Classifique as seguintes variáveis como quantitativa discreta ou contínua e qualitativa ordinal ou nominal.
(a) Região de residência (Norte, Nordeste, Centro Oeste, Sudeste ou Sul).
(a) Região de residência (Norte, Nordeste, Centro Oeste, Sudeste ou Sul).
Passo 1
Beleza, vamos lá! A gente tem um exercício que pede para classificar uma variável. O conteúdo que vamos usar aqui é sobre tipos de variáveis: quantitativas (discretas ou contínuas) e qualitativas (ordinais ou nominais). Precisamos entender essas categorias para classificar a variável “Região de residência”.
Passo 2
Primeiro, vamos entender a diferença entre variáveis quantitativas e qualitativas.
-
Quantitativas são aquelas que medem alguma coisa, têm números que fazem sentido em termos de quantidade. Elas podem ser:
- Discretas: têm valores contáveis, como o número de pessoas.
- Contínuas: podem assumir qualquer valor dentro de um intervalo, como altura ou peso.
-
Qualitativas descrevem características ou qualidades. Elas podem ser:
- Ordinais: têm uma ordem ou ranking, como níveis de satisfação (satisfeito, neutro, insatisfeito).
- Nominais: não têm ordem, apenas diferentes categorias, como cores ou, no nosso caso, regiões.
Passo 3
Agora, vamos aplicar isso à nossa variável: Região de residência com as categorias Norte, Nordeste, Centro-Oeste, Sudeste e Sul.
- Essas regiões não têm uma ordem ou hierarquia entre si. Não existe uma região “maior” ou “melhor” que outra dentro desse contexto.
- Portanto, a variável não está relacionada a uma quantidade nem tem um ranking.
Resposta
A variável “Região de residência” é uma variável qualitativa nominal.
Exercícios relacionados
Um engenheiro de software deseja prever o tempo de resposta de uma API com base no número de requisições por segundo que o servidor recebe. Foram coletados os dados aprsentados na tabela abaixo:
(a) Determine a reta de regressão linear simples;
(b) Estime o tempo de resposta se o servidor receber 45 requisições por segundo.
(a) Determine a reta de regressão linear simples;
(b) Estime o tempo de resposta se o servidor receber 45 requisições por segundo.
Requisições por segundo (X) | Tempo de resposta (Y) |
---|---|
10 |
|
20 |
|
30 |
|
40 |
|
50 |
|
Um pesquisador interessado em testar o efeito de um medicamento em reduzir o suor aplicou o produto em um dos braços, escolhido ao acasso, em uma amostra de nove indivíduos. O outro braço serviu de controle. O suor durante uma atividade física foi mensurado em ml nos dois braços. O pesquisador estava interessado em saber se existe correlação entre as medidas de suor do braço não tratado
e do braço tratado
. Calcule o coeficiente de correlação linear de Pearson entre
e
. As mensurações são apresentadas a seguir:
Indivíduo | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
---|---|---|---|---|---|---|---|---|---|
|
6,625 | 5,508 | 4,279 | 2,104 | 1,117 | 1,308 | 5,881 | 7,796 | 2,688 |
|
0,113 | 0,142 | 0,067 | 0,083 | 0,055 | 0,121 | 0,207 | 0,076 | 0,101 |
Uma equipe de TI está monitorando o desempenho de um servidor web e coletou os seguintes dados sobre o número de requisições por segundo (variável X ) e o tempo médio de resposta do servidor em milissegundos (variável Y ) durante diferentes cargas de trabalho:
Requisições por segundo | 100 | 200 | 300 | 400 | 500 | 600 | 700 | 800 | 900 |
---|---|---|---|---|---|---|---|---|---|
Tempo de resposta | 120 | 140 | 160 | 190 | 230 | 260 | 280 | 300 | 350 |
(a) Calcule o coeficiente de correlação de Pearson entre o número de requisições por segundo e o tempo de resposta;
(b) Interprete o resultado do coeficiente de correlação em termos da relação entre a carga no servidor e o tempo de resposta;
© Determine a equação da reta de regressão linear simples que modela a relação entre X (requisições por segundo) e Y (tempo de resposta);
(d) Utilize o modelo de regressão para estimar o tempo de resposta se o servidor receber 1100 requisições por segundo.
(b) Interprete o resultado do coeficiente de correlação em termos da relação entre a carga no servidor e o tempo de resposta;
© Determine a equação da reta de regressão linear simples que modela a relação entre X (requisições por segundo) e Y (tempo de resposta);
(d) Utilize o modelo de regressão para estimar o tempo de resposta se o servidor receber 1100 requisições por segundo.
Um engenheiro de software deseja prever o tempo de resposta de uma API com base no número de requisições por segundo que o servidor recebe. Foram coletados os dados apresentados na tabela abaixo:
(a) Determine a reta de regressão linear simples;
(b) Estime o tempo de resposta se o servidor receber 45 requisições por segundo.
(a) Determine a reta de regressão linear simples;
(b) Estime o tempo de resposta se o servidor receber 45 requisições por segundo.
Requisições por segundo (X) | Tempo de resposta (Y) |
---|---|
10 |
|
20 |
|
30 |
|
40 |
|
50 |
|