FACC/UFRJ

Curso de Aperfeiçoamento de
Intendência para Oficiais
Disciplina: MQA – Métodos Quantitativos
Aplicados à Administração
AULA 08 – Relacionamento entre Variáveis

Prof. Marcelo Alvaro

malvaro.facc.ufrj@gmail.com
Sumário

 Teste de Qui-Quadrado: variáveis nominais

 Análise de Correlação de Spearman: variáveis ordinais
 Análise de Correlação de Pearson: variáveis escalares

2
 Análise Bidimensional
Análise do comportamento conjunto de duas variáveis

1.Existe relação entre gastos com marketing e aumento das vendas?

2.Existe relação entre o nível de faturamento e o nível de qualidade

dos produtos/serviços?

3.Existe relação entre tipo de capital (nacional privado, nacional

público e estrangeiro) e o setor econômico (industria, comércio e
serviço)?
 Medidas de Associação Não-Paramétricas
– Teste de Qui-Quadrado
 Avalia o grau de relacionamento entre observações emparelhadas
de duas variáveis, quando os dados são nominais/categóricos;
 Procura analisar a relação entre as diversas categorias de duas
variáveis nominais;
 Prepara-se uma Tabela Cruzada com a contagem dos elementos
amostrais de cada dupla de categorias;
 Calcula-se para cada célula os valores esperados e os resíduos
(diferença entre valores observados e esperados);
 O valor do Qui-Quadrado é a soma dos quocientes entre os
resíduos ao quadrado e o valor esperado em cada célula.
 A H0 afirma que não existe relação entre as variáveis, ou seja, que
elas são independentes.

4
 Medidas de Associação Não-Paramétricas
– Correlação de Spearman
 Avalia o grau de relacionamento entre observações emparelhadas
de duas variáveis, quando os dados se dispõem em postos;

 As variáveis devem ser mensuradas pelo menos em uma escala

ordinal;

 Os elementos amostrais (n) devem estar dispostos em postos para

cada uma das variáveis;

 Análise bivariada – relação entre duas variáveis;

 A H0 afirma que o coeficiente de correlação é igual a zero.

5
 Medidas de Associação Não-Paramétricas
– Correlação de Spearman
 Procedimentos:

 Atribuir postos às observações em cada variável;

 Determinar a diferença de postos para cada par de observações;

 Elevar as diferenças ao quadrado e depois somar;

 Calcular a correlação rs por meio da expressão:

N
6   di
2

.
rs  1  i 1
N N
3
6
Medidas de Associação Paramétricas -
Covariância
A Covariância mede a tendência da relação linear entre duas variáveis.

1 n
Cov( X , Y )    X i  E ( X )Yi  E (Y )
n i 1
   Cov( X , Y )  

Quando as variáveis são independentes, Cov(X,Y) = 0.

Medidas de Associação Paramétricas –
Correlação de Pearson
O coeficiente de correlação mede a força da associação linear entre as
variáveis.

Cov ( X , Y )
 ( X ,Y ) 
DP( X ) DP(Y )

 1   ( X , Y )  1
**Observação para amostras:  = r.

A H0 afirma que o coeficiente de correlação é igual a zero.

Coeficientes de correlação

Direções opostas e
mesma intensidade

Ausência de
relacionamento

Mesma Direção e
mesma intensidade
 Cuidados Importantes!!
– Relações de causalidade não podem ser estabelecidas.

– Covariância e correlação são medidas sensíveis à dispersão dos dados.

– Quando estamos estudando mais de duas variáveis, seus valores devem ser
calculados “dois a dois” (Matriz de Covariâncias).