Um jornal quer verificar a eficácia de seus anúncios na venda de carros usados.

Para responder essa pergunta devemos colocar em prática nosso conhecimento sobre Estatística.

1. O modelo de regressão linear é representado pela equação:



2. Em que é a variável dependente (Carros vendidos); é a variável independente (Anúncios); é o parâmetro de intercepto; é o parâmetro de inclinação; e é o termo de erro. Para obter o modelo, primeiro é necessário calcular o parâmetro de inclinação e utilizaremos a equação:




3. ¨

4. Como e




6. 

7. O segundo passo é calcular o parâmetro de intercepto através da fórmula:








9. Portanto, o modelo de regressão linear é representado pela equação:



10. E desconsiderando o termo de erro, temos a equação:




12. Para calcular a expectativa de vendas da empresa F, iremos utilizar uma simples regra de 3, pois o modelo de regressão linear incorporará elementos das outras empresas, que não tem relação com a empresa F e influenciarão no resultado. Portanto, se com 16 anúncios a empresa F vendeu 57 carros, com 24 anúncios a empresa F venderá quantos carros? Podemos descobrir isso pela equação:




14. Em que é a expectativa de números de carros vendidos. Desse modo F espera vender 85 carros.

15. Para descobrir quantos anúncios devem ser feitos pela companhia G basta substituir a expectativa de venda de carros no modelo de regressão linear. Portanto:





16. Desse modo, devem ser feitos, no mínimo 48 anúncios para atingir a expectativa de vender 100 carros.

1. Portanto, o modelo de regressão linear é representado pela equação

2. Portanto, a expectativa de número de carros é 85.

3. Portanto, o número de anúncios necessários é 100.

Para responder essa pergunta devemos colocar em prática nosso conhecimento sobre Estatística.

1. O modelo de regressão linear é representado pela equação:



2. Em que é a variável dependente (Carros vendidos); é a variável independente (Anúncios); é o parâmetro de intercepto; é o parâmetro de inclinação; e é o termo de erro. Para obter o modelo, primeiro é necessário calcular o parâmetro de inclinação e utilizaremos a equação:




3. ¨

4. Como e




6. 

7. O segundo passo é calcular o parâmetro de intercepto através da fórmula:








9. Portanto, o modelo de regressão linear é representado pela equação:



10. E desconsiderando o termo de erro, temos a equação:




12. Para calcular a expectativa de vendas da empresa F, iremos utilizar uma simples regra de 3, pois o modelo de regressão linear incorporará elementos das outras empresas, que não tem relação com a empresa F e influenciarão no resultado. Portanto, se com 16 anúncios a empresa F vendeu 57 carros, com 24 anúncios a empresa F venderá quantos carros? Podemos descobrir isso pela equação:




14. Em que é a expectativa de números de carros vendidos. Desse modo F espera vender 85 carros.

15. Para descobrir quantos anúncios devem ser feitos pela companhia G basta substituir a expectativa de venda de carros no modelo de regressão linear. Portanto:





16. Desse modo, devem ser feitos, no mínimo 48 anúncios para atingir a expectativa de vender 100 carros.

1. Portanto, o modelo de regressão linear é representado pela equação

2. Portanto, a expectativa de número de carros é 85.

3. Portanto, o número de anúncios necessários é 100.