Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Métodos Quantitativos Aula 6 Prof. Jéderson da Silva Organização da Aula � Tema 1: Correlação linear: coeficiente de correlação de Pearson � Tema 2: Teste de hipótese para a existência de correlação � Tema 3: Regressão linear simples � Tema 4: Estimador da variância � Tema 5: ANOVA da regressão � Tema 6: Coeficiente de determinação � Tema 7: Estimações e previsões Tema 1 Correlação Linear: Coeficiente de Correlação de Pearson Correlação Linear: Coeficiente de Correlação de Pearson (r) � Objetivo: exploração de relação entre as variáveis � Ex.: velocidade e deslocamento de uma partícula � O coeficiente de correlação de Pearson busca quantificar o quão forte é a correlação linear entre duas variáveis intervalares (MARTINS, 2010) 2 (ROSA, 2009) Coeficiente de Correlação de Pearson: Exemplo � Objetivo: verificar se existe associação entre a temperatura da água onde as matrizes de corte são temperadas e o grau de dureza adquirido (PEINADO E GRAEML, 2007) Solução Tema 2 Teste de Hipótese para a Existência de Correlação (Thec) THEC � Baseado em testar a hipótese nula , ou seja, testar se a correlação linear entre X e Y é estatisticamente diferente de zero, considerando para isso fixo Premissa: � Variáveis populacionais (X, Y) com distribuição normal bivariada (n>30) (MARTINS, 2010) 3 Etapas do THEC 1. X 2. Fixar e escolher uma distribuição t de Student, com graus de liberdade 3. Com o auxílio da tabela t, determinam-se RA e RC (MARTINS, 2010) 4. Cálculo do valor da variável 5. Conclusão • Teste bilateral • Se , não se pode rejeitar • Se ou , rejeita-se (MARTINS, 2010) Exemplo � Com base nos dados do exemplo do Tema 1, teste se a correlação linear indicada é estatisticamente diferente de zero utilizando o THEC. Adote um nível de significância de 5% � Dados: � Solução: 1. X 2. 3. Aproximando-se para 45 graus de liberdade 4. Cálculo do valor da variável 5. Conclusão: como podemos rejeitar a hipótese nula e concluir que a correlação é estatisticamente diferente de zero 4 Tema 3 Regressão Linear Simples Regressão Linear Simples � Objetivo: obter uma equação que explique a relação entre uma variável resposta Y e uma variável preditora X (PORTAL ACTION, 2014) Relação entre X e Y é determinística Modelo de Regressão Linear Simples � Como determinar a e b? � Método dos Mínimos Quadrados Método dos Mínimos Quadrados (MMQ) Deve ser minimizada � Resolvendo para a e b, , onde: (MARTINS, 2010) Exemplo � Objetivo: estabelecer uma relação entre a variável de entrada (temperatura) e a variável de saída (dureza) (PORTAL ACTION, 2014) 5 Solução MMQ para cálculo de a e b MMQ para cálculo de a e b � Portanto o modelo ajustado é dado por: Dureza = a + b x Temperatura = Dureza = 364,18 – 1,032 x Temperatura Tema 4 Estimador da Variância Estimador da Variância � Objetivo: verificar a qualidade do modelo de regressão ajustado (MARTINS, 2010) Variância Desvio padrão (MARTINS, 2010) Variância Desvio padrão � Alternativamente o cálculo da variância e do desvio padrão pode ser feito como: Exemplo � Com base nos dados do exemplo do Tema 3, calcule a estimativa da variância e do desvio padrão para o modelo de regressão ajustado Dados: 6 Solução Logo: Tema 5 Análise de Variância (ANOVA) da Regressão ANOVA da Regressão � Objetivo: verificar a qualidade do modelo de regressão ajustado � Definindo: Soma dos quadrados devido à regressão Soma dos quadrados devido aos erros Soma dos quadrados totais Quadrados médios da regressão Quadrados médios dos resíduos P número de variáveis do modelo n número total de observações Tabela ANOVA da regressão: Teste F: 1. x 2. Fixar e escolher uma distribuição F de Snedecor, com p-1 e n-p graus de liberdade 3. Com o auxílio da tabela de distribuição F de Snedecor, determinam-se RA e RC 4. Cálculo da variável teste 5. Conclusão: se rejeita-se 7 Exemplo � Com base nos dados do exemplo do Tema 3, realizar a ANOVA da regressão e interpretar os resultados obtidos. Admitir significância de 5% Dados: (PORTAL ACTION, 2014) Solução � Tabela ANOVA da regressão: (PORTAL ACTION, 2014) � Para 5% de significância: � Como rejeita-se a hipótese nula Tema 6 Coeficiente de Determinação (R²) Coeficiente de Determinação � Objetivo: indicar o quanto o modelo foi capaz de explicar os dados coletados Soma dos quadrados devido à regressão Soma dos quadrados totais Coeficiente de determinação 8 Exemplo � Com base nos dados do exemplo do Tema 3 e Tema 5 realizar a ANOVA da regressão e interpretar os resultados obtidos. Admitir significância de 5% Dados: (PORTAL ACTION, 2014) Solução: Tema 7 Estimações e Previsões Estimações e Previsões � Objetivo: utilizar o modelo de regressão para previsões de Y, dados valores de X Estimação do valor médio de y, para um valor específico de x Previsão de um particular valor de y, para um dado valor de x (MARTINS, 2010) Exemplo � Considerando os dados dos exemplos anteriores, deseja- se construir um IC para o valor médio de dureza, com 95% de confiança, para temperatura de 220ºC 9 Temos: Dados: Dureza = 364,18 – 1,032 x Temperatura Dureza (225) = 364,18 – 1,032 x 220 = 137,14 Solução Tabela t de Student: Logo: Referências de Apoio � MARTINS, G. A. Estatística Geral e Aplicada. 4. ed. Editora Atlas, 2011. p. 421. � PEINADO, J.; GRAEML, A. R. Administração da Produção (Operações Industriais e de Serviços). Centro Universitário Positivo, 2007. Sites � CORRÊA DA ROSA, J. M. Estatística II (Notas de Aula). Departamento de Estatística UFPR, 2009. Disponível em: <http://www.est.ufpr.br/ce003/mat erial/apostilace003.pdf>. � Portal Action. Disponível em: <http://www.portalaction.com.br/>.
Compartilhar