Baixe o app para aproveitar ainda mais
Prévia do material em texto
* * CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES PROF. VALTER DE ANDRADE SILVA * * CORRELAÇÃO Uma relação entre duas variáveis. Os dados podem ser representados por pares ordenados (x, y): x é a variável independente. y é a variável dependente (ou resposta). * * 1. O que é um diagrama de dispersão? Diagrama de dispersão são gráficos que permitem a identificação entre causas e efeitos, para avaliar o relacionamento entre variáveis. 2. Quando usar o diagrama de dispersão? Para visualizar uma variável com outra e o que acontece se uma se alterar. Para verificar se as duas variáveis estão relacionadas, ou se há uma possível relação de causa e efeito. Para visualizar a intensidade do relacionamento entre as duas variáveis, e comparar a relação entre os dois efeitos. 3.Como fazer um diagrama de dispersão? Coletar os pares da amostra que poderão estar relacionados. Construir os eixos, a variável causa no eixo horizontal e a variável efeito no eixo vertical. Colocar os dados no diagrama. Se houver valores repetidos, trace um círculo concêntrico. Adicionar informações complementares, tais como: nome das variáveis, período de coleta, tamanho da amostra e outros. * * * * FÓRMULA PARA O CÁLCULO DO COEFICIENTE DE CORRELAÇÃO LINEAR SIMPLES * * ETAPAS PARA O CÁLCULO DO COEFICIENTE DE CORRELAÇÃO LINEAR * * VARIAÇÃO DO COEFICIENTE DE CORRELAÇÃO A amplitude do coeficiente de correlação é -1 para 1. Se r = -1 existe uma correlação negativa perfeita. Se r está próximo de 0 não existe correlação linear. Se r = 1 Existe uma correlação positiva perfeita. * * REGRESSÃO LINEAR O objetivo da análise de regressão é encontrar uma função linear que permita: 1) Descrever e compreender a relação entre uma variável dependente e uma ou mais variáveis independentes. 2) Projetar ou estimar uma variável em função de uma ou mais variáveis independentes; por exemplo, as vendas para diferentes valores de investimentos em propaganda, custos de produção e quantidades produzidas, faturamento e preço de produtos, etc. * * * * RESÍDUOS É a diferença entre o valor de y observado e o valor de y previsto para um dado valor x na linha. Para um dado valor x, di = (valor y observado) – (valor y previsto) * * ŷ = a + bx EQUAÇÃO DE REGRESSÃO LINEAR Cálculo do parâmetro “b” Cálculo do parâmetro “a” * * * * * * * * * * * * 3. Encontrando a equação de regressão linear => Y = a + bx Equação de regressão linear Y = 15,79 + 8,63X * * Pela equação de regressão linear Y = 15,79 + 8,63X substituindo o valor de X = 19, então temos: Y = 15,79 + 8,63x 19 => Y = 15,79 + 163,97 => Y = 179,76 * * RESÍDUOS É a diferença entre o valor de y observado e o valor de y previsto para um certo valor de x na linha de tendencia. Para um dado valor x, di = (valor y observado) – (valor y previsto) * * Cálculo dos resíduos ou desvios * * * * ATIVIDADE Um Gerente de Produção apresentou informações referente as quantidades produzidas e os custos de produção cujos dados foram apresentados a seguir: Quantidades fabricadas 57 59 65 70 77 Custos de produção(R$) 51 54 56 57 62 Construir um diagrama de dispersão Encontrar o valor do coeficiente de correlação linear. Encontrar a equação de regressão linear Estimar os custos para 97 unidades produzidas
Compartilhar