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.

Relação entre umidade e grau de contaminação(R0):

Podemos observar que pode existir relação linear para a cidade. Para vizualizar melhor podemos calcular o coeficiente de correlação para os dados:

## 
## Call:
## lm(formula = R0 ~ humidade, data = guangzhou)
## 
## Coefficients:
## (Intercept)     humidade  
##    2.391686    -0.003292

Quantificando a qualidade do modelo:

## [1] 0.3619727

É mais fácil se tivermos um parâmetro pra comparar esse número. Usaremos o erro de um modelo sem a variável humidade:

Veremos agora o quanto R0 e sua média descrevem a função de relação.

Regressão linear simples foi utilizada para analisar, na cidade de Guangzhou, a associação entre R0(y) e humidade(a). OS resultados indicam que um modelo no formato R0 = -0.003292 * humidade + 2.391686 explicam 13.15% da variância da variável de resposta (R2 = 0.1315). O aumento de 1 unidade de humidade medida como % representa um mudança de -0.003292 em R0. Portanto, mesmo com uma humidade alta na cidade de Guangzhou, a influência que a umidade tem sobre o coeficiente de contaminação do vírus é pequena.

Em comparação a cidade de Shangai, os coeficientes se comportam de maneira parecida, pois quanto menor a humidade nas cidades, mais pessoas são contaminadas com o vírus, já que Shangai cresce em -0.0043 e Guangzhou em -0.0032 por unidade de umidade relativa do ar.

Relação entre temperatura e grau de contaminação(R0):

Podemos observar que pode existir relação linear para a cidade. Para vizualizar melhor podemos calcular o coeficiente de correlação para os dados:

## 
## Call:
## lm(formula = R0 ~ temperatura, data = guangzhou)
## 
## Coefficients:
## (Intercept)  temperatura  
##     2.47894     -0.02071

Quantificando a qualidade do modelo:

## [1] 0.3468632

Veremos agora o quanto R0 e sua média descrevem a função de relação.

Regressão linear simples foi utilizada para analisar, na cidade de Guangzhou, a associação entre R0(y) e temperatura(a). OS resultados indicam que um modelo no formato R0 = -0.02071 * temperatura + 2.47894 explicam 16.78% da variância da variável de resposta (R2 = 0.1315). O aumento de 1 grau Celsius(°C) de temperatura representa um mudança de -0.02071 em R0. Portanto, mesmo com uma temperatura elevada na cidade de Guangzhou, a influência que a temperatura tem sobre o coeficiente de contaminação do vírus é pequena.

Em comparação a cidade de Shangai, os coeficientes se comportam de maneira parecida, pois quanto maior a temperatura nas cidades, menos pessoas são contaminadas com o vírus, já que Shangai cresce em -0.02605 e Guangzhou em -0.02071 por grau Celsius(°C).