Proposta de Resolução do e-Fólio B INSTRODUÇÃO À ESTATÍSTICA APLICADA

| 21068

Período de Realização
Decorre de 2 a 9 de janeiro de 2023
Conteúdos
− Números Índices
− Associação entre duas variáveis: Regressão Linear Simples e Correlação
Competências Deve demonstrar capacidades para:
1. Calcular e interpretar índices estatísticos.
2. Aplicar e interpretar o modelo de regressão linear simples e obter os coeficientes de
regressão.
3. Analisar o grau de associação entre duas variáveis através do coeficiente de
determinação e de coeficientes de correlação.
4. Demonstrar e aplicar corretamente as fórmulas abordadas a problemas específicos.

1. Os preços e quantidades de consumo de quatro diferentes itens no período 2017-2019

encontram-se na tabela abaixo:

Nas alíneas que se seguem procure apresentar as respetivas fórmulas e todos os cálculos
necessários para a obtenção dos resultados.

(a) Considerando 2018 como ano base, determine e interprete o valor do índice de
Laspeyres, para preços e quantidades.

Resolução

Um índice de Laspeyres utiliza os dados do ano base como ponderações para o seu cálculo.
Quando se ponderam os preços em cada ano pelas quantidades do ano base obtém-se um
índice de preços. Quando se ponderam as quantidades de cada ano pelos preços do ano base
obtém-se um índice de quantidades (livro adotado, pág. 142):

∑ 𝑃𝑖 𝑄0 ∑ 𝑃𝑜 𝑄𝑖
𝐿𝑝𝑖 = × 100 𝐿𝑞𝑖 = × 100
∑ 𝑃0 𝑄0 ∑ 𝑃0 𝑄0
Índice de preços de Laspeyres Índice de quantidades de Laspeyres

Página 1 de 5
Proposta de Resolução do e-Fólio B INSTRODUÇÃO À ESTATÍSTICA APLICADA
| 21068

Tomando 2018 como ano base, o índice de preços para 2017 será
∑ 𝑃2017 𝑄2018
𝐿𝑝2017 = × 100
∑ 𝑃2018 𝑄2018
(𝑃2017 𝑄2018 )𝐼 + (𝑃2017 𝑄2018 )𝐼𝐼 + (𝑃2017 𝑄2018 )𝐼𝐼𝐼 + (𝑃2017 𝑄2018 )𝐼𝑉
𝐿𝑝2017 = × 100
(𝑃2018 𝑄2018 )𝐼 + (𝑃2018 𝑄2018 )𝐼𝐼 + (𝑃2018 𝑄2018 )𝐼𝐼𝐼 + (𝑃2018 𝑄2018 )𝐼𝑉
13,8 × 3 350 + 10,9 × 1 895 + 12,3 × 980 + 11,1 × 1 740
𝐿𝑝2017 = × 100
16,5 × 3 350 + 15,7 × 1 895 + 14,0 × 980 + 14,9 × 1 740
46 230,0 + 20 655,5 + 12 054,0 + 19 314,0 98 253,5
𝐿𝑝2017 = × 100 = × 100 = 𝟕𝟖, 𝟖𝟏
55 275,0 + 29 751,5 + 13 720,0 + 25 926,0 124 672,5
Repetindo o mesmo raciocínio para os restantes anos obtém-se
∑ 𝑃2018 𝑄2018
𝐿𝑝2018 = × 100
∑ 𝑃2018 𝑄2018
55 275,0 + 29 751,5 + 13 720,0 + 25 926,0 124 672,5
𝐿𝑝2018 = × 100 = × 100 = 𝟏𝟎𝟎
124 672,5 124 672,5
∑ 𝑃2019 𝑄2018
𝐿𝑝2019 = × 100
∑ 𝑃2018 𝑄2018
81 405,0 + 38 658,0 + 19 600,0 + 35 496,0 175 159,0
𝐿𝑝2019 = × 100 = × 100 = 𝟏𝟒𝟎, 𝟓𝟎
124 672,5 124 672,5

Os preços dos itens no seu conjunto, em 2017 foram inferiores em 21,2% (isto é 100 − 78,81)
relativamente ao ano base 2018. Por sua vez em 2019, e novamente em relação ao ano base,
foram 40,1% (isto é 140,5 − 100) superiores.

Analogamente, tomando 2018 como ano base, o índice de quantidades para 2017 será
∑ 𝑃2018 𝑄2017
𝐿𝑞2017 = × 100
∑ 𝑃2018 𝑄2018
(𝑃2018 𝑄2017 )𝐼 + (𝑃2018 𝑄2017 )𝐼𝐼 + (𝑃2018 𝑄2017 )𝐼𝐼𝐼 + (𝑃2018 𝑄2017 )𝐼𝑉
𝐿𝑞2017 = × 100
(𝑃2018 𝑄2018 )𝐼 + (𝑃2018 𝑄2018 )𝐼𝐼 + (𝑃2018 𝑄2018 )𝐼𝐼𝐼 + (𝑃2018 𝑄2018 )𝐼𝑉
16,5 × 2 095 + 15,7 × 1 900 + 14,0 × 1 060 + 14,9 × 1 900
𝐿𝑞2017 = × 100
124 672,5
34 567,5 + 29 830,0 + 14 840,0 + 28 310,0 107 547,5
𝐿𝑞2017 = × 100 = × 100 = 𝟖𝟔, 𝟐𝟔
124 672,5 124 672,5

Novamente, repetindo o raciocínio para os restantes anos obtém-se

∑ 𝑃2018 𝑄2018 124 672,5
𝐿𝑞2018 = × 100 = × 100 = 𝟏𝟎𝟎
∑ 𝑃2018 𝑄2018 124 672,5
∑ 𝑃2018 𝑄2019
𝐿𝑞2019 = × 100
∑ 𝑃2018 𝑄2018
79 200,0 + 44 431,0 + 19 600,0 + 31 290,0 174 521,0
𝐿𝑞2019 = × 100 = × 100 = 𝟏𝟑𝟗, 𝟗𝟖
124 672,5 124 672,5
Página 1 de 5
Proposta de Resolução do e-Fólio B INSTRODUÇÃO À ESTATÍSTICA APLICADA
| 21068

As quantidades consumidas dos itens no seu conjunto, em 2017 foram inferiores em 13,7%
(isto é 100-86,26) relativamente ao ano base 2018. Por sua vez em 2019, e novamente em
relação ao ano base, foram 40,0% (isto é 139,98-100) superiores.

(b) Considerando 2017 como ano base, calcule e interprete o índice de Paasche para o ano
2019, para preços e quantidades.

Resolução

O índice de Paasches utiliza como ponderações os preços ou quantidades relativas ao ano

corrente (livro adotado, pág. 145).

∑ 𝑃𝑖 𝑄𝑖 ∑ 𝑃𝑖 𝑄𝑖
𝑃𝑝𝑖 = × 100 𝑃𝑞𝑖 = × 100
∑ 𝑃0 𝑄𝑖 ∑ 𝑃𝑖 𝑄0
Índice de preços de Paasches Índice de quantidades de Paasches

Tomando 2017 como ano base, o índice de preços para 2019 será
∑ 𝑃2019 𝑄2019
𝑃𝑝2019 = × 100
∑ 𝑃2017 𝑄2019
(𝑃2019 𝑄2019 )𝐼 + (𝑃2019 𝑄2019 )𝐼𝐼 + (𝑃2019 𝑄2019 )𝐼𝐼𝐼 + (𝑃2019 𝑄2019 )𝐼𝑉
𝑃𝑝2019 = × 100
(𝑃2017 𝑄2019 )𝐼 + (𝑃2017 𝑄2019 )𝐼𝐼 + (𝑃2017 𝑄2019 )𝐼𝐼𝐼 + (𝑃2017 𝑄2019 )𝐼𝑉
24,3 × 4 800 + 20,4 × 2 830 + 20,0 × 1 400 + 20,4 × 2 100
𝑃𝑝2019 = × 100
13,8 × 4 800 + 10,9 × 2 830 + 12,3 × 1 400 + 11,1 × 2 100
116 640,0 + 57 732,0 + 28 000,0 + 42 840,0 245 212,0
𝑃𝑝2019 = × 100 = × 100 = 𝟏𝟕𝟖, 𝟏𝟖
66 240,0 + 30 847,0 + 17 220,0 + 23 310,0 137 617,0

Os preços dos itens no seu conjunto, em 2019 foram superiores em 78,2% (isto é 178,18-100)
relativamente ao ano base 2017.

Analogamente, o índice de quantidades para 2019 será

∑ 𝑃2019 𝑄2019
𝑃𝑞2019 = × 100
∑ 𝑃2019 𝑄2017
(𝑃2019 𝑄2019 )𝐼 + (𝑃2019 𝑄2019 )𝐼𝐼 + (𝑃2019 𝑄2019 )𝐼𝐼𝐼 + (𝑃2019 𝑄2019 )𝐼𝑉
𝑃𝑞2019 = × 100
(𝑃2019 𝑄2017 )𝐼 + (𝑃2019 𝑄2017 )𝐼𝐼 + (𝑃2019 𝑄2017 )𝐼𝐼𝐼 + (𝑃2019 𝑄2017 )𝐼𝑉
245 212,0
𝑃𝑞2019 = × 100
24,3 × 2 095 + 20,4 × 1 900 + 20,0 × 1 060 + 20,4 × 1 900
245 212,0 245 212,0
𝑃𝑞2019 = × 100 = × 100 = 𝟏𝟔𝟑, 𝟖𝟖
50 908,5 + 38 760,0 + 21 200,0 + 38 760,0 149 628,5

As quantidades consumidas dos itens no seu conjunto, em 2019 foram superiores em 63,9%
(isto é 163,88-100) relativamente ao ano base 2017.

(c) Calcule o índice quantitativo agregado para 2018 tomando como ano base 2017.
Página 1 de 5
Proposta de Resolução do e-Fólio B INSTRODUÇÃO À ESTATÍSTICA APLICADA
| 21068

Resolução

Existem diferentes processos de cálculo de índices agregados. Os mais divulgados e utilizados

são o índice de Laspeyres, o índice de Paasches e o índice de valores (livro adotado, pág. 142).
Qualquer um destes índices seria aceite sem penalização.

Assumindo que o termo quantitativo, por deficiência de tradução, se refere a índices de

quantidades, então apenas o de Laspeyres e o de Paasches têm a variante de quantidades.
Tomando 2017 como ano base.
∑ 𝑃2017 𝑄2018
𝐿𝑞2018 = × 100
∑ 𝑃2017 𝑄2017
∑ 𝑃2017 𝑄2018 foi calculado na alínea (a)
98 253,5
𝐿𝑞2018 = × 100
(𝑃2017 𝑄2017 )𝐼 + (𝑃2017 𝑄2017 )𝐼𝐼 + (𝑃2017 𝑄2017 )𝐼𝐼𝐼 + (𝑃2017 𝑄2017 )𝐼𝑉
98 253,5
𝐿𝑞2018 = × 100
13,8 × 2 095 + 10,9 × 1 900 + 12,3 × 1 060 + 11,1 × 1 900
98 253,5 98 253,5
𝐿𝑞2018 = × 100 = × 100 = 𝟏𝟏𝟕, 𝟑𝟐
28 911,0 + 20 710,0 + 13 038,0 + 21 090,0 83 749,0
ou
∑ 𝑃2018 𝑄2018
𝑃𝑞2018 = × 100
∑ 𝑃2018 𝑄2017
∑ 𝑃2018 𝑄2018 também foi calculado na alínea (a)
124 672,5
𝑃𝑞2018 = × 100
(𝑃2018 𝑄2017 )𝐼 + (𝑃2018 𝑄2017 )𝐼𝐼 + (𝑃2018 𝑄2017 )𝐼𝐼𝐼 + (𝑃2018 𝑄2017 )𝐼𝑉
124 672,5
𝑃𝑞2018 = × 100
16,5 × 2 095 + 15,7 × 1 900 + 14,0 × 1 060 + 14,9 × 1 900
124 672,5 124 672,5
𝑃𝑞2018 = × 100 = × 100 = 𝟏𝟏𝟓, 𝟗𝟐
34 567,5 + 29 830,0 + 14 840,0 + 28 310,0 107 547,5

Embora não venha referido no livro adotado, pode ainda obter-se o índice de Fisher, calculado
como a média geométrica dos índices de Laspeyres e de Paasche:

𝐹𝑞2018 = √𝐿𝑞2018 𝑃𝑞2018 = √117,32 × 115,92 = 𝟏𝟏𝟔, 𝟔𝟐

(d) Se a alteração de preço do item 4 em 2020 for uma diminuição de 10% relativamente a 2019,
determine o preço do item em 2020.

Resolução

A alteração percentual entre dois períodos 𝑖 e 𝑖 + 1 é dada por (livro adotado, pág. 151)
𝐼𝑖+1 − 𝐼𝑖
∆= × 100
𝐼𝑖

Aplicando aos dados da questão fica

Página 1 de 5
Proposta de Resolução do e-Fólio B INSTRODUÇÃO À ESTATÍSTICA APLICADA
| 21068

𝑃2020 − 𝑃2019
−10 = × 100
𝑃2019

donde
𝑃2020 − 20,4 −10 × 20,4
−10 = × 100 𝑃2020 = + 20,4 = 𝟏𝟖, 𝟑𝟔
20,4 100

2. A empresa PROVIR é especializada em fabricar um certo tipo de aparelho auditivo, cuja venda é
efetuada através de visitas de delegados de propaganda médica. Considere a tabela abaixo
correspondente ao número de visitas realizadas e respetivo número de vendas:

a) Construa o diagrama de dispersão correspondente a estes dados e pronuncie-se quanto à

tendência linear do estudo.

Resolução

Um diagrama de dispersão é um gráfico onde cada ponto representa um par de valores

observados (Xi;Yi) correspondentes, respetivamente aos valores das variáveis independente e
dependente (livro adotado, pág. 164).

Visualmente, parece existir uma relação linear positiva entre as variáveis. A relação é de tipo
linear porque os pontos representados embora não apresentem uma relação perfeita parecem
Página 1 de 5
Proposta de Resolução do e-Fólio B INSTRODUÇÃO À ESTATÍSTICA APLICADA
| 21068

assentar de forma razoável numa linha reta. É positiva porque quanto maior for o crescimento
no número de visitas (X), maior será o crescimento do número de vendas (Y).

Importa referir a existência de uma lacuna nos dados entre os pares (90;39) e (127;69) que
poderão comprometer as conclusões no intervalo correspondente. Eventualmente poder-se-ia
analisar a representação linear de cada subconjunto.

b) Calcule e interprete o coeficiente de correlação e pronuncie-se face à comparação da

visualização gráfica com o valor obtido.

Resolução

O coeficiente de correlação linear de Pearson pode ser calculado pela seguinte expressão (livro
adotado, pág. 185 - correção de acordo com a errata):
𝑛 ∑ 𝑋𝑖 𝑌𝑖 − ∑ 𝑋𝑖 ∑ 𝑌𝑖
𝑟=
√[𝑛 ∑ 𝑋𝑖2 − (∑ 𝑋𝑖 )2 ][𝑛 ∑ 𝑌𝑖2 − (∑ 𝑌𝑖 )2 ]

Para facilitar a organização dos cálculos, juntam-se colunas auxiliares à tabela dada, onde se
colocam o produto 𝑋𝑖 𝑌𝑖 , o quadrado 𝑋𝑖2 e o quadrado 𝑌𝑖2 . Junta-se também uma linha auxiliar
onde se colocam os totais de cada coluna.

𝑛 é o número de pares de dados, portanto 𝑛 = 9

Substituindo na expressão de 𝑟 obtém-se sucessivamente:

9 × 64 926 − 1 056 × 506
𝑟=
√[9 × 132 778 − (1 056)2 ][9 × 32 186 − (506)2 ]
584 334 − 534 336 49 998
𝑟= =
√[1 195 002 − 1 115 136][289 674 − 256 036] √79 866 × 33 638
49 998 49 998
𝑟= = = 𝟎, 𝟗𝟔𝟒𝟔
√2 686 532 508 51 831,77
O coeficiente de correlação linear de Pearson varia de -1 a +1 onde +1 significa uma relação
linear perfeita e positiva e -1 uma relação linear perfeita negativa. Tendo-se obtido 0,96, valor
bastante próximo de 1, estamos perante uma correlação linear muito forte.
Página 1 de 5
Proposta de Resolução do e-Fólio B INSTRODUÇÃO À ESTATÍSTICA APLICADA
| 21068

Esta conclusão é confirmada pelo coeficiente de determinação 𝑅 2 = 0,96462 = 93,05%

significando que 93% da variação de Y é explicada pela presença da variável X.

Está assim confirmada a interpretação visual do diagrama de dispersão, onde se referiu que os
pontos representados parecem assentar de forma razoável numa linha reta. O sinal positivo do
coeficiente de correlação está de acordo com a relação positiva que também se referiu na
análise ao diagrama de dispersão.

c) Qual a equação da reta que melhor se ajusta a estes dados? Justifique.

Resolução

O método dos mínimos quadrados permite o ajustamento de uma linha reta aos dados
observados de tal modo que é minimizado o somatório do quadrado das distâncias entre os
valores observados e a reta ajustada (livro adotado pág. 168 correspondente à situação B do
gráfico 30).

Os coeficientes da reta de regressão ajustada de acordo com o método dos mínimos

quadrados podem obter-se de acordo com as expressões (livro adotado, pág. 172):
𝑛 ∑ 𝑋𝑖 𝑌𝑖 − ∑ 𝑋𝑖 ∑ 𝑌𝑖
𝑏= 𝑎 = 𝑌̅ − 𝑏𝑋̅
𝑛 ∑ 𝑋𝑖2 − (∑ 𝑋𝑖 )2
Declive da reta de regressão Ordenada na origem

Aplicando aos dados da questão (parte dos cálculos auxiliares necessários à obtenção dos
coeficientes da reta de regressão foram efetuados na alínea anterior):
9 × 64 926 − 1 056 × 506 49 998 49 998
𝑏= 2
= = = 𝟎, 𝟔𝟐𝟔02
9 × 132 778 − 1 056 1 195 002 − 1 115 136 79 866
∑ 𝑌𝑖 506 ∑ 𝑋𝑖 1 056
𝑌̅ = = = 56,222 𝑋̅ = = = 117,333
𝑛 9 𝑛 9
𝑎 = 𝑌̅ − 𝑏𝑋̅ = 56,222 − 0,626 × 117,333 = −𝟏𝟕, 𝟐𝟑𝟏
A equação da reta que melhor se ajusta a estes dados de acordo com o método dos mínimos
quadrados será então 𝒀𝒂 = 𝟎, 𝟔𝟐𝟔 × 𝑿𝒊 − 𝟏𝟕, 𝟐𝟑𝟏

Representa-se esta reta calculando dois valores de Ya para Xi próximos dos extremos do
conjunto de dados e unindo os pontos obtidos. Por exemplo

𝑋𝑖 = 70 ⇒ 𝑌𝑎 = 0,626 × 70 − 17,231 = 26,59

𝑋𝑖 = 160 ⇒ 𝑌𝑎 = 0,626 × 160 − 17,231 = 82,93
Na alínea seguinte representa-se esta reta sobreposta ao diagrama de dispersão.

d) Será razoável estimar o nº de vendas correspondente a 50 visitas? E a 150 visitas?

Justifique convenientemente a sua resposta.

Resolução

A utilização mais importante e mais comum da reta de regressão tem como objetivo prever o
comportamento da variável explicada com base em valores conhecidos da variável explicativa
(livro adotado, pág. 179).
Página 1 de 5
Proposta de Resolução do e-Fólio B INSTRODUÇÃO À ESTATÍSTICA APLICADA
| 21068

Para estimar o valor das vendas previsto para 50 e 150 visitas basta substituir os respetivos
valores na equação da reta e efetuar os cálculos:

𝑿𝒊 = 𝟓𝟎 ⇒ 𝑌𝑎 = 0,626 × 50 − 17,231 = 𝟏𝟒, 𝟎𝟕

𝑿𝒊 = 𝟏𝟓𝟎 ⇒ 𝑌𝑎 = 0,626 × 150 − 17,231 = 𝟕𝟔, 𝟔𝟕
Portanto, para 50 visitas o modelo prevê 14 vendas e para 150 visitas o modelo prevê 77
vendas. Representam-se graficamente estes valores no diagrama de dispersão:

Os valores previstos pelo modelo são estimativas, pois é impossível prever o valor exato de Y.
Correspondem ao valor esperado para o comportamento de Y quando se anulam os efeitos de
todos os distúrbios e perturbações.

É importante referir que a estimativa para 50 visitas deve ser aceite com precaução, pois o
valor 50 está apreciavelmente fora do intervalo dos dados que originaram o modelo. Não há
por isso garantia que o modelo ainda seja aplicável para esses valores de X (trata-se de uma
extrapolação).

Página 1 de 5