CORRELAÇÃO E REGRESSÃO LINEAR

CORRELAÇÃO

Prof. Jorge Mattar Neto jmattar@up.edu.br

 RELAÇÃO ENTRE DUAS VARIÁVEIS
VARIÁVEL INDEPENDENTE (x) VARIÁVEL DEPENDENTE (Y)

HORAS DE ESTUDO X NOTA NA AVALIAÇÃO

GASTOS COM PUBLICIDADE X VENDAS REALIZADAS

TEMPERATURA X VENDAS DE SORVETES

ANOS (NO MERCADO) X FATURAMENTO

IDADE X CONTA TELEFONICA

PREÇO X CUSTO

Que tipo de relação existe entre as duas variáveis?

A correlação é significante?
CORRELAÇÃO E REGRESSÃO LINEAR

OBJETIVO

Análise estatística, com o auxílio das

técnicas de regressão e correlação, que
envolvam o estudo conjunto de duas
variáveis quantitativas.
CORRELAÇÃO E REGRESSÃO LINEAR

A correlação mede a força, ou o grau,

de relacionamento entre duas
variáveis;
a regressão dá uma equação que
descreve o relacionamento em termos
matemáticos.
EXEMPLO 1
Considere o desempenho de nove alunos em
uma determinada disciplina e suas respectivas
faltas.

FALTAS
2 3 5 6 7 12 13 14 16
(X)
NOTA
10,0 9,0 9,5 8,5 7,5 6,0 7,0 4,0 3,5
(y)

Existe alguma correlação entre

as notas obtidas e as faltas?
CORRELAÇÃO E REGRESSÃO LINEAR

Estudaremos a relação existente entre as

variáveis com o auxílio de um diagrama
de dispersão (um gráfico) e de um
coeficiente de correlação linear
(uma medida da intensidade da
associação linear entre duas variáveis).
 FALTAS
2 3 5 6 7 12 13 14 16
(X)
NOTA
10,0 9,0 9,5 8,5 7,5 6,0 7,0 4,0 3,5
(y)

y (NOTA) DIAGRAMA DE DISPERSÃO

FALTAS x NOTA FINAL
10

7,5

2,5

x (FALTAS)
4 8 12 16 20
 DIAGRAMAS DE DISPERSÃO (x; y)

Alto grau (positiva) Moderada (positiva)

Perfeita (negativa) Moderada (negativa)

 DIAGRAMAS DE DISPERSÃO (x; y)

Não há correlação Correlação não-linear

 COEFICIENTE DE CORRELAÇÃO: (r)
 É um número que mede o grau de relacionamento
entre as duas variáveis (x; y).

 Varia entre – 1 e +1;

 Se for = + 1, a correlação é positiva perfeita;
 Se for = – 1, a correlação é negativa perfeita;
 Se for = 0, a correlação é nula.

AUMENTA AUMENTA

–1 0 1
NULA
CÁLCULO DO COEFICIENTE DE CORRELAÇÃO: (r)

n = representa o número de pares de dados presentes.

CORRELAÇÃO: (r)
 ± 1,00 Perfeita
 ± 0,95 Muito Forte
 ± 0,80 Forte
 ± 0,50 Moderada
 ± 0,10 Fraca
 0,00 Ausência de Correlação
EXEMPLO 1- continuação
Considere o desempenho de nove alunos em
uma determinada disciplina e suas respectivas
faltas.

FALTAS
2 3 5 6 7 12 13 14 16
(X)
NOTA
10,0 9,0 9,5 8,5 7,5 6,0 7,0 4,0 3,5
(y)

Calcule o coeficiente de correlação entre faltas e

notas.
RESOLUÇÃO: Faltas x Notas
X(faltas)
X Y(notas)
Y X.Y X² Y²
2 10,0 20 4 100
3 9,0 27 9 81
5 9,5 47,5 25 90,25
6 8,5 51 36 72,25
7 7,5 52,5 49 56,25
12 6,0 72 144 36
13 7,0 91 169 49
14 4,0 56 196 16
16 3,5 56 256 12,25
78 65 473 888 513
Dados:
Σ x = 78; Σ x² = 888; Σ y = 65; Σ y² = 513 Σ x.y = 473.

Cálculo do coeficiente de correlação:

r = n .  x.y –  x .  y
n.  x² – ( x)² n.  y² – ( y)²

r =. 9 · 473 – 78 · 65 .
9 · 888 – (78)². 9 · 513 – (65)². r = – 0,94
.

O coeficiente de correlação, r = – 0,94, implica numa

significativa correlação entre faltas e notas dos alunos.
O coeficiente de determinação é r 2 = (– 0,94)2 = 0,8836.
 EXEMPLO 2
A tabela seguinte registra uma amostra extraída dos
registros de uma rede de lojas, com os valores de
investimentos em Propaganda e Vendas em mil
reais.

. INVESTIMENTO 28 20 33 39 37 22 18 11 36

VENDAS 130 66 160 180 150 151 52 66 200

a) Construir o gráfico de dispersão. A tendência parece linear?

b) Calcular o coeficiente de correlação linear.
RESOLUÇÃO:
Investimento x Vendas
XX YY X.Y
X.Y X²
X² Y²
Y²
(investimento) (vendas)
28 130 3640 784 16900
28 130
20 66 1320 400 4356
20 66
33 160 5280 1089 25600
33 160
39 180 7020 1521 32400
39 180
37 150 5550 1369 22500
37 150
22 151 3322 484 22801
22 151
18 52 936 324 2704
18 52
11
11 6666 726 121 4356
36
36 200
200 7200 1296 40000

244 1155 34994 7388 171617

 Investimento X Vendas
250

200
Vendas - em mil reais

150

100

50

0
0 10 20 30 40 50
Investimentos- em mil reais
Dados:
Σ x = 244; Σ x² = 7388; Σ y = 1155; Σ y² = 171617; Σx.y = 34994.

Cálculo do coeficiente de correlação:

r = n .  x.y –  x .  y
n.  x² – ( x)² n.  y² – ( y)²

r =. 9 · 34994 – 244 · 1155 .

9·7388 – (244)². 9·171617– (1155)². r = 0,8656
.

O coeficiente de correlação, r = 0,86, implica numa

significativa correlação entre investimentos e vendas.
O coeficiente de determinação é r 2 = ( 0,86)2 = 0,74.
EXERCÍCIOS
LISTA 15

Exercícios: 1 ao 3
REGRESSÃO LINEAR
É a técnica utilizada para medir ou estimar,
através de equações Matemáticas as relações
entre variáveis.
 EQUAÇÃO DE REGRESSÃO

A equação é do tipo: y = b + mx

• O b (coeficiente linear) e m (coeficiente angular)

são os parâmetros da melhor reta de ajustamento.

• A variável y define o valor provável da variável

dependente em função de um dado valor
específico da variável independente x.
 REGRESSÃO LINEAR
Equação Geral de ajustamento: y = b + m.x

CÁLCULO DOS COEFICIENTES DA RETA:

m = n. x y – x y b= y – m x
n x² – ( x)² n

 m = tg 
b

x
EXEMPLO 1- continuação
O desempenho de nove alunos em uma determinada
disciplina e suas respectivas faltas são dadas a seguir.
X(faltas) Y(notas) X.Y X² Y²
2 10,0 20 4 100
3 9,0 27 9 81
5 9,5 47,5 25 90,25
6 8,5 51 36 72,25
7 7,5 52,5 49 56,25
12 6,0 72 144 36
13 7,0 91 169 49
14 4,0 56 196 16
16 3,5 56 256 12,25
78 65 473 888 513

Determine a equação de regressão linear das notas em

função das faltas.
Dados:
Σ x = 78; Σ x² = 888; Σ y = 65; Σ y² = 513 Σ x.y = 473.

Cálculo do coeficiente angular:

m = n x.y – x y m = .9  473 – 78  65 = – 0,43
n x² – ( x)² 9  888 – (78)².

Cálculo do coeficiente linear:

b= y – m x b = .65 – (– 0,43)  78 = 10,95

n 9.

Equação da reta:
y (nota) = 10,95 – 0,43  x (falta)
EXEMPLO 3
Uma fábrica esta interessada em estimar sua demanda
para o mês de setembro. Os dados da fábrica estão
apresentados na tabela a seguir:

MÊS MAR ABR MAI JUN JUL AGO

DEMANDA 3 6 5 7 8 6

a) Qual a equação da reta ajustada?

b) Estimar a demanda para setembro com base na
equação de regressão linear.
RESOLUÇÃO
MESES X Y X.Y X² Y²
MAR 1 3 3 1 9
ABR 2 6 12 4 36
MAI 3 5 15 9 25
JUN 4 7 28 16 49
JUL 5 8 40 25 64
AGO 6 6 36 36 36
21 35 134 91 219
Dados:
Σ x = 21; Σ x² = 91; Σ y = 35; Σ y² = 219 Σ x.y = 134.
Cálculo do coeficiente angular:
m = n x y – x y m = .6 134 – 21 35 = 0,657
n x² – ( x)² 6  91 – (21)².

Cálculo do coeficiente linear:

b= y – m x b = .35 – (0,657) 21 = 3,53

n 6

Equação da reta:
y = 3,53 + 0,657 x
a) Qual a equação da reta ajustada?

Equação da reta y = 3,53 + 0,657 x

b) Estimar a demanda para setembro com base

na equação de regressão linear.
Equação da reta y = 3,53 + 0,657  x
P/ x = 7(setembro), teremos:

y = 3,53 + 0,657(7)
y = 8,13.
 EXEMPLO 4

A tabela seguinte registra uma amostra extraída dos

registros de uma rede de lojas, com os valores de
investimentos em Propaganda e Vendas em mil
reais.

. PROPAGANDA 28 20 33 39 37 22 18 11 36

VENDAS 130 66 160 180 150 151 52 66 200

EXEMPLO 4

a) Construir o gráfico de dispersão. A tendência parece

linear?
b) Calcular o coeficiente de correlação linear.
c) Estime a reta de regressão das vendas em função do
investimento em propaganda.
d) Qual seria a previsão de vendas para um investimento
de R$40.000,00 em propaganda?
e) Qual seria o investimento em propaganda para
assegurar vendas de R$190.000,00
RESOLUÇÃO:
Investimento x Vendas
X Y X.Y X² Y²
(investimento) (vendas)

28 130 3640 784 16900

20 66 1320 400 4356

33 160 5280 1089 25600

39 180 7020 1521 32400

37 150 5550 1369 22500

22 151 3322 484 22801

18 52 936 324 2704

11 66 726 121 4356

36 200 7200 1296 40000

244 1155 34994 7388 171617

c) Estime a reta de regressão das vendas em função do
investimento em propaganda.
Dados: Σ x = 244; Σ x² = 7388; Σ y = 1155; Σ y² = 171617 Σ x.y = 34994.

Cálculo do coeficiente angular:

m = n x.y – x y m = 934994 – 244  1155 = 4,7622
n x² – ( x)² 97388 – (244)².

Cálculo do coeficiente linear:

b= y – m x b = 1155 – (4,7622)  244 = – 0 ,7752

n 9

Equação da reta: y = – 0 ,7752+ 4,7622  x

d) Qual seria a previsão de vendas para um investimento de
R$40.000,00 em propaganda?

y (vendas) = – 0 ,7752+ 4,7622 x (investimento)

y = – 0,7752 + 4,7622  40

y = – 0,7752 + 190,488

y40 = 189,71 = R$189.710,00

e) Qual seria o investimento em propaganda para
assegurar vendas de R$190.000,00

y (vendas) = – 0 ,7752+ 4,7622  x (investimento)

190 = – 0,7752 + 4,7622 x

190 + 0,7752 = 4,7622 x

x = 190,7752 / 4,7622

x = 40,06 = R$40.060,00