Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- regression [2024/12/10 15:22] – [Regressão Linear] jdos
+++ regression [2024/12/10 15:42] (atual) – [Regressão Linear] jdos
@@ Linha 1: / Linha 1: @@
 ====== Regressão ======
-É uma técnica de **Machine Learning** que se concentra em prever valores, com base em variáveis históricas. A regressão analisa a relação entre variáveis independentes e uma variável dependente, permitindo criar modelos preditivos precisos. Podemos treinar algoritmos de regressão, testar, validar contra modelos de base e colocá-los em produção, medindo continuamente o desempenho dos nossos modelos.
+É uma técnica de Machine Learning que se concentra em prever valores, com base em variáveis históricas. A regressão analisa a relação entre variáveis independentes e uma variável dependente, permitindo criar modelos preditivos precisos. Podemos treinar algoritmos de regressão, testar, validar contra modelos de base e colocá-los em produção, medindo continuamente o desempenho dos nossos modelos.
 ===== Regressão Linear =====
+A regressão linear é uma técnica estatística usada para modelar o relacionamento entre uma variável dependente (Y) e uma ou mais variáveis independentes (X), permitindo entender o efeito e a causalidade entre eles, além de prever novos valores.
-A regressão linear simples é uma metodologia que estuda a relação entre dois fenômenos, permitindo entender o efeito e a causalidade entre eles, além de prever novos valores. Através de uma fórmula que desenha uma reta.
 Dado uma tabela de dados, gera-se uma nuvem de pontos, e assim criamos uma reta que melhor adapta-se:
@@ Linha 19: / Linha 17: @@
 Formulas:
-__ β = [n Σxiyi - Σxiyi] / [n Σxi² - (Σxi)²]
+''β = [n Σxiyi - Σxiyi] / [n Σxi² - (Σxi)²]''
-α = Média[y] - β* Média[x]
+''α = Média[y] - β* Média[x] ''
+Abaixo o **gráfico de dispersão**:
 {{ :captura_de_tela_2024-12-10_144935.png?400 |}}
+Dessa forma conseguimos prever, com uma certa precisão os pontos futuros.
+===== Correlação e Casualidade =====
+É importante destacar que correlação não implica causalidade. Apesar de uma correlação forte entre duas variáveis indicar que elas estão associadas de alguma forma, não podemos concluir que uma variável causa diretamente a mudança na outra.
+A correlação simplesmente descreve a relação entre as variáveis, mas não indica necessariamente uma relação de causa e efeito.