UNIFESP – Universidade Federal de São Paulo EPPEN – Escola Paulista de

Política, Economia e Negócios

Curso de Ciências Contábeis Métodos Quantitativos Aplicados
Prof. Dr. José Marcos Carrera Junior
Rafael da Silva Santos 314.316

Atividade 4 – Regressão Linear Simples

Fonte: ANDERSON, David R.; SWEENEY, Dennis. J. & WILLIAMS, Thomas. A.. Estatística
Aplicada à Administração e Economia. 8ª Ed Completa. Cengage, 2021.

Mini-Caso – Parque de Diversões Buckeye Creek

O Parque de Diversões Buckeye Creek permanece aberto anualmente desde o início de maio até o
final de outubro e depende muito da venda de ingressos por temporada. Esses ingressos geram
uma receita significativa antes da abertura do parque em cada estação, e os portadores de ingressos
contribuem com uma parte substancial das vendas de alimentos, bebidas e novidades no parque.
Greg Ross, diretor de marketing do Buckeye Cree, precisa desenvolver uma campanha de
marketing direcionada a aumentar as vendas de ingressos para a temporada.
Greg tem os dados da última temporada, que mostram o número de compradores de ingressos de
acordo com cada CEP dentro de 50 milhas de distância do Buckeye Creek. Ele também obteve a
população total da região de cada CEP no site do Departamento de Recenseamento dos Estados
Unidos. Greg acha que é possível usar a análise de regressão para prever o número de compradores
de ingressos na área de um código postal dada a população dessa área. Se isso for possível, ele
poderá conduzir uma campanha de mala direta que seria direcionada a áreas de CEP com menos
do que o número esperado de compradores de ingresso para a temporada.
1) Calcule a estatística descritiva e construa um diagrama de dispersão para os dados. Discuta
suas descobertas.
• Resumo Estatístico:
Compradores por Temporada População
Contagem (n) 151 151
Média 128,26 15738,22
Mediana 59 12675
Desvio Padrão Amostral 145,3775637 12639,5436
Variância Amostral 21134,63603 159758062,5

• Gráfico de dispersão:

Gráfico de Dispersão
700
Compradores por temporada

600

500

400

300

200 y = 0,0092x - 16,258

R² = 0,6374
100

0
0 10.000 20.000 30.000 40.000 50.000 60.000 70.000
-100

População

• Observando o gráfico, obtido usando os dados de Compradores por temporada (Eixo Y) e

a Popualçao (Eixo X), podemos dizer que os dados tem uma relação positiva, ou seja,
quanto maior for a população, maior será o número de compradores por temporada. No
entando, nas próximas questões será testado estaticamente se essa hipótese é verdadeira.
Logo, nossa estitistica de teste é:
H0: o número de compradores por temporada tem relação positiva com o número
populacional por CEP
H1: o número de compradores por temporada não tem relação positiva com o número
populacional por CEP.

2) Utilizando a regressão linear simples, desenvolva uma equação de regressão

estimada que possa ser usada para prever o número de compradores de ingressos
para a temporada de um determinado código postal dada a população total desta
área.
 Utilizando os dados obtidos na regressão simples, podemos construir uma equação
estimada da seguinte forma:

• Regressão simples linear:

ANOVA
gl SQ MQ F F de significação
Regressão 1 2020777,255 2020777,255 261,9549822 1,21755E-34
Resíduo 149 1149418,149 7714,215768
Total 150 3170195,404

Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores Inferior 95,0% Superior 95,0%
Interseção -16,25836695 11,4377664 -1,421463456 0,157271725 -38,85954407 6,342810175 -38,85954407 6,342810175
População 0,00918295 0,000567373 16,18502339 1,21755E-34 0,008061813 0,010304087 0,008061813 0,010304087
Figura 2.

• Equação:

Nº Compradores de Ingressos = -16,2584 + 0,0092 nº populacional

Isto é, se o parque não tiver nenhum ingresso vendido dentro daquele CEP, logo essa região tem
uma número populacional de -16 pessoas.

3) Teste quanto a uma relação significativa no nível de significância de 0,05.

Com um nível de significância de 5%, obtemos as seguintes estatisticas de regressão:

RESUMO DOS RESULTADOS

Estatística de regressão
R múltiplo 0,798392055
R-Quadrado 64%
R-quadrado ajustado 0,634996517
Erro padrão 87,83060838
Observações 151

A partir dos dados gerados, vemos que a relação significativa entre as duas variáveis é
64% confiável. Logo, é uma nota baixa para que essa equação para usar previsão, pois não
proporcional um bom ajuste.

4) A equação de regressão estimada proporcionou um bom ajuste. Justifique sua

resposta.

Usando evidência estatística da questão anterior, sabemos que o R² (relação siginificativa)

é 64%. Além disso, com 95% de confiança, podemos concluir que ele vai ter um valor
mínimo de 0,0081 e um valor máximo de 0,0103. Assim, tenho evidência estatistica para
dizer que não há relação linear positiva entre as duas variáveis. Para evidenciar a rejeição
de H0, olhamos para o P-valor. O p-valor é de 0,00%. Valor significamente inferior ao
nosso Alfa de 5% (nossa siginificância).
5) Use a análise de resíduos para determinar se o modelo de regressão assumido é
apropriado.

Resultado obtido sobre os resíduos na regressão linear simples:

Observando a distribuição dos resíduos, isto é, cruzando os resíduos do eixo Y com nossa
variável X, vemos que não há realação, pois não conseguimos determinar uma faixa
horizontal sem padrão no gráfico. Dessa forma, o modelo e os erros padrões não estão bem
construidos.

6) Discuta se/como a equação de regressão estimada deve ser usada para orientar a
campanhade marketing.

A equação de regressão poderia ser usada para estimar quantos ingressos conseguiriam
vender ao um público de uma determinada região. Dessa forma, poderiam analisar quais
as regiões que tem o menor número de posspiveis compradores e investir em pesquisa de
mercado para entender porque determinados regiões não tem aderência ao parque.

7) Quais outros dados podem ser úteis para prever o número de compradores de
ingressos datemporada em uma determinada área de CEP?

Acredito que:
1. Renda Familar;
2. Composição da Renda Familiar;
3. Acesso a internet para aumentar as vendas
4. Usa redes socias? (ajudaria na publicidade virtual do parque);
5. Locomoção ao parque