Campus de Lhanguene, Av. de Moçambique, km 1, Maputo, C.P.: 4040, Te.

l: +258
824010820, Fax: +258 21401082, fcnm@up.ac.mz

Trabalho de Estatística Educacional

3o Ano do Curso de Design de Comunicação

Leia atentamente as questões colocadas e responde, claramente, argumentando sempre que possível as suas respostas.

1. Uma pesquisa foi realizada com o objetivo de verificar se existe associação entre a falta de sono e a capacidade de as pessoas resolverem problemas simples. Foram
testadas 10 pessoas, mantendo-se sem dormir por um determinado número de horas. Após cada um destes períodos, cada pessoa teve de resolver um teste com adições
simples, anotando-se então os erros cometidos. Os dados resultantes são os seguintes:

a) Calcule a covariancia, o coeficiente de correlação linear.

b) Ajuste, teste e interprete o modelo de regressão linear simples.

nmero de numero de horas sem (x- (Y-

Erros dormir X^2 Y^2 XY X_ Y_ X_Y_ X^2 Y^2 nX^2 nY^2 (x-X_) (Y-Y_) X_)^2 Y_)^2
6 8 36 64 48 10.6 16 169.6 36 64 636 1280 -4.6 -8 21.16 64
8 8 64 64 64 64 144 848 1280 8 8 64 64
6 12 36 144 72 36 144 636 1920 6 12 36 144
10 12 100 144 120 100 256 1060 1920 10 12 100 144
8 16 64 256 128 64 256 848 2560 8 16 64 256
14 16 196 256 224 196 400 1484 2560 14 16 196 256
12 20 144 400 240 144 400 1272 3200 12 20 144 400
14 20 196 400 280 196 576 1484 3200 14 20 196 400
 12 24 144 576 288 144 576 1272 3840 12 24 144 576
16 24 256 576 384 256 25600 1696 3840 16 24 256 576
106 160 1236 2880 1848 10.6 16 169.6 1236 28416 11236 25600 95.4 144 1221.16 2880

𝑆𝑋𝑋 = ∑ 𝑋𝑖2 − 𝑛𝑋̅ 2 = 1236 − 1484 = −248

𝑆𝑋𝑌 = ∑ 𝑋𝑖 𝑌𝑖 − 𝑛𝑋̅𝑌̅ = 13978 − 10 ∗ 1359.04 = 387.6

𝑆𝑌𝑌 = ∑ 𝑌𝑖2 − 𝑛𝑌̅ 2 = 7868 − 75076 = −67,208

𝑆𝑋𝑌 387.6
𝑟= = = −0.00465
√𝑆𝑋𝑋 𝑆𝑌𝑌 √480.4 ∗ (−67,208)
2
2
𝑆𝑋𝑌
𝑟 =( ) = 0.0000216225
√𝑆𝑋𝑋 𝑆𝑌𝑌
𝑛−2 8
𝑡𝑛−2 = 𝑟√1−𝑟 2 = 0 ∗ √1+0.00002162256 = √7.9998 = 0.0000216225 ∗ 2.828=6.1157

∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )(𝑦𝑖 −𝑦
̅) −2.01948∗1028
𝑟= = =-1.16641*10-33
173136.16
√∑𝑛 2 𝑛 ̅)2
𝑖=1(𝑥𝑖 −𝑥̅ ) ∑𝑖=1(𝑦𝑖 −𝑦

2. Um experimento mediu o rendimento de trigo em sete diferentes níveis de Nitrogênio, com os seguintes resultados.
a) Calcule o coeficiente de correlação linear de Pearson e covariancia
b) Encotre a recta de regressão linear.
3. Em mercadologia é importante conhecer as ferramentas existentes para estimação dos custos de produção. A análise de regressão representa um instrumento
valioso para a realização dessa tarefa. Assim, utilizando os dados abaixo, verificou-se que a reta de regressão adequada é:
Quantidade (X) Custo (Y)
10 100
11 112
12 119
13 130
14 139
15 142

4. Na tabela a seguir estão os dados de diâmetro (mm) e peso (kg) de 10 amostras de rochas.
 a) Calcule o coeficiente de correlação linear de Pearson e covariancia
b) Encotre a recta de regressão linear.

diametro Peso X2 Y2
(X) (Y) XY 𝑋̅ 𝑌̅ 𝑋̅𝑌̅ 𝑋̅^2 𝑌̅^2 n𝑋̅^2 n𝑌̅^2 (x-𝑋̅) (Y-𝑌̅) (x-𝑋̅)^2 (Y-𝑌̅)^2
49 24 2401 576 1176 49.6 27.4 1359.04 2401 1600 24304 6576 -0.6 -3.4 0.36 11.56
65 40 4225 1600 2600 4225 625 32240 10960 15.4 12.6 237.16 158.76
45 25 2025 625 1125 2025 552.25 22320 6850 -4.6 -2.4 21.16 5.76
40 23.5 1600 552.25 940 1600 1122.25 19840 6439 -9.6 -3.9 92.16 15.21
55 33.5 3025 1122.25 1842.5 3025 484 27280 9179 5.4 6.1 29.16 37.21
45 22 2025 484 990 2025 506.25 22320 6028 -4.6 -5.4 21.16 29.16
44 22.5 1936 506.25 990 1936 552.25 21824 6165 -5.6 -4.9 31.36 24.01
47 23.5 2209 552.25 1104.5 2209 625 23312 6439 -2.6 -3.9 6.76 15.21
50 25 2500 625 1250 2500 1225 24800 6850 0.4 -2.4 0.16 5.76
56 35 3136 1225 1960 3136 75076 27776 9590 6.4 7.6 40.96 57.76
1.42109E-
496 274 25082 7868 13978 49.6 27.4 1359.04 25082 82368 246016 75076 -1.42109E-14 14 480.4 360.4
 𝑆𝑋𝑋 = ∑ 𝑋𝑖2 − 𝑛𝑋̅ 2 = 25082 − 24,601.6 = 480.4

𝑆𝑋𝑌 = ∑ 𝑋𝑖 𝑌𝑖 − 𝑛𝑋̅𝑌̅ = 13978 − 10 ∗ 1359.04 = 387.6

𝑆𝑌𝑌 = ∑ 𝑌𝑖2 − 𝑛𝑌̅ 2 = 7868 − 75076 = −67,208

𝑆𝑋𝑌 387.6
𝑟= = = −0.00465
√𝑆𝑋𝑋 𝑆𝑌𝑌 √480.4 ∗ (−67,208)
2
2
𝑆𝑋𝑌
𝑟 =( ) = 0.0000216225
√𝑆𝑋𝑋 𝑆𝑌𝑌
𝑛−2 8
𝑡𝑛−2 = 𝑟√1−𝑟 2 = 0 ∗ √1+0.00002162256 = √7.9998 = 0.0000216225 ∗ 2.828=6.1157

∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )(𝑦𝑖 −𝑦
̅) −2.01948∗1028
𝑟= = =-1.16641*10-33
173136.16
√∑𝑛 2 𝑛 ̅)2
𝑖=1(𝑥𝑖 −𝑥̅ ) ∑𝑖=1(𝑦𝑖 −𝑦

5. Em geral, experimentos afirmam que a percentagem de frutos atacados por larvas de mariposa é maior em macieiras anãs. Aparentemente, a densidade de
mariposas não tem relação com o tamanho do pomar ou porte da planta, de modo que os riscos de ataque em um fruto em particular seriam aumentados
quando o número de frutos ou plantas for pequeno. Os dados abaixo se referem aos resultados de um experimento contendo evidências sobre esse
fenômeno.

a) Calcule o coeficiente de correlação linear de Pearson,

interprete e teste sua significância.
b) Encotre a recta de regressão linear.
 n
plantas 1 2 3 4 5 6 7 8 9 10 11 12 78
tamanho 6 8 11 22 14 17 18 24 19 23 26 40 228
𝑋̅ 19 19
𝑋̅ 2 361 361
𝑋2 36 64 121 484 196 289 324 576 361 529 676 1600 5256
𝑛𝑋̅ 2 82308 82308
percentage 59 58 56 53 50 45 43 42 39 38 30 27 540
𝑌̅ 45 45
𝑌̅ 2 2025 2025
2 3481 3364 3136 2809 2500 2025 1849 1764 1521 1444 900 729 25522
𝑌
𝑛𝑌̅ 2 1093500 1093500
XY 354 464 616 1166 700 765 774 1008 741 874 780 1080 9322
𝑌̅𝑋̅ 855 855
 𝑆𝑋𝑋 = ∑ 𝑋𝑖2 − 𝑛𝑋̅ 2 = 5256 − 82308 = −77052

𝑆𝑋𝑌 = ∑ 𝑋𝑖 𝑌𝑖 − 𝑛𝑋̅𝑌̅ = 9322 − 90003798000 = −90003788678

𝑆𝑌𝑌 = ∑ 𝑌𝑖2 − 𝑛𝑌̅ 2 = 25522 − 1093500 = -1067978

𝑆𝑋𝑌 −90003788678 −90003788678
𝑟= = = = −1.0937411926157292215045719665038 ≈ −1.094
√𝑆𝑋𝑋 𝑆𝑌𝑌 √−77052 ∗ (−1067978) 82289840856
2
2
𝑆𝑋𝑌
𝑟 =( ) = 1.196269796424477689734407626402 ≈ 1.196
√𝑆𝑋𝑋 𝑆𝑌𝑌
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )(𝑦𝑖 − 𝑦̅) 209 ∗ 7297 1525073
𝑟= = = = 6.4037191431183778577253021484365
√∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2 ∑𝑛𝑖=1(𝑦𝑖 − 𝑦̅)2 5389 ∗ 10524671 238154.26097174914917688978369312

O docente
Amós Veremachi