Análise de regressão

Análise de dados de pesquisa em Python

EbunOluwa Andrew

Data Scientist

Análise de regressão

  • Entender a relação entre variáveis
  • Usada para prever um resultado preciso
  • Medir a influência de variáveis independentes na variável dependente
  • Prever oportunidades e riscos futuros
  • Reduz grandes volumes de dados brutos em informações acionáveis
  • Dá suporte factual para decisões informadas

Pessoas tentando segurar uma seta financeira em queda

Análise de dados de pesquisa em Python

Regressão linear com o método dos mínimos quadrados ordinários (OLS)

  • Modelo de regressão linear
    • Assume relação linear entre as variáveis x e y
    • y = m * x + b
    • Método dos Mínimos Quadrados (OLS)
    • Sum((calculado-observado)^2) => minimizada

https://seeing-theory.brown.edu/regression-analysis/index.html

1 https://seeing-theory.brown.edu/regression-analysis/index.html
Análise de dados de pesquisa em Python

Carregando dados

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import statsmodels.api as sm

exercise_data = pd.read_csv('workout_survey_data.csv')
print(exercise_data.head())

| workout_minutes | calories_burned |
|-----------------|-----------------|
| 77              | 79.775152       |
| 21              | 23.177279       |
| 22              | 25.609262       |
| 20              | 17.857388       |
Análise de dados de pesquisa em Python

Definir variáveis

x = variável independente y = variável dependente

x = exercise_data.minutes.tolist()
y = exercise_data.calories.tolist() 
print(x,'\n',y)

| [77, 21, 22, 20, 36...           |
|----------------------------------|
| [79.7, 23.1, 25.6, 17.8, 41.8... |

Dados da pesquisa

workout_minutes calories_burned
77 79.775152
21 23.177279
22 25.609262
20 17.857388
36 41.849864
Análise de dados de pesquisa em Python

Adicionar termo constante

x = sm.add_constant(x)
print (x)
  • Indica ao modelo para ajustar um valor para b

Análise de dados de pesquisa em Python

Executar regressão e ajuste

result = sm.OLS(y,x).fit()
print(result.summary())

Análise de dados de pesquisa em Python

Recuperando m e b

Análise de dados de pesquisa em Python

Plotar valores originais

x = exercise_data.minutes.tolist()
y = exercise_data.calories.tolist()
plt.scatter(x,y)
plt.xlabel('minutes')
plt.ylabel('calories')
plt.show()

Análise de dados de pesquisa em Python

Plotar a linha de regressão

max_x = exercise_data.minutes.max()
min_x = exercise_data.minutes.min()
x = np.arange(min_x, max_x, 1)

y = 1.0072*x + 0.1552

plt.plot(y, 'r')
plt.show()

Análise de dados de pesquisa em Python

Prever resposta

y = 1.0072 * 30 + 0.1552
print(y)

30.3712
Análise de dados de pesquisa em Python

Prós e contras da regressão linear

  • Pró
    • Funciona bem quando os dados são linearmente separáveis
  • Contra
    • Assume relação linear em casos não lineares

Análise de dados de pesquisa em Python

Vamos praticar!

Análise de dados de pesquisa em Python

Preparing Video For Download...