Lista de Exercícios 1

Análise de Modelos de Regressão Linear

Os exercícios com cálculos podem também ser resolvidos no R ou em planilha.

Para alguns exercícios há um link para a planilha de dados.

1) No modelo de regressão linear simples (MRLS), o que representam as constantes β0 , β1 e a variável ε?

2) Considere o MRLS Y =−2 +0,5 x +ϵ , com ε ~ N(0; 9). Encontre a distribuição de Y | x , para x = 3, 4 e 5. O que
podemos concluir observando estes resultados?

3) Os dados da Tabela 1 apresentam o peso (kg) de carros de corrida de uma certa categoria e a velocidade máxima
(km/h), que conseguem atingir durante o percurso.
Tabela 1 – Dados do Exercício 3
Peso (kg) Velocidade máxima (km/h)
720 257 263 266
730 269 271
740 275 274 278
750 278 275 280 284
760 281 286 289
770 293 297
780 295 299 299 301
790 296 303 308
dados do Exercício 3
a) Estime β0, β1 e σ2 pelo método de MQ;
b) Encontre intervalos de confiança de 99% para β1 ;
c) O MRLS parece ser útil, ou seja, o peso poderia ser usado para explicar o comportamento da velocidade máxima
dos carros?
Cálculos parciais:
24 24 24 24 24

∑ xi=18150 ∑ y i=6817 ∑ xi2=13738300 ∑ y i2=1940779 ∑ xi yi=5162560

i=1 i=1 i=1 i=1 i=1

4) Uma faculdade de economia realizou uma pesquisa para estudar a evolução do salário médio mensal inicial, dos
seus ex-alunos, formados durante o período de 1987 a 1993. Para tanto selecionou 20 formandos de cada ano, para
os quais foram calculadas as médias salariais para cada ano (reais). Os dados encontram-se na Tabela 2.
Tabela 2 – Dados do Exercício 4
Ano Média salarial
87 1092,31
88 1203,46
89 1265,54
90 1298,77
91 1396,85
92 1588,46
93 1683,85
a) Faça um diagrama de dispersão do salário médio em função do ano. Comente a possível relação visual entre as
duas variáveis;
b) Calcule o coeficiente de correlação linear de Pearson entre salário e ano. O que está indicando a correlação
encontrada?
c) Estime o MRLS que relaciona salário médio e ano de formatura e interprete-o.
Cálculos parciais:
7 7 7 7 7
2 2
∑ xi=630 ∑ y i=9529,24 ∑ xi =56728 ∑ y i =13239598, 0288 ∑ xi yi=860307,53
i=1 i=1 i=1 i=1 i=1
5) Os 12 pares de valores na Tabela 3 são relativos às variáveis tamanho da memória (mbytes) e bytes transferidos
(mbytes). Observe que para cada tamanho de memória foram realizados três experimentos (repetições).
Tabela 3 – Dados do Exercício 5
Tamanho de memória Bytes transferidos em
em mbytes (xi) mbytes (yi)
0,238 39,058
0,238 42,967
0,238 35,118
0,286 37,938
0,286 41,257
0,286 32,921
0,334 36,531
0,334 40,368
0,334 30,563
0,381 35,484
0,381 39,203
0,381 30,823
a) Faça o diagrama de dispersão e verifique a relação bytes transferidos e o tamanho da memória;
b) Estime os coeficientes do MRLS pelo Método de Mínimos Quadrados; apresente a reta de regressão ajustada aos
dados e faça a interpretação do coeficiente angular da reta ajustada;
c) Dê a estimativa pontual da média de bytes transferidos para tamanhos de memória iguais a 0,255 e 0,355;
d) Estime, com 95% de confiança, o número médio de bytes transferidos para tamanhos de memória iguais a 0,255
e 0,355; faça a interpretação dos intervalos encontrados;
e) Obtenha o intervalo de predição no número de bytes transferidos para tamanhos de memória iguais a 0,255 e
0,355; faça a interpretação dos intervalos encontrados;
f) Faça a análise de variância do modelo de regressão (apresentar a tabela da análise de variância), para verificar se
é significativa a contribuição do tamanho de memória para explicar a variação de bytes transferidos;
g) Qual é a estimativa da variância dos erros no modelo de regressão utilizado?
h) Calcule o coeficiente de determinação para os dados de bytes transferidos e tamanho de memória; interprete-o;
i) Faça uma análise de resíduos. As suposições do modelo parecem satisfeitas?
Cálculos parciais:
12 12 12 12 12

∑ xi=3,717 ∑ y i=442,231 ∑ xi2=1,185471 ∑ y i2=16474,422 ∑ xi yi=136,03683

i=1 i=1 i=1 i=1 i=1

6) Os dados apresentados na Tabela 4 representam o número de inserções diárias de links de propagandas em uma
página da internet (X) e o número diário de visualizações de internautas (Y , em milhares), por meio desses links,
para as propagandas de dez empresas distintas.
Tabela 4 – Dados do Exercício 6
Empresa 1 2 3 4 5 6 7 8 9 10
xi 34 46 31 44 41 48 24 29 37 22
yi 8,4 13,2 6,6 11,8 10,7 12,7 2,7 8,4 10,7 4,2
Considerando os dados disponíveis:
a) Apresente o diagrama de dispersão;
b) Calcule as estimativas de mínimos quadrados dos parâmetros do MRLS que relaciona o número de visualizações
ao número de inserções diárias;
c) Interprete (se fizer sentido) as estimativas obtidas no item (b);
d) Apresente a equação do modelo ajustado e adicione a reta ajustada ao gráfico de dispersão;
e) Calcule os preditos e os resíduos para as empresas 4 e 7, de acordo com o modelo ajustado;
f) Com base no modelo ajustado, qual a predição do número de visualizações para propagandas com 27 e 39 inserções?
g) Com base no modelo ajustado, você poderia predizer o número de visualizações para propagandas com 15
inserções? Por que?
h) Estime o aumento no número médio de visualizações se uma empresa que hoje conta com 30 inserções passasse
a contar com 40 inserções diárias;
i) Apresente uma estimativa para σ2 ;
j) O que dizer das estimativas de máxima verossimilhança de β 0 , β1 e σ2 ? Apresente-as;
k) Calcule o desvio padrão (erro padrão) associado às estimativas dos parâmetros β 0 e β1 do modelo;
l) Teste a significância do modelo de regressão, baseado no par de hipóteses H 0 : β1 = 0 vs H1 : β1 ≠ 0 ; apresentando
o quadro da análise de variância;
m) Calcule o valor do coeficiente de determinação e interprete-o;
n) Faça um diagrama de dispersão dos resíduos versus preditos do MRLS. Avalie-o.
Cálculos parciais:
10 10 10 10 10

∑ xi=356 ∑ y i=89,4 ∑ xi2=13424 ∑ y i2=913,36 ∑ xi yi=3461,6

i=1 i=1 i=1 i=1 i=1

7) Com a finalidade de se tentar explicar o consumo de combustível de automóveis de passeio através de seus
pesos, selecionou-se aleatoriamente 14 automóveis do mesmo ano de fabricação, pertencentes à frota de uma
grande empresa. Foram registrados o peso (kg) e o consumo (l) dos automóveis durante um certo trecho de uma
determinada estrada. Os dados obtidos foram os seguintes:
Peso Consumo Peso Consumo
1232 10,4 1760 6,8
880 14,4 1320 9,2
1320 10,4 1232 12,0
880 13,2 1232 10,0
880 14,0 1760 8,0
880 12,4 1760 7,6
1320 9,2 1232 11,2
dados do Exercício 7
a) Ajuste uma reta de regressão para explicar consumo em termos do peso dos veículos;
b) Interprete as estimativas dos parâmetros;
c) Realize os testes estatísticos necessários para a análise do modelo;
d) O modelo proposto pode ser melhorado? Justifique sua resposta.
Cálculos parciais:
14 14 14 14 14

∑ xi=17688 ∑ y i=149,8 ∑ xi2 =23688896 ∑ y i2=1677,8 ∑ xi yi=179907,2

i=1 i=1 i=1 i=1 i=1

8) Considere o seguinte conjunto de dados:

x y x y
10,875 71,05 13,750 67,42
11,000 70,59 14,000 66,94
11,125 69,21 14,500 68,80
11,500 68,82 15,500 65,14
12,000 69,24 16,250 64,04
12,250 68,14 17,000 63,98
12,500 67,80 19,000 62,96
13,750 67,03
dados do Exercício 8
a) Ajuste um MRLS de Y em X;
b) Faça a ANOVA e calcule o coeficiente de determinação;
c) Identifique possíveis observações discrepantes;
d) Verifique a normalidade dos resíduos;
e) Faça o gráfico de resíduos padronizados contra os preditos. Comente;
f) Ajuste outro MRLS de Y em X desconsiderando possíveis observações discrepantes;
g) Compare os dois modelos ajustados, com relação a coeficiente de determinação e análise de resíduos.
Cálculos parciais:
15 15 15 15 15
2 2
∑ xi=205 ∑ y i=1011,16 ∑ xi =2884,2813 ∑ y i =68245,9684 ∑ xi yi=13741,3125
i=1 i=1 i=1 i=1 i=1