Introdução Existe um conjunto de métodos estatísticos que visam estudar a associação entre duas ou mais variáveis aleatórias. Dentre tais métodos, a teoria da regressão e correlação ocupa um lugar de destaque por ser o de uso mais difundido. No entanto, devido à possibilidade de certas variáveis serem compreendidas por intermédio da relação existente com as outras, este tema tornou-se alvo do interesse de pesquisa. Este conteúdo é de grande importância na Engenharia de minas, na medida em que possibilita avaliar quais variáveis aleatórias possuem maior correlação com a produtividade horária e elaboração do plano de lavra. O presente trabalho será estruturado de forma seguinte:
Introdução (em curso): Contendo aspectos motivacionais sobre a escolha do tema, a
importância do mesmo no sector de Engenharia de minas e a estrutura do trabalho; Metodologia: Serão apresentados métodos usados para a coleta da informação, breve resumo matemático e estatístico; Resultados e discussão: Será apresentado um exercício resolvido detalhadamente sobre o tema; Conclusões; Referências bibliográficas.
Metodologia Para a aquisição do conteúdo deste trabalho foi adotado o método de pesquisa (Consultas feitas em documentos fornecidos pela internet, informações lançadas em diversas páginas).
A análise de regressão e correlação compreendem a análise de dados amostrais para saber se, e como um certo conjunto de variáveis está relacionado com outra variável.
Correlação Se refere a uma medida entre duas ou mais variáveis que se relacionam. A teoria da correlação baseia-se, especialmente, na premissa da aleatoriedade das variáveis. O coeficiente de correlação mede a força da associação linear entre duas variáveis e é represente do pela letra r Coeficiente de correlação amostral:
𝑛(∑ 𝑥𝑧)−(∑ 𝑥)−(∑ 𝑦)
1. 𝑟 = √𝑛(∑ 𝑥 2 )−(∑ 𝑥 2 )√𝑛(∑ 𝑦 2 )−(∑ 𝑦 2 )
Propriedades do coeficiente de correlação linear (r)
1. O intervalo de variação vai de -1 a +1. -1 ≤ r ≤ 1
2. O coeficiente de correlação é uma medida adimensional, isto é, ele é independente das unidades de medida das variáveis X e Y.
3. Quanto mais próximo de +1 for “r”, maior o grau de relacionamento linear positivo entre X e Y, ou seja, se X varia em uma direção Y variará na mesma direção.
4. Quanto mais próximo de -1 for “r”, maior o grau de relacionamento linear negativo entre X e Y, isto é, se X varia em um sentido Y variará no sentido inverso.
5. Quanto mais próximo de zero estiver “r” menor será o relacionamento linear entre X e Y.
Regressão Estuda o relacionamento entre uma variável chamada a variável dependente e outras variáveis chamadas variáveis independentes. Este relacionamento é representado por uma equação que associa a variável dependente com as variáveis independentes.
4. 𝑏 = 𝑦̅ − 𝑎𝑥̅ ∑ 𝑥 2 ∑ 𝑦−∑ 𝑥𝑦 ∑ 𝑥 5. 𝑏 = 2 𝑛 ∑ 𝑥 2 −(∑ 𝑥) Exercício 1. Uma mineradora estuda a sua produção, em quatro dias, em função da quantidade de horas trabalhadas pelos operários.
Horas Quantidade XY X2 Y2 Trabalhadas Do produto
70 361 25270 4900 130321
30 121 3630 900 14641
70 230 16100 4900 52900
90 376 33840 8100 141376
∑ =260 ∑ =1088 ∑ =78840 ∑ =18800 ∑ =339238
Tabela 1: (PDF) EXERCICIOS CORRELAÇÃO E REGRESSÃO LINEAR | Erick Neves -
Academia.edu.
a) Monte a equação do ajuste da Regressão Linear. 𝑦̂ = 𝑎 + 𝑏𝑥
Neste presente trabalho concluiu-se que ao estudo do relacionamento entre duas ou mais variáveis denominamos de correlação e regressão. Se o estudo tratar apenas de duas variáveis tem-se a correlação e a regressão simples, se envolver mais do que duas variáveis, tem-se a correlação e a regressão múltiplas. A regressão e a correlação tratam apenas do relacionamento do tipo linear entre duas variáveis.
A análise de correlação fornece um número que resume o grau de relacionamento linear entre as duas variáveis. Já a análise de regressão fornece uma equação que descreve o comportamento de uma das variáveis em função do comportamento da outra variável. Quando não é possível perceber uma relação sistemática entre as variáveis é dito que as variáveis são não correlacionadas, são independentes ou ainda que são ortogonais.
Os dados para a análise de regressão e correlação provêm de observações de variáveis
emparelhadas, isto significa que cada observação origina dois valores, um para cada variável, com estes valores constrói-se o digrama de dispersão. Apesar do diagrama de dispersão nos fornecer uma idéia do tipo e extensão do relacionamento entre duas variáveis X e Y, seria altamente desejável ter um número que medisse esta relação, portanto concluiu-se que esta medida existe e é denominada de coeficiente de correlação.
A amplitude do coeficiente de correlação é -1 para 1, onde se r = -1 existe uma correlação negativa
perfeita; Se r está próximo de 0 não existe correlação linear; Se r = 1 Existe uma correlação positiva perfeita Referências bibliográficas
SAMPAIO, Nila A de S, Aplicações da correlação e regressão linear, acedido em 19 de agosto
