Escolar Documentos
Profissional Documentos
Cultura Documentos
SUMRIO PGINA
Associao entre variveis 2
Associao entre variveis qualitativas 4
Associao entre variveis quantitativas 10
Associao entre variveis qualitativas e quantitativas 15
Introduo ao mtodo de regresso 17
Estimao com base em amostra e Mtodo dos Mnimos 21
Quadrados Ordinrios (MQO)
Tabela ANOVA 28
Teste de hipteses sobre os coeficientes 35
Eficincia do estimador de Mnimos Quadrados Ordinrios (MQO) 38
Lista de Exerccios resolvidos 56
Gabarito 64
Bem vindos nossa ltima aula terica! Nesta aula, temos alguns assuntos
importantes para discutir:
1) Correlao.
2) Regresso Linear.
Dica de um concurseiro
Por exemplo, um pesquisador pode estar interessado em saber como a renda dos
indivduos de uma determinada regio est correlacionada com seus gastos em
consumo. O que deve ser feito avaliar como a varivel renda de um determinado
indivduo se relaciona com a varivel gastos em consumo do mesmo.
Renda Consumo
Indivduo (R$) (R$)
1 1000 700
2 1500 800
3 2000 1000
4 2300 1100
5 2700 1200
6 5500 2300
7 6000 2500
8 7300 3000
Olhe o que este grfico est te mostrando! Conforme a renda cresce, o valor gasto
em consumo tambm cresce, mas a taxas decrescentes. Veja que, para o primeiro
indivduo o consumo 70% de toda sua renda, enquanto que, para o 8 indivduo, o
consumo 41%.
Viu que concluso interessante voc tirou a partir da anlise desta amostra fictcia?
A lista de possibilidades infinita! Vocs tero que fazer isso vrias vezes na
Receita, pois a anlise de muitos projetos necessita este conhecimento estatstico.
Para que vocs entendam direitinho, vamos analisar alguns exemplos do livro
Estatstica Bsica dos professores Bussab e Morettin.
Olhe, cada entrada da tabela representa quantas vezes ocorre cada realizao
conjunta. No entendeu? Veja o primeiro quadradinho da tabela, que tem o valor
de 85:
O que ele est te dizendo que h 85 homens que cursam economia, ou seja, ele
d a realizao simultnea de ( )e( ).
Em vez de trabalharmos com frequncias absolutas, como o caso, fica mais fcil
visualizar interaes utilizando frequncias relativas!
A,depende do que voc quer avaliar. No nosso caso, vamos fixar o total dos sexos
como 100% e, com base nisso, encontrar quanto cada curso representa de
matriculas por sexo. Veja como ficaria:
Viu o que eu fiz? Eu dividi cada clula pelo total dado pela coluna e multipliquei por
100. Por exemplo, na clula (1,1), realizamos a diviso de 85 por 140, o que d,
aproximadamente, 0,61.
No fundo, o que fizemos foi comparar a proporo marginal de cada curso com
relao s suas respectivas propores associada a cada sexo. Assim, caso as
variveis no tivessem nenhuma associao, esperar-se-ia que:
Se compararmos o valor real de cada clula com seu valor esperado, teremos a
seguinte distribuio:
Este um valor significantemente maior do que zero, portanto, pode-se inferir que
as variveis esto associadas. Quanto maior este valor, menor a associao
entre as variveis.
Sendo que esta expresso est te dizendo para somar, para todas as clulas ( ), o
quadrado das diferenas entre o valor real ( ) e o valor esperado em cada clula
( ), caso as variveis no fossem associadas, divido pelo seu respectivo valor
esperado.
T bom professor, mas devo comparar este valor com a tabela qui-
quadrado?
Olha, no precisamos entrar nisso. Esta parte fica um pouco mais complicadinha e
nunca cai em concursos que no sejam especficos para estatsticos. Assim, s
saiba calcular a estatstica de teste e o coeficiente de Pearson que j basta.
Essa uma pergunta sem uma nica resposta! Isso muda de autor para autor. Mas,
importante que vocs conheam uma regrinha de bolso para determinao do
valor ideal de uma amostra com base no erro amostral tolervel ( ).
Isso , para um erro amostral da ordem de 4%, devemos ter uma amostra de, no
mnimo:
No caso de uma anlise entre variveis quantitativas o nosso arsenal para anlise
muito maior! Ns podemos tanto utilizar o que estudamos na seo anterior,
quanto outras possibilidades grficas, como o diagrama de disperso.
Consumo x Renda
3500
3000
2500
Consumo
2000
1500
1000
500
0
0 2000 4000 6000 8000
Renda
Entendeu? Se voc traar uma reta que mais ou menos que une os pontos, voc
encontra uma reta inclinada para cima, ou como chamam os matemticos,
positivamente inclinada. O que isso quer dizer : quanto maior a renda, maior
ser o consumo associado, isso , trata-se de variveis positivamente
correlacionadas.
Quer um exemplo? Suponha que seja feita uma pesquisa que relacione o PIB de 6
economias com a taxa de incidncia de leptospirose nas mesmas. de se esperar
que economias mais ricas tendam a ter melhores condies de saneamento, o que
reduz a taxa de incidncia desta doena. Em termos grficos, seria algo mais ou
menos assim:
Com efeito, os pontos indicam que, quanto maior o PIB, menor a taxa de incidncia
da doena. O traado de uma reta que explicita esta dinmica mostra uma reta
inclinada para baixo, ou negativamente inclinada. Este um caso de variveis
negativamente associadas.
Os dois casos mostram exemplos de correlao linear, ou seja, que podem ser
representados por uma linha reta. Podem existir casos de associao no linear,
entretanto no vamos entrar neste detalhe. Apenas entenda o que uma
associao entre variveis, que pode ser positiva (quando uma aumenta a
outra tambm aumenta, ou quando uma se reduz a outra tambm reduz) ou
negativa (quando uma aumenta a outra reduz ou quando uma reduz a outra
aumenta). No frigir dos ovos: uma relao positiva significa que a direo
em que uma varivel se movimenta a mesma da outra varivel, por outro
lado, uma relao negativa implica que as variveis se movimentaro em
sentidos opostos.
Neste caso, no h uma tendncia clara entre as duas variveis! Este um exemplo
de variveis no associadas.
Entendeu? Antes de passarmos para o prximo tpico, vocs precisam saber uma
coisa importante demais sobre a covarincia!
Este um caso que no muito cobrado em concurso, assim vamos tentar ser mais
rpidos aqui.
Vamos nos basear em outro exemplo dos professores Bussab e Morettin. Suponha
que seja feita uma pesquisa de forma a avaliar o comportamento dos salrios
(varivel quantitativa) dentro de cada categoria de grau de instruo (varivel
qualitativa). Os resultados encontrados foram:
Pode-se inferir que, quanto maior o nvel educacional, na mdia, maior ser o
salrio do indivduo. Uma forma de confirmar a veracidade dessa afirmao
percebendo que a varincia amostral para todos os dados maior do que a
varincia para cada subclasse.
Neste caso, a subdiviso dos dados em uma classe de nvel superior no estaria
ajudando na anlise, pois a variabilidade seria menor se analisssemos os dados
dos salrios como um todo.
Isso quer dizer que 41,5% da variabilidade dos salrios explicada pela
varivel grau de instruo.
y = f(x).
Uma das formas de se expressar tal funo a partir de uma relao linear, tal
como:
y = 2 + 3x.
y= + x. (1)
- Professor, timo, mas por que voc est falando tudo isso?
Porm, perceba que muito raro que uma varivel do mundo real, ainda mais
quando ligada economia ou a fenmenos sociais, consiga ser representada por
uma reta. Vamos supor que estamos tratando do exemplo (a) acima descrito para o
ano de 2012 e que possumos dados de todas as vendas de todas as empresas de
um determinado setor e de todos os gastos de propaganda efetuados por estas
empresas.1 Colocando tal relao em um grfico:
1
Gente, s para chamar a ateno, por enquanto estamos trabalhando com dados coletados em um
nico perodo de tempo, no caso uma nica observao por empresa no ano de 2012 (pode ser a soma
de todo o ano, ou de um determinado ms, etc.) Este tipo de disposio de dados chamado de dados em
cortes transversais ou cross section.
E a pessoal, o que vocs esto vendo? Veja que a reta explica bem o
comportamento da varivel, se aproximando dos valores reais, mas ainda assim no
explica tudo. Olhe o 3 ponto, nele o valor das vendas aumentou, na mdia, muito
mais do que o esperado para um determinado investimento em propaganda. Isso
pode ser decorrncia de muitos fatores do mundo real, como o fato de que a
empresa talvez fosse muito desconhecida at ento, portanto, um pequeno
investimento em propaganda teve resultados muito grandes quando comparado a
empresas que j so relativamente conhecidas. Este tipo de raciocnio pode ser
aplicado para os pontos abaixo da reta tambm, que apresentam, na mdia,
retornos abaixo do esperado para um determinado gasto em propaganda.
Assim, se uma verso linear e simples da equao de reta for a mais bem ajustada
srie de dados, pode-se inferir que a equao que representa a real dinmica do
fenmeno em estudo, no caso, as vendas da empresa dada por:
Sendo o termo que representa o erro, ou seja, os desvios das observaes com
relao reta (pensem comigo, o erro a distncia da reta at cada um daqueles
pontos no grfico acima). O subscrito i se refere cada uma das empresas
Vocs concordam comigo que no d para levar em conta todas as variveis que
afetam o comportamento das vendas de todas as empresas? Pode ser que um
gerente comercial muito bom de servio tenha pedido demisso da empresa (4), o
que puxaria suas vendas para baixo, apesar do investimento em propaganda, etc.
Assim, o erro leva em conta estes efeitos impossveis de se mensurar, mas que
afetam a dinmica de y.
Bom, apesar do fato de que este erro algo que ns temos que aprender a viver
com ele, o mesmo possui uma caracterstica interessante que ns temos que levar
em conta:
Isto , a mdia dos erros igual a zero. Ou seja, os desvios para cima da reta
igualam o valor dos desvios para baixo da reta na mdia.
Ou seja, estes erros so supostamente aleatrios, ento a teoria nos permite inferir
que, se o modelo estiver corretamente especificado, o erro ser, na mdia, igual
zero.
E a rapaziada, que cara de sono esta? Vamos acordando, pois um futuro auditor
da Receita no pode dormir em servio! Voc ser bem remunerado e com status,
mas com muita responsabilidade.
Vamos ver se vocs esto realmente atentos: lembram-se quando eu disse que a
regresso tinha a ver com todas as empresas, todas as receitas de vendas e todos
os gastos em propaganda?
timo! Tente imaginar um momento: a estimativa dos parmetros deve ser feita de
forma a garantir o que?
isso! De forma a minimizar os erros. Isso feito pelo mtodo dos Mnimos
Quadrados Ordinrios (MQO) que nos d um valor estimado para e , que,
chamaremos, a partir daqui, de e .
Com base no fato de que a mdia dos erros igual a zero, no h como se
minimizar a soma dos erros, dado que o valor sempre ser zero. Assim, o objetivo
do mtodo minimizar a soma dos quadrados dos erros, o que feito pelo
Exerccio 1
S para vocs ficarem contentes em ver uma aplicao prtica, vamos fazer
um exemplo. Vamos l! Dada a seguinte srie de dados, estime a regresso
linear Y = f(X), ou costumeiramente chamada de Y contra X.
Variveis X Y
103 160
123 167
145 207
126 173
189 256
211 290
178 237
155 209
141 193
156 219
166 235
179 234
197 273
204 272
125 181
112 166
107 161
135 195
144 201
188 255
Soma 3084 4284
Mdia 154,2 214,2
Resoluo
X Y
Variveis X Y X(centrado)*Y(centrado) (X centrado) (Y centrado)
centrado centrado
103 160 -51,2 -54,2 2775,04 2621,44 2937,64
123 167 -31,2 -47,2 1472,64 973,44 2227,84
145 207 -9,2 -7,2 66,24 84,64 51,84
126 173 -28,2 -41,2 1161,84 795,24 1697,44
189 256 34,8 41,8 1454,64 1211,04 1747,24
211 290 56,8 75,8 4305,44 3226,24 5745,64
178 237 23,8 22,8 542,64 566,44 519,84
155 209 0,8 -5,2 -4,16 0,64 27,04
141 193 -13,2 -21,2 279,84 174,24 449,44
156 219 1,8 4,8 8,64 3,24 23,04
166 235 11,8 20,8 245,44 139,24 432,64
179 234 24,8 19,8 491,04 615,04 392,04
197 273 42,8 58,8 2516,64 1831,84 3457,44
204 272 49,8 57,8 2878,44 2480,04 3340,84
125 181 -29,2 -33,2 969,44 852,64 1102,24
112 166 -42,2 -48,2 2034,04 1780,84 2323,24
107 161 -47,2 -53,2 2511,04 2227,84 2830,24
135 195 -19,2 -19,2 368,64 368,64 368,64
144 201 -10,2 -13,2 134,64 104,04 174,24
188 255 33,8 40,8 1379,04 1142,44 1664,64
Soma 3084 4284 21199,2 31513,2
Mdia 154,2 214,2 1059,96 1575,66
resoluo.
Voltando aula!
(2)
Meus amigos, vocs conseguem enxergar que este resduo tem mais um problema
alm dos j citados para os erros? Lembra do gerente comercial eficiente que pediu
demisso? Ento, este um desvio natural de se interpretar um comportamento
econmico, derivado de influncias de infinitas variveis, a partir de uma reta.
Agora, h outro fator em cena, h um erro decorrente de se inferir uma estimativa
da reta (1) a partir de (2). Ou seja, o fato de ns s termos uma amostra leva a
desvios com relao estimativa dos parmetros. Dado que, com base na nossa
regresso estimada, o valor esperado de y ( ) :
Bom pessoal, ns j temos uma estimativa de uma regresso, agora vocs podem
estar se perguntando: Ser que isso est bom? Ser que esta reta representa bem
a situao ocorrida no mundo real? Ns vamos estudar isso a seguir.
Exerccio 2
Utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, tem-
se que, caso haja um gasto anual com propaganda de 80 mil reais, a previso
do lucro bruto anual, em mil reais, ser de:
a) 158
b) 128,4
c) 121
d) 102,5
e) 84
Resoluo
7. Tabela ANOVA
Agora vamos falar sobre o grau de ajustamento de uma regresso. Isso , quanto
uma reta explica dos dados?
Bom, fcil pensar que h uma parcela da variao explicada pela regresso, ou
seja, aqueles parmetros que ns estimamos devem explicar parte da variao real
nas observaes da amostra, excluda a parte explicada pelos resduos.
Ok. Acho que esta parte que fica mais intuitiva com a matemtica. E a, qual a
expresso que vocs acham que representa a parcela explicada por uma regresso
realizada com base em uma amostra? Claro que :
Dado que constante, ela no compe a parte da varincia explicada. Assim, com
o intuito de se definir uma expresso para a varincia explicada pode-se descart-
la:
Portanto, trata-se da parte estimada da reta que d o valor previsto de y para cada
x, que costumeiramente descrita como a varivel dependente com um acento
circunflexo em cima.
E a parte no explicada?
Mas, sabendo-se que os resduos tm soma igual zero, o estudo ser feito com
base na soma dos quadrados dos resduos e, por conseqncia, com base na
soma dos quadrados explicados e na soma dos quadrados totais.
Vamos, primeiro, pelo mais fcil. A soma dos quadrados totais (SQT) :
Esta , somente, uma das formas de se encontrar o R. Mas, ela j caiu vrias
vezes, ento, meus amigos, vou simplificar para vocs: decorem!
Quadrados
Soma dos Quadrados Graus de Liberdade Teste F
Mdios
SQE K
SQR Nk1
SQT N1
Novamente pessoal, vamos nos lembrar das aulas de Estatstica. Sendo SQR a
soma dos quadrados dos resduos e sua mdia igual a zero, se ns dividirmos tal
expresso pelos seus graus de liberdade, o que teramos?
Sob a hiptese nula de que estas duas varincias so iguais, a estatstica de teste
segue uma distribuio F com k graus de liberdade no numerador e N - k 1 graus
de liberdade no denominador.
O que voc est buscando? Bom, quando voc estima uma regresso, voc busca
encontrar uma relao estatisticamente significante que explique o fenmeno que
est em estudo. Assim, se voc concluir que no h como rejeitar a hiptese nula
de que a varincia explicada pela sua regresso igual varincia dos resduos, na
verdade, voc no encontrou nada! Isso deriva do fato de que, se isso aconteceu,
muito provvel que toda parcela que voc conseguiu explicar da varivel
dependente foi por acaso, o que deve ter acontecido somente em virtude da
variao dos erros e no de uma especificao correta de uma reta. Ou seja, toda
Todo mundo se lembra da distribuio normal das aulas de estatstica, certo? Trata-
se de uma distribuio de probabilidade, que associa determinado valor a
determinada probabilidade da seguinte forma:
J que y composto de uma parte fixa (reta) e de uma parte aleatria (erro), a
varincia da varivel explicada igual varincia do erro. Assim, a hiptese de
normalidade de y equivalente a se afirmar que o erro tem de ser normalmente
distribudo. Portanto, esta ser nossa segunda hiptese sobre o modelo de
regresso.
Exerccio 3.
Assim, chega-se ao gabarito (e). Sabe-se que a alternativa (c) est incorreta porque
o R surge da diviso da variao explicada pela total, enquanto que a alternativa
(d) advm da diviso dos quadrados mdios explicados e dos resduos e no
somente da variao.
Na ltima seo ns vimos como o teste F avalia a hiptese conjunta de que todos
os coeficientes tm valor igual a zero. Agora vamos avaliar a significncia estatstica
dos coeficientes, um por um. Com efeito, vamos avaliar a significncia estatstica de
b isoladamente, tal como na equao (2)
Ento meus amigos, agora que vocs entenderam o porqu do teste de hipteses,
alm do teste F, vamos entender como operacionaliz-lo.
Vamos para um exemplo prtico de nossa aula. Com base na nossa amostra e na
regresso estimada, ser que os gastos em propaganda realmente afetam as
vendas da empresa? Isso seria equivalente a estipular duas hipteses, uma
hiptese nula e outra alternativa de tal forma que:
Sendo s o valor estimado para o desvio padro do parmetro, que, por se tratar de
uma amostra, desconhecida.2
Caso o valor calculado seja inferior ao valor tabelado, isto significa que no
possvel rejeitar a hiptese nula de que o coeficiente da reta igual a zero,
2
Lembrem-se, o desvio padro igual raiz quadrada da varincia.
3
A consulta na tabela ir depender dos graus de liberdade dos quadrados mdios dos resduos e da
significncia estatstica que o pesquisador achar relevante, como 5%, por exemplo, o que se escreve como
t(N-k-1, 5%).
Caso o valor calculado supere o valor tabelado (rea cinza grfico), rejeita-se a
hiptese nula de que o coeficiente igual a zero. Ou seja, como aquele cantinho
improvvel no caso de a hiptese nula ser verdadeira e como a estatstica de teste
nos diz que o valor encontrado est l, a hiptese nula deve estar errada.
Entenderam?
Uma coisinha: tal como no caso do teste F, a avaliao destes coeficientes por
meio de testes de hipteses exige que os erros sejam normalmente distribudos.
Veja, tudo que ns discutimos na seo anterior tem a ver com o estimador MQO.
Uma caracterstica importante para um estimador a sua ausncia de vis. Quando
eu digo vis exatamente isso que vocs esto pensando. Ao afirmar que a
opinio de uma pessoa sobre determinado assunto enviesada, voc est
dizendo que ela est se distanciando dos fatos da realidade e puxando a sardinha
para uma determinada concluso.
Quem pensou assim um verdadeiro concurseiro, com meio caminho andado para
sua aprovao. Voc tem que ser objetivo e focar em resultados e no em
perfumarias. Se voc gostar muito de Estatstica e quiser aprender isso, passe no
concurso e v fazer um Mestrado ou Doutorado depois, agora, pense no concurso.
Mas, quem quiser dar uma olhada na demonstrao, d uma olhada no livro do meu
orientador de doutorado, Rodolfo Hoffmann, Anlise de Regresso: uma
introduo Econometria.
Novamente, vocs no tm que saber como derivar tal teorema (no livro do Prof.
Hoffmann voc tambm encontra tal demonstrao), ento vamos direto ao que
interessa. As pressuposies so as mesmas necessrias para garantir o no vis e
mais estas duas:
Se isso ocorrer, voc concorda que a varincia ser funo do valor da varivel
explicativa e, portanto, no constante? Se isso ocorrer, surgiro problemas na
anlise de regresso, conforme ser discutido mais adiante. Quando a varincia dos
erros no constante, chamamos a este problema de heterocedasticidade.
Vocs lembram de que eu disse que, por enquanto, estamos trabalhando com
dados em cortes transversais, ou seja, com observaes para diferentes unidades
no mesmo perodo de tempo (como no caso dos gastos com propaganda, que
avaliamos diferentes empresas em um nico ponto do tempo, um ano, por
exemplo)? Ento, a hiptese 5, na maior parte dos casos, s violada quando
estamos trabalhando com sries de tempo, ou seja, observaes para uma mesma
unidade em diferentes perodos do tempo (seria o equivalente a avaliar a questo
dos gastos com propaganda em uma nica empresa, mas ao longo do tempo).
Ento, se estas hipteses estiverem valendo, voc pode dizer que sua Regresso
Linear Simples BLUE.
Ufa! Falamos para burro ao longo deste curso, portanto chega de conversa e
vamos fazer exerccios.
Exerccio 4
(SUSEP 2010 Aturia) A partir de uma amostra aleatria [x(1), y(1)], [x(2),
y(2)]...[x(20), y(20)] foram obtidas as estatsticas:
Mdia de X = 12,5
Mdia de Y = 19
Varincia de X = 30
Varincia de Y = 54
Covarincia entre X e Y = 36
a) Y = 19 + 0,667*X
b) Y = 12,5 + 1,2*X
c) Y = 4 + 1,2 X
d) Y = 19 + 1,2 X
e) Y = 80 + 22,8X
Resoluo
Vamos l!
Assim:
Exerccio 5
a) 144
b) 18
c) 36
d) 72
e) 48
Resoluo
Bom, essa complicada. Agora vamos ter que para pensar um pouquinho. Vamos
nos relembrar de como calculada a estatstica F:
Se .
Exerccio 6
a)
b)
c)
d)
e)
Resoluo
Pessoal, o que faz o mtodo do MQO?
Isso mesmo! Ele minimiza a soma dos quadrados dos resduos. Portanto, fcil
perceber que a expresso que mostra isso, dada a notao usada na questo, :
O gabarito (a), mas est incorreto, pois deveria haver um sinal de + antes de .
Portanto, foi anulada.
Exerccio 7
Resoluo
Essa bem fcil. A alternativa (b) a definio de homocedasticidade.
Exerccio 8
Resoluo
Vamos aplicar a frmula do teste F:
Alternativa (c).
Exerccio 9
Resoluo
Exerccio 10
Resoluo
Exerccio 11
Resoluo
Perfeito. Esta uma das condies necessrias impostas pelo Teorema de Gauss-
Markov, que demonstra que o estimador MQO BLUE.
R= 0,39
Questo 12
Resoluo
Pessoal, substituam:
Questo 13
Resoluo
Questo 14
Resoluo
Exerccio 15
a)
b)
c)
d)
e)
Resoluo
Assim:
Alternativa (a)
Exerccio 16
Resoluo
Exerccio 17
Foi usada a tcnica de minimizar a soma dos erros quadrticos para ajustar a
reta de regresso, a qual
a) passa por ( ), onde e so as mdias de X e de Y.
b) passa pela origem (0, 0).
c) no a nica reta que minimiza a soma dos erros quadrticos.
d) tem varincia esperada nula.
e) tem coeficiente angular necessariamente negativo.
Resoluo
Exerccio 18
Resoluo
Portanto, quando a correlao for nula, a covarincia tambm o ser. Alternativa (a).
Exerccio 4
(SUSEP 2010 Aturia) A partir de uma amostra aleatria [x(1), y(1)], [x(2),
y(2)]...[x(20), y(20)] foram obtidas as estatsticas:
Mdia de X = 12,5
Mdia de Y = 19
Varincia de X = 30
Varincia de Y = 54
Covarincia entre X e Y = 36
a) Y = 19 + 0,667*X
b) Y = 12,5 + 1,2*X
c) Y = 4 + 1,2 X
d) Y = 19 + 1,2 X
e) Y = 80 + 22,8X
Exerccio 5
a) 144
b) 18
c) 36
d) 72
e) 48
Exerccio 6
a)
b)
c)
d)
e)
Exerccio 7
Exerccio 8
Exerccio 9
Exerccio 10
Exerccio 11
R= 0,39
Questo 12
Questo 13
Questo 14
Exerccio 15
a)
b)
c)
d)
e)
Exerccio 16
Exerccio 17
Foi usada a tcnica de minimizar a soma dos erros quadrticos para ajustar a
reta de regresso, a qual
Exerccio 18
2-d
3-e
4-c
5-d
6-anulada
7-b
8-c
9-Certo
10-Errado
11-Certo
12-Errado
13-Errado
14-Errado
15-a
16-b
17-b
18-a
jeronymo@estrategiaconcursos.com.br