Monise Terra Cerezini

Exercícios da Aula 7 - Regressões Lineares Simples

#Altura na Infância e Na Vida Adulta

1. Faça uma regressão da altura na idade adulta em função da altura na idade de dois anos. Há uma relação significativa? Justifique.

altura.criança=c(39,30,32,34,35,36,36,30)
altura.adulto=c(71,63,63,67,68,68,70,64)
altura=data.frame(altura.criança=altura.criança,altura.adulto=altura.adulto)
altura

plot(altura.adulto~altura.criança,data=altura)
altura.linha=lm(altura.adulto~altura.criança,data=altura)
abline(altura.linha, col="blue")

anova(altura.linha)
summary(altura.linha)   

R= Há relação significativa

2. Faça um gráfico de dispersão com os dados, e acrescente a linha da regressão, e a linha esperada pela crença.

h.esperada<-(altura.criança*2)
h.esperada
h.esperada.m2<-lm(h.esperada~altura.criança)
plot(altura.adulto~altura.criança)
altura.linha=lm(altura.adulto~altura.criança,data=altura)

*linha de regressão
abline(altura.linha, col="blue") 

*linha esperada pela crença     
abline(h.esperada.m2,col="red") 

3. Calcule os intervalos de confiança dos coeficientes.

>coef(altura.linha)
   (Intercept) altura.criança 
    35.1785714      0.9285714 

> confint(altura.linha)
                    2.5 %    97.5 %
(Intercept)    24.2881165 46.069026
altura.criança  0.6094693  1.247674

> coef(h.esperada.m2)
   (Intercept) altura.criança 
             0              2 

> confint(h.esperada.m2)
                       2.5 %       97.5 %
(Intercept)    -3.245917e-15 3.245917e-15
altura.criança  2.000000e+00 2.000000e+00

4. Seus resultados corroboram a hipótese do senso comum? Por que?

Não corroboram a hipótese porque em ambos os modelos há uma grande diferença no aumento de y para cada x.


#Seriemas e Carcarás

aves<-read.table("aves_cerrado.csv", header=T, sep=";", as.is=T)
str(aves)
summary(aves)
aves$carcara[is.na(aves$carcara)==T] <- 0
aves$seriema[is.na(aves$seriema)==T] <- 0

table(aves$fisionomia)
aves$fisionomia[aves$fisionomia=="ce"] <- "Ce"
aves$fisionomia[aves$fisionomia=="0"] <- "Ce"

aves$fisionomia <- factor(aves$fisionomia, levels=c("CL","CC","Ce"))

1. Há relações em alguma das fisionomias?

CL=aves[aves$fisionomia=="CL",]
CL

plot(CL$carcara~CL$seriema,data=CL)
carc.serie.m3<-lm(CL$carcara~CL$seriema,data=CL)
abline(carc.serie.m3, col="blue")

anova(carc.serie.m3)
summary(carc.serie.m3)

R= Parece não haver relação dentro da fisionomia "CL"
-----------------------------------------------------------------
CC=aves[aves$fisionomia=="CC",]
CC

plot(CC$carcara~CC$seriema,data=CC)
carc.serie.m6<-lm(CC$carcara~CC$seriema,data=CC)
abline(carc.serie.m6, col="blue")

anova(carc.serie.m6)
summary(carc.serie.m6)

R= Parece não haver relação dentro da fisionomia "CC"
-------------------------------------------------------------------
CE=aves[aves$fisionomia=="Ce",]
CE

plot(CE$carcara~CE$seriema,data=CE)
carc.serie.m9<-lm(CE$carcara~CE$seriema,data=CE)
abline(carc.serie.m9, col="blue")

anova(carc.serie.m9)
summary(carc.serie.m9)

R= Parece não haver relação dentro da fisionomia "Ce"
-------------------------------------------------------------------------
2. Há diferenças entre as fisionomias?

plot(aves$carcara~aves$seriema,data=aves)

*CL
abline(carc.serie.m3, col="blue") 

*CC
abline(carc.serie.m6, col="red")

*CE
abline(carc.serie.m9, col="green")

R= Há diferença entre as fisionomias


#Resíduos de Iris

iris
str(iris)
summary(iris)
head(iris)

iris.setosa<-iris[iris$Species=="setosa",]
str(iris.setosa)
summary(iris.setosa)
head(iris.setosa)

1. Fazer e interpretar uma regressão da largura da sépala em função do comprimento da sépala.

sepala.m1<-lm(iris.setosa$Sepal.Width~iris.setosa$Sepal.Length,data=iris.setosa)
plot(iris.setosa$Sepal.Width~iris.setosa$Sepal.Length,data=iris.setosa)
abline(sepala.m1,col="red")

anova(sepala.m1)
summary(sepala.m1)

R= O modelo explica a relação entre a largura e o comprimento das sepalas de Iris setosa.

2. Fazer e interpretar a mesma regressão, mas descontando do efeito do comprimento da pétala de cada variável.

petala.1<-lm(iris.setosa$Sepal.Width~iris.setosa$Petal.Length,data=iris.setosa)
petala.2<-lm(iris.setosa$Sepal.Length~iris.setosa$Petal.Length,data=iris.setosa)

names(petala.1)

res.petala.1<-residuals(petala.1)
res.petala.2<-residuals(petala.2)

residuo<-data.frame(res.petala.1,res.petala.2)

residuos<- lm(res.petala.1~res.petala.2, data=residuo)
plot(res.petala.1~res.petala.2, data=residuo)
abline(residuos, col="blue")

anova(residuos)
summary(residuos)

R= A covariável em questão não influencia muito e o resultado obtido por este modelo é próximo àquele obtido na regressão anterior.