Aula 08 - Parte 02

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES
Aula 8 Parte 2
CORRELAO ............................................................................................................................................... 2 REGRESSO LINEAR ................................................................................................................................ 17 Relao das questes comentadas .................................................................................................... 27 Gabaritos ...................................................................................................................................................... 34
Prof. Guilherme Neves
www.pontodosconcursos.com.br
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/ ICMS/RJ PROFESSOR: GUILHERME NEVES CORRELAO Vamos pensar em duas variveis que possuam alguma relao. Suponha que estas variveis so peso e altura de um grupo de indivduos adultos. O grfico abaixo mostra um conjunto de possveis valores.
Figura 1 Diagrama de disperso peso x altura Este grfico acima chamado de diagrama de disperso. Apesar de as variveis peso e altura, para o grupo pesquisado, no se o existente quase uma comportarem exatamente segundo uma reta, a rela relao reta. Ou seja, quase linear. Isto pode ser til para estimarmos valores. Podemos, sabendo apenas a altura da pessoa, tentar identificar seu peso ( mais ou menos isso que faremos quando estudarmos regresso linear). Neste exemplo ficou extremamente claro que existe uma reta que aproxima bem a relao entre peso e altura. que os dados no foram obtidos a partir de uma pesquisa. Eu constru os dados de forma que ficasse bem evidente a relao quase linear entre peso e altura. Em situaes ituaes reais comum surgirem casos em que a relao linear no assim to evidente. O diagrama de disperso a seguir ilustra uma situao assim.
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/ ICMS/RJ PROFESSOR: GUILHERME NEVES
Figura 2 Diagrama de disperso peso x altura relao linear menos intensa A Figura 2 representa uma outra populao, em que a relao entre os pesos e as alturas dos indivduos no segue uma relao linear to forte quanto na populao opulao representada na Figura 1. De todo modo, no diagrama acima, ainda fica razovel afirmar que h uma relao linear entre peso e altura. Mas a relao relao no to prxima assim de uma reta quanto era no caso da Figura 1. Pois bem, a entra o coeficiente de correlao linear. Ele vai nos dar uma medida do quo forte a relao linear entre duas variveis. A frmula do coeficiente de correlao linear :
n
[(X
r=
i =1
X Yi Y
2 n i
) (
)]
2
(X
i =1
) (Y Y )
i =1
O coeficiente acima chamado de coeficiente de correlao linear de Pearson. possvel demonstrar que o coeficiente de correlao correlao assume valores apenas no intervalo de 1 a 1.
1 r 1
Quanto mais prximo de zero est o coeficiente de correlao, menor a relao linear entre as duas variveis. Quanto mais afastado de zero est o coeficiente de correlao, maior a relao linear entre as duas variveis. importantes Alguns comentrios importantes. O fato de o coeficiente de correlao ser prximo de zero no significa que no exista relao entre duas variveis. Significa apenas que as duas no tm relao linear. Pode ser que as variveis se relacionem de outras maneiras. Pode ser uma relao quadrtica, drtica, exponencial, etc. O fato do coeficiente de correlao ser muito prximo de 1 (ou -1) no significa que as duas variveis tenham uma relao de causa e conseqncia.
Prof. Guilherme Neves www.pontodosconcursos.com.br
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES No implica que uma delas tenha efeito direto ou indireto sobre a outra. Pode ser que as duas sofram influncia de outras variveis de maneira que isso d origem a uma forte correlao entre ambas. Outro comentrio: o coeficiente de correlao geralmente calculado a partir de uma amostra de valores de X e Y. Considere que a amostra tem n pares ordenados (X, Y). Se a amostra for grande (isto , se n for grande), ento o coeficiente de correlao deve dar um bom indcio do que ocorre na populao. Neste caso, se r 0 , ento bem possvel que no exista relao linear entre X e Y. Se n for grande e r 1 ou r 1 , novamente temos um forte indcio de que h relao linear perfeita entre X e Y. Contudo, se a amostra for pequena, ela pode fornecer resultados enganosos. Basta pensar numa amostra de tamanho 2. Se temos apenas dois pares ordenados, nosso diagrama de disperso ter apenas dois pontos. Dois pontos distintos sempre esto ao longo de uma mesma reta. Neste caso, o coeficiente de correlao ser igual a 1 (ou -1). Pergunta: neste caso, podemos afirmar, com certeza, que h relao linear perfeita entre X e Y? No, no podemos. Nossa amostra que foi pobre, muito pequena. bem possvel que nossa amostra esteja fornecendo um resultado enganoso. Para os dados da Figura 1, o coeficiente de correlao 0,998. Como a quantidade de dados muito grande, no vou detalhar o clculo aqui. Apenas observem que o coeficiente de correlao muito prximo de 1. Ou seja, a relao linear muito forte. Isto j dava pra ver no prprio grfico. Os pontos praticamente formavam uma reta. Vejamos um outro exemplo, com menos nmeros envolvidos. Um grupo de quatro alunos estudou junto para as provas finais. Feitas as provas, eles obtiveram se seguintes notas:
Aluno 1 2 3 4 Mdia
Nota de matemtica ( X ) 2 6 8 10 6,5
Nota de fsica (Y ) 6 7 7 8 7
Calcule o coeficiente de correlao linear entre as notas de fsica e matemtica. Resoluo

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES As notas em fsica e matemtica guardam certa relao linear. Vamos calcular o coeficiente de correlao para vermos a intensidade da relao linear existente entre elas. Aluno 1 2 3 4
X Y
XX
Y Y
(X X ) (Y Y ) (X X ) (Y Y )
2
2 6 8 10
6 -4,5 7 -0,5 7 1,5 8 3,5 TOTAL
-1 0 0 1
4,5 0 0 3,5 8
20,25 0,25 2,25 12,25 35
1 0 0 1 2
Aplicando a frmula:
[(X
r=
i =1
X Yi Y
2
n i
) (
)]
2
(X
i =1
X
8
) (Y Y )
i =1
r=
35 2
0,956
Veja que o coeficiente de correlao bem prximo de 1. Ou seja, existe intensa relao linear entre as notas de fsica e matemtica. Sinal do coeficiente de correlao Mais alguns comentrios sobre o coeficiente de correlao. O sinal do coeficiente indica se as grandezas possuem uma relao direta ou inversa. No caso da relao entre peso e altura, vimos que o coeficiente tinha sinal +. Ou seja, a relao entre peso e altura direta. Quando a altura aumenta, o peso tende a aumentar tambm. Se o sinal for negativo, as grandezas tm uma relao inversa. Seria o caso da relao entre o preo de um produto e a sua demanda. Quanto maior o preo, menor sua demanda. E quanto menor o preo, maior a demanda. O diagrama abaixo poderia representar duas variveis com correlao negativa:
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/ ICMS/RJ PROFESSOR: GUILHERME NEVES
Figura 3 Diagrama de disperso demanda x preo O preo dado em R$. A demanda em milhares de unidades. Quando o preo est por volta de R$ 2,00, a demanda em torno de 40.000 unidades. Quando o preo aumenta, chegando a valores prximos de R$ 5,00, a demanda cai para cerca de 30.000 unidades. Quando do a correlao prxima de zero, o diagrama de disperso no nos deixa nenhuma dica se a relao direta ou inversa. Seria o caso do diagrama abaixo:
Figura 4 Diagrama de disperso Y x X correlao prxima de zero No diagrama acima ainda possvel possvel notar uma relao inversa (correlao negativa). Mas bem fraca, quase nula. Novamente, isto no significa que as variveis X e Y no tenham relao. Significa apenas que no h relao linear.
Lembrete de Coeficiente de correlao Mede o quo forte a relao linear entre duas variveis. Quando vale zero: no h relao linear. Quando vale 1 ou -1: 1: relao linear perfeita.
[(X
Frmula: r =
i =1
X Yi Y
2
n i
) (
)]
2
(X
i =1
) (Y Y )
i =1
01. (CAPES 2008 CESGRANRIO) Considere as asseres a seguir. O Coeficiente de Correlao Linear de Pearson necessariamente um nmero no intervalo (1,1) . PORQUE O Coeficiente de Correlao Linear de Pearson s pode ser calculado para variveis quantitativas. Analisando-se as asseres, conclui-se que (A) as duas asseres so verdadeiras, e a segunda uma justificativa correta da primeira. (B) as duas asseres so verdadeiras, e a segunda no uma justificativa correta da primeira. (C) a primeira assero verdadeira, e a segunda falsa. (D) a primeira assero falsa, e a segunda verdadeira. (E) a primeira e a segunda asseres so falsas. Resoluo A primeira frase est correta. Como vimos, o coeficiente de correlao sempre assume valores entre -1 e 1. A segunda frase tambm est correta. O coeficiente de correlao depende de clculo de somatrio, o que s pode ser feito para variveis quantitativas. Um frase no justifica a outra. H diversas grandezas que s podem ser calculadas para variveis quantitativas, mas que assumem valores fora do intervalo entre -1 e 1. Exemplo: a varincia s pode ser calculada para variveis quantitativas. No entanto, ela pode assumir qualquer valor maior ou igual a zero. Letra B 02. (INEP 2008 CESGRANRIO) Considere as afirmaes a seguir a respeito do Coeficiente de Correlao (r) de Pearson entre duas variveis. I - Se r = 1, as observaes esto todas sobre uma linha reta no diagrama de disperso. II - Se r > 0, a varivel independente aumenta quando a varivel dependente aumenta.
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES III - Se r < 0, a varivel independente decresce quando a varivel dependente decresce. IV - Se r = 0, no existe relao entre as duas variveis. So corretas APENAS as afirmaes (A) I e II (B) I e III (C) II e III (D) II e IV (E) III e IV Resoluo Item I. Se r = 1 , a relao linear perfeita e, alm disso, as duas variveis tm relao direta (quando uma aumenta, a outra aumenta; quando uma diminui, a outra diminui). Item correto. Item II. Se r > 0 , a relao entre as variveis direta (quando uma aumenta, a outra aumenta; quando uma diminui, a outra diminui). Item correto. Item III Se r < 0 , a relao inversa (quando uma aumenta, a outra diminui). Item errado. Item IV. Se r = 0 , temos um forte sinal de que no haja relao linear, o que no impede que haja outro tipo de relao (exponencial, logartmica, etc). Item errado. Letra A 03. (TCU 2008 CESPE-UnB) Uma agncia de desenvolvimento urbano divulgou os dados apresentados na tabela a seguir, acerca dos nmeros de imveis ofertados (X) e vendidos (Y) em determinado municpio, nos anos de 2005 a 2007.
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES Ano 2005 2006 2007 Nmero de imveis Ofertados (X) Vendidos (Y) 1.500 100 1.750 400 2.000 700
Considerando as informaes do texto, julgue o item subseqente. O coeficiente de correlao linear entre X e Y inferior a 0,8. Resoluo Ano X 2005 2006 2007 1.500 1.750 2.000
Y 100 400 700 TOTAL
XX -250 0 250
Y Y -300 0 300
(X X ) (Y Y ) (X X )
75.000 0 75.000 150.000
(Y Y )
62.500 90.000 0 0 62.500 90.000 125.000 180.000
A frmula do coeficiente de correlao :
[(X
r=
i =1
X Yi Y
2
n i
) (
)]
2
(X
i =1
X =
) (Y Y )
i =1
r=
150.000 125.000 180.000
150 125 180
150 5 900
150 =1 150
As contas foram relativamente tranqilas. S um detalhe. Era possvel resolver a questo sem fazer contas. Note como os valores de X e Y esto exatamente ao longo de uma reta. Para cada variao de 250 em X, temos uma variao de 300 em Y. Ou seja, os trs pares ordenados fornecidos esto ao longo de uma mesma reta. Para deixar mais claro, segue o grfico:
O coeficiente de correlao linear nos d uma medida de quo forte a relao linear entre duas variveis. Acontece que, para os valores fornecidos, temos uma relao linear perfeita ( exatamente uma reta). Por isso j dava para falar que este coeficiente igual a 1. Portanto, o coeficiente no inferior a 0,8. Item errado. 04. (AFRF 2005 ESAF) Para uma mesmo bairro, registraram-se os mnimos): Identificao 1 2 do casal Salrio do 30 25 marido (Y) Salrio da 20 25 esposa (X) Sabe-se que:
10 10
amostra de dez casais residentes em um seguintes salrios mensais (em salrios 3 4 5 6 7 8 9 10
18 15 20 20 21 20 25 27 12 10 10 20 18 15 18 23
Yi = 221 ;
i =1 10
Y
i =1 10 i =1
= 5069
2 i
X i = 171 ;
i =1 10
= 3171
X Y
i =1
i i
= 3940
Assinale a opo cujo valor corresponda correlao entre os salrios dos homens e das mulheres. a) 0,72 b) 0,75
10
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES c) 0,68 d) 0,81 e) 0,78 Resoluo As mdias de X e Y podem ser facilmente calculadas. Basta somar todos os valores e dividir por 10.
10
171 = 17,1 (lembre que a soma de todos os valores de X foi fornecida 10 10 no enunciado). X =
i =1
Para Y, o clculo o mesmo.

10
Y
Y=
i =1
10
221 = 22,1 10
Vamos agora ao clculo do coeficiente de correlao. H duas formas de fazer. A primeira aplicar a frmula.
n
[(X
r=
i =1
X Yi Y
2
) (
)]
2
(X
i =1
) (Y Y )
i i =1
Detalhamos os clculos na tabela abaixo: Casal X Y X X Y Y X X Y Y
) (
) (X X ) (Y Y )
2
1 2 3 4 5 6 7 8 9 10
20 25 12 10 10 20 18 15 18 23
30 2,9 25 7,9 18 -5,1 15 -7,1 20 -7,1 20 2,9 21 0,9 20 -2,1 25 0,9 27 5,9 TOTAL
7,9 2,9 -4,1 -7,1 -2,1 -2,1 -1,1 -2,1 2,9 4,9
22,91 22,91 20,91 50,41 14,91 -6,09 -0,99 4,41 2,61 28,91 160,9
8,41 62,41 26,01 50,41 50,41 8,41 0,81 4,41 0,81 34,81 246,9
62,41 8,41 16,81 50,41 4,41 4,41 1,21 4,41 8,41 24,01 184,9
E o coeficiente de correlao fica:
11
[(X
r=
i =1
X Yi Y
2
) (
)]
=
2
160,9 246,9 184,9
(X
i =1
) (Y Y )
i i =1
0,75
Alm da infinidade de contas, ainda chegamos ao final com uma raiz quadrada. O problema desta resoluo que demora um tempo. Especialmente sem calculadora. Tivemos que calcular cada valor de X X , de Y Y , de X X , de Y Y , depois ainda fazer algumas multiplicaes e somas. O ideal tentar utilizar as informaes dadas no exerccio. O exerccio seria bastante interessante se, com as informaes utilizadas, as contas fossem diminudas. No exatamente o que ocorre. Vamos a uma soluo alternativa, para utilizar as informaes sobre os valores dos somatrios fornecidos. Para tanto, necessrio conhecer algumas igualdades envolvendo somatrio. Transformaes importantes:
n n
[(X
i =1 n
X Yi Y = ( X i Yi ) n X Y
i =1
) (
2
)]
i
(X
i =1 n
X
2
) = (X ) n X
2
i =1
(Y
i =1
) = (Y ) nY
2
i =1
Repare que todas as igualdades so bem parecidas. Se voc gravar a primeira, pode facilmente chegar nas outras duas. Basta fazer o caso em que Y = X. A primeira igualdade :
n n
[(X
i =1
X Yi Y = ( X i Yi ) n X Y
i =1
) (
)]
n
Substituindo os valores da mdia de X e da mdia de Y:
[(X
i =1
X Yi Y = ( X i Yi ) n 17,1 22,1
i =1
) (
)]
Substituindo os valores informados no enunciado:
[(X
i =1
X Yi Y = 3940 10 22,1 171 = 160,9
) (
n
)]
A segunda igualdade :
(X
i =1
) = (X ) n X
2 2
i =1
12
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES Substituindo os valores do enunciado:
(X
i =1
= 3171 10 17,12 = 246,9
A terceira igualdade :
(Y
i =1
) = (Y ) nY
2 2
i =1
Portanto:
(Y
i =1
= 5069 10 22,12 = 184,9
At aqui, at que no deu tanta conta. O problema que, mesmo a pessoa conhecendo estas igualdades, ainda chega ao final com a seguinte conta:
[(X
r=
i =1
X Yi Y
2
) (
)]
=
2
160,9 246,9 184,9
(X
i =1
) (Y Y )
i i =1
0,75
Est a novamente a tal da raiz quadrada. Ou seja, as contas nem ficaram to fceis assim... Agora uma dica de contas. Extrair a raiz quadra meio trabalhoso. Eu, particularmente, procuro evitar. Ento, em vez de calcular o coeficiente de correlao, eu calcularia o quadrado do coeficiente de correlao:
r2 =
160,9 2 246,9 184,9
Mas esta conta ainda meio ruim de fazer. Aproximando os valores:
r2 =
160,9 2 1612 25.921 = = 0,567 246,9 184,9 247 185 45.695
Feito isto, eu testaria as alternativas. 0,722=0,5184 (deu menor que 0,567) 0,752=0,5625 (deu bem prximo de 0,567) 0,682 menor que 0,49 0,782=0,6084 0,812 maior que 0,60. E marcaria a letra B.
13
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES Outra maneira usar a aproximao da raiz quadrada (acesse o link http://www.pontodosconcursos.com.br/admin/imagens/upload/4950_D.pdf) . Ficaria assim:

quadrado perfeito mais prximo: 0,49 aproximao da raiz:
0,567
0,49 + 0,567 2 0,49
1,057 = 0,755 1,4
Ao meu ver, o grande problema desta questo que, mesmo a pessoa tendo conseguido manipular bem os somatrios (o que j um sinal de que o candidato estava muito bem preparado), as contas ainda so muito trabalhosas. Eu achei a questo um despropsito... Seu eu tivesse feito esse concurso do AFRF, sinceramente, teria pulado esta questo. Ento resumindo: alm da frmula usual do coeficiente de correlao, h exerccios que so muito facilitados se voc souber as igualdades do quadro 1. Infelizmente, neste exerccio do AFRF 2005, a questo no se limitou a cobrar tais igualdades. Ainda exigiu um esforo braal, envolvendo muitas contas. 05. (Instituto de Gesto Previdenciria do Estado do Par 2005 CESPE-UnB) Considere que r(x,y) seja o coeficiente de correlao entre duas variveis aleatrias x e y. Nesse caso, se a e b so dois nmeros reais, ento o coeficiente de correlao r(ax, by) igual a: a) ab r ( x, y ) b) a 2 b 2 r ( x, y ) c) r ( x, y ) , se ab > 0 d) e)
ab r ( x, y ) a+b r ( x, y ) ab
Resoluo Vou fazer um resuminho de uma propriedade que ainda no falei. Seja r o coeficiente de correlao entre X e Y. Se multiplicarmos cada uma destas variveis por duas constantes a e b, o novo coeficiente r ' dado por:
r ' = r , se ab > 0 r ' = r , se ab < 0
Se somarmos (ou subtrairmos), a cada uma destas variveis, uma constante, o coeficiente de correlao fica inalterado.
14
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES Letra C
06. (CAPES 2008 CESGRANRIO)
Se as variveis Y e X 1 forem transformadas, respectivamente, para Y1 = 2Y + 0,5 e X 1 ' = X 1 + 0,5 , o coeficiente de correlao entre Y1 e X 1 ' (A) 0,382 (B) 0,059 (C) - 0,059 (D) - 0,118 (E) - 0,382 Resoluo. O coeficiente de correlao entre Y e X 1 de 0,059 (ver figura). A partir destas variveis, criamos outras, por meio de uma multiplicao e uma soma. As somas no interferem no coeficiente de correlao. As multiplicaes podem interferir no sinal do coeficiente de correlao. As multiplicaes foram feitas por 2 e 1 . As duas constantes tm o mesmo sinal. Com isso, o coeficiente de correlao permanece igual ao da situao inicial.
r ' = r = 0,059
Letra C
15
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES 07. (MP RO 2005 CESGRANRIO) Analise as afirmativas a seguir, a respeito do coeficiente de correlao linear de Pearson entre duas variveis positivas X e Y: I - positivo; II - no se altera quando adicionamos uma constante positiva aos valores de X; III - no se altera quando multiplicamos por uma constante positiva os valores de X. Est(o) correta(s) a(s) afirmativa(s): (A) II somente. (B) I e II somente. (C) I e III somente. (D) II e III somente. (E) I, II e III. Resoluo. O sinal do coeficiente de correlao depende da relao existente entre as variveis (direta ou inversa). Se for uma relao direta, o sinal positivo. Se for uma relao inversa, o sinal negativo. O primeiro item est errado. Somas e subtraes no interferem no coeficiente de correlao. O segundo item est certo. Se multiplicarmos X por uma constante positiva k, e no alterarmos Y (o que equivale a multiplicar por 1), ento as duas constantes envolvidas (k e 1) tm o mesmo sinal. O coeficiente de correlao no se altera. O terceiro item est certo. Letra D 08. (Petrobrs 2004 CESPE-UnB) Julgue o item que segue: O coeficiente de correlao de Pearson usado para medir o grau de linearidade (associao) entre duas variveis (eventos), podendo assumir qualquer valor entre +1 e 1. Os valores de coeficientes iguais a +1 e -1 indicam, respectivamente, relao linear perfeita e ausncia total de relao linear entre as variveis. Resoluo
16
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES Questo errada. O coeficiente igual a -1 indica tambm uma relao linear perfeita. S que a reta que representa a funo entre as duas variveis decrescente. Quando o coeficiente de correlao assume o valor zero que temos um indicativo de ausncia total de relao linear. Gabarito: ERRADO 09. (Prefeitura de Rio Branco CESPE-UnB) A anlise de regresso linear simples e a anlise de correlao so tcnicas freqentemente usadas na interpretao de pares de dados. Com relao a essas tcnicas, julgue o item a seguir. O coeficiente de correlao mede o grau de associao entre duas variveis. Resoluo O coeficiente de correlao mede o grau de relao linear entre duas variveis. O exerccio est chamando essa relao linear de associao. O item est certo. REGRESSO LINEAR Na correlao linear, estvamos interessados em ver se duas variveis X e Y tinham uma relao linear forte ou no. Pois bem, considerem que X e Y tenham uma relao linear forte. Ou seja, a relao entre ambas quase uma reta. Neste caso, que reta seria essa? Qual a reta que melhor descreve a relao linear entre X e Y? justamente isso que a regresso linear vai nos dizer. 1. Clculo da reta de regresso
Sejam X e Y duas variveis. Um modelo de regresso linear que as relaciona da seguinte forma:
Yi = + X i + i
Neste modelo, e so constantes e uma varivel aleatria de mdia zero. Um mtodo para encontrar a melhor reta de regresso chamado de mtodos de mnimos quadrados. A funo de primeiro grau que pretendemos encontrar da forma:
= a + bX Y i i
uma Onde a uma estimativa de , b uma estimativa de e Y estimativa de Y .
diferena entre Y e sua estimativa, chamamos desvio. O desvio dado por: 17 Prof. Guilherme Neves www.pontodosconcursos.com.br
e = Y Y
Pelo mtodo de mnimos quadrados, tentamos obter uma reta de tal modo que a soma dos quadrados dos valores de e (desvio) seja mnima. possvel demonstrar que os valores de a e b (estimadores de e ), obtidos a partir da considerao de que a soma dos quadrados dos desvios seja mnima, so:
b=
[(X X ) (Y Y )] (X X )
i i
a = Y bX
Ou seja, a partir dos valores de X e Y pertencentes amostra, obtemos os = a + bX . valores de a e b descritos acima. A partir deles, construmos a reta Y i i O modelo de regresso linear faz algumas consideraes. So elas:

E ( i ) = 0 V ( i ) = 2
cov( i , j ) = 0 , para i j
Na primeira considerao, temos que o erro (varivel aleatria ) tem mdia zero. Esta condio um pouco mais fcil de entender. Basta imaginar a situao em que a varivel erro no tem mdia zero. Significa que j se espera que, em mdia, se cometa um erro diferente de zero. J se sabe que a regresso tem um vis (que pode ser positivo ou negativo). Ou seja, o modelo no est muito adequado. melhor reformular o modelo. A segunda considerao nos diz que a varincia do erro constante. Este fato denominado homocedasticia. A terceira condio nos diz que os erros cometidos no so correlacionados. No se preocupe muito com estas hipteses!! Nosso trabalho s aplicar as frmulas para achar a e b . S as mencionei porque, se a questo falar qualquer coisa a respeito, a vocs no precisam ficar preocupados, achando que uma coisa de outro mundo. s calcular normalmente os coeficientes a e b, e pronto. Para praticar, vamos calcular a reta de regresso para o caso dos quatro alunos que fizeram as provas de fsica e matemtica. Vamos considerar que estes 4 alunos so uma amostra de um conjunto maior de estudantes que se submeteram tal prova. As notas desses alunos so:
18
Aluno 1 2 3 4 Mdia
Nota de matemtica ( X ) 2 6 8 10 6,5
Nota de fsica (Y ) 6 7 7 8 7
Estamos supondo que a populao de notas de fsica da qual foram tiradas as notas acima pode ser descrita segundo o seguinte modelo:
Yi = + X i + i
Ou seja, estamos supondo que existe uma relao entre as notas de matemtica e fsica. A parcela um erro aleatrio. Engloba todas outras variveis (distintas da nota em matemtica) que influenciam na nota de fsica. A partir destes valores de notas, construmos o quadro abaixo: Aluno 1 2 3 4
X Y XX Y Y
(X X ) (Y Y ) (X X ) (Y Y )
2
2 6 8 10
6 -4,5 7 -0,5 7 1,5 8 3,5 TOTAL
-1 0 0 1
4,5 0 0 3,5 8
20,25 0,25 2,25 12,25 35
1 0 0 1 2
Vamos calcular os coeficientes a e b .
b=
[(X X ) (Y Y )] (X X )
i i 2 i
b=
8 0,23 35
a = Y bX
a =7
8 6,5 5,51 35
E a reta de regresso estimada (calculada) fica:

= 5,51 + 0,23 X Y
Repare que no sabemos se esta a real reta de regresso. Mas, a partir dos valores de nossa amostra, esta a nossa estimativa para a reta de regresso. uma reta tal que a soma dos quadrados dos desvios mnima. Lembrando que o desvio corresponde diferena entre valor observado ( Y ) e sua ). estimativa ( Y
19
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES A tabela abaixo mostra os valores estimados da nota de fsica, dados os valores da nota de matemtica. Aluno Nota de Nota de Nota de fsica matemtica ( X ) fsica estimada Y observada (Y ) 1 2 6 5,97 2 6 7 6,89 3 8 7 7,34 4 10 8 7,80
()
Plotando estes valores num grfico, ficamos com:
Reta de regresso estimada A reta em vermelho tal que a soma dos quadrados dos desvios em relao s notas de fsica realmente obtidas mnima. a nossa reta estimada (calculada). O modelo de regresso :
Yi = + X i + i
Como no temos acesso populao inteira, no sabemos quais os valores de e . Temos condies apenas de estim-los (obtendo a e b ) Com isso, a reta de regresso estimada :
= a + bX Y i i
Ou seja, a e b so estimadores para e . So estimadores no viciados. Isto porque, obedecidas algumas condies (aquelas que indicamos anteriormente: E ( i ) = 0 ; V ( i ) = 2 e cov( i , j ) = 0 , para i j ), possvel demonstrar que:
E (b) = e E (a ) =
20
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES Nos clculos envolvidos com a regresso linear, utilizaremos algumas transformaes com uma certa freqncia. So elas:
[(X
)( )] (X X ) = X
i
X Yi Y = X i Yi n X Y
2 2 i
nX
So as mesmas transformaes que fizemos no incio da aula. 10. (PETROBRAS 2008/2 CESGRANRIO) Na estimativa de uma regresso linear, o problema da heterocedasticidade ocorre quando (A) os dados so transversais. (B) h autorrelao dos resduos. (C) h correlao positiva entre as variveis independentes. (D) a varincia dos erros no constante. (E) as variveis independentes so negativas. Resoluo Vimos que uma das hipteses do modelo que a varincia dos erros seja constante (homocedasticia). Se a varincia dos erros no constante, temos a heterocedasticidade. Letra D 11. (BACEN 2006 FCC) Uma empresa, com finalidade de determinar a relao entre gastos anuais com propaganda (X), em R$ 1.000,00 e o lucro bruto anual (Y), em R$ 1.000,00, optou por utilizar o modelo linear simples Yi = + X i + i , em que Yi o valor do lucro bruto auferido no ano i e i o erro aleatrio com as respectivas hipteses consideradas para a regresso linear simples ( e so parmetros desconhecidos). Considerou, para o estudo, as seguintes informaes referentes s observaes nos ltimos 10 anos da empresa:
10 10
Yi = 100 ;
i =1
X i = 60 ;
i =1
X i Yi = 650 ;
2 (X i )
i =1
10
= 400 ;
(Y )
i i =1
10
= 1080
Utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, temse que, caso haja um gasto anual com propaganda de 80 mil reais, a previso do lucro bruto anual, em mil reais, ser de: a) 84 b) 102,5
21
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES c) 121 d) 128,4 e) 158 Resoluo As hipteses que o enunciado disse que foram obedecidas so aquelas que indicamos anteriormente - E ( i ) = 0 ; V ( i ) = 2 e cov( i , j ) = 0 , para i j . Para calcular a previso, precisamos encontrar os valores de a e b do modelo de regresso.
b=
[(X X ) (Y Y )] (X X ) (X Y ) n X Y b= (X ) n X
i i
i i 2 i
b= b=
650 10 6 10 400 10 6 2
650 600 50 = = 1,25 400 360 40
E o valor de a fica:
a = Y bX
a=
100 60 1,25 = 10 7,5 = 2,5 10 10
Portanto, o modelo de regresso :
= a + bX Y i i = 2,5 + 1,25 X Y i i
Quando X i = 80 , a estimativa do lucro bruto fica:
= 2,5 + 1,25 80 = 102,5 Y i

Letra B 12. (SEFAZ SP 2006 FCC) Em um determinado pas, deseja-se determinar a relao entre a renda disponvel (Y), em bilhes de dlares, e o consumo (C), tambm em bilhes de dlares. Foi utilizado o modelo linear simples C i = + Yi + i , em que Ci o consumo no ano i, Yi o valor da renda disponvel no ano i e i o erro aleatrio com as respectivas hipteses para a
22
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES regresso linear simples, e so parmetros desconhecidos, cujas estimativas foram obtidas atravs do mtodo dos mnimos quadrados. Para obteno desta relao considerou-se ainda as seguintes informaes colhidas atravs da observao nos ltimos 10 anos:
10 10 10 10
Ci = 90 ,
i =1
Yi = 100 ,
i =1
Yi Ci = 1.100 ,
i =1
Yi = 1.250 ,
i =1
10
C
i =1
= 1.010
Para o clculo do coeficiente de correlao de Pearson (r), usou-se a frmula: cov(Y , C ) em que cov(Y , C ) a covarincia entre Y e C, DP(Y ) o desvio r= DP( y ) DP(C ) padro de Y e DP(C ) o desvio padro de C. Ento: a) obtendo para um determinado ano uma previso para o consumo de 10 bilhes de dlares, significa que a renda disponvel considerada foi de 12,5 bilhes de dlares. b) o valor da estimativa encontrado para o parmetro igual a 0,4 c) o valor da estimativa encontrado para o parmetro igual a 10. d) o coeficiente de explicao r2 correspondente 64%. e) utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, tem-se que, em um ano, caso a renda disponvel seja igual a 15 bilhes de dlares, o consumo ser igual a 13 bilhes de dlares. Resoluo Vamos encontrar os valores de a e b.
b=
[(X X ) (Y Y )] (X X ) (X Y ) n X Y b= (X ) n X
i i
2
i i
2
S que aqui, no lugar de X temos Y. E no lugar de Y temos C.

b=
(Y C ) nCY (Y ) nY
i i
2 2
b=
1.100 10 9 10 200 = = 0,8 250 1.250 10 10 2
Assim, a estimativa para o parmetro igual a 0,8. A letra B est errada.
a = Y bX
S que aqui, em vez de X temos Y e em vez de Y temos C.
23
a = C bY
a = 9 0,8 10 = 1
A estimativa do parmetro igual a 1. A letra C est errada. Se para um determinado ano a previso de consumo for de 10 bilhes, ento a renda considerada foi:
C = a + bY
10 = 1 + 0,8Y
Y=
(10 1) = 11,25
0,8
A letra A tambm est errada. Caso a renda disponvel seja de 15 bilhes, o consumo ser:
C = a + bY
C = 1 + 0,8 15 = 13
A letra E est correta. Letra E 13. (MP RO 2005 CESGRANRIO) Considere os dados amostrais de um estudo da relao entre o nmero de anos que os candidatos a empregos em um determinado banco comercial estudaram ingls na faculdade e as notas obtidas em um teste de proficincia nessa lngua.
Com base nessas informaes, a reta de mnimos quadrados que melhor explica a relao entre o nmero de anos de estudo e a nota do teste de ingls igual a: (A) y = 1,33 + 3,56x
24
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES (B) y = 2,25 + 1,32x (C) y = 6,97 + 3,56x (D) y = 35,32 + 10,9x (E) y = 254,56 + 13,3x Resoluo Nas questes anteriores, o enunciado sempre fornecia diversos somatrios, para facilitar o trabalho braal. Isto no aconteceu nesta questo. Ou seja, para calcular a reta de regresso, precisaramos fazer todas as contas na mo, o que toma muito tempo. Talvez por este motivo a questo apresente alternativas muito diferentes entre si. Observem que, para qualquer valor de x entre 2 e 5, y no supera 10. J podemos descartar as alternativas C, D, E, que prevem valores altos para y (muito superiores a 10), mesmo quando x baixo. Para se ter uma idia, considere a letra E. Se fizermos x igual a 1, y ser aproximadamente igual a 270, algo totalmente incompatvel com a tabela fornecida. Ficamos entre as alternativas A e B. Para escolher entre ambas, vamos trabalhar com os valores extremos de x. Quando x igual a 2, as retas das letras A e B prevem os seguintes valores para y: Letra A: 8,45 Letra B: 4,89 Observem que o valor da Letra B muito mais prximo dos valores que y realmente assume, quando x igual a 2. J d para marcar letra B. Se voc ainda ficar em dvida, pode fazer o mesmo teste para x igual a 5. Neste caso, as estimativas seriam: Letra A: 19,13 Letra B: 8,85 Novamente, a estimativa da letra B foi bem melhor. Letra B 14. (TJ PAR 2009 FCC) Em uma determinada empresa realizado um estudo sobre a relao entre os gastos com publicidade, em R$ 1.000,00, e o acrscimo no faturamento anual, em R$ 1.000,00. Foi escolhido para anlise o modelo linear simples Yi = + Xi + i, sendo que Yi o acrscimo no faturamento do ano i, Xi representa os gastos com publicidade no ano i e i o erro aleatrio com as respectivas hipteses consideradas para a regresso linear simples ( e so parmetros desconhecidos ). Para obteno das
25
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES estimativas de e utilizou-se o mtodo dos mnimos quadrados com base nas informaes dos ltimos 10 anos da empresa, ou seja:
10 10 10 10
Yi = 180 ;
i =1
X i = 100 ;
i =1
X iYi = 1.912 ;
i =1
X i = 1.080 ;
i =1
10
Y
i =1
= 3.440
Utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, temse que se a empresa almejar um acrscimo no faturamento, em um determinado ano, de R$ 25.000,00 dever apresentar, neste perodo, um total em gastos com publicidade de (A) R$ 20.000,00. (B) R$ 18.000,00. (C) R$ 17.000,00. (D) R$ 16.000,00. (E) R$ 15.000,00. Resoluo:
1912 1800 = 1,4 1080 1000
b=
a = 18 1,4 10 = 4
Modelo:
= 4 + 1,4 X Y 25 = 4 + 1,4 X X = 15
Letra E 15. (MPOG 2006 ESAF) Com o objetivo de estimar-se o modelo Y = + X, foi retirada uma amostra com cinco pares de observaes (X,Y), obtendo-se os seguintes resultados:
Desse modo, a) Y = 2 2X b) Y = 2 2X
26
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES c) Y = 2X d) Y = 2 + 2X e) Y = 2 + 2X Resoluo:
(X Y ) n X Y (X ) n X
i i
2 2
140 5 3 8 140 120 20 = =2 = 55 45 10 55 5 3 2
= Y bX = 8 23 = 2
Assim, Y = + X=2+2x Letra D
Relao das questes comentadas 01. (CAPES 2008 CESGRANRIO) Considere as asseres a seguir. O Coeficiente de Correlao Linear de Pearson necessariamente um nmero no intervalo (1,1) . PORQUE O Coeficiente de Correlao Linear de Pearson s pode ser calculado para variveis quantitativas. Analisando-se as asseres, conclui-se que (A) as duas asseres so verdadeiras, e a segunda uma justificativa correta da primeira. (B) as duas asseres so verdadeiras, e a segunda no uma justificativa correta da primeira. (C) a primeira assero verdadeira, e a segunda falsa. (D) a primeira assero falsa, e a segunda verdadeira. (E) a primeira e a segunda asseres so falsas. 02. (INEP 2008 CESGRANRIO) Considere as afirmaes a seguir a respeito do Coeficiente de Correlao (r) de Pearson entre duas variveis. I - Se r = 1, as observaes esto todas sobre uma linha reta no diagrama de disperso. II - Se r > 0, a varivel independente aumenta quando a varivel dependente aumenta.
27
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES III - Se r < 0, a varivel independente decresce quando a varivel dependente decresce. IV - Se r = 0, no existe relao entre as duas variveis. So corretas APENAS as afirmaes (A) I e II (B) I e III (C) II e III (D) II e IV (E) III e IV 03. (TCU 2008 CESPE-UnB) Uma agncia de desenvolvimento urbano divulgou os dados apresentados na tabela a seguir, acerca dos nmeros de imveis ofertados (X) e vendidos (Y) em determinado municpio, nos anos de 2005 a 2007. Ano 2005 2006 2007 Nmero de imveis Ofertados (X) Vendidos (Y) 1.500 100 1.750 400 2.000 700
Considerando as informaes do texto, julgue o item subseqente. O coeficiente de correlao linear entre X e Y inferior a 0,8. 04. (AFRF 2005 ESAF) Para uma mesmo bairro, registraram-se os mnimos): Identificao 1 2 do casal Salrio do 30 25 marido (Y) Salrio da 20 25 esposa (X) Sabe-se que:
10 10
amostra de dez casais residentes em um seguintes salrios mensais (em salrios 3 4 5 6 7 8 9 10
18 15 20 20 21 20 25 27 12 10 10 20 18 15 18 23
Yi = 221 ;
i =1
10
Y
i =1
10
= 5069
2
X i = 171 ;
i =1
10
X
i =1
= 3171
X Y
i =1
i i
= 3940
28
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES Assinale a opo cujo valor corresponda correlao entre os salrios dos homens e das mulheres. a) 0,72 b) 0,75 c) 0,68 d) 0,81 e) 0,78 05. (Instituto de Gesto Previdenciria do Estado do Par 2005 CESPE-UnB) Considere que r(x,y) seja o coeficiente de correlao entre duas variveis aleatrias x e y. Nesse caso, se a e b so dois nmeros reais, ento o coeficiente de correlao r(ax, by) igual a: a) ab r ( x, y ) b) a 2 b 2 r ( x, y ) c) r ( x, y ) , se ab > 0 d) e)
ab r ( x, y ) a+b r ( x, y ) ab
06. (CAPES 2008 CESGRANRIO)
Se as variveis Y e X 1 forem transformadas, respectivamente, para Y1 = 2Y + 0,5 e X 1 ' = X 1 + 0,5 , o coeficiente de correlao entre Y1 e X 1 ' (A) 0,382 (B) 0,059
29
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES (C) - 0,059 (D) - 0,118 (E) - 0,382 07. (MP RO 2005 CESGRANRIO) Analise as afirmativas a seguir, a respeito do coeficiente de correlao linear de Pearson entre duas variveis positivas X e Y: I - positivo; II - no se altera quando adicionamos uma constante positiva aos valores de X; III - no se altera quando multiplicamos por uma constante positiva os valores de X. Est(o) correta(s) a(s) afirmativa(s): (A) II somente. (B) I e II somente. (C) I e III somente. (D) II e III somente. (E) I, II e III. 08. (Petrobrs 2004 CESPE-UnB) Julgue o item que segue: O coeficiente de correlao de Pearson usado para medir o grau de linearidade (associao) entre duas variveis (eventos), podendo assumir qualquer valor entre +1 e 1. Os valores de coeficientes iguais a +1 e -1 indicam, respectivamente, relao linear perfeita e ausncia total de relao linear entre as variveis. 09. (Prefeitura de Rio Branco CESPE-UnB) A anlise de regresso linear simples e a anlise de correlao so tcnicas freqentemente usadas na interpretao de pares de dados. Com relao a essas tcnicas, julgue o item a seguir. O coeficiente de correlao mede o grau de associao entre duas variveis. 10. (PETROBRAS 2008/2 CESGRANRIO) Na estimativa de uma regresso linear, o problema da heterocedasticidade ocorre quando (A) os dados so transversais. (B) h autorrelao dos resduos. (C) h correlao positiva entre as variveis independentes. (D) a varincia dos erros no constante. (E) as variveis independentes so negativas.
30
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES 11. (BACEN 2006 FCC) Uma empresa, com finalidade de determinar a relao entre gastos anuais com propaganda (X), em R$ 1.000,00 e o lucro bruto anual (Y), em R$ 1.000,00, optou por utilizar o modelo linear simples Yi = + X i + i , em que Yi o valor do lucro bruto auferido no ano i e i o erro aleatrio com as respectivas hipteses consideradas para a regresso linear simples ( e so parmetros desconhecidos). Considerou, para o estudo, as seguintes informaes referentes s observaes nos ltimos 10 anos da empresa:
10 10
Y
i =1
= 100 ;
X
i =1
= 60 ;
Yi = 650 ;
(X )
i i =1
10
= 400 ;
(Y )
i i =1
10
= 1080
Utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, temse que, caso haja um gasto anual com propaganda de 80 mil reais, a previso do lucro bruto anual, em mil reais, ser de: a) 84 b) 102,5 c) 121 d) 128,4 e) 158 12. (SEFAZ SP 2006 FCC) Em um determinado pas, deseja-se determinar a relao entre a renda disponvel (Y), em bilhes de dlares, e o consumo (C), tambm em bilhes de dlares. Foi utilizado o modelo linear simples C i = + Yi + i , em que Ci o consumo no ano i, Yi o valor da renda disponvel no ano i e i o erro aleatrio com as respectivas hipteses para a regresso linear simples, e so parmetros desconhecidos, cujas estimativas foram obtidas atravs do mtodo dos mnimos quadrados. Para obteno desta relao considerou-se ainda as seguintes informaes colhidas atravs da observao nos ltimos 10 anos:
10 10 10 10
Ci = 90 ,
i =1
Yi = 100 ,
i =1
Yi Ci = 1.100 ,
i =1
Yi = 1.250 ,
i =1
10
C
i =1
= 1.010
Para o clculo do coeficiente de correlao de Pearson (r), usou-se a frmula: cov(Y , C ) em que cov(Y , C ) a covarincia entre Y e C, DP(Y ) o desvio r= DP ( y ) DP(C ) padro de Y e DP(C ) o desvio padro de C. Ento: a) obtendo para um determinado ano uma previso para o consumo de 10 bilhes de dlares, significa que a renda disponvel considerada foi de 12,5 bilhes de dlares. b) o valor da estimativa encontrado para o parmetro igual a 0,4
31
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES c) o valor da estimativa encontrado para o parmetro igual a 10. d) o coeficiente de explicao r2 correspondente 64%. e) utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, tem-se que, em um ano, caso a renda disponvel seja igual a 15 bilhes de dlares, o consumo ser igual a 13 bilhes de dlares. 13. (MP RO 2005 CESGRANRIO) Considere os dados amostrais de um estudo da relao entre o nmero de anos que os candidatos a empregos em um determinado banco comercial estudaram ingls na faculdade e as notas obtidas em um teste de proficincia nessa lngua.
Com base nessas informaes, a reta de mnimos quadrados que melhor explica a relao entre o nmero de anos de estudo e a nota do teste de ingls igual a: (A) y = 1,33 + 3,56x (B) y = 2,25 + 1,32x (C) y = 6,97 + 3,56x (D) y = 35,32 + 10,9x (E) y = 254,56 + 13,3x 14. (TJ PAR 2009 FCC) Em uma determinada empresa realizado um estudo sobre a relao entre os gastos com publicidade, em R$ 1.000,00, e o acrscimo no faturamento anual, em R$ 1.000,00. Foi escolhido para anlise o modelo linear simples Yi = + Xi + i, sendo que Yi o acrscimo no faturamento do ano i, Xi representa os gastos com publicidade no ano i e i o erro aleatrio com as respectivas hipteses consideradas para a regresso linear simples ( e so parmetros desconhecidos ). Para obteno das estimativas de e utilizou-se o mtodo dos mnimos quadrados com base nas informaes dos ltimos 10 anos da empresa, ou seja:
32

10 10 10 10
Yi = 180 ;
i =1
X i = 100 ;
i =1
X iYi = 1.912 ;
i =1
X i = 1.080 ;
i =1
10
Y
i =1
= 3.440
Utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, temse que se a empresa almejar um acrscimo no faturamento, em um determinado ano, de R$ 25.000,00 dever apresentar, neste perodo, um total em gastos com publicidade de (A) R$ 20.000,00. (B) R$ 18.000,00. (C) R$ 17.000,00. (D) R$ 16.000,00. (E) R$ 15.000,00. 15. (MPOG 2006 ESAF) Com o objetivo de estimar-se o modelo Y = + X, foi retirada uma amostra com cinco pares de observaes (X,Y), obtendo-se os seguintes resultados:
Desse modo, a) Y = 2 2X b) Y = 2 2X c) Y = 2X d) Y = 2 + 2X e) Y = 2 + 2X
33
MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES Gabaritos 01. 02. 03. 04. 05. 06. 07. 08. 09. 10. 11. 12. 13. 14. 15. B A Errado B C C D Errado Certo D B E B E D
34

Aula 08 - Parte 02

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Aula 08 - Parte 02

Hochgeladen von

Copyright:

Verfügbare Formate

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

Prof. Guilherme Neves

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/ ICMS/RJ PROFESSOR: GUILHERME NEVES

Nota de matemtica ( X ) 2 6 8 10 6,5

Calcule o coeficiente de correlao linear entre as notas de fsica e matemtica. Resoluo

6 -4,5 7 -0,5 7 1,5 8 3,5 TOTAL

20,25 0,25 2,25 12,25 35

Prof. Guilherme Neves

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/ ICMS/RJ PROFESSOR: GUILHERME NEVES

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

Y 100 400 700 TOTAL

62.500 90.000 0 0 62.500 90.000 125.000 180.000

A frmula do coeficiente de correlao :

150.000 125.000 180.000

150 125 180

Prof. Guilherme Neves

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES

amostra de dez casais residentes em um seguintes salrios mensais (em salrios 3 4 5 6 7 8 9 10

Para Y, o clculo o mesmo.

Detalhamos os clculos na tabela abaixo: Casal X Y X X Y Y X X Y Y

E o coeficiente de correlao fica:

Prof. Guilherme Neves

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES

160,9 246,9 184,9

Substituindo os valores da mdia de X e da mdia de Y:

Substituindo os valores informados no enunciado:

X Yi Y = 3940 10 22,1 171 = 160,9

Prof. Guilherme Neves

= 3171 10 17,12 = 246,9

= 5069 10 22,12 = 184,9

160,9 246,9 184,9

160,9 2 246,9 184,9

Mas esta conta ainda meio ruim de fazer. Aproximando os valores:

160,9 2 1612 25.921 = = 0,567 246,9 184,9 247 185 45.695

quadrado perfeito mais prximo: 0,49 aproximao da raiz:

0,49 + 0,567 2 0,49

1,057 = 0,755 1,4

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES Letra C

06. (CAPES 2008 CESGRANRIO)

Prof. Guilherme Neves

Prof. Guilherme Neves

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES

Nota de matemtica ( X ) 2 6 8 10 6,5

6 -4,5 7 -0,5 7 1,5 8 3,5 TOTAL

20,25 0,25 2,25 12,25 35

Vamos calcular os coeficientes a e b .

E a reta de regresso estimada (calculada) fica:

Plotando estes valores num grfico, ficamos com:

650 600 50 = = 1,25 400 360 40

Portanto, o modelo de regresso :

= 2,5 + 1,25 80 = 102,5 Y i

S que aqui, no lugar de X temos Y. E no lugar de Y temos C.

1.100 10 9 10 200 = = 0,8 250 1.250 10 10 2

Assim, a estimativa para o parmetro igual a 0,8. A letra B est errada.

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES

MATEMTICA FINANCEIRA E ESTATSTICA PARA ICMS/RJ PROFESSOR: GUILHERME NEVES c) Y = 2X d) Y = 2 + 2X e) Y = 2 + 2X Resoluo:

140 5 3 8 140 120 20 = =2 = 55 45 10 55 5 3 2

amostra de dez casais residentes em um seguintes salrios mensais (em salrios 3 4 5 6 7 8 9 10

Prof. Guilherme Neves

06. (CAPES 2008 CESGRANRIO)

Prof. Guilherme Neves