Índice

Introdução........................................................................................................................................1
I. Conceitualização......................................................................................................................2
1. A regressão linear simples....................................................................................................2
1.1. Objectivo da Regressão.....................................................................................................2
1.2. Tipos de Regressão...........................................................................................................2
2. Principais problemas enfrentados em uma regressão...........................................................3
3. Importância da Regressão Linear Simples...........................................................................3
4. As diferenças entre Regressão Linear Simples e Regressão Linear Múltipla..........................4
a) Regressão Múltipla...............................................................................................................4
b) Regressão Simples................................................................................................................4
5. Teoria de correlações................................................................................................................6
5.1. Coeficiente de correlação linear de person.......................................................................6
5.2. Interpretação do coeficiente de correlação de person.......................................................6
6. Propriedades de R.................................................................................................................8
6.1. Diagrama de dispersão......................................................................................................8
Referencias Bibliografica..............................................................................................................11
Introdução
O presente trabalho tem como tema de pesquisa, Correlação e Regressão linear, em grupo tem
em vista a abordagem do tema mencionado acima

A estatística pode atribuir-se diferentes significados. No sentido mais amplo, ela refere-se a uma
disciplina cujo objectivo fundamental é a recolha, a compilação, a análise a interpretação de
dados. Para clarificar por análise e interpretação de dados é útil estabelecer uma destinação entre
estatística descritiva e inferência, nesse contexto este trabalho procura falar dos temas Correlação
e Regressão linear.

Objectivo Geral:
 Abordar conceitos de Correlação e Regressão linear.

Específicos:
 Conceituar os termos;

 Resolução de exercícios de relacionados ao temas.

Metodologia
Para a realização do presente trabalho recorreu-se a referência bibliográfica na qual foram
obtidos os dados em obras e livros de autores diferentes com o intuito de obter o melhor
esclarecimento em relação aos exercícios.

1
 I. Conceitualização

1. A regressão linear simples

Segundo Jalane (2011), É uma espécie de modelo na estatística cujo objectivo é indicar qual será
o comportamento de uma variável dependente (Y) como uma função que contenha uma ou mais
variáveis independentes (X).

Regressão, é a realização de uma analise estatística que verifica a existência de uma relação
funcional em que numa variável dependente com outra independente.

Nesse caso, utilizaremos apenas uma variável independente e uma dependente. Se tivermos mais
que uma variável independente (X), utilizaremos a regressão linear múltipla.

Ou seja, a regressão linear simples é uma forma de verificar uma possível relação linear entre
duas variáveis, como, por exemplo:

 Verificar se a temperatura actual influencia no crescimento de uma massa de pão, ou em

sua fermentação;

 Verificar o coeficiente de inteligência de uma pessoa baseada na idade dela.

1.1. Objectivo da Regressão

O objectivo da regressão é estimar valores de uma variável com base nos valores conhecidos da
correlação Jalane (2011).

1.2. Tipos de Regressão

2. Regressão linear simples, constitui uma tentativa de estabelecer uma equação
matemático linear de duas variáveis dependente e independente, Jalane (2010). dada pela
seguinte equação:

yi=∝+ βxi+ ∑ i

Onde: yi=¿ ao fenómeno que a relação pretende explicar e o índice i

i=¿ Representa cada observação ambos designados variáveis dependentes.

2
 ∝=¿ Parâmetro da relação

β=¿ Parâmetro da relação

xi=¿ Factor explicativo e o índice i representa cada valor que que a variável assumi, ambos
designados variáveis independentes.

∑ i=¿ ¿ Factores restantes explicativos não inclui dos na relação que influenciam o
comportamento da variável dependente.

3. Regressão Múltipla, descreve a relacao existente entre as variáveis dependente e

independente do ∝ e β individualmente e dada pelas seguintes expressões:

∝= y −β x

^β= n ∑ yi . xi−∑ xi. ∑ y

n ∑ xi −∑ ( xi )
2 2

2. Principais problemas enfrentados em uma regressão

i. Multicolinearidade, acontece quando a variável independente possui o R2 bastante

alto.
ii. Heterocedasticidade, é o fenómeno estatístico que ocorre quando modelo de
hipótese matemático apresenta variâncias diferentes para todas observações.
iii. Auto correlação, é a medida que informa o quanto valor de uma realização da
variável aleatória é capaz de influenciar os seus vizinhos.
iv. Atipicidade, é a ausência da relação perfeita entre as variáveis.

3. Importância da Regressão Linear Simples

Ainda Jalane (2011), Existem alguns casos que podemos utilizar a regressão linear simples. São
eles:

 Para verificar se uma variável tem alguma relação com outra;

3
  Quando há a possibilidade de fazermos uma previsão de uma variável pelo valor de outra
variável;

 Podemos utilizar a regressão linear simples para criação de modelos base antes da criação
de modelos de regressão linear múltipla.

4. As diferenças entre Regressão Linear Simples e Regressão Linear Múltipla

Jalane (2011). A diferença seria que, enquanto na regressão linear simples é utilizada apenas uma
variável independente e uma dependente, na regressão linear múltipla utilizamos duas ou mais
variáveis independentes para analisarmos um caso.

Exemplo de Regressão Linear Simples na prática

Dada a tabela abaixo, que descreve as vendas relacionadas por preço de um determinado bem,
calcule:

a) Regressão Múltipla
b) Regressão Simples

Preço (xi) Vendas (yi) xi

2
xi . yi

22,5 168 506,25 3.780

22,5 183 506,25 4. 117,5

22,5 192 506,25 4,320

22,7 204 515,29 4.630,8

20,6 228 424,36 4.696,8

20,9 240 436,81 5.016

21,3 216 453,69 4.600,8

21,5 192 462,25 4.128

22,1 180 488,41 3.178

22,8 156 519,84 3.556

4
 ∑ xi 1.959 4.819,4 42.824,7

^β= n ∑ yi . xi−∑ xi. ∑ y

n ∑ xi −∑ ( xi )
2 2

10× 42824 ,7−219 , 4 × 1959

¿
10× 4819 , 4−48136 , 36

428.247−429.804 ,6
¿
48.194−48136 ,36

1557 ,6
¿
57 ,64

¿−27,0229006

∝= y −β x

¿ 195 , 9 (−27,0229006 ) 219 , 4

¿ 195 , 9 — 592,882447

¿ 788,7824427

yi=∝+ βxi+ ∑ i

¿ 788,7824427+ (−27,0229006 ) × xi+ 0

¿ 788,7824427−27,02290076 xi

5. Teoria de correlações
Para Piana (2009), Correlações é a independência entre duas ou mas varias com objectivo de
avaliar o grão de associação entre ambas variáveis, isto é, avaliar a força do relacionamento
linear existente os seus valores variam de -1 a 2.

5.1. Coeficiente de correlação linear de person

5
Quantifica o grau de relacionamento existente entre duas variáveis dada pela seguinte fórmulas

R ( x , y )=
∑ ( xi−x ) ( yi− y ) .
∑ √ ( xi−x ) √2 yi− y
Onde.R- coeficiente de correlação de person

 Variáveis independentes
 Total de números dos elementos.
 Media de total dos números de elementos.

5.2. Interpretação do coeficiente de correlação de person

Coeficiente

Coeficiente Interpretação

R1 Correlação positiva perfeita

R ¿1 Correlação forte positiva

R¿ 0 Correlação nula

R ¿1 Correlação negativa perfeita

R ¿-1 Correlação forte negativa

EX˸ Quer se testar se existe ou não correlação linear entre x igual a tonelada de adubos
por ectar( h a ) y igual a produção de cultura por ha. para tal,

Verifique se existe relacionamento linear entre as variáveis.

2 2
ANOS X Y X.Y x y

2014 2 48 96 4 2.304

6
 2015 4 50 22 16 3.136

2016 5 69 345 25 4.761

2017 6 60 360 35 3. 600

2018 8 72 576 64 5.184

T0tal 25 305 1.601 145 18.95

Resoluções

R(x , y)=
∑ ( xi−x ) . ( yi− y )
∑ √( xi−x )2 √( yi− y )2
( 25−5 )( 305−61 )
R ( x , y )=
√ ( 25−5 ) √ ( 305−61 )
2 2

20× 244
¿
√625−25 √ 93.025−3721
4880
¿
√600 × √ 89.304
4880
¿
24,49489743× 298,8377486

4880
¿ =0 , 6 R: Correlacao linear entre as variáveis é correlação forte positiva.
7320

6. Propriedades de R

1) O intervalo de variação vária de -1 a +1;

2) Quanto mais próximo de +1 for o R maior será o grau de relacionamento linear positivo.
3) Quanto mais próximo de -1 for R maior será o grau de relacionamento linear negativo;
4) Quanto mais próximo de 0 for R menor será o relacionamento linear;

7
 5) Se R for igual a 0,5 terá uma correlação fraca positiva e se for igual a -0 uma correlação
negativa, Piana (2009).

6.1. Diagrama de dispersão

Segundo Jalane (2011), é uma representação gráfica usada para analisar a correlação entre duas
variáveis. Ele é constituído apartir de pontos no plano das variáveis x e y por cada par de
observação e interpretam –se da seguinte forma:

i. Correlação nula, quando todos os pontos encontram-se no centro do gráfico

ii. Correlação forte negativa, quando os pontos estão descendo a direita.
iii. Correlação fraca negativa, quando os pontos descem em forma de linha recta.
iv. Correlação perfeita negativa, quando todos os pontos se unem em uma linha obliqua
descendo a direita.
v. Correlação forte positiva, quando todos os pontos estão oblíquos subindo a direita.
vi. Correlação fraca positiva, quando os pontos formam um losangulo.
vii. Correlação perfeita positiva quando todos os pontos se unem em uma linha obliqua
subindo a direita.

Ex. um comerciante de temperos esta curioso sobre a grande variacao de vendas da sua loja e
acha que as vendas estão associadas com espaço nas prateleiras dedicadas a sua linha de
produtos em cada ponto de venda.

Dez lojas foram seleccionadas na tabela abaixo unindo os pontos x e y, construa um

diagrama de dispersão.

Loja Espaço (x) Vendas (y)

1 340 71
2 250 65
3 400 80
4 300 75
5 250 60

8
 6 190 50
7 260 55
8 300 80
9 350 100

10 200 50

Diagrama de dispersao
12
10
8
6
4
2
0
0 2 4 6 8 10 12

Loja Espaço (x) Vendas (y)

R: Correlação forte
Positiva.

Conclusão

Chegada ao fim da elaboração deste trabalho concluímos que: a regressão linear, utiliza apenas
duas variáveis, uma dependente e outra independente e, o que a diferencia de uma regressão
múltipla, seria que a múltipla possui mais variáveis para serem analisadas no estudo que estamos
fazendo. Ela também pode ser realizada no Excel, por meio de gráficos.

9
Nesse contexto, Diante disso, temos que analisar três pontos, P-valor da regressão: ele define se
há alguma correlação entre as variáveis utilizadas. Esse valor pode ser maior ou menor que 0.5.
Se for maior, a correlação não é significativa. Caso contrário, é significativa. Análise de
resíduos: verifica se a equação está adequada. Essa etapa verifica, no gráfico, se os valores de Y
previsto e real estão muito divergentes ou não; Coeficiente de determinação (R²): define o quão
representativo é a variável x para explicar como é o comportamento de y. Ele varia entre 0 e 1 e,
quanto maior o valor dele, mais explicativa a análise, e a Correlação é a independência entre
duas ou mas varias com objectivo de avaliar o grão de associação entre ambas variáveis, isto é,
avaliar a força do relacionamento linear existente os seus valores variam de -1 a 2.

Referencias Bibliografica
Jalane, R.Z. (2011). Estatística Geral.

Williams, T.A (2003). Estatística aplicada. (2ªEdição). Thompson. Brazil.

Piana, C.F.B; Machado, A.A.S; Selau, L.P.R. (2009). Polotas.

10
11