Escolar Documentos
Profissional Documentos
Cultura Documentos
03 de Dezembro
1. a) Faça o diagrama de dispersão do peso reportado versus peso real usando marcadores
diferentes para cada sexo. Analise e compare a relação entre as duas variáveis para
cada sexo para cada sexo.
Resposta: O Figura 1 apresenta o gráfico de dispersão entre as variáveis. O
diagrama de dipersão mostra uma forte relação linear crescente entre o peso re-
portado e o peso real. Esta relação é aparentemente diferente entre os sexos. O
peso dos homens tende a ser maior e a inclinação também parece ser maior para
essa categoria. Desse modo, propõe-se um modelo de regressão linear para o peso
reportado em função do peso real e de uma indicadora de sexo, incluindo um
termo de interação entre as duas variáveis explicativas.
Feminino
Masculino
70
Peso Reportado
60
50
40
40 45 50 55 60 65 70 75
Peso Real
1
Resposta: O modelo proposto é
Y = β0 + β1 X + α1 Z + γ1 XZ + ϵ
onde
• Y : peso reportado;
• X: peso real;
• Z: indicadora de sexo (Masculino - 1, Feminino - 0);
• ϵ: erro aleatório com ϵ ∼ N (0, σ 2 ) e não correlacionados entre si;
• β0 , β1 , α1 e γ1 são os coeficientes do modelo.
c) Estime os coeficientes do modelo do item anterior.
Resposta: O modelo ajustado no R encontra-se a seguir.
Call:
lm(formula = repwt ~ weight + sex + sex * weight, data = Davis.data)
Residuals:
Min 1Q Median 3Q Max
-29.2230 -2.3247 -0.1325 2.0741 15.5783
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 41.32276 2.16785 19.062 < 2e-16 ***
weight 0.26446 0.03632 7.282 1.01e-11 ***
sexM -39.96412 3.92932 -10.171 < 2e-16 ***
weight:sexM 0.72536 0.05598 12.957 < 2e-16 ***
---
Residual standard error: 4.661 on 179 degrees of freedom
(17 observations deleted due to missingness)
Multiple R-squared: 0.8874, Adjusted R-squared: 0.8856
F-statistic: 470.4 on 3 and 179 DF, p-value: < 2.2e-16
2
Os interceptos não tem interpretação. Espera-se que para cada aumento em uma
unidade no peso real o peso reportado aumenta em 0,27. Para os homens, espera-
se que para cada unidade no peso real o peso reportado aumenta em 0,98. Os
homens são mais honestos do que as mulheres para declarar o próprio peso.
d) Construa a Tabela de Análise de Variância.
H0 : β1 = α1 = γ1 = 0
QM R
Fobs = = 470.4 .
QM E
3
5
5
0
0
Resíduos
Resíduos
−5
−5
−10
−10
40 60 80 100 120 40 60 80 100 120
5
0
0
Resíduos
Resíduos
−5
−5
−10
−10
F M −3 −2 −1 0 1 2 3
Y = β0 + β1 X + α1 Z + ϵ .
A análise de resíduos também indicou que várias das suposições do modelo foram
4
Hipóteses Estatística de Teste Resultado do Teste Conclusão
e Valor - P
H0 : β1 = 0 T = 28.589 Rejeita-se H0 com 5% β1 ̸= 0
H1 : β1 ̸= 0 Valor-p=0.000 de significância.
H0 : α1 = 0 T = −1.469 Não rejeita-se H0 com 5% α1 = 0
H1 : α1 ̸= 0 Valor-p=0.1435 de significância.
H0 : γ1 = 0 T = 2.239 Rejeita-se H0 com 5% γ1 ̸= 0
H1 : γ1 ̸= 0 Valor-p=0.0263 de significância.
violadas. Dessa forma, o ideal seria reajustar o modelo e verificar novamente suas
suposições.
5
Figura 3: Gráfico referente ao exercíco 1 letra b.
5. O gerente de uma loja de departamentos deseja estudar a relação entre o gasto mensal
6
Figura 4: Gráfico referente ao exercíco 2 letra b.
em compras (Y ) dos seus clientes em função da renda mensal (X1 ), sexo (X2 ) e tempo
de adesão ao cartão de crédito da loja (X3 ). Ele propôs o modelo para sua loja baseado
nas seguintes conclusões retiradas do mesmo estudo feito previamente em outra filial:
Resposta: Vamos definir a variável sexo da seguinte maneira: feminino=1 e mas-
culino=0. Sempre que incluirmos uma variável colocamos o termo de interação e
depois testamos se ele é significativo.
Y = β0 + β1 X1 + β3 X3 + β13 X1 X3 + ϵ
7
vice-versa).
β13 = 0 ⇒ Y = β0 + β1 X1 + β3 X3 + ϵ
Y = β0 + β1 X1 + β2 X2 + β3 X3 + β12 X1 X2 + β23 X2 X3 + ϵ
β23 ̸= 0 ⇒ Y = β0 + β1 X1 + β2 X2 + β3 X3 + β12 X1 X2 + ϵ
Y = β0 + β1 X1 + β2 X2 + β3 X3 + β12 X1 X2 + ϵ