Estatística

Parte II
• Dados Bivariados
• Reta dos Mínimos
Quadrados
• Regressão Linear
• Coeficiente de
Correlação Linear
 Estatística

Já sabes: Dados bivariados

• classificar variáveis; Uma amostra é constituída por unidades

• utilizar gráficos e tabelas adequados estatísticas sobre as quais recolhemos

para apresentar dados; informações relacionadas com uma ou

mais variáveis. Os conceitos abordados
• calcular medidas de localização e de
em anos anteriores permitem-te
dispersão;
descrever cada uma das variáveis de
• descrever uma situação real a partir
forma isolada.
de um conjunto de dados.
Quando pretendemos relacionar duas
variáveis devemos considerar uma
amostra bivariada dessas variáveis.

Expoente11
 Amostra bivariada

Exemplo:
O Artur é o guitarrista da banda XicoFino e pretende organizar um grande
concerto de bairro para lançar o primeiro trabalho da banda.
Ele sabe que o primeiro concerto tem que ser um sucesso e, por isso, juntou
algum dinheiro, com a ajuda dos amigos e da família, para poder organizar
esse evento.
Para perceber quanto dinheiro poderia investir em publicidade, o Artur
pesquisou informação sobre este tema e encontrou o seguinte gráfico:

Expoente11
 Amostra bivariada

Expoente11
 Amostra bivariada

O Artur percebeu que, em geral,

as bandas que mais investem
em publicidade na rádio têm
mais espetadores no dia de
estreia.
Decidiu, por isso, investir em
publicidade grande parte do
dinheiro recolhido.

Só foi possível fazer esta análise pois, em cada concerto, foram recolhidas
informações sobre duas variáveis: o “valor investido em publicidade” e o
“número de espetadores”.
Uma amostra deste tipo chama-se amostra bivariada de dados.
Expoente11
 Amostra bivariada

Nota:

Expoente11
 Amostra bivariada

Se considerarmos o valor investido em publicidade e o número de espetadores,

a amostra encontrada pelo Artur foi:

Esta amostra está

representada graficamente
num diagrama de
dispersão (ou nuvem de
pontos), no qual cada
ponto representa um
elemento da amostra.

Expoente11
 Amostra bivariada

Uma vez que o Artur pretende prever o número de espetadores em função

do investimento feito em publicidade, podemos considerar “valor investido
em publicidade” como sendo a variável explicativa (independente) e
“número de espetadores” como sendo a variável resposta (dependente).
Esta escolha não tem por base qualquer conceito estatístico e deve ser feita
tendo em conta o conhecimento empírico da situação em causa.

Expoente11
 Amostra bivariada

Exercícios:
• Ver exercício resolvido da página 139.

• Resolver o exercício lateral:

1, página 139

• Resolver os exercícios do “Aprende Fazendo”:

17 a), página 165

18 a), página 165

Expoente11
Clique na imagem para sair
 Reta dos mínimos quadrados

A sala de espetáculos do bairro onde o Artur vive tem capacidade para 100
pessoas. O Artur pretende saber qual é o valor que deve investir em
publicidade para ter lotação esgotada. Ele pretende obter uma previsão tão
precisa quanto possível.
O Artur decidiu, então, utilizar um modelo linear. Este modelo pressupõe que é
possível prever o valor do número de espetadores () em função do valor do
investimento () de forma linear, ou seja, para se prever o valor de em função
de , utiliza-se uma expressão do tipo .

Expoente11
 Reta dos mínimos quadrados

O Artur sabe que uma expressão do tipo pode ser representada graficamente
por uma reta.
Além disso, para que a previsão seja fiável, essa reta tem que estar próxima dos
pontos do diagrama de dispersão.
O Artur traçou então a reta de equação para avaliar se esta poderia ser
utilizada para prever o valor a investir. Lembramos que o objetivo é conseguir
100 espetadores no 1º dia de concerto.
De seguida, o Artur analisou então as diferenças entre os valores reais da
amostra que possuía e as previsões dadas por esta reta.

Expoente11
 Reta dos mínimos quadrados

No diagrama de dispersão de que dispunha, o Artur verificou, por exemplo,

que um investimento de correspondia a espetadores. Na previsão obtida
com a reta que traçou obteve espetadores.

Neste caso, a diferença entre o valor real e o valor previsto é .

A este valor chamamos desvio vertical do ponto em relação à reta .

Expoente11
Reta dos mínimos quadrados
Tendo em conta a amostra de que dispunha, o Artur obteve a seguinte
sequência de desvios verticais relativamente à reta

A Verónica, namorada do Artur, percebeu logo que esta reta não era a melhor
para prever o valor pretendido:
– Esta reta não serve. Se somares todos os desvios obténs

e como , sabemos que o ponto não pertence à reta.

– Se pretendes utilizar uma reta para prever o valor a investir em publicidade,

então é importante que o ponto cujas coordenadas são dadas pelas médias de
cada uma das variáveis pertença a essa reta.
 Reta dos mínimos quadrados

Nota:
A condição de que o ponto pertença à reta não é suficiente para justificar que
esta reta é adequada para prever uma das variáveis em função da outra. No
entanto, é importante que a variável tome o valor quando a variável toma o
valor .

Expoente11
 Amostra bivariada

Exercícios:
• Resolver o exercício lateral:
2, página 143

• Resolver os exercícios do “Aprende Fazendo”:

7, página 162

14, página 163

31, página 170

Expoente11
Clique na imagem para sair
 Reta dos mínimos quadrados

Exemplo:
Recorda que o Artur estava à procura da melhor reta para prever a quantia
que deveria investir em publicidade para ter 100 espetadores no concerto
inaugural.
A Verónica explicou ao Artur que existe uma reta que se designa por “reta dos
mínimos quadrados”, que, além de ter o ponto , garante que a soma dos
quadrados dos desvios verticais seja mínima.
Após alguns cálculos, a Verónica disse-lhe que, se arredondasse os
coeficientes às décimas, então a equação da reta dos mínimos quadrados
seria .

Expoente11
 Reta dos mínimos quadrados

Definição:

Recorda que:

Expoente11
 Reta dos mínimos quadrados
De facto, a equação que a Verónica determinou define uma reta que está
muito próxima dos pontos do diagrama de dispersão.

Como a sala de espetáculos do bairro tem 100 lugares, o Artur utilizou esse valor
para determinar o dinheiro que precisava de investir:

O Artur verificou então que o modelo indicava que deveria investir .

Expoente11
 Exercícios:
• Ver exercício resolvido das páginas 144 a 150.

• Resolver os exercícios do “Aprende Fazendo”:

20, página 166

21, página 167

Expoente11 terminar
Clique na imagem para sair
 voltar

Expoente11
 voltar

Expoente11
 voltar

Expoente11
 voltar

Expoente11
 voltar

Expoente11
 voltar

Expoente11
 voltar

Expoente11
 Coeficiente de correlação linear

Exemplo:
Como 432 € correspondia a uma grande parte do dinheiro que conseguiu
angariar, o Artur teve algum receio de utilizar o modelo linear para prever
quanto dinheiro deveria investir.
A Verónica disse-lhe que o diagrama de dispersão sugeria que o modelo
linear era adequado, mas que existia um coeficiente – “coeficiente de
correlação linear” – que permitia avaliar a intensidade da associação linear
entre duas variáveis.
A Verónica calculou então o seu valor e, ao verificar que era
aproximadamente 0,99, disse ao Artur que, com os dados de que
dispunham, o modelo linear era adequado para fazer a previsão.

Expoente11
 Coeficiente de correlação linear

Expoente11
 Coeficiente de correlação linear

Exercícios:
• Resolver o exercício lateral:

5, página 152

• Resolver o exercício do “Aprende Fazendo”:

1, página 160

Expoente11
Clique na imagem para sair ..
 Coeficiente de correlação linear

O Pedro, irmão do Artur, ficou de pesquisar sobre a forma como deveriam

promover o evento e descobriu o seguinte diagrama de dispersão:

A Verónica disse logo

que lhe parecia que não
seria possível utilizar
um modelo linear para
determinar a data de
início da divulgação do
concerto.

Expoente11
 Coeficiente de correlação linear

Para confirmar as suas suspeitas, a Verónica calculou o valor do coeficiente de

correlação linear e verificou que era aproximadamente .
Concluiu, então, que teriam que encontrar outra forma para prever a data de
início da divulgação do concerto.
O Artur ficou muito confuso sobre o valor do coeficiente de correlação linear –
Como é que um simples número pode dar indicação sobre a qualidade de um
modelo linear?
A Verónica mostrou-lhe então o manual Expoente11 na página 153 e salientou
as seguintes frases: [clique para abrir]

Expoente11
Clique na imagem para sair
 Coeficiente de correlação linear

A Verónica lembrava-se ainda de a professora lhe ter dito que, quando o

coeficiente de correlação é próximo de zero, tal não implica que as variáveis
não estejam relacionadas; apenas indica que não têm uma relação linear.
Nestas situações, apesar de ser possível determinar a reta dos mínimos
quadrados, esta não deve ser utilizada para prever o valor de uma variável em
função da outra.

Nota:
Em diversas situações da vida real são utilizados outros modelos para prever o
valor de uma variável em função de uma ou mais variáveis. Estes não fazem, no
entanto, parte do Programa de Matemática A do 11º ano.

Expoente11
 Coeficiente de correlação linear

Exercícios:
• Ver exercício resolvido das páginas 154 a 157

• Resolver os exercícios do “Aprende Fazendo”:

16, página 164
18, página 165
28, página 169
30, página 169

Expoente11 terminar
Clique na imagem para sair
 voltar

Expoente11
 voltar

Expoente11
 voltar

Expoente11
 voltar

Expoente11