Escolar Documentos
Profissional Documentos
Cultura Documentos
Ano Y = M1 X = IPC
O Estoque de Moeda (M1) 1960 140,7 29,6
está relacionado com a variação dos 1961 145,2 29,9
1962 147,8 30,2
preços. Verifique se existe correlação 1963 153,3 30,6
1964 160,3 31,5
entre o IPC americano com a oferta 1965 167,8 32,4
... ... ...
monetária, considerando dados do 2000 1172,9 177,1
2002 1210,4 179,9
período de 1960 a 2003. 2003 1287,1 184,0
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
1
O primeiro passo para
IPC
1 80
diagram). M1
20
10 0 30 0 50 0 70 0 9 00 11 00 13 00
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Observado um relacionamento
linear entre as duas variáveis é possível
determinar a intensidade deste
relacionamento. O coeficiente que mede
este relacionamento é denominado de
Coeficiente de Correlação (linear).
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
2
Quando se está trabalhando com
amostras o coeficiente de correlação é
indicado pela letra “rr” e é uma
estimativa do coeficiente de correlação
populacional que é representado por
ρ” (rho).
“ρ
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Mas Então:
∑ ( X i − X )( Y i − Y ) =
= ∑ [ X i Y i − X Y i − X i Y + XY ] = ∑ ( X i − X )( Y i − Y )
Cov ( X ,Y ) = =
= ∑ X i Y i − ∑ X Y i − ∑ X i Y + ∑ XY =
n −1
= ∑ X i Y i − X ∑ Y i − Y ∑ X i + ∑ XY = ∑ X i Y i − nXY
=
n −1
= ∑ X i Y i − nXY −nXY + nXY =
= ∑ X i Y i − nXY
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
3
A covariância poderia ser utilizada
O coeficiente de correlação
para medir o grau e o sinal do
relacionamento entre as duas variáveis, linear (de Pearson) é definido por:
mas ela é difícil de interpretar por variar
Cov ( X , Y )
de -∞ a +∞. Assim é mais conveniente r =
utilizar o coeficiente de correlação linear S X SY
de Pearson (momento produto).
produto)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Onde:
∑ X i Y i − nXY Esta expressão não é muito
Cov ( X ,Y ) =
n −1 prática para calcular o coeficiente de
∑ X 2i − n X 2 correlação. Pode-se obter uma
SX =
n −1 expressão mais conveniente para o
∑ Y 2i − n Y 2 cálculo manual e o cálculo de outras
SY =
n −1 medidas necessárias mais tarde.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Tem-se: F
Cov ( X , Y ) a S XY
= ∑ X i Y i − nXY
r = =
S X SY z 2
Fazendo:
e S XX = ∑ X i − n X
2
∑ X i Y i − nXY
= n −1 =
n
∑ X 2− n X 2
∑Y −nY
2 2 d S YY = ∑ Y 2 − n Y 2
i i i
n −1 n −1 o
S XY
=
∑ X iY i − nX Y
Tem − se : r =
(∑ X 2i − n X )(∑ Y 2 2
i −nY 2 ) S XX . S YY
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
4
A vantagem do coeficiente de Assim se r = -1, temos uma
relacionamento linear negativo
correlação (de Pearson) é ser
adimensional e variar de – 1 a + 1, perfeito, isto é, os pontos estão todos
alinhados e quando X aumenta Y
que o torna de fácil interpretação.
decresce e vice-versa.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
20
perfeito, isto é, os pontos estão todos
10 alinhados e quando X aumenta Y
0
10 15 20 25 30
também aumenta.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
10 “alinhamento”.
0
10 15 20 25 30
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
5
50 Assim se –1 < r < 0, temos uma
r =0
40
relacionamento linear negativo, isto é,
30
os pontos estão mais ou menos
20
10
alinhados e quando X aumenta Y
0
10 15 20 25 30
decresce e vice-versa.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
10
alinhados e quando X aumenta Y
0
também aumenta.
10 15 20 25 30
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
6
r ≅1
50
Observada uma amostra de seis
40
pares, pode-se perceber que a correlação é
quase um, isto é, r ≅ 1. No entanto,
30
observa a população! 0
10 15 20 25 30
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Determinar o “grau de
relacionamento linear” entre as
variáveis X = Índice de Preços ao
Consumidor versus Y = Estoque de
Moeda, para os valores da Economia
Americana de 1960 a 2003.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Ano X Y XY X2 Y2
1960 140,7 29,6 Vamos calcular “r”
1961 145,2 29,9
1962 147,8 30,2 utilizando a expressão em
1963 153,3 30,6
1964 160,3 31,5 destaque vista anteriormente,
1965 167,8 32,4
...
2000
...
1172,9
...
177,1
isto é, através das quantidades,
2002 1210,4 179,9
2003 1287,1 184,0
SxY, SXX e SYY.
Total 25894,5 4102,9 3295760,69 21856837,21 503187,97
7
Tem-se:
n = 44 ∑ X = 25894,50 ∑Y = 4102,90 2
S XX = ∑ X 2i − n X =
X = 588,5114 Y = 93,2477 ∑ XY = 13295760,69
= 6617629 ,7043
∑ X 2 = 21856837,21 ∑Y 2 = 503187,97
Então:
S YY = ∑Y 2i − n Y 2 =
S XY = ∑ X i Y i − nXY =
= 120601 ,8698
= 881157 ,4161
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
8
A teoria dos testes de H0: ρ = 0
n −2 |tn- 2| > tc
=r
1 −r 2 (teste bilateral/bicaudal) .
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
9
Suponha que uma amostra de n = 12, 12 Dados:
alunos forneceu um coeficiente de correlação Hipóteses: n = 12
amostral de r = 0,66,
0,66 entre X = “nota em H0: ρ = 0 r = 0 ,66
cálculo” e Y = “nota em Econometria”. H1: ρ > 0 α = 1%
Verifique se é possível afirmar que uma nota
boa em Cálculo está relacionada com uma nota Trata-se de um teste unilateral à
boa em Econometria a 1% de significância. direita para o coeficiente de correlação.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A variável teste é:
n −2
t n −2 = r
1 −r 2
Então: 2 ,778
n −2 12 − 2 α = 1%
t10 = r = 0 ,66 = 2 ,778
1 −r 2 1 −0662 Regi ão de Não Rejeição RC = [ 2 ,764; +∞)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A significância do resultado
obtido (2,778), isto é, o valor-p é dada
por P(T10 > 2,778). Utilizando o
Como a significância do resultado
Excel, tem-se: (0,98%) é menor que a significância do teste
(1%) é possível rejeitar a hipótese nula.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
10
O procedimento realizado para testar
o coeficiente de correlação só é válido
para testar a hipótese nula de que não
existe correlação, isto é, ρ = 0. Outros
tipos de testes só podem ser realizados
através da transformada “zeta” de
Fisher.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
11
O teste para a existência de
correlação linear populacional entre z > zc
duas variáveis X e Y é realizado por: (teste unilateral/unicaudal à direita)
1 1 +ρ z < zc
ζ − ln
ζ − µζ 2 1 − ρ (teste unilateral/unicaudal à esquerda)
z= =
σζ 1 |z| > zc
n −3 (teste bilateral/bicaudal) .
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
12
A variá
variável teste é: A mé
média vale:
1 1 +ρ
ζ − ln 1 1 + ρ 1 1 + 0 ,5
ζ − µζ 2 1 − ρ µζ = ln = ln = 0 ,5493
z= = 2 1 − ρ 2 1 − 0 ,5
σζ 1
Entã
Então: n −3 E o desvio padrã
padrão vale:
1 1 + 0 ,75 1 1 1
ζ = ln = 0 ,9730 σζ = = = = 0 ,1768
2 1 − 0 ,75 n −3 35 − 3 32
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Padronizando, tem-
tem-se:
1 1 +ρ O valor crítico zc é tal que:
ζ − ln
ζ − µζ 2 1 − ρ P(Z > zc) = α = 1%.
z= = =
σζ 1 Ou Φ(zc) = 99%.
n −3 Então zc = 2,33.
0 ,9730 − 0 ,5493 Assim RC = [2,33; ∞)
= = 2 ,40
0 ,1768
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
13
Em muitas situações duas ou mais
variáveis estão relacionadas e surge
então a necessidade de determinar a
natureza deste relacionamento.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
14
A variável resposta Y é aleatória,
Normalmente é suposto que exista enquanto que as variáveis regressoras
uma variável Y (dependente ou Xi são normalmente controladas.
controladas O
resposta), que está relacionada a “k” relacionamento entre elas é
variáveis (independentes ou caracterizado por uma equação
regressoras) Xi (i = 1, 2, ..., k). denominada de “equação
equação de regressão”
regressão
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
y
O termo “U” é o termo erro, isto é,
“U” representa outras influências
sobre a variável Y, além da exercida
pela variável “X”. A variação residual
Y = α + β X + U; (termo U) é suposto de média zero e
x
desvio constante e igual a σ.
x1 x2 xn
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
15
Ou ainda pode-se admitir que Y = α + β X + U;
o modelo fornece o valor médio E(Y/x) = α + β X, isto é, E(U) = 0
de Y, para um dado “x”, isto é, V(Y/x) = σ2;
Cov(Ui, Uj) = 0, para i ≠ j;
E(Y/x) = α + βX A variável X permanece fixa em observações
sucessivas e os erros U são normalmente
distribuídos.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
16
Deve-se minimizar:
n n Y i = a + b X i + Ei
2
φ = ∑ E 2i = ∑( Y i −Ŷ i ) = yi
i =1 i =1 Ei
ŷ i
n
= ∑( Y i −a −b X i ) 2
i =1
xi
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
∑Y i = na + b ∑ X i ∑Xi y i − nXY S XY
b = =
∑ X iY = n∑ X i +b∑ X 2 ∑X 2
i −n X 2 S XX
i i
a = Y − bX
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
17
Lembrando que:
Fazendo:
S XY = ∑ X i Y i − nX Y
S XX = ∑ X 2i − n X 2
S YY = ∑ Y 2i − n Y 2
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Ano Y = IPC X = M1
Considerando os valores das 1960 29,6 140,7
1961 29,9 145,2
variáveis “Oferta Monetária” e “Índice de 1962 30,2 147,8
Preços ao Consumidor”, consideradas 1963 30,6 153,3
anteriormente, determinar uma equação de 1964 31,5 160,3
1965 32,4 167,8
regressão linear para prever o IPC dado um ... ... ...
determinado nível de Oferta Monetária. 2000 177,1 1172,9
2002 179,9 1210,4
2003 184,0 1287,1
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Ano X Y XY X2 Y2
Da mesma forma que para 1960 140,7 29,6
1961 145,2 29,9
calcular o coeficiente de correlação é 1962
1963
147,8
153,3
30,2
30,6
1964 160,3 31,5
necessário a construção de três novas 1965 167,8 32,4
... ... ...
colunas. Uma para X2, uma para Y2 e 2000 1172,9 177,1
2002 1210,4 179,9
outra para XY. 2003 1287,1 184,0
Total 25894,5 4102,9 3295760,69 21856837,21 503187,97
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
18
Tem-se:
n = 44 ∑ X = 25894,50 ∑Y = 4102,90 2
S XX = ∑ X 2i − n X =
X = 588,5114 Y = 93,2477 ∑ XY = 13295760,69
= 6617629 ,7043
∑ X 2 = 21856837,21 ∑Y 2 = 503187,97
Então:
S YY = ∑Y 2i − n Y 2 =
S XY = ∑ X i Y i − nXY =
= 120601 ,8698
= 881157 ,4161
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
2
∑ E 2 ∑ ( Y −a −bX )
S2 = =
n −2 n −2
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
19
O cálculo da variância residual, por Desenvolvendo o numerador da
esta expressão, é muito trabalhoso, pois é expressão, vem:
necessário primeiro determinar os valores 2
∑( Y −a −bX ) 2 = ∑[ Y −( Y −bX ) −bX ] =
previstos. Entretanto é possível obter
2
uma expressão que não requeira o cálculo = ∑[ Y −Y +bX −bX ] 2 = ∑[ Y −Y −b( X −X )] =
dos valores previstos, isto é, de 2
= ∑( Y −Y ) −2b ∑( X − X )( Y − Y ) + b2 ∑( X −X ) 2 =
Ŷ = a + bX = SYY − 2b S XY +b2 S XX
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Assim:
E 2 ( Y -a -bX ) 2
s= =
n -2 n -2
Será, finalmente:
S YY - b 2 S XX S YY - b S XY
s= =
n -2 n -2
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
20
Considerando os valores do exemplo Então:
anterior, determinar o erro padrão da
regressão. S YY - b S XY
s= =
Tem-se:
Tem- S YY = 120601 ,8698 n -2
120601 ,8698 - 0 ,1332 .881157 ,4161
S XX = 6617629 ,7043 = =
44 - 2
S XY 881157 ,4161 = 8 ,8278 ≅ 8 ,83
b= = = 0 ,1332
S XX 6617629 ,7043
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
21
Comportamento de “a”
As principais propriedades de
(i) Expectância
( )
interesse são a média (expectância), a
E ( a ) = E Y − b X = ... = α
variabilidade (erro padrão) e a
distribuição de probabilidade de cada um (ii) Variância
2
dos estimadores. V ( a ) = V Y −bX ( ) = ... = σ2
1 X
n + S
XX
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
22
Então:
Cov ( a ,b ) = E ( ab ) − αβ =
= αβ − X σ b2 − αβ = − X σ b2
Assim: S
Cov ( a ,b ) = − XV ( b ) = − X V XY =
S XX
2
= − Xσ
S XX
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
" β"
O IC de “1 – α” de confiança para o
coeficiente da regressão “β” é dado por:
S S
P( b −tn−2 ≤ β ≤b +tn−2 ) =1 −α
S XX S XX
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
23
Determinar intervalos de confiança
de 95% para os parâmetros da equação S YY = 120601 ,8698 a = 14 ,8857
de regressão, utilizando os dados do S XX = 6617629 ,7043 b = 0 ,1332
exercício anterior. S XY = 881157 ,4161 s = 8 ,8278
n = 44
X = 588 ,5114
Ŷ = 14 ,89 + 0 ,13 x 1 − α = 95%
Y = 93 ,2477
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
24
Então IC de “1 – α” de confiança
Para construir o IC de “1 – α” para o
para o um valor médio de Y, dado x , é:
valor médio de Y, dado x, é necessário
conhecer sua distribuição. Tem-se: 1 ( X −X )
2
Ŷ ± tn −2 S +
n S XX
2
1 ( X −X )
Ŷ ~ N ( α +βx ; σ + )
n S XX
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Determinar intervalos de
confiança de 95% para os valores
médio e individual de Y, na hipótese
de x = 200.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
25
O IC de “1- α” para o valor médio de Y,
dado “x” é: 1 ( X −X )
2
S YY = 1932 ,10 a = − 2 ,7394 Ŷ ± t n −2 S +
n S XX
S XX = 8250 b = 0 ,4830 Então:
ŷ = − 2 ,7394 + 0 ,4830 .200 = 93 ,8606
S XY = 3985 s = 0 ,9503
1 ( 200 −145 ) 2
X = 145 n = 10 93,8606 ± 2 ,306.0,9503 +
10 8250
Y = 67 ,30 1 − α = 95 %
93,8606 ± 1 ,4970
x = 200
[92,36; 95,36]
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
1 ( 200 −145 ) 2
93,8606 ± 2 ,306.0,9503 1 + +
10 8250
93,8606 ± 2,6539
[91,21; 96,51]
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
26
" β"
A variável teste para testar o
coeficiente da regressão “β” é dada por:
b −β
t n −2 = S
S XX
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Dados: A variá
variável teste é:
Hipóteses: a −α
n = 10 t n −2 =
H0: α = 0 a = -2,739 1 X2
S +
n S XX
H1: α ≠0 α = 1% Entã
Então:
Trata-se de um teste bilateral para −2 ,739 − 0
t8 = = −1 ,771
o coeficiente linear da regressão. 1 145 2
0 ,9503 +
10 8250
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
27
crítico tc é tal que: P(|T| > tc) = α
O valor crí
Dados:
Então tc = -3,355. Assim RC = [-3,355; ∞) Hipóteses: n = 10
DECISÃ
DECISÃO e CONCLUSÃ
CONCLUSÃO: H0: β = 0 b = 0,4830
Como t8 = -1,771 ∈ RC ou H1: β > 0 α = 1%
-1,771 > -3,355. Aceito H0, isto é, a 1%
de significâ
significância, não se pode afirmar que Trata-se de um teste unilateral
a linha de regressã
regressão nã
não passe pela para o coeficiente angular da regressão.
origem.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A variá
variável teste é: crítico tc é tal que: P(T > tc) = α
O valor crí
b −β Então tc = 2,896. Assim RC = [2,896; ∞)
t n −2 =
S
S XX DECISÃ
DECISÃO e CONCLUSÃ
CONCLUSÃO:
Entã
Então: Como t8 = 46,165 ∈ RC ou
46,165 > 2,896. Rejeito H0, isto é, a 1%
0 ,4830 − 0
t8 = = 46 ,165 de significâ
significância, pode-
pode-se afirmar que
0 ,9503 / 8250
existe regressã
regressão entre as duas variá
variáveis.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Y
Y − Ŷ
Ŷ Y −Y
Ŷ − Y
Y
Y − Y = Y − Ŷ + Ŷ − Y
2 2 2
∑ ( Y −Y ) = ∑ ( Y −Ŷ ) + ∑ ( Ŷ −Y )
VT = VR + VE
xi
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
28
(aa) Variação Total: VT Uma maneira de medir o
VT = ∑ Y −Y ( ) 2
= S YY
grau de aderência (adequação) de
(bb) Variação Residual: VR
um modelo é verificar o quanto
VR = ∑ Y −Ŷ ( )2
= S YY − b 2 S XX = VT − VE
da variação total de Y é
(cc ) Variação Explicada: VE
explicada pela reta de regressão.
VE = ∑ Yˆ − Y
2
(
= b 2 S XX )
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
29