Aqui você vê as diferenças entre duas revisões dessa página.
Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Próxima revisão Ambos lados da revisão seguinte | ||
02_tutoriais:tutorial7:start [2020/10/02 06:18] rafael.melhem [Simulando dados] |
02_tutoriais:tutorial7:start [2020/10/02 18:30] adalardo [Variável Indicadora] |
||
---|---|---|---|
Linha 7: | Linha 7: | ||
A primeira parte desse tutorial é baseado no [[http://labtrop.ib.usp.br/doku.php?id=cursos:planeco:roteiro:08-lm_rcmdr| tutoria de modelos lineares da disciplina Princípios de Planejamento e Análise de Dados]], inclusive as vídeoaulas. Aqui iremos focar no código que estava subjacente ao tutorial. | A primeira parte desse tutorial é baseado no [[http://labtrop.ib.usp.br/doku.php?id=cursos:planeco:roteiro:08-lm_rcmdr| tutoria de modelos lineares da disciplina Princípios de Planejamento e Análise de Dados]], inclusive as vídeoaulas. Aqui iremos focar no código que estava subjacente ao tutorial. | ||
+ | <WRAP center round tip 60%> | ||
+ | A videoaula gravada no google meet no dia 02 de outubro de 2020 está ao final do tutorial. Dê preferência para as videoaulas do curso de **Principios de Planejamento e Análise de Dados** que estão colocadas ao longo do tutorial. Eles tratam o tema de modelos lineares de forma mais sucinta e tiveram alguma edição. Desconsiderem nesses vídeos as referências à disciplina. | ||
+ | </WRAP> | ||
+ | |||
===== Modelos Lineares ===== | ===== Modelos Lineares ===== | ||
Linha 12: | Linha 16: | ||
Os modelos lineares são uma generalização dos testes de hipótese clássicos mais simples. Uma regressão linear, por exemplo, só pode ser aplicada para dados em que tanto a variável preditora quanto a resposta são contínuas, enquanto uma análise de variância é utilizada quando a variável preditora é categórica. Os modelos lineares não têm essa limitação, podemos usar variáveis contínuas ou categóricas indistintamente. | Os modelos lineares são uma generalização dos testes de hipótese clássicos mais simples. Uma regressão linear, por exemplo, só pode ser aplicada para dados em que tanto a variável preditora quanto a resposta são contínuas, enquanto uma análise de variância é utilizada quando a variável preditora é categórica. Os modelos lineares não têm essa limitação, podemos usar variáveis contínuas ou categóricas indistintamente. | ||
- | <WRAP center round box 40%> | + | <WRAP center round box 80%> |
__**Videoaula Modelo Linear I**__ | __**Videoaula Modelo Linear I**__ | ||
O vídeo é proveniente de outra disciplina, desconsidere qualquer referência a ela. | O vídeo é proveniente de outra disciplina, desconsidere qualquer referência a ela. | ||
+ | <WRAP center round tip 80%> | ||
{{youtube>b4VgLr6loGE}} | {{youtube>b4VgLr6loGE}} | ||
+ | |||
+ | </WRAP> | ||
Linha 69: | Linha 76: | ||
<code rsplus> | <code rsplus> | ||
par(mar = c(4, 4, 2, 2), cex.lab = 1.5, cex.axis = 1.5, las = 1, bty = "n") | par(mar = c(4, 4, 2, 2), cex.lab = 1.5, cex.axis = 1.5, las = 1, bty = "n") | ||
- | plot(x1, y1, type = "n", axes = FALSE, ann = FALSE, , ylim = range(y1), xlim = range(x1)) | + | plot(x1, y1, type = "n", axes = FALSE, ann = FALSE, ylim = range(y1), xlim = range(x1)) |
rect(par()$usr[1], par()$usr[3], par()$usr[2], par()$usr[4], col = rgb(0, 0, 0, 0.15)) | rect(par()$usr[1], par()$usr[3], par()$usr[2], par()$usr[4], col = rgb(0, 0, 0, 0.15)) | ||
axis(1) | axis(1) | ||
Linha 426: | Linha 433: | ||
===== Tabela de Anova de uma Regressão ===== | ===== Tabela de Anova de uma Regressão ===== | ||
- | <WRAP center round box 60%> | + | <WRAP center round box 100%> |
+ | <WRAP center round tip 80%> | ||
+ | Video na disciplina de Princípios de Planejamento e Análise de Dados. Desconsidere qualquer referência à disciplina. O tema tratado é a partição de variação dos dados. | ||
{{youtube>C4urUFRGDvo}} | {{youtube>C4urUFRGDvo}} | ||
+ | |||
+ | </WRAP> | ||
</WRAP> | </WRAP> | ||
Linha 849: | Linha 860: | ||
</WRAP> | </WRAP> | ||
+ | <WRAP center round box 100%> | ||
+ | Aula síncrona da disciplina no google meet, gravada em 01 de outubro de 2020. Nela abordo a construção e interpretação de modelos lineares simples no ambiente de programação R, focando no resumo (''summary'') com as principais informações do modelo. Uma bom entendimento do resumo do modelo é essencial para interpretação correta do resultado. Veja curso completo em: | ||
+ | http://ecor.ib.usp.br | ||
+ | <WRAP center round tip 80%> | ||
+ | {{youtube>VRrJ487k5qY}} | ||
+ | </WRAP> | ||
+ | |||
+ | </WRAP> | ||