submetidos a testes de carga constante de intensidade moderada e intensa. Foram calculados os deltas da FC nos períodos de 0-10s, 0-30s e 60-240s e a regressão linear simples no período de 60 a 240s. Os parâmetros obtidos na análise de regressão linear simples foram: intercepto e inclinação angular. Utilizou-se o teste Shapiro-Wilk para verificar a distribuição dos dados e o teste t não pareado para comparação entre os grupos. O nível de significância estatística considerado foi 5%. RESULTADOS: O valor do intercepto e do delta 0-10s foi menor no grupo meia-idade nas duas cargas e a inclinação do ângular foi menor no grupo meia-idade no exercício moderado. CONCLUSÃO: Os indivíduos jovens apresentam retirada vagal de maior magnitude no estágio inicial da resposta da FC durante exercício dinâmico em carga constante nas intensidades analisadas e maior velocidade de ajuste da resposta simpática em exercícios moderados.

Modelos de resposta à interação entre fármacos anestésicos : análise de regressão e análise de Clusters

Os avanços tecnológicos e científicos, na área da saúde, têm vindo a aliar áreas como a Medicina e a Matemática, cabendo à ciência adequar de forma mais eficaz os meios de investigação, diagnóstico, monitorização e terapêutica. Os métodos desenvolvidos e os estudos apresentados nesta dissertação resultam da necessidade de encontrar respostas e soluções para os diferentes desafios identificados na área da anestesia. A índole destes problemas conduz, necessariamente, à aplicação, adaptação e conjugação de diferentes métodos e modelos das diversas áreas da matemática. A capacidade para induzir a anestesia em pacientes, de forma segura e confiável, conduz a uma enorme variedade de situações que devem ser levadas em conta, exigindo, por isso, intensivos estudos. Assim, métodos e modelos de previsão, que permitam uma melhor personalização da dosagem a administrar ao paciente e por monitorizar, o efeito induzido pela administração de cada fármaco, com sinais mais fiáveis, são fundamentais para a investigação e progresso neste campo. Neste contexto, com o objetivo de clarificar a utilização em estudos na área da anestesia de um ajustado tratamento estatístico, proponho-me abordar diferentes análises estatísticas para desenvolver um modelo de previsão sobre a resposta cerebral a dois fármacos durante sedação. Dados obtidos de voluntários serão utilizados para estudar a interação farmacodinâmica entre dois fármacos anestésicos. Numa primeira fase são explorados modelos de regressão lineares que permitam modelar o efeito dos fármacos no sinal cerebral BIS (índice bispectral do EEG – indicador da profundidade de anestesia); ou seja estimar o efeito que as concentrações de fármacos têm na depressão do eletroencefalograma (avaliada pelo BIS). Na segunda fase deste trabalho, pretende-se a identificação de diferentes interações com Análise de Clusters bem como a validação do respetivo modelo com Análise Discriminante, identificando grupos homogéneos na amostra obtida através das técnicas de agrupamento. O número de grupos existentes na amostra foi, numa fase exploratória, obtido pelas técnicas de agrupamento hierárquicas, e a caracterização dos grupos identificados foi obtida pelas técnicas de agrupamento k-means. A reprodutibilidade dos modelos de agrupamento obtidos foi testada através da análise discriminante. As principais conclusões apontam que o teste de significância da equação de Regressão Linear indicou que o modelo é altamente significativo. As variáveis propofol e remifentanil influenciam significativamente o BIS e o modelo melhora com a inclusão do remifentanil. Este trabalho demonstra ainda ser possível construir um modelo que permite agrupar as concentrações dos fármacos, com base no efeito no sinal cerebral BIS, com o apoio de técnicas de agrupamento e discriminantes. Os resultados desmontram claramente a interacção farmacodinâmica dos dois fármacos, quando analisamos o Cluster 1 e o Cluster 3. Para concentrações semelhantes de propofol o efeito no BIS é claramente diferente dependendo da grandeza da concentração de remifentanil. Em suma, o estudo demostra claramente, que quando o remifentanil é administrado com o propofol (um hipnótico) o efeito deste último é potenciado, levando o sinal BIS a valores bastante baixos.

Methods of Estimation in Multiple Linear Regression: Application to Clinical Data

Nesse artigo, tem-se o interesse em avaliar diferentes estratégias de estimação de parâmetros para um modelo de regressão linear múltipla. Para a estimação dos parâmetros do modelo foram utilizados dados de um ensaio clínico em que o interesse foi verificar se o ensaio mecânico da propriedade de força máxima (EM-FM) está associada com a massa femoral, com o diâmetro femoral e com o grupo experimental de ratas ovariectomizadas da raça Rattus norvegicus albinus, variedade Wistar. Para a estimação dos parâmetros do modelo serão comparadas três metodologias: a metodologia clássica, baseada no método dos mínimos quadrados; a metodologia Bayesiana, baseada no teorema de Bayes; e o método Bootstrap, baseado em processos de reamostragem.

Estimativa da área foliar do antúrio com o uso de funções de regressão

O presente trabalho teve como objetivo determinar quais variáveis dimensionais da folha são mais adequadas para utilização na estimativa da área foliar do antúrio (Anthurium andraeanum), cv. Apalai, por meio de equação de regressão linear, e comparar o desempenho de diferentes funções de regressão obtidas com o uso de aprendizado de máquina (AM). A variável que melhor estimou a área foliar foi o produto das dimensões lineares (comprimento e largura), CxL, sendo a equação proposta Af = 0.9672 *C x L, com coeficiente de determinação (R²) de 0,99. Verificou-se, também, com o uso de AM, que as funções lineares são mais adequadas para a estimação da área foliar dessa espécie vegetal.

Aplicação de modelos de regressão aleatória utilizando diferentes estruturas de dados

A total of 3.035 lactations of Holstein cows from four farms in the Southeast, to check the influence of data structure of milk yield on the genetic parameters. Four dataset with different structures were tested, weekly controls (CW) with 122.842 controls, monthly controls (CM) 30.883, bimonthly controls (CB) with 15,837 and quarterly controls (CQ) with 12,702. The random regression model was used and was considered as random additive genetic and permanent environment effects, fixed effects of the contemporary groups (herd-year-month of test-day) and age of cow (linear and quadratic effects). Heritability estimates showed similar trends among the data files analyzed, with the greatest similarity between dataset CS, CM and CB. The dataset submitted all the CB estimates of genetic parameters analyzed with the same trend and similar magnitude to the CS and CM dataset, allowing the claim that there was no influence of the data structure on estimates of covariance components for the dataset CS, CM and CB. Thus, milk recording could be accomplished in a CB structure.

Aplicação de regressão baseada no uso do solo para predizer a concentração de material particulado inalável no município de São Paulo, Brasil

O estudo teve por objetivo construir um modelo de regressão baseada no uso do solo para predizer a concentração material particulado inalável (MP10) no município de São Paulo, Brasil. O estudo se baseou na média de MP10 de 2007 de 9 estações de monitoramento. Obtiveram-se dados demográficos, viários e de uso do solo em círculos concêntricos de 250 a 1.000 m para compor o modelo. Calculou-se regressão linear simples para selecionar as variáveis mais robustas e sem colinearidade. Quatro variáveis entraram no modelo de regressão múltipla. Somente tráfego leve em círculos concêntricos <250 m permaneceu no modelo final, que explicou 63,8% da variância de MP10. Verificou-se que o método de regressão baseada no uso do solo é rápido, de fácil execução. Entretanto, este modelo se baseou em medições de MP10 de poucos locais.

Estimativa da área foliar do antúrio com o uso de funções de regressão

O presente trabalho teve como objetivo determinar quais variáveis dimensionais da folha são mais adequadas para utilização na estimativa da área foliar do antúrio (Anthurium andraeanum), cv. Apalai, por meio de equação de regressão linear, e comparar o desempenho de diferentes funções de regressão obtidas com o uso de aprendizado de máquina (AM). A variável que melhor estimou a área foliar foi o produto das dimensões lineares (comprimento e largura), CxL, sendo a equação proposta Af = 0.9672 *C x L, com coeficiente de determinação (R²) de 0,99. Verificou-se, também, com o uso de AM, que as funções lineares são mais adequadas para a estimação da área foliar dessa espécie vegetal.

Modelagem univariada e regressão múltipla na análise da oferta e do preço do boi gordo no mercado brasileiro

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Agronomia e Medicina Veterinária, Programa de Pós-Graduação em Agronegócios, 2016.

Quantificação de riscos climáticos via modelos de regressão de Cox.

O gerenciamento de riscos climáticos requer informação sobre estados futuros de variáveis climáticas, geralmente representada por funções de distribuição de probabilidade acumulada (FDPA, P(Y?y) ou por sua funções complementares (P(Y>y)), ditas funções probabilidade de exceder (FPE). Uma variedade de métodos estatísticos tem sido utilizada para estimação de FPE, incluindo, modelos de regressão linear múltipla, regressão logística e métodos não paramétricos (MAIA et al, 2007; LO et al, 2008). Apesar de parecer intuitivo que a incerteza associada às estimativas das FPE é fundamental para os tomadores de decisão, esse tipo de informação raramente é fornecido. Modelos estatísticos de previsão baseados em séries históricas da variável de interesse (chuva, temperatura) e de preditores derivados de estados do oceano e da atmosfera (índices climáticos tais como: temperaturas da superfície do mar ? TSM, índice de oscilação sul, IOS, El Nino/Oscilação Sul - ENSO) se constituem em alternativas promissoras para auxílio às tomada de decisão, em escalas locais e regionais. O uso de tais indicadores permite incorporar mudanças de padrão derivadas de mudanças climáticas em modelos estatísticos que utilizam informação histórica. Neste trabalho, mostramos como o Modelo de Regressão de Cox (MRC; COX, 1972), tradicionalmente utilizado para modelagem de tempos de falha, em investigações na área médica e em ciências sociais, pode ser de grande utilidade para avaliação probabilística de riscos climáticos, mesmo para variáveis que não representam tempos de falha tais como chuva, produtividade de culturas, lucros, entre outras. O MRC pode ser utilizado para avaliar a influência de preditores (índices climáticos) sobre riscos de interesse (representados pelas FPE), estimar FPE para combinações específicas de preditores e incertezas associadas além de fornecer informação sobre riscos relativos, de grande valor para tomadores de decisão. Apresentamos dois estudos de caso nos quais o Modelo de Cox foi usado para investigar: a) o efeito do IOS e de um índice derivado de TSM do Pacífico sobre o início da estação chuvosa em Cairns (Austrália) e b) a influência o índice Nino 3.4, derivado de estados da TSM no Pacífico Equatorial sobre o chuva acumulada no período de Março a Junho em Limoeiro do Norte (Ceará, Brasil). O objetivo da apresentação desses estudos é meramente didático, para demonstrar o potencial do método proposto como ferramenta de auxílio à tomada de decisão.