Escolar Documentos
Profissional Documentos
Cultura Documentos
RICARDINA AUGUSTO
QUELIMANE
2021
DOMINGOS ANASTACIO CIZELA
RICARDINA AUGUSTO
QUELIMANE
2021
Índice
1.Introdução..................................................................................................................................................4
2.Objectivos...................................................................................................................................................4
3.Metodologia ...............................................................................................................................................4
4.Correlação..................................................................................................................................................5
4.2.3.Nula.......................................................................................................................................................6
5.Regressão ...................................................................................................................................................9
5.2.Características ......................................................................................................................................10
5.3.Variável .................................................................................................................................................11
6. Conclusão ............................................................................................................................................14
7. Bibliografia .........................................................................................................................................15
1. Introdução
Existem situações nas quais há interesse em estudar o comportamento conjunto de uma ou mais
variáveis. Em muitos casos, a explicação de um fenómeno de interesse pode estar associado a
outros factores (variáveis) que contribuem de algum modo para a ocorrência deste fenómeno, o
comportamento conjunto de duas variáveis quantitativas pode ser observado por meio do
gráfico de dispersão.
2. Objectivos
2.1.Objectivo geral
➢ Analisar a correlação e regressão linear.
2.2.Objectivo específico
➢ Conhecer como se calcula a correlação linear;
➢ Conhecer a importância da Correlação linear;
➢ Saber definir e calcular uma regressão linear.
3. Metodologia
Para a realização deste trabalho de comparação da fisiologia dos sistemas respiratórios dos peixes
e das aves, foram consultados vários manuais e em seguida foram censuradas as informações e a
que se mostrou ser mais pertinente foi usada para a compilação deste trabalho. Para a realização
deste trabalho de comparação da fisiologia dos sistemas respiratórios dos peixes e das aves,
foram consultados vários manuais e em seguida foram censuradas as informações e a que se
mostrou ser mais pertinente foi usada para a compilação deste trabalho.
4. Correlação
4.1.Tipos de Correlação
Quando se estuda o grau de relação entre duas variáveis, sendo uma dependente (Yi) e outra
independente (Xi).
Quando se estuda o grau de relação simultânea entre a variável dependente e duas ou mais
variáveis independentes.
4.1.3. Correlação Parcial
No caso de uma relação múltipla, quando se estuda a relação pura entre duas variáveis, depois de
eliminada estatisticamente a influencia de outras variáveis independentes.
4.2.Correlação linear
Quando a variável dependente está directamente relacionada com a variável independente. Ex.:
Renda e Consumo.
4.2.3. Nula
Valor de r
0 1
−1 Correlação
positiva forte
Este coeficiente é a dimensional, logo não é afectado pelas unidades de medidas das
variáveis X e Y.
O sinal positivo indica que as variáveis são directamente proporcionais, enquanto que o
sinal negativo indica que a relação entre as variáveis é:
Exemplo 1:
A tabela abaixo apresenta os preços médios das ações e títulos divulgados pela Bolsa de Nova
York de 4 universidade . Calcule o coeficiente de correlação de Pearson e interprete o resultado.
11−6∙8
r=
√∑ 152 −62 ∙√222 ∙82
4∙11−6∙8
r=
√4∙15−36∙√4∙22−64
r= −0,408
Quanto maior for o valor absoluto do coeficiente, mais forte é a relação entre as variáveis. Para
a correlação de Pearson, um valor absoluto de 1 indica uma relação linear perfeita.
A correlação perto de 0 indica que não há relação linear entre as variáveis. O sinal de
cada coeficiente indica a direção da relação.
Quando estamos lidando com investimentos, a correlação está relacionada justamente a dois
activos distintos, e de que forma a variação de um pode influenciar o outro. Podemos dizer que
ela ajuda
a decifrar quais investimentos possuem comportamentos semelhantes ou distintos de acordo com
as movimentações da economia.
5. Regressão
Convém, porém observar que em algumas situações, a relação entre as variáveis podem não estar
sujeita a uma relação de causa e efeito. Por uma simples relação acidental ambas podem ser
função de uma causa comum que as afecta. Isto, porém, não tira a importância que tem a
regressão no estudo do relacionamento entre variáveis. É preciso apenas cuida- do e nos casos
mais difíceis de identificação da relação, pode-se optar por uma regressão múltipla, para maior
segurança de análise e das projecções a serem efectuadas.
Na regressão a variável independente (Xi) se mede sem erro. Ela não varia ao acaso, está sempre
ao controle do investigador. Somente a variável dependente (Yi) é que é aleatória, e esta sujeita a
pequenas variações (afastamentos) a depender do grau de relação entre as variáveis e do modelo
de regressão utilizado.
Assim a dosagem de certo tipo de droga (Xi) aplicada em pacientes, está sobre o controle do
pesquisador, porém a pressão sanguínea (Yi) é aleatória, dependendo, portanto, da relação causa-
efeito entre as variáveis.
5.1.Regressão da linear
Equação de regressão: Yi = + X
5.2.Características
➢ Diferentes rectas podem ser traçadas, a olho nu, e um diagrama de dispersão. Cada
pessoa terá uma tendência diferente Nenhuma recta passará exactamente por todos
os pontos (se a correlação não for máxima).
➢ Precisamos encontrar uma recta que esteja tão próxima dos pontos quanto possível.
Os erros de predição para a recta são erros (direcção vertical)
➢ Usa-se o método dos mínimos quadrados para ajustar uma recta de regressão ao
conjunto de pontos do diagrama.
➢ A recta de regressão descreve como uma variável resposta (dependente) y varia em relação a
uma variável explanatória (independente) x.
5.3.Variável
➢ Variável resposta (y) (dependente);
➢ Mede um resultado em um estudo;
➢ Variável explanatória (x)(independente;
➢ Procura explicar os resultados observados.
Σ= Se você não ta acostumado com os símbolos, é o seguinte, esse Σ é uma letra grega que na
matemática simboliza soma, e você vai somar o que? os valores que estão do lado desse Σ!
Xi*Yi: Aqui você vai pegar CADA valor dentro do seu X(tempo de serviço) e vai multiplicar pelo
seu Y(bônus mensal). Depois é só somar tudo como o Σ diz.
n: É a quantidade de linhas que você tem no seu dataset (sua tabela com dados histórico)
X barra: Esse é o símbolo do X com uma barra em cima, qualquer valor com essa barra em cima
significa a média de alguma coisa, nesse caso, a média de X(tempo de serviço)
Y barra: Esse é o símbolo do Y com uma barra em cima, qualquer valor com essa barra em cima
significa a média de alguma coisa, nesse caso, a média de Y(bônus mensal).
Σx²: É a somatória de X(tempo de serviço) elevado ao quadrado, então pega cada valor do tempo
de serviço, eleva ao quadrado e depois soma tudo.
n * x barra ²: É o numero de linhas que você esta usando, multiplicado pela média de X elevado
ao quadrado
Média de Y: Esse valor se refere à média dos dados que você quer descobrir, então se você quer
descobrir o bônus mensal através dos meses de serviço, então tira a media dos valores dos bônus e
pronto, você tem o valor dessa variável ai.
Média de b*X: É quase a mesma coisa que a média de Y, você junta os valores de X que são os
dados que você vai usar pra fazer suas predições, tira a média e multiplica pelo valor de B(que
você já descobriu)
No fim, quando terminarmos de calcular todos esse valores, é só jogar eles na fórmula:
6. Conclusão
Correlação é o estudo do grau de associação entre variáveis. Na correlação interessa observar se
duas ou mais variáveis são independentes ou variam juntas. Como o objectivo de análise de
correlação é medir a intensidade de relação entre as variáveis, você deve estar atento aos
princípios desta relação. Nas correlações supostamente lógicas, as relações causais se
compreendem claramente. Nas chamadas correlações ilusórias não se encontra nenhuma conexão
razoável entre as variáveis. De acordo com a relação entre as variáveis a correlação linear pode
ser: directa ou positiva, indirecta ou negativa e nula.
A função de regressão pode ser obtida a partir do estudo da correlação, bem como a partir da
aplicação dos mínimos quadrados entre os valores observados e os esperados da variável
dependente. Dispondo da equação de regressão você deve calcular a variância residual e
consequentemente o erro de estimativa para cada regressão. Uma boa regressão sempre trabalha
com uma margem de erro menor do que 10% e quanto mais próximo de “zero” estiver este erro
melhor é a equação de regressão.
7. Bibliografia
BUSSAB, W. O.; MORETTIN, P. A. Estatística Básica, 5a Edição, São Paulo: Saraiva, 2005.
FISHER, R. A. Statistical methods for research workers. Edinburgh: Oliver and Boyd,
1925. (Bio- logical monographs and manuals, n.5)