Regressao Linear Multipla e Simples - Analise de Predicao de Lucro de Filmes

Nome Isabela Oliveira da Rocha TIA 322 73381 Nome Leticia Giovanna Gonçalves Leite TIA 322 47151 Métodos Quantitativos em Processos Decisórios Profa Anna Célia A Santos Tópico Regressão Questão A variável notadopúblico pode prever o lucro do filme Apresente as análises e comente Base de dados filmes sav O gráfico de dispersão não é claro o suficiente para que tenha uma conclusão exata com isso seguese para a regressão linear A análise de regressão linear indica que o valorp associado à variável nota público é menor que 005 o que leva à rejeição da hipótese nula H0 e demonstra a importância desse coeficiente como um preditor significativo do lucro do filme Além disso o Índice de Inflação da Variância VIF está abaixo de 5 indicando a ausência de multicolinearidade A variável mostrase um preditor eficaz uma vez que o valor p do teste F é inferior a 005 0010 e a distribuição dos resíduos segue uma distribuição normal como evidenciado pela proximidade dos pontos à linha reta no Gráfico QQ Portanto podese concluir que a classificação dada pelo público tem um impacto substancial no lucro do filme Quanto maior for a nota atribuída pelo público maior será o potencial de lucro já que a aprovação do público levará a uma maior audiência e consequentemente a uma maior receita para a produtora Questão As variáveis notadopúblico e duraçãomin podem prever o lucro do filme Apresente as análises e comente Base de dados filmes sav Dado que estamos lidando com duas variáveis independentes o teste F não fornece informações relevantes Portanto é crucial focar no valorp do teste de ShapiroWilk o qual é inferior a 005 0028 Com base nisso prosseguiremos com a análise da Matriz de Correlações Dado que o valor de ShapiroWilk é inferior a 005 direcionaremos nossa atenção para os coeficientes de correlação de Spearman excluindo o coeficiente de Pearson neste cenário Com base nessa análise podemos concluir que a avaliação do público é uma variável importante na previsão do lucro do filme enquanto a duração do filme não apresenta relevância na identificação do lucro É possível prever o nível de uso do serviço X9 a partir das variáveis X1 a X7 Realize as etapas a seguir apresente as análises e comente Base de dados Hatcosav Avaliar Correlação entre as variáveis Rodar a análise de regressão múltipla Avaliar multicolinearidade Excluir as variáveis independentes com maior p value Teste a normalidade dos resíduos no modelo final Avaliar o coeficiente de determinação R 2 Escrever a fórmula final da regressão Dependente X9 Preditoras independente X1 a X7 Correlação Roda ShapiroWilk X1 X4 e X5 Pearson X2 X3 X6 e X7 Spearman Análise Regressão Matriz de C orrelação Sinalizar correlações significativas e selecionar pearson e spearman Após rodar correlação Variáveis candidatas X1 X4 X5 X3 e X6 Variáveis sem correlação significativa com o X9 X2 X7 Análise regressão Regressão Linear X9 Variável dependente Todas as outras até o X7depois no covariáveis Validar Qualidade Tirar variáveis correlacionadas entre si VIF 5 Retirar a variável que tem maior valor de p retirar X1 X4 X2 X7depois Ajustando do modelo Teste F 005 Normalidade dos resíduos Verificação de Pressupostos Teste de normalidade e Graficos Q Q de Residuos Precisa ser resolvido Equação e R² R² 0768 X9 652 338X3 762X5 141X6 Nível de uso do produto Preço Serviço Margem Considere a planilha Vendas de bermudas em uma loja de moda jovem Suponha que o administrador dessa loja deseja conhecer a influência do preço e da estação do ano nas vendas deste artigo Base de dados Venda de bermudas xlsx Obtenha a expressão da reta de regressão múltipla Faça os testes t de Student Se necessário processe um novo modelo de regressão e refaça todos os testes Qual a expressão da reta de regressão no modelo final Interprete R 2 no modelo final Faça a previsão das vendas para preço 30 na primavera preço 30 no verão preço 30 no outono preço 30 no inverno preço 20 na primavera preço 40 no verão preço 15 no outono preço 15 no inverno Correlação Dependente Vendas Preditoras independentes Preço estação do ano Vendas X Preço Dispersão Regressão Qualidade pvalor de outono é 005 retirar passou Ajustamento do modelo pvalor do TesteF R² 0947 Vendas 49618 0776Preço 15541Primavera 30485Verão 0647Outono 30 na primavera 49618 077630 15541 3405372 30 no verão 49618 077630 30485 8007972 30 no outono 49618 077630 0647 5024172 30 no inverno não tem 20 na primavera 49618 077620 15541 3406148 40 no verão 49618 077640 30485 8007196 15 no outono 49618 077615 0647 49607007 15 no inverno não tem