Regressão não linear com o Solver da Microsoft Excel - Modelo proposto pelo usuário

[@f1000turbo]

Muito bom o vídeo! Estava com problemas pois escolhi um R² como objetivo do meu polinômio, a sua solução com o erro quadrado médio foi muito melhor! vlw demais

[@alessandrodasilva5701]

Excelente vídeo! Faz sentido em eu falar em R² neste caso? Se sim, como faço para encontrá-lo?

[@Otimize]

Obrigado. Faz sentido sim. Segue abaixo o link de como obter o R2 no excel: support.microsoft.com/pt-br/office/correl-fun%C3%A7%C3%A3o-correl-995dcef7-0c0a-4bed-a3fb-239d7b68ca92

[@ricardosilvacoelho6328]

Professor, tudo bem? Caso envolva mais que dois parâmetros, essa regressão também funcionaria? Muito obrigado

[@PedroTarga]

Também gostaria de saber. Estou com dificuldade de achar uma forma de fazer uma regressão não linear com 3 variáveis independentes no excel.

[@Otimize]

Sim, funciona para outros modelos não lineares como polinomial por exemplo kzbin.info/www/bejne/jWOXXoiterqNpLs

[@VERALUCIA1964]

VLW AMIGO

[@AppKampa]

Olá, essa técnica serve para modelos polinomiais também? Pois estou usando a linha de tendências para estimar um polinomio para meua dados, porém os valores não correspondem aos dados experimentais, como no exemplo do seu vídeo.

[@Otimize]

Olá, sim a técnica também serve para modelo polinomial.

[@carlacavalcantearaujo8053]

Como foi definido esses parâmetros a e b?

[@Otimize]

Inicialmente é feita uma estimativa inicial dos parâmetros, ou seja, no início é dado um "chute" dos parâmetros. Depois é usado o solver do Excel para minimizar o somatório do erro ao quadrado. O erro é a diferença entre os valores conhecidos (valores experimentais de y) e os valores de y a serem estimados pelo modelo proposto. O algoritmo do solver irá encontrar os valores de a e b que ajustam o modelo aos dados experimentais (dados conhecidos), dessa forma o algoritmo encontra os valores ótimos de a e b, que minimizam o somatório do erro ao quadrado (função objetivo).