Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7

Documentos relacionados
INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

CORRELAÇÃO E REGRESSÃO

2ª Atividade Formativa UC ECS

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr.

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

Associação entre duas variáveis quantitativas

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

Prof. Lorí Viali, Dr.

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores)

Métodos Avançados em Epidemiologia

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

Análise de Regressão Linear Múltipla VII

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

Análise de Regressão Linear Múltipla IV

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

Covariância na Propagação de Erros

Análise de Regressão

Regressão Linear Simples by Estevam Martins

Regressão Múltipla. Parte I: Modelo Geral e Estimação

PRESSUPOSTOS DO MODELO DE REGRESSÃO

Gabarito da Lista de Exercícios de Econometria I

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

Análise Exploratória de Dados

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

ECONOMETRIA I Prova n.º 1

1. CORRELAÇÃO E REGRESSÃO LINEAR

Exame 1ª Época. Nº: Nome:

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.

CAPÍTULO 2 - Estatística Descritiva

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

Prof. Lorí Viali, Dr.

Análise Exploratória de Dados

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear

Cap. 11 Correlação e Regressão

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa)

Contabilometria. Aula 8 Regressão Linear Simples

O problema da superdispersão na análise de dados de contagens

Estatística I Licenciatura MAEG 2006/07

Tabela 1. Porcentagem de crianças imunizadas contra DPT e taxa de mortalidade de menores de 5 anos para 20 países, 1992.

Capítulo 1. Exercício 5. Capítulo 2 Exercício

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2

Programa de Certificação de Medidas de um laboratório

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

CURSO de ESTATÍSTICA Gabarito

REGRESSÃO E CORRELAÇÃO

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

REGRESSÃO NÃO LINEAR 27/06/2017

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II

7 - Distribuição de Freqüências

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

EXERCÍCIOS SUPLEMENTARES

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA

Dados ajustáveis a uma linha recta

O problema da superdispersão na análise de dados de contagens

Métodos Experimentais em Ciências Mecânicas

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

2 Incerteza de medição

Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017

4 Critérios para Avaliação dos Cenários

Resistores. antes de estudar o capítulo PARTE I

Experiência V (aulas 08 e 09) Curvas características

TESTE DO QUI-QUADRADO - Ajustamento

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3. Estatística descritiva bidimensional

Gráficos de Controle para Processos Autocorrelacionados

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Testes não-paramétricos

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Equações Simultâneas

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

8 - Medidas Descritivas

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

Econometria I EXERCÍCIOS PRÁTICOS. Licenciatura em Economia. ISCTE-IUL, Business School, 2017/2018

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011

Cap. IV Análise estatística de incertezas aleatórias

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Transcrição:

Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas duas varáves revela-se bastante mportante em mutas aplcações físcas. Os dados da revsta são apresentados na tabela segunte, em que X representa a vscosdade do óleo e Y o desgaste do aço maco (em 0-4 mm 3 ): X.6 9.4 5.5 0 35.5 43 40.5 33 Y 40 8 93 55 0 3 5 94 a) Construa o dagrama de dspersão para os dados. Acha plausível uma relação lnear entre as duas varáves? Justfque. b) Calcule a equação da recta dada pelo método dos mínmos quadrados, e represente-a no dagrama construído na alínea anteror. Comente o ajustamento da recta obtda aos pontos (x, y ),,,...,9. c) Preveja o desgaste sofrdo no aço quando a vscosdade do óleo é de 30.. O volume de vapor de água despenddo por mês numa fábrca químca parece estar relaconado com a temperatura méda ambental (em ºF) observada nesse mês. O volume de vapor de água e a respectva temperatura méda observadas na fábrca no passado ano são dados na segunte tabela: Mês Temp(ºF) Vapor/000 Mês Temp(ºF) Vapor/000 Jan 85.9 Julho 68 6.55 Fev 4 4.4 Ago 4 65.06 Mar 3 88.03 Set 6 56.03 Abr 4 44.84 Out 50 45.93 Mao 50 454.58 Nov 4 369.95 Junho 59 539.03 Dez 30 3.98 a) Desenhe o dagrama de dspersão (Temperatura Volume) para os dados da tabela. O dagrama sugere-lhe uma relação lnear entre as duas varáves? Se sm, o grau de relaconamento (lnear) parece-lhe forte ou fraco? Justfque. b) Assumndo que o modelo de regressão lnear smples é aproprado para estes dados, calcule a equação de regressão estmada pelo método dos mínmos quadrados. c) Que alteração se espera no volume de vapor de água usado quando a temperatura méda mensal aumenta ºF? d) Qual é a estmatva esperada de volume de vapor usado quando a temperatura méda mensal é de 4ºF? E de 9ºF? Págna de 5

3. Um artgo de um jornal de Engenhara Ambente apresenta os resultados de um estudo acerca da presença de cloreto em váras zonas portuáras que crcundam determnada lha. Os dados apresentados a segur dzem respeto à área destnada à navegação na baca hdrográfca X (em %) e à concentração de cloreto Y (em mg/l) : X 0.9 0.5 0.5 0. 0.6 0.63 0.4 0. 0.6 0.8 0.8 0.8 0.69.03.05 Y 4.4 6.6 9. 0.6 0.8 0.9.8. 4.3 4. 5.3 9. 3..4 a) Determne os coefcentes de correlação e determnação. Interprete-os. b) Determne a recta de regressão usando o método dos mínmos quadrados. c) Estme a concentração de cloreto para uma baca que tem % da área para navegação. 4. Calcule e nterprete os coefcentes de correlação e de determnação para os exercícos e. Compare as suas conclusões com as obtdas anterormente da observação do dagrama de dspersão. 5. Para um estudo sobre polução atmosférca foram observados num certo local dum centro urbano o volume de tráfego V (nº carros/hora) e a concentração de monóxdo de carbono C (Co). Os resultados de sete leturas são dados a segur: v 50 ; v 50500 ; c 80. 3; c 944. 9 ; v c 330. Comente a segunte afrmação, apresentando todos os cálculos que achar necessáros: Apenas % da concentração de monóxdo de carbono é explcada por outros factores que não o volume de tráfego exstente. 6. Fo realzado um nquérto a dez alunos para tentar relaconar o número de horas de estudo X e a classfcação obtda em certo exame Y. Obtveram-se os seguntes valores: Horas 8 5 5 3 0 5 8 5 8 Cotação 50 44 69 0 49 94 85 33 65 a) Construa o dagrama de dspersão correspondente aos valores encontrados. Comente. b) Calcule a equação da recta de regressão da classfcação obtda em função das horas de estudo. Faça a avalação da recta, recorrendo aos coefcentes estudados. c) Cerca de % na varação das notas se deve a outros factores que não as horas despenddas no estudo. Complete a afrmação. Pode avançar outros factores mportantes? Págna de 5

. Num estudo para determnar de que modo a habldade para executar uma determnada tarefa complexa é nfluencada pela quantdade de treno, foram usados 5 ndvíduos aos quas fo dado um treno que varava de 3 a horas. Depos do treno foram regstados os tempos que cada um deles gastou a executar a tarefa. Representando por X a duração do treno (em horas) e por Y o tempo gasto na execução da tarefa (em mnutos), os resultados obtdos resumem-se segudamente: x =. y = 45. 6 x 8. 5 = 5 y = 3350.6 5 x y = 486.6 SSE=6.84 SST=60. a) Determne a equação de regressão estmada pelo método dos mínmos quadrados. b) Interprete o coefcente de regressão b. c) Calcule o coefcente de correlação e nterprete o valor encontrado. d) O que pode dzer relatvamente ao tempo de execução da tarefa de um ndvíduo que tenha sdo sujeto a 35 horas de treno? 8. Querendo estudar a relação entre a qulometragem de um carro usado e o seu preço de venda, forma recolhdos os dados seguntes. Carros Qulometragem X (000 Km) Preço de venda Y (dezena de Euros) 40 000 30 500 3 30 00 4 5 800 5 50 800 6 60 000 65 500 8 0 3000 9 5 500 0 0 000 55 800 40 500 3 35 000 4 30 000 Total 505 600 a) Construa o dagrama de dspersão e conclua se um modelo lnear é ou não adequado para descrever a relação entre as duas varáves em estudo. b) Determne a equação de regressão lnear estmada pelo método dos mínmos quadrados. Interprete o modelo estmado c) Calcule os coefcentes de correlação e determnação e nterprete os seus valores. Págna 3 de 5

SOLUÇÕES.a) Por análse do dagrama de dspersão, parece razoável assumr um relaconamento lnear entre X e Y, pos os pontos do dagrama de dspersão concentram-se com pequenos desvos à volta de uma recta magnára..b) yˆ = 34.0 3. 5x ;.c) Quando a vscosdade do óleo é 30, prevê-se que o desgaste sofrdo no aço seja, em méda, 8.8..a) O dagrama de dspersão sugere uma relação lnear entre as duas varáves, já que os pontos se concentram bastante à volta de uma recta. Uma vez que a concentração dos pontos à volta da recta é bastante acentuada concluímos que o grau de relaconamento lnear é forte..b) yˆ = 6.34 + 9. x.c) Quando a temperatura méda mensal aumenta ºF, espera-se um acréscmo no volume de vapor de água usado de 9...d) Para uma temperatura de 4ºF, estma-se que, em méda, o volume de vapor usado seja de 46.46. Para uma temperatura de 9ºF, é arrscado usar a recta de regressão para estmar o volume de vapor usado, já que aquele valor de temperatura está fora do âmbto dos dados. De facto, fora do âmbto dos dados não há qualquer evdênca de que a mesma relação lnear seja anda adequada para descrever o relaconamento entre X e Y. 3.a) r =0.6 6% da varação na concentração de cloreto está relaconada lnearmente com a varação na área destnada a navegação; r=0.8 exste um relaconamento lnear forte entre a concentração de cloreto e a área destnada a navegação. 3.b) yˆ = 0.6 + 0. 93x 3.c) Para uma baca que tenha % de área de navegação, estma-se que a concentração de cloreto seja, em méda,.09 mg/l. 4. Para o exercíco : r =0.88 e r=-0.94 sendo r muto próxmo de e r muto próxmo de -, podemos conclur que há um bom ajustamento dos dados à recta estmada,.e, o modelo lnear consderado é um modelo adequado. De facto, o coefcente de determnação r, ndca que cerca de 88% das varações no desgaste do aço maco são explcadas pelo modelo,.e., por varações na vscosdade do óleo. Fcam por explcar apenas % das varações no desgaste do aço maco, e Págna 4 de 5

portanto, podemos dzer que o modelo consderado explca grande parte das varações na varável dependente. Estas conclusões estão de acordo com as obtdas por análse do dagrama de dspersão. Para o exercíco : r =0.9999 e r=0.9999 Os valores muto próxmos de de ambos os coefcentes, ndcam haver um relaconamento lnear forte entre as duas varáves e, portanto, o modelo lnear consderado é bastante adequado para traduzr o relaconamento entre as duas varáves. Estas conclusões estão de acordo com as obtdas por análse do dagrama de dspersão. 5. r =0.9 0.98 cerca de 98% das varações na concentração de monóxdo de carbono são explcadas lnearmente por varações no volume de tráfego. Fcam por explcar apenas % das varações na concentração de monóxdo de carbono que resultam de outros factores não consderados no modelo. 6. b) yˆ = 9.06 + 3. 44x ; r =0.89; r= 0.95 6.c) Cerca de % na varação das notas se deve a outros factores que não as horas despenddas no estudo. Outros factores que podem ter nfluênca na classfcação no exame: assdudade às aulas, gosto pela matéra,..a) ŷ =5.85-.038x;.b) b =-.038 estma-se que um acréscmo na duração do treno de uma hora, conduza, em méda, a um decréscmo no tempo de execução da tarefa de. mnutos;.c) r=-0.9;.d) Não é sensato utlzar a equação de regressão obtda para predzer o tempo de execução da tarefa para as 35 horas de treno, uma vez que 35 está fora do âmbto dos dados. 8. Resolvdo nos Sldes Págna 5 de 5