Você está na página 1de 16

Em muitas situaes duas ou mais variveis esto relacionadas e surge ento a necessidade de determinar a

Lor Prof. Lor Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ ://www.mat.ufrgs.br http://www.mat .ufrgs.br/~viali/

natureza deste relacionamento.

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

A anlise de regresso uma tcnica estatstica para modelar e investigar o relacionamento entre duas ou mais variveis.

De fato a regresso pode ser dividida em dois problemas: (i) o da especificao e ii) ( ii) o da determinao.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

O problema da especificao descobrir dentre os possveis modelos (linear, quadrtico, exponencial, etc.) qual o mais adequado.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

O problema da determinao uma vez definido o modelo (linear, quadrtico, exponencial, etc.) estimar os parmetros da equao.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

A varivel resposta Y aleatria, Normalmente suposto que exista uma varivel Y (dependente ou resposta), que est relacionada a k variveis (independentes ou regressoras) Xi (i = 1, 2, ..., k).
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

enquanto que as variveis regressoras Xi so normalmente controladas O controladas. relacionamento caracterizado entre por uma elas equao

denominada de equao de regresso equa regresso equa


Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Quando

existir

apenas

uma

varivel regressora (X) tem-se a simples, regresso simples se Y depender de duas ou mais variveis regressoras, ento tem-se a regresso mltipla regresso mltipla.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Vamos supor que a regresso do tipo simples e que o o modelo seja linear, linear isto , vamos supor que a equao de regresso seja do tipo: Y = + X + U
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Y = + X + U;
x1
Prof. Lor Viali, Dr.

x2
UFRGS

xn

O termo U o termo erro, isto , U representa outras influncias sobre a varivel Y, alm da exercida pela varivel X. A variao residual (termo U) suposto de mdia zero e desvio constante e igual a .
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Instituto de Matemtica - Departamento de Estatstica

Ou ainda pode-se admitir que o modelo fornece o valor mdio de Y, para um dado x, isto , E(Y/x) = + X

Y = + X + U; E(Y/x) = + X, isto , E(U) = 0 V(Y/x) = 2; Cov(Ui, Uj) = 0, para i j; A varivel X permanece fixa em observaes sucessivas e os erros U so normalmente distribudos.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

O modelo suposto E(Y/x) = + X populacional. Vamos supor que se tenha n pares de observaes, digamos: (x1, y1), (x2, y2), ...,

A reta estimada ser representada por:

Y = a + bX ou Y = a + bX + E

(xn, yn)

e que atravs deles queremos estimar o modelo acima.


Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Onde a um estimador de e a b um estimador de , sendo Y um b estimador de E(Y/x).


Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Existem diversos mtodos para a determinao da reta desejada. Um deles, denominado de MMQ (Mtodos dos M Mnimos Q uadrados), consiste em minimizar a soma dos quadrados das soma pontos distncias da reta aos pontos .
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Tem-se: Yi = a + bxi + Ei, Ento: Ei = Yi - (a + bxi)

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

Deve-se minimizar:

= E 2 = ( Y i Y i ) = i
i =1 n i =1

Y i = a + b X i + Ei
yi yi

Ei

= ( Y i a b X i ) 2
i =1
xi
Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS

Derivando parcialmente tem-se:


n = 2 ( Y i a b X i ) a i =1 n = 2 x i ( Y i a b X i ) b i =1
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Igualando
n

as

derivadas

parciais a zero vem:


i =1 n

( Y i a b X i ) = 0 x i( Y i a b X i ) = 0
UFRGS Instituto de Matemtica - Departamento de Estatstica

i =1

Prof. Lor Viali, Dr.

Isolando as incgnitas, tem-se:


Y i = na + b X i X iY i = n X i + b X
2 i

Resolvendo para a e b, segue:


b = X i y i nXY X
2 i

n X

S XY S XX

a = Y bX
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Lembrando que:

S XY = X i Y i nX Y S XX = X 2 n X 2 i S YY = Y 2 n Y 2 i
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Fazendo:

Um engenheiro qumico est investigando o efeito da temperatura opera de operao do processo no produto. rendimento do produto O estudo resultou nos dados da tabela, ao lado. Determinar a linha de regresso.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Temperatura, C0 (X)
100 110 120 130 140 150 160 170 180 190
Prof. Lor Viali, Dr. UFRGS

Rendimento (Y)
45 51 54 61 66 70 74 78 85 89

Instituto de Matemtica - Departamento de Estatstica

Y
45 51 54 61 66 70 74 78 85 89 673

XY
4500 5610 6480 7930 9240 10500 11840 13260 15300 16910 101570

X
10000 12100 14400 16900 19600 22500 25600 28900 32400 36100 218500

Y
2025 2601 2916 3721 4356 4900 5476 6084 7225 7921 47225

Da mesma forma que para calcular o coeficiente de correlao necessrio a construo de trs novas colunas. Uma para X2, uma para Y2 e outra para XY.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

100 110 120 130 140 150 160 170 180 190 1450

Tem-se:

n = 10 X = 1450 Y = 673 X = 145 Y = 67,3 XY = 101570 X 2 = 218500 Y 2 = 47225

S XX = X 2 n X 2 = i = 218500 10.145 2 = = 8250

Ento:

S XY = X i Y i nXY = = 101570 10.145.67 ,3 = = 3985

S YY = Y 2 n Y 2 = i = 47225 10.67 ,32 = = 1932 ,10


Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

A equao de regresso, ser, ento:

b=

S XY 3985 = = 0 ,4830 0 ,48 8250 S XX

A pergunta que cabe agora : este modelo representa bem os pontos dados? A resposta dada atravs do erro padro da regresso.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

a = Y b X = 67 ,30 0 ,4830 .145 = = 2 ,7394 2 ,74

Y = 2 ,74 + 0 ,48 x
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

O objetivo do MMQ minimizar a variao residual em torno da reta de regresso. Uma avaliao desta variao dada por:

S2

2 E 2 ( Y a bX ) = n 2 n 2
UFRGS Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

O clculo da varincia residual, por esta expresso, muito trabalhoso, pois necessrio primeiro determinar os valores previstos. Entretanto possvel obter uma expresso que no requeira o clculo dos valores previstos, isto , de Y = a + bX
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Desenvolvendo o numerador da expresso, vem:


2 ( Y a bX ) 2 = [ Y ( Y bX ) bX ] =

= [ Y Y +bX bX ]2 = [ Y Y b( X X )] = = ( Y Y ) 2b ( X X )( Y Y ) + b2 ( X X ) 2 = = SYY 2b S XY + b2 S XX
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Uma vez que:


( X X )( Y Y ) = = X i Y i nXY = S XY
2 ( X X ) = X 2 n X = S XX i 2

Deste modo, tem-se:


( Y a bX ) 2 = SYY 2b S XY +b2 S XX

Mas:

b =

Ento:

S XY S S XX

XY

=bS

XX

( Y Y ) = Y 2 n Y 2 = S YY i
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

( Y a bX ) 2 = SYY 2b S XY + b2 S XX = = S YY 2 b2 S XX + b2 S XX = SYY b2 S XX
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Finalmente:
E2 s= = n 2 =
2 ( Y a bX ) = n 2

S YY b 2 S XX = n 2
UFRGS

S YY b S XY n 2
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

Instituto de Matemtica - Departamento de Estatstica

Considerando os valores do exemplo anterior, determinar o erro padro da regresso.

Ento:
s= S YY b S XY = n 2 1932 ,10 = 3985 .3985 8250 = 10 2

TemTem-se:

S YY = 1932 ,10 S XX = 8250


S 3985 b = XY = = 0 ,4830 8250 S XX

= 0 ,9503 0 ,95
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

Os valores de a e b so a b estimadores de e . As propriedades estatsticas destes estimadores so teis para testar a adequao do modelo. Eles so variveis aleatrias uma vez que so combinaes lineares dos Yi que so, por sua vez, variveis aleatrias.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

As principais propriedades de interesse so a mdia (expectncia), a variabilidade (erro padro) e a

Comportamento de a
(i) Expectncia
E ( a ) = E Y b X = ... =

distribuio de probabilidade de cada um dos estimadores.


Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

(ii) Varincia
V ( a ) = V Y bX
Prof. Lor Viali, Dr. UFRGS

1 = ... = 2

2 X + n S XX

Instituto de Matemtica - Departamento de Estatstica

Portanto a distribuio da estatstica a, ser:


a ~ N ( , 1 + X ) n S XX
2

Comportamento de b
(i) Expectncia
S E ( b ) = E XY S XX = ... =

Como o valor no conhecido e precisa ser estimado por s, ento, de fato, utiliza-se a distribuio tn-2.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

(ii) Varincia
S V ( b ) = V XY S XX
Prof. Lor Viali, Dr. UFRGS

2 = ... = S XX

Instituto de Matemtica - Departamento de Estatstica

Portanto a distribuio da estatstica b, ser:


b ~ N ( , S XX )

Como o valor no conhecido e precisa ser estimado por s, ento, de fato, utiliza-se a distribuio tn-2.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Da mesma forma que foram obtidos IC para a mdia, a proporo e a varincia de uma populao, pode-se determinar intervalos para os parmetros e da regresso.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

" "

O IC de 1 de confiana para o coeficiente linear dado por:


P ( a tn 2 S =1
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

2 1 X2 1 + a +t n 2 S + X ) = n S XX n S XX

" "

O IC de 1 de confiana para o coeficiente da regresso dado por:


P( b tn2 S SXX
UFRGS

b +tn2

S SXX

) =1
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

Instituto de Matemtica - Departamento de Estatstica

Determinar

intervalos

de
S YY = 1932 ,10 S XX = 8250
S XY = 3985 X = 145

confiana de 95% para os parmetros da equao de regresso, utilizando os dados do exerccio anterior.
Y = 2 ,74 + 0 ,48 x
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

a = 2 ,7394 b = 0 ,4830

s = 0 ,9503
n = 10 1 = 95%

Y = 67 ,30
Prof. Lor Viali, Dr. UFRGS

Instituto de Matemtica - Departamento de Estatstica

O IC de 1- para o Coef. Linear dado por: Ento:


- 2,7394 3,5663 [-6,31; 0,83]
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

O IC de 1- para o Coef. Angular dado por:


b tn 2 S S XX

a tn 2 S

1 X2 + n S XX

- 2,7394 2,306.0,95 03

1 + 10 8250

145 2

Ento:

0 ,4830 2 ,306. 0 ,4830 2 ,306 [0,4589; 0,5071] [0,46; 0,51]

0 ,9503 8250

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

10

Da mesma forma que foram obtidos IC para os parmetros da regresso, pode-se obter IC para os valores estimados de Y para um dado x. Vamos considerar dois casos: (a) Considerando somente a incerteza da linha de regresso; (b) Considerando a incerteza da linha mais a variao da varivel Y.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Para construir o IC de 1 para o valor mdio de Y, dado x, necessrio conhecer sua distribuio. Tem-se:
1 ( X X ) Y ~ N ( +x ; + ) n S XX
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Ento IC de 1 de confiana para o um valor mdio de Y, dado x , :


1 ( X X ) Y tn 2 S + n S XX
2

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

Ento IC de 1 de confiana para Uma estimativa do valor individual de Y dado por a + bx e a distribuio desta estimativa ser dada por:
1 ( X X ) Y ~ N ( 0; 1 + + ) n S XX
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

o um valor individual de Y, dado x , ser:


1 ( X X ) Y t n 2 S 1 + + n S XX
2

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

11

Determinar

intervalos

de

confiana de 95% para os valores mdio e individual de Y, na hiptese de x = 200.

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

S YY = 1932 ,10 S XX = 8250


S XY = 3985
X = 145

a = 2 ,7394
b = 0 ,4830

O IC de 1- para o valor mdio de 2 Y, dado x : 1 ( X X )


Y tn 2 S

Ento:
93,8606 2 ,306.0,9503 93,8606 1 ,4970 [92,36; 95,36]
Prof. Lor Viali, Dr. UFRGS

S XX

s = 0 ,9503
n = 10

= 2 ,7394 + 0 ,4830 .200 = 93 ,8606 y


1 ( 200 145 ) 2 + 10 8250

Y = 67 ,30
x = 200
Prof. Lor Viali, Dr. UFRGS

1 = 95%
Instituto de Matemtica - Departamento de Estatstica

Instituto de Matemtica - Departamento de Estatstica

O IC de 1- para o valor individual de Y , dado x : 2

Ento:

1 ( X X ) Y tn 2 S 1 + + n S XX

93,8606 2 ,306.0,9503 1 + 93,8606 2,6539 [91,21; 96,51]


Prof. Lor Viali, Dr. UFRGS

1 ( 200 145 ) 2 + 10 8250

Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

UFRGS

Instituto de Matemtica - Departamento de Estatstica

12

Da mesma forma que foram testados todos os parmetros at ento pode-se testar os parmetros e da regresso.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

" "

A varivel teste para testar o coeficiente linear dado por:


t n 2 = S
Prof. Lor Viali, Dr. UFRGS

a 1 X2 + n S XX

Instituto de Matemtica - Departamento de Estatstica

" "

A varivel teste para testar o coeficiente da regresso dada por:


t n 2 = b S S XX
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

(a) Testar, a 1% de significncia, se possvel afirmar que a linha de regresso, do exemplo dado, no passa pela origem. (b) Testar se possvel, a 1% de significncia, afirmar que existe regresso positiva entre as duas variveis.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

a = 2 ,7394 b = 0 ,4830 s = 0 ,9503


n = 10

S YY = 1932 ,10 S XX = 8250 S XY = 3985

1 = 1%

13

Hip Hipteses: H0: = 0 H1: 0

Dados: n = 10 a = -2,739 = 1%

vari A varivel teste :


t n 2 = S a 1 X2 + n S XX

Ento:
t8 = 2 ,739 0

Trata-se de um teste bilateral para o coeficiente linear da regresso.


Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

1 145 2 0 ,9503 + 10 8250


UFRGS

= 1 ,771

Prof. Lor Viali, Dr.

Instituto de Matemtica - Departamento de Estatstica

O valor crtico tc tal que: P(|T| > tc) = cr Ento tc = -3,355. Assim RC = [-3,355; ) DECISO e CONCLUSO:

Como t8 = -1,771 RC ou -1,771 > -3,355. Aceito H0, isto , a 1% de significncia, no se pode afirmar que a linha de regresso no passe pela origem.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Hip Hipteses: H0: = 0 H1: > 0

Dados: n = 10 b = 0,4830 = 1%

Trata-se de um teste unilateral para o coeficiente angular da regresso.


Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

vari A varivel teste :


t n 2 = b S S XX

O valor crtico tc tal que: P(T > tc) = cr Ento tc = 2,896. Assim RC = [2,896; ) DECISO e CONCLUSO:

Ento:
t8 = 0 ,4830 0 = 46 ,165 0 ,9503 / 8250
UFRGS Instituto de Matemtica - Departamento de Estatstica

Como t8 = 46,165 RC ou 46,165 > 2,896. Rejeito H0, isto , a 1% de significncia, pode-se afirmar que podeexiste regresso entre as duas variveis. vari
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Prof. Lor Viali, Dr.

14

Y Y Y

Y Y

Y Y
Y Y

2 2 2 ( Y Y ) = ( Y Y ) + ( Y Y ) VT = VR + VE xi
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Y Y = Y Y +Y Y

(a) Variao Total: VT a


VT = Y Y

Uma maneira de medir o grau de aderncia (adequao) de um modelo verificar o quanto da variao total de Y explicada pela reta de regresso.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

= S YY

(b) Variao Residual: VR b


VR = Y Y

)2 = S YY b 2 S XX = VT VE ( )

(c ) Variao Explicada: VE c
2 VE = Y Y = b 2 S XX
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Para isto, toma-se o quociente entre a variao explicada, VE, pela variao total ,VT:

R2

S2 VE b 2 S XX b S XY XY = = = = VT S XX S YY S YY S YY

R2 = VE / VT
Este resultado denominado de Coeficiente de Determinao Coeficiente Determinao.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

Este resultado mede o quanto as variaes de uma das variveis so explicadas pelas variaes da outra varivel.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

15

Ou ainda, ele mede a parcela da variao total que explicada pela reta de regresso, isto : 2 VE = b 2 S XX = R S YY A variao residual corresponde a: VR =( 1 R 2 ) S YY Assim 1 R2 o Coeficiente de Indeterminao.
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

O % de impurezas no gs oxignio produzido por um processo de destilao supem-se que esteja relacionado com o % de hidrocarbono no condensador principal do processador. Os dados de um ms de operao produziram a seguinte tabela
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

X 1,02 1,11 1,43 1,11 1,01 0,95 1,11 0,87 1,43 1,02
Prof. Lor Viali, Dr.

Y 86,91 89,85 90,28 86,34 92,58 87,33 86,29 91,86 95,61 89,86
UFRGS

X 1,46 1,55 1,55 1,55 1,40 1,15 1,01 0,99 0,95 0,98

Y 96,73 99,42 98,66 96,07 93,65 87,31 95,00 96,85 85,20 90,56

Instituto de Matemtica - Departamento de Estatstica

(a) Ajuste um modelo linear aos dados; (b) Teste a existncia da regresso; (c) Determine o valor de R2 para este modelo; (d) Determine um IC, de 95%, para o valor da pureza, na hiptese do % de hidrocarbono ser 1,20% .
Prof. Lor Viali, Dr. UFRGS Instituto de Matemtica - Departamento de Estatstica

16