Relação entre a temperatura de uma semana e a temperatura da semana passada

O gráfico abaixo mostra a relação entre a temperatura média da semana e da semana anterior no ano de 2019. Olhando para Campina Grande, podemos notar que, apesar de estar sempre havendo variação da temperatura ao longo das semanas, à medida que a temperatura da semana aumenta, a da semana anterior também aumenta. Calculando o coeficiente de correlação de Pearson, chegamos ao valor de 0.8844842. Isso significa que existe uma correlação forte positiva entre essas duas variáveis, indicando que a temperatura da semana tem uma certa dependência com a temperatura da semana annterior. Apesar de ter alguns pontos mais dispersos, é possível verificar no gráfico que a linha que liga os pontos cresce a medida que a temperatura aumenta. Em João Pessoa, pelo gráfico, também observamos uma linha crescente a medida que a temperatura aumenta. A diferença é que ela cresce de forma mais suave, mas ainda mostrando uma dependência. Calculando o coeficiente de Pearson, chegamos ao valor de 0.7382794. Isso indica que existe uma correlação forte positiva, indicando também que existe dependencia entre as temperaturas. Por fim, em Patos também é possível perceber pelo gráfico que a medida que a temperatura aumenta, a da semana anterior também aumenta. Calculando o coeficiente de Pearson, temos o valor de 0.8767133, também mostrando correlação forte positiva entre as variáveis. Assim, podemos dizer que nas três cidades a temperatura da semana tem relação forte e positiva com a temperatura da semana anterior no ano de 2019.

Relação entre temperaturas e chuvas nas semanas em que choveu nas três cidades

O gráfico abaixo mostra a relação entre temperaturas e chuvas nas semanas que choveu nas três cidades no ano de 2019. Em Campina Grande, é possível notar que apesar dos pontos estarem um pouco dispersos, a linha tende a não ter muita inclinação, demonstrando que não há muita relação entre as variáveis. Calculando o coeficiente de correlação de Pearson, chegamos ao valor de -0.6198618, indicando uma correlação moderada negativa, ou seja, existe uma depência moderada de modo na medida em que a temperatura aumenta, o índice pluviométrico diminui. É importante destacar um ponto extremo, que é o primeiro, que influencia nessa correlação. Quando removido da análise, a correlação diminui, mas ainda sendo moderada quase fraca. Já em João Pessoa, os pontos estão bem dispersos, aparentando não ter relação entre as variáveis. Calculando o coeficiente de Pearson, chegamos ao valor de -0.4700245. Ou seja, existe uma relação fraca e negativa. A existência de pontos extremos inflluenciam nesse cálculo. Removendo valores acima de 100 da variável chuva, o coeficiente de Pearson passa a ser -0.2890065. Isso mostra que, de fato, a relação entre as variáveis é desprezível, não existindo dependência entre elas. Por fim, em Patos os dados também estão bem dispersos aparentand não ter correlação entre os dados. Calculando o coeficiente de Pearson, temos o valor de -0.144897, indicando que existe uma correlação desprezível, ou seja não existe dependência entre as váriaveis. Removendo pontos extremos a coorrelação fica ainda menor com o valor de -0.06697349. Logo, é perceptivel que as temperaturas e as chuvas tnão possuem muita relação nas três cidades. Apesar de em Campina Grande a correlação ser um pouco maior, ainda não chega a ser um valor que indique dependência.