Aula

Estatística Aplicada I
Regente: Prof. Doutor Miranda Muaualo
2o Ano - ISCIM
Cursos: Gestão Empresarial & Contabilidade e Auditoria
Turmas: GED2A, GED2B e CAD2A
Correlação Linear Simples
30 e 31 de Maio de 2022
Regente: Prof. Doutor Miranda Muaualo (ISCIM) Estatística Aplicada I 30 e 31 de Maio de 2022 1 / 25
Sumário
Relação entre variáveis

Peso X Altura
Peso X Idade
Consumo X Renda
Venda X Gastos promocionais
Demanda X Preço
Objectivo da correlação
Verificar a existência da relação entre variáveis
Verificar o grau da relação entre variáveis
Correlação Linear Positiva
0 < rXY < 1
Correlação Linear Negativa
−1 < rXY < 0
Correlação Linear Perfeita Positiva
rXY = 1
Correlação Perfeita Negativa
rXY = −1
Correlação Nula
rXY = 0
Medida de correlação para duas variáveis quantitativas

Coeficiente de correlação de Pearson
P P
( X)( Y)
XY −
P
n
rXY = vu" P 2# " P 2#
u P
2 ( X) P 2 ( Y)
t X − n Y − n
onde n = número de observações Campo de variação do rXY

−1 ≤ rXY ≤ 1
Grau de Correlação
|rXY | Tipo
0 Nula
0.0 a 0.49 Fraca
0.5 a 0.69 Regular
0.7 a 0.99 Forte
1 Perfeita
Correlação Espúria
Se duas variáveis X e Y forem independentes o coeficiente de correlação será
nulo.
Porém, algumas vezes, mesmo X e Y sendo variáveis independentes o
coeficiente apresenta um valor próximo de ±1. Nesse caso a correlação é
Espúria.
Cálculo Prático do Coeficiente de Correlação Linear
Exemplo: Calcule o Coeficiente de correlação linear entre as variáveis X e Y
dos seguintes dados:
Y 10 8 6 10 12
X 2 4 6 8 10
Resolução: n = 5
Y X X2 Y2 XY
10 2 4 100 20
8 4 16 64 32
6 6 36 36 36
10 8 64 100 80
12 10 100 144 120
46 30 220 444 288
X2 = 220; Y2 = 444;
P P P P P
Logo: Y = 46; X = 30; XY = 288; n = 5
Cálculo Prático do Coeficiente de Correlação Linear

Exemplo: Como vimos no Slide anterior:
P P P 2 P 2 P
Y = 46; X = 30; X = 220; Y = 444; XY = 288; n = 5
P P
P ( X)( Y)
XY − n
rXY = s P 2 P 2
P 2 ( X) P 2 − ( Y)
X − n
Y n
Substituindo os valores teremos:
(30)(46)
288 − 5
rXY = rh ih i = 0.416
2
(46)2
220 − (30)
5
444 − 5
Correlação Ordinal
Coeficiente de Spearman
Uma medida alternativa da correlação é dada pelo Coeficiente de Spearman
Leva em conta as posições que os valores das variáveis ocupam quando
ordenados na forma crescente ou decrescente
6 d2i
P
rs = 1 −
n (n2 − 1)
onde di =diferença entre um i =ésimo par e n=número de observações.
Exemplo:Calcular o coeficiente de correlação de Spearman entre o peso e a
altura de 10 estudantes do sexo masculino selecionados ao acaso.
Peso(Kg) 80 60 75 56 60 78 80 73 80 82
Altura(Cm) 175 170 174 163 165 175 180 170 170 168
Resolução:
Colocar em ordem crescente. Se houver empates, atribuir a posição média a
cada um deles.
Pesos 56 60 60 73 75 78 80 80 80 82
Ordens 1o 2,5o 2,5o 4o 5o 6o 8o 8o 8o 10o
Alturas 163 165 168 170 170 170 174 175 175 180
Ordens 1o 2o 3o 5o 5o 5o 7o 8,5o 8,5o 10o
Pesos Alturas Posicões dos pesos Posições das alturas d2i

80 175 8o 8,5o 0,25
60 170 2,5o 5o 6,25
75 174 5o 7o 4,00
56 163 1o 1o 0
60 165 2,5o 2o 0,25
78 175 6o 8,5o 6,25
80 180 8o 10o 4,00
73 170 4o 5o 1,00
80 170 8o 5o 9,00
82 168 10o 3o 21,00
··· ··· ··· ··· 52,00
6x52
rs = 1 − = 0, 68
10 (100 − 1)
Associação entre duas variáveis qualitativas
Tabela de dupla entrada

Analisemos o comportamento dos seguintes conjuntos:
X - Grau de instrução
Y - Região de proveniência
Y/X Ensino Fundamental Ensino Médio Ensino Superior Total

Sul 4 5 2 11
Centro 3 7 2 12
Norte 5 6 2 13
Total 12 18 6 36
Observação: As Tabelas de dupla entrada também são denominadas de Tabelas

de contingência ou Cross Table. Elas são úteis para analisar a associação entre
duas variáveis qualitativas.

Construir tabelas de frequências relativas
Existem várias possibilidades de construção e depende do objectivo do problema

Sul 4(11%) 5(14%) 2(6%) 11(31%)
Centro 3(8%) 7(19%) 2(6%) 12(33%)
Norte 5(14%) 6(17%) 2(6%) 13(36%)
Total 12(33%) 18(50%) 6(17%) 36(100%)
11% dos indivíduos vêm do Sul e tem ensino fundamental.
31% dos indivíduos vêm do Sul, 33% do Centro e 36% do Norte.

33% têm ensino fundamental, 50% ensino médio e 17% ensino superior.
Pode-se comparar a distribuição da proveniência conforme o grau de instrução.

Sul 4(33%) 5(28%) 2(33%) 11(31%)
Centro 3(25%) 7(39%) 2(33%) 12(33%)
Norte 5(42%) 6(33%) 2(33%) 13(36%)
Total 12(100%) 18(100%) 6(100%) 36(100%)
Entre os indivíduos com instrução até o ensino fundamental, 33% vêm do Sul,
25% vêm do Centro e 42% vêm do Norte.
Entre os indivíduos com ensino médio, 28% vêm do Sul, 39% vêm do Centro
e 33% vêm do Norte.
Entre os indivíduos com ensino superior, 33% vêm do Sul, 33% vêm do Centro
e 33% vêm do Norte.
Teste Qui-quadrado
Qui-quadrado de independência, uma estatística de teste sugerida por Pearson,
em 1904.
r Xc 2
X (Oij − Eij )
χ2 =
i=1 j=1
Eij
onde Oij são os valores observados, Eij são os valores esperados, r é o número
de linhas e c é o número de colunas.
Assim, com valores pequenos da estatística de teste, χ2 , pode-se afirmar que
há evidências que existe independência entre as duas variáveis. Ao passo que,
valores grandes denotam discrepâncias entre alguns valores observados e os
respectivos valores esperados e, assim, pode-se afirmar que existe dependência
entre as duas variáveis.
Pode-se comparar a distribuição do grau de instrução conforme a proveniência.

Sul 4(36%) 5(46%) 2(18%) 11(100%)
Centro 3(25%) 7(58%) 2(17%) 12(100%)
Norte 5(39%) 6(46%) 2(15%) 13(100%)
Total 12(33%) 18(50%) 6(17%) 36(100%)
Independente da região de proveniência, 33% dos indivíduos têm o ensino

fundamental, 50% têm o ensino médio e 17% têm o ensino superior.
Deve-se observar em cada região como essas proporções são distribuidas.
Caso haja maior disparidade com as marginais, haverá forte indício de
dependência (associação). Caso contrário, haverá forte indício de
independência (não associação).
Pode-se comparar a distribuição do grau de instrução conforme a proveniência.

Sul 4(36%) 5(46%) 2(18%) 11(100%)
Centro 3(25%) 7(58%) 2(17%) 12(100%)
Norte 5(39%) 6(46%) 2(15%) 13(100%)
Total 12(33%) 18(50%) 6(17%) 36(100%)
Se não houvesse associação, esperaríamos que em cada região tivéssemos 33%

de Ensino Fundamental, 50% de Ensino Médio e 17% de Ensino Superior.
Dessa forma, o número esperado de pessoas com Ensino Fundamental na
Região Sul seria 11x0.33 = 3.6, no Centro 12x0.33 = 3.96 e no Norte
13x0.33 = 4.29 e, assim sucessivamente para outros níveis de ensino.

Sul 4(3.6) 5(5.5) 2(1.87) 11(100%)
Centro 3(3.96) 7(6) 2(2.04) 12(100%)
Norte 5(4.29) 6(6.5) 2(2.21) 13(100%)
Total 12(33%) 18(50%) 6(17%) 36(100%)
Observa-se que não há fortes discrepâncias entre os valores observados (Oij ) e

esperados (Eij ) assumindo que as variáveis não fossem associadas.
Uma medida de afastamento global pode ser dada pela soma de todas essas
medidas (Qui-quadrado de Pearson).
r X
c 2 2 2
X (Oij − Eij ) (4 − 3.6) (2 − 2.21)
χ2 = = + ··· + = 0.675
i=1 j=1
Eij 3.6 2.21
Bibliografia
Geraldo L. Toledo and Ivo I. Ovalle, Estatística Básica, 2a edição,

Atlas, São Paulo, 2015; e
Wilton De O. Bussab and Pedro A. Morettin, Estatística Básica, 8a
edição, Saraiva, São paulo, 2013.
OBRIGADO

Aula

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

Aula

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística Aplicada I

Regente: Prof. Doutor Miranda Muaualo

Cursos: Gestão Empresarial & Contabilidade e Auditoria

Turmas: GED2A, GED2B e CAD2A

Correlação Linear Simples

 Correlação Linear Simples

Relação entre variáveis

 Verificar o grau da relação entre variáveis

0 < rXY < 1

−1 < rXY < 0

Medida de correlação para duas variáveis quantitativas

onde n = número de observações Campo de variação do rXY

Cálculo Prático do Coeficiente de Correlação Linear

 Substituindo os valores teremos:

Pesos Alturas Posicões dos pesos Posições das alturas d2i

Tabela de dupla entrada

Y/X Ensino Fundamental Ensino Médio Ensino Superior Total

Observação: As Tabelas de dupla entrada também são denominadas de Tabelas

Tabela de dupla entrada

 Existem várias possibilidades de construção e depende do objectivo do problema

Y/X Ensino Fundamental Ensino Médio Ensino Superior Total

 11% dos indivíduos vêm do Sul e tem ensino fundamental.

 31% dos indivíduos vêm do Sul, 33% do Centro e 36% do Norte.

Y/X Ensino Fundamental Ensino Médio Ensino Superior Total

Y/X Ensino Fundamental Ensino Médio Ensino Superior Total

 Independente da região de proveniência, 33% dos indivíduos têm o ensino

 Pode-se comparar a distribuição do grau de instrução conforme a proveniência.

Y/X Ensino Fundamental Ensino Médio Ensino Superior Total

 Se não houvesse associação, esperaríamos que em cada região tivéssemos 33%

Y/X Ensino Fundamental Ensino Médio Ensino Superior Total

 Observa-se que não há fortes discrepâncias entre os valores observados (Oij ) e

 Geraldo L. Toledo and Ivo I. Ovalle, Estatística Básica, 2a edição,

Você também pode gostar

Correlação Linear Simples

Verificar o grau da relação entre variáveis

Substituindo os valores teremos:

Existem várias possibilidades de construção e depende do objectivo do problema

11% dos indivíduos vêm do Sul e tem ensino fundamental.

31% dos indivíduos vêm do Sul, 33% do Centro e 36% do Norte.

Independente da região de proveniência, 33% dos indivíduos têm o ensino

Pode-se comparar a distribuição do grau de instrução conforme a proveniência.

Se não houvesse associação, esperaríamos que em cada região tivéssemos 33%

Observa-se que não há fortes discrepâncias entre os valores observados (Oij ) e

Geraldo L. Toledo and Ivo I. Ovalle, Estatística Básica, 2a edição,