Determine se os seguintes modelos são intrinsicamente lineares. Se afirmativo, determine a transformação apropriada para gerar o modelo linear.
© Resposta: Sim

Passo 1

Vamos resumir o que o exercício está pedindo: temos o modelo e precisamos determinar se ele é intrinsecamente linear. Além disso, se for linear, temos que encontrar a transformação certa para deixá-lo nesse formato.
Conteúdo da matéria: Estamos lidando com modelos de regressão linear e não-linear, e precisamos entender como transformar modelos não-lineares em lineares para facilitar a análise.
O que vamos precisar: Conceitos de modelos lineares, propriedades de linearidade em relação aos parâmetros, e técnicas de transformação como o uso do logaritmo.

Passo 2

Primeiro, vamos entender o que significa um modelo ser intrinsecamente linear. Um modelo é considerado linear se ele é linear nos parâmetros, mesmo que possa não ser linear nas variáveis. Isso quer dizer que, se conseguimos expressar o modelo de forma que cada parâmetro apareça apenas como multiplicador de uma função das variáveis, então ele é linear.
Olhemos para o modelo dado:
Aqui, o parâmetro está no expoente, o que dificulta a linéaridade direta em relação aos parâmetros.

Passo 3

Para verificar a linearidade, podemos tentar transformar o modelo de modo que ele se torne linear em relação aos parâmetros. Uma técnica comum é usar o logaritmo. Vamos aplicar o logaritmo natural nos dois lados da equação:
Aqui, representa o erro após a transformação.

Passo 4

Agora, vamos simplificar a equação usando propriedades dos logaritmos. Sabemos que e . Aplicando essas propriedades:
Onde é o novo termo de erro.
Agora, a equação está na forma:
áçãá
Isso mostra que o modelo está agora linear em relação aos parâmetros e .

Resposta

Sim, o modelo é intrinsecamente linear após aplicar a transformação logarítmica. A transformação apropriada é tomar o logaritmo natural de ambos os lados da equação, resultando em:
Dessa forma, o modelo se torna linear em relação aos parâmetros e .

Exercícios relacionados

Construa modelos de regressão para os dados, usando a técnica de Best Subsets. Comente os resultados.
Encontre um intervalo de previsão de para a resistência à tração, quando e . (Resposta: )
A má estatística pode muito bem resultar de formular perguntas de maneira errada ou para a pessoa errada. Explique por que os seguintes casos podem levar a dados inúteis.
a) Para determinar o que a pessoa comum gasta com um relógio de pulso, uma pesquisadora entrevista somente pessoas que usam relógios de marca Rolex.
A má estatística pode muito bem resultar de formular perguntas de maneira errada ou para a pessoa errada. Explique por que os seguintes casos podem levar a dados inúteis.
c) Para estudar os padrões de gastos de indivíduos, faz-se uma pesquisa durante as três primeiras semanas de Dezembro.