MÉTODOS QUANTITATIVOS

REVISÃO PARA AVALIAÇÃO – 2022/02 – 2º bim.

UNIDADE 3 – RESOLUÇÃO DO TRABALHO

UNIDADE 4 – RESUMO TÓPICOS ESSENCIAIS

Prof.ª Amanda F Fidalgo Cavalcanti

amanda.fidalgo@educadores.net.br
SEÇÃO 4.1 – CORRELAÇÃO ENTRE VARIÁVEIS
QUANTITATIVAS

2
CORRELAÇÃO = Grau de associação entre duas variáveis.

Mensuramos essa associação por meio do coeficiente de correlação.

Tipos de análises de variáveis = Univariadas; Bivariadas e

Multivariadas. Neste livro nos limitaremos a estudar o caso
bivariado.

Pares ordenados (X,Y)

Exemplo: IDADE E ALTURA DE UMA MESMA CRIANÇA

3
 Podemos representar essas informações em um gráfico de dispersão. Você aprendeu anteriormente
que um gráfico tem o objetivo de facilitar a leitura e a interpretação dos dados, além de dar uma ideia
da distribuição de uma variável. Quando a análise é bivariada, os gráficos também têm o objetivo de
investigar a presença de uma relação entre as variáveis.

4
5
Dizer que a correlação é positiva implica afirmar que, quando
X aumenta, Y também aumenta; quando X diminui, Y também
diminui. Se a correlação é negativa ocorre o contrário: se X
aumenta, Y diminui; se X diminui, Y aumenta.

6
Uma vez identificada uma correlação linear entre duas variáveis X e Y, como
quantificá-la? ATRAVÉS DA COVARIÂNCIA

7
8
9
A covariância é influenciada pela escala, logo, quanto maiores os
valores de um conjunto de dados, maiores as chances de a
covariância assumir valores mais elevados. Uma maneira de
corrigir isso é utilizar variáveis padronizadas e definir uma nova
medida, o coeficiente de correlação. 10
11
12
13
VAMOS RELEMBRAR ALGUNS CONCEITOS DA SEÇÃO 2.3 E 2.4

Para auxiliar as medidas de

posição na descrição de um
conjunto utilizamos as medidas
de dispersão. Essas medidas
buscam dimensionar quanto os
dados estão distantes da média,
por exemplo. Com o auxílio delas
podemos decidir, por exemplo,
se a média pode ser utilizada
como representante de um
conjunto.

DESVIO: diferença
de um valor do
conjunto com
relação à média.
14
15
 SEÇÃO 4.2

TESTE DE SIGNIFICÂNCIA

16
17
18
LINK TABELAS DE DISTRIBUIÇÃO
https://professorguru.com.br/formularios-e-tabelas-estatistica.html

19
Exemplo do livro

20
21
 SEÇÃO 4.3

REGRESSÃO LINEAR

22
23
COMPREENDENDO CORRELAÇÃO E REGRESSÃO

24
 CORRELAÇÃO

• O objetivo do estudo da correlação é determinar (mensurar) o grau de relacionamento

entre duas variáveis.

• Caso os pontos das variáveis, representados num plano cartesiano (X, Y) ou gráfico de
dispersão, apresentem uma dispersão ao longo de uma reta imaginária, dizemos que
os dados apresentam uma correlação linear.

• Uma medida do grau e do sinal da correlação linear entre duas variáveis (X,Y) é dado
pelo Coeficiente de Correlação Linear de Pearson (SEÇÃO 4.1)

• Este coeficiente é adimensional, logo não é afetado pelas unidades de medidas das
variáveis X e Y.

• O sinal positivo indica que as variáveis são diretamente proporcionais, enquanto que o
sinal negativo indica que a relação entre as variáveis é inversamente proporcional.

25
REGRESSÃO

• Quando analisamos dados que sugerem a existência de uma relação

funcional entre duas variáveis, surge então o problema de se
determinar uma função matemática que exprima esse relacionamento,
ou seja, uma equação de regressão.
• Ao imaginar uma relação funcional entre duas variáveis, variáveis,
digamos X e Y, estamos interessados numa função que explique
grande parte da variação de Y por X. Entretanto, uma parcela da
variabilidade de Y não explicada por X será atribuída ao acaso, ou seja,
ao erro aleatório.
• Quando se estuda a variação de uma variável Y em função de uma
variável X, dizemos que Y é a variável dependente e que X é a variável
explanatória (ou independente).

26
27
28
 Que valor você espera obter para y, dado que x= 57, isto é, qual seria a estatura de uma criança com
idade de 57 meses?

29
30
Além da reta da equação, também é necessário calcular os erros cometidos ao realizar a
aproximação dos pontos através da reta. Como calculamos o erro total na aproximação pela
reta de regressão?

Vamos elevar ao quadrado cada desvio. (Lembra da estratégia usada no calculo da variância?)

Essa mesma estratégia pode ser utilizada para calcular o erro de aproximação da reta de
regressão, e, assim, definimos a soma dos quadrados dos erros como:

ESSA FUNÇÃO SQ DEPENDE DOS

VALORES DE â e b.
O objetivo é que SQ seja o menor
possível, o que é denominado de
MÉTODO DOS MÍNIMOS
QUADRADOS
31
32
33
SUGESTÃO DE MATERIAIS SOBRE CORRELAÇÃO E REGRESSÃO

http://www.de.ufpb.br/~luiz/AED/Aula9.pdf

https://www.ime.usp.br/~hbolfar/aula_2013/Aula%203%20-%20Descritiva%20III%20-%20A12012
34
 SEÇÃO 4.4

ESTUDANDO RESÍDUOS

35
Apesar de a análise de significância ser feita com base em r (coeficiente de correlação), seu valor não
auxilia a interpretar o quanto da variação de Y é devido a sua correlação com X e o quanto é devido ao
acaso. Essa interpretação é possível por meio de um estudo dos resíduos de uma regressão linear, ou
seja, dos erros ocorridos na geração de estimativas pelo processo de regressão. O estudo de resíduos
também auxilia na construção de intervalos de confiança para os valores de regressão.

36
37
38
PODEMOS AINDA DEFINIR:

39
40
41
42
43
44
45