Correlação e Regressão

Linear
Núcleo de Educação a Distância
[Link]
Rua Prof. José de Souza Herdy, 1.160
25 de Agosto – Duque de Caxias - RJ

Reitor
Arody Cordeiro Herdy

Pró-Reitoria de Programas de Pós-Graduação Pró-Reitoria Administrativa e Comunitária

Nara Pires Carlos de Oliveira Varella

Pró-Reitoria de Programas de Graduação Núcleo de Educação a Distância (NEAD)

Lívia Maria Figueiredo Lacerda Márcia Loch

1ª Edição
Produção: Gerência de Desenho Educacional - NEAD Desenvolvimento do material: Jhoab Pessoa de Negreiros,
Sergio Ricardo Pereira de Mattos e Tereza Luzia de Mello Canalli

Copyright © 2019, Unigranrio

Nenhuma parte deste material poderá ser reproduzida, transmitida e gravada, por qualquer meio eletrônico, mecânico, por
fotocópia e outros, sem a prévia autorização, por escrito, da Unigranrio.
Sumário
Correlação e Regressão Linear
Para início de conversa… ................................................................... 04
Objetivos .......................................................................................... 05
1. Diagrama de Dispersão .......................................................... 06
2. Coeficiente de Correlação Linear de Pearson ............................. 08
2.1 Nível de Significância ............................................................ 12
3. Equação de Regressão ........................................................... 14
Referências ........................................................................................ 20
Exercícios .......................................................................................... 21
Para início de conversa…
Neste capítulo, estudaremos as Medidas de Correlação e Regressão
Linear em distribuições normais (ou que se comportem como tal).

O coeficiente de correlação linear de Pearson visa verificar a existência

de correlação linear entre duas variáveis quantitativas e, em caso afirmativo,
determinar sua intensidade e o seu tipo (correlação positiva ou negativa). Já a
regressão se propõe a estimar o valor de uma variável (dependente), baseada
no conhecimento da outra (independente), com o auxílio de uma equação de
regressão.

Apesar de existirem correlações não lineares (quadrática, exponencial,

logarítmica e cúbica), trataremos apenas da correlação linear simples. Também
veremos a aplicabilidade desses conceitos em diversas áreas do conhecimento e
faremos os cálculos por meio da fórmula e com o auxílio do software Excel.

4 Estatística
Objetivos
▪▪ Fazer correlações entre variáveis e calcular o coeficiente.
▪▪ Identificar a reta de regressão e prever dados.

Estatística 5
1. Diagrama de Dispersão
Em diversas situações do nosso cotidiano ou em pesquisas científicas,
é comum fazermos a seguinte pergunta: “Será que isto tem alguma coisa a
ver com aquilo?” Para respondermos tal indagação, estatisticamente falando,
precisamos verificar se há correlação entre as variáveis e, em caso positivo,
que tipo de correlação existe (linear, exponencial, quadrática etc.). Segundo
Farber e Larson (2007), “Uma correlação é uma relação entre duas variáveis.
Os dados podem ser representados por pares ordenados (x, y) onde x é a
variável independente (variável explicativa) e y é a variável dependente (variável
resposta)”.

Ao representarmos, em um sistema cartesiano ortogonal, esses pares

ordenados, teremos um gráfico denominado diagrama de dispersão. Esse
gráfico é um bom indicativo da possível existência e do tipo de correlação
entre as variáveis x e y, mas não pode ser o único parâmetro para classificação.
Olhando para o diagrama, é possível imaginarmos o traçado de uma curva
que mais se aproxime dos pontos marcados (dados) – essa curva recebe o
nome de Curva de Ajustamento.

Os gráficos a seguir são exemplos de diagramas de dispersão feitos

no Excel. Observe que, na Figura 1, os dados estão dispostos de maneira
“alinhada” (a curva de ajustamento é a reta desenhada em vermelho), na
Figura 2, não há uma correlação entre os pontos, enquanto, na Figura 3, há
uma correlação, porém, não é linear.

30

25
20

15

10

5
0
2 4 6 8 10 12

Figura 1: Dados dispostos de forma alinhada. Fonte: Elaborado pelos autores.

6 Estatística
 30

25

20

15

10

0
2 4 6 8 10 12

Figura 2: Ausência de correlação entre pontos. Fonte: Elaborado pelos autores.

1,2

0,8

0,6

0,4

0,2

0
1 2 3 4 5 6 7 8 9 10 11

Figura 3: Correlação. Fonte: Elaborado pelos autores.

É importante notar que não podemos julgar se duas variáveis têm

correlação apenas pelo gráfico. Dependendo da escala utilizada, podemos ter
impressões diferentes sobre o mesmo conjunto de dados. A Figura 4, por
exemplo, é o mesmo diagrama da Figura 5, porém, a imagem foi “achatada”.
Olhando a figura dessa maneira, temos a impressão que a curva de ajustamento
é uma reta, o que não é verdadeiro (basta observar a Figura 3 para perceber o
quão longe os pontos estão de formar uma reta).

Estatística 7
1,2

0,8

0,6

0,4

0,2

0 1 2 4 6 8 10 12

Figura 4: Dados dispostos de forma alinhada. Fonte: Elaborado pelos autores.

2. Coeficiente de Correlação Linear de Pearson

A fim de não dependermos da nossa percepção para verificarmos se
há correlação linear entre duas variáveis, podemos utilizar o Coeficiente de
Correlação Linear de Pearson (r) , definido por:

∑ ( x ⋅ y) − ∑ n ∑
( x) ⋅ ( y)
r=
(∑ x ) 2
(∑ y ) 2

(∑ ( x ) −2
)(∑ y ) − 2
)
n n

Em que n representa o número de pares da amostra.

Esse coeficiente mede o grau de relacionamento linear entre os

valores de duas variáveis quantitativas, “x” e “y”, de um mesmo conjunto
de dados. Esse coeficiente pode assumir valores apenas no intervalo [-1, +1].
Isto é, o valor de r está entre -1 (inclusive) e +1 (inclusive). Dentro desse
intervalo, quanto mais próximo o valor de r estiver de -1 ou +1, mais forte
será a intensidade da correlação. Por outro lado, quanto mais o seu valor se
aproximar de zero, mais fraca será a intensidade da correlação linear entre as
variáveis em questão. De acordo com o valor de r , podemos classificar uma
correlação linear da seguinte maneira:

8 Estatística
 Valor do coeficiente de correlação linear ( r ) Tipo de correlação linear

0<r≤1 Correlação linear positiva

r=0 Não há correlação linear entre as variáveis

-1 ≤ r < 0 Correlação linear negativa

Tabela 1: Tipos de correlação linear simples. Fonte: Elaborado pelos autores.

É importante observar que o resultado do coeficiente de correlação

linear de Pearson nos indica apenas se há uma correlação linear entre as
variáveis, nada diz a respeito de outros tipos de correlação. Ou seja, o fato
de o valor de r ser nulo, não indica que não há correlação entre as variáveis,
apenas que não tem correlação linear simples. Por exemplo, o coeficiente de
correlação dos dados apresentados no diagrama de dispersão a seguir é quase
nulo (r = 0,01), mas a existência de relação entre elas é nítida.

120

100

80

60

40

20

Figura 5: Exemplo de coeficiente de correlação. Fonte: Elaborado pelos autores.

Vamos ver outros exemplos?

Exemplo 1

Estatística 9
 A tabela a seguir exibe as medidas das variáveis x e y de uma amostra
de dados. Verifique se há correlação linear entre elas.

Variáveis Dados
x 2 4 3 5 6 8 10 8 6 7
y 5 7 8 9 11 15 18 14 11 12

Vamos completar a tabela com os valores que precisamos substituir na

fórmula do coeficiente de Pearson.

x y x y x. y
2 5 4 25 10
4 7 16 49 28
3 8 9 64 24
5 9 25 81 45
6 11 36 121 66
8 15 64 225 120
10 18 100 324 180
8 14 64 196 112
6 11 36 121 66
7 12 49 144 84

Somando todas as colunas, temos: ∑ x = 59 , ∑ y = 110 , ∑ x 2 = 403 ,

∑ y 2 = 1350 e ∑ xy = 735 . Substituindo esses valores na fórmula, temos:
∑ ( x ⋅ y) − ∑ n ∑
( x) ⋅ ( y )
r=
(∑ ( x ) − ∑ ) ⋅ (∑ y ) − ∑
2 2
2 ( x) 2 ( y)
)
n n

(59) ⋅ (110)
735 −
= 10
(59) 2 (110) 2
(403 − ) ⋅ (1350 − )
10 10

735 − 649
=
(54,9) ⋅ (140)

10 Estatística
 86
=
87, 669

= 0,9809

O valor de r é muito próximo de 1 e há correlação linear positiva e

muito forte, ou seja, os pontos no diagrama de dispersão estão “bem próximos”
da reta de ajustamento.

Em situações práticas reais, não precisamos fazer todos esses cálculos

manualmente. Há diversos softwares que nos fornecem esse resultado, apenas
inserindo os dados. Optamos por fazê-lo passo a passo neste exemplo para
que você entenda o processo utilizado na determinação do Coeficiente de
Correlação Linear de Pearson.

Exemplo 2

Com o auxílio do Excel, verifique se há correlação linear entre as

variáveis “x” e “y”, exibidas na tabela a seguir:

Variáveis Dados
x 2 4 3 5 6 8 10 8 6 7
y 5 7 8 9 11 15 18 14 11 12

Observe que os dados são os mesmos do Exemplo 1, só que, agora,

faremos o cálculo de r, com o auxílio do Excel. Primeiro digitamos, em
uma planilha do Excel, as duas colunas de dados; em seguida, clicamos em
qualquer célula em branco e nela digitamos a fórmula associada à correlação.
No nosso caso, de acordo com a imagem a seguir, a primeira coluna começa
em A2 e termina em A11, enquanto a segunda coluna começa em B2 e
termina com B11. Assim, temos que digitar na “célula em branco” escolhida,
a seguinte fórmula: =CORREL(A2:A11;B2:B11). Ao clicar na tecla “enter”,
automaticamente o valor do coeficiente linear de Pearson aparecerá na célula.

Estatística 11
 Observe que o valor dado pelo Excel confere com o obtido por meio
da fórmula.

2.1 Nível de Significância

O fato de estarmos trabalhando com uma amostra visando extrapolar

a conclusão para a população nos impõe a necessidade de verificação da
significância do coeficiente de correlação amostral obtido, isto é, saber se ele
realmente é significante para a população. Para verificarmos isso, utilizamos
os valores críticos – esses valores são tabelados e estão disponíveis em vários
livros de Estatística e também podem ser obtidos com o auxílio do Excel. A
seguir, mostraremos uma parte dessa tabela e faremos o teste de significância
do valor encontrado no Exemplo 1.

Se |r| for maior do que o valor crítico, então, a correlação será

significante para aquele valor de α. Em caso contrário, não há evidência que
haja significância. Um valor de α = 0,05 significa que, em 5% das vezes, você
estará considerando o coeficiente como significante, quando ele realmente
não é.

12 Estatística
 Valor de n Nível de significância αα = 0,05 Nível de significância αα = 0,01
4 0,950 0,999
5 0,878 0,959
6 0,811 0,917
7 0,754 0,875
8 0,707 0,834
9 0,666 0,798
10 0,632 0,765
11 0,602 0,735
12 0,576 0,708
13 0,553 0,684
14 0,532 0,661
15 0,514 0,641
16 0,497 0,623
17 0,482 0,606
18 0,468 0,590
19 0,456 0,575
20 0,444 0,561
25 0,396 0,505
30 0,361 0,463
35 0,334 0,430
40 0,312 0,403

Tabela 2: Valores críticos para o coeficiente de Correlação de Pearson (α = 0,05 e αα = 0,01).

Fonte: Elaborado pelos autores.

Como o valor do |r| encontrado no Exemplo 1 é igual a 0,9809, e

esse valor é maior do que o tabelado (0,632) para uma amostra de 10 dados

Estatística 13
(n = 10), então, a correlação é significante para α = 0,05. Observe que
também seria significante para α = 0,01, pois 0,9809 também é maior do
que o valor tabelado (0,765).

Existem alguns outros testes que podem ser feitos para determinar
se a correlação entre duas variáveis é significante, porém, não fazem parte do
escopo deste capítulo.

3. Equação de Regressão
Uma vez constatado que há correlação linear entre duas variáveis e
que é significante, podemos determinar a equação da reta que melhor modela
os dados. Essa reta é conhecida como Reta de Regressão e sua equação serve
para estimarmos um valor para a variável dependente (y) a partir de um valor
dado para a variável independente (x). Essa estimativa só pode ser feita dentro
de um intervalo contemplado na amostra. Assim, dada uma amostra de dados
emparelhados, a Equação de Regressão definida como ŷ = a . x + b descreve
a relação entre as variáveis em questão.

A seguir, temos as fórmulas para cálculo dos valores de “a” e de “b”,

que compõem a equação de regressão acima.

∑ ( x ⋅ y) − ∑ n ∑
( x) ⋅ ( y )
a=
(∑ ( x ) − ∑
2
2 ( x)
n

b = y −a⋅x

Em que x=
∑x e y=
∑ y são, respectivamente, as médias aritméticas
n n
entre as variáveis x e y.

Vamos ver alguns exemplos?

14 Estatística
 Exemplo 3

A tabela a seguir exibe o valor mensal gasto (x) com propagandas e o

lucro líquido mensal (y), do respectivo mês, de uma rede de Pousadas.

a. Calcule o coeficiente de correlação linear entre x e y.

b. Verifique se há correlação linear significante para α = 0,05.
c. Caso exista correlação linear significante, estime o valor do lucro,
caso sejam investidos 2,7 mil reais em propagandas.

Gasto mensal com propaganda Lucro mensal

(em milhares de Reais) (em milhares de Reais)
3,5 84,0
2,8 69,5
2,0 46,0
1,8 42,2
2,2 56,0
3,8 91,5
4,0 94,0
2,4 57,0
3,1 75,9
2,9 72,2
3,0 73,2
3,6 87,0

a. Com o auxílio do Excel, determinamos o coeficiente de correlação

linear de Pearson (r) e o somatório das variáveis x e y:

Estatística 15
 b. Como r = 0,995, existe forte correlação linear positiva entre x e
y. Já que o valor do |r| é maior do que o valor crítico tabelado,
que é 0,576 (Tabela 1, n = 12 e α = 0,05), então, a correlação é
significante.
c. Agora, determinaremos os valores de a e b para montarmos a
equação de regressão:

∑ ( x ⋅ y) − ∑ n ∑
( x) ⋅ ( y )
a=
(∑ ( x ) − ∑
2
2 ( x)
n

(35,1) ⋅ (848,5
2617, 73 −
a= 12
(35,1) 2
108, 4 −
12
135,87
a=
5, 74

a = 23, 67

16 Estatística
 =x
∑=x 35,1
= 2,92
n 12

=y
∑
=
y 848,5
= 70, 70
n 12

b = y −a⋅x
b =70, 70b− =
(23,
70,67)
70 ⋅−(2,92)
(23, 67) ⋅ (2,92)
b = 1,59 b = 1,59

Daí, a equação de regressão será ŷ = 23,76 . x + 1,59.

Para sabermos a estimativa para o valor de y quando x for igual a 2,7,

substituímos “x” por “2,7”, na equação de regressão. Daí, temos: ŷ = 23,76 . (2,7)
+ 1,59 = 65,74. Ou seja, quando forem investidos R$ 2.700,00 em propaganda,
estima-se um lucro de R$ 65.740,00. Porém, isso é apenas uma estimativa, uma
previsão.

É importante observar que só podemos estimar valores de y para x que

estejam dentro do intervalo dessa amostra, ou seja, para valores entre o menor
(1,8) e o maior (4,0) valor de x da tabela.

Exemplo 4

A tabela a seguir exibe a medida do pH (variável x) e a porcentagem

de área (variável y) do transepto de uma lagoa ocupada pela planta aquática
da espécie Cabomba furcata, em diferentes análises.

a. Calcule o coeficiente de correlação linear entre x e y.

b. Verifique se há correlação linear significante para α = 0,01.

Estatística 17
 pH da água (x) Área ocupada do transepto, em % (y)

6,8 80
6,9 90
7,5 100
7,1 100
6,7 100
6,8 100
6,9 100
7,1 100
7,8 100
6,5 50
6,4 80
7,1 100
6,2 25
6,4 20
6,1 10
5,2 20
6,8 100
6,3 20
8,3 100
8,1 100

Tabela 3: Medida do pH da água e porcentagem de área ocupada pela Cabomba furcata, Silva Jardim, Rio de Janeiro,
2019. Fonte: Adaptado de Canalli (2019).

18 Estatística
 Solução:

a. Os dados foram digitados no Excel e, após a digitação da fórmula

de correlação, nos foi dado o valor coeficiente de correlação linear
de Pearson, que é igual a 0,7409.

b. Como o valor do coeficiente de correlação é 0,7409, e esse valor é

maior do que o encontrado na Tabela 2, para n = 20 e α = 0,01, que
é 0,561, então, a correlação é significante.

O coeficiente de correlação de Pearson serve para verificarmos se há

uma correlação linear entre duas variáveis (x e y), seu tipo e intensidade.
Caso a correlação exista e seja significante, podemos determinar a equação da
reta de regressão. Essa equação nos permite estimar o valor de y, dado um x
pertencente ao intervalo em estudo.

Estatística 19
Referências
CANALLI, Y. M. Dados Abióticos da Lagoa de Juturnaíba. Silva Jardim,
2019.

FARBER, B.; LARSON, R. Estatística aplicada. São Paulo: Prentice Hall,

2007.

20 Estatística
Exercícios
1. Um pesquisador deseja descobrir se há alguma correlação entre a
variável x e y. Para isso, ele determinou o coeficiente de correlação
linear entre duas variáveis. Se o valor encontrado foi r = −0,985,
podemos garantir que:

a. Há uma correlação linear positiva e muito fraca entre as variáveis.

b. Há uma correlação linear negativa e muito fraca entre as variáveis.
c. Há uma correlação linear negativa e muito forte entre as variáveis.
d. Há uma correlação linear positiva e muito forte entre as variáveis.
e. Há uma correlação, mas não podemos garantir que seja linear.

2. A tabela a seguir exibe a idade (x) dos entrevistados e número de

livros (y) lidos por eles nos últimos 12 meses. O valor do coeficiente
de correlação linear de Pearson entre x e y é igual a 0,0374. De
acordo com esses dados, é possível fazer uma estimativa de quantos
livros uma pessoa de 19 anos teria lido no período citado?

Estatística 21
 3. Dentre os valores a seguir, qual não pode representar o coeficiente
de correlação linear de Pearson entre as variáveis x e y?
a. r = −0,995
b. r = 0,625
c. r = 0
d. r = 1,1
e. r = 0,312

Respostas

1. Letra C.
2. Como o valor de r é muito próximo de zero, não há correlação
linear significante entre a idade do leitor e o número de livros que
ele lê. Observe que, para n = 15, com nível de significância igual
0,05, o valor do |r| deveria ser maior do que 0,514. Portanto, não
há como estimar o valor de y apenas com esses dados.
3. Letra D, pois o valor de r tem que ser um número maior ou igual
a −1 e menor ou igual a +1. Isto é, -1 ≤ r ≤ + 1 .

22 Estatística