Análise de Correlação e Regressão Linear Simples

Correlação linear
Regressão Linear
Exercı́cios
Análise de Correlação e
Regressão Linear
Lucas Santana da Cunha

email: lscunha@uel.br
http://www.uel.br/pessoal/lscunha/
26 de julho de 2018
Londrina
1 / 17
Correlação linear Introdução
Regressão Linear Gráfico de Dispersão
Exercı́cios Coeficiente de correlação de Pearson
Introdução
Há casos em que pode existir um relacionamento entre duas

variáveis:
Peso vivo e circunferência do peito de ovinos;
Peso e altura de um homem adulto;
Nı́vel de colesterol e de triglicerı́deos;
Perı́odos etários e frequência do pulso;
Muitas vezes há a necessidade de avaliar o grau de relaciona-

mento entre duas ou mais variáveis;
A Análise de Correlação é o ramo da estatı́stica que estabelece

o grau de relacionamento entre duas variáveis;
2 / 17
Gráfico de Dispersão
Uma forma visual de observarmos a correlação entre duas variáveis

é através do gráfico de dispersão.
Nesse gráfico, os valores das duas variáveis são plotadas usando-

se as coordenadas x e y . Os pontos nos darão uma ideia se
existe ou não correlação entre as duas variáveis;
3 / 17
Correlação Positiva
Figura 1: Correlação positiva
4 / 17
Correlação Negativa
Figura 2: Correlação negativa
5 / 17
Correlação Nula
Figura 3: Não há correlação
6 / 17
Coeficiente de correlação de Pearson
O coeficiente de correlação linear de Pearson tem por obje-

tivo medir o grau de relação entre duas variáveis.
Definição
Cov (X , Y )
r= , −1 ≤ r ≥ 1
Sx Sy
em que
Pn Pn
Pn x y
i=1 xi yi − i=1 in i=1 i
Cov (X , Y ) =
n−1
s Pn s
2 ( ni=1 yi )2
P
Pn ( x)
i=1 i
Pn
i=1 xi2 − n
2
i=1 yi − n
Sx = Sy =
n−1 n−1
7 / 17
Iterpretação
Se r < 0, a correlação linear é inversa (negativa) e quanto

mais próximo de −1 maior essa correlação.
Se r > 0, a correlação linear é direta (positiva) e quanto

mais próximo de 1 maior essa correlação.
Se r = 0, existe correlação linear nula entre as variáveis, ou

seja, as variáveis não são correlacionadas linearmente.
8 / 17
Exemplo 1
A tabela abaixo mostra a frequência do pulso médio em diferentes
perı́odos etários:
Idade (X) 2 4 6 8 10 12 14 16
Pulso (Y) 112 104 100 92 88 86 84 80
Verifique se há uma correlação linear entre o pulso médio e a idade.
9 / 17
Introdução
Regressão Linear
Regressão linear simples
Exercı́cios
Introdução
A análise de regressão consiste na obtenção de uma equação

que tenta explicar a variação da variável dependente pela va-
riação do(s) nı́vel(is) da(s) variável(is) indepentedente(s).
O comportamento de Y em relação a X pode se apresentar

de diversas maneiras: linear, quadrático, cúbico, exponencial,
logarı́tmico, etc.
O modelo que explica o fenômeno, deve ser uma curva (função)

que mais se aproxime dos pontos representados no gráfico de
dispersão, levando em conta a interpretação.
10 / 17
Introdução
Regressão Linear
Exercı́cios

Qual será a equação da reta que melhor explica a variação de Y em
função de X ?
Yi = β0 + β1 Xi + ei
11 / 17
Introdução
Regressão Linear
Exercı́cios
Mı́nimos quadrados
Para se obter a equação estimada, vamos utilizar o método
dos mı́nimos quadrados (MMQ), visando a minimização
dos erros. Assim, tem-se que:
n
X n
X
ei2 = [Yi − β0 − β1 Xi ]2
i=1 i=1
Logo, os estimadores de β0 e β1 que minimizam os erros são:
Pn
Xi ni=1 Yi
Pn P
i=1 Xi Yi −
i=1
Sxy
βˆ1 = P n
( ni=1 Xi )2
=
Pn 2 Sxx
i=1 Xi − n
βˆ0 = Ȳ − βˆ1 X̄
12 / 17
Introdução
Regressão Linear
Exercı́cios
Equação estimada
Assim, temos a regressão linear simples ajustada:
ŷ = βˆ0 + βˆ1 x
βˆ0 é o parâmetro intercepto, pois representa o ponto onde a

reta corta o eixo Y (x = 0);
βˆ1 é o parâmetro chamado coeficiente angular da reta. Tem-se

que que para o aumento de 1 unidade de X , Y aumenta em βˆ1
unidades.
13 / 17
Introdução
Regressão Linear
Exercı́cios
Coeficiente de Determinação
O quadrado do coeficente de correlação de Pearson, r 2 , é cha-

mada de coeficiente de determinação e seu campo de va-
riação é 0 ≤ r 2 ≤ 1.
Indica a proporção da variação total que é “explicada”pela re-

gressão.
Se r 2 = 1, todos os pontos observados se situam sobre a reta

de regressão, logo, as variações de Y são 100% explicadas pelas
variações de X através da função especificada.
14 / 17
Introdução
Regressão Linear
Exercı́cios
Exemplo 1
A tabela abaixo mostra a frequência do pulso médio em diferentes
perı́odos etários:
Idade (X) 2 4 6 8 10 12 14 16
Pulso (Y) 112 104 100 92 88 86 84 80
a) Determine a equação da reta de regressão linear de Y em X e

a interprete.
b) Encontre o valor estimado do pulso médio para a idade média.
c) Determine o coeficiente de determinação, r 2 , e o interprete.
d) Plote o gráfico de dispersão com a curva estimada.
15 / 17
Introdução
Regressão Linear
Exercı́cios
16 / 17
Regressão Linear
Exercı́cios
Exercı́cio 1
Considere as medidas de colesterol e de triglicerı́deos de cada indivı́duo abaixo.
Nı́vel de Colesterol (X) Nı́vel de Triglicerı́deos (Y)

Paciente (mmol/l) (mmol/l)
1 5,12 2,30
2 6,18 2,54
3 6,77 2,95
4 6,65 3,77
5 6,36 4,18
6 5,90 5,31
7 5,48 5,53
8 6,02 8,83
9 10,34 9,48
10 8,51 14,20
a) Calcular o coeficiente de correlação linear de Pearson e interpretar o resultado.

b) Determine a equação da reta de regressão linear de Y em X e a interprete.
c) Estime o valor do Nı́vel de Triglicerı́deos, mmol/l, para um Nı́vel de Colesterol
igual a 6,0 mmol/l.
d) Determine o coeficiente de determinação, r 2 , e o interprete.
17 / 17

Análise de Correlação e Regressão Linear Simples

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Análise de Correlação e Regressão Linear Simples

Enviado por

Direitos autorais:

Formatos disponíveis

Correlação linear

Lucas Santana da Cunha

Há casos em que pode existir um relacionamento entre duas

Muitas vezes há a necessidade de avaliar o grau de relaciona-

A Análise de Correlação é o ramo da estatı́stica que estabelece

Uma forma visual de observarmos a correlação entre duas variáveis

Nesse gráfico, os valores das duas variáveis são plotadas usando-

Figura 1: Correlação positiva

Figura 2: Correlação negativa

Figura 3: Não há correlação

Coeficiente de correlação de Pearson

O coeficiente de correlação linear de Pearson tem por obje-

Se r < 0, a correlação linear é inversa (negativa) e quanto

Se r > 0, a correlação linear é direta (positiva) e quanto

Se r = 0, existe correlação linear nula entre as variáveis, ou

Verifique se há uma correlação linear entre o pulso médio e a idade.

A análise de regressão consiste na obtenção de uma equação

O comportamento de Y em relação a X pode se apresentar

O modelo que explica o fenômeno, deve ser uma curva (função)

Regressão linear simples

Logo, os estimadores de β0 e β1 que minimizam os erros são:

βˆ0 é o parâmetro intercepto, pois representa o ponto onde a

βˆ1 é o parâmetro chamado coeficiente angular da reta. Tem-se

O quadrado do coeficente de correlação de Pearson, r 2 , é cha-

Indica a proporção da variação total que é “explicada”pela re-

Se r 2 = 1, todos os pontos observados se situam sobre a reta

a) Determine a equação da reta de regressão linear de Y em X e

Nı́vel de Colesterol (X) Nı́vel de Triglicerı́deos (Y)

a) Calcular o coeficiente de correlação linear de Pearson e interpretar o resultado.

Você também pode gostar