<WRAP center round box 80%>

• baixe o arquivo regression.txt
• abra no Excel e calcule o intercepto e a inclinação do modelo linear
• crie uma coluna com os valores de resíduos do modelo para cada observação
• crie uma coluna com os valores de desvíos quadráticos para cada observação
• calcule o valor de desvio total dos dados
• monte uma tabela de anova com os resultados

</WRAP>

$$SS_{total} = \sum_{i=1}^n (y_{i} - \bar{y})^2$$

$$SS_{error} = \sum_{i=1}^n (y_{i} - \hat{y})^2$$

$$SS_{total} = SS_{regr} + SS_{erro} $$

<WRAP center round tip 60%> Para o cálculo dos parâmetros da reta use as funções do Excell:

• INCLINAÇÂO
• INTERCEPÇẪO

</WRAP>

<WRAP center round box 80%>

• baixe o arquivo colheita.csv
• abra no excel
• transforme a variável solo em dummy (3 novas colunas)
• salve o arquivo com texto e abra no R
• crie o modelo linear desses dados com as novas variáveis como preditoras

<WRAP center round box 60%>

<code> lmcolheita ← lm(colhe ~ dummy1 + dummy2 + dummy3 , data = colheitaDummy) </code >

</WRAP>

• ajuste o modelo normal de anova (aov)
• compare os coeficientes dos dois modelos

</WRAP>

<WRAP center round box 80%>

• abra o arquivo babies.csv no R
• faça os modelos possíveis com as variáveis:
  • resposta bwt : peso do bebê ao nascer
  • preditoras:
    • gestation: tempo de gestação (dias)
    • smoke: 0 não fumante; 1 fumante
  • selecione o modelo mínimo plausível pelo método: modelo cheio para mínimo adequado

</WRAP>