Planilha1

1ª Questão: Analise as estatísticas de dispersão e comente acerca da concentração de cada variável, salário e setor de efetividade.
Estatística Descritiva Agropecuária Indústria Serviços Salário médio trimestre
Média 148.52 120.73 131 1205.34
Desvio padrão 31.73 10.39 10.73 91.86
Variância da amostra 1007.06 107.86 115.06 8438.97
Intervalo 107.15 46.41 35.71 345.28
Mínimo 102.52 96.97 114.22 1090.03
Máximo 209.67 143.38 149.03 1435.31
CV 21.37 8.6 8.19 7.62

Concluímos, após análise pela ótica da Estatística Descritiva, que as avariáveis:

1 - SALÁRIO MÉDIO, com intervalo entre R$ 1.090,03 (valor mínimo) e R$ 1.435,31 (valor máximo) é a que apresenta o maior intervalo de dados (= R$ 345,28),
o maior desvio padrão (= R$ 91,86) e uma média em torno de R$ 1.205,34. Apresenta, também, o menor percentual de variação do desvio em relação a média
(= R$ 7,62); 2-A
variável do SETOR AGROPECUÁRIO apresenta desvio padrão igual a 31,73, média igual a 148,52 e coeficiente de variação igual a 21,37.

12 - Como interpretar a correlação entre as variáveis.

Correlação Agropecuária Indústria Serviços Salário médio trimestre
Agropecuária 1
Indústria 0.06 1
Serviços 0.21 0.89 1
Salário médio trimestre -0.31 0.51 0.61 1

Observa-se que a correlação entre as variáveis:

1 - AGROPECUÁRIA e INDÚSTRIA é baixa, em torno de 0,06;
2 - AGROPECUÁRIA e SALÁRIO e AGROPECUÁRIA e SERVIÇOS, também é baixa;
3 - SALÁRIO e INDÚSTRIA e SALÁRIO e SERVIÇOS é moderada; e
4 - SERVIÇOS e INDÚSTRIA é alta.

1.3 - Analise o coeficiente de regressão entre os salários e o setor de atividade e qual é o que mais contribui para o aumento de salários e interprete, também, as
estatísticas T e F e o ajuste de modelo. (no caso de trabalhar com outras variáveis indique as relações que pretende estabelecer, formulando uma hipótese de
trabalho). Ho - Os
coeficientes das variáveis são iguais a zero; H1 - Os
coeficientes das variáveis são significativamente diferentes de zero.

RESUMO DOS RESULTADOS

Estatística de regressão
R. múltiplo 0.79
R quadrado 0.63
R quadrado ajustado 0.58
Erro padrão 59.69
Observações 26
ANOVA
Gl SQ MQ F F de significação
Regressão 3 132593.8 44197.93 12.41 5.84E-005
Resíduo 22 78380.49 3562.75
Total 25 210974.29
Coeficientes Erro padrão Stat t Valor - P 95% inferiores 95% superiores
Interseção 652.18 152.23 4.31 0 338.55 965.82
Agropecuária -1.54 0.4 -3.82 0 -2.38 -0.71
Indústria -4.35 2.64 -1.65 0.11 -9.81 1.11

Página 1
 Planilha1

Serviço 9.98 2.61 3.83 0 4.56 15.39

RESULTADO DAS ANÁLISES:

1 - Na primeira tabela concluímos que q e R - quadrado indicam que 63% da variação do salário é explicado por uma relação linear que envolve os setores:
Agropecuário (X1), Indústria (X2) e Serviços (X3);
2 - Na segunda tabela observa-se que o valor de p(5,84 - 05) é muito pequeno. Excluindo H0 concluímos que as variáveis independentes escolhidas são
expressivas para explicar a variável salário;
3 - Na terceira tabela encontramos as estimativas dos coeficientes y = (652,18) – (1,54X1) - (4,35X2) +9,98X3.

2ª Questão:
2.1 – Qual a importância do plano de amostragem em pesquisa e como decidir o tamanho da sua amostra;

Em uma pesquisa científica faz-se necessário a obtenção de dados para submetê-los a análise para emissão de parecer conclusivo, porém quando o nº de
variáveis a serem pesquisadas é expressiva as coletas devem ser feitas por amostragem. Para que esse trabalho tenha êxito devemos elaborar um plano para
realizá-lo. Esse plano deve conter: 1 - os objetivos da pesquisa; 2 - a população a ser amostrada; 3 - a definição da unidade de amostragem; 4 - a forma de
seleção dos elementos da população; 5 - o tamanho da amostra; 6 - período da coleta de dados, etc.. Para calcularmos o tamanho da amostra usa-se as
fórmulas a seguir: 1-
desconhecendo o tamanho da população: no = 1/(Eo)²; 2
- conhecendo o tamanho N da população n = (N. no) / (N + no), onde:
N - tamanho (número de elementos) da população;
n - tamanho (número de elementos) da amostra;
no - uma primeira aproximação para o tamanho da amostra e
Eo - erro amostral tolerável

2.2 - Quais as implicações em termos de amostragem na perda de respostas.

Devemos ter cuidado no manuseio dos dados amostrais pois é a partir deles que diagnosticaremos problemas, Ex: empresa, órgão público, etc. e
recomendaremos implantações de medidas visando solucioná-las. A perda de parte desses dados comprometerá a confiabilidade dos resultados aumentando
sua margem de erro, ou inviabilizá-lo totalmente.

Página 2