analise bidimensional
1 pág.

analise bidimensional

Pré-visualização1 página
ANÁLISE BIDIMENSIONAL 
 É comum haver interesse em saber se duas variáveis quaisquer estão relacionadas, e o 
quanto estão relacionadas, seja na vida prática, seja em trabalhos de pesquisa, por 
exemplo: - se o sexo dos funcionários de uma empresa está relacionado com a função 
exercida; - o quanto o a temperatura ambiente em uma região influencia as vendas de 
refrigerante; - se o nível de escolaridade de um grupo de empreendedores está relacionado 
com o grau de sucesso por eles alcançado. 
 Muitas vezes queremos verificar se há uma relação de causa e efeito entre as duas 
variáveis (se as variáveis são dependentes ou não), se é possível estudar uma das 
variáveis através da outra (que é mais fácil de medir)- prever os valores de uma através dos 
valores da outra, ou calcular uma medida de correlação ou de dependência entre as 
variáveis. 
REGRESSÃO E CORRELAÇÃO 
Quando se deseja estudar o comportamento simultâneo de duas ou mais variáveis, emprega-
se a análise de Regressão e a de Correlação para avaliação da informação desejada. Na 
regressão estimamos a relação de uma variável com outra, expressando a variável 
dependente em função da variável independente. A regressão estuda conjuntos de variáveis 
que se supõe estar numa relação de causa e efeito. A correlação que às vezes se confunde 
com regressão, estuda o grau em que duas ou mais variáveis variam simultaneamente. Isto 
é, o grau de inter-relacionamento entre as variáveis. - Os métodos de regressão e correlação 
não podem ser aplicados em variáveis qualitativas (atributos). É preciso que as variáveis 
sejam contínuas. De acordo com a função de regressão podemos ter: Correlação Retilínea, 
Exponencial, Parabólica, Potencial, etc. 
Exemplo: 
A tabela a seguir relaciona as distâncias percorridas por carros (km) e seus 
consumos de combustível (litros), em uma amostra de 10 carros novos. 
Distância 20.00 60.00 15.00 45.00 35.00 80.00 70.00 73 28.00 85.00 
Consumo 1.33 5.45 1.66 3.46 2.92 6.15 4.11 5 2.95 6.54