UNIVERSIDADE FEDERAL DE PERNAMBUCO

DEPARTAMENTO DE BIOFÍSICA E RADIOBIOLOGIA

Disciplina: Bioestatística – Curso: Ciências Biológicas – Prof. Paulo Euzébio

Estudo Dirigido - 2ª Avaliação

Grupo 1: Qual a importância de se representar dados estatísticos em Gráficos e tabelas? Ao analisar

a tabela abaixo qual o tipo de tabela que temos? Ela está bem representada? Justifique.

A representação de dados estatísticos em gráficos e tabelas é importante por diversas razões. Em

primeiro lugar, essa representação visual permite que as informações sejam organizadas e
apresentadas de maneira clara e objetiva, facilitando a compreensão e a análise dos dados. Além
disso, os gráficos e tabelas permitem identificar padrões e tendências nos dados, como picos, quedas,
médias e desvios. Essas informações podem ajudar a identificar problemas, oportunidades e áreas
que precisam ser melhoradas ou investigadas. Outra vantagem da representação em gráficos e
tabelas é que ela torna os dados mais acessíveis e compreensíveis para diferentes públicos, incluindo
pessoas sem conhecimentos avançados em matemática e estatística. Por fim, a representação visual
dos dados é útil para apresentar resultados de estudos científicos, relatórios empresariais, pesquisas
de opinião pública e outras situações em que é necessário comunicar informações de forma precisa e
eficiente.

Esse é um tipo de tabela de preço

Grupo 2: O que é Biometria em Estatística? Porque Francis Galton é considerado um dos

fundadores da Biometria?

Biometria é um ramo da estatística que lida com dados biológicos, especialmente dados de
populações. Ele se preocupa com a análise e interpretação de dados biológicos usando abordagens
estatísticas, matemáticas e computacionais. Francis Galton é considerado um dos fundadores da
biometria por causa do seu trabalho pioneiro em estatística e biologia. Ele foi o primeiro a aplicar
métodos estatísticos rigorosos para entender processos biológicos e foi fundamental na popularização
de técnicas de análise estatística em biologia, especialmente em genética. Galton desenvolveu
técnicas para medir a variabilidade em características biológicas e para determinar a natureza e
magnitude da hereditariedade. Ele também foi o primeiro a aplicar o método de regressão linear à
análise de dados biológicos.

Grupo 3: Qual a probabilidade de um casal ter dois filhos: um do sexo feminino e outro do sexo
masculino? Qual a suposição a ser considerada? Qual a regra que deve ser utilizada? justifique.

A probabilidade de um casal ter dois filhos, um do sexo feminino e o outro do sexo masculino é de 1/2
ou 50%. A suposição considerada é a de que a probabilidade de nascer uma menina ou um menino
em cada gestação é igual e independente das outras gestações. A regra utilizada para calcular essa
probabilidade é a regra da multiplicação, que afirma que a probabilidade de ocorrer dois eventos
independentes ao mesmo tempo é o produto das probabilidades dos eventos individuais. Ou seja, a
probabilidade do primeiro filho ser do sexo feminino é de 1/2 e a probabilidade do segundo filho ser do
sexo masculino também é de 1/2. Multiplicando essas probabilidades, temos 1/2 x 1/2 = 1/4 ou 0,25,
que representa a probabilidade de ter um filho homem e outro mulher.

Grupo 4: Qual o conceito que Correlação e Regressão? Para que serve a análise estatística por
correlação e por regressão?

Correlação é a medida da relação entre duas variáveis numéricas. Ela avalia se existe uma associação
entre as variáveis e de que maneira ela ocorre, podendo ser positiva (quando ambas as variáveis
aumentam ou diminuem juntas), negativa (quando uma variável aumenta enquanto a outra diminui) ou
não existir (quando não há relação aparente). A correlação pode ser medida por meio do coeficiente
de correlação, cujo valor varia de -1 a 1, onde -1 indica uma correlação negativa perfeita, 1 indica uma
correlação positiva perfeita e 0 indica ausência de correlação. Regressão é uma técnica estatística
utilizada para modelar e prever o comportamento de uma variável a partir de outra ou outras variáveis
explicativas. Ela é útil para entender a natureza da relação entre duas ou mais variáveis e para criar
modelos preditivos para prever valores futuros. A análise estatística por correlação e por regressão
serve para identificar e medir a relação entre as variáveis, entender a natureza e a intensidade dessa
relação, criar modelos que possam prever valores futuros com base nos dados disponíveis e avaliar a
adequação desses modelos. Essas técnicas são amplamente utilizadas em diversas áreas, como
economia, engenharia, ciências sociais, saúde e muitas outras áreas em que se faz uso de dados
quantitativos.

Grupo 5: Em um determinado estudo, foi realizado um cruzamento entre um indivíduo heterozigoto

(Hh) e um homozigoto dominante (HH) onde nasceram 120 filhotes. Com base no estudo de
probabilidade, diga qual é o número provável de homozigotos dominantes resultantes do cruzamento,
de acordo com a tabela abaixo?
 Hh
H HH Hh
H HH Hh

Usando as regras da probabilidade, sabemos que há uma

chance de 50% de cada filhote herdar o alelo da mãe (Hh)
e 50% de herdar o alelo do pai (HH). Portanto, esperamos
que metade dos filhotes tenham o genótipo HH e a outra
metade tenha o genótipo Hh. Então, o número provável de
homozigotos dominantes (HH) resultantes do cruzamento
seria de 60 indivíduos (metade dos 120 filhotes).

Grupo 6: De acordo com o gráfico abaixo de correlação e regressão, quais as informações você
consegue extrair deles? Indique se há correlação entre os eventos estudados e como se comportou
a reta de regressão. (Sendo: r2= 0,122 e r = 0.349). Justifique os resultados.

Podemos inferir que há uma correlação positiva fraca entre as variáveis estudadas, já que o valor de
R é positivo, mas próximo de zero (0.349). Além disso, o valor de R² indica que apenas 12,2% da
variação na variável dependente pode ser explicada pela variável independente. Quanto à reta de
regressão, ela se aproxima dos dados, mas sem ajustar a todos eles, o que pode ser apontado pelo
baixo valor de R². Isso significa que a relação entre as variáveis não é muito forte e que os valores
observados não se encaixam perfeitamente na reta. o gráfico de correlação e regressão mostra uma
correlação fraca e pouco significativa entre as variáveis estudadas, indicando que outros fatores
podem estar influenciando a relação entre elas