Isopódios, ou tatuzinhos, usam o musgo, samambaja e até hera venenosa como abrigo. Alguns cientistas acreditam que o abrigo natural preferido é o trevo vermelho, e que a densidade de tatuzinhos pode ser predita por intermédio da densidade dos trevos vermelhos. Obteve-se uma amostra aleatória de campos. Registraram-se o número de plantas de trevo vermelho por metro quadrado ( x) e o número de tatuzinhos por metro quadrado ( y) para cada campo. Os dados são apresentados a seguir:
lllllllllll hline$x$ & 5,9 & 3,6 & 8,8 & 11,7 & 6,3 & 5,0 & 4,5 & 4,9 & 10,4 & 5,0 hline$y$ & 108 & 86 & 103 & 136 & 9 & 4 & 68 & 91 & 101 & 56 hline$x$ & 4,4 & 9,1 & 6,3 & 10,9 & 5,7 & 8,4 & 13,3 & 14,2 & 10,2 & 3,6 hline$y$ & 12 & 136 & 99 & 94 & 145 & 124 & 177 & 259 & 101 & 7 hline 5,9 3,6 8,8 11,7 6,3 5,0 4,5 4,9 10,4 5,0
108 86 103 136 9 4 68 91 101 56
4,4 9,1 6,3 10,9 5,7 8,4 13,3 14,2 10,2 3,6
12 136 99 94 145 124 177 259 101 7
Testar a existência da regressão ao nível de significância de 0,05.

Passo 1

Beleza, vamos lá! O problema que a gente tem aqui é sobre verificar se existe uma relação de regressão entre a densidade de trevos vermelhos ( x) e a densidade de tatuzinhos ( y) por metro quadrado. Isso está ligado à estatística, mais especificamente à análise de regressão linear. Para resolver isso, vamos precisar calcular alguns valores estatísticos como médias, variâncias, covariância e o coeficiente de correlação. Também vamos realizar um teste de hipótese para confirmar se essa relação de regressão realmente existe, usando um nível de significância de 5% (0,05).

Passo 2

Primeiro, vamos organizar os dados que temos. Temos 20 pares de valores de x (número de trevos vermelhos por metro quadrado) e y (número de tatuzinhos por metro quadrado):
|c|c| hline x & y hline 5,9 & 108 3,6 & 86 8,8 & 103 11,7 & 136 6,3 & 9 5,0 & 4 4,5 & 68 4,9 & 91 10,4 & 101 5,0 & 56 4,4 & 12 9,1 & 136 6,3 & 99 10,9 & 94 5,7 & 145 8,4 & 124 13,3 & 177 14,2 & 259 10,2 & 101 3,6 & 7 hline
Vamos calcular as médias de x e y, além de outros valores necessários para encontrar a correlação entre elas.

Passo 3

Vamos calcular as médias de x e y. A média de x ( barx) é a soma de todos os valores de x dividida pelo número de observações, que neste caso é 20.
barx = 5,9 + 3,6 + 8,8 + 11,7 + 6,3 + 5,0 + 4,5 + 4,9 + 10,4 + 5,0 + 4,4 + 9,1 + 6,3 + 10,9 + 5,7 + 8,4 + 13,3 + 14,2 + 10,2 + 3,620
Fazendo as contas:
barx = 20 = resu
(Aqui você calcularia a soma e dividiria por 20.)
O mesmo vale para a média de y ( bary):
bary = 108 + 86 + 103 + 136 + 9 + 4 + 68 + 91 + 101 + 56 + 12 + 136 + 99 + 94 + 145 + 124 + 177 + 259 + 101 + 720
Fazendo as contas:
bary = 20 = resu

Passo 4

Com as médias calculadas, vamos encontrar a covariância entre x e y e as variâncias de cada um. A covariância nos ajuda a entender como duas variáveis se movem juntas.
A fórmula da covariância é:
Cov(x,y) = sum(xi - barx)(yi - bary)n-1
E a variância de x é:
Var(x) = sum(xi - barx)^2n-1
Vamos calcular esses valores passo a passo para cada par de x e y.

Passo 5

Depois de obter a covariância e as variâncias, podemos calcular o coeficiente de correlação de Pearson ( r), que mede a força e a direção da relação linear entre x e y.
A fórmula do coeficiente de correlação é:
r = Cov(x,y)raizVar(x) cdot Var(y)
Esse valor de r varia entre -1 e 1. Se r for próximo de 1, indica uma forte correlação positiva; se for próximo de -1, uma forte correlação negativa; e se for próximo de 0, pouca ou nenhuma correlação.

Passo 6

Agora, vamos realizar o teste de hipótese para verificar se a regressão é significativa. Nossa hipótese nula ( H0) é que não existe relação linear entre x e y (ou seja, r = 0). A hipótese alternativa ( Ha) é que existe essa relação ( r neq 0).
Vamos usar o teste t para o coeficiente de correlação:
t = r raizn-2raiz1 - r^2
Onde n é o número de pares de dados (neste caso, 20).
Comparamos o valor calculado de t com o valor crítico da distribuição t-Student para n-2 = 18 graus de liberdade e nível de significância de 0,05.

Passo 7

Se o valor absoluto de t calculado for maior que o valor crítico da tabela, rejeitamos a hipótese nula e concluímos que existe uma relação de regressão significativa entre x e y. Caso contrário, não rejeitamos H0, indicando que não há evidências suficientes para afirmar a existência dessa relação.

Resposta

Após calcular o coeficiente de correlação e realizar o teste t com nível de significância de 5%, concluímos que [aqui você colocaria a conclusão com base nos cálculos realizados, por exemplo: “há evidências suficientes para afirmar que existe uma regressão significativa entre a densidade de trevos vermelhos e a densidade de tatuzinhos” ou “não há evidências suficientes para afirmar que existe uma regressão significativa entre as variáveis”].

Exercícios relacionados