2.

Os dez candidatos a um determinado emprego foram submetidos a um programa

experimental durante seis semanas. A primeira semana foi de treinos e no fim dessa semana
realizou-se um teste. As cinco semanas seguintes foram dedicadas ao trabalho, realizando-se no
fim das seis semanas uma avaliação da performance no trabalho.
Sendo x = resultado no teste; y = resultado da avaliação da performance,
Sabe-se que:
10 10 10


i =1
xi = 733 
i =1
xi2 = 56599 y
i =1
i = 777

10 10


i =1
yi2 = 62401 x y
i =1
i i = 58973

a. Determine um coeficiente que lhe sirva de indicador do grau de associação entre as duas
variáveis em análise. Comente o resultado obtido.
b. Determine a reta de regressão entre as duas variáveis através do método dos mínimos
quadrados. Comente o valor estimado (e respetivo sinal) para o declive da reta.
c. Faça a previsão do resultado da avaliação da performance para um candidato que obteve 82
pontos no teste realizado na primeira semana, utilizando o modelo de previsão calculado
anteriormente. O que se pode afirmar no que respeita à fiabilidade desta previsão? Justifique a
sua resposta calculando um coeficiente apropriado.
2. Pretendendo estudar a relação entre o número de camisolas vendidas por hora (X) e o
tempo de espera na fila para fazer o respetivo pagamento (Y), registaram-se os valores para as
dez horas de funcionamento da loja naquele dia.
Hora 1 2 3 4 5 6 7 8 9 10
X 45 50 62 73 65 48 70 100 65 70
Y 3 4.5 5 5.5 5.2 3.2 6 10 5.3 6.1
Sendo:
𝟏𝟎 𝟏𝟎 𝟏𝟎 𝟏𝟎 𝟏𝟎
∑ 𝒙𝒊 = 𝟔𝟒𝟖 ∑ 𝒙𝟐𝒊 = 𝟒𝟒𝟐𝟓𝟐 ∑ 𝒚𝒊 = 𝟓𝟑. 𝟖 ∑ 𝒚𝟐𝒊 = 𝟑𝟐𝟑. 𝟎𝟖 ∑ 𝒙𝒊 𝒚𝒊 = 𝟑𝟕𝟓𝟒. 𝟔
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏

a. Determine um coeficiente que lhe sirva de indicador do grau de associação entre as duas
variáveis em análise. Comente o resultado obtido.
Resposta:

Média de x 0.2
∑ 𝑥𝑖 648 +
𝑥̅ = = = 64.8
𝑛 10
Variância de x
0.3
∑ 𝑥𝑖2 44252
𝑠𝑥2 = − 𝑥̅ 2 = − 64.82 = 226.16 +
𝑛 10
Média de y
∑ 𝑦𝑖 53.8 0.2
𝑦̅ = = = 5.38
𝑛 10 +
Variância de y
∑ 𝑦𝑖2 323.08 0.3
𝑠𝑦2 = − 𝑦̅ 2 = − 5.382 = 3.3636
𝑛 10
Covariância
0.3
∑ 𝑥𝑖 𝑦𝑖 3754.6
𝑠𝑥𝑦 = − 𝑥̅ × 𝑦̅ = − 64.8 × 5.38 = 26.836
𝑛 10
Coeficiente de correlação 0.3
𝑠𝑥𝑦 26.836
𝑟= = = 0.973
𝑠𝑥 × 𝑠𝑦 √226.16 × 3.3636
Ou 1.6
Coeficiente de correlação
𝑛 ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑟=
√(𝑛 ∑ 𝑥𝑖2 − (∑ 𝑥𝑖 )2 ) × (𝑛 ∑ 𝑦𝑖2 − (∑ 𝑦𝑖 )2 )
 10 × 3754.6 − 648 × 53.8
= = 0.973
√(10 × 44252 − 6482 ) × (10 × 323.08 − 53.82 )

Interpretação 0.4
A associação entre o número de camisolas vendidas por hora e o tempo de espera
para realizar o pagamento é positiva e muito forte.

b. Apresente a reta de regressão entre as duas variáveis através do método dos mínimos
quadrados. Comente o valor estimado (e respectivo sinal) para o declive da reta.
Resposta:
Declive: 0.4
𝑠𝑥𝑦 26.836
𝑏= = = 0.119
𝑠𝑥2 226.16
Interpretação do declive: 0.4
Por cada camisola a mais o tempo de espera aumenta 0.199 minutos
Ordenada na origem 0.4
𝑎 = 𝑦̅ − 𝑏 × 𝑥̅ = 5.38 − 0.119 × 64.8 = −2.3312
Reta de regressão: 0.3
𝑦 = −2.3312 + 0.119𝑥

c. Faça a previsão para o tempo de espera de um cliente até poder fazer o pagamento quando
o número de camisolas vendidas naquela hora vai ser igual a 140. O que se pode afirmar no
que respeita à fiabilidade desta previsão? Justifique a sua resposta calculando um coeficiente
apropriado.

Resposta:
Previsão 0.5
𝑥 = 140
{ → 𝑦 = −2.3312 + 0.119 × 140 = 14.3288
𝑦 = −2.3312 + 0.119𝑥
Coeficiente de determinação 0.3
𝑅 2 = (0.973)2 = 0.947 +
A qualidade do modelo é muito boa pelo que podemos afirmar que é bastante 0.2
fiável.

d. Calcule o resíduo para a primeira hora de funcionamento da loja e, em face do resultado

obtido, localize-o no diagrama de dispersão (acima ou abaixo da reta de regressão).
Resposta:
Previsão 0.3

𝑥 = 45
{ → 𝑦 = −2.3312 + 0.119 × 45 = 3.0238
𝑦 = −2.3312 + 0.119𝑥
Resíduo 0.4
𝜀𝑖 = 𝑦 − 𝑦̂ = 3 − 3.0238 = −0.0238
O ponto encontra-se abaixo da reta de regressão, porque o resíduo é negativo. 0.3
2. Durante os anos de 2009 a 2018 as vendas nominais deste hotel cresceram devido a uma
intensa campanha de promoção. Os valores observados para as vendas e para os gastos de
promoção (em dezenas de euros) foram os seguintes:
Anos 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Gastos 10 12 14 20 22 25 36 38 50 60

Vendas 1200 1500 1600 2200 2150 2150 2450 2800 3450 4250

Sabe-se que:
∑𝟏𝟎 𝟏𝟎 𝟏𝟎 𝟐 𝟏𝟎 𝟐 𝟏𝟎
𝒊=𝟏 𝒙𝒊 = 𝟐𝟖𝟕 ∑𝒊=𝟏 𝒚𝒊 = 𝟐𝟑𝟕𝟓𝟎 ∑𝒊=𝟏 𝒙𝒊 = 𝟏𝟎𝟕𝟖𝟗 ∑𝒊=𝟏 𝒚𝒊 = 𝟔𝟒𝟏𝟒𝟐𝟓𝟎𝟎 ∑𝒊=𝟏 𝒙𝒊 𝒚𝒊 = 𝟖𝟏𝟗𝟓𝟓𝟎

a) Determine um coeficiente que lhe sirva de indicador do grau de associação entre as duas
variáveis em análise. Comente o resultado obtido.
Resposta:
Média de x 0.2 val
∑ 𝑥𝑖 287
𝑥̅ = = = 28.7
𝑛 10
Variância de X 0.3 val
∑ 𝑥𝑖2 10789
𝑠𝑥2 = − 𝑥̅ 2 = − 28.72 = 255.21
𝑛 10
Média de Y 0.2 val
∑ 𝑦𝑖 23750
𝑦̅ = = = 2375
𝑛 10
Variância de Y 0.3 val
∑ 𝑦𝑖2 64142500
𝑠𝑦2 = − 𝑦̅ 2 = − 23752 = 773625
𝑛 10
Covariância 0.3 val
∑ 𝑥𝑖 𝑦𝑖 819550
𝑠𝑥𝑦 = − 𝑥̅ × 𝑦̅ = − 28.7 × 2375 = 13792.5
𝑛 10
Coeficiente de correlação linear: 0.4 val
 𝑠𝑥𝑦 13792.5
𝑟= = = 0.982
𝑠𝑥 × 𝑠𝑦 √(255.21 × 773625)

Interpretação 0.3 val

O grau de associação entre os gastos com campanhas de promoção e as vendas é
muito forte positivo.

b) Determine a reta de regressão entre as duas variáveis através do Método dos Mínimos
Quadrados. Comente o valor estimado para o declive da reta.

Resposta:

Declive: 0.4 val

𝑠𝑥𝑦 13792.5
𝑏= = = 54.044
𝑠𝑥2 255.21

Interpretação do declive: 0.3 val

Por cada aumento de uma dezena de euros nos gastos com campanhas de
promoção as vendas aumentam 54.044 dezenas de euros.

Ordenada na origem: 0.4 val

𝑎 = 𝑦̅ − 𝑏 × 𝑥̅ = 2375 − 54.044 × 28.7 = 823.937

Reta de regressão 0.4 val

𝑦̂ = 823.937 + 54,044𝑥

c) Faça uma previsão para o valor das vendas em 2019 sabendo que se vai investir na
campanha de promoção 100 dezenas de euros, utilizando o método de previsão calculado
anteriormente. O que se pode afirmar no que respeita à fiabilidade desta previsão? Justifique
a sua resposta calculando um coeficiente apropriado.

Resposta:

Previsão: 0.3 Val

𝑥 = 100
{
𝑦̂ = 823.937 + 54.044 × 100 = 6228.337

Coeficiente de determinação: 0.3 val

 𝑅 2 = (𝑟)2 = 0.9812 = 0.962

Interpretação: 0.4 val

Podemos afirmar que as previsões são bastante boas, uma vez que 96.2%
da variabilidade das vendas é explicada pela variabilidade dos gastos com
promoções.

d) Calcule o resíduo do ano de 2016 e, em face do resultado obtido, localize-o no diagrama de

dispersão (acima ou abaixo da reta de regressão).

Resposta:

Previsão 0.3 val

𝑥 = 38 𝑌 = 2800
{𝑦̂ = 823.937 + 54.044 × 38 = 2877.609

Resíduo 0.4 val

̂ 𝟐𝟎𝟏𝟔 = 𝟐𝟖𝟎𝟎 − 𝟐𝟖𝟕𝟕. 𝟔𝟎𝟗 = −𝟕𝟕. 𝟔𝟎𝟗 > 𝟎

𝜺𝟐𝟎𝟏𝟔 = 𝒀𝟐𝟎𝟏𝟔 − 𝒀

Interpretação: 0.3 val

No diagrama de dispersão o ponto localiza-se abaixo da reta de regressão.

2. Pretendendo estudar a relação entre o número de reclamações devido ao erro na
quantidade servida de café por este tipo de máquinas (X) e o custo de indeminização para a
empresas que possuem estas máquinas nas suas instalações (Y), registaram-se os valores para
os 12 meses do ano de 2018.
Mês J F M A M J J A S O N D
X 126 78 98 136 70 68 46 34 70 92 95 122
Y 230 174 204 260 166 165 130 108 150 196 180 230

Sendo:
𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟏𝟐
∑ 𝒙𝒊 = 𝟏𝟎𝟑𝟓 ∑ 𝒙𝟐𝒊 = 𝟏𝟎𝟎𝟏𝟐𝟗 ∑ 𝒚𝒊 = 𝟐𝟏𝟗𝟑 ∑ 𝒚𝟐𝒊 = 𝟒𝟐𝟏𝟗𝟓𝟑 ∑ 𝒙𝒊 𝒚𝒊 = 𝟐𝟎𝟒𝟎𝟖𝟖
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏

a. Determine um coeficiente que lhe sirva de indicador do grau de associação entre as duas
variáveis em análise. Comente o resultado obtido.
Resposta:
Média de x 0.2
∑ 𝑥𝑖 1035 +
𝑥̅ = = = 86.25
𝑛 12
Variância de x
0.3
∑ 𝑥𝑖2 100129
𝑠𝑥2 = − 𝑥̅ 2 = − 86.252 = 905.02 +
𝑛 12
Média de y
∑ 𝑦𝑖 2193 0.2
𝑦̅ = = = 182.75
𝑛 12 +
Variância de y
∑ 𝑦𝑖2 421953 0.3
𝑠𝑦2 = − 𝑦̅ 2 = − 182.752 = 1765.1875
𝑛 12
Covariância
0.3
 ∑ 𝑥𝑖 𝑦𝑖 204088
𝑠𝑥𝑦 = − 𝑥̅ × 𝑦̅ = − 86.25 × 182.75 = 1245.146
𝑛 12
Coeficiente de correlação 0.3
𝑠𝑥𝑦 1245.146
𝑟= = = 0985
𝑠𝑥 × 𝑠𝑦 √905.02 × 1765.1875
Ou 1.6
Coeficiente de correlação
𝑛 ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑟=
√(𝑛 ∑ 𝑥𝑖2 − (∑ 𝑥𝑖 )2 ) × (𝑛 ∑ 𝑦𝑖2 − (∑ 𝑦𝑖 )2 )

12 × 204088 − 1035 × 2193

= = 0.985
√(12 × 100129 − 10352 ) × (12 × 421953 − 21932 )

Interpretação 0.4
A associação entre o número de reclamações e o custo de indeminização ó positivo
e muito forte.

b. Apresente a reta de regressão entre as duas variáveis através do método dos mínimos
quadrados. Comente o valor estimado (e respectivo sinal) para o declive da reta.
Resposta:
Declive: 0.4
𝑠𝑥𝑦 1245.146
𝑏= = = 1.376
𝑠𝑥2 905.02
Interpretação do declive: 0.4
Por cada reclamação a mais o custo de indeminização sobre 1.376€
Ordenada na origem 0.4
𝑎 = 𝑦̅ − 𝑏 × 𝑥̅ = 182.75 − 1.376 × 86.25 = 64.07
Reta de regressão: 0.3
𝑦 = 64.07 + 1.376𝑥

c. Faça a previsão para o custo de indeminização quando o número de reclamações é igual a

140. O que se pode afirmar no que respeita à fiabilidade desta previsão? Justifique a sua
resposta calculando um coeficiente apropriado.
Resposta:
Previsão 0.5
 𝑥 = 140
{ → 𝑦 = 64.07 + 1.376 × 140 = 256.71
𝑦 = 64.07 + 1.376𝑥
Coeficiente de determinação 0.3
𝑅 2 = (0.985)2 = 0.970 +
A qualidade do modelo é muito boa pelo que podemos afirmar que é bastante 0.2
fiável.

d. Calcule o resíduo para o mês de janeiro e, em face do resultado obtido, localize-o no

diagrama de dispersão (acima ou abaixo da reta de regressão).
Resposta:
Previsão 0.3

𝑥 = 126
{ → 𝑦 = 64.07 + 1.376 × 126 = 237.446
𝑦 = 64.07 + 1.376𝑥
Resíduo 0.4
𝜀𝑖 = 𝑦 − 𝑦̂ = 230 − 237.446 = −7.446
O ponto encontra-se abaixo da reta de regressão, porque o resíduo é negativo. 0.3