Bases de Matemática e Estatística

No link a seguir encontramse valores do nível médio do mar medido em milímetros entre os anos de 1992 e 2023 httpsdrivegooglecomfiled1xO5fGkMd8KJ uspsharing a Use o método dos mínimos quadrados para fazer o ajuste de uma função linear aos dados e a partir desse modelo obtenha a taxa média de variação do nível médio do mar com respeito ao tempo entre os anos tabelados b Use o método dos mínimos quadrados para fazer o ajuste de uma função quadrática aos dados e a partir desse modelo obtenha a aceleração do nível médio do mar c Qual entre esses dois modelos melhor se ajusta aos dados d Usando o melhor entre esses dois modelos estime o nível médio do mar em 2024 Valor da taxa média de variação do nível médio do mar com respeito ao tempo entre os anos tabelados com quatro casas após a vírgula usando arredondamento mmano Valor da taxa média de variação do nível médio do mar com respeito ao tempo entre os anos tabelados com quatro casas após a vírgula usando arredondamento mmano Valor da aceleração do nível médio do mar com quatro casas após a vírgula usando arredondamento mmano² O modelo que melhor se ajusta aos dados Valor estimado do nível médio do mar em 2024 segundo o melhor entre os dois modelos em análise com duas casas após a vírgula usando arredondamento mm modelo linear modelo quadrático Importar as bibliotecas necessárias from numpy import from pandas import readcsv from scipyoptimize import curvefit from seaborn import lineplot scatterplot Importar os dados da planilha dados readcsvMeanSeaLevel2023rel1csv sep x dadosiloc0 y dadosiloc1 taxa yleny1y0xlenx1x0 taxa npfloat6434366820885657643 Regressão linear def linxab return ax b poptlin curvefitlin x y ylin for i in x ylincalc linipoptlin00 poptlin01 ylinappendylincalc taxa poptlin00 taxa npfloat6434287553862804425 Regressão quadrática def quadrxabc return ax2bxc poptquadr curvefitf quadr xdata x ydata y poptquadr0 yquadr for i in x yquadrcalc quadripoptquadr00 poptquadr01 poptquadr02 yquadrappendyquadrcalc aceleracao 2poptquadr00 aceleracao npfloat64008368264045165866 Cálculo do erro relativo entre as regressões e os dados errolin for i in range0lenx1 errlin 100absyliniyiyi errolinappenderrlin erroquadr for i in range0lenx1 03072025 1316 TrabalhoLiliaipynb Colab httpscolabresearchgooglecomdrive1ayzRv0PzsGb978adXM5HlS2M8hXKJPQ3scrollTo6DVAOn4YEK6BprintModetrue 12 errquadr 100absyquadriyiyi erroquadrappenderrquadr Cálculo do coeficiente de correlação de Pearson ao quadrado entre os dados calculados e os dados fornecidos corrlin corrcoefyylin corrquadr corrcoefyyquadr corr2lin corrlin01corrlin10 corr2quadr corrquadr01corrquadr10 corr2lin corr2quadr npfloat6409763217374380045 npfloat640985365690925738 Ambos modelos ajustam bem os dados do problema mas o modelo quadrático ajusta melhor por possuir um corr 09853 enquanto o linear apresenta um corr 09763 Previsão para 2024 com o modelo quadrático prevquadr quadr2024 poptquadr00 poptquadr01 poptquadr02 prevquadr npfloat647876670541541534 03072025 1316 TrabalhoLiliaipynb Colab httpscolabresearchgooglecomdrive1ayzRv0PzsGb978adXM5HlS2M8hXKJPQ3scrollTo6DVAOn4YEK6BprintModetrue 22