A sucessão de Fibonacci é uma das sequências matemáticas mais conhecidas e bastante utilizada para explicar modelos da natureza. Diversas aplicações no ramo da computação, da biologia, das finanças, das artes, entre outras, tem a sucessão de Fibonacci como referencial. As linhas de Tendência são gráficos gerados por equações matemáticas que se ajustam a um conjunto de dados no intuito de estimar resultados futuros. Objetivou-se como este artigo avaliar o comportamento da Sucessão de Fibonacci através de diversas Linhas de Tendência utilizando como ferramenta a Regressão do Software Excel. Metodologicamente, a ideia é apresentar para cada Linha de Tendência sua equação matemática de Regressão e seu coeficiente de correlação Quatro Linhas de Tendências serão apresentadas: Linear, Exponencial, Logarítmica e Potência. A pergunta a ser respondida é: qual o melhor modelo de regressão que se ajusta a sucessão de Fibonacci? Desta forma, espera-se que este trabalho possa contribuir na aprendizagem de modelos de regressão nos diversos níveis de ensino da Educação Básica
The Fibonacci sequence is one of the most well-known mathematical sequences used to explain nature models. Various applications in the field of computing, biology, finance, arts, among others, have succession of Fibonacci as a reference. Trend lines are graphs generated by mathematical equations that fit a set of data (x, y), in order to estimate future results. The objective of this article was to evaluate the behavior of Fibonacci Succession through several Trend Lines using Excel Regression as a tool. Methodologically, the idea is to present for each Trend Line its mathematical Regression equation and its correlation coefficient Four Trend lines will be presented: Linear, Exponential, Logarithmic and Power. The question to be answered is: what is the best regression model that fits the Fibonacci sequence? Thus, it is expected that this work can contribute to the learning of regression models in the different levels of Basic Education.
