Um estudo sobre a quantidade de chuva e poluição do ar removida produziu os seguintes

dados:

Precipitação diária Partículas removidas

"x"(0.01cm) y(ug/m^3)
4.3 126.0
4.5 121.0
5.9 116.0
5.6 118.0
6.1 114.0
5.2 118.0
3.8 132.0
2.1 141.0
7.5 108.0

a) Calcule a equação da reta de regressão para prever as partículas removidas da

quantidade de precipitação diária.
b) Estimar a quantidade de partículas removidas se a precipitação diária for x= 4,8
unidades.

1) A forma do modelo é assumida, no caso da relação entre duas variáveis, os

pontos no plano podem ser grafados (este é o gráfico de dispersão) para observar
a possível relação entre eles.

 A variável é dependente das partículas removidas. Sendo o fator que altera

nosso modelo e a variável independente que é a quantidade de chuva
diária.
Conclusão: Não há diferença significativa entre a quantidade de chuva e partículas
removidas.
2) Os dados amostrais são usados para estimar os parâmetros
desconhecidos do modelo (o Bi), ou seja, o ajuste do modelo (assumindo
um modelo de regressão linear simples 𝒚=𝑩𝟎+𝑩𝟏𝒙).

Y = βo + β1*x
Y= 153,18+(-6,32*X)
Y= 122.82

3) Especifique a distribuição de probabilidade do(s) erro(s), estimando

quaisquer parâmetros desconhecidos dessa distribuição.

S^2 4.85
S 2.20 O desvio padrão é 2,20
 Cantidad de lluvia y de la contaminación del aire
Partículas eliminadas y(ug/m^3) Linear (Partículas eliminadas y(ug/m^3))

160.0

140.0
f(x) = − 6.32398753894081 x + 153.17549325026
120.0 R² = 0.957772194002061
Partículas Eliminadas

100.0

80.0

60.0

40.0

20.0

0.0
1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0
Cantidad de lluvia diaria

4) Verificar estatisticamente a adequação do modelo (por teste de hipóteses,

intervalos de confiança, coeficiente de determinação e correlação).

R -0.979

As partículas removidas aumentam quando a quantidade de chuva aumenta.

R^2 0.9578

95,78% das estimativas serão válidas.

Teste de hipóteses.

1. Formulação de Hipóteses
H 0: B1= 0 (H0: Que x não contribui com informações para predizer Y)
H 1: B1≠
0
H 1: B1< 0 (H1: Estes valores estão relacionados linearmente)

H0: Os espaços entre a quantidade de chuva não contribuem para prever

as partículas removidas. H 0: B1= 0
H1: existe uma relação linear entre a quantidade de chuva e as partículas
removidas. H 1: B1≠ 0
 2. Estatístico de teste

B1
t=
S
√ SSxx
❑

−6.32
t=
2.20 = -12,6073 valor calculado, o valor encontrado no Excel e spss é usado
√ 19.26
❑

porque nos ajuda a ter uma melhor precisão dos valores estimados.

3. Região Crítica tomando 𝛼 específico de 0,05 que é 5% que é o nível de

significância que está disposto a aceitar para dar como válida a hipótese.

t (1- α/2), n-2= t (0,95,7) = 1,895 o valor encontrado na tabela t-student

t(α/2), n-2= -1,895

4. Decisão estatística.

Você tem que calcular t =-12,6073

Então:
-12.6073.….-1.895…..1.895
-12.6073<1.8995
Conclusão: A hipótese nula (Ho) é rejeitada e afirma-se
que existe uma relação entre a quantidade de chuva e
as partículas removidas.

5) Quando você está satisfeito com a adequação,

você usa o modelo para fazer previsões,
estimativas, etc.

B1+- t(1- α/2), n-2 S B1 SB1 = S/√𝑆𝑆𝑋𝑋= 0,1142

B1+-(1,895)(0,1142)= 0,2164