Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
onde
o erro
associado a cada observao em relao reta de regresso linear.
Para que este modelo possa ser admitido, preciso que algumas hipteses sejam verificadas:
i. Existe relao linear entre X e Y;
ii. X no uma varivel aleatria;
iii.
Diagrama de disperso:
2
Ao se plotar num grfico cartesiano os pares de informao referentes a cada observao obtemos
uma nuvem de pontos definidos pelas coordenadas x e y de cada ponto. Essa nuvem, por sua vez, definir
um eixo ou direo que caracterizar o padro de relacionamento entre X e Y.
A regresso ser linear se for observada uma tendncia ou eixo linear na nuvem de pontos
cartesianos. A relao entre as variveis ser direta (ou positiva) quando os valores de Y aumentarem em
decorrncia da elevao dos valores de X. Ser inversa (ou negativa) quando os valores de Y variarem
inversamente em relao aos de X. A figura 1 mostra o diagrama de disperso referente s variveis X e Y.
O diagrama mostra uma relao direta entre as variveis, ou seja: o crescimento de Y est
diretamente ligado ao crescimento de X.
Exemplo:
1. Para verificar se o peso das mulheres depende da altura foi selecionada uma amostra de 10 pessoas.
Construa um grfico de disperso para verificar se h indcios de regresso linear entre as variveis,
com base nos dados da Tabela 1.
Tabela 1: Peso e altura das mulheres.
Amostra 1 2 3 4 5 6 7 8 9 10
Peso (kg) 54 45 58 60 62 70 65 43 56 59
Altura (m) 1,58 1,59 1,60 1,60 1,65 1,70 1,70 1,58 1,63 1,64
Pelo grfico vemos que X e Y esto diretamente correlacionadas. Mas no basta o grfico de
disperso, precisamos continuar a anlise.
Estimao de parmetros:
Para encontrar a reta que melhor represente a relao entre X e Y, deve-se estimar os valores
.
No sero apresentadas as demonstraes de obteno destes estimadores, apenas sero mostrados os
resultados.
1,56
1,58
1,6
1,62
1,64
1,66
1,68
1,7
1,72
0 10 20 30 40 50 60 70 80
A
l
t
u
r
a
Peso
Grfico de disperso
3
A reta de regresso estimada de acordo com a expresso abaixo:
onde
Exemplo:
2. Ainda com base na Tabela 1, estime a reta de regresso.
Calculando os parmetros, temos:
E assim, temos a reta de regresso que explica a relao entre as variveis e ainda nos permite fazer
previses para o possvel valor de Y atravs de um certo X.
Decomposio das somas dos quadrados:
A partir dos valores observados na amostra, possvel definir as seguintes somas de quadrados:
Somas dos quadrados totais (SQtot):
4
Soma dos quadrados de regresso (SQreg):
Soma dos quadrados do resduo (SQres):
Coeficiente de determinao e coeficiente de correlao:
O coeficiente de determinao, ou explicao,
onde
.
Quanto mais prximo de zero for o valor do coeficiente de determinao, menor ser a evidncia de
dependncia linear entre X e Y, e quanto mais prximo for de um, mais forte ser a evidncia de
dependncia entre as variveis.
O coeficiente de correlao, por sua vez, dado por:
onde .
Esta medida nos diz se a relao entre as variveis direta ou inversa, e nada mais do que a raiz
quadrada do coeficiente de determinao.
Exemplo:
3. Com base nos dados da Tabela 1, calcular o coeficiente de determinao:
Ou seja, 88,88% da variao total de Y explicado pelo modelo de regresso.