Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística – Prof. Ricardo Luís Rocha Coeficiente de Correlação Unidade 2 Estatística – Prof. Ricardo Luís Rocha Ementa: 2.1 – Diagrama de Dispersão 2.2 – Coeficiente de Correlação Linear 2.3 – Uso e aplicabilidade do coeficiente de correlação linear 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha 2 – Coeficiente de Correlação 2.1 – Diagrama de dispersão dos dados Existe correlação entre duas variáveis quando uma delas está de alguma forma relacionada à outra. As exigências para se fazer uma análise de correlação são: 1 – As amostras devem ser aleatórias; 2 – Os pares de dados (x,y) têm uma distribuição normal bivariada. Estatística – Prof. Ricardo Luís Rocha Uma das primeiras análises a ser feita é observar o diagrama de dispersão dos dados amostrais. A sua forma pode indicar se temos uma correlação entre as variáveis. y x .... ..... .... . . Correlação positiva entre x e y y x .. Correlação negativa entre x e y . .. .. .. .. . 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha 2.2 – Coeficiente de Correlação Mas como verificamos se a aparente correlação é suficiente? Como podemos ter idéia da força desta correlação? Para medir a força do relacionamento, utilizamos o coeficiente de correlação. Este coeficiente também é chamado de coeficiente de correlação linear, coeficiente de correlação momento-produto de Pearson e coeficiente de Pearson, em homenagem a Karl Pearson. 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha Este coeficiente é calculado com a seguinte fórmula: 2222 )().(.)().( )).((. yynxxn yxxyn r r = Coeficiente de correlação linear; n = Número de pares de dados presentes; x = É a soma de todos os valores de x; x2 = Somar os quadrados dos valores de x; (x)2 = Somar os valores de x e elevar o total ao quadrado. Não confundir x2 com ( x)2; xy – Multiplicar cada valor de x pelo valor de y e somar os produtos. 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha Como r é calculado com base em dados amostrais, ele é uma estatística amostral. Se conhecêssemos todos os pares de dados (x,y) da população, o coeficiente de correlação seria denotado pela letra grega ρ (rô). Nota importante: ao realizar o cálculo do valor de r, evite arredondar os valores, pois isso pode levar a erros grosseiros. 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha Características de r: 1 – o valor de r está sempre entre -1 e 1. 2 – o valor de r não varia se todos os valores de qualquer uma das variáveis são convertidos para uma escala diferente. 3 – o valor de r não é afetado pela escolha de x ou y. Permutando todos os valores de x e y, r permanecerá inalterado. 4 – r mede a intensidade, ou grau, de um relacionamento linear. Não se serve para medir um relacionamento não-linear. 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha E qual valor de r representará um relacionamento forte? Para determinarmos isso, recorremos à tabela a seguir, ou realizamos um teste de hipóteses. No caso da tabela, se o módulo do valor encontrado para r for superior ao valor da tabela, temos um grau de relacionamento forte, caso contrário, supomos que não existe relacionamento linear. Nesta tabela, α indica o nível de significância do resultado (quanto menor melhor). 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha n α=0,05 α=0,01 4 0,950 0,999 5 0,878 0,959 6 0,811 0,917 7 0,754 0,875 8 0,707 0,834 9 0,666 0,798 10 0,632 0,765 11 0,602 0,735 12 0,576 0,708 13 0,553 0,684 14 0,532 0,661 15 0,514 0,641 16 0,497 0,623 17 0,482 0,606 n α=0,05 α=0,01 18 0,468 0,590 19 0,456 0,575 20 0,444 0,561 25 0,396 0,505 30 0,361 0,463 35 0,335 0,430 40 0,312 0,402 45 0,294 0,378 50 0,279 0,361 60 0,254 0,330 70 0,236 0,305 80 0,220 0,286 90 0,207 0,269 100 0,196 0,256 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha Exemplo: Os pesos de ursos machos podem ser determinados pelo seu comprimento? Com essa afirmação e os dados amostrais coletados abaixo, verifique a questão acima ao nível de 0,05 de significância, através do gráfico de dispersão e do cálculo do coeficiente de correlação. Comprimento em pol (x) 53,0 67,5 72,0 72,0 73,5 68,5 73,0 37,0 Peso em libras (y) 80 344 416 348 262 360 332 34 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha Resolução: Inicialmente, traçaremos o diagrama de dispersão destes dados: 0 50 100 150 200 250 300 350 400 450 0 10 20 30 40 50 60 70 80 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha Agora, calcularemos o valor do coeficiente de correlação com os dados fornecidos. Comp. (x) Peso (y) x.y x2 y2 53,0 80 4240 2890,00 6400 67,5 344 23220 4556,25 118336 72,0 416 29952 5184,00 173056 72,0 348 25056 5184,00 121104 73,5 262 19257 5402,25 68644 68,5 360 24660 4692,25 129600 73,0 332 24236 5329,00 110224 37,0 34 1258 1369,00 1156 516,5 2176 151879 34525,75 728520Totais: 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha 897,0 897,0 109318475,9433 91128 )2176)728520(8)5,516()75,34525(8 )2176)(5,516()151879(8 22 r r r 2222 )()(*)()( ))(( yynxxn yxxyn r Para n=8, na tabela obtemos o valor de 0,707. Como 0,897 > 0,707, podemos afirmar que há uma grande correlação linear entre o tamanho de um urso e seu peso. 2 – Coeficiente de Correlação Estatística – Prof. Ricardo Luís Rocha Exercício: A tabela abaixo relaciona os números x de azulejos e os custos y de sua ajustagem e colocação. Existe correlação linear significativa entre os dados? 2 – Coeficiente de Correlação x 1 2 3 5 6 y 5 8 11 17 20
Compartilhar