Baixe o app para aproveitar ainda mais
Prévia do material em texto
Correlação Linear Simples @medvet_da_le A correlação entre duas variáveis é calculada quando se deseja saber se a variação de uma delas acompanha inversamente ou proporcionalmente a variação da outra. Exemplos: * Tamanho do braço ou tamanho da perna em uma população de mamíferos. * Conteúdo de colesterol no sangue e peso de pessoas de mesma idade e sexo. * Estatura dos pais e estatura dos filhos de pessoas de mesma raça * Renda e consumo por faixa de salário * Preço e Demanda * Produção agrícola e fertilizante. etc, O primeiro passo para analisar, é construir o DIAGRAMA DE DISPERSÃO O coeficiente de correlação de Pearson (r), também chamado de correlação linear ou r de Pearson, é um grau de relação entre duas variáveis quantitativas e exprime o grau de correlação através de valores situados entre -1 e 1. Fórmula: Interpretação do coeficiente de correlação linear de Pearson: O coeficiente de correlação linear de Pearson será sempre um número entre -1 e +1 (−1≤rx,y≤1). o Se rx,y=−1, a relação linear entre X e Y é perfeita e inversa (os pontos estão todos sobre uma única reta, com inclinação negativa); o Se rx,y está próximo de – 1, a associação linear entre X e Y é forte e inversa (ou negativa; ou decrescente); o Se rx,y=0, não existe associação linear entre X e Y; o Se rx,y está próximo de + 1, a associação linear entre X e Y é forte e positiva (ou direta; ou crescente); o Se rx,y=+1, a relação linear entre y e x é perfeita e positiva. Regressão Linear Simples Após a análise do diagrama de dispersão e do coeficiente de correlação, se concluímos que existe uma correlação linear significativa entre duas variáveis, o próximo passo será tentar estimar uma equação que melhor descreve a relação entre essas variáveis. A relação mais simples é aqueça descrita pela equação da reta: y= ax+b Essa equação será utilizada na estimação de valores de Y (variável resposta), para determinado valor conhecido de X (variável explicativa). Equação de Regressão Linear Simples y^=b0+b1x onde: y^ é uma estimativa da variável dependente (ou resposta); x é o valor da variável independente (ou preditora, ou explicativa); b0 representa o coeficiente linear (ou intercepto) da reta estimada; b1 representa o coeficiente angular (ou inclinação) da reta estimada. Coeficiente de Determinação Mede a proporção da variação em Y que é explicada pelo X escolhido. Quanto maior for o valor de R2, maior será a proporção da variação em Y explicada pela equação estimada. Esta medida é usada para verificar a adequação de uma equação de regressão. Para uma equação de regressão linear simples. R2=(rx,y)2×100
Compartilhar