Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/37792
ORCID:  http://orcid.org/0009-0007-8944-0473
Tipo de documento: Trabalho de Conclusão de Curso
Tipo de acceso: Acesso Aberto
Título: Regressão linear múltipla na identificação de fatores relacionados à demanda por serviços de compartilhamento de bicicletas
Autor: Nascimento, Ana Lívia Rodrigues
Primer orientador: Alves, Gabriella de Freitas
Primer miembro de la banca: Costa, Franciella Marques da
Segundo miembro de la banca: Giaretta, Kátia Gomes Facure
Resumen: 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.
Palabras clave: Sistema de compartilhamento de bicicletas
Bike sharing system
Desenvolvimento sustentável
Sustainable development
Multicolinearidade
Multicollinearity
Variáveis binárias
Binary variables
Método stepwise
Stepwise method
Área (s) del CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA
Idioma: por
País: Brasil
Editora: Universidade Federal de Uberlândia
Cita: 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
Fecha de defensa: 1-feb-2023
Aparece en las colecciones:TCC - Matemática (Ituiutaba / Pontal)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
RegressaoLinearMultipla.pdfTrabalho de Conclusão de Curso1.18 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons