• baixe o arquivo regression.txt
• abra no Excel e calcule o intercepto e a inclinação do modelo linear
• crie uma coluna com os valores de resíduos do modelo para cada observação
• crie uma coluna com os valores de desvíos quadráticos para cada observação
• calcule o valor de desvio total dos dados
• monte uma tabela de anova com os resultados
• calcule o $r2$ (coeficiente de determinação) da regressão

• baixe o arquivo colheita.csv
• abra no excel
• transforme a variável solo em dummy (3 novas colunas)
• salve o arquivo com texto e abra no R
• crie o modelo linear desses dados com as novas variáveis como preditoras

lmdummy <- lm(colhe ~ dummy1 + dummy2 + dummy3 , data = colheitaDummy)
## avalie o modelo 
summary(lmdummy)
anova(lmdummy)

• ajuste o modelo normal de anova

lmAnova <- lm(colhe~solo, data=colheita)

## avalie o modelo
summary(lmAnova)
anova(lmAnova)

• compare os coeficientes dos dois modelos