{"id":2159,"date":"2026-10-14T23:54:42","date_gmt":"2026-10-14T22:54:42","guid":{"rendered":"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-regressao-linear-multipla\/"},"modified":"2026-10-14T23:54:42","modified_gmt":"2026-10-14T22:54:42","slug":"calculadora-regressao-linear-multipla","status":"publish","type":"post","link":"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-regressao-linear-multipla\/","title":{"rendered":"Calculadora de regress\u00e3o linear m\u00faltipla"},"content":{"rendered":"<section class=\"not-prose calculator-box\" aria-labelledby=\"calculator-title\"><div class=\"flex items-baseline sm:items-center justify-between gap-2 sm:gap-3\"><div class=\"flex flex-col sm:flex-row sm:items-center gap-2\"><span class=\"icon icon-calculator text-primary-700! text-base! dark:text-primary-300!\" aria-hidden=\"true\"><\/span><h2 id=\"calculator-title\" class=\"text-lg font-display font-bold\">Ajuste uma vari\u00e1vel resposta com m\u00faltiplos preditores<\/h2><\/div><div class=\"calcdash-favorite group\">\n  <button type=\"button\" class=\"favorite\" id=\"favorite\" data-favorite-id=\"2159\" data-favorite-title=\"Regress\u00e3o linear m\u00faltipla\" data-favorite-url=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-regressao-linear-multipla\/\" data-favorite-excerpt=\"Digite os valores da vari\u00e1vel resposta e duas ou mais colunas de preditores para ajustar uma regress\u00e3o linear m\u00faltipla pelo m\u00e9todo dos m\u00ednimos quadrados. A calculadora retorna o intercepto, o coeficiente de cada preditor, o R\u00b2, a equa\u00e7\u00e3o ajustada e os valores previstos com os res\u00edduos.\" aria-label=\"Adicionar aos favoritos\" data-favorite-icon=\"icon icon-wpcalc-regression-plot\">\n    <span class=\"icon icon-shape-star-empty\" aria-hidden=\"true\"><\/span>\n  <\/button>\n  <div class=\"calcdash-favorite__tip\" aria-hidden=\"true\">\n   <span class=\"favorite-tooltip\" id=\"favorite-tooltip\"><\/span>\n  <\/div>\n  <span class=\"sr-only\" role=\"status\" id=\"favorite-status\"><\/span>\n<\/div><\/div><form action=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-regressao-linear-multipla\/\" method=\"POST\" class=\"calculator\" id=\"calculator-2159\" data-post=\"2159\"><fieldset class=\"fieldset-input is-1\"><legend class=\"sr-only\">Campos de entrada<\/legend><div class=\"field\" id=\"input-1\"><label for=\"field-1\">Valores da vari\u00e1vel resposta (y)<\/label><textarea id=\"field-1\" name=\"valores_da_varivel_resposta_y\">7; 12; 11; 16; 15; 20; 19; 24<\/textarea><\/div><div class=\"field\" id=\"input-2\"><label for=\"field-2\">Colunas de preditores (X)<\/label><textarea id=\"field-2\" name=\"colunas_de_preditores_x\">1 0\n2 1\n3 0\n4 1\n5 0\n6 1\n7 0\n8 1<\/textarea><\/div><\/fieldset><div class=\"buttons\"><button type=\"submit\" data-text=\"Recalcular\" id=\"calculate-button\" data-post=\"2159\">Calcular<\/button><button type=\"reset\">Redefinir<\/button><\/div><div class=\"field is-checkbox hidden!\" id=\"field-auto-calc\"><input type=\"checkbox\" id=\"auto-calc\"><label for=\"auto-calc\">Calcular automaticamente<\/label><small>Se ativado, o resultado \u00e9 atualizado automaticamente quando voc\u00ea altera qualquer valor.<\/small><\/div><div class=\"fieldset-result is-hidden\" aria-labelledby=\"result-title\" aria-live=\"polite\" role=\"region\"> <h3 class=\"result-title bg-gradient-to-r from-primary-50 to-gray-50 dark:from-primary-900 dark:to-gray-800\" id=\"result-title\"><span class=\"icon icon-s-pulse\" aria-hidden=\"true\"><\/span> Resultados da regress\u00e3o<\/h3><div class=\"result-box\"><div class=\"field-result\" id=\"output-1\"><span class=\"field-title\"><span>Intercepto<\/span><span class=\"result-term\">\u03b2\u2080<\/span><\/span><span class=\"field-value\" id=\"result-1\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result is-column\" id=\"output-2\"><span class=\"field-title\"><span>Coeficientes dos preditores<\/span><span class=\"result-term\">\u03b2<\/span><\/span><span class=\"field-value\" id=\"result-2\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-3\"><span class=\"field-title\"><span>R\u00b2<\/span><span class=\"result-term\">R\u00b2<\/span><\/span><span class=\"field-value\" id=\"result-3\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result is-column\" id=\"output-4\"><span class=\"field-title\"><span>Valores previstos para cada observa\u00e7\u00e3o<\/span><span class=\"result-term\">\u0177<\/span><\/span><span class=\"field-value\" id=\"result-4\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result is-column\" id=\"output-5\"><span class=\"field-title\"><span>Detalhes do modelo e do ajuste<\/span><\/span><span class=\"field-value\" id=\"result-5\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><\/div><div class=\"result-actions\"><button type=\"button\" class=\"copy-link\"><svg viewBox=\"0 0 20 20\" fill=\"currentColor\" aria-hidden=\"true\"><path d=\"M12.232 4.232a2.5 2.5 0 0 1 3.536 3.536l-1.225 1.224a.75.75 0 0 0 1.061 1.06l1.224-1.224a4 4 0 0 0-5.656-5.656l-3 3a4 4 0 0 0 .225 5.865.75.75 0 0 0 .977-1.138 2.5 2.5 0 0 1-.142-3.667l3-3Z\"\/><path d=\"M11.603 7.963a.75.75 0 0 0-.977 1.138 2.5 2.5 0 0 1 .142 3.667l-3 3a2.5 2.5 0 0 1-3.536-3.536l1.225-1.224a.75.75 0 0 0-1.061-1.06l-1.224 1.224a4 4 0 1 0 5.656 5.656l3-3a4 4 0 0 0-.225-5.865Z\"\/><\/svg><span class=\"copy-link__text\">Copiar link para este c\u00e1lculo<\/span><\/button><span class=\"sr-only\" role=\"status\" id=\"copy-link-status\"><\/span><\/div><\/div><a href=\"#respond\" class=\"hidden transition-opacity duration-300 opacity-0 w-50 text-sm justify-center items-center gap-2 px-4 py-2 rounded bg-gray-200 text-gray-700 hover:bg-gray-300\" id=\"leave-comment\"><span class=\"icon icon-comments\" aria-hidden=\"true\"><\/span>Deixar um coment\u00e1rio<\/a><\/form><\/section><section id=\"calc-reactions\" class=\"not-prose hidden my-12 bg-gradient-to-r from-primary-50 to-gray-50 border border-indigo-100 rounded-xl px-6 py-4 shadow-sm\" data-post=\"2159\" aria-live=\"polite\" aria-labelledby=\"calc-reactions-title\"><p id=\"calc-reactions-title\" class=\"text-sm text-gray-500 text-center mb-2\">O que voc\u00ea achou deste resultado?<\/p><div role=\"group\" aria-labelledby=\"calc-reactions-title\" class=\"grid grid-cols-3 sm:flex sm:flex-row sm:justify-around gap-4 sm:items-center sm:flex-wrap\"><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"like\"><span class=\"reaction-count\" data-reaction-count=\"like\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude00 <\/span><span class=\"reaction-description font-medium\">Curti <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"helpful\"><span class=\"reaction-count\" data-reaction-count=\"helpful\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\udca1 <\/span><span class=\"reaction-description font-medium\">\u00datil <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"confused\"><span class=\"reaction-count\" data-reaction-count=\"confused\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude15 <\/span><span class=\"reaction-description font-medium\">Confuso <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"disappointed\"><span class=\"reaction-count\" data-reaction-count=\"disappointed\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude1e <\/span><span class=\"reaction-description font-medium\">Decepcionado <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"inaccurate\"><span class=\"reaction-count\" data-reaction-count=\"inaccurate\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\u274c <\/span><span class=\"reaction-description font-medium\">Impreciso <\/span><\/button><\/div><div id=\"reaction-message\" class=\"hidden mt-8 rounded-md border border-primary-100 bg-white\/50 backdrop-blur-sm px-4 py-2 text-sm text-center shadow-sm\"><\/div><\/section><div class=\"calcdash-ad not-prose calcdash-ad--calc_result calcdash-ad--in-article\"><ins class=\"adsbygoogle\" style=\"display:block\" data-ad-client=\"ca-pub-1721569815777345\" data-ad-slot=\"6317458308\" data-ad-layout=\"in-article\" data-ad-format=\"fluid\"><\/ins><script>(adsbygoogle = window.adsbygoogle || []).push({});<\/script><\/div>\n<style id=\"wpcoderpro-inline-1\">.formula-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section class=\"formula-box\" aria-labelledby=\"formula-title\">\r\n\t<div id=\"formula-title\" class=\"not-prose font-display mb-4\"><span class=\"icon icon-formula\" aria-hidden=\"true\"><\/span><h2>F\u00f3rmula da regress\u00e3o linear m\u00faltipla<\/h2><\/div>\r\n\t<figure class=\"not-prose formula\">\r\n\t\t<figcaption class=\"formula-title\">F\u00f3rmula<\/figcaption>\r\n\t\t<div class=\"text-base text-gray-800\" id=\"formula\">\n\\[ \\hat{y} = \\beta_0 + \\beta_1 X_1 + \\beta_2 X_2 + \\cdots + \\beta_p X_p \\\\\\quad R^2 = 1 - \\frac{\\sum_{i=1}^{n} \\left( y_i - \\hat{y}_i \\right)^2}{\\sum_{i=1}^{n} \\left( y_i - \\bar{y} \\right)^2} \\]\n<\/div>\r\n\t<\/figure>\r\n\t<\/p>\n<p><strong>Onde:<\/strong><\/p>\n<ul>\n<li>\\(\\hat{y}\\) \u2014 o valor previsto da vari\u00e1vel resposta<\/li>\n<li>\\(\\beta_0\\) \u2014 o intercepto: o valor esperado de \\(y\\) quando todos os preditores s\u00e3o iguais a zero<\/li>\n<li>\\(\\beta_j\\) \u2014 o coeficiente do preditor \\(X_j\\): a varia\u00e7\u00e3o esperada em \\(y\\) quando \\(X_j\\) aumenta uma unidade, mantendo fixos todos os demais preditores<\/li>\n<li>\\(p\\) \u2014 o n\u00famero de preditores<\/li>\n<li>\\(n\\) \u2014 o n\u00famero de observa\u00e7\u00f5es<\/li>\n<li>\\(R^2\\) \u2014 a propor\u00e7\u00e3o da vari\u00e2ncia de \\(y\\) explicada pelo modelo<\/li>\n<\/ul>\n<p>Os coeficientes s\u00e3o estimados por m\u00ednimos quadrados ordin\u00e1rios (MQO), que escolhe os valores de \\(\\beta\\) que minimizam a soma dos res\u00edduos ao quadrado \\(\\sum (y - \\hat{y})^2\\). Em forma matricial, a solu\u00e7\u00e3o \u00e9 \\(\\hat{\\boldsymbol{\\beta}} = (\\mathbf{X}^T \\mathbf{X})^{-1} \\mathbf{X}^T \\mathbf{y}\\); esta calculadora resolve o mesmo problema de m\u00ednimos quadrados com uma decomposi\u00e7\u00e3o QR numericamente est\u00e1vel, em vez de formar \\(\\mathbf{X}^T\\mathbf{X}\\) explicitamente.<\/p>\n<p>\r\n<\/section>\n<style id=\"wpcoderpro-inline-2\">.calculation-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section id=\"calculation\" class=\"calculation-box\" aria-labelledby=\"calculation-title\">\r\n\t<div id=\"calculation-title\" class=\"not-prose font-display\"><span class=\"icon icon-unordered-list\" aria-hidden=\"true\"><\/span><h2>Regress\u00e3o linear m\u00faltipla \u2013 Exemplo de c\u00e1lculo<\/h2><\/div>\r\n\r\n<\/p>\n<p><strong>Exemplo:<\/strong> oito observa\u00e7\u00f5es com valores da resposta 7; 12; 11; 16; 15; 20; 19; 24, e dois preditores: \\(X_1\\) variando de 1 a 8 e \\(X_2\\) alternando 0, 1, 0, 1, \u2026 \u2014 exatamente os dados padr\u00e3o da calculadora.<\/p>\n<p>\\[ \\hat{y} = 5 + 2X_1 + 3X_2 \\]<\/p>\n<p><strong>Resultado:<\/strong> intercepto \\(\\beta_0 = 5\\), coeficientes \\(\\beta_1 = 2\\) e \\(\\beta_2 = 3\\), e \\(R^2 = 1\\). Cada valor previsto coincide com o valor observado, ent\u00e3o todos os res\u00edduos s\u00e3o 0 e a soma de quadrados dos res\u00edduos \u00e9 0, de uma soma total de quadrados de 210. Este conjunto de dados foi constru\u00eddo para se ajustar perfeitamente \u2014 por isso o R\u00b2 atinge seu m\u00e1ximo de 1; dados reais quase sempre deixam alguma varia\u00e7\u00e3o residual e resultam em \\(R^2 &lt; 1\\).<\/p>\n<p>\n\r\n<\/section>\n<h2>Como usar a calculadora<\/h2>\n<ol>\n<li>Digite os <strong>Valores da vari\u00e1vel resposta (y)<\/strong> \u2014 um valor por observa\u00e7\u00e3o, separados por espa\u00e7os, ponto e v\u00edrgula ou quebras de linha. V\u00edrgulas decimais s\u00e3o aceitas.<\/li>\n<li>Digite as <strong>Colunas de preditores (X)<\/strong> \u2014 uma observa\u00e7\u00e3o por linha, com os valores dos preditores daquela observa\u00e7\u00e3o separados por espa\u00e7os ou ponto e v\u00edrgula. Mantenha as colunas na mesma ordem em todas as linhas e insira pelo menos duas colunas.<\/li>\n<li>Confira se o n\u00famero de linhas de X corresponde ao n\u00famero de valores de y e se todas as linhas t\u00eam a mesma quantidade de valores. Voc\u00ea precisa de pelo menos duas observa\u00e7\u00f5es a mais que o n\u00famero de preditores.<\/li>\n<li>Leia os resultados: o <strong>Intercepto<\/strong>, a tabela de <strong>Coeficientes dos preditores<\/strong>, o <strong>R\u00b2<\/strong>, a tabela de <strong>Valores previstos<\/strong> com os res\u00edduos e a equa\u00e7\u00e3o ajustada com os detalhes do ajuste.<\/li>\n<\/ol>\n<h2>O que \u00e9 regress\u00e3o linear m\u00faltipla?<\/h2>\n<p>A regress\u00e3o linear m\u00faltipla modela uma vari\u00e1vel resposta cont\u00ednua como uma soma ponderada de dois ou mais preditores mais uma constante. Ela estende a regress\u00e3o linear simples, que usa um \u00fanico preditor, para situa\u00e7\u00f5es em que v\u00e1rias vari\u00e1veis podem influenciar a resposta ao mesmo tempo \u2014 por exemplo, prever o pre\u00e7o de um im\u00f3vel a partir da \u00e1rea constru\u00edda, do n\u00famero de c\u00f4modos e da idade, ou a produtividade de uma lavoura a partir da chuva, da temperatura e da quantidade de fertilizante.<\/p>\n<p>&lt;A principal vantagem sobre regress\u00f5es simples separadas \u00e9 que cada coeficiente isola a contribui\u00e7\u00e3o de um preditor <em>mantendo fixos os demais preditores inclu\u00eddos<\/em>. Um coeficiente de 2 para \\(X_1\\) significa que a resposta deve aumentar 2 unidades a cada aumento de uma unidade em \\(X_1\\), independentemente dos valores dos outros preditores. \u00c9 por isso que os coeficientes podem diferir bastante das inclina\u00e7\u00f5es que voc\u00ea obteria ao fazer a regress\u00e3o de cada preditor isoladamente \u2014 o modelo separa efeitos que se sobrep\u00f5em.<\/p>\n<p>O R\u00b2 mede o qu\u00e3o bem o plano ajustado (ou hiperplano) acompanha os dados: \u00e9 a fra\u00e7\u00e3o da vari\u00e2ncia de \\(y\\) explicada pelos preditores. Um R\u00b2 de 0,80 significa que 80% da varia\u00e7\u00e3o observada \u00e9 reproduzida pelo modelo. Note que o R\u00b2 s\u00f3 pode ficar igual ou aumentar quando se adicionam preditores, ent\u00e3o um R\u00b2 alto com muitos preditores n\u00e3o \u00e9 automaticamente evid\u00eancia de um bom modelo \u2014 ele apenas descreve o ajuste aos dados usados na estima\u00e7\u00e3o.<\/p>\n<p>Para explorar as rela\u00e7\u00f5es aos pares entre suas vari\u00e1veis antes de ajustar um modelo, experimente a <a href=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-correlacao-postos-spearman\/\">calculadora de correla\u00e7\u00e3o de postos de Spearman<\/a> ou a <a href=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-tau-de-kendall\/\">calculadora do tau de Kendall<\/a>.<\/p>\n<h2>Premissas, limita\u00e7\u00f5es e dicas pr\u00e1ticas<\/h2>\n<ul>\n<li><strong>Tamanho da amostra:<\/strong> voc\u00ea precisa de pelo menos \\(p + 2\\) observa\u00e7\u00f5es para \\(p\\) preditores mais o intercepto (a calculadora exige isso). Na pr\u00e1tica, busque 10\u201320 observa\u00e7\u00f5es por preditor para obter estimativas est\u00e1veis.<\/li>\n<li><strong>Sem colunas redundantes:<\/strong> os preditores n\u00e3o podem ser linearmente dependentes. Se voc\u00ea codificar uma vari\u00e1vel categ\u00f3rica com colunas dummy 0\/1, inclua uma dummy a menos que o n\u00famero de categorias \u2014 o intercepto absorve a categoria de refer\u00eancia, exatamente como a coluna alternada 0\/1 do exemplo.<\/li>\n<li><strong>Multicolinearidade:<\/strong> preditores altamente correlacionados entre si geram coeficientes inst\u00e1veis e dif\u00edceis de interpretar, ainda que o ajuste geral pare\u00e7a bom. Verifique primeiro as associa\u00e7\u00f5es aos pares e elimine ou combine vari\u00e1veis que se sobrep\u00f5em.<\/li>\n<li><strong>Linearidade:<\/strong> o MQO assume que cada preditor se relaciona linearmente com a resposta, mantendo fixos os demais preditores. Rela\u00e7\u00f5es curvil\u00edneas muitas vezes podem ser acomodadas adicionando colunas transformadas (por exemplo, um termo ao quadrado) como preditores extras.<\/li>\n<li><strong>An\u00e1lise dos res\u00edduos:<\/strong> o modelo assume erros independentes e com vari\u00e2ncia aproximadamente constante. Inspecionar os res\u00edduos na tabela de previs\u00f5es ajuda; para dados ordenados no tempo, a <a href=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-de-autocorrelacao\/\">calculadora de autocorrela\u00e7\u00e3o<\/a> pode revelar padr\u00f5es remanescentes nos res\u00edduos, e a <a href=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-assimetria-e-curtose\/\">calculadora de assimetria e curtose<\/a> ajuda a identificar dados fortemente n\u00e3o normais.<\/li>\n<li><strong>Associa\u00e7\u00e3o n\u00e3o \u00e9 causalidade:<\/strong> os coeficientes descrevem associa\u00e7\u00f5es dentro dos seus dados. Afirmar um efeito causal exige um desenho de estudo que o sustente, n\u00e3o apenas um bom ajuste.<\/li>\n<li><strong>Fique dentro da faixa dos seus dados:<\/strong> previs\u00f5es muito fora da faixa dos preditores observados s\u00e3o extrapola\u00e7\u00f5es e podem estar completamente erradas.<\/li>\n<li><strong>Sem sa\u00edda de infer\u00eancia:<\/strong> esta calculadora apresenta apenas a equa\u00e7\u00e3o ajustada e o ajuste na amostra; para erros padr\u00e3o, valores-p e intervalos de confian\u00e7a, use um software estat\u00edstico completo.<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Digite os valores da vari\u00e1vel resposta e duas ou mais colunas de preditores para ajustar uma regress\u00e3o linear m\u00faltipla pelo m\u00e9todo dos m\u00ednimos quadrados. A calculadora retorna o intercepto, o coeficiente de cada preditor, o R\u00b2, a equa\u00e7\u00e3o ajustada e os valores previstos com os res\u00edduos.<\/p>\n","protected":false},"author":3168,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[12],"tags":[30],"class_list":["post-2159","post","type-post","status-publish","format-standard","hentry","category-estatistica","tag-correlacao-regressao"],"acf":[],"_links":{"self":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/posts\/2159","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/users\/3168"}],"replies":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/comments?post=2159"}],"version-history":[{"count":0,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/posts\/2159\/revisions"}],"wp:attachment":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/media?parent=2159"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/categories?post=2159"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/tags?post=2159"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}