Validação da Predição do Modelo Linear
description
Transcript of Validação da Predição do Modelo Linear
42510011 0010 1010 1101 0001 0100 1011
Validação da Predição do Modelo Linear
Carlos Alberto Alves Varella, [email protected]
Universidade Federal Rural do Rio de Janeiro
CPGA-CS Instituto de Agronomia
4251
0011 0010 1010 1101 0001 0100 1011
INTRODUÇÃO
• A validação da predição constitui-se em ajustar um modelo linear de 1º grau dos valores preditos em função dos valores observados.
• A significância da regressão é avaliada aplicando-se o teste F para as estimativas dos parâmetros, conforme metodologia descrita por GRAYBILL (1976).
4251
0011 0010 1010 1101 0001 0100 1011
Vetor dos Valores Preditos
• São valores resultantes da predição feita pelo modelo ajustado, será denominadoY-chapéu. Definido por:
ny
y
y
Y
ˆ
ˆ
ˆ
ˆ 2
1
4251
0011 0010 1010 1101 0001 0100 1011
Vetor dos Valores Observados
• São valores conhecidos da variável dependente, mas que não participaram do ajuste do modelo. Definido por:
n
2
1
y
y
y
Y
4251
0011 0010 1010 1101 0001 0100 1011
Ajuste do Modelo de 1º Grau
• Consiste em se ajustar um modelo linear de 1º grau para Y-chapéu em função de Y. Considere que:
YY
• Precisamos determinar Beta-chapéu o estimador de Beta.
4251
0011 0010 1010 1101 0001 0100 1011
Determinação de Beta-chapéu
• O Beta-chapéu será determinado pelo método dos mínimos quadrados, sendo assim:
Y'YY'Yˆ 1
4251
0011 0010 1010 1101 0001 0100 1011
Esperança de Beta-chapéu
• A esperança é que o vetor Beta-chapéu seja:
1e0:H1
0ˆ100
• Se tal fato se confirmar significa que o modelo pode ser utilizado para fazer predições.
4251
0011 0010 1010 1101 0001 0100 1011
Estatística F utilizada no teste
• m= número de linhas da matriz C’;
1
0
2
11
0 ˆm
)ˆ'C(]C)X'X('C[)'ˆ'C()H(F
1
0
QMR2
4251
0011 0010 1010 1101 0001 0100 1011
Determinação da matriz C’
• A matriz C’ é uma matriz com m linhas e p+1 colunas, de tal forma que:
1e0:H1
0
10
01'C:H 100
1
00
10
01'C
4251
0011 0010 1010 1101 0001 0100 1011
Cálculo do F(H0)
• Aceita-se a hipótese de nulidade quando Aceita-se a hipótese de nulidade quando F(HF(H00)) é menor que é menor que FFαα%%((m;n-p-1)m;n-p-1). Diz-se . Diz-se que o teste que o teste foi não significativofoi não significativo..
• αα= grau de significância da análise;= grau de significância da análise;• m= 2;m= 2;• n= número de observações;n= número de observações;• p= 1. p= 1.
4251
0011 0010 1010 1101 0001 0100 1011
Exemploregressão de equação a é :X13X2Y 2i1ii
Y X1 X2 Y-chapéu
1,5 0 0 2
6,5 1 2 7
10,0 1 4 9
11,0 2 2 10
11,5 2 4 12
16,5 3 6 17
4251
0011 0010 1010 1101 0001 0100 1011
Ajuste do Modelo de 1º Grau
16.51
11.51
111
101
6.51
1.51
Y
17.0
12.0
10.0
9.0
7.0
2.0
Y
4251
0011 0010 1010 1101 0001 0100 1011
Determinação de Beta-chapéu
Y'YY'Yˆ 1
670 57
57 6
16.51
11.51
111
101
6.51
1.51
5.165.1111105.65.1
111111Y'Y
4251
0011 0010 1010 1101 0001 0100 1011
Determinação de Beta-chapéu
Y'YY'Yˆ 1
667
57
17.0
12.0
10.0
9.0
7.0
2.0
5.165.1111105.65.1
111111Y'Y
4251
0011 0010 1010 1101 0001 0100 1011
Determinação de Beta-chapéu
Y'YY'Yˆ 1
0.0078 0.0739-
0.0739- 0.8690 )Y'Y( 1
4251
0011 0010 1010 1101 0001 0100 1011
Determinação de Beta-chapéu
Y'YY'Yˆ 1
667
57
0.0078 0.0739-
0.0739- 0.8690
ˆ
ˆ
1
0
0.9767
0.2218
ˆ
ˆ
1
0
4251
0011 0010 1010 1101 0001 0100 1011
Cálculo do F(H0)
9767.0
2218.0
9767.0
2218.0
10
01ˆ'C
0.0233-
2218.0
1
0
9767.0
2218.0ˆ'C
4251
0011 0010 1010 1101 0001 0100 1011
Cálculo do F(H0)
0.0078 0.0739-
0.0739- 0.8690 C)Y'Y('C 1
670 57
57 6C)x'x('C
11
0.06980.0233-
0.2218
670 57
57 6 0.0233- 0.2218Num
)ˆ'C(]C)X'X('C[)'ˆ'C(Num 11
4251
0011 0010 1010 1101 0001 0100 1011
Cálculo do F(H0)
0.7325116
2.9300
1pn
Y'Y'ˆY'YQMRsˆ 22
ns0 0,0478
7325,02
0,0698)(
HF
6,9443)4,2%,5( F
• QMR=quadrado médio do resíduo
0.9767
0.2218
ˆ
ˆˆ
1
0
4251
0011 0010 1010 1101 0001 0100 1011
Exemplo de programa no SAS
proc reg data=gps_ap.teste;
/* x1 x2 y */
model y = x1 x2;
output out=p p=yhat r=resid;
print p;
run;
quit;
proc reg;
model yhat=y;
test y=1, intercept=0;
run;
plot yhat*y;
run;