Correlação

Correlação e Regressão
1. Introdução
• Quando consideramos variáveis como peso e altura de um grupo de
pessoas, uso do cigarro e incidência do câncer, vocabulário e
compreensão da leitura, procuramos verificar se existe alguma
relação entre as variáveis e qual o grau dessa relação.
• Sendo a relação entre as variáveis de natureza quantitativa, o
instrumento adequado para descobrir e medir essa relação é a
correlação.
• O estudo da relação entre duas variáveis qualitativas pode ser feito
pelo teste Qui-Quadrado (veremos mais adiante).
1. Introdução
• Uma vez caracterizada a relação, procuramos descrevê-la através de
uma função matemática. A regressão é o instrumento adequado para
a determinação dos parâmetros dessa função.
• Correlação: mede o grau de associação linear entre duas variáveis

quantitativas (X e Y).
• Regressão: descreve a relação entre X e Y por meio de um modelo

estatístico, chamado Modelo de Regressão Linear Simples (MRLS).
2. Relação funcional e Relação Estatística
Área e lado de um quadrado: A = 𝑙 2
Atribuindo um valor qualquer a l, é possível determinar exatamente a
área.
Relação entre Peso e Altura de um grupo de pessoas
Alturas iguais correspondem a pesos diferentes ou alturas diferentes
correspondem a pesos iguais.
2. Relação funcional e Relação Estatística
Área e lado de um quadrado: A = 𝑙 2 Relação funcional
Peso e altura de um grupo de pessoas Relação estatística
Quando duas variáveis estão ligadas por uma relação estatística,

dizemos que existe correlação entre elas.
A relação entre as duas variáveis (X, Y) pode ser explicada pelo

gráfico diagrama de dispersão.
2. Diagrama de Dispersão
Consideremos, por exemplo, uma amostra aleatória de 5 alunos de
uma determinada turma de Estatística Básica, em que foram
observadas, dentre outras variáveis, as notas e o número de faltas
de cada aluno.
Aluno (nº) 1 8 25 30 12
Nº de Faltas (X) 2 6 60 6 0
Notal Final (Y) 10,0 7,0 0,0 8,0 9,0
2. Gráfico: Diagrama de Dispersão
12
10
8
Nota Final
6
4
2
0
0 20 40 60 80
Nº de Faltas
Indica uma relação negativa entre o número de faltas e a nota, ou

seja, a medida que nº de faltas aumenta, a nota tende a diminuir.
Correlação linear positiva: pontos do diagrama têm como
“imagem” uma reta ascendente.
Correlação linear negativa: pontos do diagrama têm como
“imagem” uma reta descendente.
Correlação não-linear: pontos do diagrama têm como
“imagem” uma curva.
Se os pontos apresentam-se dispersos, concluímos que não há
relação alguma entre as variáveis.
Correlação linear positiva Correlação linear negativa Correlação não-linear

Não há Correlação
3. Coeficiente de correlação linear de Pearson (r)
O coeficiente de correlação foi proposto por Karl Pearson em
1896.
Mede o grau de associação linear entre duas variáveis
quantitativas (X, Y), e ainda, o sentido dessa correlação (positivo ou
negativo). O coeficiente de correlação de Pearson é dado por:
σ𝑥 × σ𝑦
σ 𝑥𝑦 −
𝑟= 𝑛
σ 𝑥 2 σ 𝑦 2
σ 𝑥2 − × σ 𝑦2 −
𝑛 𝑛
n é o número de observações (pares ordenados).
O coeficiente de correlação (r) varia entre -1 e +1.
Calcule o coeficiente de correlação de Pearson para os dados
abaixo:
Nº de faltas (X) Nota final (Y)
2 10
6 7
60 0 𝑛=5
6 8
0 9
A maneira mais prática para calcular o coeficiente de correlação é

abrir, na tabela, colunas correspondentes aos valores de XY, X² e Y².
Nº de faltas (X) Nota final (Y) X×𝑌 𝑋2 𝑌2
𝑛=5 2 10 20 4 100
6 7 42 36 49
60 0 0 3600 0
6 8 48 36 64
0 9 0 0 81
෍ = 74 ෍ = 34 ෍ = 110 ෍ = 3676 ෍ = 294

Logo:
74 × 34
110 − −393,2 −393,2
𝑟= 5 = = = −0,977
742 342 2580,8 × 62,8 402,58
3676 − × 294 −
5 5
r = -0,977 indica uma correlação linear negativa altamente

significativa entre as duas variáveis (Nº de faltas e Nota).
3. Coeficiente de correlação linear de Pearson (r)
• Se r = +1, há uma correlação perfeita e positiva entre as variáveis.
• Se r = -1, há uma correlação perfeita e negativa entre as variáveis.
• Se r = 0, não há correlação, ou a relação que porventura exista não é
linear.
• Se 0,6 ≤ 𝑟 ≤ 1 , podemos concluir que a correlação entre as
variáveis é significativa.
• Se 0,3 ≤ 𝑟 < 0,6, há uma correlação relativamente fraca entre as
variáveis.
• Se 0 ≤ 𝑟 < 0,3, a correlação não é significativa, ou seja, nada
podemos concluir sobre a relação entre ambas as variáveis.
4. Diagrama de dispersão e r.
10 10
8 8
6 6
Nota
Nota
4 4
2 2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
Horas de Estudo Nº de Faltas
Correlação positiva perfeita Correlação negativa perfeita

r=1 r=-1
12 12
10 10
8 8
Nota
Nota
6 6
4 4
2 2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
Horas de Estudo Nº de Faltas
Correlação positiva Correlação negativa

r positivo r negativo
5
34
4 31
Temperatua
3 28
Y
2 25
22
1 19
0 16
0 2 4 6 8 10 0 5 10 15 20 25
X Hora
Correlação nula Correlação não linear

r=0 r=0

Correlação

Enviado por

Direitos autorais:

Formatos disponíveis

Correlação

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Correlação

Enviado por

Direitos autorais:

Formatos disponíveis

Correlação e Regressão

• Correlação: mede o grau de associação linear entre duas variáveis

• Regressão: descreve a relação entre X e Y por meio de um modelo

Peso e altura de um grupo de pessoas Relação estatística

Quando duas variáveis estão ligadas por uma relação estatística,

A relação entre as duas variáveis (X, Y) pode ser explicada pelo

Indica uma relação negativa entre o número de faltas e a nota, ou

Correlação linear positiva Correlação linear negativa Correlação não-linear

A maneira mais prática para calcular o coeficiente de correlação é

෍ = 74 ෍ = 34 ෍ = 110 ෍ = 3676 ෍ = 294

r = -0,977 indica uma correlação linear negativa altamente

Correlação positiva perfeita Correlação negativa perfeita

Correlação positiva Correlação negativa

Correlação nula Correlação não linear

Você também pode gostar