Inteligência Artificial |
O Modelo de Regressão Linear Simples
A regressão linear simples modela a relação entre uma variável dependente e uma única variável independente por meio de uma reta, definida por um coeficiente angular e um intercepto.
O objetivo é encontrar a reta que melhor se ajusta aos pontos observados, minimizando a soma dos quadrados das diferenças entre os valores previstos e os valores reais (método dos mínimos quadrados).
Interpretando os Coeficientes
O coeficiente angular indica quanto a variável dependente muda, em média, para cada unidade de aumento na variável independente.
O intercepto representa o valor esperado da variável dependente quando a variável independente é igual a zero, embora nem sempre tenha interpretação prática direta.
Método dos Mínimos Quadrados
O Método dos Mínimos Quadrados é a técnica mais comum para estimar os coeficientes de uma regressão linear, encontrando a reta que minimiza a soma dos quadrados das distâncias entre os valores observados e os valores previstos.
Essa abordagem penaliza mais fortemente os erros maiores, já que eles são elevados ao quadrado, o que a torna sensível à presença de outliers nos dados.