Gabarito Lista7 2015 PDF

MAE0261 Introducao a` Analise de Dados
II semestre de 2015
Lista de Exerccios 7 - Regressao e Quiquadrado C A S A - (gabarito)
Exerccio 1.
(13,0 pontos). Deseja-se provar a eficiencia de certo fungicida para o controle de pragas em
plantacoes de trigo. Diferentes doses (em gr/ha) de um fungicida foram aplicadas em 10 canteiros de producao, contendo 100 plantas cada um. Apos 15 dias da aplicacao do fungicida foi
feita a contagem do n
umero de plantas doentes. A tabela a seguir apresenta para cada canteiro
o n
umero de plantas doentes (Y) e a dose aplicada (X):
Dados:
x = 2700,
y = 273,
x2 = 822500,
y 2 = 9695,
xy = 59450.
(a) (2,5 pontos). Construa o diagrama de dispersao, calcule o coeficiente de correlacao linear
de Pearson e interprete o relacionamento entre as variaveis Y e X.
Resposta:
Coeficiente de correla
c
ao de Pearson:
sP
SX =
n
i=1
x2i n
x2
=
(n 1)
822500 10 (270)2
= 101, 9.
9
Pagina 1 de 24
http://www.ime.usp.br/~mae0261

II semestre de 2015
sP
SY =
n
i=1
yi2 n
y2
=
(n 1)
9695 10 (27, 3)2

= 15, 78.
9
Pn
r=
xi yi n
xy 59450 10 270 27, 3
=
= 0, 985.
(n 1)SX SY
9 101, 9 15, 78
i=1
Interpreta
c
ao: Parece existir uma relacao linear negativa entre o n
umero de plantas doentes e a dose de fungicida aplicada, ou seja, o n
umero de plantas doentes diminui a medida
que a dose (gr/ha) de fungicida aumenta.
(b) (1,0 ponto). Escreva a equacao do modelo de regressao linear simples, com as suposicoes.
Resposta:
Modelo
Yi = + xi + ei , i = 1, . . . , 10
Suposicoes:
ei N (0, 2 ) independentes Yi N ( + xi , 2 ) independentes.
(c) (2,0 pontos). Ajuste uma reta de regressao para a relacao entre as variaveis Y: n
umero de
plantas doentes (dependente) e X: dose (independente). Interprete o valor do coeficiente
angular da reta ajustada.
Resposta:
P
x y n
xy
P i 2i
xi n
x2
59450 10 270 27, 3
=
822500 10 (270)2
14260
=
93500
= 0, 1525
= y x
= 27, 3 + 0, 1525 270
= 68, 475
Pagina 2 de 24

II semestre de 2015
Reta estimada:
y = 68, 475 0, 1525xi
Interpreta
c
ao: Aumentando-se 1 dose (em gr/ha) de fungicida, estima-se que o n
umero
medio de plantas doentes diminua 0,1525.
(d) (4,5 pontos). Obtenha a ANOVA e analise o resultado.

Resposta:
ANOVA
Queremos testar as seguintes hipoteses:
H0 : = 0
H1 : 6= 0
Medidas necess
arias:
SQT =
n
X
(yi y)2
i=1
n
X
yi2 n
y2
i=1
= 9695 10 (27, 3)2 = 2242, 1.
SQRes =
n
X
(yi yi )2 = 69, 12
i=1
SQReg = SQT SQRes = 2242, 1 69, 12 = 2172, 98.
QM T =
2242, 1
SQT
=
= 249, 122 = SY2 .
n1
9
QM Res =
SQRes
69, 12
=
= 8, 64 = Se2 .
n2
8
Pagina 3 de 24

II semestre de 2015
QM Reg =
Fobs =
SQReg
= 2172, 98.
1
2172, 98
QM Reg
=
= 251, 5.
QM Res
8, 64
Tabela 1: Tabela da ANOVA

Fonte de variac
ao
g.l
Soma de quadrados
Quadrado medio
Teste F
Regress
ao
Resduo
1
8
2172,98
69,12
2172,98
8,64
251,5
Total
2242,1
Se H0 e verdadeira F F(1,8) . Para = 5%, RC = {F fc } = {F 5, 32} . Como

Fobs = 251, 5 RC rejeitamos H0 , ou seja, 6= 0.
(e) (0,5 pontos). Obtenha uma estimativa pontual para o n

umero esperado de plantas doentes
para cada 100 plantas tratadas com o fungicida na dose 260 gr/ha.
Resposta:
y(260) = 68, 475 0, 1525 260 = 28, 825

= 29 plantas doentes.
(f) (0,5 pontos). Se o fungicida na dose 260 gr/ha for aplicado em um novo canteiro, qual e
uma estimativa pontual para o n
umero de plantas doentes nesse canteiro?
Resposta:
A estimativa nao muda. y(260) = 28, 825

= 29.
(g) (2,0 pontos). Para as duas situacoes consideradas em (e) e (f) obtenha estimativas intervalares, com confianca de 95%.
Resposta:
As estimativas intervalares, com confianca de 95%, para as situacoes consideradas em (e)
e (f) sao dadas respectivamente por:
Pagina 4 de 24

II semestre de 2015
t(8;0,95) = 2, 31, Se =
8, 64 = 2, 94:
s
(xi x)2
1
+ Pn
n
)2
i=1 (xi x
r
1
(28, 825 270)2
= (68, 475 0, 1525 260) 2, 31 2, 94
+
10
93500
= (23, 054; 34, 596)
i ) t(8;0,95) Se
IC((xi ); 0, 95) = (
+ x
1
(xi x)2
+ Pn
)2
n
i=1 (xi x
r
1
(28, 825 270)2
+
= (68, 475 0, 1525 260) 2, 31 2, 94 1 +
10
93500
= (19, 91; 37, 74)
f ) t(8;0,95) Se
IP (yf ; 0, 95) = (
+ x
1+
Exerccio 2.
(5,5 pontos). A pasta ARVORES do arquivo Lista 7 DADOS contem medidas de Diametro
(em polegadas), Altura (em pes) e Volume (em pes3 ) de 31 arvores.
(a) (1,0 ponto). Construa o grafico de dispersao relacionando o volume (Y) e a altura das
arvores (Z); e relacionando o volume (Y) e o diametro das arvores (X). Comente.
Resposta:
Pagina 5 de 24

II semestre de 2015
Coment
ario: Existe uma relacao linear positiva entre as variaveis altura e diametro com a
variavel volume. Parece que o diametro esta mais associado com volume do que a altura.
(b) (2,0 ponto). Encontre as retas ajustadas y = a + bx e y = c + dz.

Resposta:
Seguem os ajustes feitos no Rcmdr para encontrar as retas ajustadas y = a+bx e y = c+dz,
respectivamente:
Call:
lm(formula = Volume ~ Diametro, data = arvore)
Residuals:
Min
1Q Median
-8.065 -3.107 0.152
3Q
3.495
Max
9.587
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -36.9435
3.3651 -10.98 7.62e-12 ***
Diametro
5.0659
0.2474
20.48 < 2e-16 ***
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 4.252 on 29 degrees of freedom
Multiple R-squared: 0.9353,Adjusted R-squared: 0.9331
F-statistic: 419.4 on 1 and 29 DF, p-value: < 2.2e-16
Logo, y = a
+ bx = 36.9435 + 5.0659x.
Fonte de variac
ao
g.l
Soma de quadrados
Quadrado medio
Teste F
Valor p
Regress
ao
Resduo
1
29
7581.8
524.3
7581.8
18.1
419.36
< 2.2e 16
Total
30
8106.1
Pagina 6 de 24

II semestre de 2015
Call:
lm(formula = Volume ~ Altura, data = arvore)
Residuals:
Min
1Q
-21.274 -9.894
Median
-2.894
3Q
12.068
Max
29.852
Coefficients:
Estimate Std. Error t value
(Intercept) -87.1236
29.2731 -2.976
Altura
1.5433
0.3839
4.021
--Signif. codes: 0 *** 0.001 ** 0.01
Pr(>|t|)
0.005835 **
0.000378 ***
* 0.05 . 0.1 1

F-statistic: 16.16 on 1 and 29 DF, p-value: 0.0003784
= 87.1236 + 1.5433z.
Logo, y = c + dz
Fonte de variac
ao
g.l
Soma de quadrados
Quadrado medio
Teste F
Valor p
Regress
ao
Resduo
1
29
2901.2
5204.9
2901.19
179.48
16.165
0.0003784
Total
30
3080.67
(c) (1,5 pontos). Numa reserva florestal, como seria melhor prever o Volume de uma arvore:
pelo diametro ou pela altura? Utilize a ANOVA e R2 para justificar sua resposta.
Resposta:
Com base nos resultados da ANOVA e R2 apresentados no item (b), temos:
Pagina 7 de 24

II semestre de 2015
para a vari
avel altura: F = 16.16 com p value = 0.0003784 e R2 = 0, 3579.
para a vari
avel di
ametro: F = 419.4 com p value < 2.2e 16 e R2 = 0.9353.
Como o valor p da variavel Diametro e menor que o da Altura (mais significativo) e seu R2
e bem mais alto (modelo e mais adequado), conclumos que seria melhor prever o Volume
de uma arvore com base no Diametro.
(d) (1,0 ponto). De acordo com a decisao acima, obtenha um intervalo de confianca para o
volume medio de arvores com 18 polegadas de diametro e 79 pes de altura, com coeficiente
de confianca igual a 95%.
Resposta:
O intervalo de confianca para o volume medio de arvores com 18 polegadas de diametro,
com coeficiente de confianca igual a 95% e dado por:
t(29;0,95) = 2, 05
Se = 18, 1
= 4, 25
s
i ) t(29;0,95) Se
IC((xi ); 0, 95) = (
+ x
1
(xi x)2
+ Pn
)2
n
i=1 (xi x
r
= (36, 9435 + 5, 0659 18) 2, 05 4, 25
1
(28, 825 270)2
+
31
93500
= (47, 195; 61, 2904)

Exerccio 3.
(11,0 pontos). Um estudo pretende avaliar o efeito da obesidade na pressao sangunea. Para
tanto, foram avaliados os pesos de 10 indivduos e construda a variavel (X) representando a
razao entre os pesos real e ideal. Os dados abaixo correspondem a`s variaveis razao e pressao
sangunea.
Pagina 8 de 24

II semestre de 2015
(a) (0,5 ponto). Construa a variavel auxiliar d = x x.

Resposta:
Rcmdr: Dados Modificacao de variaveis no conjunto de dados... Computar nova
variavel... Defina d como: X 1, 458 (
x = 1, 458).
Valores obtidos para d: -0,228; -0,038; -0,108; 0,212; 0,192; 0,102; 0,062; -0,148; 0,032;
-0,078.

(b) (1,0 pontos). Obtenha a equacao de regressao y =
+ d.
Resposta:
Ajuste no Rcmdr:
Call:
lm(formula = Pressao.sistolica ~ d, data = pressao)
Residuals:
Min
1Q Median
-2.6194 -0.8619 -0.3134
3Q
1.2949
Max
1.9028
Coefficients:
(Intercept) 133.3000
0.4885 272.849 < 2e-16 ***
d
17.9112
3.5428
5.056 0.000982 ***
---
Pagina 9 de 24

II semestre de 2015
Signif. codes:
0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Logo, y = 133.3 + 17.9112 d.
(c) (0,5 pontos). Qual e a interpretacao para

na reta obtida em (b)?
Resposta:
Interpreta
c
ao: quando d = 0, ou seja, quando a razao peso real/peso ideal e igual a
media dessas razoes, o valor medio (ou valor esperado) para pressao sangunea e 133,3.
(d) (1,5 pontos). Qual e a pressao sistolica esperada para indivduos com razao peso ideal/peso
real igual a 1,25?
Resposta:
Ajuste:
Call:
lm(formula = Pressao.sistolica ~ Razao, data = pressao)
Residuals:
Min
1Q Median
-2.6194 -0.8619 -0.3134
3Q
1.2949
Max
1.9028
Coefficients:
Estimate Std. Error t value
(Intercept) 107.185
5.188 20.658
Razao
17.911
3.543
5.056
--Signif. codes: 0 *** 0.001 ** 0.01
Pr(>|t|)
3.16e-08 ***
0.000982 ***
* 0.05 . 0.1 1

Pagina 10 de 24

II semestre de 2015
Logo, y = 107.185 + 17.911x. Segue que, a pressao sistolica para indivduos com razao
igual a 1,25 e y(1, 25) = 107.185 + 17.911 1, 25 = 129, 57375.
Exerccio 4.
(6,0 pontos). O administrador de um hospital deseja estudar a relacao entre o nvel de satisfacao
(Y) do paciente com a idade do paciente (X1 ), severidade da doenca (X2 ) e nvel de ansiedade
(X3 ). Os valores das variaveis Y, X2 e X3 sao ndices e valores altos indicam, respectivamente,
mais satisfacao, aumento na severidade da doenca e mais ansiedade. Para isso, foram obtidas
observacoes de 23 pacientes, aleatoriamente selecionados, e foi considerado, inicialmente, o
ajuste do modelo de regressao linear m
ultipla completo. As observacoes coletadas estao na
pasta HOSPITAL do arquivo Lista 7 DADOS.
(a) (1,0 ponto). Escreva a equacao do modelo de regressao linear m
ultipla, com as suposicoes.
Resposta:
Modelo de regress
ao linear m
ultipla:
yi = 0 + 1 x1 + 2 x2 + 3 x3 + i ; i = 1, . . . , 23.
Suposi
c
ao: i N (0, 2 ), independentes.
(b) (2,5 ponto). Encontre o modelo ajustado e teste a significancia da regressao a 10%. Escreva
as hipoteses estatsticas e conclua com base no nvel descritivo.
Resposta:
Ajustando o modelo completo:
Call:
lm(formula = Y ~ ANSIEDADE.X3 + IDADE.X1 + SEVERIDADE.X2, data = hosp)
Residuals:
Min
1Q
-16.954 -7.154
Median
1.550
3Q
6.599
Max
14.888
Coefficients:
Pagina 11 de 24

II semestre de 2015
(Intercept)
162.8759
25.7757
ANSIEDADE.X3
-8.6130
12.2413
IDADE.X1
-1.2103
0.3015
SEVERIDADE.X2 -0.6659
0.8210
--Signif. codes: 0 *** 0.001 **
6.319 4.59e-06 ***

-0.704 0.49021
-4.015 0.00074 ***
-0.811 0.42736
0.01 * 0.05 . 0.1 1

(1 observation deleted due to missingness)
F-statistic: 13.01 on 3 and 19 DF, p-value: 7.482e-05
Hip
otese: H0 : 1 = 2 = 3 = 0, valor-p= 7, 482 105 .
O valor-p para a ANSIEDADE.X3 e o maior (0,4902), logo H0 : 1 = 0 nao e rejeitada,
entao a variavel ANSIEDADE.X3 sera retirada do modelo.
Ajustando o modelo sem a variavel ANSIEDADE.X3:

Call:
lm(formula = Y ~ IDADE.X1 + SEVERIDADE.X2, data = hospital)
Residuals:
Min
1Q
-17.180 -8.758
Median
2.074
3Q
5.916
Max
16.036
Coefficients:
(Intercept)
166.5913
24.9084
6.688 1.65e-06 ***
IDADE.X1
-1.2605
0.2892 -4.359 0.000304 ***
SEVERIDADE.X2 -1.0893
0.5514 -1.976 0.062163 .
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Pagina 12 de 24

II semestre de 2015
(1 observation deleted due to missingness)

F-statistic: 19.77 on 2 and 20 DF, p-value: 1.827e-05
Hip
otese: H0 : 2 = 3 = 0.
Aqui todos os valores-p sao menores do que 0,10, logo, ao nvel de significancia de 10%,
rejetamos H0 . As variaveis IDADE (X1 ) e SEVERIDADE (X2 ) sao significativas a 10%.
(c) (1,0 ponto). Obtenha o modelo ajustado final em que todas as variaveis presentes sejam
significantes a 10%. Qual e o coeficiente de explicacao ajustado para esse modelo?
Resposta:
Do item (c) temos que as variaveis IDADE (X1 ) e SEVERIDADE (X2 ) foram significativas
a 10%. Logo, o modelo final fica dado por:
yi = 166.5913 1.2605x1 1.0893x2 .
2 = 0.6305.
O coeficiente de explicacao ajustado para esse modelo foi: R
(d) (1,5 pontos). Para o modelo obtido em (c), interprete os coeficientes estimados.
Resposta:
Interpreta
c
ao 0 : nao tem interpretacao.
Interpreta
c
ao 1 : decrescimo medio na satisfacao do paciente, quando aumenta-se 1 ano
na idade, mantendo-se a severidade da doenca (X2 ) constante.
Interpreta
c
ao 2 : decrescimo medio na satisfacao do paciente, quando aumenta-se 1 grau
na severidade da doenca, mantendo-se a idade (X1 ) constante.
Exerccio 5.
(5,0 pontos). Um experimento foi conduzido para estudar o efeito de varias quantidades de um
ingrediente chamado de cinzas volantes (X) sobre a resistencia do concreto (Y). Foi coletada
uma amostra com 18 especimes de concreto com 28 dias de aplicacao, cuja porcentagem de
cinzas volantes no concreto varia de 0 a 60%. Os dados obtidos estao pasta CINZAS do
arquivo Lista 7 DADOS.
Pagina 13 de 24

II semestre de 2015
(a) (1,5 pontos). Ajuste um modelo de regressao linear simples. Interprete os resultados da
ANOVA obtida.
Resposta:
Ajuste do modelo:
Call:
lm(formula = Resistencia.Y ~ X.Cinzas.Volantes.X, data = Cinzas)
Residuals:
Min
1Q
-835.02 -230.35
Median
81.65
3Q
294.60
Max
590.12
Coefficients:
(Intercept)
4954.595
191.636
25.85 1.77e-14 ***
X.Cinzas.Volantes.X
8.807
4.948
1.78
0.0941 .
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 414 on 16 degrees of freedom
Modelo ajustado: y = 4954.595 + 8.807x. Como p valor = 0, 0941 > 0, 05 = , ao
nvel de significancia de 5% nao rejetamos H0 , ou seja, o coeficiente da variavel X (Cinzas
Volantes) e zero (1 = 0).
(b) (1,0 ponto). Faca a analise de resduos do modelo em (a). O modelo ajustado parece
adequado? Justifique.
Resposta:
Pagina 14 de 24

II semestre de 2015
Conclus
oes: O grafico sugere que existe uma relacao entre os valores ajustados e o resduo
padronizado, indicando que o modelo linear nao e adequado.
(c) (1,5 pontos). Ajuste um modelo de regressao polinomial de grau 2, ou seja,

Y = 0 + 1 X + 2 X 2 + e.
Interprete os resultados da ANOVA obtida.
Resposta:
Ajuste:
Call:
lm(formula = Resistencia.Y ~ X2 + X.Cinzas.Volantes.X, data = cinzas)
Residuals:
Min
1Q Median
-443.3 -182.3
64.9
3Q
160.1
Max
387.1
Coefficients:
(Intercept)
4536.4603
143.0929 31.703 3.68e-15 ***
X2
-0.8363
0.1610 -5.194 0.000109 ***
X.Cinzas.Volantes.X
58.9833
10.1310
5.822 3.36e-05 ***
Pagina 15 de 24

II semestre de 2015
--Signif. codes:
0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Para testar H0 : 1 = 2 = 0, temos F = 17.65 com valor-p= 0.0001146. Alem disso,
H0 : 1 = 0 H1 : 1 6= 0, tem valor-p= 0, 000109 rejeito H0 e
H0 : 2 = 0 H1 : 2 6= 0, tem valor-p= 3, 36 105 rejeito H0 .
Logo,
Modelo ajustado: y = 4536.4603 + 58.9833x 0.8363x2 .
(d) (1,0 ponto). Faca a analise de resduos do modelo em (c). O modelo ajustado parece adequado? Justifique.
Resposta:
Coment
ario: os resduos parecem estar distribudos de forma aleatoria , sustentando as
suposicoes de independencia dos erros e variancia constante. O modelo parece estar adequado.
Pagina 16 de 24

II semestre de 2015
Exerccio 6.
(8,0 pontos). Os dados da pasta ESTUDANTES do arquivo Lista 7 DADOS, referem-se a
uma amostra de 393 estudantes, em que foram observadas as variaveis: genero (masculino ou
feminino), ano que cursa (9o ano do ensino fundamental ou 3o do ensino medio) e pratica de
esportes (nao ou sim) de cada aluno.
(a) (0,5 pontos). Construa uma tabela de frequencias relacionando as variaveis genero e pratica
de esporte.
Resposta:
1-masculino
1-pratica esporte
2-feminino
0-nao pratica esporte
Frequency table:
esportes
genero
0
1
1 172 23
2 118 80
(b) (1,0 ponto). Qual e a estimativa da proporcao de estudantes que praticam esportes? E
qual e essa proporcao entre os estudantes do genero masculino?
Resposta:
0, 26 (26%).
proporcao de estudantes que praticam esportes: 23+80
393 =
23
proporcao de estudantes que praticam entre os do genero masculino: 195
= 0, 12 (12%).
(c) (1,0 ponto). Se a pratica de esportes independe do genero, qual seria o n

umero esperado
de estudantes do genero masculino e que praticam esportes? E para os que nao praticam?
Resposta:
O n
umero esperado de estudantes do genero masculino que,
praticam esportes e:
195103
393
nao praticam esporte e:
= 51, 1;
195290
393
= 143, 89.
Pagina 17 de 24

II semestre de 2015
(d) (1,5 pontos). Por meio de um teste estatstico, voce diria que a pratica de esportes e independente do genero? Escreva as hipoteses adequadas e conclua usando o nvel descritivo,
para um nvel de significancia de 5%.
Resposta:
Hip
oteses:
H0 : Pratica de esporte e genero sao variaveis independentes.
H1 : Pratica de esporte e genero nao sao variaveis independentes.
Teste de Independ
encia:
data: .Table
X-squared = 41.5784, df = 1, p-value = 1.132e-10
> .Test$expected # Expected Counts
1
2
1 143.8931 51.10687
2 146.1069 51.89313
> round(.Test$residuals^2, 2) # Chi-square Components
1
2
1 5.49 15.46
2 5.41 15.22
O nvel descritivo (Valor P): P = 1.132e 10 < 0, 05 = . Assim, temos evidencias para
rejeitar a independencia entre as variaveis genero e pratica de esporte ao nvel de 5% de
significancia, isto e, a pratica de esporte depende do sexo do estudante.
(e) (4,0 pontos). Repita os itens anteriores, trocando a variavel genero por ano que cursa. Nos
itens (b) e (c) troque genero masculino por 9o ano do ensino fundamental.
Resposta:
EF-ensino fundamental
EM-ensino Medio
1-pratica esporte
0-nao pratica esporte
Frequency table:
Pagina 18 de 24

II semestre de 2015
esportes
Ano
0
1
EF 185 58
EM 105 45
A estimativa da proporcao de
estudantes que praticam esportes e:
58+45
393
= 0, 26 (26%).
estudantes que praticam esportes entre os que cursam o 9o ano do ensino fundamental
58
e: 243
= 0, 24 (24%).
Se a pratica de esporte independe do ano que o aluno cursa, o n
umero esperado de estudantes que cursam o 9o ano do ensino fundamental que,
praticam esportes e:
(185+58)(58+45)
393
nao praticam esporte e:
243103
393
(185+58)(185+105)
393
= 63, 69;
243290
393
= 179, 3.
Teste de Independ
encia:
Pearsons Chi-squared test
data: .Table
X-squared = 1.8031, df = 1, p-value = 0.1793
> .Test$expected # Expected Counts

1
2
1 179.313 63.68702
2 110.687 39.31298
O nvel descritivo (Valor P): P = 0, 1793 > 0, 05 = . Dessa forma, nao rejeitamos a
hipotese de independencia entre as variaveis ano cursado e pr
atica de esporte ao nvel
de 5% de significancia, isto e, a pratica de esporte independe do ano cursado.
Exerccio 7.
(5,0 pontos). O tempo residual do efeito de um agrotoxico esta sendo analisado. Estudos anteriores, com produtos similares, indicam que o modelo exponencial em que a probabilidade do
Pagina 19 de 24

II semestre de 2015
tempo residual nos intervalos [0, 1), [1, 2), [2, 3), [3, 4), [4, 5), [5, 6) e [6, ) sao, respectivamente,
0,283; 0,203; 0,146; 0,104; 0,075; 0,054 e 0,135 e adequado. Para verificar se esse modelo
tambem e indicado para o agrotoxico em estudo, foi feita uma analise em laboratorio de uma
amostra de 300 aplicacoes do agrotoxico, obtendo os seguintes resultados:
(a) (1,5 pontos). Se o modelo exponencial for adequado, quantas amostras sao esperadas com
tempo residual no intervalo [3, 4). E no intervalo [0, 1)? E quantas foram observadas em
cada caso?
Resposta:
Se o modelo exponencial for adequado, sao esperadas
E4 = n p4 = 300 0, 104 = 31, 4
com tempo residual no intervalo [3, 4). No intervalo [0, 1) sao esperados:
E1 = n p1 = 300 0, 283 = 84, 9.
Para cada caso, as amostras observadas foram O4 = 40 e O1 = 89, respectivamente.
(b) (1,0 ponto). Formule as hipoteses estatsticas H0 e H1 de um teste de hipoteses apropriado

ao problema.
Resposta:
Hip
oteses:
H0 : o modelo exponencial e adequado.
H1 : o modelo exponencial nao e adequado.
ou equivalentemente,
Pagina 20 de 24

II semestre de 2015
H0 : p1 = 0, 283; p2 = 0, 203; p3 = 0, 146; p4 = 0, 104; p5 = 0, 075; p6 = 0, 054; p7 = 0, 135

H1 : existe pelo menos uma diferenca.
(c) (1,5 pontos). Para o teste das hipoteses formuladas acima, obtenha o valor observado da
estatstica 2 (especifique o numero de graus de liberdade) e o correspondente nvel descritivo (valor P).
Resposta:
P
2
i)
A estatstica do teste de aderencia e dada por: 2 = ki=1 (Oi E
em que 2 2q com
Ei
q = k 1 graus de liberdade.
C
alculo da estatstica do teste (k = 7):
(89 84, 9)2 (60 60, 9)2 (43 43, 8)2 (40 31, 2)2
+
+
+
84, 9
60, 9
43, 8
31, 2
2
2
2
(22 16, 2)
(21 40, 5)
(25 22, 5)
+
+
+
22, 5
16, 2
40, 5
= 14, 452.
2obs =
Usando a distribuicao de qui-quadrado com q = 7 1 = 6 graus de liberdade, o nvel

descritivo e calculado por P = P (26 14, 452)
= 0, 025.
(d) (1,0 ponto). Com base no valor encontrado para o nvel descritivo, qual e a conclusao sobre
suas hipoteses, considerando nvel de significancia de 5%?
Resposta:
Para = 0, 05, como P = 0, 025 < 0, 05 ha evidencias para rejeitarmos a hipotese H0 , isto
e, ao nvel de significancia de 5%, conclumos que o modelo exponencial nao e adequado.
Exerccio 8.
(6,0 pontos). Um levantamento foi conduzido com o intuito de verificar se existe um componente
genetico que influi no alcoolismo. Uma amostra de 500 pessoas adultas de certa populacao foi
sorteada e foram observadas duas variaveis para cada pessoa: dependencia de alcool (sim/nao) e
n
umero de progenitores com dependencia (0, 1 ou 2). Entre os 150 portadores de dependencia,
43 nao tinham qualquer progenitor dependente e 42 tinham 1 progenitor dependente. Das
Pagina 21 de 24

II semestre de 2015
500 pessoas entrevistadas, 149 tinham 1 progenitor dependente e 108 tinham 2 progenitores
dependentes.
(a) (1,0 ponto). Coloque as informacoes em uma tabela de contingencia.
Resposta:
Considere as variaveis,
D.A: dependencia de alcool.
P.D: n
umero de progenitores com dependencia de alcool.
H
HH
H
P.D
TOTAL
sim
nao
43
200
42
107
65
43
150
350
TOTAL
243
149
108
500
D.A
HH
H
H
(b) (1,0 ponto). De uma estimativa para a proporcao de pessoas que tem dependencia do
alcool e nenhum progenitor dependente, e para a proporcao de pessoas com 1 progenitor
dependente dentre as que nao sao dependentes do alcool.
Resposta:
43
proporcao de pessoas com dependencia e nenhum progenitor dependente: 500
= 0, 086
0, 31

proporcao de pessoas sem dependencia e um progenitor dependente: 107
350 =
(c) (1,0 ponto). Se as variaveis nao estao associadas, quantas pessoas dependentes do alcool
e com 1 progenitor dependente esperaramos observar? E quantas nao dependentes com 2
progenitores dependentes? Quantas foram observadas em cada caso?
Resposta:
Os valores esperados sao:

E12 =
E23 =
150149
500
108350
500
= 44, 7 pessoas dependentes com 1 progenitor dependente.

= 75, 6 pessoas nao dependentes com 2 progenitores dependentes.
Os valores observados sao:
Pagina 22 de 24

II semestre de 2015
O12 = 42 pessoas dependentes com 1 progenitor dependente.

O23 = 43 pessoas nao dependentes com 2 progenitores dependentes.
(d) (3,0 pontos). Por meio de um teste de hipoteses adequado, voce diria que existe um componente genetico que influi no alcoolismo, a um nvel de significancia de 3%? Especifique
as hipoteses estatsticas H0 e H1 apropriadas, o n
umero de graus de liberdade associado `a
estatstica do teste e conclua com base no nvel descritivo.
Resposta:
Hip
oteses:
H0 : As variaveis D.A e P.D sao independentes.
H1 : Existe dependencia entre as variaveis.
Tabela 4: Tabela de valores observados e esperados (entre parenteses)

HH
HH P.D
D.A HHH
H
TOTAL
sim
nao
43 (72,9)
200 (170,1)
42 (44,7)
107 (104,3)
65 (32,4)
43 (75,6)
150
350
TOTAL
243
149
108
500
C
alculo da estatstica qui-quadrado:
(43 72, 9)2 (42 44, 7)2 (65 32, 4)2 (200 170, 1)2
+
+
+
72, 9
44, 7
32, 4
170, 1
2
2
(107 104, 3)
(43 75, 6)
+
+
104, 3
75, 6
= 12, 26 + 0, 16 + 32, 8 + 5, 26 + 0, 07 + 14, 06
2obs =
= 64, 61.
Determina
c
ao do n
umero de graus de liberdade:
Categorias de D.A: s = 2
Categorias de P.D: r = 3
Pagina 23 de 24

II semestre de 2015
q = (r 1) (s 1) = 2 1 = 2.
O nvel descritivo (Valor P): P = P (22 64, 61) = 9.335052e 15 < 0, 0001.
Supondo = 0, 03, temos P < . Assim, temos evidencia para rejeitar a independencia
entre as variaveis D.A e P.D ao nvel de significancia de 3%, ou seja, parece existir um
componente genetico que influi no alcoolismo.
Pagina 24 de 24

Gabarito Lista7 2015 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Gabarito Lista7 2015 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

MAE0261 Introducao a` Analise de Dados

MAE0261 Introducao a` Analise de Dados

9695 10 (27, 3)2

MAE0261 Introducao a` Analise de Dados

(d) (4,5 pontos). Obtenha a ANOVA e analise o resultado.

= 9695 10 (27, 3)2 = 2242, 1.

SQReg = SQT SQRes = 2242, 1 69, 12 = 2172, 98.

MAE0261 Introducao a` Analise de Dados

Tabela 1: Tabela da ANOVA

Se H0 e verdadeira F F(1,8) . Para = 5%, RC = {F fc } = {F 5, 32} . Como

(e) (0,5 pontos). Obtenha uma estimativa pontual para o n

MAE0261 Introducao a` Analise de Dados

MAE0261 Introducao a` Analise de Dados

(b) (2,0 ponto). Encontre as retas ajustadas y = a + bx e y = c + dz.

MAE0261 Introducao a` Analise de Dados

Residual standard error: 13.4 on 29 degrees of freedom

MAE0261 Introducao a` Analise de Dados

= (36, 9435 + 5, 0659 18) 2, 05 4, 25

= (47, 195; 61, 2904)

MAE0261 Introducao a` Analise de Dados

(a) (0,5 ponto). Construa a variavel auxiliar d = x x.

MAE0261 Introducao a` Analise de Dados

0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Residual standard error: 1.545 on 8 degrees of freedom

(c) (0,5 pontos). Qual e a interpretacao para

Residual standard error: 1.545 on 8 degrees of freedom

MAE0261 Introducao a` Analise de Dados

MAE0261 Introducao a` Analise de Dados

6.319 4.59e-06 ***

Residual standard error: 10.29 on 19 degrees of freedom

Ajustando o modelo sem a variavel ANSIEDADE.X3:

MAE0261 Introducao a` Analise de Dados

(1 observation deleted due to missingness)

MAE0261 Introducao a` Analise de Dados

MAE0261 Introducao a` Analise de Dados

(c) (1,5 pontos). Ajuste um modelo de regressao polinomial de grau 2, ou seja,

MAE0261 Introducao a` Analise de Dados

0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Residual standard error: 255.6 on 15 degrees of freedom

MAE0261 Introducao a` Analise de Dados

(c) (1,0 ponto). Se a pratica de esportes independe do genero, qual seria o n

nao praticam esporte e:

MAE0261 Introducao a` Analise de Dados

MAE0261 Introducao a` Analise de Dados

nao praticam esporte e:

> .Test$expected # Expected Counts

MAE0261 Introducao a` Analise de Dados

(b) (1,0 ponto). Formule as hipoteses estatsticas H0 e H1 de um teste de hipoteses apropriado

MAE0261 Introducao a` Analise de Dados

H0 : p1 = 0, 283; p2 = 0, 203; p3 = 0, 146; p4 = 0, 104; p5 = 0, 075; p6 = 0, 054; p7 = 0, 135

Usando a distribuicao de qui-quadrado com q = 7 1 = 6 graus de liberdade, o nvel

MAE0261 Introducao a` Analise de Dados

Os valores esperados sao:

= 44, 7 pessoas dependentes com 1 progenitor dependente.

Os valores observados sao:

MAE0261 Introducao a` Analise de Dados

O12 = 42 pessoas dependentes com 1 progenitor dependente.

Tabela 4: Tabela de valores observados e esperados (entre parenteses)

MAE0261 Introducao a` Analise de Dados

Você também pode gostar

0 * 0.001 0.01 * 0.05 . 0.1 1

0 * 0.001 0.01 * 0.05 . 0.1 1