Regressão Basica

Comandos do R:
#Calcular correlação das variaveis X e Y x=c(2,4,5,6,8) y=c(48,56,64,60,72)
Agentes=c('A','B','C','D','E')
plot(x,y,xlab="Anos de Serviços",ylab="Número de Clientes",pch=16,main="Gráfico de dispesão")
(n=length(x)) #comprimento doa vetores x e y identify(x,y,labels=Agentes) sum(x) # soma dos valores de x (X=25) sum(y) # soma dos valores de y (Y=300) sum(x*y) # somatorio de x * y ((x*y)=1576)
# calculo da corelação
(r=(n*sum(x*y)-sum(x)*sum(y))/(sqrt(n*sum(x^2)-sum(x)^2)*sqrt(n*sum(y^2)-sum(y)^2)))
# Outra forma cor(x,y) # (r=0,95)
# calcular dos estimadores pela força bruta x=c(2,4,5,6,8) y=c(48,56,64,60,72) sum(x) sum(x*x) sum(y) plot(x,y) sum(x*y) sum(x)^2 sum(y)^2 n=5 my=sum(y)/n mx=sum(x)/n b1=(sum(x*y)-sum(x)*sum(y)/n)/(sum(x*x)-sum(x)^2/n) b1 #(b1=3,8) b0=my-b1*mx b0 #(b0=41) plot(x,y,xlab="Horas de Estudo",ylab="Nota no Exame")
#Estimativa quando x=25 p=b0+(b1*25) p
# usando o comando o R modelo=lm(y~x) modelo
# Plota 4 gráficos é preciso clicar na janela que abre. plot(modelo) #comando pra saber o coeficiente das variaveis modelo$coefficients #coeficiente de so uma variavel modelo$coefficients[2] # so com o comando co ele ja dar o coeficiente modelo$co # Resíduos residuos=modelo$resi residuos
# a soma dos residuos tem que ser zero. sum(residuos) plot(residuos)
#comando pra colocar a linha abline(h=0,col="red") Gráfico 3: Análise de resíduo.

Análise
Para a realização do trabalho foram utilizadas as variáveis de um exemplo exposto no material disponibilizado pelo professor da disciplina, as quais seriam X (variável independente) o tempo de serviço e Y (variável dependente) número de clientes de um agente qualquer.
Sendo o valor encontrado de R(correlação) igual a 0,95, de acordo com o que foi estudado, temos uma correlação muito forte, pois o valor de R se encontra entre 0,9 ≤ r < 1. Com isso, as variáveis que usamos apresentam relação