Estat Ex Corr Regressao

ACADEMIA DO CONCURSO
CORRELAÇÃO
01- O coeficiente de correlação linear entre as variáveis X e Y
da tabela abaixo vale:
X Y
CORRELAÇÃO E 2
4
6
8
REGRESSÃO 6
8
10
12
10 14
EXERCÍCIOS a. 0,5 b. 1,0 c. -1,0 d. -0,5 e. 0
Y=X+4!
rXY = 1.0 !
SEM CONTA ! ⇒ OLHOU...E VIU!
GABARITO - B
Os pontos estão perfeitamente alinhados sobre uma reta !
02- O coeficiente de correlação linear entre X e Y é r. 03- Se as variáveis aleatórias X e Y são tais que
Se Y = 4 - 2X então: Y = 2X, o coeficiente de correlação linear entre X e Y
vale:
a. r = 1 b 0 < r < 1. c. r = 0 d. -1 < r < 0 e. r = -1
a. r = 1 b. r = 0 c. r = -1 d. 0 < r < 1 e. -1< r < 0
Y = 4 - 2X Y = 2X
rXY = -1.0 ! rXY = 1 !
SEM CONTA ! ⇒ OLHOU...E VIU! SEM CONTA ! ⇒ OLHOU...E VIU!
GABARITO - E GABARITO - A
04-(AGU-ESTATÍSTICO-2006/NCE) As notas de cinco alunos em 5 5 5 5 5

português (X) e em matemática (Y) foram observadas e os ∑x i = 20 ∑y i = 30 ∑x 2
i = 90 ∑y 2
i = 220 ∑x y i i = 109
seguintes resultados foram obtidos: i =1 i =1 i =1 i =1 i =1
5 5 5 5 5
∑x i = 20 ∑y i = 30 ∑x 2
i = 90 ∑y 2
i = 220 ∑x y i i = 109 r=
S X ,Y
i =1 i =1 i =1 i =1 i =1 S X × SY
O coeficiente de correlação entre essas notas é
aproximadamente igual a: Para calcular a correlação precisamos:
(A) - 0,55 COEFICIENTE DE CORRELAÇÃO ENTRE X E Y COVARIÂNCIA ⇒ SXY
(B) - 0,2 S X ,Y
(C) - 0,05 r= DESVIO PADRÃO (SX) DE X ⇒ precisa da Variância de X
(D) 0,3 S X × SY
DESVIO PADRÃO (SY) DE Y ⇒ precisa da Variância de Y
(E) 0,5 Para calcular a correlação precisamos:
COVARIÂNCIA ⇒ SXY MÉDIA DE X
DESVIO PADRÃO DE X (Variância de X) MÉDIA DE Y
DESVIO PADRÃO DE Y (Variância de Y)
MÉDIA DE X
MÉDIA DE Y
ESTATÍSTICA
EXERCÍCIOS_CORRELAÇÃO_REGRESSÃO 1 MANUEL
5 5 5 5 5 5 5 5 5 5
∑x i = 20 ∑y i = 30 ∑x 2
i = 90 ∑y 2
i = 220 ∑x y
i =1
i i = 109 ∑x i = 20 ∑y i = 30 ∑x 2
i = 90 ∑y 2
i = 220 ∑x y
i =1
i i = 109
i =1 i =1 i =1 i =1 i =1 i =1 i =1 i =1
PRIMEIRO PASSO ⇒ CALCULAR A MÉDIA DE X TERCEIRO PASSO ⇒ CALCULAR A MÉDIA DE Y

Obs. n=5 observações 5
5
∑y
∑x
i
i =1 30 Y =6
i
20 Y = = =6
X= i =1
= =4 X =4 n 5
n 5
QUARTO PASSO ⇒ CALCULAR A VARIÂNCIA DE Y
SEGUNDO PASSO ⇒ CALCULAR A VARIÂNCIA DE X 5
5
∑ xi2 ∑y 2
i
220 2
90 2 S X2 = 2 S = 2 i =1
− y2 = − 6 = 44 − 36 = 8 SY2 = 8
S X2 = i =1
− x2 = − 4 = 18 − 16 = 2 Y
n 5
n 5
Média dos quadrados menos o quadrado da média !
Média dos quadrados menos o quadrado da média !
5 5 5 5 5 5 5 5 5 5
∑x i = 20 ∑y i = 30 ∑x 2
i = 90 ∑y 2
i = 220 ∑x y
i =1
i i = 109 ∑x i = 20 ∑y i = 30 ∑x 2
i = 90 ∑y 2
i = 220 ∑x y
i =1
i i = 109
i =1 i =1 i =1 i =1 i =1 i =1 i =1 i =1
S X ,Y
r= X =4 Y =6
X =4 S X2 = 2 S X = 2
S X × SY S X ,Y = −2,2
Y =6 SY2 = 8 SY = 8
QUINTO PASSO ⇒ CALCULAR A COVARIÂNCIA ENTRE X E Y
FINALMENTE....
S X ,Y =
∑ XY − XY ⇒ MÉDIA DO PRODUTO MENOS S X ,Y
O PRODUTO DAS MÉDIAS r=
n
S X × SY
MÉDIA DO PRODUTO − 2,2 − 2,2 − 2,2 − 2,2
PRODUTO DAS MÉDIAS r= = = = = −0,55
2× 8 16 16 4
109 S X ,Y = −2,2
S X ,Y = − 4 × 6 = −2,2 r = −0,55 GABARITO - A
5
05-(BC-ANALISTA-2002/ESAF) Considere duas variáveis PROPRIEDADES DA VARIÂNCIA

aleatórias X e Y. Sejam 45 e 65 as médias de X e de Y,
respectivamente. Sejam 4 e 16 as variâncias de X e Y
VARIÂNCIA DA SOMA DE VARIÁVEIS ALEATÓRIAS
respectivamente e 3 a covariância entre essas variáveis.
Assinale a opção que dá a variância da diferença X-Y. Var(X+Y) = Var(X) + Var(Y) + 2×Cov(X,Y)
a) 26
b) 20 Onde Cov(X,Y) é a COVARIÂNCIA entre X e Y !
c) 23
d) 14 Var ( X + Y ) = Var ( X ) + Var (Y ) + 2 × Cov( X , Y )
e) Não é possível calcular a variância de X-Y com a informação
dada
CovX ,Y =
∑ XY − XY ⇒ MÉDIA DO PRODUTO MENOS
O PRODUTO DAS MÉDIAS
n
Obs. COVARIÂNCIA será visto no Módulo de Correlação e Regressão!
ESTATÍSTICA
PROPRIEDADES DA VARIÂNCIA TEMOS

VARIÂNCIA DA SOMA DE VARIÁVEIS ALEATÓRIAS X = 45 S X2 = 4
Y = 65 SY2 = 16
2 2 2
S ( X +Y ) = S + S + 2 S XY
X Y S X ,Y = 3
S(2X −Y ) = S X2 + SY2 − 2 S XY S (2X −Y ) = S X2 + SY2 − 2 S XY
∑ XY − XY S (2X −Y ) = 4 + 16 − 2 × 3
S X ,Y = ⇒ COVARIÂNCIA ENTRE X e Y!
n S (2X −Y ) = 20 − 6
COVARIÂNCIA ENTRE X e Y = MÉDIA DO PRODUTO
MENOS...O PRODUTO DAS MÉDIAS ! S (2X −Y ) = 14
GABARITO - D
06-(IBGE-ANALISTA CENSITÁRIO-2000/NCE) Se X é uma 07-(MP-RO-ESTATÍSTICO-2005/CESGRANRIO) Analise as

variável aleatória e Y = 5 - 2X, então o coeficiente de correlação afirmativas a seguir, a respeito do coeficiente de correlação
linear entre X e Y é igual a: linear de Pearson entre duas variáveis positivas X e Y.
a. 2,5 I - é positivo;
b. 1,0 II- não se altera quando adicionamos uma constante positiva
c. 0 aos valores de X;
d. -0,4 III- não se altera quando multiplicamos por uma constante
e. -1,0 positiva os valores de X.
Está(ão) correta(s) a(s) afirmativa(s):
Y = 5 - 2X (A) II somente
(B) I e II somente
rXY = -1,0 ! (C) I e III somente
(D) II e III somente
SEM CONTA ! ⇒ OLHOU...E VIU!
(E) I, II e III.
GABARITO - E
S X ,Y COEFICIENTE DE CORRELAÇÃO = COVARIÂNCIA

S X ,Y COEFICIENTE DE CORRELAÇÃO = COVARIÂNCIA
r= DIVIDIDO PELO PRODUTO DOS DESVIOS !
r= DIVIDIDO PELO PRODUTO DOS DESVIOS !
S X × SY S X × SY
I - é positivo;
FALSO ⇒ VARIA ENTRE -1 E 1 ! III- não se altera quando multiplicamos por uma constante
II- não se altera quando adicionamos uma constante positiva positiva os valores de X.
aos valores de X; Vejamos
Vejamos ⇒ S(CX,Y) = cS(X,Y) ⇒ a covariância fica multiplicada por c.
⇒ S(X+C,Y) = S(X,Y) ⇒ a COVARIÂNCIA entre X e Y não se altera ⇒ S(CX) = cS(X) = o Desvio Padrão de Xfica multiplicada por c.
quando somamos uma constante a X!

S CX ,Y c × S X ,Y S X ,Y
⇒ S(X+C) = S(X) = o DESVIO PADRÃO de X não se altera quando r= = =
S CX × SY c × S X × SY S X × SY
somamos uma constante.
VERDADEIRO! VERDADEIRO GABARITO - D
ESTATÍSTICA
08-(MP-RO-ESTATÍSTICO-2005/CESGRANRIO). 09-(IBGE-ANALISTA CENSITÁRIO-2000/NCE) Sejam X e Y

variáveis aleatórias discretas com função de probabilidade
Se var(X) = 3, var(Y) = 2 e cov(X,Y) = 1, então var(X-Y) é igual a: conjunta dada pela seguinte tabela de dupla entrada:
(A) 1 Y
var(X) = 3
(B) 3 X -1 1
(C) 4 var(Y) = 2 0 0,1 0,2
(D) 5 1 0,3 0,1
cov(X,Y) = 1
(E) 6 2 0,2 0,1
Var(X-Y) = Var(X) + Var(Y) - 2×Cov(X,Y) A covariância entre X e Y vale:

a. -0,3
Var(X-Y) = 3 + 2 - 2×1 b. -0,2
c. 0,1
Var(X-Y) = 3 d. 0,5
e. 1,0
OLHOU...E VIU! GABARITO - B
S X ,Y =
∑ XY − XY ⇒ COVARIÂNCIA ENTRE X e Y! Y
n X -1 1
0 0,1 0,2 0,3
COVARIÂNCIA = MÉDIA DO PRODUTO MENOS...O
1 0,3 0,1 0,4 PROBABILIDADES MARGINAIS DE X
PRODUTO DAS MÉDIAS !
2 0,2 0,1 0,3
0,6 0,4 1,0 X = 0 × 0,3 + 1× 0,4 + 2 × 0,3
Y
X -1 1 X = 0 + 0,4 + 0,6 X = 1,0
0 0,1 0,2 PROBABILIDADES PRECISAVA FAZER A CONTA ?
1 0,3 0,1 MARGINAIS DE Y
2 0,2 0,1
Y = −1× 0,6 + 1× 0,4 Y = −0,2
PARA ACHAR A COVARIÂNCIA PRECISAMOS CALCULAR:
MÉDIA DE X
MÉDIA DE Y
MÉDIA DO PRODUTO DE X POR Y
10-(MPU-ANALISTA DOCUMENTAÇÃO-2004/ESAF) Considere

Y
CÁLCULO DA COVARIÂNCIA a distribuição conjunta abaixo de duas variáveis aleatórias
X -1 1 discretas X e Y. Assinale a opção que dá o valor da covariância
0 0,1 0,2 0,3
1 0,3 0,1 0,4
S X ,Y =
∑ XY − XY entre X e Y.
2 0,2 0,1 0,3 n X/Y Y1 Y2

0,6 0,4 1,0 X1 0,25 0,25
X2 0,25 0,25
S X ,Y = 0 × −1× 0,1 + 1× −1× 0,3 + 2 × −1× 0,2
a) -6,40
0 × 1× 0,2 + 1×1× 0,1 + 2 ×1× 0,1 b) -0,87
c) -0,05
−1× (−0,2)
d) 0,00
S X ,Y = −0,3 − 0,4 + 0,1 + 0,2 + 0,2 e) 0,25
S X ,Y = −0,7 + 0,5
GABARITO - B
S X ,Y = −0,2
ESTATÍSTICA
X/Y Y1 Y2 11-(MP-RO-ESTATÍSTICO-2005/CESGRANRIO) O vetor

Sxy = 0 ! aleatório (X,Y) tem distribuição conjunta com matriz de
X1 0,25 0,25 0,5 variâncias-covariâncias. Assinale a opção que dá o valor do
X2 0,25 0,25 0,5 OLHOU...E VIU! coeficiente de correlação entre X e Y.
0,5 0,5
1,0 0,5 
VARIÁVEIS INDEPENDENTES ⇒ COV = 0 !  
 0,5 4,0 
COV = 0 ! ⇒ ≠ VARIÁVEIS INDEPENDENTES !
a) 0,85
P (Y 1) = 0,5 b) 0,25
c) 0,65
P (Y 1 ∩ X 1) 0,25 P (Y 1 | X 1) = 0,5 d) 0,95
P (Y 1 | X 1) = = = 0,5
P ( X 1) 0,5 e) 0,75
P (Y 1) = P (Y 1 | X 1)
GABARITO - D
12-PREFEITURA MANAUS ESTATÍSTICO 2004 CESGRANRIO

1,0 0,5  ⇐ MATRIZ DE VARIÂNCIAS-COVARIÂNCIAS A tabela a seguir mostra os valores de duas variáveis X e Y,
  notas em Matemática e em Português, dos alunos de uma
 0,5 4,0  turma de 8 alunos.
X Y Aluno 1 2 3 4 5 6 7 8
X 1,0 0,5 QUANTO VALE A VARIÂNCIA DE X (SX2) ? X 10 9 6 8 7 5 4 3
Y 0,5 4,0 QUANTO VALE A VARIÂNCIA DE Y (SY2) ? Y 1 2 6 4 5 7 8 10
O Coeficiente de Correlação Linear de Pearson entre X e Y:
QUANTO VALE A COVARIÂNCIA ENTRE X E Y (SXY) ? (A) vale 1
SX2 = 1,0 SX = 1,0 S X ,Y 0,5 (B) está compreendido entre 0 e 1
r= r= r = 0,25 (C) vale 0
SY2 = 4,0 SY = 2,0 S X × SY 1× 2
(D) está compreendido entre –1 e 0
SXY = 0,5 FEROZ ! (E) vale –1
GABARITO - B
Aluno 1 2 3 4 5 6 7 8 13-PREFEITURAMANAUS-ESTATÍSTICO-2004/CESGRANRIO
X 10 9 6 8 7 5 4 3 Se Var(X)=3, Var(Y)=2 e Cov(X,Y) = 1, então Var(2X-Y) é igual a:
Y 1 2 6 4 5 7 8 10
(A) 2
12
(B) 6 Var(X)=3
Aluno X Y
10 1 10 1 (C) 8 Var(Y)=2
2 9 2 (D) 10
8
3 6 6 (E) 12 Cov(X,Y) = 1
6 4 8 4
4
5 7 5 Var(X-Y) = Var(X) + Var(Y) - 2×Cov(X,Y)
6 5 7
2 7 4 8 Var(2X-Y) = Var(2X) + Var(Y) - 2×Cov(2X,Y)
8 3 10
0
0 2 4 6 8 10 12 Var(2X-Y) = 22Var(X) + Var(Y) - 2×2Cov(X,Y)
Coeficiente de Correlação Linear = ???? r =? Var(2X-Y) = 4×3 + 2 - 4×1
r = Está compreendi do entre − 1 e 0 ! Var(2X-Y) = 10
GABARITO - D GABARITO - D
Obs. Cov(2X,Y)=2Cov(X,Y)
ESTATÍSTICA
14-(ELETROBRÁS-ESTATÍSTICO-2002/NCE) A tabela de dupla valores de x CÁLCULO DA COVARIÂNCIA

entrada a seguir apresenta a função de probabilidade conjunta 1 2 3
de duas variáveis aleatórias discretas X e Y. Por exemplo, valores 0 0,1 0,3 0,2 0,6 PROBABILIDADES MARGINAIS DE Y
P[X=2;Y=0]=0,3. de y 1 0,2 0,1 0,1 0,4
0,3 0,4 0,3 Y = 0 × 0,6 + 1× 0,4
valores de x
1 2 3 Y = 0,4
valores 0 0,1 0,3 0,2 0,6 PROBABILIDADES
de y 1 0,2 0,1 0,1 0,4 MARGINAIS DE X
0,3 0,4 0,3 X = 1× 0,3 + 2 × 0,4 + 3 × 0,3 X = 2
PRECISAVA FAZER A CONTA ?
A covariância entre X e Y é igual a:
(A) -0,2 S X ,Y = 0 ×1× 0,1 + 0 × 2 × 0,3 + 0 × 3 × 0,2
(B) -0,1
(C) 0
1× 1× 0,2 + 1× 2 × 0,1 + 1× 3 × 0,1 − 0,4 × 2
(D) 0,1 S X ,Y = 0 + 0 + 0 + 0,2 + 0,2 + 0,3 − 0,8
(E) 0,2
S X ,Y = −0,1
GABARITO - B
15-(FINEP-ANALISTA-2006/NCE) O trabalho desenvolvido por X\Y -2 -1 4 5

uma pesquisadora envolve duas variáveis aleatórias. Uma delas, 1 0,1 0,2 0,0 0,3 0,6 X = 1× 0,6 + 2 × 0,4
variável X, pode assumir os valores 1 e 2. A outra, variável Y, 2 0,2 0,1 0,1 0,0 0,4
pode assumir os valores –2, –1, 4 e 5. A distribuição conjunta 0,3 0,3 0,1 0,3 1,0
X = 1,4
destas variáveis aparece abaixo.
X\Y -2 -1 4 5 Y = −2 × 0,3 − 1× 0,3 + 4 × 0,1 + 5 × 0,3
1 0,1 0,2 0,0 0,3 0,6
2 0,2 0,1 0,1 0,0 0,4
Y = −0,6 − 0,3 + 0,4 + 1,5 Y = 1,0
0,3 0,3 0,1 0,3 1,0 S X ,Y = 1× −2 × 0,1 + 1× −1× 0,2 + 1× 4 × 0,0 + 1× 5 × 0,3
A média de Y e a covariância entre X e Y são respectivamente: 2 × −2 × 0,2 + 2 × −1× 0,1 + 2 × 4 × 0,1 + 2 × 5 × 0,0
(A) 1; 1,2;
(B) 1,5; 0,8; − 1,4 ×1,0
(C) 0,8; - 0,3;
(D) 1; - 0,5; S X ,Y = −0,2 − 0,2 + 0 + 1,5 − 0,8 − 0,2 + 0,8 + 0 − 1,4
(E) 1; 0,3
S X ,Y = −2,8 + 2,3 S X ,Y = −0,5
GABARITO - D
16-(SEFAZ-AFTE-MS-2006/FGV) Analise as afirmativas a seguir, I. Se X e Y são independentes, então Cov(X;Y) = 0

a respeito de duas variáveis aleatórias X e Y. (X,Y) INDEPENDENTES ⇒ Cov(X,Y) = 0
I. Se X e Y são independentes, então Cov(X;Y) = 0. VERDADEIRO
II. Se Cov(X;Y) = 0, então X e Y são independentes.
II. Se Cov(X;Y) = 0, então X e Y são independentes.
III. Se X e Y são independentes, então E(XY) = E(X).E(Y).
FALSO
IV. Se E(XY) = E(X).E(Y), então X e Y são independentes.
Cov(X,Y) é uma medida de relação LINEAR entre X e Y
Cov(X,Y) pode ser ZERO, mas Y = X2.
(A) I, somente. III. Se X e Y são independentes, então E(XY) = E(X).E(Y).
(B) I e III, somente. Se X e Y são independentes então Cov(X,Y) = 0.
(C) I e IV, somente.
(D) II e IV, somente. Mas ⇒ Cov (X,Y) = E(XY) - E(X).E(Y)
(E) I, II, III e IV. Logo E(XY) - E(X).E(Y) = 0 ⇒ E(XY) = E(X).E(Y) !
VERDADEIRO
Obs. E(XY) = ∑XY/n E(X) = ∑X/n E(Y) = ∑Y/n
ESTATÍSTICA
17-(SEAD-AM-ESTATÍSTICO-2005/CESGRANRIO) Se var(X)=4,
IV. Se E(XY) = E(X).E(Y), então X e Y são independentes. var(Y)=2 e cov(X,Y)= -1, então var(2X-Y) é igual a:
Se E(XY) = E(X).E(Y) ⇒ Cov(X,Y) = 0 ! (A) 10 var(X)=4
Mas Cov(X,Y) = 0 não significa (X,Y) INDEPENDENTES ! (B) 12
(C) 18 var(Y)=2
FALSO (D) 22 cov(X,Y)= -1
(E) 24
Var(X-Y) = Var(X) + Var(Y) - 2×Cov(X,Y)
Var(2X-Y) = Var(2X) + Var(Y) - 2×Cov(2X,Y)
Var(2X-Y) = 22Var(X) + Var(Y) - 2×2Cov(X,Y)
Var(2X-Y) = 4×4 + 2 - 4×-1
Var(2X-Y) = 16 + 2 + 4
GABARITO - B Var(2X-Y) = 22 GABARITO - D
18-(SEAD-AM-ESTATÍSTICO-2005/CESGRANRIO) Se Y = 1-X, 19- (IBGE- ANALISTA MÉTODOS QUANTITATIVOS-2002/NCE)

o Coeficiente de Correlação Linear de Pearson entre as X e Y são duas variáveis aleatórias com variâncias 144 e 64
variáveis X e Y: respectivamente. Assinale o item que NÃO indica um valor
possível para a covariância entre X e Y:
(A) é igual a -1.
(B) está compreendido entre -1 e 0. (A) 87,5
(C) é igual a 0. (B) 18,7
(D) está compreendido entre 0 e 1 (C) 0
(E) é igual a 1. (D) – 0,3
(E) – 100
Y = 1 − X ⇒ r = −1 S X2 = 144 S X = 12 S X ,Y
r= r ⇒ [-1 ; 1]
SY2 = 64 SY = 8 S X × SY
Yˆ = 1 − X ⇒ r = ????
r = está compreendido entre - 1 e 0! S X ,Y S S X ,Y
r= = X ,Y r= ⇒ |SXY| ≤ 96
12 × 8 96 96
GABARITO - A GABARITO - E
20-(SESPA-ESTATÍSTICO-2006/NCE) O diagrama de
dispersão entre duas variáveis X e Y é: Qual o sinal da COVARIÂNCIA ?
Dos valores a seguir, o que melhor representa o coeficiente de

correlação linear amostral associado a esse diagrama é:
Dos valores a seguir, o que melhor representa o coeficiente de
correlação linear amostral associado a esse diagrama é: (A) 0,80 S X ,Y SX ≥ 0 O sinal da CORRELAÇÃO é o
(B) 0,35 r=
(A) 0,80 (C) - 0,42 S X × SY mesmo sinal da COVARIÂNCIA !
(D) - 0,78
SY ≥ 0
(B) 0,35 PODE SER C) D) ou E) ?
(E) - 1,0
(C) - 0,42
(D) - 0,78 OLHOU... E VIU!
(E) - 1,0
GABARITO - A
ESTATÍSTICA
21-(SMA-RIO/RJ-TÉCNICO CONTROLE INTERNO/99) Duas 22-(TRF-1RF-ESTATÍSTICO-2001/FCC) Sejam X e Y variáveis

variáveis aleatórias X e Y têm coeficiente de correlação 0,80. O aleatórias com coeficiente de correlação ρ. Se Z = X/2 + 3 e
coeficiente de correlação entre as variáveis (3+X) e 4Y é: W = -Y+2 os coeficientes de correlação de Z e W e de W e Y
a. 0,80 são dados, respectivamente, por:
b. 0,70 rXY = 0,80
S X ,Y
rXY =
c. 0,50 S X × SY (A) -ρ/2 e -1
d. 0,30
e. 0,20 (B) -ρ/2 e 1
(C) -ρ e -1
S ( 3+ X )( 4Y ) = 4 S ( XY )
(D) ρ e -1
S ( 3+ X ) = S X (E) ρ e 1
S 4Y = 4 SY
4 S XY S XY
r( 3+ X , 4Y ) = = = rXY r(3+ X , 4Y ) = 0,80
S X × 4 SY S X × S Y
GABARITO - A
Z=
X
+3 W = −Y + 2 rXY = ρ rZW = ? rWY = ? PROPRIEDADE DA VARIÂNCIA
2
S S X2 = 16 SX = 4
− XY Y = 2X
rZW = r X = 2 = − S XY = − ρ
SX SY2 = 2 2 S X2 SY2 = 4 × 16
× SY S X S Y SY2 = 64
( + 3 )( −Y + 2 )
2 SY = 8
rZW = − ρ 2
Y = −2 X
W = −Y + 2 rWY = −1 SY2 = ( −2) 2 S X2 SY2 = 4 × 16 SY2 = 64 SY = 8
2 2
OBSERVAÇÃO ⇒ S −X =S X S− X = S X
Var(-X) = Var(X) !
LOGO... S 22X = S −22 X
Multiplicar uma variável por (-1) não altera a Variância e nem o OU SEJA!
2
S CX = S −2CX
Desvio Padrão!
GABARITO - C
23-(ATRFB-2006/ESAF) O coeficiente de correlação entre duas MESMO SEM PRECISAR VAMOS CALCULAR rZY
variáveis Y e X é igual a + 0,8. Considere, agora, a variável Z
definida como: Z = 0,2 − 0,5 X. O coeficiente de correlação
rXY = 0,8 Z = 0,2 − 0,5 X rZY = ?
entre as variáveis Z e X, e o coeficiente de correlação entre as
variáveis Z e Y serão iguais, respectivamente, a: S ( 0, 2−0 ,5 X )(Y ) = −0,5 S ( XY ) PROPRIEDADE DA COVARIÂNCIA !
a) – 1,0; – 0,8 O QUE É PEDIDO?

b) + 1,0; + 0,8 S ( 0, 2−0, 5 X ) = 0,5 S ( X ) PROPRIEDADE DA VAR E DO DP!
c) – 0,5; – 0,8 rZX = ? rZY = ?

d) – 0,5; + 0,8 S −2 X = S X2 S− X = S X
e) – 0,2; – 0,4
− 0,5 S XY − S XY
O QUE SABEMOS ? rZY = r( 0, 2− 0,5 X ,Y ) = = = − rXY
0,5 S X SY S X × SY
rXY = 0,8
OLHOU E VIU !
Z = 0,2 − 0,5 X rZX = −1 SEM CONTA ! rZY = − rXY
GABARITO...
rZY = −0,8
GABARITO - A GABARITO - A
ESTATÍSTICA
24-(ATRFB-2006/ESAF) Para 5 pares de observações das ∑ x = ∑ y =15 ∑ x = ∑ y 2 2

=55 ∑ xy = 39 n=5
variáveis X e Y obteve-se os seguintes resultados:
∑ x = ∑ y =15 X=
15
5
=3 Y =
15
5
=3
∑ x = ∑ y =55
2 2
S X2 =
55 2
− 3 = 11 − 9 = 2 S X2 = 2 SX = 2
5
∑ xy = 39 SY2 =
55 2
− 3 = 11 − 9 = 2 SY2 = 2 SY = 2
Sabendo-se que esses 5 pares de observações constituem a 5
totalidade da distribuição conjunta populacional dessas duas
variáveis, o valor do coeficiente de correlação entre X e Y é igual a 39 39 −6
a) + 1,000
S XY = − 3× 3 = −9 =
5 5 5
b) + 0,709
c) + 0,390 S X ,Y −6/5 −6/5
r= r= = = −0,6 r = −0,6
d) - 0,975 S X × SY 2× 2 2
e) - 0,600
GABARITO - E
25-(BACEN-ANALISTA-2005/FCC) Sejam X e Y duas variáveis (A) E(2X + 5) = 4E(X)

aleatórias e E(2X + 5) = 2E(X) + 5
I. E(X) e E(Y) as expectâncias de X e Y, respectivamente; FALSO
II. Var(X) e Var(Y) as variâncias de X e Y, respectivamente; (B) se E(XY) = E(X) . E(Y), então X e Y são independentes.
III. Cov(X,Y) a covariância de X e Y. E(XY) = E(X).E(Y) ⇒ COV(X,Y) = 0 ! Cov(X,Y)=E(XY)-E(X).E(Y)
Tem-se, em qualquer situação, COV(X,Y) = 0 NÃO implica que X e Y são independentes!
FALSO
(A) E(2X + 5) = 4E(X) (C) Var(X + 10) = Var(X) + 10
(B) se E(XY) = E(X) . E(Y), então X e Y são independentes. Var(X + 10) = Var(X)
FALSO
(C) Var(X + 10) = Var(X) + 10
(D) E(X) . E(Y) = E(XY) – Cov(X,Y)
(D) E(X) . E(Y) = E(XY) – Cov(X,Y) Cov(X,Y) = E(XY) - E(X).E(Y)
(E) Cov(X,Y) = Var(X) . Var(Y) VERDADEIRO
(E) Cov(X,Y) = Var(X) . Var(Y)
Cov(X,Y) = E(XY) - E(X).E(Y)
FALSO
GABARITO - D
26-(AFRF-2005/ESAF) Para uma amostra de dez casais S X ,Y

residentes em um mesmo bairro, registraram se os seguintes r= PRECISAMOS DA COVARIÂNCIA E DOS DESVIOS PADRÕES
S X × SY
salários mensais (em salários mínimos):
∑
10
∑ ∑
10 10
Yi = 221 Y 2 = 5069 i =1
X iYi = 3940
i =1 i =1
∑ ∑
10 10
i =1
X i = 171 i =1
X 2 = 3171 n = 10
Sabe-se ainda que:
2
∑
10
∑ ∑ 3171  171 
10 10
Yi = 221 Y 2 = 5069 X iYi = 3940
i =1 i =1 i =1 S X2 = −  S X2 = 24,69 S X ≅ 4,97
10  10 
∑ ∑
10 10 2
X i = 171 X = 3171 2
i =1 i =1
5069  221  SY2 = 18,49 SY ≅ 4,31
Assinale a opção cujo valor corresponda à correlação entre os SY2 = − 
10  10 
salários dos homens e os salários das mulheres.
a) 0,72 3940
b) 0,75
S XY = − 22,1× 17,1 S XY = 16,09
c) 0,68
10
d) 0,81 S X ,Y
e) 0,78
16,09 r ≅ 0,75
r= r= ≅ 0,75
S X × SY 4,97 × 4,31 GABARITO - B
ESTATÍSTICA
RAIZ QUADRADA 27- (ICMS-RJ-2010) Duas variáveis aleatórias x e y têm

S X2 = 24,69 coeficiente de correlação linear igual a 0,8. Se w e z são tais
que w = 2x - 3 e z = 4 - 2y então o coeficiente de correlação
entre w e z será igual a:
24,69 + 25 49,69 (A) -0,8
24,69 = = ≅ 4,969 S X ≅ 4,97 (B) -0,64
2×5 10 (C) 0,36
(D) 0,64
(E) 0,8
SY2 = 18,49 rWZ = ?
O QUE É PEDIDO?
18,49 + 16 34,49 O QUE SABEMOS ?

18,49 = = ≅ 4,311 SY ≅ 4,31
2× 4 8 rXY = 0,8 W = 2X −3 Z = 4 − 2Y
rWZ = ?
O QUE SABEMOS ? 28- (ICMS-RJ-2008) Sejam X, Y e Z três variáveis com

correlações de Pearson expressas pela matriz abaixo:
rXY = 0,8 W = 2 X − 3 Z = 4 − 2Y
X Y Z
X 1,000
rWZ = r( 2 X −3, 4− 2Y ) Y
Z
0,800
0,000
1,000
-0,500 1,000
2 × −2 × S XY Pode-se, então, afirmar que:

r( 2 X −3, 4− 2Y ) = (A) X e Z são independentes.
(B) a correlação parcial entre X e Y, após a correção para Z, é
2 S X × 2 SY negativa.
(C) o coeficiente de determinação da regressão de Y em X é maior
− 4 S XY − S XY do que 60%.
r( 2 X −3, 4− 2Y ) = = = − rXY (D) a correlação entre V = a + b.X e W = c + d.Z, com a ≠ 0, c ≠ 0,
4 S X × SY S X × S Y b > 0 e d < 0 é negativa.
(E) a covariância entre X e Y e igual a 0,64.
rWZ = − rXY rWZ = −0,8
GABARITO - A
MATRIZ DE CORRELAÇÃO MATRIZ DE CORRELAÇÃO

X Y Z X Y Z É SIMÉTRICA!
É SIMÉTRICA!
X 1,00 X 1,000
rXX = 1,0 rXY = 0,80 rXX = 1,0 rXY = 0,80
Y 0,80 1,00 Y 0,800 1,000
Z 0,00 -0,50 1,00 rXZ = 0,00 rZY = −0,50 Z 0,000 -0,500 1,000 rXZ = 0,00 rZY = −0,50
Pode-se, então, afirmar que:
(C) o coeficiente de determinação da regressão de Y em X é maior
(A) X e Z são independentes. do que 60%.
rXZ = 0,00 ⇒ Cov(X,Z) = 0 VERDADEIRO!
Mas, Cov(x,z) = 0 não significa que são independentes !
COEFICIENTE DE DETERMINAÇÃO (r2) ⇒ é o quadrado do
No entanto, se são independentes Cov(x,z) = 0!
coeficiente de correlação.
FALSO !
2 2
(B) a correlação parcial entre X e Y, após a correção para Z, é
rXY = (0,80) 2 = 0,64 rXY = 0,64 = 64% > 60%
negativa. COEFICIENTE DE DETERMINAÇÃO ⇒ significa o quanto da
rXY = 0,80 ⇒ POSITIVA ! variável dependente (Y) é explicada pela variável independente (X).
FALSO ! Nesse exemplo X explica 64% da variação de Y. Os 36% restantes
são devidos a fatores aleatórios (não mensuráveis pelo modelo!).
ESTATÍSTICA
X Y Z MATRIZ DE CORRELAÇÃO MATRIZ DE CORRELAÇÃO

É SIMÉTRICA! X Y Z É SIMÉTRICA!
X 1,000
X 1,000
Y 0,800 1,000 rXX = 1,0 rXY = 0,80 rXX = 1,0 rXY = 0,80
Y 0,800 1,000
Z 0,000 -0,500 1,000 rXZ = 0,00 rZY = −0,50 Z 0,000 -0,500 1,000 rXZ = 0,00 rZY = −0,50
(D) a correlação entre V = a + b.X e W = c + d.Z, com a ≠ 0, c ≠ 0,
b > 0 e d < 0 é negativa. (E) a covariância entre X e Y e igual a 0,64.
V = a + b.X W = c + d.Z b>0 ; d<0 S X ,Y

rXY =
S ( a + bX ,c + dZ ) S X × SY
rVW = r(a + bX , c + dZ) = -S(X,Z) porque d<0 !
S ( a + bX ) × S ( c + dZ ) S X ,Y = rXY × S X × SY rXY = 0,80
S ( bX ,dZ ) bdS ( X , Z ) − S( X , Z ) S X ,Y = 0,80 × S X × SY
rVW = = = = − rXZ ⇒ rVW = − rXZ
S ( bX ) × S ( dZ ) bS X × dS Z SX × SZ Não conhecemos os valores de SX e SY!
Como rXZ = 0,00 ⇒ rVW = 0,00 FALSO FALSO
GABARITO - C
CORRELAÇÃO PARCIAL ⇒ é uma medida da correlação REGRESSÃO

entre duas variáveis quando se exclui o efeito, sobre estas, de
uma terceira variável. 29- Sabendo-se que: ∑X = 10; ∑Y = 36; ∑XY = 100;
∑X2 =30 e n = 4, a reta de regressão para esses valores será:
rXY − rXZ rYZ CORRELAÇÃO PARCIAL ENTRE
rXY . Z = X E Y EXCLUINDO Z ! a. Y = -4X + 2
2
1 − rXZ × 1 − rYZ2 b. Y = -4X – 2
c. Y = 2X + 4
d. Y = 4X + 2
ANALOGIA ⇒ DERIVADA PARCIAL
e. Y = -2X - 4
f ( x, y, z ) f ( x , y , z ) = 4 x + 6 y + 10 z
Yˆ = a + bX
∂f ∂f ∂f
=4 =6 = 10 S XY PRECISAMOS CALCULAR A COVARIÂNCIA ENTRE X E Y E A
∂x ∂y ∂z b= VARIÂNCIA DE X!
S X2
 ∂ f ∂ f ∂f 
∇ f =  , ,  ∇f = (4,6,10 ) VETOR DE GRADIENTE !
 ∂x ∂ y ∂z  a = Y − bX
∑X = 10; ∑Y = 36; ∑XY = 100; ∑X2 =30 n=4 30- Dada a tabela abaixo, estimar a reta de regressão:
X Y
CÁLCULO DA VARIÂNCIA DE X
1 1
Yˆ = a + bX n=5
∑x
2
2
30  10  2 2 S XY
S X2 =
i
− x2 S X2 = −  S X2 = 1,25
n 4 4 3 4
b=
S X2
CÁLCULO DA COVARIÂNCIA 4 5
5 8
S X ,Y =
∑ XY − XY S X ,Y =
100 10 36
− × S X ,Y = 2,5 a = Y − bX
n 4 4 4
a. Y = -1,1 + 1,7X
S 2,5
b = XY b= b=2 b. Y = -1,7 + 1,1X
S X2 1,25 c. Y = -1,1 - 1,7X
36 10 d. Y = -1,7 - 1,7X
a = Y − bX a= − 2× a=4
4 4
Yˆ = a + bX Yˆ = 4 + 2 X GABARITO - C
ESTATÍSTICA
X Y X2 Y2 XY 55  15 
2
2 O enunciado seguinte deverá ser usado para responder as
S X2 = −   S X = 11 − 9 S X = 2
2
1 1 1 1 1 questões de 31 a 37.
5 5 A reta de mínimos quadrados para um conjunto de pontos é .
2 2 4 4 4
12 S X ,Y = ∑
XY yˆ = 3 + 2 x
3 4 9 16 − XY
4 5 16 25 20 n 31- Em relação a covariância pode-se afirmar que:
77 15 20 S = 3,4 a. é positiva pois o coeficiente angular é negativo
5 8 25 64 40 S
X ,Y = − × X ,Y b. é positiva pois o coeficiente angular é positivo
15 20 55 110 77 5 5 5 c. é negativa pois o coeficiente angular é negativo
S XY 3,4 d. é negativa pois o coeficiente angular é positivo
b= b= b = 1,7 e. é igual a zero pois o coeficiente angular é nulo
S X2 2 Coeficiente Linear ⇒ a
20 15 Yˆ = a + bX Coeficiente Angular ⇒ b
a = Y − bX a= − 1,7 × a = − 1,1
5 5 yˆ = 3 + 2 x a = 3 b = 2
Yˆ = a + bX Yˆ = −1,1 + 1,7 X GABARITO - A b=
S XY
⇒ S XY > 0 Obs. S X2 ≥ 0
S X2 GABARITO - B
32- Em relação ao coeficiente de correlação da reta do exercício 33- O coeficiente angular da reta vale:
anterior pode-se afirmar que: a. 3 b. -2 c. 0 d. 2
a. r = 1 b. r = -1 c. 0 < r < 1 d. -1 < r < 0
yˆ = 3 + 2 x a =3 b=2
yˆ = 3 + 2 x a =3 b=2
Coeficiente Linear ⇒ a
S X ,Y S Coeficiente Angular ⇒ b GABARITO - D
r= b = 2 b = XY ⇒ S XY > 0 pois S ≥ 0 2
X
S X × SY S X2
Como SX ≥ 0 e SY ≥ 0 o sinal de r é o mesmo sinal de SXY! 34- O coeficiente linear (intercept) da reta vale:
a. 2 b. 0 c. 3 d. -3
Logo ⇒ 0 < r < 1
GABARITO - C
GABARITO - C
35- O valor estimado de y para x = -1,5 é:

Ŷ Yˆ = a + bX • a. 0 b. 3 c. 2 d. -1,5
•
•
• ⇒ Y OBSERVADO • •
• • • yˆ = 3 + 2 x yˆ = 3 + 2 × (−1,5) yˆ = 3 − 3 yˆ = 0
• • •
• • • GABARITO - A
•
• • • •
• • 36- A reta corta o eixo dos x no ponto:
•
• • • • • a. 3 b. -1,5 c. 1,5 d. 2
• • yˆ = 3 + 2 x x = −1,5
• • • yˆ = 0 0 = 3 + 2 x 2 x = −3
a a ⇒ COEFICIENTE LINEAR (INTERCEPT) PRECISAVA FAZER A CONTA ?
θ GABARITO - B
X 37- O valor estimado yˆ = 1 corresponde a um valor da variável
independente de:
b ⇒ COEFICIENTE ANGULAR = tg(θ
θ) a. 1 b. -2 c. -1 d. 0
yˆ = 1 1 = 3+ 2x 2x = 1− 3 2 x = −2 x = −1
RETA DE REGRESSÃO
GABARITO - C
ESTATÍSTICA
38- (ACE-ESAF) A tabela abaixo exibe o consumo de 39- (ACE-ESAF) O coeficiente de correlação do exercício
determinado item no período de 1999 a 2007. anterior é 0,98. Este resultado significa que a previsão:
Ano Consumo Sabendo-se que os valores dos parâmetros para a. pode ser efetuada com relativa margem de segurança, pois o
1999 1
a reta ajustada são a = - 0,57 e b = 1,27, e que as valor de r está muito próximo de 1
2000 2
condições de mercado permanecem inalteradas, a b. não pode ser efetuada, dado que o valor de r está distante de
2001 4
2002 4 previsão de consumo para 2008 será: 100
2003 5 a. 37,53 c. não pode ser efetuada, pois este resultado expressa uma
2004 7 b. 13,27
c. 12,13
Yˆ = a + bX relação linear
2005 8 d. pode ser efetuada, dada a importante significância deste
d. 46,61 a = - 0,57
2006 9 resultado
e. 14,79 b = 1,2
2007 12
e. não pode ser efetuada, dado que o valor de r não pode ser
Yˆ = −0,57 + 1,27 X X = ???? menor do que 1
X = 10
r varia entre -1 e 1
Yˆ = −0,57 + 1,27 × 10 Yˆ = −0,57 + 12,7
r = 0,98 ⇒ forte correlação positiva !
Yˆ = 12,13
Obs. É uma REGRESSÃO contra o TEMPO(X) ! GABARITO - C GABARITO - D
40- (BACEN) Das afirmações: I. O coeficiente de determinação (R2) mede o quanto da variação
I. O coeficiente de determinação (R2) mede o quanto da variação da variável independente, é explicada pela variável dependente.
da variável independente, é explicada pela variável dependente.
II. O coeficiente de determinação é um real no intervalo [0,1]. Yˆ = a + bX
III. A qualidade do ajuste de um modelo é medida pelo
COEFICIENTE DE DETERMINAÇÃO
coeficiente de variação entre as variáveis dependente e
independente. ⇒ r2 varia entre 0 e 1 ⇒ [ 0 ≤ r2 ≤ 1]
IV. O método dos mínimos quadrados consiste em minimizar a
⇒ Mede o quanto da variação da variável DEPENDENTE (Y) é
soma dos quadrados dos desvios entre os valores observados e
os valores estimados, pelo modelo ajustado. explicada pela variável INDEPENDENTE (X).
V. O processo de determinação dos parâmetros de uma reta de
⇒ FALSO
regressão é chamado de ajustamento.
a. Todas são corretas II- O coeficiente de determinação é um real no intervalo [0,1]
b. Todas são incorretas VERDADEIRO
c. II e III são incorretas
d. I, II e V são corretas
e. II, IV e V são corretas
III. A qualidade do ajuste de um modelo é medida pelo 41- (AFPS-ESAF) Assinale a alternativa incorreta:
coeficiente de variação entre as variáveis dependente e
independente. a. Se a covariância entre duas variáveis é negativa, então a
Coeficiente de Variação é uma medida de dispersão! correlação linear entre essas variáveis será também negativa.
FALSO
b. O valor do coeficiente angular no modelo linear de regressão
IV. O método dos mínimos quadrados consiste em minimizar a
soma dos quadrados dos desvios entre os valores observados e é equivalente a tangente do ângulo que a reta de regressão
os valores estimados, pelo modelo ajustado. forma com o eixo dos X.
Yˆ = α + βX e (desvio) = (Y − Yˆ ) c. Um valor nulo para o coeficiente linear, significa que a
min ∑ ê 2 min ∑ (Y − Yˆ ) 2 min ∑ [Y − (α + β X )]
2
covariância linear entre a variável dependente e a variável
min ∑ [Y − α − βX ]
2
independente é zero.
VERDADEIRO d. A correlação linear perfeita ocorre quando os pontos
V. O processo de determinação dos parâmetros de uma reta de observados estão perfeitamente alinhados sobre uma reta.
regressão é chamado de ajustamento.
VERDADEIRO GABARITO - E
ESTATÍSTICA
41- (AFPS-ESAF) Assinale a alternativa incorreta: 41- (AFPS-ESAF) Assinale a alternativa incorreta:
c. Um valor nulo para o coeficiente linear, significa que a
a. Se a covariância entre duas variáveis é negativa, então a
covariância linear entre a variável dependente e a variável
correlação linear entre essas variáveis será também negativa.
independente é zero.
S X ,Y
r= Yˆ = a + bX a = 0 ⇒ Yˆ = bX
S X × SY
Coeficiente Linear ⇒ a
Como SX ≥ 0 e SY ≥ 0 o sinal de r é o mesmo sinal de SXY! Coeficiente Angular ⇒ b
a = 0 ⇒ a reta de regressão passa pela origem!
b. O valor do coeficiente angular no modelo linear de regressão
é equivalente a tangente do ângulo que a reta de regressão INCORRETA
forma com o eixo dos X.
d. A correlação linear perfeita ocorre quando os pontos
Yˆ = a + bX observados estão perfeitamente alinhados sobre uma reta.
b = tg (θ )
GABARITO - C
42- (ACE-ESAF) A tabela abaixo exibe o consumo de determinado item no período de

1999 a 2007.
∑ t
X
t
= 4 5 9 , 4 ;
∑ t
Y
t
= 5 9 ;
∑ t
(X
t
− M
x
) 2 = 0 , 4 4 4 ;
∑ t
(Y
t
− M
y
) 2 = 1 6 0 0 , 9
a ) yˆ i = 0,57 + 1,27 xi
Ano-X Consumo-Y Para obter-se um modelo de regressão
1999 1 linear do consumo contra o tempo são
b) yˆ i = −0,57 + 1,27 xi
2000 2
fornecidas as seguintes informações: c ) yˆ i = −0,78 + 1,27 x i
2001 4
2002
2003
4
5
∑ X = 45 ∑ ( X − X ) = 60
i i i i
2
d ) yˆ i = −0,57 + 1,37 xi
∑ Y = 52 ∑ (Y −Y ) = 99,56
2
2004 7 i
i i i
2005 8 e ) yˆ i = 0,57 + 2,78 x i
2006
2007
9
12
∑ (X − X )(Y − Y ) = 76
i i i
Assinale a opção que representa a equação da reta de mínimos quadrados
ajustada: yˆ i = aˆ + bˆ.xi + ε i onde aˆ e bˆ são parâmetros desconhecidos e εi

são não correlacionados e provenientes de distribuições com média zero e
variância constante σ2.
∑ t
X
t
=
∑ X = 45 ∑ ( X − X ) = 60 ∑ Y
4 5 9 , 4 ;
∑ t
Y
t
= 5 9 ;
∑ t
(X
t
− M
x
) 2 =
i
0 , 4 4 4 ;
∑ t
(Y
t
− M
y
) 2 = 1 6 0 0 , 9
i i i
2
i i = 52 ∑ (Y − Y )
i i
2
= 99,56
∑ t
X
t
=
∑ X = 45 ∑ ( X − X ) = 60 ∑ Y
4 5 9 , 4 ;
∑ t
Y
t
= 5 9 ;
∑ t
(X
t
− M
x
) 2 =
i
0 , 4 4 4 ;
∑ t
(Y
t
− M
y
) 2 = 1 6 0 0 , 9
i i i
2
i i = 52 ∑ (Y − Y )
i i
2
= 99,56
∑ (X − X )(Y − Y ) = 76 i i i ∑ (X − X )(Y − Y ) = 76 n=9

i i i
S XY S XY
Yˆ = a + bX b=
S X2
a = Y − bX Yˆ = a + bX b=
S X2
a = Y − bX
S X ,Y =
∑ XY − XY COVARIÂNCIA S X2 =
∑x i
2
− x2 VARIÂNCIA ∑ (X − X )× (Y − Y ) S XY =
76
S XY = 8, 44
n S XY = 9
n n
E AGORA ?
∑ (X − X )
2
60 S X2 = 6,67
S X2 = S X2 =
S XY =
∑ (X − X )× (Y − Y ) ⇒ MÉDIA DO PRODUTO DOS DESVIOS n 9
n 8,44 52 45
b= b = 1,27 a= − 1, 27 × a = − 0,57
6,67 9 9
∑ (X − X )
2
2 ⇒ MÉDIA DO QUADRADO DOS DESVIOS
S X =
n Yˆ = −0,57 + 1,27 X GABARITO - B
ESTATÍSTICA
43- (ACE-ESAF) Assinale a opção que representa o valor do S X ,Y

coeficiente de correlação linear entre as variáveis X e Y da r= S XY = 8,44 S X2 = 6,67
questão anterior. S X × SY
a. 0,964
b. 0,903 S X ,Y
∑Y i i = 52 ∑ (Y − Y )
i i
2
= 99,56
c. 0,892 r=
∑ (Y − Y )
2
S X × SY 99 ,56
d. 0,983 SY2 = SY2 = SY2 = 11,062
e. 0,912 n 9
S XY = 8, 44 S X2 = 6,67
S X ,Y 8,44 8,44
r= r= r=
S X × SY 6,67 × 11,062
∑i Yi = 52 ∑ (Y − Y )
i i
2
= 99,56
73,78
PRECISAMOS CALCULAR 8,44

r= r = 0,983
DESVIO PADRÃO DE X ⇒ JÁ TEMOS A VARIÂNCIA DE X 8,59
DESVIO PADRÃO DE Y ⇒ PRECISAMOS DA VARIÂNCIA DE Y GABARITO - D
73,78 + 81 154,78
73,78 = = = 8,59
2×9 18
(AFRF-ESAF) Para efeito das duas questões 44 e 45, considere X Y X2 Y2 XY S X ,Y n=6

r=
a seguinte tabela que apresenta valores referentes às variáveis 1 5 1 25 5 S X × SY
x e y porventura relacionadas. Valores das variáveis X e Y 2 7 4 49 14 2
relacionadas 3 12 9 144 36 S 2 = 91 −  21  S X2 ≅ 2,92 S X ≅ 1,71
X
4 13 16 169 52 6  6 
X Y X2 Y2 XY 44- Marque a opção que representa 5 18 25 324 90 2
1 5 1 25 5 o coeficiente de correlação linear 6 20 36 400 120 SY2 =
1111  75  SY2 ≅ 28,92 SY ≅ 5,38
− 
2 7 4 49 14 entre as variáveis X e Y. ∑ 21 75 91 1111 317 6  6 
3 12 9 144 36
4 13 16 169 52
5 18 25 324 90 S X ,Y =
∑ XY − XY S X ,Y =
317  21 75 
− ×  S X ,Y ≅ 9,08
6 20 36 400 120 n 6 6 6
∑ 21 75 91 1111 317
S X ,Y 9,08 r = 0,989
a. 0,900 r= r=
b. 0,926 S X × SY 1,71 × 5,38
c. 0,947
d. 0,967
e. 0,989
45-(AFRF-96/ESAF) Marque a opção que representa a equação 46-(AFRF-98/ESAF) O logaritmo neperiano (ln) de um índice de
. ˆ i = aˆ + bˆxi
da reta ajustante de mínimos c.quadrados y produção Y está associado ao logaritmo neperiano de um índice
a ) yˆ i = 1,601 + 3,114 x i de insumos Q através da relação linear: ln(Y) = α + β ln(Q) + e.
Para uma amostra de 100 observações envolvendo dados de
b) yˆ i = 1,643 + 3,482 x i
produção e quantidade, encontraram-se como estimadores de α
c ) yˆ i = 1,685 + 3,271xi e β as quantidades 1 e 2, respectivamente.
d ) yˆ i = 1,713 + 2,992 xi Assinale a opção correta.
e ) yˆ i = 1,726 + 2,864 x i a) A variação logarítmica esperada na produção por unidade de
variação em Q será de ln(2).
9,08 S XY b) A variação esperada no logaritmo do produto Y por unidade de
b= b= b = 3,114 variação no logaritmo de Q depende de Q e quando Q=exp(2) vale 4.
2,92 S X2
c) A variação esperada no logaritmo do produto Y por unidade de
75 21 variação no logaritmo de Q não depende de Q e é constante igual 2.
a = Y − bX a= − 3,114 × d) A variação esperada em ln(Y) por unidade de variação em ln(Q) não
6 6 está definida.
e) A variação esperada no logaritmo do produto Y por unidade de
a = 1,601 GABARITO - A variação no logaritmo de Q depende de Q e quando Q=exp(2) vale 5.
ESTATÍSTICA
Y = ÍNDICE PRODUÇÃO Y = ÍNDICE PRODUÇÃO

Q = ÍNDICE INSUMO
ln(Y) = α + β ln(Q) + e Q = ÍNDICE INSUMO
ln(Y) = α + β ln(Q) + e
α=1 α=1
ln(Y) = 1 + 2 ln(Q) ln(Y) = 1 + 2 ln(Q)
β=2 β=2
a) A variação logarítmica esperada na produção por unidade de b) A variação esperada no logaritmo do produto Y por unidade
variação em Q será de ln(2). de variação no logaritmo de Q depende de Q e quando
Q=exp(2) vale 4.
ln(Y) = 1 + 2 ln(Q) ln(Y) = 1 + 2 ln(Q)
d ln Y d ln Y
=2 ⇒ Variação esperada de Y por unidade de variação no = 2 ⇒ A variação esperada no logaritmo do produto Y por unidade
d ln Q logaritmo de Q vale 2 ! d ln Q de variação no logaritmo de Q é CONSTANTE igual a 2.
FALSO FALSO
Obs. ex = exp(x)
Obs. ex = exp(x)
n ∞
 1 1
e = BASE DO LOGARITMO NEPERIANO e = lim  1 +  e=∑
 n n = 0 n!
n → ∞
Y = ÍNDICE PRODUÇÃO Y = ÍNDICE PRODUÇÃO

Q = ÍNDICE INSUMO
ln(Y) = α + β ln(Q) + e Q = ÍNDICE INSUMO
ln(Y) = α + β ln(Q) + e
α=1 α=1
ln(Y) = 1 + 2 ln(Q) ln(Y) = 1 + 2 ln(Q)
β=2 β=2
c) A variação esperada no logaritmo do produto Y por unidade d) A variação esperada em ln(Y) por unidade de variação em
de variação no logaritmo de Q não depende de Q e é constante ln(Q) não está definida.
igual 2.
ln(Y) = 1 + 2 ln(Q) ln(Y) = 1 + 2 ln(Q)
d ln Y d ln Y
= 2 ⇒ A variação esperada no logaritmo do produto Y por unidade =2 ⇒ Variação esperada de Y por unidade de variação no
d ln Q de variação no logaritmo de Q é CONSTANTE igual a 2. d ln Q logaritmo de Q ESTÁ DEFINIDA e vale 2 !
VERDADEIRO FALSO
Obs. ex = exp(x) Obs. ex = exp(x)
Y = ÍNDICE PRODUÇÃO
ln(Y) = α + β ln(Q) + e DERIVADA ⇒ MEDE VARIAÇÃO !
Q = ÍNDICE INSUMO
α=1 DERIVADA DO ESPAÇO EM RELAÇÃO AO TEMPO
ln(Y) = 1 + 2 ln(Q) ⇒ VELOCIDADE !
β=2
e) A variação esperada no logaritmo do produto Y por unidade DERIVADA DA VELOCIDADE ESPAÇO EM
de variação no logaritmo de Q depende de Q e quando RELAÇÃO AO TEMPO
Q=exp(2) vale 5.
⇒ ACELERAÇÃO !
ln(Y) = 1 + 2 ln(Q)
DERIVADA DO PREÇO DE UMA CESTA DE
d ln Y PRODUTOS EM RELAÇÃO AO TEMPO
= 2 ⇒ A variação esperada no logaritmo do produto Y por unidade
d ln Q de variação no logaritmo de Q é CONSTANTE igual a 2. ⇒ INFLAÇÃO !
FALSO
Obs. ex = exp(x)
GABARITO - C
ESTATÍSTICA
MATEMATICAMENTE 47-(ACE-98/ESAF) Uma empresa tem interesse em estudar o

DERIVADA DE ALGUMAS FUNÇÕES BÁSICAS
efeito dos gastos com propaganda X (em R$ 10.000,00) no
f ( x) = c f '( x) = 0 c - constante
volume de vendas Y (em R$ 10.000,00). Não há sazonalidade
f ( x) = 2 x + 8 f '( x) = 2 f ' ⇒ Derivada de f aparente na evolução de Y e o modelo linear Yt=α+βXt+ε
representa uma aproximação plausível para o ajuste dos
f ( x) = x 2 f '( x) = 2 x
dados da tabela abaixo. Tais dados representam pares de
f ( x) = 5 x 2
f ' ( x ) = 10 x observações (Xt , Yt) ao longo de 10 meses escolhidos ao
1 acaso. Na equação do modelo linear α e β são parâmetros

f ( x ) = ln( x ) f ' ( x) =
x desconhecidos e εt são não correlacionados e provenientes de
f ( x) = e x
f ' ( x) = e x
distribuições com média zero e variância constante σ2.
Mês X Y Pretende-se utilizar a técnica de mínimos quadrados para

∑ ∑ (X
2
t X t = 9, 4 − M x ) = 0,444 n = 10
1 1,2 101 estimar os parâmetros do modelo linear. Com este fim
t t
2 0,8 92 calcularam-se as quantidades seguintes:

∑ Y = 959 ∑ (Y − M ) = 1600 ,9
2
t t t t y
3 1,0 110
∑ ∑
2
t ( X t − M x ) = 0, 444
4
5
1,3
0,7
120
90
t X t = 9, 4
∑ t ( X t − M x )(Yt − M y ) = 23 ,34
6
7
0,8
1,0
82
93
∑
t Yt = 959 t Yt − M y
2
∑ (
= 1600 ,9 ) Yt = α + βXt + ε t β=
S XY α = Y − βX
S X2
8 0,6 75 ∑ (
t X t − M x Y t − M y = 23 ,34)( )
9 0,9 91 ∑ (X − X )
2
S X2 =
∑ (X − M ) x
2
S X2 =
0,444 S X2 = 0,0444
10 1,1 105 S X2 = n 10
n
Nestas expressões Mx representa a média aritmética dos valores Xt e My a
média aritmética dos valores Yt. Assinale a opção que corresponde à
S XY =
∑ (X − X )× (Y − Y ) S XY =
∑ ( X − M )× (Y − M )
x y S XY =
23,34
estimativa do aumento esperado no nível de vendas (em R$ 10.000,00) n n 10
decorrente do aumento de R$ 10.000,00 de gastos com publicidade.
a. 60,31 S XY = 2,334
b. 53,43
c. 51,26
d. 52,57
e. 57,00
∑ ∑ (X Nestas expressões Mx representa a média aritmética dos valores

2
t X t = 9, 4 t t − M x ) = 0,444 n = 10
Xt e My a média aritmética dos valores Yt. Assinale a opção que
∑ Y = 959 ∑ (Y − M ) = 1600 ,9
2
t t t t y corresponde à estimativa do aumento esperado no nível de
vendas (em R$ 10.000,00) decorrente do aumento de
∑ t ( X t − M x )(Yt − M y ) = 23 ,34 R$ 10.000,00 de gastos com publicidade.
Yt = α + βXt + ε t S XY α = Y − βX
β= Yt = 46,49+ 52,57Xt Obs. X está medido em R$ 10.000,00
S X2
S X2 = 0,0444 S XY O QUE ESTÁ SENDO PEDIDO ?
β= β = COVARIÂNCIA / VAR(X)
O AUMENTO EM Y DECORRENTE DO AUMENTO DE
S XY = 2,334 S X2
R$ 10.000,00 EM X, OU SEJA DE UMA UNIDADE DE X !
2,334 CONCEITUALMENTE É A DERIVADA DE Y EM RELAÇÃO A X!
β= β = 52,57
0,0444 Yt = 46,49 + 52,57Xt dY
959 9,4 = 52 ,57
α = Y − βX α= − 52 ,57 × α = 46 , 49 dX
10 10 Yt = α + βXt + εt
Yt = 46,49 + 52,57Xt dY
= β ⇒ Não precisava calcular o α
dX GABARITO - D
ESTATÍSTICA
48-(ELETROBRÁS-ESTATÍSTICO-2002/NCE) Para verificar a Resíduos

adequação do modelo de regressão utilizado, o gráfico a seguir,
dos resíduos contra os valores ajustados, foi observado:
Valores
Ajustados
Teria que ser assim!
Essa configuração indica que:

(A) o modelo utilizado é adequado, com um coeficiente de determinação elevado;
(B) a variância não é constante, embora oscile numa faixa definida de valores;
Essa configuração indica que: (C) existe uma auto correlação positiva que, entretanto fica atenuada com o passar
(A) o modelo utilizado é adequado, com um coeficiente de determinação elevado; do tempo;
(B) a variância não é constante, embora oscile numa faixa definida de valores; (D) é necessária a inclusão de termos extras no modelo ou uma transformação da
(C) existe uma auto correlação positiva que, entretanto fica atenuada com o passar variável dependente;
do tempo; (E) a suposição de normalidade dos resíduos não se verifica.
(D) é necessária a inclusão de termos extras no modelo ou uma transformação da
variável dependente;
(E) a suposição de normalidade dos resíduos não se verifica.
GABARITO - D
10 10 10
49-(ICMS-SP-2006/FCC) Em um determinado país, deseja-se determinar a relação
entre a renda disponível (Y), em bilhões de dólares, e o consumo (C), também em
S1 = ∑ C i = 90 S 2 = ∑ Yi = 100 S 3 = ∑ Yi C i = 1 .100
i =1 i =1 i =1
bilhões de dólares. Foi utilizado o modelo linear simples Ci = α + βYi + εi, em que Ci é o 10 10
consumo no ano i, Yi é o valor da renda disponível no ano i e εi o erro aleatório com as S 4 = ∑ Yi 2 = 1 .250 S 5 = ∑ C i2 = 1 .010 n = 10
respectivas hipóteses para a regressão linear simples. α e β são parâmetros i =1 i =1
desconhecidos, cujas estimativas foram obtidas através do método dos mínimos
quadrados. Para obtenção desta relação considerou-se ainda as seguintes C = α + β Y + e ⇒ RENDA(Y) EXPLICA O CONSUMO (C)
informações colhidas através da observação nos últimos 10 anos:
10 1100 90 100 S CY = 110 − 90 S CY = 20
S1 = ∑ C i = 90
10
S 2 = ∑ Y i = 100
10
S 3 = ∑ Y i C i = 1 .100 S CY = − ×
i =1 i =1 i =1
10 10 10
10 10 2
S 4 = ∑ Yi 2 = 1 .250 S 5 = ∑ C i2 = 1.010 1250  100  S Y2 = 125 − 100 S Y2 = 25
i =1 i =1 S Y2 = − 
Para o cálculo do coeficiente de correlação de Pearson (R), usou-se a 10  10 
fórmula: em que Cov(Y,C) é a covariância de Y e C, DP(Y) é o S 20 4
desvio padrão de Y e DP(C) é o desvio padrão de C. Então, β = CY2 β = β = β = 0 ,8
(A) o coeficiente de explicação (R2) correspondente é igual a 64%. SY 25 5
(B) utilizando a equação da reta obtida pelo método dos mínimos quadrados, tem-se
que, em um ano, caso a renda disponível seja igual a 15 bilhões de dólares, o α = C − βY
consumo será igual a 13 bilhões de dólares.
α = 9 − 0,8 × 10 α = 1
(C) obtendo para um determinado ano uma previsão para o consumo de 10 bilhões de
dólares, significa que a renda disponível considerada foi de 12,5 bilhões de dólares. C = 1 + 0,8Y ⇒ MODELO AJUSTADO !
(D) o valor da estimativa encontrado para o parâmetro β é igual a 0,4.
(E) o valor da estimativa encontrado para o parâmetro α é igual a 10.
Cov (Y , C ) (A) o coeficiente de explicação (R2) correspondente é igual a 64%.

r= S CY = 20 S Y2 = 25 SY = 5 r2 = 0,80
DP (Y ) DP (C ) FALSO
2 (B) utilizando a equação da reta obtida pelo método dos mínimos quadrados,
1010  90  S C2 = 101 − 81 S C2 = 20 S C ≅ 4,5 tem-se que, em um ano, caso a renda disponível seja igual a 15 bilhões de
S C2 = − 
10  10  dólares, o consumo será igual a 13 bilhões de dólares.
20 + 16 36
20 = = = 4,5 C = 1 + 0,8Y
2×4 8 Y = 15
20 20 C = 1 + 0,8×15
r= = r ≅ 0,89 C = 1 + 12
5 × 4,5 22,5
C = 13
VERDADEIRO
r 2 ≅ 0,80 (C) obtendo para um determinado ano uma previsão para o consumo de 10 bilhões
de dólares, significa que a renda disponível considerada foi de 12,5 bilhões de dólares.
C = 1 + 0,8Y
Y = 12,5
C = 1 + 0,8×12,5
C = 1 + 10
C = 11
FALSO
ESTATÍSTICA
50-(AFPS-2002/ESAF) Uma empresa presta serviços de

(D) o valor da estimativa encontrado para o parâmetro β é igual a 0,4.
manutenção de eletrodomésticos em domicílio. Para cada um de
β = 0,8 18 atendimentos coletou o tempo gasto em minutos (y) com a
FALSO manutenção e o número de máquinas servidas (x). Postula-se
que o modelo linear Yi = α + βXi + εi seja adequado, onde α e β
(E) o valor da estimativa encontrado para o parâmetro α é igual a 10. são parâmetros desconhecidos e os εi são componentes de erro
α=1 não diretamente observáveis, não correlacionados, com média
nula e variância σ2 desconhecida. As estimativas de mínimos
FALSO quadrados dos parâmetros do modelo linear são dadas por:
αˆ = 10, βˆ = 2 e σ 2 = 4
A estimativa do aumento esperado de tempo por máquina
adicional servida por chamada é de
a) 2 minutos
b) 10 minutos
c) 12 minutos
d) 5 minutos
GABARITO - B e) 6 minutos
Y ⇒ TEMPO GASTO NA MANUTENÇÃO A estimativa do aumento esperado de tempo (Y) por máquina
adicional servida (X) por chamada é de
X ⇒ NÚMERO DE MÁQUINAS (SERVIDAS) ATENDIDAS
Yi = α + β X
Yi = α + βXi + εi ⇒ MODELO LINEAR ADOTADO!
dY
EXISTE CORRELAÇÃO ENTRE X E Y ? Yi = 10 + 2 X =2
dX
EXEMPLO
QUAL O SINAL DA CORRELAÇÃO ?
SE FOREM 5 MÁQUINAS (X=5) SE FOREM 6 MÁQUINAS (X=6) (+1)
PARÂMETROS DO MODELO Y = 10 + 2X Y = 10 + 2X
Y = 10 + 2×5 Y = 10 + 2×6
αˆ = 10 βˆ = 2 σ2 =4 Y = 10 + 10 + 2 min Y = 10 + 12
Y = 20 min Y = 22 min
Yi = α + β X Yi = 10 + 2 X
QUANDO PASSAMOS DE 5 MÁQUINAS(X) PARA 6 MÁQUINAS(X) O ACRÉSCIMO
QUAL PARÂMETRO INDICA O SINAL DA CORRELAÇÃO ? NO TEMPO (Y) FOI DE 2 MINUTOS ! ⇒ 2 MIN POR MÁQUINA ADICIONAL !
S X ,Y SE X PASSAR DE 5 PARA 9 MÁQUINAS O ACRÉSCIMO NO TEMPO SERÁ

S XY
β= , se β > 0 ⇒ S XY > 0 S X ,Y > 0 ⇒ r = >0 DE: 2 × 4 = 8 min!
S X2 S X × SY
Obs. (9 - 5) = 4 ⇒ Adicional de máquinas !
GABARITO - A
Y-Tempo de Manutenção
51-(AFPS-2002/ESAF) Para o modelo de regressão linear y = α + βx + ε
35
onde y é a variável resposta, x a variável independente, α e β são
30
28
30 parâmetros desconhecidos e ε é uma componente de erro aleatória com
25
26
20
24 média zero. Assinale a opção que corresponde à interpretação do
22
20
15
18 parâmetro α.
16 Y
14
10 12
10 +2 Yi = 10 + 2 X a) É o valor predito de y, dado que x = 0, desde que esse valor de x
5
0
seja compatível com o conjunto de observações da variável exógena.
0 1 2 3 4 5 6 7 8 9 10
+1 X - Número de Máquinas b) Mede a variação esperada em y por unidade de variação na

variável exógena.
dY
Yi = 10 + 2 X =2 c) É o valor esperado de y, quando se padroniza a variável exógena.
dX
d) Mede a variação da reta de regressão.
e) Mede o coeficiente angular da reta de regressão.
ESTATÍSTICA
MODELO LINEAR DE REGRESSÃO Assinale a opção que corresponde à interpretação do parâmetro α.

b) Mede a variação esperada em y por unidade de variação na
Yi = α + βX + ε i variável exógena.
Yi = α + β X + ε i dY
=β
DEPENDENTE INDEPENDENTE dX
ENDÓGENA EXÓGENA FALSO
Assinale a opção que corresponde à interpretação do parâmetro α. c) É o valor esperado de y, quando se padroniza a variável
a) É o valor predito de y, dado que x = 0, desde que esse valor de x seja exógena.
compatível com o conjunto de observações da variável exógena. FALSO
dY
Yi = α + β X X = 0 ⇒ Yi = α d) Mede a variação da reta de regressão. =β
dX
VERDADEIRO FALSO
e) Mede o coeficiente angular da reta de regressão.
Y = α + βX
EXÓGENO ⇒ Aquilo que é de origem externa. Produzido por fatores externos a um
objeto, processo ou fenômeno.
α ⇒ COEFICIENTE LINEAR
ENDÓGENO ⇒ é aquele que parte do interior para o exterior. β ⇒ COEFICIENTE ANGULAR GABARITO - A
52-(MP-ENAP-2006/ESAF) Com o objetivo de estimar-se o ∑ X = 15 X =3 ∑X 2

= 55 n=5
modelo Y = α + βX, foi retirada uma amostra com cinco pares de
observações (X,Y), obtendo-se os seguintes resultados: ∑ Y = 40 Y =8 ∑Y 2
= 360 ∑ XY = 140
S
∑ X = 15 X =3 ∑X 2
= 55 Yi = α + β X i β = XY2 α = Y − βX
SX
∑ Y = 40 Y =8 ∑Y 2
= 360 ∑ XY = 140
140 S XY = 4
S XY = − 3× 8 S XY = 28 − 24
Desse modo, 5
a) Y = - 2 - 2X 55 S X2 = 2
b) Y = 2 - 2X S X2 = − 32 S X2 = 11 − 9
5
c) Y = 2X
S XY 4
d) Y = 2 + 2X β= β= β =2
e) Y = - 2 + 2X S X2 2
α = Y − βX α = 8 − 2×3 α = 2
Yi = 2 + 2 X i
GABARITO - D
53-PETROBRÁS-ECONOMISTAJR-2005/CESGRANRIO) 54-(AGENTE FISCAL-SEFAZ-PI-2001/ESAF) Um investigador toma

uma amostra de 10 carregamentos levados a efeito em caminhões de
Heterocedasticidade refere-se à situação onde a variância dos
uma firma de transporte. Para cada carregamento (i) anota a distância
erros é:
percorrida pelo caminhão em 1.000 Km (xi) e o tempo de entrega do
(A) constante e igual a 1 carregamento em dias (yi). Neste contexto postula que o modelo de
(B) constante regressão linear yi=α+βxi+εi se ajusta a suas observações, onde α e β
(C) variável são parâmetros desconhecidos e os εi são componentes estocásticas
(D) variável entre 0 e 1 (resíduos) não diretamente observáveis, não correlacionadas, com
(E) infinita sempre média zero e variância σ2>0 .Foram encontradas as estatísticas
seguintes no ajuste do modelo de regressão linear:
HETEROCEDASTICIDADE ⇒ a variância dos erros é
∑i xi = 8 ∑i xi2 = 12 ∑i xi yi = 26 ∑i yi = 29 ∑i yi2 = 100
VARIÁVEL ! Assinale a opção que corresponde à estimativa do aumento esperado no
tempo de entrega decorrente da adição de 1.000 Km na distância percorrida.
HOMOCEDASTICIDADE ⇒ a variância dos erros é
a) 0,5 dias
CONSTANTE! b) 1,0 dias
c) 3,0 dias
d) 5,0 dias
GABARITO - C e) 4,5 dias
ESTATÍSTICA
55- (AFRF-2009) Na análise de regressão linear simples, as

∑i xi = 8 ∑i xi2 = 12 ∑i xi yi = 26 ∑i yi = 29 ∑i yi2 = 100 n = 10
estimativas α̂ e β̂ dos parâmetros α e β da reta de regressão
Yi = α + β X i S XY podem ser obtidas pelo método de Mínimos Quadrados. Nesse
β= α = Y − βX
S X2 caso, os valores dessas estimativas são obtidos através de uma
26 8 29 amostra de n pares de valores Xi Yi com (i =1, 2,....,n), obtendo
S XY = − × S XY = 2,6 − 2,32 S XY = 0,28 se: Yî = αˆ + βˆX onde Yî é a estimativa de Y . Para cada par de
10 10 10 valores Xi Yi com (i =1, 2,...,n) pode-se estabelecer o desvio ou
2
12  8  resíduo aqui denotado por ei − entre a reta de regressão Yi e sua
S X2 = −  S X2 = 1, 2 − 0,64 S X2 = 0,56 estimativa Yî . Sabe-se que o Método de Mínimos Quadrados
10  10 
consiste em adotar como estimativas dos parâmetros α e β os
S 0,28 β = 0,5 valores que minimizam a soma dos quadrados dos desvios (ei).
β = XY2 β=
SX 0,56 Desse modo, o Método de Mínimos Quadrados consiste em
dY minimizar a expressão dada por:
Yi = α + 0,5 X i = 0,5 GABARITO - A
dX
α = Y − βX α = 2,9 − 0,5 × 0,8 α = 2 ,5

Yi = 2,5 + 0,5 X i
2
Y ⇒ Observado
n
[
a ) ∑ Yi − (αˆ − βˆ . X i ) ] Yˆ ⇒ Estimado ⇒ Yˆ = αˆ + βˆX
i =1
n 2 e = (Y − Yˆ ) ⇒ RESÍDUOS (Desvios)
b) ∑ [(Y − αˆ − βˆ.X )] i i n n
i =1
∑ê i
2
(
= ∑ Yi − Yî )
2
MÍNIMOS QUADRADOS ⇒ MINIMIZAR A SOMA DOS
QUADRADOS DOS RESÍDUOS !
n 2 i =1 i =1
c) ∑ [Y − (α − β . X i )] n n
∑ (Y − Yˆ ) = ∑ [Y )]
i
i =1
n 2
i i
2
i (
− αˆ + βˆX i
2
∑ [Y ] i =1 i =1
− Yî
2 2
d) i
n n
∑ [Y − (αˆ + βˆX )] = ∑ [Y − αˆ − βˆX ]

i =1 2 2
n i i i i
∑ [Y ]
2
e) i − (α − β . X i ) 2 i =1 i =1
i =1
n 2
a) ∑ [Y
i =1
i − (αˆ − βˆ . X i ) ] ERRADO
Veja o mundo num grão de areia,
n 2
∑ [Y ]
n 2
b) ∑ [(Y − αˆ − βˆ.X )]
i =1
i i
CERTO b)
i =1
i − αˆ − βˆ . X i )
veja o céu em um campo florido,
NA PROVA ESTAVA ASSIM !
c)
n
∑ [Y i − (α − β . X i )]
2
ERRADO GABARITO - ANULADA ! guarde o infinito na palma da mão,
i =1
n 2
e a eternidade em uma hora de vida!
d) ∑ [Yi =1
2
i − Yî
2
] ERRADO
∑ [Y ] ERRADO
2
e) i − (α − β . X i ) 2
i =1
William Blake
1757 - Londres /1827 - Londres
GABARITO - B
ESTATÍSTICA

Estat Ex Corr Regressao

Enviado por

Dados do documento

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

Estat Ex Corr Regressao

Enviado por

Direitos autorais:

Formatos disponíveis

ACADEMIA DO CONCURSO

rXY = -1.0 ! rXY = 1 !

SEM CONTA ! ⇒ OLHOU...E VIU! SEM CONTA ! ⇒ OLHOU...E VIU!

Os pontos estão perfeitamente alinhados sobre uma reta !

04-(AGU-ESTATÍSTICO-2006/NCE) As notas de cinco alunos em 5 5 5 5 5

PRIMEIRO PASSO ⇒ CALCULAR A MÉDIA DE X TERCEIRO PASSO ⇒ CALCULAR A MÉDIA DE Y

05-(BC-ANALISTA-2002/ESAF) Considere duas variáveis PROPRIEDADES DA VARIÂNCIA

PROPRIEDADES DA VARIÂNCIA TEMOS

S(2X −Y ) = S X2 + SY2 − 2 S XY S (2X −Y ) = S X2 + SY2 − 2 S XY

06-(IBGE-ANALISTA CENSITÁRIO-2000/NCE) Se X é uma 07-(MP-RO-ESTATÍSTICO-2005/CESGRANRIO) Analise as

S X ,Y COEFICIENTE DE CORRELAÇÃO = COVARIÂNCIA

aos valores de X; Vejamos

Vejamos ⇒ S(CX,Y) = cS(X,Y) ⇒ a covariância fica multiplicada por c.

quando somamos uma constante a X!

08-(MP-RO-ESTATÍSTICO-2005/CESGRANRIO). 09-(IBGE-ANALISTA CENSITÁRIO-2000/NCE) Sejam X e Y

Var(X-Y) = Var(X) + Var(Y) - 2×Cov(X,Y) A covariância entre X e Y vale:

10-(MPU-ANALISTA DOCUMENTAÇÃO-2004/ESAF) Considere

2 0,2 0,1 0,3 n X/Y Y1 Y2

X/Y Y1 Y2 11-(MP-RO-ESTATÍSTICO-2005/CESGRANRIO) O vetor

12-PREFEITURA MANAUS ESTATÍSTICO 2004 CESGRANRIO

14-(ELETROBRÁS-ESTATÍSTICO-2002/NCE) A tabela de dupla valores de x CÁLCULO DA COVARIÂNCIA

15-(FINEP-ANALISTA-2006/NCE) O trabalho desenvolvido por X\Y -2 -1 4 5

16-(SEFAZ-AFTE-MS-2006/FGV) Analise as afirmativas a seguir, I. Se X e Y são independentes, então Cov(X;Y) = 0

18-(SEAD-AM-ESTATÍSTICO-2005/CESGRANRIO) Se Y = 1-X, 19- (IBGE- ANALISTA MÉTODOS QUANTITATIVOS-2002/NCE)

Dos valores a seguir, o que melhor representa o coeficiente de

21-(SMA-RIO/RJ-TÉCNICO CONTROLE INTERNO/99) Duas 22-(TRF-1RF-ESTATÍSTICO-2001/FCC) Sejam X e Y variáveis

a) – 1,0; – 0,8 O QUE É PEDIDO?

c) – 0,5; – 0,8 rZX = ? rZY = ?

24-(ATRFB-2006/ESAF) Para 5 pares de observações das ∑ x = ∑ y =15 ∑ x = ∑ y 2 2

25-(BACEN-ANALISTA-2005/FCC) Sejam X e Y duas variáveis (A) E(2X + 5) = 4E(X)

26-(AFRF-2005/ESAF) Para uma amostra de dez casais S X ,Y

RAIZ QUADRADA 27- (ICMS-RJ-2010) Duas variáveis aleatórias x e y têm

18,49 + 16 34,49 O QUE SABEMOS ?

O QUE SABEMOS ? 28- (ICMS-RJ-2008) Sejam X, Y e Z três variáveis com

2 × −2 × S XY Pode-se, então, afirmar que:

MATRIZ DE CORRELAÇÃO MATRIZ DE CORRELAÇÃO

X Y Z MATRIZ DE CORRELAÇÃO MATRIZ DE CORRELAÇÃO

V = a + b.X W = c + d.Z b>0 ; d<0 S X ,Y

CORRELAÇÃO PARCIAL ⇒ é uma medida da correlação REGRESSÃO

35- O valor estimado de y para x = -1,5 é:

42- (ACE-ESAF) A tabela abaixo exibe o consumo de determinado item no período de

Assinale a opção que representa a equação da reta de mínimos quadrados

ajustada: yˆ i = aˆ + bˆ.xi + ε i onde aˆ e bˆ são parâmetros desconhecidos e εi

∑ (X − X )(Y − Y ) = 76 i i i ∑ (X − X )(Y − Y ) = 76 n=9

43- (ACE-ESAF) Assinale a opção que representa o valor do S X ,Y

PRECISAMOS CALCULAR 8,44

(AFRF-ESAF) Para efeito das duas questões 44 e 45, considere X Y X2 Y2 XY S X ,Y n=6

Y = ÍNDICE PRODUÇÃO Y = ÍNDICE PRODUÇÃO

Y = ÍNDICE PRODUÇÃO Y = ÍNDICE PRODUÇÃO

Obs. ex = exp(x) Obs. ex = exp(x)

MATEMATICAMENTE 47-(ACE-98/ESAF) Uma empresa tem interesse em estudar o

1 acaso. Na equação do modelo linear α e β são parâmetros

Mês X Y Pretende-se utilizar a técnica de mínimos quadrados para

2 0,8 92 calcularam-se as quantidades seguintes:

∑ ∑ (X Nestas expressões Mx representa a média aritmética dos valores

48-(ELETROBRÁS-ESTATÍSTICO-2002/NCE) Para verificar a Resíduos

Teria que ser assim!

Essa configuração indica que:

Cov (Y , C ) (A) o coeficiente de explicação (R2) correspondente é igual a 64%.

50-(AFPS-2002/ESAF) Uma empresa presta serviços de

S X ,Y SE X PASSAR DE 5 PARA 9 MÁQUINAS O ACRÉSCIMO NO TEMPO SERÁ

+1 X - Número de Máquinas b) Mede a variação esperada em y por unidade de variação na

MODELO LINEAR DE REGRESSÃO Assinale a opção que corresponde à interpretação do parâmetro α.

52-(MP-ENAP-2006/ESAF) Com o objetivo de estimar-se o ∑ X = 15 X =3 ∑X 2