Scribd Logo
Upload

Welcome to Scribd!

  • Estatística - Correlação e Regressão

    Uploaded by

    VitorAmorim
    21 views6 pages
    Apostila de Correlação e Regressão - UFPB

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document
    Apostila de Correlação e Regressão - UFPB

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    21 views6 pages

    Estatística - Correlação e Regressão

    Uploaded by

    VitorAmorim
    Apostila de Correlação e Regressão - UFPB

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 6
    wvvvvevevevevvevssrvserververrVTer VCS es oa @ mvrropucéo Nos capftulos anteriores, nossa preocupagdo era descrever a distribuigao de valores de uma tinica varidvel. Com esse objetivo, aprendemos 2 calcular medidas de tendéncia central e variabilidade. Quando, porém, cons:deramos observacbes de duas ou mais variéveis, surge um novo problema: as relagbes que podem existir entre as variéveis es- tudadas, Nesse caso, as medidas estudadas ndo sio eficientes, Assim, quando consideramos varidveis como peso e altura de um grupo 6e pessoas, uso do cigarro e incidéncia do cfncer, vocabulério e compreensdo a leitura, domindncia ¢ sabmiss4o, procuramos verificar se existe alguma relaclo entre as varidveis ce cada um dos pares € qual o grau dessa relagéo. Para isso, € necessario o conhecimento de novas medidas. Sendo a relagdo entre as variaveis de natureze quantitativa, a correla- co é 0 instrumento adequsdo para descobrir e medir essa relacdo. Uma ver caracterizade a relagio, procuramos descrevé-la através de uma fungdo matemética. A regress € o instrumento adequado para a determina- G40 dos pardmetros dessa funglo. NOTA: + Ficaremos restritos as relaghes entre duas vatidveis (correlagdo simples). 2 CORRELAGAO 2.1, Relagdo funcional e relagao estatistica Como sabemos, 0 perimetro e o lado de um quadrado esto relacionados. A relagdo que os liga é perfsitamente definide e pode ser expressa por meio de uma sentenga matemética: 2p = at onde 2p € 0 perimetro ¢ & ¢ 0 lado, | r | | | | 09.11 —Conelagdoetegreste 149 Atribuindo-se, entio, um valor quelquer af, é possivel determinar exata- ‘mente 0 valor de 2p. Consideremos, agora, a relagio que existe entre 0 peso e a estatura de tum grupo de pessoas. E evidente que essa relagio ndo & do mesmo tipo da anterior; ela é bem menos precisa. Assim, pode acontecer que a estaturas dife- rentes correspondam pesos iguais ou que & estaturas iguais correspondam pe- sos diferentes. Porém, em média, quanto maior a estatura, maior 0 peso. AAs relagbes do tipo perimetro-lado so conhecidas como relagies fun- ionais e as do tipo peso-estatura, como relagGes estatisticas, “Quando das variéveis esto ligadas por uma rela zemos que existe correlagio entre elas NOTA + As relagdes funcionais sio um caso limite das relagdes estas 2.2, Diagrama de dispersio Consideremos uma amostra aleatéria, formada por dez dos 98 alunos de tuma classe de faculdade A ¢ pelas notas obtidas por eles em Matemétics ¢ Estatistica: TABELA 11.1 NOTAS Ne | “matematica | ESTaTisnica be) wo oF 5.0 60 08, 80 80 24 10 80 38 100 10,0 a 50 50 58 70 no 59 90 80 n 30 40 80 30 60 2 20 20 Representando, em um sistema cocrdenado cartesiano ortogonal, 08 pa- res ordenados (X, y,), obtemos uma nuvem de pontos que denominamos dia- grama de dispersio. Esse diagrama nos fornece uma idéia grosseira, porém ‘til, da correlagto existente: 150 EswteMcArAoR 0 ve 2.8. Correlagdo linear Os pontos obides,visos em conjunto,formam uma elipse em diagonal Podemos imaginar que, quanto mais fina fora elipse, mais clu se sear fmaréde uma eta. Demos, eto, que a corelato deforma eligtice einen “imagem uma rea, sendo, por isso, denominaca correlagto Iecar E possivel verficarquea cada correla esd associada come “imagem” uma relagéo funcional, Por esse motivo, as relagdes funcionsle slo can, relagées perfetas rete vA imagem | Como a correlagao em extudo tem como “imagem” uma reta ascendente, cla € chamada correlacio linear positiva, a4 eal “Hoses Gap. 1 Conelogdo segiengo 181 Assim, uma correlagao é 42. linear positiva se os pontos do diagrama tém como rela ascendente; b. linear negativa se os pontos tm como “ dente; & mlo-linear se 0s pontos tém como “imagem” uma curva, Se 08 pontos apresentam-se dispersos, ndo oferecendo uma definida, conclufmos que ndo hé relacto alg ‘Temos, entdo: “imagem” uma imagem” uma reta descen- “imagem” yuma entre as varisveis em estudo, do hd corslagso 2.4. Coeficiente de correlagao linear O instrumento empregado para a medida da correlagio linear é 0 coefi- ciente de correlagdo. Esse coeficiente deve indicar o grau de intensidade to Sorteacio entre duas varidves e, ainda, c sentido dessa comelagdo (positive ‘ou negativo). Faremos uso do coeficiente de correacio de Pearson, que é dado por ‘onde n € 0 niimero de observagies, Os valores limites de r so le +1, isto, 0 valor de r pertence ao inter. valo (-1, +1) 1@CCCHCCCH AMMA emeeneen.-- ~~~ ---_ | evvvecee 182 esuwionca rhea, < ° Assim: a, se a correlagio entre duas variaveis € perfeita e positive, entio r = +1; b. se a correlaglo € perfeita e negativa, entio r cc. se nll hé correlagio entre as variéveis, entio r = Logicamente: ase +1, hé uma correlagio perfeita e positiva entre as varidveis; 1, ha uma correlagdo perfeita e negativa entre as varidveis; ¢. ser = 0, ov niio ha correlago entre as varidveis, ov a relagio que porventura exista no é linear. b.ser NOTAS: + Para que uma relagio possa ser descrita por meio do coeficiente de correlagio de Pearson € imprescindivel que ela se aproxime de uma fungio linear. Uma maneira prética de verificarmos a Hinearidade da relagio ¢ a inspego do diagrama de dis- perso: se a elipse apresenva saliGncias ou reentrincias muito acentuadas, provavel- mente trat-ée de correlagio curvilinea, + Para podermos trar algurras conclusdes significativas sobre comportamento si- ‘multineo das variéveis analisadas, € necessério qt o6

    You might also like