Escolar Documentos
Profissional Documentos
Cultura Documentos
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO
DEPARTAMENTO DE CIÊNCIAS VEGETAIS
DISCIPLINA: ESTATÍSTICA
PROFESSOR: DR. JANILSON PINHEIRO
EXERCÍCIOS RESOLVIDOS
abc, abd, abe, acd, ace, ade, bcd, bce, bde, cde
Observemos que dce ou edc não ocorrem nesta listagem já que eles são
somente arranjos de cde.
æ5ö 5! 5!
C15 = çç ÷÷ = = =5
è 1 ø 1!(5 - 1)! 1!!
æ 5ö 5! 5. 4
C25 = çç ÷÷ = = = 10
è 2 ø 2!(5 - 2 )! 1.2
æ5ö 5! 5.4.3.2
C45 = çç ÷÷ = = =5
è 4 ø 4!(5 - 4)! 1.2.3.2
æ 5ö
Observemos que çç ÷÷ = 1 , já que podemos selecionar 5 objetos somente de
è 5ø
æ 5ö æ 5ö æ 5ö æ 5ö
uma maneira. Podemos observar também que çç ÷÷ = çç ÷÷ , çç ÷÷ = çç ÷÷
è 1ø è 4ø è 2ø è 3ø
ASSIS, J. P. , 2014 3
Esta propriedade tem um significado particular. Se selecionarmos um
objeto dentre cinco, os quatro objetos restantes formam também uma seleção. A
cada seleção de um objeto corresponde exatamente uma seleção de quatro e vice e
versa. Portanto, seus números devem ser iguais. O mesmo é verdadeiro para
æ nö æ n ö
seleções de dois e três objetos dentre cinco. Em geral, temos que çç ÷÷ = çç ÷÷
èkø èn - kø
para k = 1, 2, ... , n-1,
æ nö æ n ö æ nö
Observemos que em çç ÷÷ = çç ÷÷ para k = 1, 2, ... , n-1, o símbolo çç ÷÷ não
èkø èn - kø è nø
æ nö
ter par. Formalmente, ele seria çç ÷÷ . Entretanto, não existe nada como uma
è 0ø
æ nö
combinação de zero objeto dentre n. Introduzimos çç ÷÷ somente para a segurança
è 0ø
æ nö æ n ö
da simetria. Para satisfazer çç ÷÷ = çç ÷÷ para k = 1, 2, ... , n-1, definimos
èkø èn - kø
æ nö æ nö
çç ÷÷ = çç ÷÷ = 1 .
è 0 ø è nø
æ nö
Os números çç ÷÷ são frequentemente dispostos de tal forma que eles
èkø
formam um triângulo de Pascal [Blaise Pascal (1623-1662), matemático, físico e
filósofo francês].
ASSIS, J. P. , 2014 4
æ 0ö
çç ÷÷
è 0ø 1
æ 1 ö æ 1ö
çç ÷÷ çç ÷÷ 1 1
è 0 ø è 1ø
æ 2ö æ 2 ö æ 2 ö
çç ÷÷ çç ÷÷ çç ÷÷ 1 2 1
è 0ø è 1ø è 2ø
æ 3ö æ 3ö æ 3ö æ 3ö
çç ÷÷ çç ÷÷ çç ÷÷ çç ÷÷ 1 3 3 1
è 0ø è 1ø è 2ø è 3ø
æ 4ö æ 4ö æ 4ö æ 4ö æ 4ö
çç ÷÷ çç ÷÷ çç ÷÷ çç ÷÷ çç ÷÷ 1 4 6 4 1
è 0ø è 1ø è 2ø è 3ø è 4ø
æ 5ö æ 5ö æ 5ö æ 5ö æ 5ö æ 5ö
çç ÷÷ çç ÷÷ çç ÷÷ çç ÷÷ çç ÷÷ çç ÷÷ 1 5 10 10 5 1
è 0ø è 1ø è 2ø è 3ø è 4ø è 5ø
......................................... ....................................................
æ nö
Uma aplicação importante do coeficiente çç ÷÷ é feita na álgebra.
èkø
Consideramos potências de um binômio com inteiros positivos como expoentes
dados por:
(a + b )2 = a 2 + 2ab + b 2 ,
(a + b )3 = a 3 + 3a 2 b + 3ab 2 + b 3 ,
(a + b )4 = a 4 + 4a 3 b + 6a 2 b 2 + 4ab 3 + b 4 , etc.
Os coeficientes formam as linhas do triângulo de Pascal. Em geral, pode-se
escrever o seguinte:
è 2ø
argumento pode ser usado para qualquer outro expoente inteiro n (n > 0).
æ nö æ nö æ nö æ nö
A fórmula (a + b ) = çç ÷÷ a n + çç ÷÷ a n -1 b + çç ÷÷a n - 2 b 2 + L + çç ÷÷b n , é chamada
n
è0ø è1ø è 2ø è nø
æ nö
o Teorema do Binômio. Os coeficientes çç ÷÷ são conhecidos como coeficientes
èkø
æ nö
binomiais. Quando transformamos (a + b ) em uma soma de termos çç ÷÷ a n - k b k ,
n
èkø
também dizemos que expandimos (a + b ) .
n
P ( X = x ) = Px = C xn P x q n - x
å Px = å Px =1 se verifica facilmente.
x=0 x=0
ASSIS, J. P. , 2014 6
DISTRIBUIÇÃO BINOMIAL: X ~ Bin (n; p)
P ( X = xi ) = C xn . p x . q n - x =
n!
. p. x q n - x , onde
x! (n - x ) !
n!
x = {0,1,2,...,n} e C xn = , sendo p + q = 1, q = 1 -
x! (n - x ) !
p,
n
n
(p + q) n = å P x q n - x = 1,0
x=0 X! (n - x)!
∑P ( X = x ) = 1
n
P(X= 0) + P(X= 1) + P(X= 2) + P(X= 3) + ... + P(X= n) = i
i =1
P(x ³ 1) = 1 - [P(x = 0 )]
P(x £ 2 ) = P ( x = 0) + P (x = 1) + P(x = 2)
-EXERCÍCIO 1.
Exemplo 1: Seja x = 1 a ocorrência de uma fêmea em um nascimento
de um bovino e x = 0 a ocorrência de macho. Determine a distribuição
de probabilidade de x.
Gametas ♂
Gametas ♀
1/2 X 1/2 y
X 1 1
XX (♀) XY (♂)
2 2
- As fêmeas (XX) ocorrerão em 50% das vezes. Logo, a variável “X” é
1
uma variável aleatória de Bernoulli com parâmetro P = .
2
A distribuição de probabilidade da variável X é dada por.
Xi P(Xi)
0 1/2
1 1/2
Soma 2/2 = 1,0
E(x) = p = 1/2; Var(X) = s X2 = P. q = 1/2 . 1/2 = 1/4 = 0,25; D.P. = σX = 0,25 = 0,50
æ 1ö
X ~ Bernoulli ç P = ÷ , ou seja, X tem distribuição de probabilidade de
è 6ø
1
Bernoulli com Parâmetro “P” igual a .
6
Xi P(Xi)
0 q = 1- P = 1-
1 5
=
6 6
1 1
P=
6
SOMA 6
= 1,0
6
E(x) = p = 1/6; Var(X) = s X2 = P. q = 1/6 .(1-1/6) = 5/36 = 0,139; D.P. = σX = 0,139 = 0,373
ASSIS, J. P. , 2014 11
ASSIS, J. P. , 2014 12
DISTRIBUIÇÃO BINOMIAL
n!
P ( X = xi ) = C xn . p x . q n - x = . p. xq n - x , onde
x! (n - x ) !
n!
x = {0,1,2,...,n} e C xn = , sendo p + q = 1, q = 1 - p,
x! (n - x ) !
∑P ( X = x ) = 1
n
P(X= 0) + P(X= 1) + P(X= 2) + P(X= 3) + ... + P(X= n) = i
i =1
- EXERCÍCIO DE APLICAÇÃO.
É sabido de experimentos anteriores que a probabilidade de
nascer bezerros natimortos em partos de um rebanho bovino da raça
nelore no RN é P = 10%. Se um médico veterinário realiza 5 partos
nesse rebanho, então responda:
P = 0,10
q = 0,90
n=5
k=X=3
X = número de natimortos
X = {0, 1, 2, 3, 4, 5}
X Ç B (5; 0,10)
0! (5 - 0!)
5! (5 - 5!)
1! (5 - 1!)
5!
0,74 = (0,10) X (0,90) 5 - X
X! (n - X!
x -l
P [X = x ] = l .e ,λ=? e X=?
x!
-Gráfico em Hastes ou Bastão da distribuição de probabilidade.
ASSIS, J. P. , 2014 18
a)
5.e -2 32.0,135335283
P ( X = 5) = 2 = = 0,036089408 @ 3,61%
5! 120
b) P ( X £ 2) = P ( X = 0) + P ( X = 1) + P ( X = 2)
0 -2 1 -2 2 -2
P [X £ 2] = 2 .e + 2 .e + 2 .e
0! 1! 2!
P [X £ 2] = 0,135335283 + 0,270670566 + 0,270670566
P [X £ 2] = 0,676676415 @ 67,67%
c) λ = 4; 1 ha ---------2 àrvores
2 ha-------- λ
λ = 4 Árvores
ou ainda: E [ X ] = l' = m . I = 2.2 = 4 Árvores
1.e -4 4 . 0,018315638
P ( X = 1) = 4 = = 0,073262555 = 7,33%
1! 1
d) E [ X ] = m X = m = l = 2 Árvores de Timbaúba/Hectare
g) P (2 £ X £ 4) = P ( X = 2) + P ( X = 3) + P ( X = 4)
2. e -2 23. e -2 2 4. e -2
P (2 £ X £ 4) = 2 + +
2! 3! 4!
P (2 £ X £ 4) = 0,541341132 = 54,13%
ASSIS, J. P. , 2014 19
3.e - 2
h) P (2 < X < 4) = P ( X = 3) =
2 = 0,180447044 = 18,04%
3!
i) P (1 £ X < 5) = P ( X = 1) + P ( X = 2) + P ( X = 3) + P ( X = 4)
é 0 -2ù
j) P ( X ³ 1) = 1 - [P ( X = 0)]
2 .e ú
= 1 - êê ú = 1 - 0,135335283
êë 0! úû
P ( X ³ 1) = 0,864664717 @ 86,47%
l x .e -l = 2 x .e - 2
K) P [X = x ] = , λ = ? e X = ?, 0,99 = \x = 6
x! x!
árvores de Timbaúba
a) A probabilidade procurada é
æ 80 ö
P (x = 0) = çç ÷÷ . (0,012) 0 . (0,988)80-0 = (0,988) 80 = 0,380676 @ 38%
è0ø
Como n é grande e P é pequeno neste caso, a aproximação de
Poisson dá os seguintes resultados,
ii) Qual deve ser o peso médio dessa raça para que apenas 10% dos
animais tenham menos de 25 kg de peso? (Isto é, sabe-se que 10% dos
pesos são inferiores a 25 kg).
-RESPOSTAS:
i)
a)
X -m 28,0 - 27,0
Z= = = 0,83
s 1,20
P ( X ³ 28) = P (Z ³ 0,83) = 0,5000 - P (0 £ Z £ 0,83 ) = 0,5000 - 0,29673
P ( X ³ 28) = P (Z ³ 0,83 ) = 0,20327 = 20,327%
P ( X ³ 28) = P (Z ³ 0,83 ) = 0,20327 = 20,327%
P (26,0 £ X £ 27,5 ) = ?
X -m 26,0 - 27 ,0
Z1 = = = - 0,83
s 1,20
27,5 - 27,0
Z2 = = + 0,42
1,20
26,0 - 27,0
Z= = -0,83
1,20
27,0 - 27,0
Z= = 0,00
1,20
ASSIS, J. P. , 2014 24
II) m = ?
0,40000 0,40147
X -m
Z= \ Zs = X - m \ - m = Zs - X (- 1) 0,39973 0,40000
s
_______ _______
0,00027 0,00147
V) P ( Z ³ 0,5) = ?
1 1
X = m X + s = 27,0 + .1,20
2 2
27,5 - 27,0
Z= = 0,5
1,20
é 1 ù
P ê( X - m X ) ³ s = P [( X - 27,0 ) ³ 0,6] = P (Z ³ 0,5 ) = 0,5000 - P (27,0 £ X £ 27,6 )
ë 2 úû
é 1 ù
P ê( X - m X ) ³ s = P (Z ³ 0,5 ) = 0,5000 - P ( 0 £ Z £ +0,5 ) = 0,5000 - 0,19146 = 0,30854
ë 2 úû
é 1 ù
P ê( X - m X ) ³ s ú = P (Z ³ 0,5 ) = 0,30854 @ 30,85%
ë 2 û
ASSIS, J. P. , 2014 26
X -m
VI) Z =
s
0,45053 0,45000
0,45000 0,44950
X - m = Zs ; X = m + Zs ; ;
_______ _______
0,00053 0,00050
X = 27,0 + 1,64.1,20
VII) P ( X 1 £ X £ X 2 ) = 95%
Z=
[X - m ] ; X - m = Zs ; X = m + Zs ; X i = m + Zs
s
c (27;0, 05 ) = 14,067
ASSIS, J. P. , 2014 29
3) Qual é o valor Crítico ou Tabelado sob a curva da distribuição
teórica de probabilidade de Qui – Quadrado ( c 2 ) que com v = 5 graus
de liberdade deixa uma área à direita dele de 1 %?
c (212;0, 90 ) = 6,304
[ ]
P - t [12;0 ,005] £ t £ + t [12;0, 05] = 0,945 = 94,5%
té 0 , 01 ù
= ± 3,055
ê12; 2 ú
ë û
ASSIS, J. P. , 2014 36
té 0 ,10 ù
= ± 1,708
ê 25; 2 ú
ë û
ASSIS, J. P. , 2014 37
+ t [ V ;a ] = - t [ V ;1-a ]
9)
t é ù
= Zé = ±1,96
ê
ê v=¥;0,05úú ê
ê
0,05ùúú
ê
ë
2 úû ê
ë
2 úû
m -e £ X e X £m+e
μ£ X +e e X -e£ m
P éê X - e £ μ £ X + eùú = 1 - α
ë û
X-μ (μ + e) - μ s
Z æ α ö = +σe \
e = Zæ a
Zæ α ö = \ Zæ α ö = \ ç
ö. n
÷
çç ÷÷ σ çç ÷÷ σ çç ÷÷
è 2ø è 2ø è 2ø
è 2 ø
n n n
X -e £ μ£ X +e
X - Zæ α ö . σ £ μ £ X + Zæ α ö . σ
çç ÷÷ n çç ÷÷ n
è2ø è 2ø
é ù
- Zæ α ö . σ £ μ £ X + Zæ α ö . σ ú = 1- α
ê ú
PêX
ê çç ÷÷ n çç ÷÷ nú
ë è 2ø è 2ø û
ASSIS, J. P. , 2014 41
I. C.: X ± e \ X ± Zæ a ö . s OU X ± Zæ a ö .
S
ç ÷ n ç ÷ n
è 2ø è 2ø
expressão abaixo.
æ ö
s s ÷
Pç X - zæ a ö £ m £ X + zæ a ö = 1-a
ç ÷
ç ç 2÷ n ç2÷ n÷
è è ø è ø ø
s
I.C.[ μ ] X ± Zæ a ö . \ X±e
ç ÷ n
è2ø
Zæ a ös
s s n .e ç ÷
è2ø
e = Zæ a ö . \ n .e = Zæ a ö . n \ n .e = Zæ a ös \ =
ç ÷ n ç ÷ n ç ÷ e e
è
2 ø 2 è ø 2 è ø
2
é ù
Zæ a ös
2 êZ ú .s 2
æ Zæ a ös ö ê æa öú
ç ÷ ç ç ÷ ÷ ç ÷
( n) ëê è 2 ø ûú
è2ø 2
=ç è ø
2
n= \ ÷ \n =
e ç e ÷ e2
ç ÷
è ø
n=
[1,96] .2 2
2
=
15, 3664
= 61,47 @ 62 Vacas
[0,5] 2 0,25
æ ö
P ç X - tæ a ö
S S ÷
£ m £ X + tæ a ö = 1-a
ç ÷
ç ç v; ÷ n ç v; ÷ n ÷
è è 2 ø è 2ø ø
-Solução:
té 0 ,10 ù
= ± 1,711
ê 24; 2 ú
ë û
30 30
198 - 1,711. £ m £ 198 + 1,711. ;
25 25
é 30 30 ù
P ê198 - 1,711. £ m £ 198 + 1,711. = 90%
ë 25 25 úû
198 ± 10,26
P [187,74 £ m £ 208,26] = 90%
té 0 ,10 ù
= ± 1,711
ê 24; 2 ú
ë û
té aù .S
S S n.e êV ; 2 ú
ë û
e = té aù \ n.e = t é aù . n. \ = \
êV ; 2 ú
ë û
n êV ; 2 ú
ë û
n e e
2
té aù .S æ t é a ù .S ö t 2é a ù S 2
ç êV ; 2 ú ÷
\ n=
êV ; 2 ú
ë û
\ ( n) 2 êV ; ú
= ç ë û ÷ \ n = ë 2 û2
e çç e ÷÷ e
è ø
1,711 2 .30 2
n= = 32,49 @ 32,50 @ 33 indivíduos
92
æ ö
f (1 - f ) f (1 - f )÷
P ç f - zæ a ö £ p £ f + zæ a ö = 1-a
ç ÷
ç ç ÷ n ç ÷ n ÷
è è 2ø è 2ø ø
x
Onde: f = p̂ = , f = p̂ = proporção (freqüência relativa) de
n
eventos sucesso na amostra; x = número (freqüência absoluta) de
eventos sucesso na amostra; e n = número de elementos da
amostra (tamanho da amostra).
- Solução:
0,75(1 - 0,75 )
P : 0,75 ± 1,96.
80
P : 0,75 ± 0,095
P (0,655 £ P £ 0,845 ) = 95%
P (65,5 £ P £ 84,5 ) = 95%
e = Z éa ù .
(
Pˆ 1 - Pˆ ) \ e = Z éa ù .
(
Pˆ 1 - Pˆ )\ n .e = Z é a ù .
(
Pˆ 1 - Pˆ ). n\
ê2ú
ë û
n ê2ú
ë û
n ê2ú
ë û
n
n .e = Z . Pˆ 1 - Pˆ \( ) =
(
n .e Z . Pˆ 1 - Pˆ
\ n=
)Z . Pˆ 1 - Pˆ
\
( )
e e e
( )
2
( Z )2 æç Pˆ 1 - Pˆ ö÷
(Z )2 Pˆ 1 - Pˆ ( )
( n) 2
=
è
(e )2
ø
\n=
(e )2
não
iii)
(s )
2
NORMAL COM VARIÂNCIA DESCONHECIDA E AMOSTRA
PEQUENA (n < 30)
11.2.1. O TESTE DE HIPÓTESE
1)
Ho: µ = µ0 = 26
H1: µ > µ0 > 26
2) α = 0,05 = 5%; t[ = + 1,711
24;0,05]
3)
28 - 26
= 2,5*
2
4) t TESTE = t OBSERVADO = t CALCULADO = =
4 0, 8
25
( )
X 1 - X 2 - ( m1 - m2 )
è ø è ø
ZTESTE = ,
S12 S22
+
n1 n2
s 1 e s 2 conhecidos.
Ou não conhecidos.
H1: m 1 ¹ m 2
2) α = 0,05 = 5%;
3) Z = ± 1,96
é 0,05 ù
ê 2 ú
ë û
4)
Z TESTE = Z CALCULADO =
(28,3 - 23,5) - 0 =
4, 8 - 0
=
4, 8
=
4,8
= 2,5*
(10,41)2 (7,05)2 2,7092 + 0,99405 3,70325 1,9244
+
40 50
ESTATISTICAMENTE IGUAIS (s 2
1 = s 22 = s 2 ) OU SEJA, POPULAÇÕES
S P2 =
( n1 - 1) S12 + ( n2 - 1) S22 , e S = S P2
n1 + n2 - 2 P
2
S MAIOR
2
< 4, e
S MENOR
V= v1 + v2 = (n1 -1) + (n2 -1) = n1 + n2 - 2
x 1 + x 2 + x 3 + x 4 + L + x17
Sendo que, X 11 = = 63,0 g
17
Onde temos os seguintes dados:
n1 = 10; X 1 = 62, 23 g; S12 = 0, 96 g 2 ; S1 = 0, 98 g
n2 = 10; X 2 = 91,14 g; S22 = 0, 61 g 2 ; S2 = 0, 78 g
V = 10+10-2=18; t = ± 2,101
é 0,05 ù
ê18; 2 ú
ë û
(n1 - 1)S 12 + (n2 - 1)S 22 (10 - 1) 0,96 + (10 - 1) 0,61 (9) 0,96 + (9) 0,61 14,13
S =
2
= = = = 0,785,
n1 + n 2 - 2 10 + 10 - 2 10 + 10 - 2
C
18
S C = 0,785; S C = 0,886
ASSIS, J. P. , 2014 61
1) Ho: m 1 = m 2 \ m 1 - m 2 = 0
H1: m 1 ¹ m 2
2) α = 0,05 = 5%;
3) t = ± 2,101
é 0,05 ù
ê18; 2 ú
ë û
4)
3)
0,60 - 0,50
@ 5,7**
0,1000000
4) Z TESTE = Z OBSERVADO = Z CALCULADO = =
0,50(1 - 0,50 ) 0,0176776
800
-Considere os pesos vivos ao nascer (x) e ao desmame (y), ambos em quilogramas (kg),
medidos em 10 bezerros (n = 10) machos da Raça Bovina GUZERÁ, os quais foram
obtidos em 2010, na cidade de Mossoró, RN.
Tabela 1 - Dados Referentes aos pesos ao nascer (x), e ao desmame (y) expressos em quilogramas de
dez bezerros machos da raça guzerá.
PESO AO PESO AO
NASCER (KG) DESMAME (KG) XY X2 Y2
X Y
25,6 48,6 1244,16 655,36 2361,96
26,9 49,8 1339,62 723,61 2480,04
27,1 50,3 1363,13 734,41 2530,09
28,6 52,4 1498,64 817,96 2745,76
26,4 49,6 1309,44 696,96 2460,16
25,8 49,0 1264,20 665,64 2401,00
26,7 49,4 1318,98 712,89 2440,36
28,7 53,0 1521,10 823,69 2809,00
27,9 52,0 1450,80 778,41 2704,00
26,9 49,7 1336,93 723,61 2470,09
SOMA 270,60 503,80 13647,00 7332,54 25402,46
n = 10 SQX = 7332,54 -
(270,60)2 = 10,10
10
X =
270 ,60
= 27,06 kg SQY = 25402,46 -
(503,80)2 = 21,02
10 10
Y =
503,80
= 50,38 kg SPXY = 13647,00 -
(270,60)(503,80) = 14,17
10 10
14,172
bˆ = @ 1, 40 ; aˆ = 50,38 - (1,40)(27,06) @ 12,50 . Ou seja, a equação ou função
10,104
ajustada aos dados do peso ao desmame em quilogramas, em função do peso ao
nascer também em quilogramas, dos bezerros machos da raça Guzerá, é dada pela
seguinte equação: Yˆi = 12, 50 + 1, 40. X i .Sendo assim a interpretação é feita
ajustada Yˆi = 12, 50 + 1, 40. X i , intercepta ou corta o eixo das ordenadas (peso ao
H1: β ≠ b 0 , β ≠ 0
(ii) Especificar o nível de significância do teste; a = 5%
V = n – p -1 = 10 -1-1; V= 10 - 2 = 8, t æ 0 ,05 ö
= ± 2,306
ç 8; ÷
è 2 ø
( b̂ ).
( 14,172 ) 2
SQRe gressão = 21, 016 - = 1,138171 @ 1,140
10,104
ˆ 2 1,14
VarRe gressão = S = = 0,1425 @ 0,143
10 - 2
S = 0,1425 = 0, 3774717 @ 0, 377
0, 377 0, 377
S(bˆ ) = = = 0,11876 @ 0,119
10,104 3,1786789
bˆ - b 0 1,4 - 0
t (teste ) = ; t (teste ) = @ 11,79*
S (bˆ ) 0,11876
ASSIS, J. P. , 2014 67
Como o tteste foi maior que o ttabelado, ou seja, (11,79) > t æ 0 ,05 ö = ± 2,306 , então
ç 8; ÷
è 2 ø
amostral ( bˆ = 1,4 ), do peso vivo ao desmame sobre o peso vivo ao nascer, ambos
em quilogramas, dos bezerros machos da raça bovina guzerá é estatisticamente
significativo, ou significativamente diferente de zero (0).
d) Determinar e interpretar o coeficiente de determinação ou explicação (r2) e o
bˆ 2 . SQX bˆ . SPXY
2
coeficiente de não determinação ( K = 1 - r ); r =
2 2
= .100(%)
SQY SQY
r2 =
(1,40)2 (10,104) ou r2 =
(1,400)(14,172) = 0,94 r 2 = 94%
21,016 21,016
Sendo assim a interpretação é feita conforme mostramos a seguir:
Isso significa que 94% das variações no peso ao desmame (Y) em
quilogramas dos bezerros machos da raça Guzerá, são explicadas estatisticamente
pelas variações no peso ao nascer (X) em quilogramas, através da função (equação)
ajustada Yˆi = 12, 50 + 1, 40. X i , e K 2 = 1 - r 2 = 1 - 0,94 = 0,06 = 6% ; ou seja 6%
Significa que um bezerro que nascer pesando ou tendo um peso vivo de 26,5
quilogramas, terá em média ao desmame 49,6 quilogramas de peso vivo.
ASSIS, J. P. , 2014 68
2) CORRELAÇÃO LINEAR SIMPLES.
a) Construir o diagrama de dispersão
H0 : r = r0; r = 0
i) Elaborar as hipóteses;
H1 : r ¹ r 0 ; r ¹ 0
ii) Especificar o nível de significância,
a = 0,05
iii) Traçar a curva do teste [Distribuição amostral do estimador r]
Distribuição amostral do estimador , r
↓
V=n–2; V= 10 - 2 = 8, tæ 0 ,05 ö
= ± 2,306
ç 8; ÷
è 2 ø
r - r0 0,97 - 0 0,97
iv) Calculo da Estatística Teste; t (Teste ) = = = @ 11,3 *
1- r2 1 - (0,97 ) 0,08595
2
n-2 10 - 2
Como o tteste foi maior que o tcrítico ou ttabelado, ou seja, t (Teste ) > t æ 0,05 ö , ou ainda
ç 8; ÷
ç 2 ÷
è ø