Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/37792
ORCID: | http://orcid.org/0009-0007-8944-0473 |
Document type: | Trabalho de Conclusão de Curso |
Access type: | Acesso Aberto |
Title: | Regressão linear múltipla na identificação de fatores relacionados à demanda por serviços de compartilhamento de bicicletas |
Author: | Nascimento, Ana Lívia Rodrigues |
First Advisor: | Alves, Gabriella de Freitas |
First member of the Committee: | Costa, Franciella Marques da |
Second member of the Committee: | Giaretta, Kátia Gomes Facure |
Summary: | Os sistemas de compartilhamento de bicicletas proporcionam diversos benefícios econômicos, climáticos e na saúde e por isso tem se tornado cada vez mais comuns. O objetivo deste trabalho foi aplicar métodos de análise de regressão linear múltipla, para identificação dos principais fatores de influência na demanda por este tipo de serviço. Para atingir o objetivo considerou-se como variável dependente a contagem diária de bicicletas alugadas no provedor de compartilhamento BikeIndia, dos Estados Unidos da América (EUA), nos anos de 2018 e 2019. As variáveis independentes para o estudo foram estação do ano, ano, mês, feriado, dia da semana, dia útil, situação climática, temperatura, sensação térmica, umidade e velocidade do vento. O modelo ajustado mostrou uma relação linear significativa entre a contagem de bicicletas alugadas e as variáveis ano, feriado, temperatura, umidade e velocidade do vento. Concluiu-se que no ano de 2019 houve um aumento significativo nos aluguéis de bicicletas em comparação ao ano de 2018 e nos feriados verificou-se uma redução nesses aluguéis. Além disso, verificou-se uma tendência de aumento nos aluguéis de bicicletas com o aumento na temperatura, enquanto o aumento na umidade e na velocidade do vento tende a reduzir a quantidade de aluguéis. |
Abstract: | Bike sharing systems provide several economic, climate and health benefits and therefore have become increasingly common. The objective of this study was to apply multiple linear regression analysis methods to identify the main factors influencing the demand for this type of service. In order to achieve the objective, the daily count of bicycles rented at the BikeIndia sharing provider, from the United States of America (USA), in the years 2018 and 2019 was considered as the dependent variable. The independent variables for the study were the season of the year, year, holiday period, working day, weekend, climate situation, temperature, wind chill, humidity and wind speed. The adjusted model showed a significant linear relationship between the rented bike count and the year, holiday, temperature, humidity, and wind speed variables. It was concluded that in 2019 there was a significant increase in bicycle rentals compared to 2018 and on holidays there was a reduction in rentals. In addition, there was a trend towards an increase in bicycle rentals with an increase in temperature, while the increase in humidity and wind speed tends to reduce the number of rentals. |
Keywords: | Sistema de compartilhamento de bicicletas Bike sharing system Desenvolvimento sustentável Sustainable development Multicolinearidade Multicollinearity Variáveis binárias Binary variables Método stepwise Stepwise method |
Area (s) of CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Quote: | NASCIMENTO, Ana Lívia Rodrigues. Regressão linear múltipla na identificação de fatores relacionados à demanda por serviços de compartilhamento de bicicletas. 2023. 63 f. Trabalho de Conclusão de Curso (Graduação em Matemática) – Universidade Federal de Uberlândia, Ituiutaba, 2023. |
URI: | https://repositorio.ufu.br/handle/123456789/37792 |
Date of defense: | 1-Feb-2023 |
Appears in Collections: | TCC - Matemática (Ituiutaba / Pontal) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
RegressaoLinearMultipla.pdf | Trabalho de Conclusão de Curso | 1.18 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License