3 Aula Teorica

Estatística e Metodologias de Investiga o
LIC. EQUINICULTURA E ENF. VETERINÁRIA 2023/2024

JOSÉ TELO DA GAMA: JOSE.GAMA@IPPORTALEGRE.PT
ç
ã
Estatística descritiva
Correlação linear: Diagrama de dispersão
Por vezes, pretende-se estudar não apenas uma característica da população, mas duas ou mais
características que se supõe relacionadas entre si.
No caso de se pretender estudar duas características conjuntamente, os valores observados

aparecem sob a forma de pares de valores, isto é, cada indivíduo ou resultado experimental
contribui com um conjunto de dois valores.
É o que acontece, por exemplo, quando se considera para cada aluno candidato ao ensino
superior, a classificação interna final e a nota do exame de uma disciplina. Outros exemplos são
a altura e peso de alunos de uma escola primária; as notas de Física e Matemática dos alunos do
10º ano de uma dada escola; as alturas de pais e filhos; o consumo de gasolina e a cilindrada de
um carro, etc..
Então, para estudar duas características conjuntas, recolhe-se uma amostra de dados
bivariados, que pode ser representada da seguinte forma:
(x1, y1), (x2, y2), (x3, y3), …, (xn, yn),

Para representar e organizar este tipo de informação considera-se uma representação gráfica a
que se dá o nome de nuvem de pontos ou diagrama de dispersão.
Diagrama de dispersão: É uma representação gráfica para os dados bivariados, em que cada par
de dados é representado por um ponto de coordenadas num sistema de eixos coordenados.
Este tipo de representação é muito útil pois permite realçar algumas propriedades entre os
dados, nomeadamente no que diz respeito ao tipo de associação entre as variáveis e .
𝑋
𝑌
Exemplo 1
Um grupo de investigadores está interessado em saber se nas futuras mães o nível de uma
proteína se altera (e no caso afirmativo, de que modo) ao longo da gravidez.
Selecionaram-se para o estudo 19 mulheres saudáveis, todas em estado diferente de gravidez

(tempo de gestação), e mediu-se o nível de proteína em cada uma delas, obtendo-se os
seguintes resultados (Bowman et al. 1987):
O objetivo desta experiência é averiguar como é que uma variável (nível de proteína) é afetada
por uma outra variável (tempo de gestação).
Se representarmos estes dados graficamente através da nuvem de pontos vemos claramente

que o nível da proteína aumenta com o tempo de gestação.
Podemos traçar uma reta no gráfico de modo que os pontos se encontrem próximos da reta e
bem distribuídos para um lado e outro da mesma.
Diz-se então que as variáveis estão positivamente correlacionadas. É pois de esperar que se
consiga saber, através do tempo de gestação, qual o nível provável de proteína no sangue.
Exemplo 2
Recolheram-se amostras de solo do estuário do rio Tejo a oito profundidades distintas e

mediram-se os respetivos graus de humidade (gramas de água/100 g de solo) obtendo-se os
seguintes resultados (Davis, 1973):
Observamos que quando a profundidade

aumenta, a humidade diminui. Diz-se,
neste caso, que as duas variáveis estão
negativamente correlacionadas, pois
variam em sentidos opostos.
Exemplo 3
Com o objetivo de averiguar se a distância atingida no salto em comprimento está relacionada

com o peso dos estudantes, um professor de Educação Física selecionou aleatoriamente 11
estudantes do sexo masculino para uma prova, tendo obtido os seguintes resultados:
Observamos que não há uma relação
clara entre estas duas características.
A nuvem de pontos encontra-se
bastante dispersa. Diz-se que as duas
características estão fracamente
correlacionadas. Não é de esperar
que o facto de sabermos o peso do
aluno nos indique de algum modo a
distância que ele vai saltar. Pode ser
pesado e saltar bastante, como pode
saltar pouco.
Correlação linear: Coeficiente de correlação linear de Pearson
O grau de associação linear entre duas variáveis é traduzido matematicamente por uma
estatística a que se dá o nome de coeficiente de correlação linear de Pearson, a qual se
representa geralmente por .
Se representarmos por os valores das observações correspondentes a uma das variáveis e por
os valores das observações correspondentes à outra variável, então o coeficiente obtém-se
através da expressão
onde e y representam a média das observações respectivas.

𝑦
𝑥
𝑥
𝑟
Prova-se que o valor desta estatística está entre (-1) e 1.
• Quando > 0 diz-se que as variáveis estão positivamente correlacionadas;
• Quando < 0 diz-se que as variáveis estão negativamente correlacionadas;
• Quando = 0 diz-se que as variáveis não estão correlacionadas.
Os valores extremos da correlação, = 1 ou = −1, correspondem à situação em que os valores

das variáveis se encontram sobre uma reta com declive positivo ou negativo.
𝑟
𝑟
𝑟
𝑟
𝑟
O esquema seguinte ajuda a classificar a correlação linear entre duas variáveis:
Observação
Repare-se que
Observação: nos exemplos apresentados utiliza-se a segunda expressão para calcular o coeficiente de correlação linear.
Exemplo 1
Considere-se as variáveis
: çã ( )
: í í
𝑥
𝑦
𝑛
𝑡
𝑒
𝑣
𝑚
𝑒
𝑙
𝑝
𝑑
𝑜
𝑒
𝑑
𝑝
𝑒
𝑟
𝑔
𝑜
𝑒
𝑡
𝑒
𝑠
𝑡
𝑛
𝑎
𝑎
𝑜
𝑠
𝑒
𝑚
𝑎
𝑛
𝑎
𝑠
A última linha da tabela (linha dos totais) indica-nos que:
Assim,
Estamos agora em condições de calcular o valor do coeficiente de correlação:
O resultado obtido indica-nos a existência de uma associação linear positiva forte entre o
tempo de gestação e o nível de proteína nas grávidas porque, além do valor ser positivo,
também é superior a 0,75.
Exemplo 2
Considere-se as variáveis : ( )e :h (gr. de água/100 gr. de solo)

𝑥
𝑝
𝑟
𝑜
𝑓
𝑢
𝑛
𝑑
𝑖
𝑑
𝑎
𝑑
𝑒
𝑐
𝑚
𝑦
𝑢
𝑚
𝑖
𝑑
𝑎
𝑑
𝑒
Exemplo 2
Considere-se as variáveis : ( )e :h (gr. de água/100 gr. de solo)

𝑥
𝑝
𝑟
𝑜
𝑓
𝑢
𝑛
𝑑
𝑖
𝑑
𝑎
𝑑
𝑒
𝑐
𝑚
𝑦
𝑢
𝑚
𝑖
𝑑
𝑎
𝑑
𝑒
Assim,
O resultado obtido indica-nos a existência de uma associação linear negativa forte entre a
profundidade do solo e a humidade porque além do valor ser negativo também está entre
(-0,75) e (-1).
Exemplo 3
Considere-se as variáveis : ( ) e : salto (cm)

𝑥
𝑝
𝑒
𝑠
𝑜
𝑘
𝑔
𝑦
Exemplo 3
Considere-se as variáveis : ( ) e : salto (cm)

𝑥
𝑝
𝑒
𝑠
𝑜
𝑘
𝑔
𝑦
Assim,
O resultado obtido indica-nos a existência de uma associação linear muito fraca entre o peso
do estudante e a distância alcançada no salto em cumprimento porque o valor de r está muito
próximo de zero.
É também importante frisar que o coeficiente de correlação traduz apenas o grau de associação
linear existente entre duas variáveis. O facto do coeficiente de correlação ser zero, não implica
que as variáveis não estejam associadas.
No exemplo que se segue, = 0 e, no entanto, as variáveis e estão associadas pela relação

determinística não linear 2 + 2 = 9.
𝑥
𝑟
𝑦
𝑥
𝑦
Regressão linear: Reta de regressão linear
Quando a correlação entre duas variáveis é elevada (quer esta seja positiva ou negativa), então
se conhecermos o valor de uma das variáveis é possível ter uma ideia do valor que a outra
variável irá tomar. Em linguagem estatística, diz-se que podemos inferir o valor da outra
variável.
Assim, voltando ao exemplo do nível de proteína nas gestantes, consideremos uma senhora
grávida com 24 semanas de gestação. Qual será o valor que o nível de proteína deve
apresentar?
Para respondermos a esta questão podemos construir uma
reta que "melhor" aproxime os pontos que constituem a
nuvem de pontos. Claro que há muitas retas possíveis.
Um dos critérios mais usados para definir esta reta é o de

tornar mínima a soma dos quadrados dos desvios dos
pontos em relação à reta1. Essa reta é a chamada reta de
regressão (dos mínimos quadrados).
1 Designamos por desvio no ponto de abcissa a diferença entre o valor observado e o valor
correspondente sobre a reta.
Matematicamente é possível encontrar essa reta. Prova-se que ela passa pelo centro de
gravidade da distribuição, isto é, pelo ponto ( , ) e que o declive está relacionado com o
coeficiente de correlação e tem o mesmo sinal.
Assim, o modelo matemático que expressa a associação linear entre duas variáveis é a reta de
regressão linear
obtida de tal modo que os desvios (resíduos, habitualmente representados por ) quadráticos
das observações em relação à reta sejam mínimos (método dos mínimos quadrados).
𝑥
𝑦
𝑒
Obtêm-se então as seguintes expressões que permitem estimar o declive da reta de regressão e
a interseção da reta com o eixo das ordenadas:
( çã )
em que e são as médias dos valores observados de X e Y, respetivamente.

𝑥
𝑦
𝑖
𝑛
𝑡
𝑒
𝑟
𝑠
𝑒
𝑜
𝑐
𝑜
𝑚
𝑜
𝑒
𝑖
𝑥
𝑜
𝑑
𝑎
𝑠
𝑜
𝑟
𝑑
𝑒
𝑛
𝑎
𝑑
𝑎
𝑠
Exemplo 1
Considerando uma vez mais o exemplo 1, temos:

Para este exemplo, a reta de regressão é
Construída a reta, podemos responder à questão inicialmente formulada:
“Qual será o valor que o nível de proteína que uma senhora grávida de 24 semanas deve
apresentar?”
O valor que inferimos para o nível da proteína correspondente a 24 semanas de gravidez é o

valor sobre a reta correspondente a x = 24
isto é,
Regressão linear: Coeficiente de determinação
O coeficiente de determinação ( 2) corresponde ao quadrado do coeficiente de correlação (r).
Trata-se de uma medida da proporção de variação na variável dependente que pode ser
explicada pela variável independente . Note-se que 0 ≤ 2 ≤1.
E.g., se 2 = 0,9 significa que a variável independente explica 90% da variação da variável
dependente . Quando 2 = 0 significa que a variação de não contribui em nada para explicar
a variação de . Por outro lado, quando 2 = 1 a variação total de é explicada totalmente pela
variação de .
𝑟
𝑋
𝑌
𝑌
𝑟
𝑟
𝑋
𝑟
𝑋
𝑟
𝑋
𝑌
𝑌
Regressão linear: Coeficiente de determinação
Consideremos novamente o exemplo 1 e o modelo definido pela reta:
Neste exemplo, o coeficiente de determinação é igual a
Repare-se que a proporção de variação de explicada por é aproximadamente 74%.

𝑌
𝑋

3 Aula Teorica

Enviado por

Dados do documento

Descrição 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

3 Aula Teorica

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística e Metodologias de Investiga o

LIC. EQUINICULTURA E ENF. VETERINÁRIA 2023/2024

No caso de se pretender estudar duas características conjuntamente, os valores observados

(x1, y1), (x2, y2), (x3, y3), …, (xn, yn),

Selecionaram-se para o estudo 19 mulheres saudáveis, todas em estado diferente de gravidez

Se representarmos estes dados graficamente através da nuvem de pontos vemos claramente

Recolheram-se amostras de solo do estuário do rio Tejo a oito profundidades distintas e

Observamos que quando a profundidade

Com o objetivo de averiguar se a distância atingida no salto em comprimento está relacionada

onde e y representam a média das observações respectivas.

• Quando > 0 diz-se que as variáveis estão positivamente correlacionadas;

• Quando < 0 diz-se que as variáveis estão negativamente correlacionadas;

• Quando = 0 diz-se que as variáveis não estão correlacionadas.

Os valores extremos da correlação, = 1 ou = −1, correspondem à situação em que os valores

Considere-se as variáveis : ( )e :h (gr. de água/100 gr. de solo)

Considere-se as variáveis : ( )e :h (gr. de água/100 gr. de solo)

Considere-se as variáveis : ( ) e : salto (cm)

Considere-se as variáveis : ( ) e : salto (cm)

No exemplo que se segue, = 0 e, no entanto, as variáveis e estão associadas pela relação

Um dos critérios mais usados para definir esta reta é o de

em que e são as médias dos valores observados de X e Y, respetivamente.

Considerando uma vez mais o exemplo 1, temos:

Construída a reta, podemos responder à questão inicialmente formulada:

O valor que inferimos para o nível da proteína correspondente a 24 semanas de gravidez é o

Neste exemplo, o coeficiente de determinação é igual a

Repare-se que a proporção de variação de explicada por é aproximadamente 74%.

Você também pode gostar