Você está na página 1de 7

UNIVERSIDADE PÚNGUÈ

FACULDADE DE CIÊNCIAS AGRÁRIAS E BIOLÓGICAS


CURSO DE LICENCIATURA EM ENSINO DE BIOLOGIA
Disciplina: bioestatística
Trabalho individual
Nome do estudante: Martinho Miguel Francisco
Medidas de associação entre duas variáveis

Covariância

É a medida descritiva da associação linear entre duas variáveis. (x e y, por exemplo) c


covariancia (Sxy) é um coeficiente que indica o sentido da variação observada em y dada
uma variação qualquer em x.

Formula

∑ ( Xi−X ) .( yi− y)
Sxy =
n−1

Se Sxy é positiva, a relação entre x e y é directa, ou seja x↑ → y↑ ou x↓ → y↓

Se Sxy é negativo, a relação entre x e y é inversa, ou seja, x↑ → y↓ ou x↓ → y↑

Se Sxy é nula (0), não existe relação entre x e y.

Exemplo: dada os dados a baixos calcule a covariância

Xi 8 14 15 21 22
yi 6 9 4 17 14

Resolução

xi yi xi - x yi - y (xi - x ).(yi - y )
8 6 -8 -4 32
14 9 -2 -1 2
15 4 -1 -6 6
21 17 5 -5 25
22 14 6 -4 24
∑ 80 50 89

80 50 89
x= = 16 y= =10 Sxy = = 22,25
5 5 4

Determinação de correlação e seu significado

Correlação: considera-se duas variáveis associadas (x e y, por exemplo), a correlação (rxy)


é um coeficiente que indica o sentido e o grau da associação entre as duas variáveis. Estas
medidas, chamadas coeficiente de correlação simples ou coeficiente de correlação de
pearson, ou ainda coeficiente do momento do produto de pearson, é dada pela expressão
S xy
rxy =
Sx S y

Sendo:

r xy → Coeficiente da correlação de pearson

Sx → desvio-padrão da variável x

Sy → desvio-padrão da variável y

- Coeficiente de correlação simples varia de 0 a 1 (em valores absolutos)

- Pode ser positivo ou negativo (portanto, varia de 0 a 1 ou de 0 a -1)

Se r xy é positivo, a correlação entre as variáveis é directa (x↑ → y↑ ou x↓ → y↓)

Se r xy é negativo, a correlação entre as variáveis é inversa (x↑ → y↓ ou x↓ → y↑)

r xy = 1 Indica correlação é perfeita; r xy = 0 Indica ausência de correlação

r xy Próximo de 1 indica correlação forte; r xy Próximo de 0 (zero) correlação fraca

Exemplo: segundo os dados abaixo determine a correlação.

Xi 8 14 15 21 22
yi 6 9 4 17 14

Resolução:

xi yi xi - x yi - y (xi - x ¿2 (yi - y )2 (xi - x ¿.(yi - y )


8 6 -8 -4 64 16 32
14 9 -2 -1 4 1 2
15 4 -1 -6 1 36 6
21 17 5 -5 25 25 -25
22 14 6 -4 36 16 -24
∑ 80 50 130 94

80 50
x= = 16 y= =10
5 5
Coeficiente de determinação (R2)

É um ajuste do modelo de correlação linear, varia entre 0 e1, é expresso e percentagem e


reflecte o quanto uma variável explica uma outra variável. O Coeficiente de determinação
(R2) é o quadrado do coeficiente de correlação de peason (r) entre x e y. Em um modelo de
regressão simples.

R2 → valor do coeficiente ao quadrado

SQM SQT −SQR SQR


R2 = = =1 - NOTA: 0≤ R2 ≤ 1
SQT SQT SQT

SQTotal = SQModelo + SQResíduos

R2 = 1 → todas as observações caem na linha de regressão ajustada. a variável proditora X


explica toda a variação nas observações.

R2 = 0 → isto ocorre quando b1 = 0. não existe relação linear em y e x não ajuda a explicar a
variação dos Yi .

Formula

RSS
R2 = 1 -
TSS

Onde: R2 → coeficiente de determinação

RSS → soma dos quadrados dos resíduos

TSS → soma total dos quadrados

Exemplo:

Diagrama de dispersão ou gráficos de dispersas

São representações de dados de duas ou mais variáveis qua são organizadas em um gráfico.
O diagrama de dispersão utiliza coordenadas cartesianas para exibir valores de um conjunto
de dados. o diagrama de dispersão pode ser usado quando uma variável continua depende a
outra variável continua ou quando ambas as variáveis continua são independentes.

Coeficiente de pearson
Também chamado de coeficiente de correlação produto-momento ou simplesmente de p de
perarson é um teste que mede a relação estatística entre duas variáveis continuas. Este
coeficiente, normalmente assume apenas valores entre -1 e 1.
p = 1 significa correlação perfeita positiva entre as duas variáveis.
p = -1 significa uma correlação negativa perfeita entre as duas variáveis, isto é, se uma
aumenta a outra sempre diminui.
p = 0 significa que as duas variáveis não dependem linearmente uma da outra. No entanto
pode existir uma dependência não linear.
Formula

Exemplo
X Y X2 Y2 Xy
1 3 1 9 3
2 5 4 25 10
0 1 0 1 0
-1 -1 1 1 1
4 .14−2.8
rxy = 2

√ 4.6−22 x 4.36−8
rxy = 1

Propriedades do coeficiente de peason


Primeira propriedade: o valor de r é um número compreendido entre -1 e 1sendo que
quando mais próximo de 1ou de -1 for o seu valor, indica que existe um grau maior de
relação entre as variaves em estudo, próximo de zero não existe relação
Interpretação do coeficiente de peason
O coeficiente de correlação de Pearson tem o objectivo de indicar como as duas variáveis
associadas estão entre si, assim:
Correlação menor que zero: Se a correlação é menor que zero, significa que é negativo, isto
é, que as variáveis são inversamente relacionadas.
Quando o valor de alguma variável é alto, o valor da outra variável é baixo. Quanto mais
próximo você estiver de -1, mais clara será a covariação extrema. Se o coeficiente é igual a
-1, nos referimos a uma correlação negativa perfeita.
Correlação maior que zero: Se a correlação for igual a +1, significa que é perfeito positivo.
Neste caso, significa que a correlação é positiva, isto é, que as variáveis estão directamente
correlacionadas. Correlação igual a zero: Quando a correlação é igual a zero, significa que
não é possível determinar qualquer senso de covariação. No entanto, isso não significa que
não haja relação não linear entre as variáveis.
Quando as variáveis são independentes, significa que elas estão correlacionadas, mas isso
significa que o resultado é verdadeiro.

Você também pode gostar