Análise Preliminar

  1. Objetivo: Encontrar o relacionamento entre a variável Gordura Corporal e o conjunto de variáveis respostas do banco de dados.

  2. Variáveis do conjunto de dados:

Gordura: Percentual de gordura corporal

Densidade: Densidade determinada por pesagem subaquática

Idade: Idade (anos)

Peso: Peso (kg)

Altura: Altura (cm)

Pescoço: Circunferência do pescoço (cm)

Peito: Circunferência do peito (cm)

Abdômen: Circunferência abdominal (cm)

Cintura: Circunferência da cintura(cm)

Quadril: Circunferência do quadril (cm)

Coxa: Circunferência da coxa (cm)

Joelho: Circunferência do Joelho (cm)

Tornozelo: Circunferência do tornozelo (cm)

Bíceps: Bíceps (estendido) circunferência (cm)

Antebraço: Circunferência do antebraço (cm)

Pulso: Circunferência do pulso (cm)

Analisando os dados

## 'data.frame':    250 obs. of  16 variables:
##  $ Densidade: num  1.07 1.09 1.04 1.08 1.03 ...
##  $ Gordura  : num  12.3 6.1 25.3 10.4 28.7 20.9 19.2 12.4 4.1 11.7 ...
##  $ Idade    : int  23 22 22 26 24 24 26 25 25 23 ...
##  $ Peso     : num  154 173 154 185 184 ...
##  $ Altura   : num  67.8 72.2 66.2 72.2 71.2 ...
##  $ Pescoço  : num  36.2 38.5 34 37.4 34.4 39 36.4 37.8 38.1 42.1 ...
##  $ Peito    : num  93.1 93.6 95.8 101.8 97.3 ...
##  $ Abdômen  : num  85.2 83 87.9 86.4 100 94.4 90.7 88.5 82.5 88.6 ...
##  $ Cintura  : num  33.5 32.7 34.6 34 39.4 ...
##  $ Quadril  : num  94.5 98.7 99.2 101.2 101.9 ...
##  $ Coxa     : num  59 58.7 59.6 60.1 63.2 66 58.4 60 62.9 63.1 ...
##  $ Joelho   : num  37.3 37.3 38.9 37.3 42.2 42 38.3 39.4 38.3 41.7 ...
##  $ Tornozelo: num  21.9 23.4 24 22.8 24 25.6 22.9 23.2 23.8 25 ...
##  $ Bíceps   : num  32 30.5 28.8 32.4 32.2 35.7 31.9 30.5 35.9 35.6 ...
##  $ Antebraço: num  27.4 28.9 25.2 29.4 27.7 30.6 27.8 29 31.1 30 ...
##  $ Pulso    : num  17.1 18.2 16.6 18.2 17.7 18.8 17.7 18.8 18.2 19.2 ...
##    Densidade        Gordura          Idade            Peso      
##  Min.   :0.995   Min.   : 0.00   Min.   :22.00   Min.   :118.5  
##  1st Qu.:1.042   1st Qu.:12.43   1st Qu.:35.25   1st Qu.:158.5  
##  Median :1.055   Median :19.20   Median :43.00   Median :176.1  
##  Mean   :1.056   Mean   :19.03   Mean   :44.88   Mean   :178.1  
##  3rd Qu.:1.070   3rd Qu.:25.20   3rd Qu.:54.00   3rd Qu.:196.8  
##  Max.   :1.109   Max.   :47.50   Max.   :81.00   Max.   :262.8  
##      Altura         Pescoço          Peito           Abdômen      
##  Min.   :64.00   Min.   :31.10   Min.   : 79.30   Min.   : 69.40  
##  1st Qu.:68.25   1st Qu.:36.40   1st Qu.: 94.25   1st Qu.: 84.53  
##  Median :70.00   Median :38.00   Median : 99.60   Median : 90.90  
##  Mean   :70.30   Mean   :37.94   Mean   :100.66   Mean   : 92.29  
##  3rd Qu.:72.25   3rd Qu.:39.40   3rd Qu.:105.30   3rd Qu.: 99.17  
##  Max.   :77.75   Max.   :43.90   Max.   :128.30   Max.   :126.20  
##     Cintura         Quadril            Coxa           Joelho     
##  Min.   :27.32   Min.   : 85.00   Min.   :47.20   Min.   :33.00  
##  1st Qu.:33.28   1st Qu.: 95.50   1st Qu.:56.00   1st Qu.:36.92  
##  Median :35.79   Median : 99.30   Median :58.95   Median :38.45  
##  Mean   :36.33   Mean   : 99.65   Mean   :59.25   Mean   :38.53  
##  3rd Qu.:39.05   3rd Qu.:103.17   3rd Qu.:62.25   3rd Qu.:39.88  
##  Max.   :49.69   Max.   :125.60   Max.   :74.40   Max.   :46.00  
##    Tornozelo         Bíceps        Antebraço         Pulso      
##  Min.   :19.10   Min.   :24.80   Min.   :21.00   Min.   :15.80  
##  1st Qu.:22.00   1st Qu.:30.20   1st Qu.:27.30   1st Qu.:17.60  
##  Median :22.80   Median :32.00   Median :28.70   Median :18.30  
##  Mean   :23.07   Mean   :32.22   Mean   :28.66   Mean   :18.22  
##  3rd Qu.:24.00   3rd Qu.:34.30   3rd Qu.:30.00   3rd Qu.:18.80  
##  Max.   :33.90   Max.   :39.10   Max.   :34.90   Max.   :21.40

Programas com potencial de uso

# modelo<-lm(y~x)
# plot(x,y)
# #abline(modelo)
# im <- influence.measures(modelo)
# abline(modelo); points(x[im$is.inf], y[im$is.inf], pch = 20, col = 2)
# 
# 
# 
# pred<-predict(modelo, interval="confidence")
# 
# anova(modelo)
# 
# residuo<-modelo$residuals
# 
# 
# par(mfrow=c(2,2))
# plot(modelo, which=1)
# plot(modelo, which=2)
# plot(modelo, which=3)
# plot(modelo, which=4)
# 
# 
# lev <- hatvalues(modelo)
# tail(sort(lev),3)
# 
# inf <- dfbetas(modelo)
# tail(sort(inf),3)
#