ESTATISTICA-1 - Cópia

1
UNIVERSIDADE LICUNGO
FACULDADE DE ECONOMIA E GESTÃO
LICENCIATURA EM GESTÃO DE RECURSOS HUMANOS
DOMINGOS VICTORINO ABUCHIR

LINO LUÍS PASCOAL
MARIZA JOSÉ BONIFÁCIO
OSCAR JOÃO ANTÔNIO
ROCHILDE SAMPAIO GINOTE
SANTA CLARA LΌPES
TÂNIA DA SILVA MÁRIO
BIJU VIERA INQUILIDIO
TRABALHO EM GRUPO (ESTÀTISTICA APLICADA)
Quelimane
2023
2
TRABALHO DE EM GRUPO 2
1. A finalidade do modelo de regressão é analisar e quantificar a relação entre uma

variável dependente (a que você deseja prever ou explicar) e uma ou mais
variáveis independentes (as que são usadas para prever ou explicar a variável
dependente. A finalidade inclui: Previsão, Explicação, Avaliação de Hipóteses,
Identificação de Tendências e Padrões, Controle de Variáveis, Controle de
Variáveis, Optimização, Sua finalidade vária dependendo do contexto e dos
objectivos da análise de dados.
2. Na primeira situação: Variável independente: Número de clientes. Variável

dependente: Venda de bolos. Nesse caso, o número de clientes é a variável que
pode influenciar a quantidade de bolos vendidos.
Na segunda situação: variável independente: Venda.
Variável dependente: Lucro.
A venda é a variável que influencia directamente o lucro de uma empresa

gasolineira, já que quanto mais vendas ela tiver, maior tende a ser o lucro.
3. Podemos interpretar os coeficientes:
Coeficiente constante (89,09): Isso representa o preço-base do gasóleo,

provavelmente em Meticais, independentemente da distância.
Coeficiente relacionado à distância (0,02): Isso indica o aumento no preço por litro
de gasóleo para cada quilómetro adicional de distância entre o porto e o posto de
abastecimento. Neste caso, a cada quilómetro adicional, o preço aumenta em 0,02
Meticais.
Agora, para calcular o preço esperado se o posto de abastecimento distar 150 km do

porto, você pode usar a fórmula:
Preço = 89,09 + (0,02 * 150) = 89,09 + 3,00 = 92,09 Meticais
b) Portanto, se o posto de abastecimento estiver a 150 km do porto, o preço

esperado do gasóleo seria de 92,09 Meticais por litro.
3
Se um posto de abastecimento estiver a 150 km do porto, o preço esperado do

gasóleo, com base na equação que você forneceu, seria:
Preço = 89,09 + (0,02 * 150) = 89,09 + 3,00 = 92,09 Meticais
4. Para determinar se o modelo pode ser usado para previsões, precisamos avaliar
os resultados apresentados nas tabelas. Vou guiá-lo através dos procedimentos
adequados:
R-squared (R²) e R-squared ajustado (R² ajustado):
O valor de R² é 0,988, o que indica que 98,8% da variabilidade no peso dos recém-
nascidos pode ser explicada pelas variáveis independentes (Idade gestacional,
Idade da parturiente e Número de consultas pré-natais) neste modelo.
O R² ajustado também é alto, indicando que o modelo não está sendo

excessivamente ajustado aos dados.
Teste ANOVA:
O teste de ANOVA indica que a regressão é estatisticamente significativa, com um

valor de p igual a 0,022 (menor que 0,05), o que sugere que pelo menos uma das
variáveis independentes está relacionada ao peso do recém-nascido.
Testes de Normalidade (Kolmogorov-Smirnov e Shapiro-Wilk):
Os resultados desses testes não mostram evidência forte de desvio significativo da

normalidade nos resíduos do modelo. Isso é um bom sinal para a validade do
modelo.
Coeficientes de Regressão:
Os coeficientes não padronizados na tabela 4 indicam o quanto cada variável

independente contribui para a previsão do peso do recém-nascido.
A constante é 2,542, e os coeficientes para X1, X2 e X3 são 0,982, -0,059 e 0,012,

respectivamente.
4
Estatísticas de Colinearidade:
Os valores de Tolerância e Factor de Inflação da Variância (VIF) são usados para

verificar a multicolinearidade entre as variáveis independentes. Valores baixos de
Tolerância e altos de VIF podem indicar multicolinearidade. No entanto, todos os
valores parecem razoáveis, sugerindo que não há problema significativo de
multicolinearidade.
Com base nas informações apresentadas, o modelo de regressão parece ser

adequado para previsões, pois tem um alto R², é estatisticamente significativo e os
resíduos não indicam desvios significativos da normalidade. No entanto, é
importante considerar outros factores não mencionados aqui antes de usar o modelo
para previsões clínicas, como a relevância clínica das variáveis e a validade externa
do modelo em diferentes populações

ESTATISTICA-1 - Cópia

Enviado por

Direitos autorais:

Formatos disponíveis

ESTATISTICA-1 - Cópia

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

ESTATISTICA-1 - Cópia

Enviado por

Direitos autorais:

Formatos disponíveis

1

FACULDADE DE ECONOMIA E GESTÃO

LICENCIATURA EM GESTÃO DE RECURSOS HUMANOS

DOMINGOS VICTORINO ABUCHIR

TRABALHO EM GRUPO (ESTÀTISTICA APLICADA)

1. A finalidade do modelo de regressão é analisar e quantificar a relação entre uma

2. Na primeira situação: Variável independente: Número de clientes. Variável

Na segunda situação: variável independente: Venda.

Variável dependente: Lucro.

A venda é a variável que influencia directamente o lucro de uma empresa

3. Podemos interpretar os coeficientes:

Coeficiente constante (89,09): Isso representa o preço-base do gasóleo,

Agora, para calcular o preço esperado se o posto de abastecimento distar 150 km do

Preço = 89,09 + (0,02 * 150) = 89,09 + 3,00 = 92,09 Meticais

b) Portanto, se o posto de abastecimento estiver a 150 km do porto, o preço

Se um posto de abastecimento estiver a 150 km do porto, o preço esperado do

Preço = 89,09 + (0,02 * 150) = 89,09 + 3,00 = 92,09 Meticais

R-squared (R²) e R-squared ajustado (R² ajustado):

O R² ajustado também é alto, indicando que o modelo não está sendo

O teste de ANOVA indica que a regressão é estatisticamente significativa, com um

Testes de Normalidade (Kolmogorov-Smirnov e Shapiro-Wilk):

Os resultados desses testes não mostram evidência forte de desvio significativo da

Os coeficientes não padronizados na tabela 4 indicam o quanto cada variável

A constante é 2,542, e os coeficientes para X1, X2 e X3 são 0,982, -0,059 e 0,012,

Os valores de Tolerância e Factor de Inflação da Variância (VIF) são usados para

Com base nas informações apresentadas, o modelo de regressão parece ser

Você também pode gostar