O instrutor ficou praticamente a aula inteira só digitando e não consegui entender nada do que ele fez. O que é regressão linear? Quando vamos aplicar? Como fazer? Como que são os dados que baixamos? Nossa, essa primeira aula achei bem ruim. Se o curso continuar assim minha nota será 1. Só vai aplicando e falando muito brevemente o que ele está fazendo como se já conhecêssemos tudo sobre o que ele está falando. Vou precisar que vocês me expliquem tudo novamente.
Oi Pietro,
Regressão linear é uma equação matemática que fornece uma relação linear, ou seja, de linha reta entre duas variáveis, comumente chamada de x e y comoy = a + bx você pode acompanhar mais detalhes do artigo que foi retirado Aqui
A regressão linear é comumente utilizada em previsões com base em associações entre duas variáveis que possuem uma boa correlação.
Vou solicitar à coordenação revisão do curso e também sinalizar para a equipe de transcrição.
Deixarei mais algumas referências:
Espero ter te ajudado Pietro, bons estudos!
Victor, o primeiro link está com erro de acessibilidade em alguns trechos. Veja esta parte aqui:
"Um modelo de regressão linear é uma equação matemática que fornece uma relação linear, ou seja, de linha reta entre duas variáveis, comumente chamada de x e y. Pelo menos foi assim que aprendemos no ensino médio: regressão No entanto, alguns livros ensinam dessa forma aqui: regressão Os estatísticos resolveram complicar mais um pouquinho e trocaram as letrinhas. Passaram a usar o alfabeto grego que eles tanto amam. regressão"
Vocês mostram cada forma e equação em uma imagem sem descrição. Consegue me ajudar?
Obrigado.
Apenas como complemento: na internet existe uma profusão de conteúdos de matemática, mas 99,9% dele, não sei o porquê, está inacessível porque a explicação dos matemáticos ou estatísticos perpassam por imagens. Fórmulas, invés de escreverem, colocam em imagens; conteúdo algébrico, invés de explicarem em números, transformam em gráficos, como no caso do segundo link que você enviou, quando pedem para avaliar uma imagem cuja linha (linearidade do modelo) perpassa alguns pontos que não vejo por ser cego. Percebe a dificuldade?
Sim Pietro, eu entendo perfeitamente sua dificuldade e como citei, me incomoda não saber como te ajudar nesses casos...estou buscando formas de conseguir fazer isso e trazer mais conteúdo, e realmente falta muito para atingir um nível que atenda 100% a sua necessidade e seja realmente acessível. Por isso sua ajuda é de máxima importância e peço desculpas pela minha limitação.
Sobre a ajuda solicitada com a imagem conforme o trecho que citou: "Um modelo de regressão linear é uma equação matemática que fornece uma relação linear, ou seja, de linha reta entre duas variáveis, comumente chamada de x e y. Pelo menos foi assim que aprendemos no ensino médio: regressão No entanto, alguns livros ensinam dessa forma aqui: regressão Os estatísticos resolveram complicar mais um pouquinho e trocaram as letrinhas. Passaram a usar o alfabeto grego que eles tanto amam. regressão"
Vocês mostram cada forma e equação em uma imagem sem descrição. Consegue me ajudar?"
A imagem trata-se de uma notação matemática: y = a + bx
Depois de "no entanto, alguns livros ensinam dessa forma aqui": Essa parte complica pois entra na notação caracteres gregos e outros sinais na notação que não tenho representação no teclado.... mas seria algo assim: Yi = α + βxi, i = 1, 2,..., n
Nessa parte "Os estatísticos resolveram complicar mais um pouquinho e trocaram as letrinhas. Passaram a usar o alfabeto grego que eles tanto amam":
y = β0 + β1x Sendo que no y e β tem um acento circunflexo neles"^"
Onde o Y é a variável dependente, o β0 é o termo constante ou intercepto de y, o β1x é a inclinação da reta e refere-se a variável independente.
O que é regressão linear simples? o modelo de regressão linear simples é uma equação matemática que inclui somente duas variáveis e apresenta uma relação em linha reta entre elas
Para que serve? O modelo de regressão serve para prever comportamentos com base na associação entre duas variáveis que geralmente possuem uma boa correlação.
Se você quisesse apenas saber qual o grau de relação entre as variáveis, calcular o coeficiente de Pearson seria suficiente.
Como funciona? Você precisa conhecer a essência do dado e quanto mais informação você tiver, maior será a sua capacidade de entender a variabilidade de y em função de x.
Com os dados em mãos, faça um gráfico de dispersão (scatter plot) para cada uma das variáveis independentes, calcule o coeficiente de Pearson para as variáveis disponíveis, selecione a mais importante e calcule o intercepto e a inclinação da reta da sua amostra.
Quando tiver feito essas etapas, seu modelo de regressão estará pronto.
No entanto é preciso validar esse modelo. Como você pode fazer isso? Realizando a análise de resíduos.
Aplicações? As aplicações são infinitas. Eu já citei algumas no início do texto e você pode voltar lá, se quiser. Mas pense assim: tudo que você quiser prever como resultado e puder ser explicado ao máximo com apenas uma variável, poderá aplicar o modelo de regressão simples.
Então segue mais exemplos para reforçar o conhecimento:
Produtividade estimada de sacas de café e altitude de plantio (espera-se que quanto mais alto, maior será a produção de café) Número de mortes por doenças isquêmicas do coração em pessoas acima de 60 anos e vacinas contra o vírus da gripe na mesma população (existe uma relação de que quanto maior o número de vacinas, menor o número de mortes) Venda de pipoca e pessoas que vão ao cinema (quanto mais cinéfilos, mais pipoca). Podemos ficar aqui pensando em várias aplicações e conseguir gerar muitos insights, mas esse não é o propósito do texto.
Agora que você já sabe um pouco mais sobre modelos de regressão linear simples, compartilha com a gente onde e como você aplicaria esta técnica.
E lembre-se, a estatística é a ciência que estuda a incerteza e os modelos sempre apresentarão erros associados. Isso acontece porque existe variabilidade.
No final das contas, a estatística não foi feita para você acertar; o papel dela é direcionar.
Usei como base o artigo do primeiro link que indiquei.
Espero que tenha ajudado agora e vamos trabalhando juntos para que eu consiga aprender com você e você comigo !
Oi Victor. Ajudou sim. Obrigado. Postei outra pergunta que já coloquei como solucionada, questionando sobre certos pontos do python que o professor menciona em aula. Quem respondeu foi um colega que mencionou também sobre não ter se adaptado ao curso. Sugiro que ele seja retirado do curso de formação em python para data science, ou que ele seja reformulado para explicar cada conceito apresentado de forma bem mais detalhada. Isso porque ele pressupõe . um conhecimento prévio em regressão e python para regressão, mas quem começa por essa formação não tem esses conteúdos. Exemplo disso é que depois de bater muito a cabeça e me frustrar durante o último final de semana, encontrei um curso ministrado pelo Rodrigo que ensina regressão, os conceitos básicos, e o Rodrigo como disse, que é um instrutor muito mais didático e que explica tudo bem detalhadamente. Ainda não avancei muito mas o pouco que pude acompanhar já está ficando claro. Também uma dificuldade muito grande para nós cegos, principalmente no estudo das matérias de exatas é que 99,9% dos professores e cursos de matemática e estatística na internet são conteúdos puramente imagéticos - conforme você pôde perceber, até as fórmulas eles colocam em imagem. Por isso acredito que se a Alura conseguir pensar formações nestas áreas quantitativas e que sejam pensadas para nós será maravilhoso e inovador, porque pouquíssima gente se preocupa com isso e geralmente temos muita dificuldade, conforme você está podendo acompanhar.
Perfeito Pietro! Estamos sim focados em trazer um conteúdo que seja acessível de verdade e cursos estão sendo reestruturados, equipes preparadas em transcrição e tudo o que mais for possível. Tenha certeza que estamos com você nessa! Obrigado pelos retornos e tudo tem sido passado para coordenação.
Bons estudos