Logo Passei Direto
Buscar

Lista_6___Regress_o_parte_I

Ferramentas de estudo

Questões resolvidas

Com o objetivo de verificar se numa certa regição existe correlação entre o nível de escolaridade médio dos pais e o nível de escolaridade dos filhos, observou-se uma amostra aleatória de 8 indivíduos adultos, verificando o número de anos que estes frequentaram (e tiveram aprovação) em escolar regulares (Y) e o número médio de anos que os seus pais frequentaram (e tiveram aprovação) em escolas (X).
Calcule o coeficiente de correlação de Pearson.

Verificar, utilizando os dados amostrais fornecidos abaixo, se a temperatura tem influência significativa sobre o comprimento de uma barra de aço.
Utilize o modelo linear de 1o grau e o nível de 5% de significância.

De acordo com os dados fornecidos abaixo para a variável X (dose do micronutriente Zn em ppm) e a variável Y (matéria seca em 1 g/planta), verifique, usando o nível de 5% de probabilidade e o modelo linear de 2o grau, se a relação entre as variáveis X (independente) e Y (dependente) é significativa.

Para o modelo ajustado e dados fornecidos abaixo: ŷi = 140, 7835 + 0, 2737xi − 0, 000783x2i SQIndependente da Regressão = 68,1691 ∑7 i=1 yi = 1094, 800 ∑7 i=1 y2i = 171712, 384∑7 i=1 xiyi = 166942, 500 ∑7 i=1 x2i yi = 35986875, 000.
Proceder a análise de variância da regressão e concluir (α = 5%).

A quantidade de chuva é um fator importante na produtividade agrícola. Para medir esse efeito, foram anotados, para oito regiões diferentes produtoras de soja, o índice pluviométrico e a produção do último ano.
É adequado utilizar o modelo ajustado para calcular a produção em uma região cujo índice pluviométrico seja igual a 30mm? Comente.

Obter a equação de regressão para o modelo de regressão linear do segundo grau e faça o gráfico da equação estimada.

Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Questões resolvidas

Com o objetivo de verificar se numa certa regição existe correlação entre o nível de escolaridade médio dos pais e o nível de escolaridade dos filhos, observou-se uma amostra aleatória de 8 indivíduos adultos, verificando o número de anos que estes frequentaram (e tiveram aprovação) em escolar regulares (Y) e o número médio de anos que os seus pais frequentaram (e tiveram aprovação) em escolas (X).
Calcule o coeficiente de correlação de Pearson.

Verificar, utilizando os dados amostrais fornecidos abaixo, se a temperatura tem influência significativa sobre o comprimento de uma barra de aço.
Utilize o modelo linear de 1o grau e o nível de 5% de significância.

De acordo com os dados fornecidos abaixo para a variável X (dose do micronutriente Zn em ppm) e a variável Y (matéria seca em 1 g/planta), verifique, usando o nível de 5% de probabilidade e o modelo linear de 2o grau, se a relação entre as variáveis X (independente) e Y (dependente) é significativa.

Para o modelo ajustado e dados fornecidos abaixo: ŷi = 140, 7835 + 0, 2737xi − 0, 000783x2i SQIndependente da Regressão = 68,1691 ∑7 i=1 yi = 1094, 800 ∑7 i=1 y2i = 171712, 384∑7 i=1 xiyi = 166942, 500 ∑7 i=1 x2i yi = 35986875, 000.
Proceder a análise de variância da regressão e concluir (α = 5%).

A quantidade de chuva é um fator importante na produtividade agrícola. Para medir esse efeito, foram anotados, para oito regiões diferentes produtoras de soja, o índice pluviométrico e a produção do último ano.
É adequado utilizar o modelo ajustado para calcular a produção em uma região cujo índice pluviométrico seja igual a 30mm? Comente.

Obter a equação de regressão para o modelo de regressão linear do segundo grau e faça o gráfico da equação estimada.

Prévia do material em texto

Universidade Federal de Lavras - UFLA
Departamento de Estatística - DES
Estatística Experimental - GES 102
Lista 6 - Correlação e Regressão
(Questão 1) - Com o objetivo de verificar se numa certa regição existe
correlação entre o nível de escolaridade médio dos pais e o nível de escolari-
dade dos filhos, observou-se uma amostra aleatória de 8 indivíduos adultos,
verificando o número de anos que estes frequentaram (e tiveram aprovação)
em escolar regulares (Y) e o número médio de anos que os seus pais frequen-
taram (e tiveram aprovação) em escolas (X). Os resultados da amostra são
apresentados abaixo:
a) Calcule o coeficiente de correlação de Pearson
b) Estabeleça a reta de regressão de y com relação a x
c) Apresente o diagrama de dispersão acompanhado da reta de regressão.
(Questão 2) - Verificar, utilizando os dados amostrais fornecidos abaixo,
se a temperatura tem influência significativa sobre o comprimento de uma
barra de aço. Utilize o modelo linear de 1o grau e o nível de 5% de signifi-
cância.
(Questão 3) - Para o seguinte conjunto de valores de X (variável inde-
pendente) e Y (variável dependente), faça a análise de regressão segundo o
modelo linear de 1o grau e obtenha a equação de regressão estimada. Use o
nível de significância de 5%.
(Questão 4) - De acordo com os dados fornecidos abaixo para a variável
X (dose do micronutriente Zn em ppm) e a variável Y (matéria seca em
1
g/planta), verifique, usando o nível de 5% de probabilidade e o modelo linear
de 2o grau, se a relação entre as variáveis X (independente) e Y (dependente)
é significativa.
(Questão 5) - Para o modelo ajustado e dados fornecidos abaixo:
ŷi = 140, 7835 + 0, 2737xi − 0, 000783x2i
SQIndependente da Regressão = 68,1691
∑7
i=1 yi = 1094, 800
∑7
i=1 y
2
i = 171712, 384∑7
i=1 xiyi = 166942, 500
∑7
i=1 x
2
i yi = 35986875, 000
Proceder a análise de variância da regressão e concluir (α = 5%).
(Questão 6) - A quantidade de chuva é um fator importante na produ-
tividade agrícola. Para medir esse efeito, foram anotados, para oito regiões
diferentes produtoras de soja, o índice pluviométrico e a produção do último
ano.
Chuva(mm) 120 140 122 150 115 190 130 118
Produção(ton) 40 46 45 37 25 54 33 30
a) Faça um gráfico de dispersão e calcule o coeficiente de correlação.
Comente o resultado.
b) Ajuste a reta de regressão. Como você interpretaria o coeficiente ?
c) Encontre a produção esperada para uma região com índice pluviomé-
trica igual a 160mm.
d) É adequado utilizar o modelo ajustado para calcular a produção em
uma região cujo índice pluviométrico seja igual a 30mm? Comente.
(Questão 7) - Com o objetivo de estudar o efeito da temperatura no
ganho de peso de determinada espécie de animal de pequeno porte, foi reali-
zado um estudo em que alguns foram submetidos a diferentes temperaturas
no local em que eram confinados. Com base nos dados de ganho de peso,
2
obtidos depois de determinado período, ajustou-se a seguinte equação de
regressão:
ŷi = −6, 89 + 0, 93xi − 0, 02x2i .
Considerando que a análise de variância da regressão resultou em F sig-
nificativo para regressão, pede-se:
a) Qual seria o ganho de peso (em quilos) esperado, se fosse mantida
constante, no local de confinamento do animal em questão, a temperatura
de 23o C?
b) Qual seria a temperatura a ser usada para que fosse obtido o máximo
de ganho de peso?
(Questão 8) - Obter a equação de regressão para o modelo de regressão
linear do segundo grau e faça o gráfico da equação estimada.
Respostas:
1) a) r = 0, 9252 b) ŷi = 1, 18xi + 1, 70xi c)
2) ŷi = 997, 4 + 0, 56xi Fcal = 84,3. A variável independente influencia
significativamente a variável dependente.
3) ŷi = 1, 52+4, 12xi Fcal= 8.458,61. A variável independente não influencia
significativamente a variável dependente.
3
4) ŷi = 11, 24+ 10, 4677xi − 1, 1135x2i . F cal=259,3003. A variável indepen-
dente influencia significativamente a variável dependente.
5) Fcal=12,24. A variável independente influencia significativamente a va-
riável dependente.
6) a) r = 0, 7246
b) yi = 1, 5527+0, 2742xi c) ŷ = 1, 5527+0, 2742(160) = 45, 42. d) Não,
pois o valor da previsão para este modelo só será válido para o inntervalo de
115 a 190 mm de chuva.
7) a) 3,92 kg b) 23,25oC.
8) ŷi = 16, 12− 0, 16xi − 0, 9009x2i .
4