Crie um modelo que utilize regressão linear em R para prever salários de funcionários com base nas variáveis experiência e anos de estudo. Utilize o conjunto de dados abaixo:
dados <- data.frame(
experiencia = c(7.2, 8.8, 17.8, 10.4, 10.6, 18.6, 12.3, 3.7, 6.6,
7.8),
anos_estudo = c(15.7, 13.1, 13.2, 12.3, 10.3, 17.4, 13.5, 6.1, 14.
1, 10.6),
salario = c(15992.18, 14322.03, 14064.00, 13091.11, 11204.96, 1764
3.31, 15952.79, 7438.37, 14291.86, 13243.81))
Gere a previsão de salário para um novo funcionário com 8 anos de experiência e 10 anos de estudo.
Lista de comentários
Resposta:
Claro, aqui está um exemplo de como você pode criar um modelo de regressão linear em R para prever salários com base na experiência e nos anos de estudo.
Primeiro, vamos criar o conjunto de dados:
```r
dados <- data.frame(
experiencia = c(7.2, 8.8, 17.8, 10.4, 10.6, 18.6, 12.3, 3.7, 6.6, 7.8),
anos_estudo = c(15.7, 13.1, 13.2, 12.3, 10.3, 17.4, 13.5, 6.1, 14.1, 10.6),
salario = c(15992.18, 14322.03, 14064.00, 13091.11, 11204.96, 17643.31, 15952.79, 7438.37, 14291.86, 13243.81)
)
```
Em seguida, vamos ajustar o modelo de regressão linear:
```r
modelo <- lm(salario ~ experiencia + anos_estudo, data = dados)
summary(modelo)
```
Finalmente, vamos prever o salário para um novo funcionário com 8 anos de experiência e 10 anos de estudo:
```r
novo_funcionario <- data.frame(experiencia = 8, anos_estudo = 10)
previsao <- predict(modelo, novo_funcionario)
print(previsao)
```
Este código irá imprimir a previsão do salário para o novo funcionário. Lembre-se de que a qualidade da previsão depende da qualidade do modelo, que por sua vez depende da qualidade dos dados. Portanto, sempre verifique as suposições do modelo e avalie a qualidade do ajuste.
Explicação: