LISTA DE EXERCÍCIOS

3.5 - Coeficiente de Correlação e 3.6 - Regressão Linear Simples – Lista β

1. Uma pesquisa foi realizada com o objetivo de verificar se existe associação entre a falta de
sono e a capacidade de as pessoas resolverem problemas simples. Foram testadas 10
pessoas, mantendo-se sem dormir por um determinado número de horas. Após cada um
destes períodos, cada pessoa teve de resolver um teste com adições simples, anotando-se
então os erros cometidos. Os dados resultantes são os seguintes:

Número de erros 6 8 6 10 8 14 12 14 12 16
Número de horas sem 8 8 12 12 16 16 20 20 24 24
dormir

a) Calcule o coeficiente de correlação linear de Pearson, interprete e teste sua significância a

5%.
b) Ajuste, teste e interprete o modelo de regressão linear simples.

2. Um experimento mediu o rendimento de trigo em sete diferentes níveis de Nitrogênio, com

os seguintes resultados.
a) Calcule o coeficiente de correlação linear de Pearson, interprete e teste sua significância a
5%.
b) Ajuste, teste e interprete o modelo de regressão linear simples.

Unidades (Kg de N/ha) 40 60 80 100 120 140 160

Rendimento (t/ha) 15,9 18,8 21,6 25,2 28,7 30,4 30,7

3. Em mercadologia é importante conhecer as ferramentas existentes para estimação dos

custos de produção. A análise de regressão representa um instrumento valioso para a
realização dessa tarefa. Assim, utilizando os dados abaixo, verificou-se que a reta de regressão
adequada é:

Quantidade (X) Custo (Y)

10 100,00

11 112,00

12 119,00

13 130,00

14 139,00

15 142,00

A) Y = - 15,79 + 8,63x
B) Y = 15,79 - 8,63x
C) Y = 35,79 - 8,63x
D) Y = 15,79 + 8,63x
E) Y = 35,79 – 8,63x
Para os cálculos dos exercícios 4, 5, 6, 7, 8, 9 e 10 utilize um software de sua preferência.

4. O gerente de uma indústria localizada em um país tropical suspeita que há uma correlação
entre temperatura do dia e produtividade. Dados coletados aleatoriamente ao longo de um
período de seis meses revelaram o seguinte:
Obs. 1 2 3 4 5 6 7 8 9 10 11 12
Temperatura 21,2 20,3 22,7 22 22,3 23,5 24,8 24,2 25,5 25,2 25,5 25,8
Produtividade 142 148 131 132 145 138 144 136 141 124 133 128

Obs. 13 14 15 16 17 18 19 20 21 22 23 24
Temperatura 27,5 26,3 28,2 28,6 29 29,7 30,7 30,3 30,2 31,4 32,5 32,7
Produtividade 132 137 124 117 122 131 124 111 119 129 123 116

a) Calcule o coeficiente de correlação entre temperatura e a produtividade, interprete-o e teste

sua significância a 5%.
b) Ajuste, teste e interprete o modelo de regressão linear simples.

5. Na tabela a seguir estão os dados de diâmetro (mm) e peso (kg) de 10 amostras de rochas.

Diâmetro (X) Peso (Y)

49 24,0
65 40,0
45 25,0
40 23,5
55 33,5
45 22,0
44 22,5
47 23,5
50 25,0
56 35,0

Dados:
𝑚é𝑑𝑖𝑎𝑋 = 49,6 𝑚é𝑑𝑖𝑎𝑌 = 27,4
∑ 𝑋 = 25082 ∑ 𝑌 = 7868 ∑ 𝑋 ❑ 𝑌 = 13978

O coeficiente de determinação e a reta de ajuste de regressão linear são respectivamente:

A) r² = 0,9315; Y = -12,627 + 0,807x
B) r² = 0,8677; Y = -12,627 + 0,807x
C) r² = - 0,8677; Y = -12,627 - 0,807x
D) r = 0,8677; Y = -12,627 + 0,807x
E) r² = 0,8677; Y = 12,627 + 0,807x

2
 6. Os dados a seguir correspondem à variável renda familiar e gasto com alimentação (em
unidades monetárias) para uma amostra de 25 famílias.
Renda Familiar (X) Gasto com Alimentação (Y)
3 1,5
5 2,0
10 6,0
10 7,0
20 10,0
20 12,0
20 15,0
30 8,0
40 10,0
50 20,0
60 20,0
70 25,0
70 30,0
80 25,0
100 40,0
100 35,0
100 40,0
120 30,0
120 40,0
140 40,0

150 50,0
180 40,0
180 50,0
200 60,0
200 50,0

3
a) Interprete o gráfico de dispersão e diga se o coeficiente de relação deve ser maior, igual ou
menor do que zero.
b) Calcule o coeficiente de correlação linear entre Renda Familiar(X) e Gasto com
Alimentação(Y).
Dados:
𝑚é𝑑𝑖𝑎𝑋 = 83,12 𝑚é𝑑𝑖𝑎𝑌 = 26,66
∑ 𝑋 = 271934 ∑ 𝑌 = 24899,25 ∑ 𝑋 ❑ 𝑌 = 80774,5
c) Ajuste uma reta de regressão para a relação entre as variáveis Massa Muscular(Y) e
Idade(X).
d) Qual o significado prático do valor da inclinação da reta de regressão do item (c)?

7. Um sofisticado simulador estocástico de tráfego fornece a velocidade média em avenidas de

uma metrópole em função do volume de automóveis. O resultado de 14 simulações revelou o
seguinte:

Volume de
3 3 5 5 10 10 15 15 20 20 25 25 30 30
tráfego
93, 74, 74, 50, 51, 44, 42, 35, 38, 29,
Velocidade média 95,6 32,0 3,2 30,1
8 4 8 5 5 6 4 8 7 1

a) Calcule o coeficiente de correlação linear de Pearson, interprete e teste sua significância a

5%.
b) Ajuste, teste e interprete o modelo de regressão linear simples.

8. Os dados abaixo referem-se aos pesos iniciais e ganhos de peso (em gramas) de 15 ratos
fêmeas entre 24 a 84 dias de idade, submetidas a uma dieta com altos teores de proteína. O
objetivo deste estudo é verificar se o ganho de peso está relacionado com o peso inicial. Sendo
assim, experimentos de alimentação podem ser mais precisos, levando-se em conta o peso
inicial dos ratos, ou fazendo-se o pareamento ou ainda por ajustes de diferenças no peso
inicial.
a) Calcule o coeficiente de correlação linear de Pearson, interprete e teste sua significância a
5%.
b) Ajuste, teste e interprete o modelo de regressão linear simples.

Ratos 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Peso inicial 50 64 76 64 74 60 69 68 56 48 57 59 46 45 65
Ganho de peso 12 15 15 11 13 11 96 12 13 11 10 10 82 10 10
8 9 8 9 3 2 6 2 8 7 6 3 4

9. Em geral, experimentos afirmam que a percentagem de frutos atacados por larvas de

mariposa é maior em macieiras anãs. Aparentemente, a densidade de mariposas não tem
relação com o tamanho do pomar ou porte da planta, de modo que os riscos de ataque em um
fruto em particular seriam aumentados quando o número de frutos ou plantas for pequeno. Os
dados abaixo se referem aos resultados de um experimento contendo evidências sobre esse
fenômeno.
a) Calcule o coeficiente de correlação linear de Pearson, interprete e teste sua significância.
b) Ajuste, teste e interprete o modelo de regressão linear simples.

Plantas 1 2 3 4 5 6 7 8 9 10 11 12
Tamanho da colheita (centenas de frutos) 8 6 11 22 14 17 18 24 19 23 26 40
Percentagem de frutos atacados 59 58 56 53 50 45 43 42 39 38 30 27

4
10. É esperado que a massa muscular de uma pessoa diminua com a idade. Para estudar essa
relação, uma nutricionista selecionou 18 mulheres, com idade entre 40 e 79 anos, e observou
em cada uma delas a idade (X) e a massa muscular (Y).

Massa muscular (Y) Idade (X)

100.0 43
116.0 45
97.0 45
105.0 49
100.0 53
87.0 56
80.0 56
76.0 58
91.0 64
84.0 65
68.0 67
78.0 68
78.0 68
82.0 71
73.0 73
73.0 73
65.0 76
77.0 78

Dados:
𝑚é𝑑𝑖𝑎𝑋 = 61,556 𝑚é𝑑𝑖𝑎𝑌 = 85
∑ 𝑋 = 70362 ∑ 𝑌 = 133300 ∑ 𝑋 ❑ 𝑌 = 91964

O coeficiente de correlação linear e a reta linear que melhor se ajusta ao modelo é:

A) r = 0,837; Y = - 148,218 - 1,027x;
B) r = -0,837; Y = 148,218 + 1,027x;
C) r² = -0,837; Y = 148,218 - 1,027x;
D) r = 0,837; Y = 148,218 - 1,027x;
E) r = -0,837; Y = 148,218 - 1,027x;

5
 RESPOSTAS

1. a) r = 0,8015; tcalc = 3,791; t0,025 = 2,306; Rejeita-se H0.

b) Y = 3 + 0,475 X

2. a) r = 0,9830; tcalc = 11,978; t0,025 = 2,571; Rejeita-se H0.

b) Y = 11,13 + 0,13 X

3. Letra D

4. a) r = -0,7732; tcalc = -5,718; t0,025 = 2,074; Rejeita-se H0.

b) Y = 185,96 – 2,09 X

5. Letra B

6. a) r>0;
b) r = 0,954;
c) Y = 5,38 + 0,256x;
d) O valor 0,256 significa que estima-se que para cada aumento de uma unidade monetária
da renda familiar ocorre um acréscimo em média de 0,256 unidades no gasto com alimentação.

7. a) r = -0,8893; tcalc = -6,735; t0,025 = 2,179; Rejeita-se H0.

b) Y = 86,73 – 2,40 X

8. a) r = 0,4894; tcalc = 2,024; t0,025 = 2,160; Não se rejeita H0.

b) Y = 54,95 + 1,06 X

9. a) r = -0,8809; tcalc = -5,884; t0,05 = 2,228; Rejeita-se H0.

b) Y = 64,25 – 1,01 X

10. Letra E