Analise de regressão
Muitas vezes, é de interesse para determinar as alterações dos valores de algumas variáveis influenciar a mudança de valores de outras variáveis. Por exemplo, como alteração da temperatura do ar afecta o consumo de ração, ou como o aumento do nível de proteína em uma alimentação afecta diária de ganho. Em ambos o primeiro eo segundo exemplo, a relação entre as variáveis podem ser descritas com uma função, uma função da temperatura para descrever o consumo de ração, ou uma função do nível de proteína para descrever o ganho diário. Uma função que explica tais relações é chamado uma função de regressão e análise de tais problemas e estimativa da função de regressão é chamado análise de regressão. Regressão inclui um conjunto de procedimentos concebidos para estudar relações estatísticas entre as variáveis de uma forma em que uma variável é definida como dependente de outras pessoas definidas como variáveis independentes. Por meio de regressão a relação de causa conseqüência entre as variáveis dependentes e independentes podem ser determinados. Nos exemplos acima, consumo de ração e ganho de peso são variáveis dependentes, e temperatura e do nível de proteína são variáveis independentes. A variável dependente é geralmente denotada por y, e as variáveis independentes de x.Muitas vezes, a variável dependente é também chamada de variável de resposta, e as variáveis independentes são chamados de regressores ou preditores. Quando a alteração da variável dependente é descrito com apenas uma variável independente e da relação entre eles é linear, os procedimentos adequados são chamados de regressão linear simples. Procedimentos de regressão múltipla são utilizados quando a mudança de uma variável dependente é explicado por mudanças de dois ou mais variáveis independentes. Duas principais aplicações da análise de regressão são:
1) Estimativa de uma função de dependência entre variáveis
2) Previsão de