Escolar Documentos
Profissional Documentos
Cultura Documentos
à Estatística
Prof. Igor
1
Associação entre Variáveis Quantitativas
2
Associação entre Variáveis Quantitativas
Diagrama de Dispersão
Covariância
Correlação
Regressão Linear Simples
3
Associação entre Variáveis Quantitativas
280,0
Colesterol (mg/dL)
260,0
240,0
220,0
200,0
25 30 35 40 45 50 55 60
Idade
5
Diagrama de Dispersão
6
◼ Percepções obtidas a partir do diagrama de dispersão
anterior
7
Diagrama de dispersão
8
Diagrama de dispersão
9
Diagrama de dispersão
10
Medidas de Associação entre Variáveis
Quantitativas
11
Covariância
12
Covariância
( xi − x )( yi − y ) covariância
sxy =
n −1 amostral
( xi − x )( yi − y ) covariância
xy = populacional
N
13
Correlação
14
Correlação
https://www.fastcompany.com/30305
29/hilarious-graphs-prove-that-
correlation-isnt-causation
15
Coeficiente de correlação
Coeficiente Coeficiente
de correlação de correlação
amostral populacional
16
Coeficiente de correlação
17
Covariância e Coeficiente de Correlação
19
Regressão Linear Simples
20
Regressão Linear Simples
Número de Número de
anúncios na carros
TV (x) vendidos (y)
1 14
3 24
2 18
1 17
3 27
21
Diagrama de Dispersão e a Equação de Regressão Estimada
20
y = 5x + 10
15
10
5
0
0 1 2 3 4
Anúncios de TV
22
Modelo Teórico de Regressão Linear Simples
y = b0 + b1x +e
onde:
b0 e b1 são chamados parâmetros do modelo
e é uma variável aleatória chamada parcela de erro
23
Equação de Regressão Estimada
ŷ = b0 + b1 x
24
Processo de estimação
Dados amostrais:
Modelo de regressão x y
y = b0 + b1x +e x1 y1
Equação de regressão x2 y2
E(y) = b0 + b1x . .
Parâmetros desconhecidos . .
b 0, b 1 . .
xn yn
Equação de
b0 e b1 regressão estimada
fornecem estimativas de ŷ = b0 + b1 x
b0 e b1 Estatísticas amostrais
b0, b1
25
Processo de estimação
b1 = ( x − x )( y − y )
i i
(x − x )
i
2
onde:
xi = valor da variável independente para a i-ésima
observação
yi = valor da variável dependente para a i-ésima
_ observação
x = valor médio da variável independente
_
y = valor médio da variável dependente
26
Processo de estimação
b0 = y − b1 x
27
Processo de estimação
28
Processo de estimação
b1 = ( x − x )( y − y ) 20
i i
= =5
(x − x )i
2
4
29
Diagrama de Dispersão e a Equação de Regressão Estimada
20
y = 5x + 10
15
10
5
0
0 1 2 3 4
Anúncios de TV
30
Coeficiente de Determinação
i
( y − y ) 2
= i
( ˆ
y − y ) 2
+ i i
( y − ˆ
y ) 2
onde:
SQTot = soma dos quadrados total
SQReg = soma dos quadrados da regressão
SQRes = soma dos quadrados dos resíduos
31
Coeficiente de Determinação
O coeficiente de determinação é:
r2 = SQReg/SQTot
onde:
SQReg = soma dos quadrados da regressão
SQTot = soma dos quadrados total
32
Coeficiente de Determinação
33
Coeficiente de Correlação Amostral
onde:
b1 = a inclinação da equação de regressão estimada
yˆ = b0 + b1 x
34
Coeficiente de Correlação Amostral
rxy = (sinal de b1 ) r 2
rxy = + 0,8772
rxy = +0,9366
35
Exemplo: consumo de cerveja e temperatura
36
Exemplo: consumo de cerveja e temperatura
Dados:
Localidade Temperatura Consumo
(X) (Y)
1 16 290
2 31 374
3 38 393
4 39 425
5 37 406
6 36 370
7 36 365
8 22 320
9 10 269
37
Exemplo: consumo de cerveja e temperatura
450
430
y = 4,7385x + 217,37
410 R² = 0,9246
390
370
Consumo
350
330
310
290
270
250
0 5 10 15 20 25 30 35 40 45
Temperatura
38
Exemplo: consumo de cerveja e temperatura
Qual é a interpretação de b?
Aumentando-se um grau na temperatura (X), o consumo de
cerveja (Y) aumenta, em média, 4,74 litros por mil habitantes.
39