Aluno:_________________________________________________________________ Turma: ______ 1

Profª. Sandra Marcelino

Análise de Correlação e Regressão

Exercícios

1. O proprietário de uma grande rede de sorveteria gostaria de estudar os efeitos da

temperatura atmosférica sobre as vendas durante a temporada do verão. Uma amostra
aleatória de 11 dias foi selecionada, com os resultados fornecidos da seguinte maneira:

Temperatura mais Vendas por temp*vendas temperatura2 vendas2

Dia alta do dia (ºC) loja (R$ 1000)
(X) (Y) X.Y X2 Y2
1 23 1,52 34,96 529 2,31
2 20 1,68 33,60 400 2,82
3 23 1,80 41,40 529 3,24
4 25 2,05 51,25 625 4,20
5 30 2,36 70,80 900 5,57
6 32 2,25 72,00 1024 5,06
7 35 2,68 93,80 1225 7,18
8 38 2,90 110,20 1444 8,41
9 40 3,14 125,60 1600 9,86
10 41 3,06 125,46 1681 9,36
11 42 3,24 136,08 1764 10,50
Somas 349 26,68 895,15 11721 68,52
Soma do Somas dos quadrados
produto

a) Construa o diagrama de dispersão;

Aluno:_________________________________________________________________ Turma: ______ 2

b) Calcule o coeficiente de correlação linear de Pearson:

c) Estime os coeficientes linear e angular da equação de regressão;

d) Qual é a venda esperada para uma temperatura de 35 ºC?

2. Ao longo dos últimos 25 anos, uma cadeia de lojas de desconto de roupas femininas ampliou
sua participação de mercado, aumentando o número de pontos de suas lojas. Nunca foi
utilizado um método sistemático para a seleção desses pontos. A seleção de pontos era
baseada, principalmente, no que era considerada uma boa localização ou um bom aluguel.
Nesse ano, com um planejamento estratégico para abrir diversas lojas novas, foi pedido ao
diretor de projetos especiais e de planejamento um método de previsão de vendas anuais
para todas as novas lojas. Os dados obtidos originaram os seguintes somatórios para a
medição em m2 e as vendas anuais R$ 1.000.000) para uma amostra de 14 lojas.
 x 2  22197  y 2  427,0497
 xy  2959,553
 x  499  y  72,577

Com base nos somatórios apresentados:

a) Estime o coeficiente de correlação linear de Pearson e interprete o resultado encontrado;

b) Estime os coeficientes linear e angular da equação de regressão;

Aluno:_________________________________________________________________ Turma: ______ 3

c) Monte a equação de regressão;

d) Encontre a estimativa de vendas para um espaço de 18,3 m 2.

3. Considere os dados a seguir sobre a taxa de combustão de massa (x) e o comprimento da

chama (y)

X 1,7 2,2 2,3 2,6 2,7 3,0 3,2 3,3 4,1 4,3 4,6 5,7 6,1
Y 1,3 1,8 1,6 2,0 2,1 2,2 3,0 2,6 4,1 3,7 5,0 5,8 5,3

Com base nos dados apresentados:

a) Construa o diagrama de dispersão;
Aluno:_________________________________________________________________ Turma: ______ 4

b) Estime os parâmetros de um modelo de função potencial;

taxa de combustão comprimento

Obs. ln(X) ln(Y)
de massa (x) da chama (y)

1 1,7 1,3 0,5306 0,2624

2 2,2 1,8 0,7885 0,5878
3 2,3 1,6 0,8329 0,4700
4 2,6 2,0 0,9555 0,6931
5 2,7 2,1 0,9933 0,7419
6 3,0 2,2 1,0986 0,7885
7 3,2 3,0 1,1632 1,0986
8 3,3 2,6 1,1939 0,9555
9 4,1 4,1 1,4110 1,4110
10 4,3 3,7 1,4586 1,3083
11 4,6 5,0 1,5261 1,6094
12 5,7 5,8 1,7405 1,7579
13 6,1 5,3 1,8083 1,6677
Somas 45,8 40,5 15,5009 13,3521
Somas dos
183,36 153,73 20,2283 16,572
quadrados
Soma do
Soma do produto de X por Y 166,61 18,1088 produto de
ln(X) por ln(Y)
Soma do produto de X por ln(Y) 54,667
Soma do produto de ln(X) por Y 54,9400
Aluno:_________________________________________________________________ Turma: ______ 5

c) Monte a equação de regressão considerando o modelo linearizado;

d) Monte a equação de regressão considerando o modelo original.

4. Considerando os dados do exercício 3 sobre a taxa de combustão de massa e o

comprimento da chama:
a) Estime os parâmetros de um modelo de função exponencial.

taxa de combustão comprimento

Obs. ln(X) ln(Y)
de massa (x) da chama (y)

1 1,7 1,3 0,5306 0,2624

2 2,2 1,8 0,7885 0,5878
3 2,3 1,6 0,8329 0,4700
4 2,6 2,0 0,9555 0,6931
5 2,7 2,1 0,9933 0,7419
6 3,0 2,2 1,0986 0,7885
7 3,2 3,0 1,1632 1,0986
8 3,3 2,6 1,1939 0,9555
9 4,1 4,1 1,4110 1,4110
10 4,3 3,7 1,4586 1,3083
11 4,6 5,0 1,5261 1,6094
12 5,7 5,8 1,7405 1,7579
13 6,1 5,3 1,8083 1,6677
Somas 45,8 40,5 15,5009 13,3521
Somas dos
183,36 153,73 20,2283 16,572
quadrados
Soma do
Soma do produto de X por Y 166,61 18,1088 produto de
ln(X) por ln(Y)
Soma do produto de X por ln(Y) 54,6668
Soma do produto de ln(X) por Y 54,9400
Aluno:_________________________________________________________________ Turma: ______ 6

b) Monte a equação de regressão considerando o modelo linearizado;

c) Monte a equação de regressão considerando o modelo original.

5. Considerando os dados do exercício 3 sobre a taxa de combustão de massa e o

comprimento da chama:
a) Estime os parâmetros de um modelo de função logaritmica.
Aluno:_________________________________________________________________ Turma: ______ 7

b) Monte a equação de regressão considerando o modelo original.

taxa de combustão comprimento

Obs. ln(X) ln(Y)
de massa (x) da chama (y)

1 1,7 1,3 0,5306 0,2624

2 2,2 1,8 0,7885 0,5878
3 2,3 1,6 0,8329 0,4700
4 2,6 2,0 0,9555 0,6931
5 2,7 2,1 0,9933 0,7419
6 3,0 2,2 1,0986 0,7885
7 3,2 3,0 1,1632 1,0986
8 3,3 2,6 1,1939 0,9555
9 4,1 4,1 1,4110 1,4110
10 4,3 3,7 1,4586 1,3083
11 4,6 5,0 1,5261 1,6094
12 5,7 5,8 1,7405 1,7579
13 6,1 5,3 1,8083 1,6677
Somas 45,8 40,5 15,5009 13,3521
Somas dos
183,36 153,73 20,2283 16,572
quadrados
Soma do
Soma do produto de X por Y 166,61 18,1088 produto de
ln(X) por ln(Y)
Soma do produto de X por ln(Y) 54,6668
Soma do produto de ln(X) por Y 54,9400
Aluno:_________________________________________________________________ Turma: ______ 8

Formulário:

n X i Yi  X i  Yi
Coeficiente de correlação linear: r 
n X i
2
  X i 
2
 n Y i
2
  Yi 
2

a  Y  b XY  nY 2
R  2

Yi 2  nY 2
Coeficiente de determinação: ou R2 = ( r )2

Coeficiente linear: a 
 Y  b X  X  Y    X  X
2
Yi ;
a
i i i i
ou
n n X    X  2 2
i i

n X i Yi   X i  Yi
b
Coeficiente angular:
n X i2   X  i
2

Modelos linearizáveis:

Logarítmico: Y = a + b.ln(X)
Potencial: Y = a.Xb → ln(y) = ln(a) + b. ln(x) ou Y* = a* + b. X*
Exponencial: Y = a.b X → ln(y) = ln(a) + ln(b) . x ou Y* = a* + b*. X