Metodos Quantitativos

Os dados da tabela abaixo apresentam, para um mesmo período, a evolução dos Custos Totais Mensais de uma empresa (X), paralelo aos Custos Mensais com Energia (Y). Sabendo que, calculado o Coeficiente de Correção o resultado encontrado foi r = 0.97, podemos afirmar que:

Valor da Questão: 0.5833333

A correlação encontrada foi positiva moderada, pois o valor não supera 1,0.

A correlação encontrada foi positiva e relativamente fraca, pois seu resultado é inferior a 1,0

A correlação encontrada foi muito forte, pois seu valor supera 0,90.

A correlação encontrada não é significativa, pois seu valor é inferior a 1,0.

A correlação encontrada foi muito fraca, pois se aproxima de zero.

2

A partir das bases conceituais sobre o tema Correlação Linear, podemos afirmar que:

Valor da Questão: 0.5833333

A correlação é chamada linear se os pontos do diagrama têm como ?imagem? uma curva.

Quando duas variáveis estão ligadas por uma relação induzida, dizemos que existe correlação entre elas.

A correlação é chamada linear negativa se os pontos do diagrama têm como ?imagem? uma reta ascendente

A correlação é chamada de linear positiva se os pontos do diagrama têm como ?imagem? uma reta descendente.

Quando os pontos do diagrama apresentam-se muito dispersos, não oferecendo uma ?imagem? definida, concluímos que não há relação alguma entre as variáveis em estudo.

3

A figura abaixo apresenta o diagrama de dispersão entre os Custos Totais (X) e os Custos com Energia (Y) registrados em uma empresa num período de seis meses. No diagrama, em destaque, observamos a Equação da Reta de Regressão dos dados. A partir das informações apresentadas, podemos afirmar que:

Valor da Questão: 0.5833333

Com base na equação apresenta é possível realizar-se previsões seguras de ?Y?, com base em valores conhecidos de ?X?, desde que essas estejam dentro do intervalo de dados conhecido.

A partir da equação apresentada, é possível estimar-se dados de ?Y?, com base em valores conhecidos de ?X?, mas não existe chance de realizarmos estimativas de X com base em dados conhecidos de Y.

A linha apresentada no diagrama denomina-se linha de tendência polinomial.

Com base na equação apresenta é possível fazer quaisquer previsões seguras para ?Y?, com base em valores conhecidos de ?X?, mesmo fora do intervalo de dados conhecido.

O valor de ?R²? é algo pouco significativo dentro da análise de regressão.

4

A partir das bases conceituais sobre o tema Regressão Linear, podemos afirmar que:

Valor da Questão: 0.5833333

Sempre que se deseja estudar determinada variável, de forma isolada, faz-se uma análise de regressão.

A análise de regressão tem por objetivo avaliar o grau de relação entre duas variáveis.

A análise de regressão tem por objetivo avaliar o grau de dispersão existente entre duas variáveis.

A análise de regressão tem por objetivo descrever, através de um modelo matemático, a relação entre duas variáveis, partindo de ?n? observações da mesma.

A variável sobre a qual se deseja fazer uma estimativa recebe o nome de variável independente.

5

A figura abaixo apresenta o diagrama de dispersão entre os Custos Totais (X) e os Custos com Energia (Y) registrados em uma empresa num período de seis meses. No diagrama, em destaque, observamos a Equação da Reta de Regressão dos dados.

A partir da equação gerada podemos estimar que, para um Custo Total (X) igual a R$ 35.000,00, o Custo com Energia (Y) será, aproximadamente, igual a:

Valor da Questão: 0.5833333

R$ 2140,00

R$ 21400,00

R$ 214,00

R$ 60,00

R$ 6,00

6

Os dados da tabela abaixo apresentam, para