CORRELAÇÃO, REGRESSÂO E GRÁFICO

#CORRELAÇÃO, REGRESSÂO E GRÁFICO.
#Queremos verificar se os machos e as fêmeas da mesma espécie possuem o mesmo comprimento (em mm). Para isso foram medidos seis exemplares de cada sexo e obtivemos os seguintes comprimentos.
#machos=c(145,127,136,142,141,137) # será representado por -x #fêmeas=c(143,128,132,138,142,132) # será representado por –y

#As hipóteses são:
#H0: µ x = µ y # o comprimento e igual entre ambos. #HA: µ x =/ µ y # o comprimento e diferente entre ambos. x=c(145,127,136,142,141,137) y=c(143,128,132,138,142,132) #Covariância cov(x,y) [1] 35
#Variância
var(x)
[1] 40 var(y)
[1] 36.96667 #Média mean(y) [1] 135.8333 mean(x)
[1] 138 #De acordo com os parâmetros, H0 analisa a possibilidade de o comprimento ser igual entre os machos e as fêmeas, e HA analisa a possibilidade de serem diferentes. t.test(x,y)

Welch Two Sample t-test data: x and y t = 0.6049, df = 9.984, p-value = 0.5587 alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval: -5.815291 10.148624 sample estimates: mean of x mean of y 138.0000 135.8333
# Resposta test.t
#O teste t e bilateral, ao nível de significância de 5% sendo cada parte ficou com 2,5% o p-value e de 0,5587 desta forma ficou na área de não rejeição de H0, portando o comprimento e igual. #Correlação: cor(x,y) [1] 0.9101918 cor.test(x,y) Pearson's product-moment correlation data: x and y t = 4.3951, df = 4, p-value = 0.01174 alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval: 0.3774266 0.9902665 sample estimates: cor
0.9101918
#Resposta da correlação
#varia de -1 e 1. Ela é nula quando é 0, não ha correlação. #O valor da estimativa do coeficiente de Pearson r é 0.9101918 é a correlação é altamente significativa. #Podemos inferir que há uma correlação positiva e significativa entre comprimento x e y.

#Regressão:
#A regressão linear dá um modelo em que você associa duas variáveis... No