Atividade 3 – Estatística

Nome: Laís da Costa Motta Pinto ; Mylena de Paula Pimenta

Nº USP: 11895389 ; 11912488

Questão 1

O gráfico abaixo representa as emissões Médias de CO2 em Toneladas por

ano para os anos de 2000, 2010 e 2020. Faça uma análise técnica sobre a
efetividade do processo de mitigação do CO2 ao longo desses 20 anos de
operação.

R.: O intervalo de confiança nada mais é que um intervalo de valores com uma
determinada média. Esta média foi dada na presente questão, sendo
respectivamente 10, 5 e 2 toneladas por ano das taxas de emissão de carbono.
Portanto, mediante uma análise do gráfico, nota-se que os intervalos se
intercalam e, consequentemente, se anulam. Por conta disto, não é possível
concluir se o processo de mitigação do CO2 ao longo de 20 anos de operação
foi efetivo, visto que o primeiro intervalo coincide com o segundo e o segundo
coincide com o terceiro, gerando uma contradição e, portanto, um resultado
inconclusivo.

Questão 2

Considere y como função de X1 e X2. A partir dos dados da tabela abaixo

ajuste os seguintes modelos, pelo método matricial:

Entregue para cada modelo: A matriz X t*X e Xt * Y; o valor dos coeficientes; o

R2 ; e um gráfico y versus ye. Qual o melhor modelo que se ajusta aos dados?
a) y=a+bX1

Matriz: A = Xt *X

Matriz: B = Xt * Y

Valor dos coeficientes (a e b)

a = 2.408666666666668

b = 0.552285714285715

R2 = 0.402762232328686

Gráfico x x ye
Gráfico Y x ye
//Códigos usados para o programa:
x = [1 2 3 4 5 6]';
Y = [1.59 3.62 6.21 4.40 5.60 4.63]';
plot(x,Y,'o')
X=[ones(6,1) x]
A = X'*X
B = X'*Y
C=(A)^(-1)*(B)
disp(A)
disp(B)
disp(C)
ye=X*C
plot(x,ye,'-*b')
sqs=sum((Y-mean(Y)).^2)
sq=sum((Y-ye).^2)
R2=(sqs-sq)/sqs
disp(R2)

b) y=a+bX2

Matriz: A = Xt *X

Matriz: B = Xt * Y

Valor dos coeficientes (a e b)

a = 3.396212121212122

b = 1.890909090909091

R2 = 0.237414392419832

Gráfico x x ye
Gráfico Y x ye

//Códigos usados para o programa:

x = [0.2 0.8 1.2 0.3 0.4 0.1]';
Y = [1.59 3.62 6.21 4.40 5.60 4.63]';
plot(x,Y,'o')
X=[ones(6,1) x]
A = X'*X
B = X'*Y
C=(A)^(-1)*(B)
disp(A)
disp(B)
disp(C)
ye=X*C
disp(ye)
plot(x,ye,'-*b')
sqs=sum((Y-mean(Y)).^2)
sq=sum((Y-ye).^2)
R2=(sqs-sq)/sqs
disp(R2)

c) y=a+bX1+cX2

Matriz: A = Xt *X

Matriz: B = Xt * Y

Valor dos coeficientes (a, b e c)

a = 0.097928519328956

b = 0.778147337709701

c = 3.040444930707511

R2 = 0.949220197840369

Gráfico x x ye
Gráfico Y x ye

Códigos usados para o programa:

//Códigos usados para o programa:
//y=a+bx1+cx2
x1 = [1 2 3 4 5 6]';
x2 = [0.2 0.8 1.2 0.3 0.4 0.1]';
Y = [1.59 3.62 6.21 4.40 5.60 4.63]';
plot(x1+x2/2, Y, 'o')
X=[ones(6,1) x1 x2]
A = X'*X
B = X'*Y
C=(A)^(-1)*(B)
disp(A)
disp(B)
disp(C)
ye=X*C
plot(x1+x2/2,ye,'-*r')
sqs=sum((Y-mean(Y)).^2)
sq=sum((Y-ye).^2)
R2=(sqs-sq)/sqs
disp(R2)

d) y=a+bX1+cX1*X2

Matriz: A = Xt *X

Matriz: B = Xt * Y

Valor dos coeficientes (a, b e c)

a = 0.89202513672697

b = 0.528432898611695

c = 1.043560685738325

R2 = 0.998024495475898

Gráfico x x ye
Gráfico Y x ye
//Códigos usados para o programa:
//y=a+bx1+cx1*x2
x1 = [1 2 3 4 5 6]';
x2 = [0.2 0.8 1.2 0.3 0.4 0.1]';
x3 = x1.*x2
Y = [1.59 3.62 6.21 4.40 5.60 4.63]';
plot(x1+x3/2, Y, 'o')
X=[ones(6,1) x1 x3]
A = X'*X
B = X'*Y
C=(A)^(-1)*(B)
disp(A)
disp(B)
disp(C)
ye=X*C
plot(x1+x3/2,ye,'-*r')
sqs=sum((Y-mean(Y)).^2)
sq=sum((Y-ye).^2)
R2=(sqs-sq)/sqs
disp(R2)

Mediante a análise do R2, conclui-se que o melhor modelo que melhor se

ajusta aos dados é o da letra d, visto que possui o melhor coeficiente de
correlação linear R2 = 0.998024495475898.