Matheus Franco Pereira Carneiro

1) Analisando o ajuste feito nas variáveis, observamos a variável x2 com um p-valor = 0.92.
Realizado o teste de hipótese, optamos por retirar a variável.

Verificando a correlação entre as variáveis:

term y x1 x3 x4

1y NA 0.537 0.809 0.160

2 x1 0.537 NA 0.0281 -0.0524
4 x3 0.809 0.0281 NA 0.146
5 x4 0.160 -0.0524 0.146 NA

Como p = 0.809, e é próximo de 1, podemos concluir que existe uma forte relação entre a
variável y e x3. O gráfico abaixo ilustra essa relação.
Ao realizarmos a análise dos resíduos,podemos ver que o comportamento no gráfico dos
resíduos vs valor ajustado é aleatório.

Observa-se que os erros não possuem distribuição normal, uma vez que há muitos pontos
fora da linha (caudas muito pesadas), confirmado pelo teste de normalidade de kolmogorov-
Smirnov.
Ao analisarmos o modelo, tivemos um R² ajustado (R² 0.9221)
e um erro padrão residual (2.182 em 96 de graus de liberdade)
Observa-se que a interação entre y e x3 é significativa,

Ao analisarmos o gráfico dos resíduos e o qq-plot, percebemos que os erros

não satisfazem as hipóteses de normalidade e de constância das variâncias,
o que pode ser devido aos outliers. Não possuímos observações influentes
Suspeitamos que o modelo normal não parece ser o mais adequado para representar este
conjunto de dados.

Ao ajustarmos o modelo através da transformação utilizando o método boxcox, utilizando a

reta de regressão log-normal e realizarmos os testes para verificarmos os pressupostos,
observamos ainda violação na normalidade e na homocedasticidade.

O que nos leva a concluir que o modelo normal não parece ser o mais adequado para
representar este conjunto de dados.
2)
O modelo utilizado pelo estatístico é o modelo log-normal.
A reta ajustada é:

Y^ = 3.440 -1.27 X1 + 0.23 X2

Avaliando o ajuste, plano A e Idade são relevantes para a explicação dos gastos com
reembolso, e pelo teste F = 33.21 há associação linear significativa entre as variáveis.

25.2% da variabilidade do valor gasto no pagamento dos requerimentos é explicado pela

regressão.

Uma pessoa que possui o plano A tem em média 72% menos gastos do que uma pessoa
do plano B.

A cada aumento de 1 ano na idade da pessoa, o gasto aumenta R$0.23.