Escolar Documentos
Profissional Documentos
Cultura Documentos
ESTATÍSTICOS
APLICADOS A
GEOGRAFIA
Análise de
Regressão
por Profa. Lucia Mendes
Prof. Francílio Amorim do Santos
lucia.mendes@uece.br
francilio.amorim@ifpi.edu.br
ANÁLISE DE REGRESSÃO
Correlação linear
Regressão linear
EXEMPLOS:
1. Será que existe uma relação entre o peso e a altura de um
homem adulto?
2.Um solo humífero é garantia de uma boa safra agrícola?
3.Uma imagem de alta resolução garante um cobrança do IPTU mais
justo?
4.Posso correlacionar a taxa de criminalidade e taxa de
analfabetismo?
5.Será que existe relação entre expectativa de vida e analfabetismo.
6.Será que existe relação entre a hora da coleta da temperatura do
solo e a variação da temperatura.
INTRODUÇÃO
O modelo linear simples, portanto, pode ser utilizado quando se esta interessado
ou nas relações entre duas variáveis ou mesmo entre dois eventos ou se quer
predizer a ocorrência de uma delas ou de um deles em relação ao outro.
CORRELAÇÃO LINEAR
Dois conceitos são chaves para entendê-la: “associação” e “linearidade”. Afinal, o que
significa dizer que duas variáveis estão associadas? Em termos gráficos, por relação
linear entende-se que a melhor forma de ilustrar o padrão de relacionamento entre duas
variáveis é através de uma linha reta. Portanto, a correlação de Pearson (r) exige um
compartilhamento de variância e que essa variação seja distribuída linearmente.
CORRELAÇÃO LINEAR
Interpretação do valor r
-1 0 +1
- Cohen (1988), valores entre 0,10 e 0,29 podem ser considerados pequenos;
escores entre 0,30 e 0,49 podem ser considerados como médios; e valores
entre 0,50 e 1 podem ser interpretados como grandes.
Diagrama de Dispersão
Diagrama de Dispersão
Três modelos podem ser usados para estas investigações:
1. Verificar se os valores estão correlacionados.
2. Predizer o valor de uma variável a partir de um valor conhecido da outra.
3. Descrever a relação entre variáveis. (Dado um aumento específico numa
variável, qual o crescimento médio esperado para a segunda variável?)
Ângulo de Inclinação
0.8
Ângulo de Diâmetro de
Id Inclinação sedimentos 0.6
0.7
0.6
Ângulo de Inclinação
0.5
Se a variável dependente Y tende a r=0
aumentar a0.4cada acréscimo da variávelnula: y não cresce,
1. Correlação
independente X, a indicando
correlação éausência correlação
0.3
denominada positiva ou direta, caso
linear;
contrário, negativa
0.2 ou inversa.
2. Correlação fraca: indica que y
0.1
cresce mais lentamente que x;
0 3. Correlação forte: indica que y
0.3 0.8 1.3 1.8 2.3 2.8
cresce mais rapidamente que x;
Diâmetro de sedimentos
Relação entre a
velocidade de
infiltração básica
(VIB) e a
condutividade
hidráulica do
solo saturado
(Ks) da camada
de 0-20 cm do
PVA. Relação entre a VIB e a densidade
do solo (Ds) da camada de 60-80 cm
do PVA.
CORRELAÇÃO LINEAR
O erro do tipo I consiste em concluir que a hipótese nula é falsa quando ela é
verdadeira. Logo, não existe relação entre as variáveis (Ho é verdadeira), mas o
pesquisador argumenta que X e Y são estatisticamente dependentes. Ou seja,
ele não poderia ter rejeitado a hipótese nula.
O erro do tipo II consiste em concluir que a hipótese nula é verdadeira quando
ela é falsa. Logo, existe relação entre X e Y (Ho é falsa), mas o pesquisador
defende que as variáveis são estatisticamente independentes. Ou seja, ele
deveria ter rejeitado a hipótese nula.
CORRELAÇÃO LINEAR
3 54 1.69 3
4 55 1.82 2.5
5 72 3.1 2
média 50 1.738
Y
1.5
0.5
0
20 30 40 50 60 70 80
X
CORRELAÇÃO LINEAR
Exemplo: Analisar a relação entre duas variáveis X e Y que compõem os dados da tabela
teste de hipóteses: 𝐻0 : 𝜌 = 0
𝐻1 : 𝜌 ≠ 0
A estatística do teste é dada por:
Y: taxa de criminalidade
X: taxa de analfabetismo
Para = 0,05 temos:
Podemos notar
que, conforme tcrítico2,5=1,96, sendo t>tcrítico2,5
aumenta a taxa de Portanto, rejeita H0
analfabetismo (X),
a taxa de
criminalidade (Y)
tende a aumentar. Há correlação entre
Nota-se também criminalidade e
uma tendência analfabetismo.
linear.
CORRELAÇÃO LINEAR
Exemplo 4: Quer se testar se existe ou não correlação linear entre a
expectativa de vida e o analfabetismo.
Considere as duas variáveis observadas em 50 estados norte-americanos.
Uma vez constatado que existe correlação linear entre duas variáveis,
pode-se tentar prever o comportamento de uma delas em função da
variação da outra.
Intercepto y
a
a e b - parâmetros
b da reta
Inclinação da reta
r 0,85
REGRESSÃO LINEAR
No caso do Exercicio 3: Uma vez verificada a existência de uma relação
entre a: a taxa de criminalidade x taxa de analfabetismo, desejamos
desenvolver um modelo para estimar a taxa de criminalidade (variável y) a
partir da taxa analfabetismo (variável x).
a reta ajustada é:
Interpretação de b:
Exemplo, caso haja, entre duas variáveis X e Y um valor de r igual a 0.6, ter-se-
á r2 = 0.36, ou seja, o grau de dependência de Y em relação a X será de 36%;
isso significa que 64% da variação total permanece sem explicação.
ANÁLISE DE REGRESSÃO
4.5
Y = 1,8246
4 y = 0.9094x + 0.4605
3.5 R² = 0.7885 Entre duas variáveis X e Y um
CONCENTRAÇÃO ORGÂNICO
3
valor de r igual a 0.888, ter-se-á r2
2.5
= 0.78, ou seja, o grau de
2
dependência de Y em relação a X
1.5
será de 78%; isso significa que
1
22% da variação total permanece
0.5
sem explicação.
0 Com o aumento da precipitação
0 0.5 1 1.5 2 2.5 3 3.5 4
PRECIPITAÇÃO (X), a concentração da poluição
(Y) diminui, em média, 0,4605
Prática Excel e GeoDA
https://geodacenter.github.io/download_windows.html
Excel
DRUCK S. et al. Análise espacial de dados
geográficos. Editores Técnicos Suzana Druck...
[ET AL.]... Planaltina, Df: Embrapa Cerrados. OLIVEIRA, P.F.; GUERRA, S; McDONNELL R.
209 p. 2004 Ciência de Dados com R: Introdução.
Instituto Brasileiro de Pesquisa e Análise de
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Dados. Disponível em:
Manual de Análise de Dados (Locais do Kindle <https://cdr.ibpad.com.br/>. Acesso em: 05
695). Elsevier Editora Ltda.. Edição do Kindle. nov. 2022.
LANDIM, P. M. B. Análise Estatística de Dados ROGERSON, P.A. Métodos estatísticos para
Geológicos. 2º Edição. Ed. UNESP, São Paulo, geografia: um guia para estudante / Peter A.
226p. 2003. Rogerson ; tradução técnica: Paulo Fernando
Braga Carvalho,José Irineu Rangel Rigotti. 3.
LEVINE, D.M. Estatística: Teoria e Aplicações: Ed. Porto Alegre : Bookman, 348 p. 2012.
Usando Microsoft Excel em Português. Editor:
Livros Téc. e Cient. Editora, 812p. 2000.
“Se a matemática é o
pincel com que Deus
desenhou o universo,
então, a estatística é a
ferramenta humana
criada para tentar
entendê-lo!
(Chico Xavier)