Os dados analisados são sobre os casos de contaminação do vírus COVID-19 em cidades da China, levando em consideração a data, R0 que é o grau de contaminação, temperatura e a umidade relativa do ar naquela data.

Os dados foram coletados em quatro cidades da China, em um período de 21 dias, uma vez por dia. Como mostram os gráficos a seguir:

Relação entre temperatura e grau de contaminação:

Vamos visualizar a relação entre a temperatura e o grau de contaminação em um gráfico de dispersão:

Podemos observar que pode existir relações lineares para as cidades. Para vizualizar melhor podemos calcular o coeficiente de correlação para os dados:

Observamos que os coeficientes são negativos e que Chengdu e Shangai possuem uma relação forte, enquanto Beijing e Guangzhou possuem uma relação média.

Agora vamos construir um intervalo de confiança para os dados, com 5000 amostras de bootstraps e um intervalo de confiança com um nível de 95% de confiança:

Para entendermos melhor esses intervalo de confiança, podemos visualiza-los num gráfico:

Agora calcularemos os modelos a partir de uma regressão linear para as cidades:

Como podemos ver com os modelos de comportamento montados, podemos montar as equações para cada uma das cidades:

Beijing: R0 = -0.011 * temperatura + 2.242

Shangai: R0 = -0.026 * temperatura + 2.424

Guangzhou: R0 = -0.020 * temperatura + 2.478

Chengdu: R0 = -0.026 * temperatura + 2.259

O R2 de Shangai é maior, ou seja, o modelo de Shangai consegue representar melhor os dados do que os modelos montados para as outras cidades para a relação entre a temperatura e o grau de contaminação.

Conclusões:

Regressão linear simples foi utilizada para analisar a associação entre R0 e temperatura. Os resultados da regressão indicam que os modelo explicam de 16.78% e 54.03% da variância da variável R0. Portanto, embora exista uma relação entre temperatura e R0, o efeito da temperatura é modesto na taxa de contágio do covid-19.

Relação entre a umidade e o grau de contaminação:

Vamos visualizar a relação entre a umidade e o grau de contaminação em um gráfico de dispersão:

Podemos observar que pode existir relações lineares para as cidades. Para vizualizar melhor podemos calcular o coeficiente de correlação para os dados:

Observamos que os coeficientes são negativos nas cidades de Beijing, Guangzhou e Shangai e positivo na cidade de Chengdu. Possuem uma relação forte nas cidades de Beijinj, Chengdu e Shangai e uma relação média na cidade de Guangzhou.

Agora vamos construir um intervalo de confiança para os dados, com 5000 amostras de bootstraps e um intervalo de confiança com um nível de 95% de confiança:

Para entendermos melhor esses intervalo de confiança, podemos visualiza-los num gráfico:

Agora calcularemos os modelos a partir de uma regressão linear para as cidades:

Como podemos ver com os modelos de comportamento montados, podemos montar as equações para cada uma das cidades:

Beijing: R0 = -0.002 * humidade + 2.416

Shangai: R0 = -0.004 * humidade + 2.542

Guangzhou: R0 = -0.003 * humidade + 2.391

Chengdu: $R0 = 0.004 * humidade + 1.650

O R2 de Shangai é maior, ou seja, o modelo de Shangai consegue representar melhor os dados do que os modelos montados para as outras cidades para a relação entre a umidade e o grau de contaminação.

Conclusões:

Regressão linear simples foi utilizada para analisar a associação entre R0 e umidade. Os resultados da regressão indicam que os modelo explicam de 13,15% a 52,07% da variância da variável R0. Portanto, embora exista uma relação entre humidade e R0, o efeito da humidade é modesto na taxa de contágio do covid-19.