pressure
p<-pressure$pressure
t<-pressure$temperature
reg1<-lm(p~t)
reg2<-update(reg1,.~.+I(t^2))
reg3<-update(reg2,.~.+I(t^3))
summary(reg1)
summary(reg2)
summary(reg3)
r2<-summary(reg3)$r.squared


##7b
#Galileu estava certo?
init.h = c(600, 700, 800, 950, 1100, 1300, 1500)
h.d = c(253, 337, 395, 451, 495, 534, 573)
plot(h.d~init.h)
mod1 <- lm(h.d~init.h)
mod2 <- update(mod1,.~. +I(init.h^2))
anova(mod1,mod2)
abline(mod1)
cf.m2 <- coef(mod2)
curve(cf.m2[1]+cf.m2[2]*x+cf.m2[3]*x^2, add=T, lty=2)
summary(mod2)
mod3<-update(mod2,.~.+I(init.h^3))
anova(mod2,mod3)
abline(mod3)
#O melhor modelo  consiste no polinômio de terceiro grau uma vez que o mesmo melhor descreve os dados.

##Massa de recém-nascidos
babies<-read.table("babies.txt",header=T,sep="")
head(babies)
mod1<-lm(babies$bwt~babies$gestation)
mod2<-update(mod1,.~.+I(babies$parity))
mod3<-update(mod1,.~.+I(babies$age))
mod4<-update(mod1,.~.+I(babies$height))
mod5<-update(mod4,.~.+I(babies$weight))
mod6<-update(mod4,.~.+I(babies$smoke))
anova(mod1,mod2)
anova(mod1,mod3)
anova(mod1,mod4)
anova(mod4,mod5)
anova(mod4,mod6)
#O modelo 6 melhor descreveu a variação dos dados