# Sofia Alexandra Marques Silva


## Exercicios Aula 7 - Exercícios de Regressões Lineares Simples


### Exercício - Altura na Infância e Na Vida Adulta


#### 1

criança<-c(39,30,32,34,35,36,36,30)
adulto<-c(71,63,63,67,68,68,70,64)
m1<-lm(adulto~criança)
plot(adulto~criança, xlim=c(30,40),ylim=c(60,75),xlab="Altura 2 anos(in)", ylab="Altura Adulto (in)",
 pch=2,bty="l", main="Altura Infância e na Vida Adulta")
abline(m1)
anova(m1)
summary(m1)

# Graficamente e pelo resultado das análises com valores de p significativos,
# há uma relação linear significativa entre os dados.

#### 2 

plot(adulto~criança, xlim=c(30,40),ylim=c(60,75),xlab="Altura 2 anos(in)", ylab="Altura Adulto (in)",
 pch=2,bty="l", main="Altura Infância e na Vida Adulta")
abline(m1)
# segundo a crença y = 0 + 2 * x
abline(a=0, b=2, lty=2)

#### 3

confint(m1)

#### 4		

coef(m1)
# Não. Porque os coeficienes da recta do modelo e da recta
# teórica são diferentes.



### Exercício - Seriemas e Carcarás

#### 1 

aves<-read.csv("aves_cerrado.csv", header=TRUE, as.is=TRUE, sep=";")
str(aves)
head(aves)
aves$fisionomia[aves$fisionomia=="ce"] <- "Ce"
aves$fisionomia<-factor(aves$fisionomia, levels=c("CL","CC","Ce"))
str(aves)
summary(aves)
aves<-aves[apply(is.na(aves),1,sum)==0,]

CL<-lm(carcara~seriema,subset=fisionomia=="CL",data=aves)
CC<-lm(carcara~seriema,subset=fisionomia=="CC",data=aves)
Ce<-lm(carcara~seriema,subset=fisionomia=="Ce",data=aves)
summary(CL) 
summary(CC)	 
summary(Ce)

# No Cerrado limpo o número de avistamentos das espécies,
# carcara e seriema, parece estar significativamente relacionado.
# No entanto, apenas 28% dos dados estejam explicados pelo modelo linear.


#### 2

CSF<-lm(carcara~fisionomia+seriema,data=aves)
summary(CSF)

# Sim. Há diferenças significativas em todos os locais.



### Exercício - Resíduos de Iris

#### 1

require(datasets)
str(iris)
head(iris)
setosa<-iris[iris$Species=="setosa",]
str(setosa)
setosa1<-lm(Sepal.Width~Sepal.Length,data=setosa)
summary(setosa1) # A relação entre a largura e o comprimento das sépalas é significativa (p<0).
# Essa relação é positiva, isto é o aumento de uma das medidas é acompanhado pelo aumento da outra,
# tal como seria de esperar, praticamente numa razão de 1:1 (estimate=0.80).
plot(setosa1) #e o modelo de regressão linear parece obedecer, de uma maneira geral, aos parâmetros
# de lineariedade.


#### 2

setosa2<-residuals(lm(Sepal.Length~Petal.Length,data=setosa))
setosa3<-residuals(lm(Sepal.Width~Petal.Length,data=setosa))
setosa4<-lm(setosa2~setosa3)
summary(setosa4)
plot(setosa4)
# descontando o efeito do comprimento da pétala, a lineariedade da regressão é perdida
# apesar de se obter um valor de p significativo. 



#### FIM! ####