Previsão de vendas
- Entrada
- X = investimento em publicidade (R$), Y = vendas
- Saída esperada
- Ŷ = 500 + 3.2 × X
Cada R$1 a mais em publicidade gera R$3.20 em vendas previstas.
Carregando ferramenta… / Loading tool…
regressão linear para previsão com OLS
OLS minimiza a soma dos quadrados dos resíduos. A equação resultante Ŷ = β₀ + β₁X permite prever Y para qualquer X no domínio amostrado.
Cada R$1 a mais em publicidade gera R$3.20 em vendas previstas.
Para 175cm: Ŷ = −105 + 175 = 70kg esperados.
Regressão linear simples é um modelo estatístico que descreve a relação entre uma variável independente X e uma dependente Y como uma reta, Ŷ = β₀ + β₁X. A inclinação β₁ diz quanto Y muda a cada aumento de uma unidade em X, e o intercepto β₀ é o valor previsto de Y quando X vale zero. É a base de boa parte da análise de dados, usada tanto para entender uma relação quanto para prever valores.
Não é recomendado. Extrapolação além do intervalo amostrado assume que a relação linear continua, o que frequentemente é inválido. O modelo só é confiável dentro do domínio observado.
Não. Ela ajuda a entender o cenário e usar a ferramenta com mais segurança, mas decisões reais devem considerar fonte oficial, contexto completo e orientação qualificada quando necessário.
Um par x, y por linha. Máximo de 200 pares.
Os dados ficam apenas no navegador. Nenhum dado é enviado ao servidor.