Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Captulo

Correlao e Regresso linear.

Desenvolvimento:
7.1 Introduo
7.2 Diagrama de Disperso
7.3 Correlao Linear
7.4 Coeficiente de Correlao
7.5 Correlao Ordinal
7.6 Ajustamento da Reta
7.7 Interpolao e Extrapolao
7.8 Coeficiente de Determinao
7.1 Introduo :

Podemos estudar diversas variveis ao mesmo tempo para ver como elas se interrelacionam. A correlao surge quando um indivduo pergunta se h alguma relao
entre, pelo menos duas variveis quantitativas.
Uma relao deve ser considerada como um conjunto de pares ordenados.
Aplicaremos ento a correlao linear para verificar a relao existente entre estas
variveis, uma ser independente (x) e a outra dependente (y).
Vamos considerar como varivel independente o fator manipulado pelo
experimentador, a tentativa de assegurar a relao desse fator com um fenmeno
observado. Varivel dependente o fator que aparece, sai, ou varia de acordo com a
varivel independente.
Exemplo: Candidatos que mais horas estudaram, obtero desempenho melhor.
Varivel dependente: resultado do desempenho
Varivel independente: No. de horas de estudo
Outros exemplos de relao entre duas variveis:
a) o peso pode estar relacionado com a idade
b) consumo das famlias com suas rendas
c) consumo de sorvete com a temperatura, etc...
Assim, a variao de um fenmeno pode influir no outro, precisamos saber a direo
e a magnitude dessa relao, expressa em conjunto de pares.
Dizemos que existe correlao linear direta entre dois fenmenos quando,
aumentando um deles o outro tem um acrscimo determinado. Existe correlao linear
inversa, quando aumentando um deles, o outro diminui.
Pela magnitude, podemos saber at que ponto a relao forte ou fraca.
Medimos isto pelo coeficiente de correlao linear r.
7.2 Diagrama de Disperso:

comum verificar-se a existncia de uma relao entre duas ou mais varivel. O

desejo de expressar essa relao de forma matemtica leva-nos teoria da regresso e
correlao.

C7-1

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Consideremos diversos valores X e Y, entre os quais deseja-se estabelecer uma

relao formal. Os valores de X e Y seriam os seguintes:
X: 2,4,5,5,6,8,9,10.
e
Y: 1,3,6,6,8,10,11,14.
Vamos construir o diagrama de disperso medindo X,Y no eixo de coordenadas
retangulares.
Diagrama de Disperso
20

15
10
5
0
0

10

15

As duas variveis apresentam uma tendncia de crescerem ao longo da srie, no

nosso caso. mas existem outros tipos de relao, expressas a seguir:
Y

Relao Inversa

Relao Nula

No nosso exemplo, verificamos que existe uma relao linear entre as duas
variveis, isto , podemos representar por uma reta, cuja equao :
Y = a + bX
7.3 Correlao Linear :

Como sabemos, o permetro e no lado de um quadrado esto relacionados:

2p = 4l, e , atribuindo um valor qualquer a l , determinamos exatamente o valor de
2p.
Consideremos agora, a relao existente entre o peso e a estatura de um grupo de
pessoas. Essa relao no do tipo que a anterior, ela bem menos precisa, pois podem
existir pessoas de mesma estatura e peso diferente (e vice-versa).
As relaes do tipo permetro so conhecidas como relaes funcionais, e do tipo
peso-altura, como relaes estatsticas.
C7-2

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Quando duas variveis esto ligadas por uma relao estatstica, dizemos que existe
correlao entre elas
Como vimos em diagrama de disperso, os pontos obtidos, vistos em conjunto,
formam uma elipse em diagonal. Podemos imaginar que, quanto mais fina for a elipse
mais ela se aproximar de uma reta. Logo a correlao de forma elptica tem como
imagem uma reta, por isso denominada correlao linear.
A cada correlao est associada como imagem uma relao funcional. Por isso
as relaes funcionais so chamadas relaes perfeitas.
Assim uma correlao :
Y

Linear Positiva: se os pontos do diagrama tm como

imagem uma reta ascendente

Linear Negativa: se os pontos do diagrama tm como

imagem uma reta descendente

No Linear: se os pontos tm como imagem uma

curva
X

Correlao linear Negativa

No h correlao

Correlao linear positiva

Correlao no linear
(no oferece imagem)

C7-3

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

7.4 Coeficiente de Correlao:

O instrumento empregado para a medida da correlao linear o coeficiente de

correlao. Este coeficiente deve indicar o grau de intensidade da correlao entre duas
variveis, e o sentido (+ ou ).
Faremos uso do coeficiente de correlao de PEARSON, que dado por :

( x) ( y )

rp =
[ x

xy
( x)

onde: n o nmero de observaes.

os valores limites de r so: 1 e +1 ,

n
2

] [ y
2

( y ) 2
n

logo: 1 r +1

Assim:
a) se r = +1, h uma correlao perfeita (forte) e positiva entre as variveis.
b) Se r = -1, h uma correlao perfeita (forte) e negativa entre as variveis.
c) Se r = 0, ou no h correlao entre as variveis, ou a relao que porventura
exista no linear
7.4.1 correlao linear positiva:

Ser considerada positiva se os valores crescentes de X estiverem associados a

valores crescentes de Y e vice-versa (decrescente).
Y

0<r<1

7.4.2 correlao linear perfeita positiva :

idem ao caso anterior, s que os pontos (X,Y) esto perfeitamente alinhados

Y

r=1

C7-4

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

7.4.3 correlao linear negativa:

ser considerada negativa se os valores crescentes de X estiverem associados a

valores decrescentes de Y e vice-versa (decresc/cresc).
Y

1<r<0

7.4.4 correlao linear perfeita negativa:

Y

r=1

As correlaes mostram que a correlao ser tanto mais forte quanto mais prximo
estiver o resultado de 1, e ser tanto mais fraca quanto mais prxima o resultado de
zero.
7.4.5 Clculo prtico de coeficiente de correlao linear:

Construmos uma tabela, a partir dos valores de X e Y, e so determinadas todas as

somas necessrias.
Y

X2

Y2

XY

X2

Y2

XY

C7-5

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

7.4.6 Exemplo:
Calcular o coeficiente de correlao linear de Pearson entre as variveis X e Y,
usando os dados da tabela abaixo:
10
2

X
Y

8
4

6
6

10
8

12
10

Soluo:
Nmero
1
2
3
4
5

Y
10
8
6
10
12
46

X
2
4
6
8
10
30

288
rp =
[200

rp =

30 2

Y2
100
64
36
100
144
444

30 x 46
5

46 2
] [444
]
5

X2
4
16
36
64
100
220

12
(40).(20,8)

X.Y
20
32
36
80
120
288

= 0,416

0,416025

O resultado mostra que a correlao linear entre as variveis X e Y positiva,

porm baixa.
Exerccios:
1) Consideremos uma amostra aleatria, formada por dez dos 98 alunos de uma classe
da faculdade A e pelas notas obtidas por eles em Matemtica e Estatstica. Determine r
No
01
08
24
38
44
58
59
72
80
92

oluo:

Notas
Matemtica Estatstica
(X)
(Y)
5
6
8
9
7
8
10
10
6
5
7
7
9
8
3
4
8
6
2
2

C7-6

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

rp =

2) A tabela a seguir mostra os resultados de uma pesquisa com 10 famlias de

determinada regio:
Renda Poupana Nmero de
($ 100) ($ 1000)
filhos
10
4
8
15
7
6
12
5
5
70
20
1
80
20
2
100
30
2
20
8
3
30
8
2
10
3
6
60
15
1

Famlias
A
B
C
D
E
F
G
H
I
J

a) Calcule
b) Calcule
c) Calcule
d) Calcule
e) Calcule
f) Calcule

r
r
r
r
r
r

Mdia de anos de
estudo da famlia
3
4
5
12
16
18
8
8
4
8

entre Renda familiar e Poupana, e interprete a correlao.

entre Renda familiar e No. de filhos, e interprete a correlao.
entre No. de filhos e Poupana, e interprete a correlao.
entre No. de filhos e mdia dos anos de estudo, e interprete a correlao.
entre Renda familiar e mdia dos anos de estudo, e interprete a correlao.
entre mdia dos anos de estudo e Poupana, e interprete a correlao.

Soluo:
a)
Renda
Famli
($ 100)
as
(X)
A
B
C
D
E
F
G
H
I
J

10
15
12
70
80
100
20
30
10
60

Poupan
a ($
1000)
(Y)
4
7
5
20
20
30
8
8
3
15

C7-7

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

b)
Famlias

A
B
C
D
E
F
G
H
I
J

Renda ($ Nmero de
100)
filhos
(Y)
(X)

10
15
12
70
80
100
20
30
10
60

8
6
5
1
2
2
3
2
6
1

c)
Famlias
A
B
C
D
E
F
G
H
I
J

Poupana
($ 1000)
(Y)

N de
filhos
(X)

4
7
5
20
20
30
8
8
3
15

8
6
5
1
2
2
3
2
6
1

d)
anos de No de
Famlias estudo filhos
(X)
(Y)
A
3
8
B
4
6
C
5
5
D
12
1
E
16
2
F
18
2
G
8
3
H
8
2
I
4
6
J
8
1

C7-8

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

e)
Anos de Renda ($
100)
(X)
(Y)

Famlias estudo
A
B
C
D
E
F
G
H
I
J

3
4
5
12
16
18
8
8
4
8

10
15
12
70
80
100
20
30
10
60

f)
Anos de Poupana

Famlias estudo (X) ($ 1000)

(Y)

A
B
C
D
E
F
G
H
I
J

3
4
5
12
16
18
8
8
4
8

4
7
5
20
20
30
8
8
3
15

3) A tabela apresenta a produo de uma indstria no perodo de 80 a 88. Determine r.

Anos
1980
1981
1982
1983
1984
1985
1986
1987
1988

Quant.
-4
-3
-2
-1
0
1
2
3
4

34
36
36
38
41
42
43
44
46
C7-9

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

4) A tabela abaixo apresenta valores que mostram como o comprimento de uma barra de
ao varia conforme a temperatura. Determine r.
Temp

Comp

( C)

(mm)

10
15
20
25
30

1003
1005
1010
1011
1014

OU
Temp

Comp

( C)

(mm)

-2
-1
0
1
2

1003
1005
1010
1011
1014

5) A variao do valor da UPC, relativamente a alguns meses de 1995, deu origem

tabela abaixo. Calcule o Coeficiente de Correlao linear de Pearson.
Meses
Maio
Jun
Jul
Ago
Set
Out
Nov

-3
-2
-1
0
1
2
3

Valores (R$)
10,32
10,32
11,34
11,34
11,34
12,22
12,22

7.5 Correlao Ordinal :

Uma medida alternativa da correlao dada pelo Coeficiente de Spearman, que

leva em conta as posies que os valores das variveis ocupam quando ordenados na
forma crescente ou decrescente.

rs = 1

6d i2
n(n 2 1)
C7-10

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Onde di = diferena entre um i: simo par.

n = nmero de observaes.
Exemplo:
Calcular rs entre peso e a altura de 10 estudantes do sexo masculino selecionados ao
acaso:
Peso (Kg)
Altura (cm)

80
175

60
170

75
174

56
163

60
165

78
175

80
180

73
170

80
170

82
168

Vamos colocar em ordem crescente as duas variveis. Verificaremos que existem

empates. Neste caso, contamos as ordens como se os valores fossem iguais, atribuindo a
posio mdia a cada um deles
Peso (Kg)
ordem
Altura (cm)
ordem

56
1o.
163
1o.

60
2,5o.
165
2o.

60
2,5o.
168
3o.

73
4o.
170
5o.

75
5o.
170
5o.

78
6o.
170
5o.

80
8o.
174
7o.

80
8o.
175
8,5o.

80
8o.
175
8,5o.

82
10o.
180
10o.

Tabela:
Variveis
Peso (Kg)
Altura (cm)
80
175
60
170
75
174
56
163
60
165
78
175
80
180
73
170
80
170
82
168

rs = 1

Peso (Kg)
8o.
2,5o.
5o.
1o.
2,5o.
6o.
8o.
4o.
8o.
10o.

Posies
Altura (cm)
8,5o.
5o.
7o.
1o.
2o.
8,5o.
10o.
5o.
5o.
3o.

di2
0,25
6,25
4,00
0,00
0,25
6,25
4,00
1,00
9,00
49,00
80

6 80
10(100 1)

rs = 0,5252

existe uma correlao positiva, mdia e pouco acentuada entre as

variveis.

Exerccios:
C7-11

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

1) Calcular rs entre Renda Familiar e Poupana.

Variveis
Renda ($ 100)
Poupana ($ 1000)
Renda ($ 100)
10
4
15
7
12
5
70
20
80
20
100
30
20
8
30
8
10
3
60
15

Posies
Poupana ($ 1000)

di2

2) Calcular rs entre o ndice de inflao e os custos com importao de petrleo.

Meses
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez

Variveis
I. Infl.
Custos
100
19656
103.2
19391
107.4
20262
111.3
20000
114
20149
116.3
20581
119.3
20937
122.2
21273
124.2
22517
129.4
20560
135.5
21236
141.6
20471

I. Infl.

Posio
Custos

di2

3) Um conjunto de 10 alunos foi submetido a 2 provas. Determine rs

Aluno
A
B
C
D
E
F
G
H
I
J

Prova
terica
3o
1o
8o
6o
7o
2o
9o
10o
5o
4o

Prova
prtica
3o
2o
9o
6o
5o
1o
8o
10o
4o
7o

di2

C7-12

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

4) Determinar rs e rxy. entre o peso e altura de cinco estudantes escolhidos ao acaso.

Estud
ante

Altura
(cm) X

Peso
(kg) Y

A
B
C
D
E

183
175
168
178
173

77
74
68
82
84

Y2

X2

Altura
(cm)
X

X.Y

Peso
(kg)
Y

di2

7.6 Ajustamento da Reta de Regresso :

Sempre que desejamos estudar determinada varivel em funo de outra, fazemos

uma anlise de regresso.
A anlise de regresso tem por objetivo descrever, atravs de um modelo
matemtico, a relao entre duas variveis, partindo de n observaes sobre as mesmas.
A varivel sobre a qual desejamos fazer uma estimativa recebe o nome de varivel
dependente e a outra recebe o nome de varivel independente.
A regresso o ajuste da reta aos dados obtidos. Atravs do ajuste podemos fazer
previses e tal procedimento s vlido na medida em que o coeficiente r for
significativo, ou seja apresentar um valor prximo de +1 ou 1.
A tcnica do ajuste da reta pode ser realizada atravs do Mtodo dos Mnimos
Quadrados. Vamos obter uma funo definida como:
Y = a + bX
Exemplo:

Ento:

Y2

X2

X.Y

1
3
4
6
8
9
11
14
56

1
2
4
4
5
7
8
9
40

1
4
16
16
25
49
64
81
256

1
9
16
36
64
81
121
196
524

1
6
16
24
40
63
88
126
364

n = 8; x = 56; y = 40; x2 = 524; y2 = 256; xy = 364.

Coeficiente b
b=

nxy (x) (y )
nx 2 (x) 2

b = 8(364) (56).(40) = 0,636

8(524) 3136
C7-13

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Coeficiente a

a=

y bx
n

a = 40 - 0,636.(56) = 0,548
8

Portanto a reta resulta:

Y1 = 0,548 + (0,636) . (1) = 1,184
Y2 = 0,548 + (0,636) . (3) = 2,456
Exerccio:
1) Determine a equao da reta
Matemtica Estatstica

X
5
8
7
10
6
7
9
3
8
65

Y
6
9
8
10
5
7
8
4
6
65

7.7 Interpolao e Extrapolao :

Voltando a tabela anterior, vemos que 4,0 no figura entre as notas de matemtica
(x). entretanto podemos estimar a nota correspondente em Estatstica (y), fazendo x = 4,0
na equao.
Y = 0,891 + 0,863X
Y = 0,891 + 0,863 . 4,0
Y = 4,33
Isto interpolao pois 4,0 [2,10]
O mesmo ocorre com a nota 1,0 . Repetindo o processo:
Y = 0,891 + 0,863X
Y = 0,891 + 0,863 . 1,0
Y = 1,75
Isto extrapolao pois 1,0 [2,10]
Exerccios:
2) Os dados abaixo se referem ao volume de precipitao pluviomtrica (mm) e ao
volume de produo de leite C (milhes de litros) em determinada regio do pas.

C7-14

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Anos

Prod. ndice
Leite pluv.

93
26
23
94
25
21
95
31
28
96
29
27
97
27
23
98
31
28
99
32
27
00
28
22
01
30
26
02
30
25

Pede-se:
a) ajustar os dados atravs de um modelo linear
b) admitindo-se, em 2002, um ndice pluviomtrico de 24 mm, qual dever ser o volume
esperado de produo do leite tipo C?
3) Uma empresa est estudando como varia a demanda de certo produto em funo do
seu preo de venda. Para isso levantaram os seguintes dados:
Unidades
Preo de
Mes Vendidas venda p/ unid
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out

248
242
234
216
230
220
213
205
198
195

162
167
165
173
170
176
178
180
182
187

Pede-se:
a) ajustar a reta de regresso
b) estimar as vendas quando o preo unitrio atingir os 190
c) qual o significado do valor de b

C7-15

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

4) A tabela abaixo apresenta valores que mostram como o comprimento de uma barra
varia conforme a temperatura.
Temp Comp
(oC) (mm)
10
15
20
25
30

1003
1005
1010
1011
1014

Pede-se:
a) faa o grfico
b) determine a reta ajustada
c) estimar o comprimento da barra quando a temperatura for de 18 e 35 oC

Comprimento (mm)

Diagrama de disperso
1016
1014
1012
1010
1008
1006
1004
1002
0

10

20

30

40

Temperatura ( C)

5) Uma empresa localizada em So Paulo, produtora de pneumticos, possui uma rede

distribuidora pelo interior. Realizou um estudo para determinar qual a funo que ligava o
preo do produto e a distncia do mercado consumidor na cidade de SP. Os dados so:
Preo Distancia
(R$)
(Km)
36
48
50
70
42
58
91

50
240
150
350
100
175
485
C7-16

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Pede-se:
a) calcular rx,y , rs e a equao da reta ajustada.
b) tendo uma filial na cidade do Rio de janeiro, o preo de venda de um pneumtico
cidade B de R$ 160,00. A cidade B dista 250 Km de SP. Pergunta-se: qual produto deve
ser vendido a cidade B, do RJ ou de SP.
Soluo :

6) A Alta administrao de um banco deseja estabelecer um critrio objetivo para avaliar

seus gerentes. Levantou, ento, para cada subdistrito onde possua agencia, o deposito
mdio mensal por agencia e o no de estabelecimentos comerciais (clientes).
Sub Distrito
Penha
Casa verde
Formosa
Santana
Barra funda
Morumbi
Lapa
Pinheiros
Santo amaro

Estab
Com

(milhes R$)

16
30
35
70
90
120
160
237
378

14
16
19
30
31
33
35
43
50

Depsitos

Pede-se:
a) equao da reta pelos mnimos quadrados
b) coeficiente de correlao linear de Pearson
c) coeficiente de correlao linear de Spearman
d) desejando abrir uma agncia no Butant, estimar o depsito mdio, sabendo-se que os
estabelecimentos comerciais esto em torno de 1000 casas.

C7-17

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

f) faa o diagrama de disperso.

Grfico
60
50
40
30
20
10
0
0

100

200

300

400

N estabelecimentos comerciais

7) A produo de cigarros no Brasil, durante os anos de 1945 a 1954, apresentada

abaixo:

Anos
X

Quant.
(milhes)
Y

X2

X.Y

45
46
47
48
49
50
51
52
53
54
495

98,5
92,3
80
89,1
83,5
68,9
69,2
67,1
58,3
61,2
768,1

1
4
9
16
25
36
49
64
81
100
385

98,5
184,6
240
356,4
417,5
413,4
484,4
536,8
524,7
612,3
3868,6

C7-18

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Grfico

Quantidade (em
milhes)

120
100
80
60
40
20
0
1944

1946

1948

1950

1952

1954

1956

Anos

8) A tabela abaixo representa os custos totais de produo na fabricao de automveis

Honda, em 5 observaes independentes.
Quant. fabricada Custos Totais
10
100
20
230
30
270
40
410
50
490

a) faa o diagrama de disperso

b) determine a equao da reta
c) qual o custo total para 35 autos

Soluo:

C7-19

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Grfico
600
Custos Totais

500
400
300
200
100
0
0

20

40

60

Quantidade fabricada

.35 Y = 348
7.8 Coeficiente de Determinao :

Na literatura tambm conhecido como O poder explicativo do modelo

Smbolo : r2
Freqentemente denominado coeficiente de determinao, o R2 da regresso tem
por objetivo avaliar a qualidade do ajuste. Seu valor fornece a proporo da variao
total da varivel Y explicada pela varivel X atravs da funo ajustada.
Frmula :
R2 =

b 2 .S XX
S YY

2
ou R = b.

S YX
S YY

Onde:

(x ) 2
n
(y ) 2
2
= y
n
(x).(y )
= xy
n

S XX = x 2
S YY
S YX

Quanto mais prximo da UNIDADE estiver o valor de R2, melhor a qualidade do

ajuste da funo. Quanto mais prximo de ZERO pior a qualidade do ajuste.
Exemplo: se 98% o resultado, isto quer dizer que 98% das variaes de Y so
explicadas por X atravs da funo escolhida para relacionar duas variveis e 2% so
atribudas a causas aleatrias.
C7-20

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Exerccios:
1) Seja Y uma varivel que representa o valor do frete rodovirio de determinada
mercadoria e X a varivel distancia (em km) ao destino da mercadoria. Uma amostra de
10 observaes das variveis apresentou os seguintes resultados:
n= 10; x= 1200; y= 6480,50; xy= 842060; y2= 4713304,03; x2= 186400
Pede-se:
a) determinar a regresso
b) interpretar os valores encontrados para a e b
c) calcular e interpretar o poder explicativo da regresso
Soluo :
b = 1,52 (acrscimo no frete por kilometro rodado)
a = 465,65 (Interpretamos que o valor de 465,65 o valor do frete independente de kilometragem).
Y = 465,65 + 1,52X
Syy = 4713304,03 (6480,50)2 = 513616,00
10
Sxx = 186400 (1200)2 = 42400
10
r2 = (1,52) x 42400 = 0,19 (qualidade ruim)
513616,03
2) O departamento de produo da Fiat gostaria de desenvolver um modelo estatstico
para prever o tempo de entrega de carros novos encomendados. O administrador, chefe
do departamento, acredita que existe uma ralao linear entre o nmero de acessrios
opcionais encomendados e o tempo de entrega. Uma amostra acusou os seguintes
resultados:
Carro Opcionais Tempo (dias)
1
3
25
2
4
32
3
4
26
4
7
38
5
7
34
6
8
41
7
9
39
8
11
46
9
12
44
10
12
51
11
14
53
12
16
58
13
17
61
14
20
64
15
23
66
16
25
70

C7-21

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

Pede-se:
a) Construa o diagrama de disperso;
b) utilize o mtodo dos mnimos quadrados para encontrar os coeficiente a e b
c) determine rx,y
d) determine r2
e) se um carro com 16 acessrios for encomendado, quantos dias, voc prev que seriam
para que ele fosse entregue. ?
Soluo :
a)
Grfico
80

Tempo (dias)

70
60
50
40
30
20
10
0
0

10

20

30

Opcionais

b) b = 2,07
b) a = 21,19
c) rx,y = 0,98
d) r2 = 0,96
e) Y = 21,93 + 2,07 x 16
Y = 55 dias

C7-22

Faculdade do Guaruj__________________________________________________

Estatstica

Prof. Joel Oliveira Gomes

QUADRO-SNTESE
Termo
Diagrama de Disperso

Palavra-chave para o
conceito
Grfico com os pontos definidos
a partir de X e Y

Operacionalizao
Locar pontos

xy
Correlao

Relao entre X e Y.
Coeficiente de correlao: r

Correlao de Spearman

Ordinal

Coeficiente b

Inclinao dada pelo ngulo

Coeficiente a

Ponto onde a reta corta o eixo

de Y

Regresso

Ajuste da reta

r=

(x).(y )
n

(x) 2
(y ) 2
2
[x
] [y
]
n
n
6 d 2 i
rs = 1
n(n 2 1)
n.xy (x).(y )
b=
n.x 2 (x) 2
y b.x
a=
n
2

Y = a + b.X

R2 =

b 2 .S XX
S YY

ou R 2 = b.

S YX
S YY

Onde:

(x ) 2
n
(y ) 2
= y 2
n
(x).(y )
= xy
n

S XX = x 2
Coeficiente de
determinao R2

Poder explicativo da regresso

S YY
S YX

Fonte: TOLEDO, Geraldo L. Estatstica Bsica. 2a. Edio. So Paulo: Atlas, 1995. (Cap. 08)
CRESPO, Antonio A. Estatstica Fcil.15a. Edio. So Paulo: Saraiva, 1997. (Cap.11)

C7-23