Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Indutiva Profa. Mirtes 1. Em uma amostra de 30 medições do diâmetro externo de uma engrenagem, obtivemos a seguinte distribuição de valores, em cm: Determine: a) a média amostral; b) o desvio-padrão amostral. Ponto Médio frequência 𝑥𝑖 . 𝑓𝑖 𝑥 − 𝑥 2. 𝑓 5 4 6 7 5 3 σ𝑓 = 30 Entregar a tarefa 2 – páginas 13 e 14 – Estatística Indutiva - 25/08 Correlação Linear e Regressão Linear Em Estatística, a correlação é um parâmetro que indica o “grau de correspondência” entre duas variáveis. Ou seja, a correlação mostra a “intensidade” com a qual dois conjuntos de dados estão relacionados mutuamente. Correlação Linear ➢ A quantidade de livros que uma pessoa já leu está relacionada com sua escolaridade? ➢ Em que grau o peso de uma pessoa está relacionado com sua altura? ➢ A estatura de uma pessoa está relacionada com sua alimentação? Assim, a correlação indica o comportamento conjunto de duas variáveis. Exemplos: ➢ O salário de um trabalhador está relacionado com a escolaridade do mesmo, ou seja, em que grau a variável “salário médio de um trabalhador” está “ligada” com a variável “escolaridade do trabalhador”? A medida para o grau de correlação linear entre duas variáveis é o coeficiente de correlação de Pearson (conhecido como coeficiente de correlação linear), indicado por “r”, calculado por: Onde n representa o número de pares de dados em estudo. Os possíveis valores de correlação linear variam de –1 a 1, ou seja: −1 ≤ r ≤ 1. Podemos proceder à seguinte classificação: ✓ r = -1,00: correlação negativa perfeita. ✓ r = -0,75: correlação negativa forte. ✓ r = -0,50: correlação negativa média. ✓ r = -0,25: correlação negativa fraca. ✓ r = 0,00: correlação linear inexistente. ✓ r = +0,25: correlação positiva fraca. ✓ r = +0,50: correlação positiva média. ✓ r = +0,75: correlação positiva forte. ✓ r = +1,00: correlação positiva perfeita. Na correlação positiva, as variáveis em estudo alteram-se no mesmo sentido (se uma variável “aumenta”, a outra variável também “aumenta” ou se uma variável “diminui”, a outra variável também “diminui”). Na correlação negativa, as variáveis em estudo alteram-se em sentidos opostos (se uma variável “aumenta”, a outra variável “diminui”). Exemplo: Um pesquisador indagou a 7 pessoas (todas com 40 anos de idade) que aguardavam o trem em uma plataforma de metrô as seguintes questões: Qual a sua escolaridade, ou seja, quantos anos você estudou? Quantos livros você já leu? As repostas encontram-se sumarizadas na tabela, onde: xi representa o número de anos que a pessoa estudou; yi representa o número de livros que a pessoa já leu. 𝒙𝒊 𝒚𝒊 3 1 5 2 7 3 9 5 10 7 14 10 16 13 Total: Total: Regressão Linear. A regressão é o processo de traduzir o comportamento conjunto de duas variáveis na forma de uma “lei” matemática, denominada “equação da regressão”. Logo, os conceitos de “correlação” e “regressão” são indissociáveis. A regressão é dita linear quando o diagrama de dispersão dos dados em estudo sugere a interpolação de uma reta pelos mesmos. Como, na prática, trabalhamos com diversos pontos experimentais, há inúmeras retas possíveis para o referido conjunto de dados. No entanto, há um critério, conhecido como “Método dos Mínimos Quadrados”, que estabelece a “melhor” reta que se ajusta a todos os pontos experimentais do diagrama de dispersão. Esta reta será chamada de “reta interpoladora”. A equação geral de regressão (“reta interpoladora”) é: O parâmetro 𝐾𝑦 = 𝑟. 𝑠𝑦 𝑠𝑥 𝒙𝒊 𝒚𝒊 3 1 5 2 7 3 9 5 10 7 14 10 16 13 Total: Total: Exercícios Propostos – página 32 1. A tabela a seguir mostra os pesos (em kg) e as respectivas alturas (em cm) de uma amostra de 8 alunos da turma de calouros do curso de Fisioterapia de uma Universidade. Pedem-se: a) o coeficiente de correlação linear e a equação da regressão linear; xi: peso (kg) yi: altura (cm) 55 163 58 167 60 167 65 172 66 173 70 174 72 175 74 177 𝒙𝒊: peso (kg) 𝒚𝒊: altura (cm) 𝒙𝒊 𝟐 𝒚𝒊 𝟐 𝒙𝒊. 𝒚𝒊 55 163 58 167 60 167 65 172 66 173 70 174 72 175 74 177 b) o diagrama de dispersão e o gráfico da equação de regressão linear. 162 164 166 168 170 172 174 176 178 50 55 60 65 70 75 80 yi : al tu ra ( cm ) xi: peso (kg) Diagrama de Dispersão
Compartilhar