Hoje vamos analisar duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas.
|
|
- Júlio César de Mendonça
- 5 Há anos
- Visualizações:
Transcrição
1 Correlação e Regressão Hoje vamos analisar duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas. Vamos 1. definir uma medida de associação entre duas variáveis quantitativas chamada correlação e; 2. caso exista de fato associação, e faça sentido pensar numa relação de causa e efeito, propor um modelo linear de previsão de uma das variáveis, que chamaremos de variável dependente ou variável resposta, em função da outra variável, que chamaremos de variável explicativa. 1
2 Exemplo 1: Resultados no simulado e no teste final. Os dados a seguir referem-se às porcentagens de acertos num simulado e o resultado num teste final aplicado depois do simulado. Ao todo foram feitas 10 observações. Questões relevantes: Você diria que existe alguma relação entre o desempenho no simulado e no teste final? Em caso afirmativo, como poderíamos medir essa relação? 2
3 Você dirira que é possível prever o resultado no teste final, em função do resultado no simulado? Em caso afirmativo, como poderíamos fazer a previsão? Um gráfico de dispersão da variável x acertos no simulado versus a variável y resultado no teste final foi construído usando-se o Bioestat: Podemos verificar que existe sim uma tendência de ambas as variáveis crescerem no mesmo sentido, ou seja, quanto maior é o valor de x, maior é o valor de y. 3
4 Exemplo 2: Contas de Energia Os dados a seguir referem-se à temperatura média mensal e a quantidade de energia elétrica (em dólares) na conta mensal. Fonte: Rossman & Chance (1998). Workshop Statistics: Discovery with data and Minitab. Springer. 4
5 Questões relevantes: Você diria que existe alguma relação entre a temperatura e o consumo de energia? Em caso afirmativo, como poderíamos medir essa relação? Você diria que é possível prever o consumo mensal de energia, em função da temperatura do mês? Em caso afirmativo, como poderíamos fazer a previsão? 5
6 Exemplo 3: A tabela a seguir fornece informação sobre a expectativa de vida ao nascer (EVN) (em anos) para uma amostra de 22 países. Ela também lista o número de pessoas por aparelho de TV (NPTV) em cada país. País EVN NPTV País EVN NPTV Angola 44,0 200,0 México 72,0 6,6 Austrália 76,5 2,0 Marrocos 64,5 21,0 Camboja 49,5 177,0 Paquistão 56,5 73,0 Canadá 76,5 1,7 Rússia 69,0 3,2 China 70,0 8,0 África do Sul 64,0 11,0 Egito 60,5 15,0 Sri Lanka 71,5 28,0 França 78,0 2,6 Uganda 51,0 191,0 Haiti 53,5 234,0 Reino Unido 76,0 3,0 Iraque 67,0 18,0 Estados Unidos 75,5 1,3 Japão 79,0 1,8 Vietnam 65,0 29,0 Madagascar 52,5 92,0 Yemen 50,0 38,0 Fonte: Rossman e Chance (1998). Workshop Statistics. Springer. 6
7 7
8 Exemplo 4: Doze indivíduos foram submetidos a um teste de Inglês e, em seguida, mediu-se o tempo gasto para cada um aprender a operar uma máquina. As variáveis observadas foram X - resultado no teste (máximo 100 pontos) e Y tempo (em minutos) para operar a máquina satisfatoriamente. Os dados obtidos estão na tabela a seguir. Fonte: Dados Fictícios. ind. X Y A B C D E F G H I J K L
9 9
10 Exemplo 5: Considere o seguinte conjunto de dados bivariados. Fonte: Dados Fictícios. ind. X Y A -6 36,92 B -3 8,00 C -3 9,81 D -1 0,40 E 1 1,28 F 1 0,40 G 2 4,08 H 2 3,08 I 4 16,12 J 4 17,58 K 5 22,97 L 6 37,59 10
11 11
12 De acordo com os exemplos anteriores é possível perceber pelos respectivos diagramas de dispersão que: - no exemplo 1 as variáveis X e Y crescem no mesmo sentido; - nos exemplos 2 e 3, quanto maior é o valor da variável X, menor é o valor da vbariável Y ; - no exemplo 4, não parece haver nenhuma relação entre as variáveis X e Y e, - no exemplo 5, vemos que X e Y estão relacionadas, mas não de forma linear. A aparência dos pontos no diagrama de dispersão não é linear. 12
13 A correlação entre duas variávels X e Y é uma medida que justamente avalia o grau de magnitude da relação linear entre elas que pode ser visualizada pelo diagrama de dispersão. Definição: Seja (X 1, Y 1 ), (X 2, Y 2 ),...,(X n, Y n ) uma amostra aleatória bivariada de tamanho n. Define-se o coeficiente de correlação amostral entre X e Y, ou simplesmente, a correlação amostral entre X e Y, por em que S XY = r XY = r = S XY S X S Y n i=1 (X i X)(Y i Ȳ ), S X = n i=1 (X i X) 2 e S Y = n i=1 (Y i Ȳ ) 2. 13
14 Propriedades da correlação r: (R1): 1 r 1 qualquer que seja a amostra (X 1, Y 1 ), (X 2, Y 2 ),...,(X n, Y n ). (R2): Se r = ±1, então X e Y são linearmente relacionadas tal que Y = ax + b, com a > 0 se r = 1 e a < 0 se r = 1. correlação perfeita O valor de r mede o grau de linearidade do diagrama de dispersão. Se o valor de r estiver próximo de 1 ou -1, indica que há forte linearidade. Se o valor de r estiver próximo de 0 indica que não há linearidade, podendo não existir relação nenhuma entre X e Y ou uma relação não linear entre elas. 14
15 Com base no que acabamos de ver é possível estimar que a correlação: - no exemplo 1 deve estar próxima de 1, - nos exemplos 2 e 3 deve estar próxima de -1 e, - nos exemplos 4 e 5 deve estar próxima de zero. Vamos ver agora como calcular a correlação entre X e Y usando o Bioestat. O caminho é Estatísticas, seguido de Correlação, seguido de Correlação de Pearson. 15
16 Para o exemplo 1 obtemos Observe que r = 0, 9296 está próximo de 1 de acordo com o que avaliamos. Observe também que no quadro podemos realizar um teste para verificar se a correlação é significativamente diferente de zero. 16
17 Para o exemplo 2 obtemos Observe que r = 0, 6883 está próxima de -1 de acordo com o que avaliamos. A saída do Bioestat também nos fornece intervalos de confiança de 95% e de 99% para a verdadeira correlação. Lembre que o valor calculado no exemplo está baseado numa amostra da população. 17
18 Para o exemplo 3 obtemos Observe que r = 0, 8038 está próxima de -1 de acordo com o que avaliamos. 18
19 Para o exemplo 4 obtemos Observe que r = 0, 0649 está próxima de zero de acordo com o que avaliamos. 19
20 Para o exemplo 5 obtemos Observe que r = 0, 1073 está próxima de zero de acordo com o que avaliamos. 20
21 21
22 A seguir vamos apresentar vários exemplos de dados reais retirados de Dancey e Reidy. 22
23 23
24 24
25 25
26 Cuidados na Interpretação da correlação Uma correlação alta (próxima de 1 ou -1) pode indicar forte dependência linear entre as variáveis. Nesse caso, os pontos no diagrama de dispersão espalham-se em torno de uma reta. Pode haver pares de variáveis cuja correlação é próxima de 1 (ou -1), mas, na verdade, não são diretamente relacionadas: correlação espúria. Uma correlação zero ou próxima de zero indica ausência de linearidade, podendo significar uma dependência não-linear entre elas ou ausência de relação entre as variáveis. Uma correlação amostral entre duas variáveis próxima de 1 (ou -1) apenas indica que as variáveis crescem no mesmo sentido (ou em sentidos contrários). Ela não necessariamente indica que aumentos sucessivos em uma, acarretarão aumentos sucessivos (ou diminuições sucessivas) na outra. 26
27 Modelo de Regressão Linear Simples Quando as duas variáveis em análise são altamente correlacionadas e, de fato, existe uma relação de causa e efeito entre elas, o prolema de fazer previsão do valor de uma delas dado o valor da outra variável pode ser resolvido através de uma regressão linear simples: ajuste dos dados observados a uma reta pelo critério de mínimos quadrados. Uma das duas variáveis é considerada como a variável que pode ser controlada de alguma forma e é chamada variável explicativa (independente - preditora) e a outra, sobre a qual deseja-se fazer previsões, é chamada variável resposta (dependente). 27
28 Vimos que no exemplo 1, a correlação era alta e positiva. Faz sentido pensar numa relação de causa e efeito entre o resultado do simulado e o resultado no teste final? Parece que sim. Então, podemos pensar num modelo linear que explique o resultado no teste final em função do resultado no simulado. Voltemos ao diagrama de dispersão desses dados. 28
29 Existem formas diferentes de obter uma reta que se ajuste bem aos dados. Um critério usual para obter a reta é conhecido como critério de mínimos quadrados: obtém-se os coeficientes da reta de modo a minimizar a soma dos quadrados dos erros (resíduos). 29
30 O Bioestat ajusta a reta de mínimos quadrados, também conehcida como reta de regressão linear simples. O caminho é: Estatísticas, Regressão, Linear Simples. Tome cuidado na hora de indicar as colunas, pois agora as variáveis exercem papéis diferentes: uma é a variável explicativa (independente), mais fácil de ser controlada. A outra, é a variável dependente, também chamada variável resposta, para a qual faremos previsões com base nos valores da outra. No Bioestat devemos sempre indicar primeiro a coluna da variável dependente e, em seguida, a coluna da variável independente. Vejamos como fica a saída dessa função u- sando os dados do exemplo 1: lembre que na tabela de dados a variável independente (resultado no simulado está na coluna 1) e a variável dependente (resultado no teste final está na coluna 2). 30
31 A reta de regressão é Ŷ = 4, , 8917X. 31
32 Podemos usar a opção estimar Y, por exemplo, 32
33 E nos outros quatro exemplos apresentados no início da aula? Faz sentido pensar numa relação de causa e efeito? Faz sentido pensar num modelo linear para os dados bivariados? Vimos que não há nenhuma relação entre as variáveis X e Y no caso do exemplo 4 e que a relação é não linear no caso do exemplo 5. Logo, um modelo linear não é adequado a nenhum desses dois exemplos. No exemplo 3, temos que tomar um certo cuidado, pois apesar das variáveis apresentarem uma correlação negativa próxima de -1, não faz sentido pensar numa relação de causa e efeito, isto é, o fato das variáveis expectativa de vida e número de pessoas por TV crescerem em sentidos contrários, não significa que se diminuirmos o número de pessoas por TV num país, então automaticamente a expectativa de vida irá crescer. 33
34 O exemplo 3 ilustra o que costuma ser chamado de correlação espúria. De fato, existe uma terceira variável que é bem correlacionada a essas duas e, essa sim, tem uma relação mais direta com as outras. No caso desse exemplo poderia ser o IDH (Índice de Desenvolvimento Humano) do país. É razoável esperar uma correlação alta e positiva do IDH com a expectativa de vida ao nascer e também uma correlação alta e negativa do IDH com o número de pessoas por TV. Outras variáveis sócio-econômicas poderiam substituir o IDH citado neste exemplo. O importante é saber peceber, apesar de um conjunto de dados bivariados ter produzido uma correlação alta (positiva ou negativa), que isso não significa que essas variáveis apresentem uma relação direta de causa e efeito. Enfim, nesse caso, apesar da alta correlação, não faz sentido usar um modelo linear! 34
35 Finalmente, no caso do exemplo 2, temperatura versus conta de energia, vimos que existia uma correlação negativa próxima de -0,7 e, aqui faz sentido resolver o problema de prever o consumo de energia em função da temperatura. No caso do exemplo 2, a variável independente é a temperatura e, a dependente é o consumo de energia. Vejamos como fica a reta de regressão. 35
36 A reta de regressão estimada é Ŷ = 55, 03 0, 21X. 36
37 Verificação de Adequação do Modelo de Regressão: Análise de Resíduos. Todo modelo ajustado em estatística deve ser avaliado antes da apresentação de conclusões. A ferramenta mais comum de avaliação dos modelos de regressão linear é uma análise dos resíduos do modelo. Os resíduos do modelo são dados por D = }{{} Y valor observado Y (a + bx). }{{} Ŷ valor ajustado = O gráfico de resíduos (D) versus valores ajustados (Ŷ ) não deve apresentar nenhuma estrutura aparente e seus valores devem oscilar aleatoriamente em torno de zero. A seguir são apresentados os gráficos de resíduos versus valores ajustados dos modelos ajustados aos exemplos 1 e 2. 37
38 38
39 Em ambos verifica-se que, de fato, os resíduos oscilam aleatoriamente em torno de zero, em função dos valores ajustados. Portanto, os modelos podem ser considerados adequados para explicar Y em função de X. 39
40 Referências bibliográficas: (1) Busssab e Morettin - Estatística Básica. Editora Saraiva. (2) Triola. Introdução à Estatística. LTC. (3) Dancey e Reidy - Estatística sem Matemática para Psicologia. Penso. (4) Rossman & Chance (1998). Workshop Statistics: Discovery with data and Minitab. Springer. 40
Na aula do dia 24 de outubro analisamos duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas.
Regressão Múltipla Na aula do dia 24 de outubro analisamos duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas. 1. definimos uma medida de associação
Leia maisEstatística para Geografia. Rio, 13/09/2018
Estatística para Geografia Rio, 13/09/2018 Objetivos: mostrar como usar o R para construir um diagrama de dispersão entre duas variáveis quantitativas. calcular a correlação entre duas variáveis quantitativas.
Leia maisUFRJ - CCMN - IM - Departamento de Métodos Estatísticos Estatística (MAD231) - Prova # 1 - Padrão de resposta
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos Estatística (MAD231) - Prova # 1 - Padrão de resposta 1. Uma pesquisa sobre a qualidade de um produto foi realizada enviando-se questionários a donas
Leia maisEstatística Aplicada ao Serviço Social
Estatística Aplicada ao Serviço Social Módulo 7: Correlação e Regressão Linear Simples Introdução Coeficientes de Correlação entre duas Variáveis Coeficiente de Correlação Linear Introdução. Regressão
Leia maisAula Prática 1. Uso do R com exemplos Adaptação: Flávia Landim/UFRJ
Aula Prática 1 Uso do R com exemplos Adaptação: Flávia Landim/UFRJ Objetivos Analisar duas variáveis quantitativas: traçando diagramas de dispersão, para avaliar possíveis relações entre as duas variáveis;
Leia maisREGRESSÃO E CORRELAÇÃO
Vendas (em R$) Disciplina de Estatística 01/ Professora Ms. Valéria Espíndola Lessa REGRESSÃO E CORRELAÇÃO 1. INTRODUÇÃO A regressão e a correlação são duas técnicas estreitamente relacionadas que envolvem
Leia maisMAE116 - Noções de Estatística Grupo B - 2 semestre de 2016 Gabarito da Lista de exercícios 3 1 Estatística Descritiva III - CASA
MAE116 - Noções de Estatística Grupo B - 2 semestre de 2016 Gabarito da Lista de exercícios 3 1 Estatística Descritiva III - CASA Exercício 1. Uma amostra aleatória de 352 estudantes foi entrevistada,
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia mais1 semestre de 2014 Gabarito Lista de exercícios 3 - Estatística Descritiva III C A S A
Exercício 1. (1,0 ponto). A tabela a seguir mostra o aproveitamento conjunto em Física e Matemática para os alunos do ensino médio de uma escola. Notas Notas Notas Física/Matemática Altas Regulares Baixas
Leia maisCorrelação e Regressão
Correlação e Regressão Exemplos: Correlação linear Estudar a relação entre duas variáveis quantitativas Ou seja, a força da relação entre elas, ou grau de associação linear. Idade e altura das crianças
Leia maisAULA 06 Correlação. Ernesto F. L. Amaral. 04 de outubro de 2013
1 AULA 06 Correlação Ernesto F. L. Amaral 04 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia maisAnálise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos
Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos a técnica de Análise de variância (ANOVA) a um fator, que resulta
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisCORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011
CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos
Leia maisAula 2 Regressão e Correlação Linear
1 ESTATÍSTICA E PROBABILIDADE Aula Regressão e Correlação Linear Professor Luciano Nóbrega Regressão e Correlação Quando consideramos a observação de duas ou mais variáveis, surge um novo problema: -as
Leia maisActivALEA. active e actualize a sua literacia
ActivALEA active e actualize a sua literacia ASSOCIIAÇÃO ENTRE VARIIÁVEIIS QUANTIITATIIVAS: O COEFIICIIENTE DE CORRELAÇÃO A representação gráfica de um conjunto de dados bivariados é essencial, pois permite
Leia maisSeção 2.6 Duas Variáveis Quantitativas: Regressão Linear
Seção 2.6 Duas Variáveis Quantitativas: Regressão Linear A Reta de Regressão Predições Resíduos Sumário Interpretando a Inclinação e o Intercepto Cuidados com a Regressão Grilos e Temperatura Você pode
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Leia maisEstudar a relação entre duas variáveis quantitativas.
Estudar a relação entre duas variáveis quantitativas. Exemplos: Idade e altura das crianças Tempo de prática de esportes e ritmo cardíaco Tempo de estudo e nota na prova Taxa de desemprego e taxa de criminalidade
Leia maisMedidas de associação entre duas variáveis qualitativas
Medidas de associação entre duas variáveis qualitativas Hoje vamos analisar duas variáveis qualitativas (categóricas) conjuntamente com o objetivo de verificar se existe alguma relação entre elas. Vamos
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisEstatística. Correlação e Regressão
Estatística Correlação e Regressão Noções sobre correlação Existem relações entre variáveis. Responder às questões: Existe relação entre as variáveis X e Y? Que tipo de relação existe entre elas? Qual
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisEstatística Descritiva (III) Associação entre Variáveis
Estatística Descritiva (III) Associação entre Variáveis 1 Associação entre variáveis qualitativas Tabelas de Contingência 2 Exemplo: Suponha que queiramos analisar o comportamento conjunto das variáveis
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Leia maisCorrelação e Regressão. Correlação entre variáveis
Correlação entre variáveis Existe uma correlac a o entre duas varia veis quando os valores de uma varia vel esta o relacionados, de alguma maneira, com os valores da outra varia vel. Uma vez definida a
Leia maisMÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência
MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente
Leia maisAula 14 - Correlação e Regressão Linear
Aula 14 - Correlação e Regressão Linear Objetivos da Aula Fixação dos conceitos para Correlação e Regressão Linear; Apresentar exemplo solucionado com a aplicação dos conceitos; Apresentar exercício que
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisRegressão Linear Simples
Regressão Linear Simples Capítulo 16, Estatística Básica (Bussab&Morettin, 8a Edição) 10a AULA 18/05/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 10a aula (18/05/2015) MAE229 1 / 38 Introdução
Leia maisREGRESSÃO LINEAR SIMPLES
REGRESSÃO LINEAR SIMPLES Prof. Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Universidade Estadual de Londrina UEL Departamento de Estatística DSTA Sumário
Leia maisAULA 07 Regressão. Ernesto F. L. Amaral. 05 de outubro de 2013
1 AULA 07 Regressão Ernesto F. L. Amaral 05 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas
Leia maisRegressão Linear Simples
Regressão Linear Simples Análise de Dados e Simulaçã ção Márcia D Elia Branco http://www.ime.usp.br/~mbranco Apoio: Andressa Cerqueira (Aluna do Programa PAE) 1 Análise de Regressão Diagramas de Dispersão
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisEstatística Aplicada II. } Regressão Linear
Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7
Leia maisDefinição Há correlação entre duas variáveis quando os valores de uma variável estão relacionados, de alguma maneira, com os valores da outra variável
Correlação Definição Há correlação entre duas variáveis quando os valores de uma variável estão relacionados, de alguma maneira, com os valores da outra variável Exemplos Perímetro de um quadrado e o tamanho
Leia maisModelos de Regressão Linear Simples - parte II
Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisSeção 2.5 Duas Variáveis Quantitativas: Diagrama de Dispersão e Correlação
Seção 2.5 Duas Variáveis Quantitativas: Diagrama de Dispersão e Correlação Sumário Duas variáveis quantitativas Visualização: diagrama de dispersão Estatística resumo: correlação Direção de Associação
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisLISTA DE EXERCÍCIOS 2 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE BIDIMENSIONAL GABARITO
LISTA DE EXERCÍCIOS INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE BIDIMENSIONAL GABARITO 1) a) Calculando os percentuais em relação aos totais de cada COLUNA obtemos: 18,57% de favoráveis entre os Estudantes,
Leia maisTestes de Hipóteses sobre a média: Várias Amostras
Testes de Hipóteses sobre a média: Várias Amostras Na aula de hoje veremos como comparar mais de duas populações, baseados em dados fornecidos por amostras dessas populações. A Análise de Variância (ANOVA)
Leia maisAssociação entre variáveis qualitativas. Tabelas de Contigência
Análise Bidimensional Associação entre variáveis qualitativas Tabelas de Contigência Podemos construir tabelas de freqüências conjuntas (tabelas de contingência), relacionando duas variáveis qualitativas.
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisAnálise Bidimensional
Análise Bidimensional Associação entre variáveis qualitativas Tabelas de Contigência Podemos construir tabelas de freqüências conjuntas (tabelas de contingência), relacionando duas variáveis qualitativas.
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisAnálise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada
Aula 2 Regressão Linear Simples Análise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada Conceitos Gerais A análise de regressão é utilizada para explicar ou modelar a relação entre
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisCORRELAÇÃO E REGRESSÃO
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE TRANSPORTES MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA CORRELAÇÃO E REGRESSÃO Professora: Cira Souza Pitombo Disciplina: ENG C 18 Métodos
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Leia maisExemplo 1. Conjunto de dados de uma amostra de 12 meninas da escola: y i x i
Exemplo 1 Y : peso (kg) de meninas de 7 a 11 anos de uma certa escola de dança X : altura (m) das meninas A partir de 3 valores prefixados de X, foram obtidas, para cada valor de X, 4 observações independentes
Leia maisTeoria da Correlação. Luiz Carlos Terra
Luiz Carlos Terra Você poderá, através de cálculos matemáticos, verificar a forma como a variação de um dado observado pode estar associada às alterações de outra variável. (Luiz Carlos Terra) 1 Objetivo
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisAnálise de Regressão
Análise de Regressão Tópicos em Avaliação de Desempenho de Sistemas Aline Oliveira Camila Araujo Iure Fé Janailda aso2@cin.ufpe.br cga2@cin.ufpe.br isf2@cin.ufpe.br jbs4@cin.ufpe.br Agenda Parte I: Contextualização
Leia maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisMétodos Quantitativos
Métodos Quantitativos Unidade 4. Estatística inferencial Parte II 1 Sumário Seção Slides 4.1 Correlação entre variáveis quantitativas 03 11 4.2 Teste de significância 12 19 4.3 Regressão linear 20 27 4.4
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisEstatística (MAD231) Turma: IGA. Período: 2016/2
Estatística (MAD231) Turma: IGA Período: 2016/2 Aula #02 de Inferência Estatística: 28/11/2016 1 Intervalos de Confiança Vamos começar com um exemplo. Suponha que se deseja estimar a média µ de uma população
Leia maisProf. Dr. Lucas Barboza Sarno da Silva
Prof. Dr. Lucas Barboza Sarno da Silva Medidas de grandezas físicas Valor numérico e sua incerteza, unidades apropriadas Exemplos: - Velocidade (10,02 0,04) m/s - Tempo (2,003 0,001) µs - Temperatura (273,3
Leia maisde uma variável em função da outra, por exemplo: Quantas TV Philips são vendidas na região Norte? Quantos homens são fumantes?
3. Estatística descritiva bidimensional (Tabelas, Gráficos) Análise bivariada (ou bidimensional): avalia o comportamento de uma variável em função da outra, por exemplo: Quantas TV Philips são vendidas
Leia maisCapacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Leia maisNoções sobre Regressão
Noções sobre Regressão Nos interessa estudar como uma variável varia em função de outra. Por exemplo, considere a questão de demanda e preço de bens. Quando se estuda a variação de uma variável Y em função
Leia maisRegressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
Leia maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
Leia maisInferência. 1 Correlação Linear 2 Regressão linear. Renata Souza
Inferência 1 Correlação Linear 2 Regressão linear Renata Souza Introdução Estudar a relação entre duas variáveis quantitativas Exemplos Idade e altura das crianças Tempo de prática de esportes e ritmo
Leia maisPARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES
PARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES 2.1 DEFINIÇÃO DO MODELO DE REGRESSÃO SIMPLES Duas variáveis: y e x Análise explicar y em termos de x
Leia maisFísica Geral - Laboratório. Aula 8: Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral - Laboratório Aula 8: Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas
Leia maisEstatística Descritiva (III) Associação entre Variáveis
Estatística Descritiva (III) Associação entre Variáveis 1 Associação entre variáveis qualitativas Tabelas de Contingência 2 Podemos construir tabelas de frequências conjuntas (tabelas de contingência),
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
1 Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 9 de Abril de 2015 2 3 Função Deviance Podemos ver o ajuste de um modelo a um conjunto de dados como: uma forma
Leia maisEscola Secundária de Jácome Ratton
Escola Secundária de Jácome Ratton Ano Lectivo 21/211 Matemática Aplicada às Ciências Sociais Dados bidimensionais ou bivariados são dados obtidos de pares de variáveis. A amostra de dados bivariados pode
Leia maisCorrelação e Regressão Linear. Prof.: Joni Fusinato
Correlação e Regressão Linear Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Introdução Existem situações nas quais há interesse em estudar o comportamento conjunto de uma ou mais variáveis;
Leia maisRenda x Vulnerabilidade Ambiental
Renda x Vulnerabilidade Ambiental ANEXO D ANÁLISE EXPLORATÓRIA E PREPARAÇÃO DOS DADOS Identificamos tendência linear positiva. A correlação entre as variáveis é significativa, apresentando 99% de confiança.
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisMódulo 4 Ajuste de Curvas
Módulo 4 Ajuste de Curvas 4.1 Intr odução Em matemática e estatística aplicada existem muitas situações onde conhecemos uma tabela de pontos (x; y), com y obtido experimentalmente e deseja se obter uma
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisAula IV. Representação gráfica e regressão linear. Prof. Paulo Vitor de Morais
Aula IV Representação gráfica e regressão linear Prof. Paulo Vitor de Morais Representação gráfica A representação gráfica é uma forma de representar um conjunto de dados de medidas que permite o estudo
Leia maisEstatística CORRELAÇÃO E REGRESSÃO LINEAR. Prof. Walter Sousa
Estatística CORRELAÇÃO E REGRESSÃO LINEAR Prof. Walter Sousa CORRELAÇÃO LINEAR A CORRELAÇÃO mede a força, a intensidade ou grau de relacionamento entre duas ou mais variáveis. Exemplo: Os dados a seguir
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral - Laboratório Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas x e
Leia maisLucas Santana da Cunha de julho de 2018 Londrina
Análise de Correlação e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 26 de julho de 2018 Londrina 1 / 17 Há casos em que pode existir um relacionamento entre duas variáveis:
Leia maisAnálise de Regressão. Luiz Carlos Terra
Luiz Carlos Terra Em mercadologia é importante conhecer as ferramentas existentes para estimação dos valores de vendas, de preços de produtos ou de custos de produção. A análise de regressão representa
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 O que é um bom modelo? Como estimar os parâmetros do modelo Como alocar variações Intervalos de Confiança para Regressões Inspeção Visual ! "# Para dados correlacionados,
Leia maisHEP0138 BIOESTATÍSTICA
HEP0138 BIOESTATÍSTICA Capítulo 5 ANÁLISE BIVARIADA. TESTE QUI-QUADRADO. CORRELAÇÃO DE PEARSON. MEDIDA DE RISCO RELATIVO. Profa. Nilza Nunes da Silva Dra. Regina T. I. Bernal Setembro de 2012 2 1. ANÁLISE
Leia maisEstatística 1 - Lista de Exercícios 4-21/06/ Professor José Carlos Fogo
Estatística 1 - Lista de Exercícios 4-21/06/2016 - Professor José Carlos Fogo 1) A tabela abaixo representa um estudo sobre a participação de famílias na coleta seletiva de lixo. Grau de instrução do chefe
Leia maisAULA 8 - MQO em regressão múltipla:
AULA 8 - MQO em regressão múltipla: Definição, Estimação e Propriedades Algébricas Susan Schommer Econometria I - IE/UFRJ Regressão Múltipla: Definição e Derivação A partir de agora vamos alterar o nosso
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisEstatística 1 - Lista de Exercícios 4 Professore José Carlos Fogo
Estatística 1 - Lista de Exercícios 4 Professore José Carlos Fogo 1) A tabela abaixo apresenta as opiniões de um grupo de pessoas a respeito de um tema político, pelo sexo do entrevistado. Opinião Sexo
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO 1 1. CORRELAÇÃO 1.1. INTRODUÇÃO 1.. PADRÕES DE ASSOCIAÇÃO 1.3. INDICADORES DE ASSOCIAÇÃO 1.4. O COEFICIENTE DE CORRELAÇÃO 1.5. HIPÓTESES BÁSICAS 1.6. DEFINIÇÃO 1.7. TESTE DE HIPÓTESE.
Leia maisAula inaugural do curso Análise de Regressão
Aula inaugural do curso Prof a Silvia Nagib Elian Sala 215 - Bloco A Instituto de Matemática e Estatística Universidade de São Paulo Agenda 1. Exemplo 2. Introdução 3. Modelo de regressão linear simples
Leia maisProf. Dr. Lucas Barboza Sarno da Silva
Prof. Dr. Lucas Barboza Sarno da Silva Organização de dados experimentais Em engenharia, ciências exatas em geral, os resultados de testes, análises ou experimentos fornecem conjuntos de resultados numéricos
Leia maisAula 03 Estatística, Correlação e Regressão
BIS0005-15 Bases Computacionais da Ciência Aula 03 Estatística, Correlação e Regressão http://bcc.compscinet.org Prof. Rodrigo de Alencar Hausen hausen@ufabc.edu.br 1 Medidas de tendência central: Média,
Leia mais