a.

Tendo em vista a aplicação do modelo de regressão linear, diga,

justificando, qual das variáveis X ou Y, deverá ser considerada a
variável independente.

Para que seja possível fazer previsões sobre uma variável a partir de outra variável é
necessário que exuista entre asd uas uma relação de causa-efeito, isto, é, que a
variação de uma possa ser atribuída à variação de outra (Reis, 2009).
Analisando as características das variáveis observadas, a variável que deverá ser
considerada independente é a variável X, investimento em publicidade.
b. Desenhe um diagrama de dispersão e tire conclusões relativamente
ao tipo de relação lhe parecer existir entre as duas variáveis.

Publicidade e Vendas
160

140

120

100
Vendas

80

60

40

20

0
0 5 10 15 20 25 30 35 40 45
Investimento em publicidade

Analisando o diagrama de dispersão, representado na figura acima, parece ser óbvia

a existência de uma relação de tipo linear positivia.
Os pontos representados embora não definam uma reta, estão muito próximos de
uma reta, logo a relação entre as duas variáveis é linear. É positiva porque quanto
maior for o investimeto em publicidade, maior será o número de vendas.
c. Considerando o modelo de regressão linear Y = a + b X, usando o
método dos mínimos quadrados, calcule:
c.1. o coeficiente de regressão a.
c.2. o coeficiente angular b.

O método dos mínimos quadrados permite-os encontrar uma reta de regressão

pelas fórmulas:

n X i Yi −  X i Yi
Ya = a + bX a = Y − bX b=
2
n X i2 − (  X i )

Aplicando aos valores dados tem-se:

Investimento em
Empresa Vendas ( Y ) Xi . Yi (Xi)2 (Yi)2
publicidade ( X )

1 2 20 40 4 400
2 3 24 72 9 576
3 5 32 160 25 1024
4 7 41 287 49 1681
5 10 50 500 100 2500
6 11 48 528 121 2304
7 15 65 975 225 4225
8 16 68 1088 256 4624
9 18 80 1440 324 6400
10 20 82 1640 400 6724
11 25 95 2375 625 9025
12 26 96 2496 676 9216
13 30 100 3000 900 10000
14 35 122 4270 1225 14884
15 39 135 5265 1521 18225
 262 1058 24136 6460 91808

15  24136 − 262  1058 1058 262

b=  3,003 a= − 3,003   18,081
15  6460 − 262 2 15 15
d. Classifique a relação entre as variáveis X e Y.
Justifique com base no cálculo do coeficiente de Pearson.

O coeficiente de correlação de Pearson, r , é calculado pela fórmula:

n X i Yi −  X i Yi
r=
( n X i
2
− ( Xi )
2
)(nY
i
2
− ( Yi )
2
)
Aplicando aos valores dados tem-se:

15  24136 − 262  1058

r=  0,90
(15  6460 − 2622 )(15  91808 − 10582 )
Este valor confirma que a relação entre as variáveis é uma relação linear positiva,

muito forte dado que 0,90  r  1.

e. Calcule e interprete o coeficiente de determinação.

O coeficiente de determinação é dado pela fórmula:

R2 =
b  X i Yi
Yi 2
Aplicando aos valores dados tem-se:

3,003  24136
R2 =  0,789
91808

Este valor confirma a forte relação entre as duas variáveis, já verificada em ( d).

Neste caso, aproximadamente 80 % das vendas é explicada pela variação do

investimento unitário em publicidade.