ESTATÍSTICA E PROBABILIDADE

Estágio docente

Profª Luana Albertani Pampuch Bortolozo

Marina Vilela
Jun/2023
REGRESSÃO LINEAR SIMPLES / CORRELAÇÃO
REGRESSÃO LINEAR SIMPLES E CORRELAÇÃO

● REGRESSÃO LINEAR SIMPLES: A regressão linear

simples é uma técnica estatística usada para modelar
a relação entre uma variável dependente (variável de
resposta) e uma variável independente (variável
explanatória).

● CORRELAÇÃO: A correlação é uma medida estatística

que indica a relação entre duas variáveis. Ela mede a
direção e a intensidade dessa relação.
EXEMPLOS DE APLICAÇÕES
REGRESSÃO LINEAR SIMPLES
O QUE É UM MODELO DE REGRESSÃO?

É um modelo que descreve e analisa a relação

entre uma variável dependente e uma ou mais
variáveis independentes.
MODELO PROBABILÍSTICO LINEAR

O modelo de regressão linear simples

Y= 𝛽0 + 𝛽1X + Ɛ
MODELO PROBABILÍSTICO LINEAR
O MÉTODO DOS MÍNIMOS QUADRADOS

Y= aX + b (EQUAÇÃO GERAL DE UMA

LINHA)

S = Σ (Yi - aXi - b)2

a = (ΣXiYi - nX’Y’)/ΣXi2 - nX’2)

b = Y’ - aX’
EXEMPLO PRÁTICO DE REGRESSÃO LINEAR SIMPLES
HORAS DE ESTUDO (x) NOTA DO EXAME (Y)
2 60

3 70

4 75

5 80
PASSO 1
6 85

7 90

8 92

9 95

10 97

11 98
 EXEMPLO PRÁTICO DE REGRESSÃO LINEAR SIMPLES

A) CALCULE AS MÉDIA DAS VARIÁVEIS

MÉDIA DAS HORAS DE ESTUDO (X)= 6.5

MÉDIA DAS NOTAS DO EXAME (Y)=83.4
PASSO 2

B) CALCULE A DIFERENÇAS ENTRE OS VALORES OBSERVADOS E AS MÉDIAS

Y=60 e Y’=83.4
Exemplo:
Y - Y’=(60 - 83.4)= -23.4
X=2 e X’= 6.5 X - X’ =(2 - 6.5)= -4.5
● Repetir o passo para todas as observações
EXEMPLO PRÁTICO DE REGRESSÃO LINEAR SIMPLES

C) CALCULE OS PRODUTOS DAS DIFERENÇAS

Se Y - Y’=(60 - 83.4)= -23.4 e X - X’ =(2 - 6.5)= -4.5

(Y-Y’)*(X-X’) = (-23.4)* (-4.5)= 105.3
● Repetir o passo para todas as observações
PASSO 2

D) CALCULE A SOMA DOS PRODUTOS DAS DIFERENÇAS

Σ((Y-Y’)*(X-X’))
● Repetir o passo para todas as observações
 EXEMPLO PRÁTICO DE REGRESSÃO LINEAR SIMPLES

E) CALCULE A SOMA DOS QUADRADOS DAS DIFERENÇAS

Σ(Y-Y’)2 e Σ(X-X’)2
Exemplo:
(Y-Y’)2 (-23.4)2= 547.56
(X-X’)2 (-4.5)2= 20.25 PASSO 2
● Repetir o passo para todas as observações

F) CALCULE O COEFICIENTE ANGULAR (𝛽1)

𝛽1=Σ((Y-Y’)*(X-X’))/Σ(Y-Y’)2
● Onde Σ((Y-Y’))*(X-X’) = passo 2d e Σ(Y-Y’)2 = passo 2e
● Repetir o passo para todas as observações
 EXEMPLO PRÁTICO DE REGRESSÃO LINEAR SIMPLES

G) CALCULE O COEFICIENTE LINEAR (𝛽0)

𝛽0= Y- 𝛽1 X
𝛽1≈ 6 PASSO 2
𝛽0≈ 51
Y = 51+6*HORAS DE ESTUDOS (X)

NOTA DO EXAME
EXEMPLO PRÁTICO DE REGRESSÃO LINEAR SIMPLES

Y = 51+6*HORAS DE ESTUDOS (X)

Substituindo o x por 8, para um estudante que

dedicou 8 horas de estudos, então x=8. Logo teremos PASSO 3

Y = 51+6*8
Y = 51+48 NOTA DO EXAME
Y = 99
 COEFICIENTE DE DETERMINAÇÃO

O coeficiente de determinação, representado por

R²
R², é uma medida estatística utilizada na análise de
regressão para avaliar o ajuste do modelo aos
dados observados. Ele fornece uma medida da
proporção da variabilidade da variável dependente
que pode ser explicada pelas variáveis
independentes incluídas no modelo.
 CORRELAÇÃO
A CORRELAÇÃO É UMA MEDIDA ESTATÍSTICA QUE DESCREVE A RELAÇÃO
ESTATÍSTICA ENTRE DUAS VARIÁVEIS.

DUAS VARIÁVEIS PODEM:

● SE MOVER JUNTAS = CORRELAÇÃO POSITIVA

● SE MOVER EM DIREÇÃO OPOSTA = CORRELAÇÃO NEGATIVA
● NÃO POSSUIR UMA RELAÇÃO LINEAR APARENTE = CORRELAÇÃO
PRÓXIMA DE ZERO
 CORRELAÇÃO

Classificação da magnitude de correlação (em valor absoluto).

 CORRELAÇÃO
IMPORTÂNCIA DA CORRELAÇÃO NA ANÁLISE DE DADOS

1. IDENTIFICAR RELAÇÕES
2. PREVISÃO E PREDIÇÃO
3. SELEÇÃO DE VARIÁVEIS
4. DETECÇÃO DE OUTLIERS
5. ANÁLISE EXPLORATÓRIA DE DADOS
 TIPOS DE CORRELAÇÃO

HÁ TRÊS TIPOS DE CORRELAÇÃO

➕CORRELAÇÃO POSITIVA
➖CORRELAÇÃO NEGATIVA
Ø CORRELAÇÃO NULA
COEFICIENTE DE CORRELAÇÃO DE PEARSON

r PRÓXIMO a +1
PRÓXIMO a -1
PRÓXIMO a 0
 COEFICIENTE DE CORRELAÇÃO DE PEARSON

(Σ((X-X’)(Y-Y’)))/n*σX*σY)

X e Y são variáveis em análise;

X’ e Y’ são as médias das variáveis X e Y, respectivamente;
Σ Representa a soma;
n é o número de observações;
σX e σY são os desvios padrões das variáveis X e Y, respectivamente.
 EXEMPLO PRÁTICO DE CORRELAÇÃO
ALUNO HORAS DE ESTUDO (X) DESEMPENHO NA PROVA
(Y)

1 10 85

2 5 65 PASSO 1
3 8 78

4 3 50

5 6 70

X’= 6.4 (MÉDIA DAS HORAS DE ESTUDO)

Y’= 69.6 (MÉDIA DE DESEMPENHO NA PROVA)
 EXEMPLO PRÁTICO DE CORRELAÇÃO

CALCULAR A DIFERENÇA EM RELAÇÃO ÀS MÉDIAS PARA CADA PAR

ALUNO X-X’ Y-Y’

1 3.6 15.4

2 -1.4 -4.6

3 1.6 8.4 PASSO 2

4 -3.4 -19.6

5 -0.4 0.4
 EXEMPLO PRÁTICO DE CORRELAÇÃO

CALCULAR O PRODUTO DAS DIFERENÇAS PARA CADA PAR DE OBSERVAÇÕES

ALUNO (X-X’)*(Y-Y’)
1 55.4

2 6.44
PASSO 3
3 13.44

4 66.64

5 -0.16
 EXEMPLO PRÁTICO DE CORRELAÇÃO

CALCULAR O QUADRADO DAS DIFERENÇAS

ALUNO (X-X’)2 (Y-Y’)2

1 12.96 237.16

2 1.96 21.16

3 2.56 70.56 PASSO 4

4 11.56 384.16

5 0.16 0.16
 EXEMPLO PRÁTICO DE CORRELAÇÃO

CALCULAR A SOMA DOS PRODUTOS, A SOMA DOS QUADRADO DAS DIFERENÇAS

E O NÚMERO DE OBSERVAÇÕES

PASSO 5

Σ((X-X’)*(Y-Y’)) = SOMA DOS PRODUTOS

Σ(X-X’)2 E Σ(Y-Y’)2 = SOMA DOS QUADRADOS DAS DIFERENÇAS
n = NÚMEROS DE OBSERVAÇÕES
 EXEMPLO PRÁTICO DE CORRELAÇÃO

CALCULAR O COEFICIENTE DE CORRELAÇÃO DE PEARSON (r)

PASSO 6

Σ((X-X’)(Y-Y’)))/(n*σX*σY)
ONDE Σ((X-X’)(Y-Y’))É SOMA DOS PRODUTOS DAS DIFERENÇAS (CALCULADAS
NO PASSO 5)
n É O NÚMERO DE OBSERVAÇÕES (CALCULADAS NO PASSO 5)
σX e σY SÃO DESVIOS PADRÕES DAS VARIÁVEIS X E Y, RESPECTIVAMENTE
 EXEMPLO PRÁTICO DE CORRELAÇÃO

INTERPRETAR O COEFICIENTE DE CORRELAÇÃO DE PEARSON (r)

● O COEFICIENTE DE CORRELAÇÃO DE PEARSON VARIA DE

-1 E 1;
● O SINAL DE r INDICA A DIREÇÃO DE CORRELAÇÃO;
● O VALOR ABSOLUTO DE r INDICA A FORÇA DE PASSO 7
CORRELAÇÃO, QUANTO MAIS PRÓXIMO DE 1 MAIS
FORTE, QUANTO MAIS PRÓXIMO DE 0 MAIS FRACA É A
CORRELAÇÃO LINEAR.
● NO NOSSO EXEMPLO O VALOR DE r= 0.75, ESSE VALOR
POSITIVO INDICA UMA CORRELAÇÃO POSITIVA
MODERADA;
ARTIGO SOBRE REGRESSÃO E CORRELAÇÃO
 CONCLUSÃO

A REGRESSÃO LINEAR SIMPLES E A CORRELAÇÃO SÃO FERRAMENTAS

VALIOSAS PARA ANALISAR A RELAÇÃO ENTRE VARIÁVEIS
QUANTITATIVAS. A REGRESSÃO LINEAR PERMITE PREVER O VALOR DE
UMA VARIÁVEL DEPENDENTE COM BASE EM UMA VARIÁVEL
INDEPENDENTE, ENQUANTO A CORRELAÇÃO MEDE A FORÇA E A
DIREÇÃO DESSA RELAÇÃO. ESSAS TÉCNICAS SÃO AMPLAMENTE
APLICADAS EM VÁRIAS ÁREAS, COMO CIÊNCIAS SOCIAIS, ECONOMIA,
ENGENHARIAS, CIÊNCIAS DA SAÚDE E MUITO MAIS.