SRIE: Estatstica Bsica

Texto v: CORRELAO E REGRESSO

SUMRIO
1. CORRELAO............................................................................................. 2
1.1. Introduo.............................................................................................................................................. 2
1.2. Padres de associao............................................................................................................................ 3
1.3. Indicadores de associao...................................................................................................................... 3
1.4. O coeficiente de correlao.................................................................................................................... 5
1.5. Hipteses bsicas.................................................................................................................................... 5
1.6. Definio................................................................................................................................................. 6
1.7. Distribuio amostral de r (quando = 0)........................................................................................... 6
1.8. Distribuio amostral de r (quando 0)........................................................................................... 7
1.9. Propriedades de r................................................................................................................................... 8

2. REGRESSO................................................................................................ 9
2.1. Estimativa dos parmetros de regresso............................................................................................ 11
2.2. Estimativa da varincia do termo erro............................................................................................... 12
2.3. Distribuies das estimativas............................................................................................................... 15
2.3.1. Distribuio do estimador b................................................................................................................................15
2.3.2. Distribuio do estimador a................................................................................................................................16

2.4. Decomposio da soma dos quadrados............................................................................................... 16

2.4.1. Decomposio dos desvios.................................................................................................................................... 16
2.4.2. Clculo das variaes.............................................................................................................................................17

2.5. Intervalos de confiana........................................................................................................................ 18

2.5.1. Intervalo para o coeficiente linear ()....................................................................................................................18
2.5.2. Intervalo para o coeficiente angular ().................................................................................................................18
2.5.3. Intervalo para previses.........................................................................................................................................18

2.6. Testes de hipteses................................................................................................................................ 20

2.6.1. Teste para a existncia da regresso.......................................................................................................................20
2.6.2. Teste para o coeficiente linear................................................................................................................................20

2.7. Coeficiente de determinao ou de explicao................................................................................... 21

3. EXERCCIOS............................................................................................... 22
4. RESPOSTAS............................................................................................... 27
5. REFERNCIAS........................................................................................... 30

Prof. Lor Viali - viali@mat.pucrs.br

- http://www.mat.pucrs.br/~lori/

CORRELAO E REGRESSO
1. CORRELAO
1.1. INTRODUO
Ao se estudar uma varivel o interesse eram as medidas de tendncia central, disperso,
assimetria, etc. Com duas ou mais variveis alm destas medidas individuais tambm de interesse
conhecer se elas tem algum relacionamento entre si, isto , se valores altos (baixos) de uma das
variveis implicam em valores altos (ou baixos) da outra varivel. Por exemplo, pode-se verificar se
existe associao entre a taxa de desemprego e a taxa de criminalidade em uma grande cidade, entre
verba investida em propaganda e retorno nas vendas, etc.
A associao entre duas variveis poder ser de dois tipos: correlacional e experimental. Numa
relao experimental os valores de uma das variveis so controlados pela atribuio ao acaso do
objeto sendo estudado e observando o que acontece com os valores da outra varivel. Por exemplo,
pode-se atribuir dosagens casuais de uma certa droga e observar a resposta do organismo; pode-se
atribuir nveis de fertilizante ao acaso e observar as diferenas na produo de uma determinada
cultura.
No relacionamento correlacional, por outro lado, no se tem nenhum controle sobre as
variveis sendo estudadas. Elas so observadas como ocorrem no ambiente natural, sem nenhuma
interferncia, isto , as duas variveis so aleatrias. Assim a diferena entre as duas situaes que na
experimental ns atribumos valores ao acaso de uma forma no tendenciosa e na outra a atribuio
feita pela natureza.

Figura 1.1 - Vrios tipos de relacionamento entre as variveis X e Y

Freqentemente necessrio estudar o relacionamento entre duas ou mais variveis. Ao estudo
do relacionamento entre duas ou mais variveis denominamos de correlao e regresso. Se o estudo
tratar apenas de duas variveis tem-se a correlao e a regresso simples, se envolver mais do que duas
variveis, tem-se a correlao e a regresso mltiplas. A regresso e a correlao tratam apenas do
relacionamento do tipo linear entre duas variveis.

A anlise de correlao fornece um nmero que resume o grau de relacionamento linear entre
as duas variveis. J a anlise de regresso fornece uma equao que descreve o comportamento de
uma das variveis em funo do comportamento da outra varivel.

1.2. PADRES DE ASSOCIAO

Independente do tipo (correlacional ou experimental) a relao entre as variveis pode ser
resumida atravs de uma equao indicando o padro de associao entre as duas variveis. As
relaes mais comuns encontradas esto ilustradas na figura 1.1.
Quando no possvel perceber uma relao sistemtica entre as variveis dito que as
variveis so no correlacionadas, so independentes ou ainda que so ortogonais.

1.3. INDICADORES DE ASSOCIAO

Suponha-se que queiramos determinar se duas variveis aleatrias esto de alguma forma
correlacionadas. Por exemplo, suponha-se que se queira determinar se o desempenho dos empregados
no trabalho est de alguma forma associado ao escore obtido num teste vocacional.
Tabela de contingncia 2x2. Uma vez que a correlao entre duas variveis aleatrias reflete o
quanto os altos escores de uma delas implicam em altos escores da outra e baixos escores de uma
implicam em baixos escores da outra e vice-versa, no caso de uma relao negativa, pode-se comear a
anlise identificando, justamente quantos elementos de uma das variveis so altos e quantos so
baixos. Para determinar se um escore ou valor alto ou baixo, pode-se convencionar que qualquer
valor acima da mediana alto e qualquer valor abaixo da mediana baixo. Classificando desta forma
pode-se ter ento, para o exemplo, 4 possveis resultados:
Tanto o desempenho no trabalho quanto no teste esto acima da mediana (+ +)
O desempenho no trabalho est acima mas o do teste est abaixo da mediana (+ )
Tanto o desempenho no trabalho quanto o do teste esto abaixo da mediana ( )
O desempenho no trabalho est abaixo da mediana mas o teste no ( +)
Estas quatro possibilidades podem ser arranjadas em uma tabela de contingncia 2x2, como a
mostrada abaixo:
Tabela 1.1 Desempenho no trabalho e no teste
Escore no teste vocacional
Desempenho no trabalho
Abaixo da mediana ()Acima da mediana (+)
Acima da mediana (+)(, +) 10 empregados(+, +) 40 empregados
Abaixo da mediana ()(, ) 40 empregados(+, ) 10 empregados
Observese que se no existir relao entre as duas variveis devese esperar nmero idntico
de empregados em cada uma das clulas da tabela, isto , se a pessoa o escore da pessoa no teste
vocacional est acima ou abaixo da mediana no tem nada a ver com o seu escore no desempenho no
trabalho estar acima ou abaixo da mediana.
O que pode ser visto na tabela acima que parece existir uma forte correlao entre as duas
variveis, pois ao invs de igual nmero em cada clula o que se tem um nmero grande de ambas as
variveis acima da mediana e um nmero grande de escores de ambas as variveis abaixo da mediana.
Das 50 pessoas com escore acima da mediana no teste, 40 deles (80%) apresentaram escore acima da
mediana no desempenho do trabalho. Da mesma forma dos 50 que tiverem classificaes abaixo da

mediana, 40 deles apresentaram escore abaixo da mediana no desempenho do trabalho. Se no

houvesse correlao seria de se esperar que dos 50 que tiveram escores acima da mediana no teste 25
tivessem escores acima da mediana no desempenho do trabalho e 25 abaixo.

A tabela 1.2 mostra outras possveis sadas para este tipo de esquema de classificao cruzada.
Novamente 100 elementos so classificados em 4 clulas de acordo com o critrio anterior. A parte (a)
da tabela mostra uma associao positiva, a parte (b) uma negativa e a parte (c) que no deve existir
associao entre duas variveis X e Y.
Tabela 1.2 - Indicativos da presena de associao entre duas variveis X e Y.
(a) Relao positiva

(b) Relao negativa

Valor de Y

Valor de Y

Valor de
X

(c) Sem relao

Valo r de Y

Abaixo Acima da Valor de Abaixo Acima da Valor de X Abaixo Acima da

mediana
X
da
mediana
da
mediana
da
mediana
mediana
mediana

Acima da
mediana

15

35

Acima da
mediana

35

15

Acima da
mediana

25

25

Abaixo
da
mediana

35

15

Abaixo da
mediana

15

35

Abaixo da
mediana

25

25

Diagramas de disperso. As tabelas de contingncia 2x2 fornecem somente a indicao

grosseira da relao entre duas variveis, a no ser o fato de que os valores esto situados acima e
abaixo da mediana, qualquer outra informao desperdiada. Vamos considerar um exemplo,
envolvendo duas variveis contnuas.
Um comerciante de temperos est curioso sobre a grande variao nas vendas de loja para loja
e acha que as vendas esto associadas com o espao nas prateleiras dedicados a sua linha de produto
em cada ponto de venda. Dez lojas foram selecionadas ao acaso atravs do pas e as duas seguintes
2
variveis foram mensuradas: (1) total de espao de frente (comprimento x altura em cm ) dedicados a
sua linha de produtos e (2) total das vendas dos produtos, em reais, no ltimo ms. Os dados so
apresentados na tabela 1.3.
2

Tabela 1.3 Vendas x espao dedicado aos produtos (em cm ).

Local
1
2
3
4
5
6
7
8
9
10

Espao
340
230
405
325
280
195
265
300
350
310

Vendas
71
65
83
74
67
56
57
78
84
65

Pela observao da tabela no fcil perceber o tipo de relacionamento que possa existir entre
as duas variveis. Para ter uma idia melhor, as variveis so colocadas no que denominado de
diagrama de disperso. Uma das variveis (X) representada no eixo horizontal e a outra varivel

(Y) no eixo vertical, conforme figura 1.2.

Figura 1.2 Diagrama de disperso das variveis apresentadas na tabela 1.3.

100
90
80
70
60
50
150

200

250

300

350

400

450

Vendas x reas de prateleira

Uma olhada rpida no diagrama de disperso mostra a existncia de um relacionamento entre

as variveis, com altos valores de uma das variveis associados a altos valores da outra varivel. Se
no houvesse relacionamento entre elas, os pontos estariam distribudos ao acaso no grfico sem
mostrarem alguma tendncia.

1.4. O COEFICIENTE DE CORRELAO

Apesar do diagrama de disperso nos fornecer uma idia do tipo e extenso do relacionamento
entre duas variveis X e Y, seria altamente desejvel ter um nmero que medisse esta relao. Esta
medida existe e denominada de coeficiente de correlao. Quando se est trabalhando com amostras
o coeficiente de correlao indicado pela letra r que , por sua vez, uma estimativa do coeficiente de
correlao populacional: (rho).
O coeficiente de correlao pode variar de 1,00 a + 1,00, com um coeficiente de +1, indicando
uma correlao linear positiva perfeita. Neste caso, as duas variveis sero exatamente iguais em
termos de escores padronizados z, isto , um elemento apresentando um escore padronizado de 1,5 em
uma das variveis vai apresentar o mesmo escore padronizado na outra varivel. Um coeficiente de
correlao de 1, indica correlao linear perfeita negativa, com os escores padronizados exatamente
iguais em valores absolutos, diferindo apenas no sinal.
Uma correlao de +1 ou 1 raramente observado. O mais comum que o coeficiente fique
situado no intervalo entre estes dois valores. Um coeficiente de correlao 0, significa que no existe
um relacionamento linear entre as duas variveis.

1.5. HIPTESES BSICAS

A suposio bsica sobre o coeficiente de correlao que o relacionamento entre as duas
variveis seja linear. Isto , o coeficiente de correlao adequado para avaliar somente o
relacionamento linear. As duas variveis podem estar perfeitamente relacionadas, mas se no for de
forma linear o valor do coeficiente pode ser zero ou prximo de zero.
Uma segunda hiptese que as variveis envolvidas sejam aleatrias e que sejam medidas no
mnimo em escala de intervalo. Ele no se aplica a variveis em escala nominal ou ordinal ou quando

uma das variveis manipulada experimentalmente, pois neste caso, a escolha dos valores
experimentais vai influenciar o valor de r obtido.
Uma terceira hiptese que as duas variveis tenham uma distribuio conjunta normal
bivariada. Isto equivalente a dizer que para cada x dado a varivel y normalmente distribuda.

Suponha-se que existam apenas duas variveis X e Y. Uma amostra da varivel X,

assumindo os valores particulares X1, X2, ..., Xn e uma amostra da varivel Y assumindo os valores
particulares Y1, Y2, ..., Yn so obtidas e suponha-se ainda que o objetivo saber se existe algum tipo de
relacionamento linear entre estas duas variveis. Isto poder ser medido pelo coeficiente de
correlao que fornece o grau de relacionamento linear entre duas variveis.

1.6. DEFINIO
Na populao o coeficiente de correlao representado por e na amostra por r. Assim dadas
duas amostras, uma da varivel X e outra da varivel Y, o coeficiente de correlao amostral poder
ser calculado atravs da seguinte expresso:
)
r

Xi X.i Y Y

)X
Xi .) Y

Yi

n) Xi . Yi ) Xi .) Yi

n) X
2
i

n) Y

) Xi
.2

2
i

) Yi

Uma populao que tenha duas variveis no correlacionadas linearmente pode produzir uma
amostra com coeficiente de correlao diferente de zero. Para testar se a amostra foi ou no retirada de
uma populao de coeficiente de correlao no nulo entre duas variveis, precisamos saber qual a
distribuio amostral da estatstica r.

1.7. DISTRIBUIO AMOSTRAL DE R (QUANDO = 0)

A distribuio amostral de r depende somente do valor de (coeficiente de correlao
populacional) e do tamanho da amostra.
Se for admitido que = 0, a distribuio amostral de r (coeficiente de correlao na amostra)
ser simtrica em torno de 0 com variabilidade dada por:
1 r2 n 2
r

Neste caso, pode-se mostrar que o quociente:

graus de liberdade. Isto : t r

1 r2
n2

r / r r

1 r2
n
2

tem uma distribuio t com n - 2

Exemplo:
Quer-se testar se existe ou no correlao linear entre X = toneladas de adubo orgnico por ha e
Y = produo da cultura A por ha. Para tanto realizado um experimento com durao de 5 anos que
mostrou os resultados da tabela 1.4. Verificar se existe relacionamento linear entre as duas variveis.
Tabela 1.4 Valores das variveis X e Y
Anos

1989

48

1990
1991
1992
1993

4
5
6
8

56
64
60
72

Para saber se h ou no correlao linear entre estas duas variveis na populao de onde foi
retirada esta amostra necessrio realizar um teste de hipteses, ou seja, preciso testar:
H0: = 0 (No existe relacionamento linear na populao)
H1: 0 (Existe relacionamento linear na populao)
A tabela 1.5 mostra os clculos necessrios para se obter o coeficiente de correlao para esta
amostra das variveis X e Y.
Tabela 1.5 Valores das variveis X e Y e clculos para obter r
Anos
1989
1990
1991
1992
1993
Total

X
2
4
5
6
8
25

Y
48
56
64
60
72
300

XY
96
224
320
360
576
1576

O valor de r ser dado ento por:

r

n ) Xi . y i ) Xi .) Yi

n) X )
Xi.n) Y )
Yi
2

2
i

X2
4
16
25
36
64
145

Y2
2304
3136
4096
3600
5184
18320

5.1576 25.300

(5.145 252).(5.18320 3002)

= 0,95

2
i

A estatstica teste ser:

tr

1 r2
n2

que neste caso, tem uma distribuio t com n - 2 = 3 graus de liberdade. O valor de t (calculado) :
tr

1 r2
n2

0,95

1 0,95
53

5,270

O valor tabelado de t com 3 g.l. e a 5% de significncia, considerando um teste bilateral :

3,182.
Com estes valores rejeita-se H0 e pode-se afirmar, com 5% de significncia, que as duas
variveis possuem um relacionamento linear na populao.
Dado que h fortes evidncias de que as duas variveis possuem um relacionamento linear
pode-se ento ajustar uma linha de regresso entre elas.

1.8. DISTRIBUIO AMOSTRAL DE R (QUANDO 0)

Para testar a existncia de um certo grau de correlao entre duas variveis X e Y, isto , para
testar

= 0 contra H1:

> 0

 < 0
necessrio determinar a distribuio de r, quando diferente de zero. A distribuio de r s
simtrica quando zero, se isto no ocorre a distribuio ser assimtrica. Esta falta de normalidade
impede que se use o teste tradicional, o teste t, neste caso.
Contudo, mediante uma transformao apropriada, r pode ser alterado para uma estatstica
que aproximadamente normal. Esta transformao denominada de transformao Z de Fischer.
A expresso para realiz-la : r' =

11r[
ln|
|
2[1rJ

Esta quantidade tem distribuio aproximadamente normal com mdia

=

1 1[
ln||
||
2[1J

e varincia = 1 / (n - 3), quando n no for muito pequeno, ou seja, n 20

Exemplo:
Suponha que de experincias anteriores pode ser suposto que a correlao entre a idade e a
presso sangnea sistlica = 0.85. Para testar a hiptese nula, a 5% de significncia, de que
este valor contra a alternativa de que ele diferente deste valor supem-se que foi extrada uma
amostra de tamanho n = 30 e que forneceu um r = 0,66. Ento o teste pode ser realizada atravs dos
seguintes clculos:
Soluo:
r =

1 1r[
ln|
|
2 [1rJ

1 1 0,66 [
ln|
|
2 [ 1 0,66 J

= 0,7928

A distribuio de r' dada por:

=
ln||

z=

1 1[
||

1 1 0,85 [
ln|
|=

2 [1J

2 [ 1 0,85 J

0,7928 1,2561
1 30 3

1,2561

= -2,41

Para um nvel de significncia de 5% o valor tabelado de z -1,96. Rejeita-se, ento a hiptese

nula. Isto , pode-se afirmar que o valor da correlao populacional diferente de 0,85.

1.9. PROPRIEDADES DE R
As propriedades mais importantes do coeficiente de correlao so:
1. O intervalo de variao vai de -1 a +1.
2. O coeficiente de correlao uma medida adimensional, isto , ele independente das unidades de
medida das variveis X e Y.
3. Quanto mais prximo de +1 for r, maior o grau de relacionamento linear positivo entre X e Y, ou
seja, se X varia em uma direo Y variar na mesma direo.

4. Quanto mais prximo de -1 for r, maior o grau de relacionamento linear negativo entre X e Y, isto ,
se X varia em um sentido Y variar no sentido inverso.
5. Quanto mais prximo de zero estiver r menor ser o relacionamento linear entre X e Y. Um valor
igual a zero, indicar ausncia apenas de relacionamento linear.

2. REGRESSO
Uma vez constatado que existe correlao linear entre duas variveis, pode-se tentar prever o
comportamento de uma delas em funo da variao da outra.
Para tanto ser suposto que existem apenas duas variveis. A varivel X (denominada varivel
controlada, explicativa ou independente) com valores observados X1, X2, ..., Xn e a varivel Y
(denominada varivel dependente ou explicada) com valores Y1, Y2, ..., Yn. Os valores de Y so
aleatrios, pois eles dependem no apenas de X, mas tambm de outras variveis que no esto sendo
representadas no modelo. Estas variveis so consideradas no modelo atravs de um termo aleatrio
denominado erro. A varivel X pode ser aleatria ou ento controlada.
Desta forma pode-se considerar que o modelo para o relacionamento linear entre as variveis X
e Y seja representado por uma equao do tipo:
Y = + X + U,
onde U o termo erro, isto , U representa as outras influncias na varivel Y alm da exercida
pela varivel X.
Esta equao permite que Y seja maior ou menor do que + X, dependendo de U ser
positivo ou negativo. De forma ideal o termo U deve ser pequeno e independente de X, de modo que
se possa modificar X, sem modificar U, e determinar o que ocorrer, em mdia, a Y, isto :
E(Y/X) = + X
Os dados {(Xi, Yi), i = 1, 2, ..., n} podem ser representados graficamente marcando-se cada par
(Xi, Yi) como um ponto de um plano. Os termos Ui so iguais a distncia vertical entre os pontos
observados (Xi, Yi), e os pontos calculados (Xi, + Xi). Isto est ilustrado na figura 2.1.
Figura 2.1 O modelo de regresso linear

E(Y/X) = + X

Erro U
Y

Um modelo de regresso consiste em um conjunto de hipteses sobre a distribuio dos termos

erro e as relaes entre as variveis X e Y.
Algumas destas hipteses so:
(i) E(Ui) = 0;

(ii)

Var(Ui) =

Na hiptese (i) o que se est supondo que os Ui so variveis aleatrias independentes com
2
valor esperado igual a zero e na (ii) que a varincia de cada U i a mesma e igual a , para todos os
valores de X.
Supem-se ainda que a varivel independente X, permanea fixa, em observaes sucessivas e
que a varivel dependente Y seja funo linear de X. Os valores de Y devem ser independentes um do
outro. Isto ocorre em geral, mas em alguns casos, como, por exemplo, observaes diferentes so feitas
no mesmo indivduo em diferentes pontos no tempo est suposio poder no ocorrer.
Como o valor esperado de Ui zero, o valor esperado da varivel dependente Y, para um
determinado valor de X, dado pela funo de regresso + X ou seja:
E(Y/X) = E( + X + U) = + X + E(U) = + X

[1]

j que + X constante para cada valor de X dado.

O smbolo E(Y/X) lido valor esperado de Y, dado X. A varincia de Y, para determinado
valor de X, igual a:
2

V(Y/X) = V( + X + U) = V(U) =

[2]

A hiptese de que V(Y/X) a mesma para todos os valores de X, denominada de

homocedasticidade, til pois permite que se utilize cada uma das observaes sobre X e Y para
2
estimar . O termo homo significa o mesmo e cedasticidade significa disperso.
De [1] e [2] decorre que, para um dado valor de X, a varivel dependente Y tem funo
2
densidade de probabilidade (condicional) com mdia + X e varincia . A figura 2.2, ilustra a
funo densidade. Na parte superior da figura ilustrado o caso heterocedstico e na parte inferior o
caso homocedstico.
Figura 2.2 Funo densidade de Y dado X

A posio da funo densidade f(Y/X) varia em funo da variao do valor de X. Note-se que
a mdia da funo densidade se desloca ao longo da funo de regresso + X.
Prof. Lor Viali - viali@mat.pucrs.br

- http://www.mat.pucrs.br/~lori/

10

Em resumo, o modelo de regresso proposto consiste nas seguintes hipteses:

1. Y = + X + U;
2. E(Y/X) = + X;
2

3. V(Y/X) = ;
4. Cov(Ui, Uj) = 0, para i j;
5. A varivel X permanece fixa em observaes sucessivas;
6. Os erros U so normalmente distribudos.

2.1. ESTIMATIVA DOS PARMETROS DE REGRESSO

Se fosse conhecido toda a populao de valores (X i, Yi) ento seria possvel determinar os
2
valores exatos dos parmetros , e . Como, em geral, se trabalha com amostras se faz necessrio,
ento, estimar estes parmetros com base nos valores da amostra.
Existem alguns mtodos para ajustar uma linha entre as variveis X e Y o mais utilizado o
denominado mtodo dos mnimos quadrados (MMQ). A reta obtida atravs deste mtodo, no
necessariamente, o melhor ajustamento possvel, mas possui muitas propriedades estatsticas que so
desejveis.
Sejam a e b estimadores de e e Ei = Yi - a - bXi o desvio observado em relao a reta
ajustada, isto , Ei um estimador do termo Ui. O mtodo dos mnimos quadrados exige que os
estimadores a e b sejam escolhidos de tal forma que a soma dos quadrados dos desvios dos mesmos
em relao reta de regresso ajustada seja mnima, isto :
n

)
Ei

= mnimo.

) (Yi ab Xi)
i1

i1

Para tornar mnima esta soma em relao a a e b, necessrio diferenciar a expresso

parcialmente em relao aos valores a e b. Aps algumas simplificaes vai-se obter:
)Yi = na + b)Xi

(i)
2

)XiYi = a)Xi + b)(Xi)

(ii)

que so denominadas de equaes normais da regresso, onde n o nmero de pares de observaes.

Obs.: Para simplificar a notao foram desconsiderados os ndices nos somatrios.
Dividindo-se a equao (i) por n e isolando o valor de a vem:
a

) y
)X
i
i
b(
) Y bX
n
n

levando-se este resultado na equao (ii) tem-se:

b=

) ( Xi X)( Y i

Y)

) ( Xi X)

) Xi
Yi

) Xi )
Yi

n2
(
)

) X2

) Xi

n) Xi Yi ) Xi )
Yi n) X 2 () X
2

A reta estimada de regresso ser ento:

Y a bX

com os valores de a e b obtidos atravs das seguintes expresses:

b n) X i Yi
) Xi ) Yi
() Xi )2
n) X 2i

a Y
bX

Utiliza-se o valor Y , porque o valor de Y, obtido a partir da reta estimada de regresso, para
um dado valor de X, uma estimativa do valor E(Y/X), isto , do valor esperado de Y dado X.
Exemplo:
So fornecidos 5 pares de valores, na tabela abaixo, correspondentes as variveis X e Y. A
estimativa da reta de regresso entre X e Y, obtida utilizando as expresses de a e b acima e usando
os resultados obtidos na tabela 2.1.
Tabela 2.1 - Valores para estimar a linha de regresso
X

1
2
4
5
8
20

3
3
7
6
12
31

X2
1
4
16
25
64
110

XY
3
6
28
30
96
163

X = 20 / 5 = 4;
Y = 31/5 = 6,2

b = (5.163 - 20.31) / (5.110 - 400) = 1,30

a = Y - b X = 6,20 - 1,30.4 = 1
Ento a linha estimada ser: Y = 1.3X + 1
Esta reta o melhor ajustamento para estes dados e seria diferente para cada amostra das
variveis X e Y, retiradas desta mesma populao. Esta reta pode ser considerada uma estimativa da
verdadeira linha de regresso onde 1,3 seria uma estimativa do valor (parmetro angular) e 1 uma
estimativa do valor (parmetro linear), que so os verdadeiros coeficientes de regresso.

2.2. ESTIMATIVA DA VARINCIA DO TERMO ERRO

O termo erro, U, uma varivel aleatria, supostamente com mdia zero e varincia constante.
Ento, intuitivamente parece plausvel usar os resduos da reta de regresso pelos mtodo dos mnimos
2
quadrados para se estimar a varincia dos termos erro. A varincia amostral desses resduos
igual a:
) (E E)

, onde E ) E / n . Observe-se entretanto que:

) E ) (Y a bX) ) Y na b)
X

= 0, pela primeira equao normal (i).

Portanto, 2 pode ser escrito como: = ) E2 / n .

2

Mas

, neste caso, um estimador tendencioso. Pode-se obter um estimador

no

tendencioso, multiplicando por n / (n - 2). O novo estimador, no tendencioso, ser representado S

e sua raiz quadrada:

)E 2
S= n2

) (Y Y )

)(YabX)

2n2

n2

denominada de erro-padro da estimativa ou erro-padro amostral da regresso.

Obs.: A utilizao de n - 2 conseqncia do fato de que se deve estimar dois parmetros,
e , antes de obter os resduos E. Como resultado, h somente n - 2 graus de liberdade associados
quantidade ) E2 .
A expresso acima, para o clculo do erro amostral da regresso, apresenta o inconveniente de
exigir o clculo de cada valor previsto de Y, atravs da linha de regresso, tornando sua obteno muito
trabalhosa. Existe, entretanto, uma alternativa para se obter este valor (erro padro da estimativa) sem
a necessidade de calcular todos os valores previstos.
Observe-se que:
2

)E = )(Y Y )
) b

2(X

X)

2
)(Y a bX) = ) [Y Y b(X bX)] = ) (Y

Y)

2b ) (X X)(Y Y) +

Fazendo:
2

) (X X) ) X

) X 2

SXX
n

) Y 2

2
) (Y Y ) ) Y 2

SYY
n

)(X X)(Y Y) )XY )X)Y S

XY
n
Lembrando que:

b=
Yi

n) Xi Y i ) X i )
2

n) Xi ()
X i)
Ento vem:
) E

) Xi

Yi

) Xi )
Yi
n2
(
)

) X

)
Xi
n

, segue que b = SXY/SXX e que SXY = bSXX

= ) (Y

= SYY - 2b SXX + b SXX = SYY - b SXX.

abX)2

Assim:
2

S2 = ) E
SXX

n2

) (Y abX)
n2

SYY b

n2

b SXY
= SYY
n2

Pode-se verificar que S definido desta maneira um estimador no-tendencioso de , isto ,

2
2
E(S ) = .
O erro padro da regresso ser dado, ento, por:

SYY b2 SXX SYY b SXY

n2
n2

Exemplo:
Considerando as variveis X e Y acima e a linha de regresso anterior determinar uma
estimativa do erro padro da regresso.
Os clculos necessrios esto na tabela 2.2.
Tabela 2.2 Determinao do erro padro da regresso
X

Yc

E=YYc

E2

1
2
4
5
8
20

3
3
7
6
12
31

2,3
3,6
6,2
7,5
11,40
31

0,7
-0,6
0,8
-1,5
0,6
0

0,49
0,36
0,64
2,25
0,36
4,10

O erro padro da regresso ser ento:

) E2
Sn 2

) (Y abX)

2n2

4,10

= 53

= 1,3667

= 1,17

Este mesmo clculo poder ser efetuado pela expresso definida acima, sem a necessidade de
se obter os valores estimados.
Tabela 2.3 Determinao do erro padro da regresso
X

1
2
4
5
8
20

3
3
7
6
12
31

X2
1
4
16
25
64
110

Y2
9
9
49
36
144
247

S XX ) X 2
n

) Y 2

S YY ) Y 2
n

3
6
28
30
96
163
) X) Y

Neste caso, tem-se:

) X 2

XY

SXY ) XY

= 247 - 31 /5 = 54,80
2

= 110 20 /5 = 30
= 163 (20.31)/5 = 39

SYY b2SXX
n2

O valor de b ser:
b = SXY/SXX = 39/30 = 1,30
Portanto o erro padro da regresso ser:
s

SYY b SXY
54,80 1,3.39
4,10
=
= 3 = 1,3667 = 1,1690 = 1,17
n2
52

2.3. DISTRIBUIES DAS ESTIMATIVAS

Observando-se as expresses dos estimadores a e b da reta estimada, pode-se notar que
ambos dependem de Y que uma varivel aleatria com distribuio supostamente normal de mdia
2
f(X) e desvio padro . Como os estimadores a e b so funes lineares de uma varivel aleatria
normal, tambm sero variveis aleatrias com distribuio normal. O que precisa ser determinado,
2
ento, a mdia e a varincia de cada um deles. Antes disso vai-se determinar uma estimativa de a
varincia da varivel Y, que no modelo suposta a mesma para cada valor de X (homocedasticidade).

2.3.1.

DISTRIBUIO DO ESTIMADOR B
Tem-se que:
b = SXY / SXX = ) (X X)(Y Y)
SXX

) Y(X X) ) Y(X
X)

Mas ) (X X) = 0, logo:

SXX

b=

) Y(X X)
SXX

Mas Y = + X + U, ento:
b=

) Y(X

) ( X U)(X

X)

X)

SXX

) (X X)
SXX

SXX

Como SXX = ) (X
X)

= ) (X X)(X X)
=

=0

) X(X X)
S+
XX

) X(X X) X) (X X)

) U(X
X)
SXX

= ) X(X X) ,

pois

Vem: b = + ) U(X
X)

SXX

Logo a expectncia de b ser:

E(b) = E() + E(
E() +
Ento:

) U(X X)
SXX

)=

) (X X)
SXX

E(U). Mas E(U) = 0, por hiptese.

) (X X)

E(b) = E() = , uma vez que a mdia de uma constante a prpria constante.
Isto, tambm, mostra que b um estimador no-tendencioso de .
Para a varincia, tem-se:
) U(X X)

V(b) = V( + ) =
SXX

) = V(

V(U).

) U(X X) )
(X
X)
SXX

(SXX)

2
Tendo em vista que por hiptese do modelo V(U) = e que ) (X

X)

V(b) = SXX .

(SXX)

2.3.2.

SXX

= SXX, segue:

. Portanto, a distribuio da estatstica b N(,

).

SXX

DISTRIBUIO DO ESTIMADOR A
Quanto distribuio da varivel aleatria a, tem-se:
a = Y - b X . Mas Y = )Y / n, ento:
a=
=

) Y

) ( X U)

bX

)
bX

X +
n

) X

) U

bX

=+

) U

bX

Assim:
E(a) = E() + E( X ) + E(
X +

) U

) E(bX)

= + ) E(U)
n

, pois E(b) =

Ento E(a) = , pois E(U) = 0. V-se que a um estimador no-tendencioso de .

Quanto varincia, tem-se:
V(a) = V() + V( X ) + V(
=

) U

) V(bX)

=0+0+

) V(U) X V(b)

n2

n
2 X
n
SXX

= 2 (1 S ) .
XX
n

Portanto a distribuio de a : N(, 1

n

X
SXX

).

2.4. DECOMPOSIO DA SOMA DOS QUADRADOS

Y
Y-Y
Y-Y
Y
Y

-Y

n2

) 2
X

22

SXX

Figura 2.3 Desvios na regresso

2.4.1.

DECOMPOSIO DOS DESVIOS

Pelo figura 2.3, pode-se perceber que o desvio em relao a Y (desvio total), isto , Y - Y pode
ser decomposto em dois outros desvios:

O desvio explicado pela linha de regresso, isto , Y - Y e

O desvio no-explicado (resduos) pela linha de regresso, isto , Y - Y .
fcil perceber que a variao total, )(Y - Y ), a soma da variao explicada, )( Y - Y ), e
a no-explicada, )(Y - Y ), pois:
Y - Y = Y - Y + Y - Y , ento:
Aplicando somatrio a ambos os membros vem:
)(Y - Y ) = )(Y - Y ) + )( Y - Y )
Pode-se verificar tambm que a propriedade aditiva dos desvios extensiva soma dos
quadrados desses desvios, ou seja:
2

)(Y - Y ) = )(Y - Y ) + )( Y - Y )

De fato:
2

)(Y - Y ) = )(Y - Y + Y - Y ) = )[(Y - Y ) + ( Y - Y )] = )(Y - Y ) + )( Y - Y

2

) - 2)(Y - Y )( Y - Y )
Mas
)(Y - Y )( Y - Y ) = )(Y - Y )(a + bX - a - b X ) = b)X(Y - Y )- b X )X(Y - Y )
Pelas condies do mtodo dos mnimos quadrados, tem-se:
)( Y - Y ) = 0 e )X(Y - Y ) = 0, em conseqncia
)(Y - Y )( Y - Y ) = 0, logo, segue que:
2

)(Y - Y ) = )(Y - Y ) + )( Y - Y ) ,
isto , que a soma dos quadrados dos desvios calculados em torno da mdia de Y (variao total = VT)
igual soma dos quadrados dos desvios em torno da linha de regresso (variao residual = VR)
mais a soma dos quadrados dos desvios da linha de regresso em torno da mdia (variao explicada =
VE).
2.4.2.

CLCULO DAS VARIAES

(a)

Variao Total: VT ou S 2
Y
2

VT = )(Y- Y ) = SYY, onde SYY = )Y - ()Y) / n

(b)

Variao Explicada: VE ou S 2

b SXX

VE = )( Y - Y ) = )(a + bX - Y ) = )( Y - b X + bX - Y ) = )[(b(X - X )] = b )(X - X )

=
Logo:
2

2
S
VE = b SXX ou VE = | XY [| S

|
[

|
SXX J

= bSXY
XX

(c)

Variao Residual: VR ou S2Y/ X

De acordo com a propriedade aditiva das variaes, pode-se calcular VR por diferena. Assim:
2

VR = )(Y - Y ) = VT - VE ou VR = SYY - bSXY

2.5. INTERVALOS DE CONFIANA

Da mesma forma que foram obtidos intervalos de confiana para a mdia, varincia e
proporo de uma populao, pode-se determinar os intervalos de confiana para os parmetros da
regresso. Ou seja, pode-se determinar um intervalo de confiana para o coeficiente linear (), um
intervalo de confiana para o parmetro angular () e pode-se ainda determinar um intervalo de
confiana para um valor previsto de Y, dado X. Este intervalo pode ser para o valor mdio de Y para
um dado X, isto , E(Y/X) ou, ento, para um valor individual de Y, isto , Y . A estimativa pontual
para os dois ltimos casos a mesma. O que vai mudar o intervalo de confiana correspondente. Isto
se deve ao fato de que o modelo desenvolvido associado principalmente mdia do grupo do que a
uma informao individual.

2.5.1.

INTERVALO PARA O COEFICIENTE LINEAR ()

Considerando que a distribuio do coeficiente linear dado por N(, 1
n

fixada uma confiana de 1 - , o intervalo ser:

P(a - tn-2.S

1
n

X
SXX

a + tn-2.S

1
n

X
SXX

). Ento,

X
SXX

)=1-

com tn-2 sendo um valor da distribuio t com n - 2 graus de liberdade e S uma estimativa

de .

2.5.2.

INTERVALO PARA O COEFICIENTE ANGULAR ()

Considerando que a distribuio do coeficiente angular dado por N(b, SXX

). Ento, fixada

uma confiana de 1 - , o intervalo ser:

P(b - tn-2.

S
SXX

b + tn-2.

)=1-

SXX

de .
2.5.3.
(a)

com tn-2 sendo um valor da distribuio t com n - 2 graus de liberdade e S uma estimativa

INTERVALO PARA PREVISES

Intervalo para o valor mdio de

Tem-se que Y = a + bX um estimador de E(Y/X) ou f(X). Para construir um intervalo de

confiana para este valor necessrio conhecer a sua distribuio. Isto , deve-se conhecer a mdia e a
varincia de Y .

E( Y ) = E(a + bX) = E(a) + E(bX) = + E(X) = + X = f(X) = E(Y/X), pois, neste caso, X
constante para cada valor de Y.
Tem-se: Y = a + bX, mas a = Y - b X , ento:
= Y - b X + bX = Y + b(X - X ). A varincia de Y , ser:

V( Y ) = V[ Y - b(X - X )] = V( Y ) + V[b(X - X )] = V (
Y

(X - X )

+ (X - X ) V(b) =

SXX

(X

=
n

-X

) V(Y)

n
2

(X X)2 ]
|
|.
|n
SXX |]
[

2J1

SXX

Portanto:
Y

tem distribuio N( + X, 1 (X X)
n

SXX

Conhecida a distribuio de Y , ento o intervalo de confiana de 1 - de probabilidade para

f(X) ou E(Y/X) ser:
2

P( Y - tn-2. S.

1 (X X)
n
SXX

) E(Y/x) Y + tn-2. S.

1 (X X)
n
SXX

) = 1 - , onde tn-2 o valor da

distribuio t com n - 2 graus de liberdade.

(b) Intervalo para um valor individual (

Y)

Uma estimativa do valor individual de Y dado pela reta de regresso Y = a + bX, para um
dado X e o desvio de previso ser dado por Y - Y , cujas propriedades so:
Para a mdia:
E(Y - Y ) = E(Y) - E( Y ) = f(X) - f(X) = 0
Para a varincia, tem-se:
2]
J
2
2 1 (X X)
|
V(Y - Y ) = V(Y) + V( Y ) = + |

[|n

SXX ]|

Ento:
Y - Y tem distribuio N(0,

1 1 (X X)
n
SXX

2]
1 (X X) |
.
1
n
SXX |]
[|

2|

Conhecida a distribuio de Yi - Y , ento o intervalo de confiana de 1 - de probabilidade

para um valor individual de Y (Yi) para um dado X, ser:
1 1 (X X)
n
SXX

1 1 (X X)
n
SXX

- tn-2. S.

com n - 2 graus de liberdade.

); Y + tn-2. S.

, onde tn-2 o valor da distribuio t

2.6. TESTES DE HIPTESES

Conhecidas as distribuies dos estimadores dos coeficientes angular e linear, pode-se realizar
um teste de hipteses.
2.6.1.

TESTE PARA A EXISTNCIA DA REGRESSO

Testar a existncia da regresso testar se o parmetro diferente de zero. Desta forma o que
se quer testar :
H0: = 0 contra as alternativas:
H1: 0;
> 0 ou
<0
Fixado um nvel de significncia a varivel teste ser a t de Student com n - 2 graus de
liberdade, pois sabe-se que:
b tem distribuio Normal com mdia e desvio padro

Z =

, ou seja,

SXX

tem distribuio normal padro. Porm como no conhecido necessrio

SXX

estim-lo atravs de S. Ento:

tn-2 =

2.6.2.

b
S
SXX

TESTE PARA O COEFICIENTE LINEAR

Testar o coeficiente linear da regresso testar o valor inicial da regresso, isto , testar o
valor de Y quando X = 0. As hipteses so:
H0: = 0 contra as alternativas:
H1: 0;
> 0 ou
<0
Fixado um nvel de significncia a varivel teste ser a t de Student com n - 2 graus de
liberdade, pois sabe-se que o estimador a, tem uma distribuio:
1

N(, 2 ( X
n

SXX

Prof. Lor Viali - viali@mat.pucrs.br

- http://www.mat.pucrs.br/~lori/

20

) ).

Ento:

Prof. Lor Viali - viali@mat.pucrs.br

- http://www.mat.pucrs.br/~lori/

21

Z=

2 [
| 1 X |
| [ n SXX |
J

tem distribuio normal padro. Porm como no conhecido necessrio

estim-lo atravs de S. Ento: tn-2 =

2 [
1 X |
|

S| [
|
nS XX J

2.7. COEFICIENTE DE DETERMINAO OU DE EXPLICAO

Alm dos testes de hipteses e dos intervalos de confiana, outro indicador que fornece
elementos para a anlise do modelo adotado o coeficiente de determinao ou de explicao,
definido por:
2

R = VE / VT =

b SXY
SYY

O coeficiente de determinao indica quantos por cento a variao explicada pela regresso
representa sobre a variao total. Deve-se ter:
2

0R 1
2

Se R for igual a 1, isto significa que todos os pontos observados se situam exatamente sobre
a reta de regresso. Tendo-se, neste caso, um ajuste perfeito. As variaes da varivel Y so 100%
explicadas pelas variaes da varivel X, no ocorrendo desvios em torno da funo estimada.
2

Por outro lado, se R = 0, isto quer dizer que as variaes de Y so exclusivamente aleatrias e
explicadas pelas variaes de outros fatores que no X.

3. EXERCCIOS
(1) Para cada uma das situaes abaixo, diga o que mais adequado: a anlise de regresso ou a anlise de
correlao. Por qu?
(01.1) Uma equipe de pesquisadores deseja determinar se o rendimento na Universidade sugere
xito na profisso escolhida.
(01.2) Deseja-se estimar o nmero de quilmetros que um pneu radial pode rodar antes de ser
substitudo.
(01.3) Deseja-se prever quanto tempo ser necessrio para executar uma determinada tarefa por
uma pessoa, com base no tempo de treinamento.
(01.4) Deseja-se verificar se o tempo de treinamento importante para avaliar o desempenho na
execuo de uma dada tarefa.
(01.5) Um gerente deseja estimar as vendas semanais com base nas vendas das segundas e terasfeiras.
(2) Suponha que uma cadeia de supermercados tenha financiado um estudos dos gastos com mercadorias
para famlias de 4 pessoas. O estudo se limitou a famlias com renda lquida entre 8 e 20 salrios
mnimos. Obteve-se a seguinte equao:
Y=

-1,20 + 0,40X, onde Y = despesa mensal estimada com mercadorias e X = renda lquida
mensal.
(02.1) Estimar a despesa de uma famlia com renda mensal lquida de 15 s.m.
(02.2) Um dois diretores da empresa ficou intrigado com o fato de que a equao sugerir que uma
famlia com renda de 3 s.m. lquidos mensais no gaste nada em mercadorias. Qual a explicao?
(02.3) Explique por que a equao acima no poderia ser utilizada para estimar
(a) As despesas com mercadorias de famlias de 5 pessoas.
(b) As despesas com mercadorias de famlias com renda de 20 a 40 s.m. lquidos mensais.
(3) Utilize os valores abaixo para estimar as equaes de regresso:
2

(03.1) )X = 200, )Y = 300, )XY = 6200, )X = 3600 e n = 20

2

(03.2) )X = 7,2, )Y = 37, )XY = 3100, )X = 620 e n = 36

(4) Para cada uma das situaes abaixo, grafe os valores em um diagrama e se uma equao linear parecer
apropriada para explicar os dados, determine os seus parmetros.
(04.1)
Tamanho do pedido(X) 25
20
40
45
22
63
70
60
55
Custo Total (Y)
2000 3500 1000 800 3000 1300 1500 1100 950
(04.2)

50
30
900 1600

Vendas em mil (X) 201 225 305 380 560 600 685 735 510 725 450 370 150
Lucro em mil (Y)
17 20 21 23 25 24 27 27 22 30 21 19 15
(5) Suponha que uma populao se constitua dos seis pontos seguintes: (1,
2), (4, 6), (2, 4), (2, 3), (3, 5) e (5, 10)
(05.1) Grafe os pontos em um diagrama de disperso.

(05.2) Determine a equao de regresso: Y = + X + u.

(05.3) Os termos-erro verificam a condio E(u) = 0?

(05.4) Selecione uma amostra de tamanho n = 4, da populao acima e estime a equao de

regresso determinada no item 5.2. Grafe o resultado no mesmo diagrama construdo em 5.1.
(6) Verifique que a reta de regresso Y = a + bX, sempre passa pelo ponto ( X , Y ).
(7) Os dados abaixo forma colhidos de cinco fbricas diferentes de uma determinada indstria:
Custo total (Y)
80 44 51 70 61
Produo (X)
12
4
6
11
8
(07.1) Estime uma funo linear da forma Y = a + bX para o custo total dessa indstria.
(07.2) Qual o significado econmico das estimativas a e b?
(07.3) Teste a hiptese de que o custo fixo da produo do artigo em questo seja igual a 5, contra
a alternativa de diferente do que 5, utilizando uma significncia de 5%.
(8)

Em uma amostra aleatria de 1990, 50 homens americanos entre 35 e 54 anos de idade acusaram a
seguinte relao entre renda anual Y (em dlares) e a escolaridade X (em anos). Y = 1200 + 800X. A
2
renda mdia foi de 10000 dlares e a escolaridade mdia foi de 11,0 anos. Sabendo, ainda, que )X
= 9000 e que o desvio padro residual em relao reta ajustada foi de 7300 dlares, determine:
(08.1) A renda de uma pessoa que tenha completado 2 anos de educao secundria (x = 10
anos). (08.2) O intervalo de 95% de confiana para o coeficiente angular populacional..
(08.3) Se a renda para a escolaridade estatisticamente discernvel ao nvel de 5%.
(08.4) Se vlida a afirmao que cada ano de escolaridade custa 800 dlares?

(9) Uma pesquisa foi realizada com o objetivo de determinar os efeitos da falta de sono sobre a capacidade
de as pessoas resolverem problemas simples. Foram testadas 10 pessoas, mantendo-se cada grupo de 2
pessoas sem dormir por um determinado nmero de horas. Aps cada um destes perodos, cada pessoa
teve de resolver um teste com adies simples, anotando-se ento os erros cometidos. Os dados
resultantes esto na tabela abaixo:
Nmero de erros (Y)
6, 8
6, 10
8, 14 12, 14 12, 16
Nmero de horas sem dormir (X)
8
12
16
20
24
(9.1) Determine a estimativa da linha de regresso do nmero de erros em funo do nmero de
horas sem dormir.
(9.2) Determine a disperso dos termos erro em torno da linha de regresso.
(10) Determine um intervalo de 95% de confiana para o coeficiente angular da reta do exerccio acima.
Interprete o intervalo obtido.
(11) Realizou-se uma pesquisa de mercado com o objetivo de estudar a relao entre o tempo necessrio para
um consumidor tomar uma deciso (sobre o que comprar) e o nmero de embalagens alternativas do
mesmo produto apresentadas a esse consumidor. Eliminaram-se as marcas das embalagens, a fim de
reduzir o efeito da preferncia por uma ou outra marca. Os consumidores fizeram suas escolhas
somente com base na descrio do produto, anotada nas embalagens pelos fabricantes. O tempo
necessrio, Y, para que cada um tomasse sua deciso foi anotado para 15 participantes, resultando nos
seguintes dados:
Tempo para deciso, Y (em segundos)
Nmero de alternativas (X)

5, 7, 8, 8, 9
2

7, 8, 9, 9, 10
3

9, 10, 10, 11, 12

4

(11.1) Determine a reta dos mnimos quadrados de Y em funo de X.

(11.2) Determine o erro padro da estimativa, ou seja, o desvio padro amostral da regresso.

(11.3) H evidncia suficiente nestes dados de que o tempo de deciso se relaciona linearmente ao
nmero de alternativas oferecidas a esses consumidores?
(12) Na fabricao de um antibitico, a produo depende do tempo. Os dados indicados na tabela, mostram
que um processo resultou na seguinte produo (em quilogramas) de antibiticos por perodo de tempo
(dias) indicados:
Tempo (X = dias)
Produo (Y = em kg.)

1
23

2
31

3
40

4
46

5
52

6
63

(12.1) Por vrias razes conveniente esquematizar a produo em ciclos de 4 dias. Estime o
valor mdio da produo final de antibitico produzido em um perodo de 4 dias. Considere um
intervalo de 95% de confiana.
(12.2) Suponha que o processo de produo, no futuro, se desenvolver em 4 dias. Determine um
intervalo de previso de 95% para a produo. Compare com o intervalo para a produo mdia de
um perodo de 4 dias que foi obtido em (12.1).
(13) Mediu-se a altura de uma amostra de 5 meninos (em polegadas) na idade de 4 anos e novamente na
idade de 18 anos. Os resultados obtidos esto abaixo:
Na idade de 4 anos
Na idade de 18 anos

40
68

43
74

40
70

40
68

42
70

(13.1) Determine o coeficiente de correlao entre as duas categorias de alturas.

(13.2) Teste a hiptese de que existe uma relao linear entre a altura aos 4 anos de idade e a
altura aos 18 anos de idade.
(13.3) Se fosse feito o grfico de toda a populao de alturas, calculando-se a correspondente reta
dos mnimos quadrados, qual seria o seu coeficiente angular? Responda com um intervalo
suficientemente amplo que permita uma aposta de 95%.
(13.4) Repita o item 13.3 s que para o coeficiente linear.
(14) A equao de regresso estimada abaixo resume um estudo da relao entre o uso do fumo e a incidncia
de cncer pulmonar, relacionando o nmero X de anos que uma pessoa fumou com a percentagem Y de
incidncia de cncer pulmonar em cada grupo.
Y = -2 + 1,70.X e r = 0,60.
(14.1) Explique o significado das estimativas -2 e 1,70 na equao de regresso.
(14.2) Qual a taxa de incidncia de cncer pulmonar para as pessoas que fumam h 20 anos?
(14.3) Se r fosse igual a um seria possvel concluir que o fumo a nica causa de cncer
pulmonar?
(14.4) Suponha-se que a equao estimada tenha sido obtida de uma amostra aleatria de 50
fumantes. Teste a hiptese de que o coeficiente de correlao seja igual a zero a uma significncia
de 1%.
(15) Explique se concorda ou no com as seguintes afirmativas:
(15.1) Um coeficiente de correlao de +1,0 entre duas variveis X e Y indica que X causa Y, mas
um coeficiente de correlao de -1,0 significa que X no causa Y.
(15.2) Se o coeficiente de regresso zero, o coeficiente de correlao tambm zero.

(15.3) Se o coeficiente angular 1 (um), isto significa que existe perfeita correlao entre X e Y.
(15.4) possvel que o coeficiente de correlao amostral seja positivo, quando no existe, de
fato, nenhuma correlao entre as variveis X e Y.

(15.5) No se pode utilizar a tcnica da regresso pelo mtodo dos mnimos quadrados quando a
relao bsica entre X e Y no for linear.
(16) Um estudo de duas safras forneceu as seguintes informaes:
Safra A: Y = 200 + 0,8X, r = 0,70 e S = 30 Safra B: Y = 50 + 1,20X, r = 0,9 e S = 20, onde
Y a produo por alqueire e X a quantidade de chuva (em polegadas) no perodo da safra.
(16.1) Se no houvesse chuva, estas duas equaes poderiam ser usadas para predizer a quantidade
produzida nas duas safras? Por qu?
(16.2) Qual das duas safras tira mais proveito do aumento das chuvas? Por qu?
(16.3) Para qual das duas safras possvel predizer a produo com melhor aproximao? Por
qu?
(17) Os dados abaixo foram obtidos de cinco fbricas diferentes de uma determinada indstria.
Custo total (Y = em milhes)
Produo (X = toneladas)

80
12

44
4

51
6

70
11

61
8

(17.1) Determine um intervalo de confiana de 90% para o custo fixo dessa indstria.
(17.2) Determine um intervalo de confiana de 95% para o custo marginal dessa indstria.
(17.3) Faa uma previso, atravs de um intervalo, para o custo total mdio dessa indstria, para
uma produo de 15t, utilizando uma confiana de 95%.
(17.4) Faa uma previso, atravs de um intervalo, para o custo total dessa indstria, para uma
produo de 15t, utilizando uma confiana de 95%.
(17.5) possvel afirmar, com uma significncia de 1%, que o custo total dessa indstria est
linearmente relacionado ao nvel de produo?
(17.6) Testar se o custo fixo pode ser considerado menor do que 30.
(17.7) Testar se o custo marginal pode ser considerado menor do que 5.
(18) Qual o tamanho mnimo da amostra necessria para que se possa concluir que um coeficiente de
correlao de 0,32 difere significativamente de zero ao nvel de 0,05?
(19) Um coeficiente de correlao, baseado em uma amostra de tamanho n = 18, foi calculado como sendo
0,32. Pode-se concluir aos nveis de significncia (19.1) 0,05 e (19.2) 0,01, que o coeficiente de
correlao, correspondente na populao diferente de zero?
(20) Se o coeficiente de correlao entre X e Y 0,80, que percentagem da variao total permanece noexplicada pela equao de regresso?
(21) Examine os cinco pares de pontos dados na tabela
X
Y

-2
4

-1
1

0
0

1
1

2
4

(21.1) Qual a relao matemtica entre X e Y?

(21.2) Determine o valor de r.
(21.3) Mostre que calculando-se a linha de regresso de Y em relao a X tem-se b = 0.
(21.4) Por que, aparentemente, no existe relao entre X e Y como esto indicando b e r?

(22) Os dados abaixo representam o nmero de rendas pessoais tributveis e o registro de automveis de
passageiros, em uma determinada regio.
X = nmero de rendas tributveis (em milhares)
Y = Nmero de carros de passageiros (milhares)

192
23

80
11

162
13

246
31

310
91

(22.1) Verificar se existe correlao entre as duas variveis.

(22.2) Determine a equao de regresso de Y em funo de X, caso o coeficiente de correlao
seja significativamente diferente de zero.
(22.3) Faa uma previso do nmero de carros se o nmero de contribuintes tributveis for de 500
mil.
(22.4) Determine a equao de regresso de X em funo de Y.

4. RESPOSTAS
(01) (01.1) Correlao
(01.4) Correlao

(01.2) Regresso
(01.5) Regresso

(01.3) Regresso

(02) (02.1) 4,80 s.m.

(03) (03.1) Y = -5 + 2.X

(03.2) Y = -35 +5.X

(04) (04.1) Neste caso, com base no diagrama, uma linha reta no adequada.
Custo total X Tamanho do Pedido

4000
3500
3000
2500
2000
1500
1000
500
0
0

20

40

60

80

(04.2) Neste caso, uma linha adequada e sua equao est sobre o grfico abaixo.
Vendas X Lucro

35
30 y = 0.0178x + 14.675
25
20
15
10
5
0
0

100

200

300

400

500

(05) (05.3)
Populao

600

700

Amostra
X
1
4
2
2
3
5
17

Y
Yc
2 1.62
6 7.15
4 3.46
3 3.46
5 5.31
10 9.00
30 30.00

Erro
0.38
-1.15
0.54
-0.46
-0.31
1.00
0.00

X
4
2
3
5

Y
6
4
5
10

800

(05.1), (05.2) e (05.4)

12
y = 1.8462x - 0.2308

y = 1.9x - 0.4

10
8
6
4
2
0
0

(06) Basta mostrar que o ponto ( X , Y ) satisfaz a equao de regresso Y = a + bX. Se substituirmos
X por X na equao o resultado dever ser Y . Mas a + b.X = a + b. X = Y - b X + b. X = Y .
Uma vez que a = Y - b X .
(07) (07.1) Y = 4,2589 + 26,2770.X
(07.2) a = Custo fixo b = Custo marginal.
(07.3) s = 0,37. O intervalo de confiana de 95% para o "custo fixo" : [3,09; 5,42] que contm o
valor "5". Portanto no se pode afirmar, a 5% de significncia que o custo fixo seja diferente do
que 5 unidades.
(08) (08.1) Y = 9200
(09) (09.1) Y = 3 + 0,48X

(08.2) 800 270,02

(08.3) t48 = 2,009 (tc = 5,952)

(08.4) No

(09.3) 17,25 4,36

(09.2) 2,24

(10) [0,19; 0,77]

(11) (11.1) Y = 4,30 + 1,50X (r = 0,73)

(11.2) S = 1,24

(12) (12.1) [44,69; 47,99]

(12.1) [42,14; 50,54]

(13) (13.1) r = 0,87

(13.3) 1,50 1,59

(13.2) t3 = 3,00
(13.4) 8,50 65,26

(11.3) t13 = 3,83

(14) (14.1) -2 seria a taxa de incidncia de cncer pulmonar que no est relacionada ao hbito de
fumar, ou de quem nunca fumou. 1,70 a variao na taxa de cncer pulmonar para cada ano
que a pessoa fumou.
(14.2) Y = -2 + 1,70.20 = 32.
(14.3) No, pois "r" indica associao na amostra e pode ser o mesmo na populao.
(14.4) t48 = 5,20 que significativo a 1%.
(15) (15.1) Tanto um coeficiente de "+1" quanto um de "-1" indicam correlao perfeita entre as
variveis.
(15.2) Coeficiente de regresso igual a zero implica em correlao tambm zero.
(15.3) No necessariamente, pois neste caso "1" o valor de inclinao da linha e no grau de
associao linear entre as duas variveis.

(15.4) Sim possvel.

(15.5) A tcnica dos mnimos quadrados pode ser utilizado para ajustar vrios tipos de equao.
(16) (16.1) Neste caso, a interpretao deve ser mais cuidadosa, pois tanto o excesso de chuvas quanto
a falta vo distorcer os dados e estas equaes podem no ser mais vlidas.
(16.2) A safra B tira mais proveito, provavelmente por ser uma cultura que precisa de mais
chuvas.
(16.3) Para a safra B pois existe uma melhor aderncia dos dados a equao.
(17) (17.1) 26,28 7,56
(17.4) [78,45; 101,87]

(17.2) 4,26 1,17

(17.3) [81,46; 98,86]

(17.5) t3 = 11,57

(17.6) tc = -1,159 e tt -2,353, Aceito H0.

(17.7) ) tc = -2,010 e tt -2,353, Aceito H0.

(18) n = 36
(19) tc = 1,35. Este valor no significativo nem 5% e nem a 1%.
2

(20) = 64%, portanto no-explicada ser: 1 - = 36%

(21) (21.1)
y = x2 - 5x-15

-2.5

-2

-1.5

-1

4.5
4
3.5
3
2.5
2
1.5
1
0.5
0

-0.5

0.5

1.5

2.5

(21.2) r = 0
(21.3)
4.5

y=2

3.5
2.5
3
2

1.5

-2.5-2-1.5

-1-0.5

0.5

1.5

2.5

0.5

(21.4) Porque a correlao mostra apenas o relacionamento linear e, neste caso, o relacionamento
do tipo parbola (equao do segundo grau).
(22) (22.1) r = 0,8544
(22.2) Y = -30,4980 + 0,3247X
(22.3) Y = 132 mil
(22.4) X = 122,01 + 2,25.Y

5. REFERNCIAS
a

[BUS86] BUSSAB, Wilton O, MORETTIN, Pedro A. Estatstica Bsica. 3 ed. So Paulo, Atual,
1986.
[DOW89] DOWNING, Douglas, CLARK, Jeff. Statistics the Easy Way. Barrons Educational Series,
Inc. New York, 1989.
[FON76] FONSECA, Jairo Simon da, MARTINS, Gilberto de Andrade, TOLEDO, Geraldo Luciano.
Estatstica Aplicada. So Paulo: Editora Atlas, 1976.
[FON80] FONSECA, Jairo Simon da, MARTINS, Gilberto de Andrade. Curso de Estatstica. So
Paulo: Editora Atlas S. A., 1980.
[HOF80] HOFFMAN, Rodolfo. Estatstica para Economistas. So Paulo. Livraria Pioneira Editora,
1980.
[KLE78] KLEIBAUM, David G., KUPPER, Lawrence L. Applied Regression Analysis and Other
Multivariable Methods. North Scituate, Massachusetts: Duxbury Press, 1978.
[MAR87] MARKLAND, Robert E., SWEIGART, James R. Quantitative Methods: Applications to
Managerial Decision Making. New York: John Wiley & Sons, 1987. 827p.
[MAS90] MASON, Robert D., DOUGLAS, Lind A. Statistical Techniques in Business And
Economics. IRWIN, Boston, 1990.
[MEY78] MEYER, Paul L. Probabilidade: aplicaes Estatstica. Traduo do Prof. Ruy C. B.
Loureno Filho. Rio de Janeiro, Livros Tcnicos e Cientficos Editora S.A., 1978.
[MIL90] MILLER, Charles D., HEEREN, Vern E., HORNSBY Jr., E. John.
USA: Harper Collins Publishers, 1990.
[REA93] The Statistics Problem Solver.
Jersey, 1993.
[ROT91] ROTHENBERG, Ronald I.
Publishers, Orlando, Florida, 1991.

Mathematical Ideas.

Research and Education Association, Piscataway, New

Probability and Statistics. Hartcourt Brace Jovanovich,

[SAL82] SALVATORE, Dominick. Estatstica e Econometria. Traduo Newton Boer, reviso

tcnica Marco Antnio S. de Vasconcelos. So Paulo: McGraw-Hill do Brasil, 1982.

Prof. Lor Viali - viali@mat.pucrs.br

- http://www.mat.pucrs.br/~lori/

30