Ministrio da Educao Universidade Tecnolgica Federal do Paran Campus Medianeira Gabinete da Direo

Prof. Silvana Ligia Vincenzi Bortolotti

Correlao e Regresso Estudo da relao entre variveis Investigar a presena ou ausncia de relao linear sob dois pontos de vista: a) Quantificando a fora dessa relao: correlao. b) Explicitando a forma dessa relao: regresso. Diagrama de disperso uma representao grfica das duas variveis quantitativas. CORRELAO O termo Correlao significa at que ponto duas variveis esto relacionadas entre si. Esta correlao ou associao pode ser verificada atravs do diagrama de disperso e medida atravs do coeficiente de correlao. Diagrama de Disperso Dispositivo grfico utilizado para verificar o grau de associao entre duas variveis quantitativas. Exemplo: Verificar, atravs do diagrama de disperso, a correlao ou associao existente entre as variveis a seguir: 1) Nmero de anos de atendimento ao Empresas de Seguro de Automveis: Anos de atendimento N de clientes 2 48 4 56 5 64 6 60 8 72 pblico (X) e nmero de clientes (Y), de 5

Anlise: quando a nuvem de pontos se apresenta como no diagrama que representa os dados esquerda, diz-se que existe uma Correlao Linear Direta entre as variveis X e Y. Alm disso, quanto mais prxima estiver de uma reta, mais Forte ser esta correlao. 2) Desconfia-se que a tenso da rede eltrica (em volts) esteja desregulando a mquina fatiadora de presunto, provocando uma variao no corte (em mm). Para verificar se existe realmente ligao entre as duas variveis, foram consideradas as seguintes medidas: Tenso da rede eltrica (X) 222 214 224 217 213 Variao no corte (Y) 16 19 15 17 20

Anlise: quando a nuvem de pontos se apresenta como no diagrama que representa os dados acima, diz-se que existe uma Correlao Linear Inversa entre as duas variveis X e Y. 3) Resultado de um teste de ingls (X) e tempo (em horas) gasto por um aluno de Administrao (Y) para decorar todas as frmulas estatsticas: X 45 52 61 70 74 76 80 90 Y 343 368 355 334 337 381 345 375 Anlise: Pode-se adotar a seguinte escala para anlise do Coeficiente de Correlao:
ndice de Correlao 0,75 Corr(X,Y) 1 0,5 Corr(X,Y) <0,75 Corr(X,Y) < 0,5 Corr(X,Y) = 0 Corr(X,Y) > 0 Corr(X,Y) < 0 Corr(X,Y) = 1 Anlise Correlao Forte Correlao Mdia Correlao Fraca No existe correlao Correlao direta ou positiva Correlao inversa ou negativa Correlao perfeita

Obs.: Quanto mais se aproxima de 1, maior a correlao entre as duas variveis. Da mesma forma, quanto mais se aproxima de ZERO, menor a correlao. Para confeccionar grficos de disperso, selecionar os dados assistente de grfico escolher grfico disperso definir titulo....- ok Para obter o coeficiente de correlao no excel ir em fx escolher estatstica correl selecionar os valores matriz 1 valores de x e matriz 2 valores de y OK. REGRESSO 1. REGRESSO LINEAR SIMPLES Descreve, atravs de um modelo matemtico, a relao linear existente entre duas variveis quantitativas, a partir de n observaes dessas variveis. Seu principal objetivo estimar valores atravs de um ajustamento pelo mtodo dos mnimos quadrados. O ajustamento feito atravs de uma Reta, determinada pela seguinte equao: Y = a + bX, Poder explicativo do modelo R - Esse valor da quantos % das variaes so explicadas pelo modelo matemtico e indica se houve ou no um bom ajustamento do modelo a diferena em 100% d as variaes devidas ao acaso. Quanto mais prximo de 1 estiver R, melhor a qualidade de ajuste. Voc deve identificar que so as variveis: X varivel independente e Y a varivel dependente.

No excel ir em anlise de dados regresso selecionar os dados referentes a varivel x e a varivel y assinale plotar resduos - ok
RESUMO DOS RESULTADOS Estatstica de regresso R mltiplo R-Quadrado R-quadrado ajustado Erro padro Observaes ANOVA gl Regresso Resduo Total Coeficientes Interseo Varivel X 1 1,495442 -0,00732 1 8 9 SQ 0,110367 0,015149 0,125516 Erro padro 0,034046 0,000958 Stat t 43,92457 -7,63443 valor-P 7,96E-11 6,11E-05 95% inferiores 1,416933 -0,00952 95% superiores Inferior 95,0% 1,573952 -0,00511 1,416933 -0,00952 MQ 0,110367 0,001894 F 58,28459 P -valor 6,11E-05 0,937714 0,879308 0,864222 0,043515 10 x 10 15 20 25 30 35 40 45 50 55 y 1,388 1,426 1,393 1,341 1,26 1,16 1,177 1,153 1,14 1,139

Superior 95

Como R = 88% isso significa que 88% das variaes so explicadas pelo modelo matemtico, mostrando ser um modelo bom de ajustamento e 12 % so variaes devidas ao acaso. Equao: y=a+bx ............:y = 1.49556 0.00732 x Hiptese: Ho b = 0 H1 - b 0 Como p < alfa =0,05 pode-se dizer que h diferena significativa na regresso, indicando que o modelo o ideal para representar a relao existente entre X e Y.
Varivel X 1 Plotagem de resduos 0,1 Resduos 0,05 0 -0,05 0 -0,1 Varivel X 1 20 40 60
1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 0

y = -0,0073x + 1,4954 R2 = 0,8793

20

40

60

O grfico de resduos x varivel mostra que os resduos esto uniformemente distribudos em torno de zero, desta forma h indcios de que varincia constante 2. REGRESSO MTIPLA Y = bo + b1 X1 + b2 X2 + .....+ bk Xk + ei

MINITAB Regression Response (varivel Y) Predictors (variveis X) assinale (residuals, fits, coeffcient, R matrix) ok
Vendas 6 7 15 18 20 23 Gasto TV 3 4 8 8 10 11 Gasto jo 1 2 3 5 8 6 FITS1 55.217 77.157 159.883 163.240 208.800 225.704 RESI1 0.47834 -0.71570 -0.98827 167.599 -0.87996 0.42960 COEF1 -0.72473 202.617 0.16787

Regression Analysis The regression equation is Vendas = - 0.72 + 2.03 Gasto TV + 0.168 Gasto jo Predictor Constant Gasto TV Gasto jo s = 1.352 Coef -0.725 2.0262 0.1679 Stdev 1.611 0.4153 0.5041 t-ratio -0.45 4.88 0.33 p 0.683 0.016 0.761

R-sq = 97.7% R Analysis of Variance SOURCE DF Regression 2 Error 3 Total 5 SOURCE Gasto TV Gasto jo SS 237.35 5.49 242.83

R-sq(adj) = 96.2%

MS 118.67 1.83

F 64.90

p 0.003

DF SEQ SS 1 237.15 1 0.20

Resposta : R = 97,7% , isso mostra que 97,7 % das variaes so explicadas pelo modelo matemtico, indicando um bom ajuste do modelo, pois apenas 2,3% so variaes devidas ao acaso. A equao Y = - 0.725 + 2.027 X1 + 0.16 X2. . Como p = 0,003 < alfa= 0,05 implica que h diferena significativa na regresso confirmando a adequao do modelo.