Escolar Documentos
Profissional Documentos
Cultura Documentos
REGRESSÃO E CORRELAÇÃO
Introdução:
A regressão e correlação são duas técnicas estreitamente relacionadas que
envolvem uma forma de estimação. A diferença entre essas técnicas e o tipo de
estimação discutido anteriormente é que aquelas técnicas anteriores foram utilizadas
para estimar um único parâmetro populacional, enquanto que as técnicas apresentadas
agora se referem à estimação de uma relação que possa existir na população.
Ou seja, a análise da correlação e regressão compreende a análise de dados
amostrais para saber se e como duas ou mais variáveis estão relacionadas uma com a
outra numa população. Vamos nos ater ao estudo de situações de duas variáveis. A
análise de correlação dá um número que resume o grau de relacionamento entre duas
variáveis; a análise de regressão tem como resultado uma equação matemática que
descreve o relacionamento. A equação pode ser usada para estimar, ou predizer,
valores futuros de uma variável quando se conhecem ou se supõem conhecidos
valores da outra variável. A análise de correlação é útil em trabalho exploratório,
quando um pesquisador ou analista procura determinar quais variáveis são
potencialmente importantes e o interesse está basicamente no grau ou força do
relacionamento. Em educação e Psicologia, freqüentemente se dá maior ênfase ao
grau do relacionamento. Em outras áreas, como administração, economia, pesquisa
médica, agricultura, focaliza-se mais a natureza do relacionamento(equação), e a
análise de regressão é o instrumento principal.
Diagramas de Dispersão
Exemplo:
x 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
y 12 11 13 12 11 8 10 9 7 8 8 9 7 7 6 6 4 5 4 5 5
Tempo(m) 15 .
10 .
5 . . .
25 30 35 40 45 idade(x)
A configuração mostrada no gráfico nos faz supor que existe uma certa
correlação entre as variáveis, com o passar do tempo as pessoas demoram menos
debaixo do chuveiro. Nem sempre as variáveis correlacionadas não necessariamente
estão estão sujeitas a uma relação de causa e efeito. No exemplo há uma diminuição
no tempo com o passar da idade só porque estão mais idosas, pode ser por se
tornarem menos vaidosas ou mais ocupadas conforme o tempo vai passando...
CORRELAÇÃO LINEAR
Se a correlação existente for do tipo linear, i.é, havendo uma tendência a que os
pontos do diagrama de dispersão se distribuam em torno de uma reta, nós podemos
medir essa correlação através de um nº denominado Coeficiente de Correlação
Linear.
aumenta aumenta
-1 0 +1
Corr.neg.perf. nula Corr.pos.perf.
(x-x).(y-y)
r = cov(x,y) = n r= n.xy - x .y
x . y (x-x)² (y-y)²
n n [n.x² - ( x )² ] .[n.y² - ( y )²]
4
Exemplo:
x y x.y x² y²
30 08 240 900 64
31 10 310 961 100
32 09 288 1024 81
33 07 231 1089 49
34 08 272 1156 64
35 08 280 1225 64
36 09 324 1296 81
37 07 259 1369 49
38 07 266 1444 49
39 06 234 1521 36
40 06 240 1600 36
385 85 2944 13585 673
2944 –385.85
r= 11 = -31 = -0,73
1) Verifique o grau de correlação linear entre as alturas e os pesos de 20 pessoas, cujos valores são
mostrados na tabela seguinte:
Peso/kg 65 71 60 60 59 66 80 89 70 65 75 84 73 61 79 69 66 67 73 66
Altura/cm 165 170 166 165 171 174 170 178 171 167 167 177 175 166 175 169 166 172 167 168
2) Numa Indústria é feito um acompanhamento sistemático do percentual de elementos defeituosos
produzidos a cada intervalo de ½ hora. Após um mês de produção, os valores médios de
percentuais de defeitos a cada horário foram marcados na tabela abaixo:
Horas 7:00 7:30 8:00 8:30 9:00 9:30 10:00 10:30 11:00 11:30 12:00
% 0,12 0,09 0,14 0,19 0,14 0,16 0,13 0,18 0,15 0,19 0,20
3) Com os dados abaixo, sobre crimes violentos e a temperatura média entre 21 e 2 horas das
noites de Sábado numa grande cidade, calcule o coeficiente de correlação.
Crime/mil 5,0 2,2 4,1 5,4 2,8 3,0 3,6 4,9 4,1 4,2 2,0 2,7 3,1
°F 87 50 75 90 55 54 68 85 82 80 45 58 66
Seja y = b + m.x;
1º) Aplicando-se a ambos os membros da igualdade:
x.y = x.(b + m.x) => x.y = (b.x + m.x²) => x.y = b. .x + m. .x² (2)
y = n.b + m. x
x.y = b. .x + m. .x² cuja solução é:
b = y – m. x ou b = y – m.x e m = n. x.y – x . y
n n. x² – ( x)²
x)²
EXEMPLO:
x 1 2 3 4 5 6 7 8 9 10
y 30 28 24 20 18 14 13 10 7 6
25
20
15
10
1 2 3 4 5 6 7 8 9 10
y = 32,27 – 2,78 x