https://youtu.be/Hz3fLuCZ0kE

• A) INCORRETA: Uma inclinação positiva da reta (coeficiente angular β1>0) indica uma correlação positiva entre as variáveis. Se uma aumenta, a outra também tende a aumentar.
• B) INCORRETA: A covariância positiva indica que as variáveis tendem a variar na mesma direção. Se as variáveis fossem independentes, a covariância seria zero.
• C) CORRETA: O coeficiente de correlação linear (r) varia entre −1 e 1. Um valor de 0,9 é muito próximo de 1, o que caracteriza uma forte associação linear positiva. Isso significa que o modelo de reta explica muito bem a relação entre os dados.
• D) INCORRETA: O Método dos Mínimos Quadrados (MQO) minimiza a soma dos quadrados dos resíduos (erros), e não a soma dos desvios absolutos.
• E) INCORRETA: O coeficiente angular é 0,8 (positivo). Isso indica que, para cada dia adicional (x), o número de casos resolvidos (y) aumenta, em média, 0,8 unidades, e não diminui.

No modelo apresentado y=2+0,8x:

1. Intercepto (b0=2): Valor estimado de y quando x é zero.
2. Coeficiente Angular (b1=0,8): Taxa de variação. Como é positivo, a reta é crescente.
3. Correlação (r=0,9): Indica a força e a direção da relação.

Resposta Correta: A alternativa correta é a C.

Gab. C

O uso de Coeficiente de Correlação de Pearson( muitas vezes representado por r) indica uma correlação entre duas variáveis quantificadoras, quando há uma linearidade, ou seja, uma relação linear. Dito isso, teremos um correlação forte e positiva(se uma grandeza aumenta a outra também aumenta) quando r está próximo de 1. Do contrario, se r está próxima -1, ou seja, correlação negativa se uma grandeza aumenta a outra também diminui. Além disso, caso o r for zero, não há correlação linear.

Por fim, O coeficiente de Correlação de Pearson não é prova concreta de causalidade e as variáveis(grandezas envolvidas) devem ser númerica.