<WRAP tabs>
  * [[:02_tutoriais:tutorial7b:start|Tutorial]]
  * [[:01_curso_atual:exercicios8| Exercícios]] 
 </WRAP>

====== 7b. Exercícios de Regressão Múltipla ======

===== Exercício 7b.01 =====

  * [[http://notar.ib.usp.br/exercicio/80]] 

{{url>http://notar.ib.usp.br/exercicio/80}}

===== Exercício 7b.02 =====

  * [[http://notar.ib.usp.br/exercicio/95]]

{{url>http://notar.ib.usp.br/exercicio/95}}


/*

===== Uma estimativa da incerteza na previsão do modelo =====

Antes de passarmos para os exercícios de regressões múltiplas, vamos revisar a regressão simples mais uma vez. Uma forma de avaliar a incerteza na previsão de um modelo de regressão é fazer um gráfico com o intervalo de confiança de 95% da previsão do modelo. Para isso é preciso estimar esse intervalo da previsão e plotar um gráfico com os dados, o modelo e as curvas do intervalo de confiança.  Para estimar o intervalo de confiança é preciso calcular o erro padrão da previsão do modelo e multiplicar pelo valor  //t// de Student, para //n-2// graus de liberdade. O erro padrão não é constante para todos os valores previstos, pode variar de acordo com o valor da variável preditora de acordo com a fórmula:

$$ se_{\bar{y}} = \sqrt{s^2[\frac{1}{n} + \frac{(x-\bar{x})^2}{SSX}]} $$

  * onde: 
      * $SSX$: soma dos desvios quadráticos dos valores de $x$ observados;
      * $s^2$: variância dos valores de $y$ observados;
      * $n$: número de observações;
      * $x$ : valor da variável preditora para o qual se quer estimar o erro padrão;
      * $\bar{x}$ : média dos valores de $x$ observados. 

Construa esse gráfico para avaliar a incerteza do modelo para a relação ** peso do bebê (kg) ~ tempo de gestação (dias) ** dos dados [[:dados:dados-babies|Massa ao Nascer e Dados da mãe]], usando a fórmula acima para estimar o intervalo de confiança de 95%.   

<WRAP center round box 60%>
**Dicas:**
  * Antes de começar os cálculos, pense no gráfico que quer produzir e planeje as etapas necessárias para plotar o gráfico;
  * Estime o intervalo de confiança da previsão do modelo para diversos valores da variável preditora, regularmente espalhados ao longo do eixo x do gráfico. Isso pode ser feito criando um vetor para representar a variável preditora como uma sequência de 100 valores compreendidos entre os valores máximo e mínimo da variável preditora observada. 
</WRAP>

===== Galileu estava Certo? =====

Partindo do tutorial [[02_tutoriais:tutorial7:start#ajuste_de_polinomios|Ajuste de Polinômios]], avalie se um polinômio de terceiro grau é um melhor modelo para descrever os dados do experimento de Galileu. A equação para este modelo é:

{{:02_tutoriais:equacao_cubica.png|}}

===== Massa de Recém-Nascidos =====

Utilize todas as variáveis e interações que fazem sentido para a construção do modelo cheio ((o modelo que contempla todas as variáveis e interações que permitem o entendimento do processo)) no conjunto de dados [[:dados:dados-babies|Massa ao Nascer e Dados da mãe]], em seguida parta desse modelo para chegar ao melhor modelo de previsão da massa de bebês ao nascer. 


**Parta do arquivo acima e não do que foi usado no tutorial. Antes de começar, elimine as observações com dados faltantes**, veja descrição do arquivo.

*/