Modelo de reta ajustada (Fit Line Model)

Uma reta ajustada (Fit Line), também chamada de linha de tendência ou reta de melhor ajuste, é uma linha reta ou curva traçada por um conjunto de pontos de dados que melhor representa o padrão ou a tendência geral. Para exibir a relação entre um preditor contínuo e uma resposta.

Última revisão

Conclusão principal

Uma reta ajustada (Fit Line), também chamada de linha de tendência ou reta de melhor ajuste, é uma linha reta ou curva traçada por um conjunto de pontos de dados que melhor representa o padrão ou a tendência geral.

Nesta página
  1. O que é o Fit Line Model?
  2. Quando usar o Fit Line Model?
  3. Diretrizes para o uso correto do Fit Line Model
  4. Alternativas: quando não usar o Fit Line Model
  5. Exemplo de Fit Line Model
  6. Como usar o Fit Line Model

O que é o Fit Line Model?

Uma reta ajustada (Fit Line), também chamada de linha de tendência ou reta de melhor ajuste, é uma linha reta ou curva traçada por um conjunto de pontos de dados que melhor representa o padrão ou a tendência geral. Para exibir a relação entre um preditor contínuo e uma resposta.

Há tipos de modelo de regressão linear, quadrático ou cúbico .

Um Fit Line Model traça a melhor linha possível pelos seus pontos de dados para revelar a tendência subjacente. Em vez de ligar todos os pontos (o que ficaria confuso), ele encontra uma única linha suave que fica o mais próxima possível de todos os pontos ao mesmo tempo.

O tipo mais comum é a reta ajustada linear (y = mx + b), mas curvas (polinomiais, exponenciais) são usadas quando os dados não seguem uma reta.

Exemplo: Se você plotasse horas de estudo versus notas de prova de 100 alunos, a reta ajustada mostraria a direção geral — mais horas de estudo → notas mais altas — mesmo que os resultados individuais variem.

Quando usar o Fit Line Model?

  • Ambas as variáveis são numéricas (não categorias)
  • Há uma tendência visível os pontos sobem ou descem juntos
  • A variável resposta deve ser contínua
  • Registre os dados na ordem em que são coletados
  • Para prever um resultado a partir de uma nova entrada
  • Para medir a intensidade da relação entre duas grandezas
  • Os dados têm muito ruído e você precisa enxergar o padrão geral
  • Para comparar tendências entre grupos ou períodos diferentes

Use outro modelo se:

  • Vários preditores → Fit Regression Model
  • Preditor categórico → ANOVA de um fator

Diretrizes para o uso correto do Fit Line Model

  • Use exatamente um preditor contínuo e uma variável resposta contínua.
  • Garanta que os dados representem com exatidão a população-alvo ; dados viciados ou incompletos produzem resultados pouco confiáveis.
  • Colete pontos de dados suficientes para garantir estimativas confiáveis e uma representação exata da relação entre as variáveis.
  • Garanta a exatidão da medição registrando as variáveis com a maior precisão possível; erros de medição afetam diretamente a reta ajustada.
  • Registre os dados na ordem em que foram coletados para ajudar a detectar padrões ou tendências temporais nos resíduos.
  • Após o ajuste, verifique o modelo usando gráficos de resíduos e estatísticas resumidas; os resíduos devem parecer aleatórios, e qualquer padrão indica um ajuste ruim.
  • Se for necessário mais de um preditor, use o Fit Regression Model; para preditores categóricos, use a ANOVA de um fator em vez disso.

Alternativas: quando não usar o Fit Line Model

  • Se você tiver mais de um preditor, use o Fit Regression Model em vez disso, para uma análise multivariável exata.
  • Se você tiver um preditor categórico e nenhum preditor contínuo, use a ANOVA de um fator em vez disso.

Exemplo de Fit Line Model

Um engenheiro de materiais de uma fábrica de móveis quer determinar se existe uma relação entre a densidade e a rigidez de chapas de aglomerado. Para investigar, o engenheiro coleta medições de rigidez e densidade de uma amostra de chapas e aplica a regressão linear simples para analisar a associação. Para avaliar isso, o engenheiro executa os seguintes passos:

  1. Reuniu os dados necessários.
Fit Line Model — figure 1
  1.  Agora analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
  2.  Para encontrar Fit Line Model, escolha Statistical module> Regression>Fit Line Model.
  3.  Dentro da ferramenta, insere os dados juntamente com as demais entradas da seguinte forma:
Fit Line Model — figure 2

5. Depois de usar a ferramenta acima, obtém a saída a seguir:

Fit Line Model — figure 3Fit Line Model — figure 4

Como usar o Fit Line Model

O guia é o seguinte:

  1. Faça login no Zometric Statistical Software em https://statsai.zometric.com/
  2. Na página inicial, escolha Statistical Tool>Regression >Fit Line Model .
  3. Clique em Fit Line Model para acessar o painel (dashboard).
  4. Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
  5. Preencha as opções necessárias exibidas no lado esquerdo.
  6. Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.

No painel (dashboard) de Fit Line Model, a janela é dividida em duas partes.

Fit Line Model — figure 5

Na parte esquerda fica o painel de dados (Data Pane). No Data Pane, cada linha forma um subgrupo. Os dados podem ser inseridos manualmente, ou você pode copiar todos os dados (Ctrl+C) de uma planilha do Excel e colá-los (Ctrl+V) aqui.

Load example: Os dados de exemplo serão carregados.

Load File: É usado para carregar diretamente os dados do Excel.

Na parte direita, há várias opções, descritas a seguir:

  • Response — A variável de saída que você quer prever ou analisar (ex.: vendas, temperatura). É o eixo Y do gráfico.
  • Predictor — A variável de entrada usada para explicar ou prever a resposta (ex.: tempo, pressão). É o eixo X do gráfico.
  • Type of Regression Model — Define a forma da reta ajustada;
  • Linear — Ajusta uma reta aos dados, supondo uma relação constante e consistente entre o preditor e a resposta. É mais indicada quando os dados mostram um aumento ou uma diminuição constante, sem curvatura.
  • Quadratic — Ajusta uma curva que pode dobrar uma vez (em U ou em arco), capturando relações em que a resposta primeiro aumenta e depois diminui, ou vice-versa. Use quando os dados mostram uma única curva ou ponto de inflexão.
  • Cubic — Ajusta uma curva mais flexível, que pode dobrar duas vezes, capturando relações mais complexas, com várias subidas e descidas nos dados. Use quando nem uma reta nem uma curva simples descrevem adequadamente o padrão dos dados.
  • Display CI (Confidence Interval) — Mostra uma faixa em torno da reta ajustada indicando onde a reta de regressão verdadeira provavelmente se encontra, com base nos seus dados.
  • Display Prediction Interval — Mostra uma faixa mais larga indicando o intervalo em que um único novo ponto de dados provavelmente cairá no futuro.
  • Confidence Interval (%) — Define o nível de certeza dos intervalos (o padrão é 95%), ou seja, você tem 95% de confiança de que o valor verdadeiro está dentro da faixa exibida.
  • Display Gridlines — Adiciona linhas de grade de referência ao fundo do gráfico para facilitar a leitura e a interpretação das posições dos pontos.
  • Custom X Axis Gridlines — Permite definir manualmente as posições das linhas de grade no eixo X em valores específicos que importam para a sua análise.
  • Custom Y Axis Gridlines — Permite definir manualmente as posições das linhas de grade no eixo Y em valores específicos, para melhor legibilidade e foco.

Perguntas frequentes

O que é um Fit Line Model?

Um Fit Line Model, também chamado de linha de tendência ou reta de melhor ajuste, traça uma linha reta ou curva por um conjunto de pontos de dados que melhor representa o padrão geral. Ele exibe a relação entre um preditor contínuo e uma resposta contínua e pode ser usado para prever um resultado a partir de uma nova entrada ou para medir a intensidade da relação entre duas grandezas.

Quando usar uma reta ajustada linear, quadrática ou cúbica?

Use o ajuste linear quando os dados mostram um aumento ou uma diminuição constante, sem curvatura. Use o ajuste quadrático quando os dados mostram uma única curva ou ponto de inflexão, como um formato em U ou em arco. Use o ajuste cúbico, que pode dobrar duas vezes, quando nem uma reta nem uma curva simples descrevem adequadamente o padrão.

Quando usar o Fit Regression Model ou a ANOVA de um fator em vez de uma reta ajustada?

Um Fit Line Model exige exatamente um preditor contínuo e uma resposta contínua. Se você tiver mais de um preditor, use o Fit Regression Model para uma análise multivariável. Se você tiver um preditor categórico e nenhum preditor contínuo, use a ANOVA de um fator.

Qual é a diferença entre o intervalo de confiança e o intervalo de predição em uma reta ajustada?

A faixa do intervalo de confiança mostra onde a reta de regressão verdadeira provavelmente se encontra, com base nos seus dados. O intervalo de predição é uma faixa mais larga que mostra o intervalo em que um único novo ponto de dados provavelmente cairá. Ambos usam o nível de confiança que você definir, com 95% como padrão.