Baixe o app para aproveitar ainda mais
Prévia do material em texto
EXERCÍCIOS – Estimativas Intervalares e Correlação/Regressão Abra exercicios2403.mtw 1) Para se avaliar a taxa de desemprego em determinado Estado, escolhe-se uma amostra aleatória de 1000 habitantes em idade de trabalho e contam-se os desempregados: 200. Estimar a proporção de desempregados em todo o Estado (população) considerando o erro padrão de estimativa. a. 0.2+/-0,012 b. 0.2+/-0,016 c. 0.2+/-0,010 d. 0.2+/-0,014 e. 0.2+/-0,018 2) Qual seria a proporção de desempregados em todo o estado com um intervalo de confiança de 95%? 0.2+/-0,025 3) Os dados da Coluna C7 correspondem ao diâmetro, em mm, de 30 esferas de rolamento produzidas por uma máquina. a. Construa um intervalo de confiança, a 95%, para a média da população de todas as possíveis esferas produzidas pela máquina. (Ache o intervalo através do Gráfico sumário) b. Suponha que, para satisfazer as especificações do consumidor, as peças devem estar compreendidas entre 140 e 160 mm. Com a estimativa da média com 95% de confiança, é possível satisfazer estas especificações? SIM c. Refaça o gráfico sumário e utilize 99% de confiança. Agora, com a nova estimativa da média com esta confiança de 99%, é possível satisfazer as especificações? SIM 1st Quartile 144,50 Median 154,50 3rd Quartile 159,00 Maximum 169,00 148,24 155,49 150,23 157,77 7,73 13,06 A-Squared 0,78 P-Value 0,038 Mean 151,87 StDev 9,71 Variance 94,33 Skewness -0,627505 Kurtosis -0,115700 N 30 Minimum 129,00 Anderson-Darling Normality Test 95% Confidence Interval for Mean 95% Confidence Interval for Median 95% Confidence Interval for StDev 170160150140130 Median Mean 158156154152150148 95% Confidence Intervals Summary Report for Diametro das esferas 4) Escolha uma alternativa e justifique sua resposta. Uma pesquisa de intenção de voto forneceu uma estimativa pontual para o resultado final de uma eleição. Considerando um nível de confiança de (1−α)% , uma margem de erro de ±2 pontos percentuais foi calculada para a estimativa. Para aumentar o nível de precisão da estimativa intervalar deve-se: a. aumentar o tamanho da amostra. b. aumentar o nível de confiança. c. reduzir o nível de significância (α). d. reduzir o tamanho da amostra. 5) Para que são utilizados os intervalos de confiança? Os intervalos de confiança servem para estimar um parâmetro de interesse de uma população. Ele é utilizado pois ele forneceum intervalo de estimativas prováveis sobre aquele parâmetro. 6) Um professor, a fim de mostrar aos alunos que as suas notas estavam relacionadas a quantidade de faltas de deles, decidiu coletar os dados dos mesmos. Ele coletou a quantidade de faltas e a nota final de 15 dos seus alunos. Os dados estão na coluna C1 e C2. a. Faça o gráfico Scatterplot. Pelo gráfico é possível observar que as variáveis possuem relação? 1st Quartile 144,50 Median 154,50 3rd Quartile 159,00 Maximum 169,00 146,98 156,75 147,73 158,32 7,23 14,44 A-Squared 0,78 P-Value 0,038 Mean 151,87 StDev 9,71 Variance 94,33 Skewness -0,627505 Kurtosis -0,115700 N 30 Minimum 129,00 Anderson-Darling Normality Test 99% Confidence Interval for Mean 99% Confidence Interval for Median 99% Confidence Interval for StDev 170160150140130 Median Mean 158156154152150148146 99% Confidence Intervals Summary Report for Diametro das esferas Pelo gráfico é possível observar que quanto mais faltas os alunos possuem, menor a Nota final. b. Faça a correlação. Existe correlação? Ela é positiva ou negativa? O que significa a correlação ser negativa ou positiva? Existe correlação, pois p-value é menor que 0,005. A correlação é fortemente negativa (Valor de Pearson = -0.978), significando que quanto mais se aumenta a variável X (Faltas), menor é o valor de Y (Nota Final). c. Faça os gráficos de regressão. Qual dos modelos se encaixa mais nos dados: Linear, quadrático ou cúbico? Cúbico 1614121086420 100 90 80 70 60 50 40 Faltas N o ta F in a l Scatterplot of Nota Final vs Faltas 1614121086420 100 90 80 70 60 50 40 S 4,30428 R-Sq 95,6% R-Sq(adj) 95,2% Faltas N o ta F in a l Fitted Line Plot Nota Final = 101,9 - 3,824 Faltas d. Através do modelo que maior se ajustou aos dados, faça a previsão da nota final dos alunos que tiveram 18 faltas. Nota Final = 91,96 + 0,844 * Faltas – 0,4972 * Faltas² + 0,01467 * Faltas³ Nota Final = 91,96 + 0,844 * (18) – 0,4972 * (18)² + 0,01467 * (18)³ Nota Final = 31,61 1614121086420 100 90 80 70 60 50 40 30 S 3,58988 R-Sq 97,2% R-Sq(adj) 96,7% Faltas N o ta F in a l Fitted Line Plot Nota Final = 96,01 - 1,688 Faltas - 0,1269 Faltas^2 1614121086420 100 90 80 70 60 50 40 S 3,53709 R-Sq 97,5% R-Sq(adj) 96,8% Faltas N o ta F in a l Fitted Line Plot Nota Final = 91,96 + 0,844 Faltas - 0,4972 Faltas^2 + 0,01467 Faltas^3 7) Os dados das colunas C4 e C5 referem-se a 9 observações sobre o tempo gasto de acondicionamento de um produto em minutos (Y) e seu volume em toneladas (X). a. Utilizando da correlação e regressão, encontre o modelo de regressão que melhore se encaixe nos dados e estime o tempo de acondicionamento para um volume de 100 toneladas. Possuem correlação e é fortemente positiva. Maior ajuste é o modelo quadrático. Y = 54,97 + 0,3935 * X + 0,006040 * X² Y = 54,97 + 0,3935 * 100 + 0,006040 * 100² Y = 154,72 1401301201101009080706050 250 200 150 100 S 9,37712 R-Sq 97,0% R-Sq(adj) 96,0% X Y Fitted Line Plot Y = 54,97 + 0,3935 X + 0,006040 X^2
Compartilhar