Baixe o app para aproveitar ainda mais
Prévia do material em texto
FUMEP Escola de Engenharia de Piracicaba Probabilidade e Estatística Engenharia Mecatrônica Título: Analise de correlação linear simples (aplicação) Analise de regressão linear simples (aplicação) Carlos Eduardo Gualdi RA: 201300987 Professora – RENATA TOTTI 01 de Dezembro de 2014. 2 Sumário Pág. 1. O que é Correlação ................................................................................................. 3 1.1 Aplicação de Correlação ................................................................................ 3 2. O que é Regressão ................................................................................................. 5 2.1 Tipos de Modelos de Regressão .................................................................... 6 2.2 metodo de regressão linear simles................................................................. 6 2.3 Aplicação do Metodo Linear ........................................................................... 8 2.4 Exemplos de aplicação .................................................................................. 8 3 1. O que é correlação: Em pesquisas, frequentemente, procura-se verificar se existe relação entre duas ou mais variáveis, isto é, saber se as alterações sofridas por uma das variáveis são acompanhadas por alterações nas outras. Por exemplo, peso vs. idade, consumo vs. renda, altura vs. peso, de um indivíduo. O termo correlação significa relação em dois sentidos (co + relação), e é usado em estatística para designar a força que mantém unidos dois conjuntos de valores. A verificação da existência e do grau de relação entre as variáveis é o objeto de estudo da correlação. Uma vez caracterizada esta relação, procura-se descrevê-la sob forma matemática, através de uma função. A estimação dos parâmetros dessa função matemática é o objeto da regressão. Os pares de valores das duas variáveis poderão ser colocados num diagrama cartesiano chamado “diagrama de dispersão”. A vantagem de construir um diagrama de dispersão está em que, muitas vezes sua simples observação já nos dá uma ideia bastante boa de como as duas variáveis se relacionam. 1.1. Aplicação de Correlação O estudo da correlação tem por objetivo medir e avaliar o grau de relação entre as variáveis X e Y através da disposição dos pontos (X, Y ) em torno de uma reta. O instrumento de medida da correlação linear é dado pelo coeficiente de correlação linear de Pearson, ou, simplesmente, coeficiente de correlação. em que Sx e Sy são os desvios padrões das variáveis X e Y na amostra. Como 4 E a covariância cov(x, y) é dada por Para Calculo direto do coeficiente de correlação linear de Pearson, tem-se a seguinte fórmula: O campo de variação do coeficiente r situa-se entre −1 e +1. −1 ≤ r ≤ 1 Sua interpretação dependerá do valor numérico e do sinal. Figura 1: Diagramas de Dispersão. 5 Figura 2: Diagramas de Dispersão. 2. O que é regressão: Muitas vezes, a simples visualização do diagrama de dispersão sugere a existência de uma relação funcional entre as duas variáveis. Essa observação introduz o problema de se determinar uma função que exprima esse relacionamento. A análise de regressão é uma técnica estatística cujo escopo é investigar e modelar a relação entre variáveis. Considerando que exista um relacionamento funcional entre os valores Y e X, responsável pelo aspecto do diagrama, essa função deverá explicar parcela significativa da variação de Y com X. Contudo, uma parcela da variação permanece inexplicada e deve ser atribuída ao acaso. Colocando em outros termos, admite-se a existência de uma função que explica, em termos médios, a variação de uma das variáveis com a variação da outra. Frequentemente, os pontos observados apresentarão uma variação em torno da linha da função de regressão, devido à existência de uma variação aleatória adicional denominada de variação residual. Portanto, essa equação de regressão fornece o valor médio de uma das variáveis em função da outra. Obviamente, caso se suponha conhecida a forma do modelo de regressão, a análise será facilitada. O problema, então, estará restrito à estimação dos parâmetros do modelo de regressão. Esse caso ocorrerá se existirem razões teóricas que permitam saber previamente que modelo rege a associação entre as variáveis. Geralmente, a forma da linha de regressão fica aparente na própria análise do diagrama de dispersão. Uma das preocupações estatísticas ao analisar dados, é a de criar modelos que explicitem estruturas do fenômeno em observação. O modelo de regressão é um dos métodos estatísticos mais usados para investigar a relação entre variáveis 6 Análise de regressão: metodologia estatística que estuda (modela) a relação entre duas ou mais variáveis 2.1. Tipos de Modelos de Regressão 2.2. Método de regressão linear simples yi = b + a.xi , i=1,...,n Sendo • yi: valor da variável dependente (resposta) para o i-esimo elemento da amostra • xi: valor (conhecido) da variável independente ou preditora para o i-esimo elemento da amostra • b e a são parâmetros desconhecidos A presença ou ausência de relação linear pode ser investigada sob dois pontos de vista • Quantificando a força dessa relação: Correlação. • Explicitando a forma dessa relação: Regressão. 7 Coeficiente de Correlação de Pearson • A correlação é calculada independente da unidade de medida das variáveis. • A técnica usada para calcular este coeficiente, supõe que a associação entre as variáveis seja linear, ou seja, expressa por uma reta ou linha. • Se a relação apresentada no diagrama de dispersão não for do tipo linear, o coeficiente de correlação de Pearson não deve ser calculado. • O coeficiente de correlação pode variar entre –1 (correlação negativa perfeita) e +1 (correlação positiva perfeita). • Valores negativos do coeficiente de correlação indicam uma correlação do tipo inversa, isto é, quando x aumenta y diminui. • Valores positivos do coeficiente de correlação ocorrem quando x e y variam no mesmo sentido, isto é, quando x aumenta y aumenta ou quando x diminui y também diminui. Ajuste da Reta do método simples 8 2.3. Aplicação do método Linear • Montar tabela relacionando as variáveis de interesse • Obter os coeficientes “a” e “b” a partir das relações matemáticas apresentadas • Obter a equação da reta Figura 3 - Linha de Regressão 2.4. Exemplo de aplicação de regressão linear simples • Custo anual de transporte de carga por caminhão em perímetro urbano 9 Exemplo de aplicação Onde Y é custo e X o número de viagens Referências Bibliográficas http://www.ipardes.gov.br/biblioteca/docs/dissertacao_sachiko.pdf http://pt.wikipedia.org/wiki/Correla%C3%A7%C3%A3o http://pt.wikipedia.org/wiki/Regress%C3%A3o_linear http://w3.ufsm.br/adriano/aulas/coreg/Aula%2001%20Correla%E7ao%20Linear. pdf http://www.cprm.gov.br/publique/media/cap9-correl_regres.pdf http://www.estgv.ipv.pt/PaginasPessoais/malva/MetodosElectro/Regress%C3% A3o.pdf
Compartilhar