PROF M.Sc. FBIO HIPLITO www.fabiohipolito.com.

br ALUNO(A):
Manual para a construo de uma matriz de correlao para definir um modelo de regresso linear simples. Abra o arquivo Alunos.xlsx

Minicurso de Excel Avanado 2010 Correlao e Regresso Simples LASIG/GEPEC Excel 2010 # Frase da apostila:
Enquanto existir respirao dentro de mim, irei persistir. Por enquanto eu conheo um dos princpios do sucesso: Se persistir durante tempo suficiente, irei ganhar. (Og Mandino) A matriz de correlao gerada ser a seguinte:

Observe que a relao mais forte entre Peso e Altura, que resultou no valor aproximado de 0,7377 ou 73,77%. Agora, voltando novamente para a guia Dados, no grupo Anlise, clique em Anlise de Dados. A partir da guia Dados, no grupo Anlise, clique em Anlise de Dados. Vamos calcular a Correlao existente entre as variveis Idade, Altura e Peso. Selecione Correlao e em seguida clique em OK. Vamos gerar o modelo de regresso linear simples entre as variveis Peso e Altura. Selecione Regresso e em seguida clique em OK.

Preencha a tela seguinte conforme os dados abaixo. Aps isto, clique em OK. Preencha a tela seguinte conforme os dados abaixo. Aps isto, clique em OK.

Email do Prof. M.Sc. Fbio Hiplito: paraofabio@gmail.com

UNIVERSIDADE FEDERAL DO PAR - UFPA

Minicurso de Excel Avanado 2010

O resultado gerado ser o seguinte:

Prof. M.Sc. Fbio Hiplito

R mltiplo R-Quadrado R-quadrado ajustado Erro padro Observaes ANOVA

0,7377 0,5442 0,5347 0,0618 50

gl Regresso Resduo Total 1 48 49

SQ 0,2189 0,1833 0,4022

MQ 0,2189 0,0038

F F de significao 57,3085 0,000000001

Interseo Peso

Coeficientes Erro padro Stat t valor-P 95% inferiores 95% superiores Inferior 95,0% Superior 95,0% 1,3376 0,0450 29,7104 0,0000 1,2471 1,4282 1,2471 1,4282 0,0055 0,0007 7,5702 0,0000 0,0040 0,0069 0,0040 0,0069

Estatsticas do modelo de regresso gerado, com aproximao em 4 casas decimais. Desta forma, podemos afirmar que o modelo apresentou aproximadamente a seguinte estrutura: Altura = 0,0055.Peso + 1,3376 Observaes finais: No podemos esquecer que sempre antes de elaborarmos um modelo de regresso linear simples, devemos verificar sobre os erros (erro = valor observado valor estimado), os seguintes pressupostos: seguem uma distribuio normal; tm mdia zero; tm varincia 2 constante (homocedasticidade); so independentes.

Email do Prof. M.Sc. Fbio Hiplito: paraofabio@gmail.com

UNIVERSIDADE FEDERAL DO PAR - UFPA