LEONARDO GALUPPO DALAZEM E AGATHA FRANÇOIS

Questão 01:

Fitted Line Plot

C2 = - 7,252 + 0,5107 C1
100 S 2,12689
R-Sq 98,7%
R-Sq(adj) 98,5%
90

80
C2

70

60

50

40
100 120 140 160 180 200
C1

a) A equação da reta que melhor representa os pontos é:

Y = 0,5107X – 7,252
b) O coeficiente de relação é 0,993, próximo de 1, logo os dados são bem
correlacionados.

c)
O coeficiente de determinação explica 98,7% da variabilidade dos dados experimentais.

Questão 02:
a)

Scatterplot of y vs x
45

40

35

30
y

25

20

15

10

0 1 2 3 4 5 6 7 8
x

b)

Fitted Line Plot

y = 2,857 + 4,726 x
45
S 1,85859
R-Sq 97,8%
40 R-Sq(adj) 97,5%

35

30

25
y

20

15

10

0 1 2 3 4 5 6 7 8
x

c) A partir da observação dos gráficos construídos para a análise das 3 suposições do

modelo estatístico através da análise de resíduos, nota-se que:

1 – Os erros não aparentam ser variáveis aleatórias independentes (resultado

satisfatório.)
Scatterplot of RESI1 vs ordem
3

1
RESI1

-1

-2

-3
0 1 2 3 4 5 6 7 8
ordem
–– 2 – Os erros aparentam não ter variância constante (resultado não satisfatório)

3 – Pvalor > a , logo não rejeito Ho (a distribuição dos erros é normal), sendo assim um
resultado satisfatório.

R^2: O coeficiente de determinação explica 97,8% da variabilidade dos dados experimentais.

Conclusão:

Visto que as suposições do modelo estatístico não estão sendo seguidas por estes dados
experimentais, não se pode confiar na análise de variância (ANOVA).
 d) Dado que a equação da reta que melhor representa os pontos é: Y = 2,857 + 4,726X,
quando Y é 25, X é igual a 4,69.

Questão 03:
a) Y = 94,05 – 2,1848X

b) Utilizando o grau de liberdade dos resíduos (9), temos o valor tabelado de F de 5,12
(para 5% de significância). O valor de F citado pela questão é 176,44. Nesse sentido,
como 176,44 > 5,12, tem-se que o valor se encontra da região de rejeição, então
rejeita-se a hipótese nula(B1 = 0). Logo, B1 é diferente de 0.

c) 2011,15/2113,8= 0,95
d) Sim, esse modelo consegue explicar 95% da variabilidade dos dados experimentais.
e) Os erros são variáveis aleatórias independentes.
Os erros têm variância constante.
Os erros têm distribuição normal.

Questão 04:
a)
Scatterplot of C2 vs C1

25,0

22,5
C2

20,0

17,5

15,0
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
C1
 b)
Fitted Line Plot
C2 = 14,07 + 12,40 C1
S 0,246066
25,0 R-Sq 99,5%
R-Sq(adj) 99,5%

22,5
C2

20,0

17,5

15,0
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
C1

c) Testanto as suposições do modelo estatístico, nota-se que:

1 – Erros são variáveis aleatórias independentes, resultado satisfatório.
Scatterplot of RESI1 vs ordem
0,4

0,3

0,2

0,1

0,0
RESI1

-0,1

-0,2

-0,3

-0,4

-0,5
0 2 4 6 8 10 12 14
ordem

2- Os erros possuem variância constante (resultado satisfatório).

 3 – Os erros possuem distribuição normal (resultado satisfatório), uma vez que o
Pvalor >a.

R^2: O coeficiente de determinação explica 99,5% da variabilidade dos dados

experimentais (resultado satisfatório).

Conclusão: As suposições do modelo estatístico assumem os requisitos, tornando a

análise de variâcia (ANOVA), confiável.

Questão 05:

a)
b)
Scatterplot of t/v] vs C3
1200000

1100000

1000000

900000
t/v]

800000

700000

600000

500000
0,0000 0,0002 0,0004 0,0006 0,0008 0,0010 0,0012
C3

b) y = 589905 + 5,42 * 10^8 * X

y = t/V
x= V

Fitted Line Plot

t/v] = 589905 + 5,42E+08 C3
1200000 S 38627,5
R-Sq 95,3%
1100000 R-Sq(adj) 95,0%

1000000

900000
t/v]

800000

700000

600000

500000
0,0000 0,0002 0,0004 0,0006 0,0008 0,0010 0,0012
C3

d) Comparando a Equação de Filtração a pressão constante, nota-se que :

t  liq  s     R 
= V + m
V 2 A  P
2
A  P

1) t/v representa a variável y.

 2) tem estrutura de um coeficiente angular.

3) representa o coeficiente linear.

4) V é a variável X.

e) Sabendo que é o coeficiente linear da equação, temos que esta operação é

igual a 589905, logo R = 1,23012E+11.

f) Sabendo que é o coeficiente angular da equação, temos que esta operação

é igual a 5,42 * 10^8, logo l = 1941946938.

Questão 06:
Aplicando os 3 modelos no excel a cada conjunto de dados a tal temperatura, temos que :

30 C:

30 C - Exponencial
0,4 y = 0,0205e2,5298x

0,3
R² = 0,9538
0,2

0,1

0
0 0,2 0,4 0,6 0,8 1 1,2

30 C - Logarítmico
y = 0,0701ln(x) + 0,1693
0,35
0,3
R² = 0,6566
0,25
0,2
0,15
0,1
0,05
0
-0,05 0 0,2 0,4 0,6 0,8 1 1,2
 30 C - Polinomial ordem 3
3 2
0,35y = 1,0122x - 1,1553x + 0,4788x - 0,0141
0,3 R² = 0,9976
0,25
0,2
0,15
0,1
0,05
0
0 0,2 0,4 0,6 0,8 1 1,2

Analisando os 3 modelos de ajuste dos dados, nota-se que o modelo polinomial de

ordem 3, ou Benedetti, possui o maior coeficiente de determinação (0,99), ou seja, é o modelo
que melhor explica a variabilidade dos dados.

40 C:

40 C - Exponencial
0,5 y = 0,0179e2,8035x
R² = 0,8944
0,4

0,3

0,2

0,1

0
0 0,2 0,4 0,6 0,8 1 1,2
-0,1
 40 C -Logarítimico
y = 0,1697ln(x) + 0,2478
0,5
R² = 0,5132
0,4

0,3

0,2

0,1

0
0 0,2 0,4 0,6 0,8 1 1,2
-0,1

40 c - Polinomial de ordem 3
y = 2,9673x3 - 4,4292x2 + 2,0954x - 0,2333
0,45
0,4
R² = 0,9709
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0 0,2 0,4 0,6 0,8 1 1,2

Analisando os 3 modelos de ajuste dos dados, nota-se que o modelo polinomial de ordem 3,
ou Benedetti, possui o maior coeficiente de determinação (0,9709), ou seja, é o modelo que
melhor explica a variabilidade dos dados.

50 C:

50 C - Exponencial
y = 0,0149e2,7923x
0,4
0,35
R² = 0,873
0,3
0,25
0,2
0,15
0,1
0,05
0
0 0,2 0,4 0,6 0,8 1 1,2
 50 C - Logarítmico
y = 0,2619ln(x) + 0,2257
0,4
0,35
R² = 0,5944
0,3
0,25
0,2
0,15
0,1
0,05
0
0 0,2 0,4 0,6 0,8 1 1,2

50 C - Polinomial de ordem 3
0,4
y = 5,4839x3 - 10,35x2 + 6,4321x - 1,2259
0,35
0,3
R² = 0,9737
0,25
0,2
0,15
0,1
0,05
0
0 0,2 0,4 0,6 0,8 1 1,2

Analisando os 3 modelos de ajuste dos dados, nota-se que o modelo polinomial de ordem 3,
ou Benedetti, possui o maior coeficiente de determinação (0,9737), ou seja, é o modelo que
melhor explica a variabilidade dos dados.

Questão 07:
Ácido Oleico:

Fitted Line Plot

Ln Oleoico = - 5,908 + 2760 1/T
2,2
S 0,0001326
R-Sq 100,0%
2,1 R-Sq(adj) 100,0%

2,0
Ln Oleoico

1,9

1,8

1,7

1,6

1,5

0,00270 0,00275 0,00280 0,00285 0,00290

1/T

Dado que o coeficiente angular é numericamente igual à razão (Ea/R ), temos que 2760 = Ea/R.

Nesse sentido, como R = 8,314 x 10-3kJ.mol-1.K-1 , temos que Ea =22,946.

Acido Palmirico:

Fitted Line Plot

Ln Palmirico = - 6,103 + 2785 1/T
2,1
S 0,0000623
R-Sq 100,0%
2,0 R-Sq(adj) 100,0%

1,9

1,8
Ln Palmirico

1,7

1,6

1,5

1,4

1,3
0,00270 0,00275 0,00280 0,00285 0,00290
1/T
Dado que o coeficiente angular é numericamente igual à razão (Ea/R ), temos que 2785 = Ea/R.

Nesse sentido, como R = 8,314 x 10-3kJ.mol-1.K-1 , temos que Ea =23,154.

Questão 8:

Fitted Line Plot

1/Qe = 0,08555 + 0,6666 1/Ce
3,0
S 0,0147054
R-Sq 100,0%
R-Sq(adj) 100,0%
2,5

2,0
1/Qe

1,5

1,0

0,5

0,0
0 1 2 3 4
1/Ce

Visto que 1/Qmax é o coeficiente linear da Equação da reta, nota-se que

1/Qmax = 0,08555. Logo, tem-se que Qmax = 11,689.

Visto que é igual ao coeficiente angular da Equação da Reta, tem-se que

Kl = 0.1283.
Por fim, é notório que o coeficiente de determinação é igual a 100%, logo a reta explica 100%
da variabilidade do conjunto de dados.