QUESTÃO 8:

VENDEDORES Critério Critério B x2 Y² XY

A

1 1 1 1 1 1

2 2 6 4 36 12

3 3 7 9 49 21

4 4 9 16 81 36

5 5 2 25 4 10

6 6 10 36 100 60

7 7 3 49 9 21

8 8 5 64 25 40

9 9 15 81 225 135

10 10 8 100 64 80

11 11 4 121 16 44

12 12 14 144 196 168

13 13 17 169 289 221

14 14 18 196 324 252

15 15 16 225 256 240

16 16 12 256 144 192

17 17 13 289 169 221

18 18 11 324 121 198

19 19 19 361 361 361

20 20 20 400 400 160.000

21 210 210 2.870 2.870 162.313

 162.313 − 20 *10,5*10,5
rxy= = Resultando em um Coeficiente de relação linear 0,76
210 2 210 2
2870 − 20
* 2870 − 20

Questão 9:

a. Existe relação linear entre as variáveis? Se sim, ajuste um modelo linear aos dados.
Sim, dado que o coeficiente de correlação de Pearson calculado é foi de 0,85, podemos concluir que
a relação entre as variáveis ocorre e é positiva e forte.

ANOS x y x² Y² X*Y
1970 24 26 676 576 624
1971 21 25 625 441 525
1972 28 31 961 784 868
1973 27 29 841 729 783
1974 23 27 729 529 621
1975 28 31 961 784 868
1976 27 32 1024 729 864
1977 22 28 784 484 616
1978 26 30 900 676 780
1979 25 30 900 625 750
  251 289 8401 6357 7299
 Sendo possível perceber que à medida que a produção de leite C ( Variável “X”) aumentava,
temos uma variável do índice pluviométrico (Y), que também apresenta elevações.

O modelo ajustado foi encontrado utilizando as funções presentes no Excel, resultando em um

modelo linear ajustado ˆy = 9, 0053 + 0, 7926 x

b. Admitindo-se, em 1980, um índice pluviométrico de 24 mm, qual deverá ser o volume esperado de
produção do leite tipo C?

ˆy = 9, 0053 + 0, 7926 (24)

yˆ = 28, 0277

Questão 10:

Com base nestes dados mostrar que a demanda do produto decresce linearmente com o acréscimo do
preço.

Coeficiente de correlação de Person -0,97

Como é de fácil identificação no gráfico acima podemos observar que à medida que o preço de
venda (X) cresce, temos a diminuição da venda. O coeficiente de correlação de Pearson Calculado
no Excel por meio da função =CORREL (Martiz1; Matriz2), foi de -0,97. Trazendo consigo uma
relação muito próxima entre as duas variáveis de forma decrescente.
Questão 11
a. Determinar a equação da reta ajustada.

ANOS X Y Y² x² X*Y
1960 188,3 159,3 35456,89 25376,49 29996,19
1961 202,6 170,6 41046,76 29104,36 34563,56
1962 215,4 187,2 46397,16 35043,84 40322,88
1963 222,7 196,9 49595,29 38769,61 43849,63
1964 243,1 198,2 59097,61 39283,24 48182,42
1965 259,9 208,8 67548,01 43597,44 54267,12
1966 256,3 221 65689,69 48841 56642,3
1967 259,9 228,8 67548,01 52349,44 59465,12
1968 296,1 247,6 87675,21 61305,76 73314,36
1969 300,8 255,1 90480,64 65076,01 76734,08
1970 326,6 274,3 106667,6 75240,49 89586,38
1971 347,9 293,4 121034,4 86083,56 102073,9
1972 375,1 301,6 140700 90962,56 113130,2
1973 400,7 330,6 160560,5 109296,4 132471,4
  3895,4 3273,4 1139498 800330,2 954599,5

Questão 12
a. Determine a equação da reta ajustada: Yˆ = ˆα + βX
10 (842.060) −1.200 𝑥 6.480,50
β= = 1,52
10 (186.400) − (1.200)2
186.400 . 6.480,50 − 1.200 . 842.060
α= = 465,65
10 (186.400) − (1.200)2

yˆ = 465, 65 + 1, 52x

b. Interpretar os valores de ˆα e β.
Dado a equação da reta ajustada yˆ = 465, 65 + 1, 52x, teremos assim que 465,50 parte do frete
que não depende da distância percorrida, já o valor de 1.520 será o acréscimo no frete que
ocorrerá para cada quilômetro rodado. No caso de 2500 quilômetros rodados teremos assim um
frete de $503,65.

c. Calcular e interpretar o poder explicativo do modelo linear ajustado.

2
Com base no modelo linear calculado 𝑅 = 0,19 seria então assim passível de explicação, que
apenas 19% das variações de Y (frete rodoviário), serão consequências da variável X (Distância em
KM) para a entrega de mercadorias acontecerem. Consequentemente, os outros 81% serão dados
a partir de erros aleatórios ou que eventualmente venham ocorrer.

Questão 13
Calcular o poder explicativo da regressão usando os dados do exercício 5. (R2 = 0, 84).

X Y x² Y² X*Y

1 7 1 49 7

2 8 4 64 16

4 3 16 9 12

4 2 16 4 8

5 2 25 4 10

16 22 62 130 53
 Coeficiente de correlação de Person -0,92
2
Dado o poder explicativo da regressão calculada 𝑅 = 0,84 é possível se observar que 84% das
variações presentes neste modelo que envolve a variável X: anos de experiência num dado cargo
podem explicar Y : tempo, em minutos, gasto na execução de uma certa tarefa relacionada com
esse cargo, como é identificado no quanto maior o tempo em um determinado cago é mais
provável que o tempo gasto na execução da tarefa diminua. Os outros 16% restantes são aqueles
que mesmo com mais tempo no cargo não executam em um tempo menor.

Questão 14

ANOS X Y x² Y² X*Y

1.959 1.210,00 187,50 1.464.100,00 35.156,25 226.875,00

1.960 1.293,00 205,70 1.671.849,00 42.312,49 265.970,10

1.961 1.292,00 226,90 1.669.264,00 51.483,61 293.154,80

1.962 1.304,00 238,80 1.700.416,00 57.025,44 311.395,20

1.963 1.294,00 242,50 1.674.436,00 58.806,25 313.795,00

1.964 1.086,00 249,60 1.179.396,00 62.300,16 271.065,60

 1.965 941,00 256,40 885.481,00 65.740,96 241.272,40

1.966 1.303,00 269,50 1.697.809,00 72.630,25 351.158,50

1.967 1.441,00 282,40 2.076.481,00 79.749,76 406.938,40

1.968 1.855,00 308,70 3.441.025,00 95.295,69 572.638,50

1.969 1.933,00 336,50 3.736.489,00 113.232,25 650.454,50

1.970 2.507,00 368,50 6.285.049,00 135.792,25 923.829,50

1.971 3.245,00 410,10 10.530.025,00 168.182,01 1.330.774,50

1.972 4.235,00 452,70 17.935.225,00 204.937,29 1.917.184,50

1.973 6.192,00 504,30 38.340.864,00 254.318,49 3.122.625,60

1.974 12.635,00 552,70 159.643.225,00 305.477,29 6.983.364,50

1.975 12.169,00 574,80 148.084.561,00 330.395,04 6.994.741,20

55.935,00 5.667,60 402.015.695,00 2.132.835,48 25.177.237,80

a. Existe relação linear entre X e Y ? Se ”sim”, ajuste um modelo linear para os dados.
Sim. Dado que o coeficiente de dado que o coeficiente de correlação de Pearson calculado é foi de
rxy= 0,90, sendo assim muito próximo de 1. Mostrando assim uma relação positiva e muito forte.
O modelo linear a ser considerado será ˆy = 234, 8 + 0, 03x. Onde teremos assim 234,8 a parte
independente ao ÍNDICE DO PRODUTO NACIONAL REAL(Y), ou seja quando o mesmo for zero.
b. Calcule o poder explicativo do modelo ajustado no item anterior.
2
O modelo explicativo será de 𝑅 = 0, 81 sendo então possível 81% das variações nos ÍNDICE DO
PRODUTO NACIONAL REAL(Y), serem explicadas pelos valores das importações X. E 19% de erros
aleatórios nessa situação.