Programa de Matemática

Exame Estatístico II Direcção Geral da Formação

Pergunta 1:
Uma investigação da relação entre o fluxo de tráfego (milhares de carros por dia) (X) e o teor de chumbo da casca
de árvore perto da rodovia [ug/g] (Y) de peso seco produziu os seguintes dados: a) Calcular a covariância e indicar
se há relação entre as variáveis, e que tipo é a relação.

X E
8.3 227
8.3 312
12.1 362
12.1 521 COVARIÂNCIA = 2050.0512396694
17 640
17 539
17 728
24.3 945
24.3 738
24.3 759
33.6 1263

A covariância indica que há uma relação direta entre as variáveis, ou seja, quanto maior o fluxo de carros, maior o
teor de chumbo nas árvores.

b) Construir um gráfico de dispersão, incluindo o modelo de regressão linear e seu coeficiente de determinação.
Modelo Linear: y = 36,184x - 12,842
Interpretação pendente:
Quando o número médio de carros aumenta em 1.000 carros por dia,
estima-se que o teor médio de chumbo na casca das árvores aumente
em 36.184 (ug/g)

Coeficiente de determinação: R² = 0,9143

Interpretação: 91,43% da variabilidade no teor de chumbo nas árvores é explicada
pela variabilidade no fluxo de automóveis, de acordo com o modelo
linear.

c) Construir a tabela ANOVA e o modelo de regressão linear utilizando a ferramenta Regressão EXCEL. Como é
interpretado o valor F obtido?

Página 1 de 18 Formulário 1
 Programa de Matemática
Exame Estatístico II Direcção Geral da Formação

O valor crítico é menor que 0,05, portanto a hipótese de que a variável Fluxo não é significativa é rejeitada. A um
nível de significância de 5% pode-se dizer que o Fluxo Veicular influencia o teor de chumbo nas árvores.

Pergunta 2:
O diretor de uma empresa acha que a demanda por um produto que vende depende exclusivamente do preço de
varejo. Temos os seguintes dados de exemplo:

Quantidade
Preço (US$)
Vendida

19 1000
18 1200
16 1300
15 1400
15 1500
14 1700
14 2000
13 2100
12 2200
13 2000

a) Calcular a covariância e indicar se há relação entre as variáveis e de que tipo é a relação.

A covariância indica que há uma relação inversa entre as variáveis, ou seja, quanto maior o preço do produto,
menos itens são vendidos.

b) Construir um gráfico de dispersão, incluindo o modelo de regressão linear e seu coeficiente de determinação.
Modelo Linear: y = -177,28x + 4281,5
Interpretação pendente:
Quando o preço do item aumenta em US $ 1, estima-se que o número
de itens vendidos diminui em aproximadamente 177 itens.

R² = 0,8909
............................................................
Coeficiente de determinação: 89,09% da variabilidade na demanda por artigos é explicada pela
variabilidade de preço, segundo o modelo linear.
Interpretação:

Página 2 de 18 Formulário 1
 Programa de Matemática
Exame Estatístico II Direcção Geral da Formação

c) Construir a tabela ANOVA e o modelo de regressão linear utilizando a ferramenta Regressão EXCEL. Como é
interpretado o valor F obtido?

O valor crítico é menor que 0,05, portanto, a hipótese de que a variável preço não é significativa é rejeitada. Em
um nível de significância de 5% pode-se dizer que o preço influencia a demanda pelo artigo.

Pergunta 1 https://www.youtube.com/watch?v=BVc9WIftQj0&t=1s

Página 3 de 18 Formulário 1
Pergunta 1 B1
Covariância: -796
Conteúdo de leads e fluxo de trânsito

b0
b1

Covariância 2050.0512396
: 694

Pergunta 2

Preço e Quantidade Vendida

Q
u
a
n
ti
d

Preço (US$)
b0
Resumo
Estatísticas de regressão
Coeficiente de correlação múltipla 0.9561851758
Coeficiente de determinação R^2 0.9142900904
R^2 ajustado 0.9047667671
Erro típico 92.1909593246
Observações 11

ANÁLISE DE VARIÂNCIA
Graus de liberdade Soma dos quadrados
Regressão 1 815966.170441948
Desperdício 9 76492.5568307796
Total 10 892458.727272727

Coeficientes Erro típico

Interceptação -12.8415535691 72.1428734085
X 36.1838481556 3.6928954265

Resumo
Estatísticas de regressão
Coeficiente de correlação múltipla 0.9438702737
Coeficiente de determinação R^2 0.8908910936
R^2 ajustado 0.8772524803
Erro típico 146.9815072531
Observações 10

ANÁLISE DE VARIÂNCIA
Graus de liberdade Soma dos quadrados
Regressão 1 1411171.4922049
Desperdício 8 172828.5077951
Total 9 1584000

Coeficientes Erro típico

Interceptaçã 4281.5144766147 330.1213628137
o
 -177.2828507795 21.9350953269

S$)
(U
eç
Pr

o
Quadrados médios F Valor crítico de F
815966.170441948 96.005361021 4,2387567145E-06
8499.1729811977

Estatística t Probabilidade Menor 95% Superior 95% Inferior 95,0%

-0.17800169250.8626637018 -176.0400710614 150.35696392 -176.04007106
9.79823254584,238757E-06 27.8299383323 44.537757979 27.8299383323

Quadrados médios F Valor crítico de F

1411171.4922049 65.321237113 4,0568865114E-05
21603.5634743875

Estatística t Menor probabilidade 95% Topo 95% Menor 95,0%

12.9695165442 1.183465E-06 3520.2532494761 5042.7757038 3520.25324948
-8.0821554745 4.056887E-05 -227.8652712677 -126.70043029 -227.86527127
Superior 95,0%
150.3569639231
44.537757979

Superior 95,0%
5042.775703753
-126.700430291
1400
 Resumo

Estatísticas de regressão
Coeficiente de correlação múltipla 0.9561851758
Coeficiente de determinação R^ 0.9142900904
R^2 ajustado 0.9047667671
Erro típico 92.1909593246
Pergunta 1: 1
Pergunta 2: 2
Conteúdo de leads e fluxo de trânsito 4
b0 b1 4
Preço e Quantidade Vendida 4
B1 5

Coeficientes
Interceptaçã -12.8415535691
o 36.1838481556
X
 Relação entre fluxo veicular e teor de chumbo

6.1838481556x - 12.8415535691 142900904

Eu------------------------------------1-------------------------------------1-------------------------------------Eu
15 20 25 30

Fluxo de tráfego (em milhares de carros por dia)

Soma dos quadradosMédia dos quadrados F Valor crítico de F
815966.170441948 815966.170441948 96.00536102 4.23875671E-06
76492.5568307797 8499.1729811977
892458.727272727

Erro típico Estatística t Probabilidade Menor 95% Superior 95% nferior 95.0%
72.1428734085 -0.1780016925 0.862663702 -176.040071395 150.3569643 -176.04007
3.6928954265 9,7982325458 4,238757E-06 27.8299383152 44.537758 27.8299383
Eu "E
35 u
Superior 95,0% 150,35696426 44,537757996
Pergunta 1 https://www.youtube.com/watch?v=BVc9WIftQj0&t=1s