Universidade Federal de Mato Grosso do Sul
Instituto de Matemática
Disciplina: Probabilidade e Estatı́stica
Unidade III - Teste de Hipóteses e Associação entre duas variáveis
Valdemiro Piedade Vigas
10 de junho de 2025
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Aula 4
1 Associação entre duas variáveis: Correlação e Análise de regressão linear
simples
Correlação
Análise de regressão linear simples (inı́cio)
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples
Parte I
Associação entre duas variáveis: Correlação
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Associação entre duas variáveis: Correlação e Análise de regressão linear
simples
Introdução
- Em algumas pesquisas, estamos interessados em estudar como duas variáveis
estão associadas;
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Associação entre duas variáveis: Correlação e Análise de regressão linear
simples
Introdução
- Em algumas pesquisas, estamos interessados em estudar como duas variáveis
estão associadas;
Exemplos: estudar a relação entre peso e altura; consumo e renda; mistura
do concreto e resistência; entre pressão e solubilidade; taxa de transferência e
velocidade de conexão; entre outros.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Associação entre duas variáveis: Correlação e Análise de regressão linear
simples
Introdução
- Em algumas pesquisas, estamos interessados em estudar como duas variáveis
estão associadas;
Exemplos: estudar a relação entre peso e altura; consumo e renda; mistura
do concreto e resistência; entre pressão e solubilidade; taxa de transferência e
velocidade de conexão; entre outros.
- Em alguns casos, o objetivo é medir o grau de associação entre as variáveis;
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Associação entre duas variáveis: Correlação e Análise de regressão linear
simples
Introdução
- Em algumas pesquisas, estamos interessados em estudar como duas variáveis
estão associadas;
Exemplos: estudar a relação entre peso e altura; consumo e renda; mistura
do concreto e resistência; entre pressão e solubilidade; taxa de transferência e
velocidade de conexão; entre outros.
- Em alguns casos, o objetivo é medir o grau de associação entre as variáveis;
- Em outras situações, deseja-se obter um modelo estatı́stico para essas variáveis;
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Associação entre duas variáveis: Correlação e Análise de regressão linear
simples
Introdução
- Em algumas pesquisas, estamos interessados em estudar como duas variáveis
estão associadas;
Exemplos: estudar a relação entre peso e altura; consumo e renda; mistura
do concreto e resistência; entre pressão e solubilidade; taxa de transferência e
velocidade de conexão; entre outros.
- Em alguns casos, o objetivo é medir o grau de associação entre as variáveis;
- Em outras situações, deseja-se obter um modelo estatı́stico para essas variáveis;
- Nesse sentido estudamos a correlação e a Análise de regressão simples.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Associação entre duas variáveis: Correlação
Correlação
- A correlação está interessada em medir o grau de relação das variáveis em
estudo;
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Associação entre duas variáveis: Correlação
Correlação
- A correlação está interessada em medir o grau de relação das variáveis em
estudo;
- A investigação desta relação se inicia com uma análise gráfica das variáveis por
meio do gráfico de dispersão;
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Associação entre duas variáveis: Correlação
Correlação
- A correlação está interessada em medir o grau de relação das variáveis em
estudo;
- A investigação desta relação se inicia com uma análise gráfica das variáveis por
meio do gráfico de dispersão;
- O gráfico de dispersão é um tipo de gráfico utilizado para representar a relação
entre duas variáveis quantitativas;
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Associação entre duas variáveis: Correlação
Correlação
- A correlação está interessada em medir o grau de relação das variáveis em
estudo;
- A investigação desta relação se inicia com uma análise gráfica das variáveis por
meio do gráfico de dispersão;
- O gráfico de dispersão é um tipo de gráfico utilizado para representar a relação
entre duas variáveis quantitativas;
- Este gráfico é possı́vel verificar se existe alguma relação linear entre as variáveis.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Associação entre duas variáveis: Correlação
Correlação
- A correlação está interessada em medir o grau de relação das variáveis em
estudo;
- A investigação desta relação se inicia com uma análise gráfica das variáveis por
meio do gráfico de dispersão;
- O gráfico de dispersão é um tipo de gráfico utilizado para representar a relação
entre duas variáveis quantitativas;
- Este gráfico é possı́vel verificar se existe alguma relação linear entre as variáveis.
Comando R: plot
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Exemplo
Exemplo - Considere uma amostra do tempo de serviço de dez funcionários de
uma companhia de seguros e a quantidade de clientes que cada um possui.
Tabela: Número de anos de serviço (X) por número de clientes (Y) de agentes de uma
companhia de seguros.
Agentes Número de anos de serviço (X) Número de clientes (Y)
A 2 48
B 3 50
C 4 56
D 5 52
E 4 43
F 6 60
G 7 62
H 8 58
I 8 64
J 10 72
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Exemplo
Exemplo - Considere uma amostra do tempo de serviço de dez funcionários de
uma companhia de seguros e a quantidade de clientes que cada um possui.
Tabela: Número de anos de serviço (X) por número de clientes (Y) de agentes de uma
companhia de seguros.
Agentes Número de anos de serviço (X) Número de clientes (Y)
A 2 48
B 3 50
C 4 56
D 5 52
E 4 43
F 6 60
G 7 62
H 8 58
I 8 64
J 10 72
Pergunta: Será que existe uma relação (linear) entre as variáveis quantidade de
clientes (Y) e tempo de serviço (X)?
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Exemplo
Figura:
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Exemplo
Figura:
Interpretação: Observando o gráfico de dispersão parece existir uma relação de forma linear positiva
(crescente) entre as variáveis, pois a medida que aumenta o tempo de serviço, aumenta o número
de clientes de forma linear.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Exemplo
Figura:
Interpretação: Observando o gráfico de dispersão parece existir uma relação de forma linear positiva
(crescente) entre as variáveis, pois a medida que aumenta o tempo de serviço, aumenta o número
de clientes de forma linear.
Observação: Após observada a associação, precisa-se quantificar a relação entre as variáveis para
suplementar a análise gráfica. Assim, deve-se utilizar o coeficiente de correlação de pearson.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Gráfico de dispersão - Código R
Código R
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação
Coeficiente de correlação de Pearson (r )
- Utilizado para medir o grau de associação linear entre duas variáveis quantita-
tivas;
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação
Coeficiente de correlação de Pearson (r )
- Utilizado para medir o grau de associação linear entre duas variáveis quantita-
tivas;
- O coeficiente é definido por:
Pn 1
Pn Pn
i=1 yi xi − n
xii=1 i=1 yi
r = rh ; i = 1, 2, . . . , n.
Pn 2 1
Pn 2 i hPn 2 1
Pn 2 i
i=1 xi − n i=1 xi i=1 yi − n i=1 yi
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação
Coeficiente de correlação de Pearson (r )
- Utilizado para medir o grau de associação linear entre duas variáveis quantita-
tivas;
- O coeficiente é definido por:
Pn 1
Pn Pn
i=1 yi xi − n
xii=1 i=1 yi
r = rh ; i = 1, 2, . . . , n.
Pn 2 1
Pn 2 i hPn 2 1
Pn 2 i
i=1 xi − n i=1 xi i=1 yi − n i=1 yi
- O coeficiente varia entre os valores -1 e 1;
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação
Coeficiente de correlação de Pearson (r )
- Utilizado para medir o grau de associação linear entre duas variáveis quantita-
tivas;
- O coeficiente é definido por:
Pn 1
Pn Pn
i=1 yi xi − n
xii=1 i=1 yi
r = rh ; i = 1, 2, . . . , n.
Pn 2 1
Pn 2 i hPn 2 1
Pn 2 i
i=1 xi − n i=1 xi i=1 yi − n i=1 yi
- O coeficiente varia entre os valores -1 e 1;
- Quanto mais próximo de 1 e -1, maior correlação positiva e negativa, respec-
tivamente;
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação
Coeficiente de correlação de Pearson (r )
- Utilizado para medir o grau de associação linear entre duas variáveis quantita-
tivas;
- O coeficiente é definido por:
Pn 1
Pn Pn
i=1 yi xi − n
xii=1 i=1 yi
r = rh ; i = 1, 2, . . . , n.
Pn 2 1
Pn 2 i hPn 2 1
Pn 2 i
i=1 xi − n i=1 xi i=1 yi − n i=1 yi
- O coeficiente varia entre os valores -1 e 1;
- Quanto mais próximo de 1 e -1, maior correlação positiva e negativa, respec-
tivamente;
- Quanto mais próximo de 0, mais fraco será a correlação.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação
Coeficiente de correlação de Pearson (r )
- Utilizado para medir o grau de associação linear entre duas variáveis quantita-
tivas;
- O coeficiente é definido por:
Pn 1
Pn Pn
i=1 yi xi − n
xii=1 i=1 yi
r = rh ; i = 1, 2, . . . , n.
Pn 2 1
Pn 2 i hPn 2 1
Pn 2 i
i=1 xi − n i=1 xi i=1 yi − n i=1 yi
- O coeficiente varia entre os valores -1 e 1;
- Quanto mais próximo de 1 e -1, maior correlação positiva e negativa, respec-
tivamente;
- Quanto mais próximo de 0, mais fraco será a correlação.
Comando R: cor(X,Y)
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação
Figura: Figuras de correlações entre duas variáveis.
Figura: Classificação do grau de correlação.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Exemplo
Exemplo: Calcule o coeficiente de correlação de Pearson entre X e Y.
i X Y
1 2 10
2 4 8
3 6 6
4 8 10
5 10 12
Observação: Lembre-se de que, antes de calcular o coeficiente, deve-se construir
o diagrama de dispersão!
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Exemplo
Solução: Gráfico de dispersão
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Exemplo
Solução: Cálculo do coeficiente
i x y x ·y x2 y2
1 2 10 20 4 100
2 4 8 32 16 64
3 6 6 36 36 36
4 8 10 80 64 100
5 10 12 120 100 144
Total 30 46 288 220 444
288 − 51 (30 × 46)
r = r = 0.41603
2 (46)2
220 − (30)
5
· 444 − 5
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Exemplo
Solução: Cálculo do coeficiente
i x y x ·y x2 y2
1 2 10 20 4 100
2 4 8 32 16 64
3 6 6 36 36 36
4 8 10 80 64 100
5 10 12 120 100 144
Total 30 46 288 220 444
288 − 51 (30 × 46)
r = r = 0.41603
2 (46)2
220 − (30)
5
· 444 − 5
Comando R: cor(X,Y)=0.4160251 ⇒ correlação fraca/moderada
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Observações
Observações:
1. Correlação é diferente de causalidade (relação de causa e efeito), ou seja,
quando duas variáveis são altamente correlacionadas, não significa necessaria-
mente que uma variável causa a outra;
2. Pode existir alguma relação entre as variáveis mesmo quando não existe de
forma linear;
3. Recomendável utilizar o diagrama de dispersão antes de encontrar o coefici-
ente de correlação.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Associação entre duas variáveis: Correlação e Análise de regressão linear simples Correlação
Correlação: Observações
Observações:
1. Correlação é diferente de causalidade (relação de causa e efeito), ou seja,
quando duas variáveis são altamente correlacionadas, não significa necessaria-
mente que uma variável causa a outra;
2. Pode existir alguma relação entre as variáveis mesmo quando não existe de
forma linear;
3. Recomendável utilizar o diagrama de dispersão antes de encontrar o coefici-
ente de correlação.
Perguntas não respondidas pela correlação:
Qual o modelo para explicar a relação entre as variáveis X e Y?
Como fazer previsões?
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Parte II
Associação entre duas variáveis: Análise de regressão
linear simples
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples
- A análise de regressão linear simples estuda a relação entre as variáveis por
meio de um modelo estatı́stico;
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples
- A análise de regressão linear simples estuda a relação entre as variáveis por
meio de um modelo estatı́stico;
- Este modelo associa a variável de entrada ou independente ou preditora (X)
com a variável dependente (Y);
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples
- A análise de regressão linear simples estuda a relação entre as variáveis por
meio de um modelo estatı́stico;
- Este modelo associa a variável de entrada ou independente ou preditora (X)
com a variável dependente (Y);
- Quando utilizamos mais variáveis de entrada, chama-se de regressão linear
múltipla.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples
- A análise de regressão linear simples estuda a relação entre as variáveis por
meio de um modelo estatı́stico;
- Este modelo associa a variável de entrada ou independente ou preditora (X)
com a variável dependente (Y);
- Quando utilizamos mais variáveis de entrada, chama-se de regressão linear
múltipla.
Utilização do modelo de regressão linear simples
i) Verificar se uma variável tem alguma relação com outra;
ii) Possibilidade de fazer uma previsão (ou extrapolação) de uma variável pelo
valor de outra variável;
iii) Podemos utilizar a regressão linear simples para criação de modelos base
antes da criação de modelos de regressão linear múltipla.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples - Ideia
Considere os valores da variáveis X e Y de acordo com a tabela:
i X Y
1 20 40
2 40 80
3 60 120
4 80 240
Pergunta 1: Qual o modelo (equação) que poderı́amos utilizar para explicar a
relação entre as variáveis X e Y?
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples - Ideia
Considere os valores da variáveis X e Y de acordo com a tabela:
i X Y
1 20 40
2 40 80
3 60 120
4 80 240
Pergunta 1: Qual o modelo (equação) que poderı́amos utilizar para explicar a
relação entre as variáveis X e Y?
Y
160
120 Y = 2X
80
40
X
20 40 60 80
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples - Ideia
Considere os valores da variáveis X e Y de acordo com a tabela:
i X Y
1 20 40
2 40 80
3 60 120
4 80 240
Pergunta 1: Qual o modelo (equação) que poderı́amos utilizar para explicar a
relação entre as variáveis X e Y?
Y
160
120 Y = 2X
80
40
X
20 40 60 80
Resposta 1: Y=2X ⇒ Y=2X+0 ⇒ E (Y |X ) = β1 X + β0 = β0 + β1 X .
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples - Ideia
Pergunta 2: Qual o modelo (equação) que poderı́amos utilizar para explicar a
relação entre as variáveis X e Y abaixo?
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples - Ideia
Pergunta 2: Qual o modelo (equação) que poderı́amos utilizar para explicar a
relação entre as variáveis X e Y abaixo?
Resposta 2: Não existe um modelo perfeito para explicar a relação entre as variáveis
X e Y. Assim, qualquer modelo que escolher-mos, irá existir um erro, ou seja:
E (Y |X ) = β0 + β1 X + ε.
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples - Ideia
E (Y |X ) = β0 + β1 X + ε, (1)
em que:
⇒ ε representa um erro aleatório e pode ser considerado como uma ”falha”do modelo
em se ajustar os dados de forma perfeita;
⇒ β0 e β1 são os parâmetros do modelo;
⇒ X indica a variável de entrada (ou independente ou preditora);
⇒ Y representa a variável depedente (ou resposta).
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica
Análise de regressão linear simples (inı́cio)
Associação entre duas variáveis: Análise de regressão linear simples
Análise de regressão linear simples - Ideia
E (Y |X ) = β0 + β1 X + ε, (1)
em que:
⇒ ε representa um erro aleatório e pode ser considerado como uma ”falha”do modelo
em se ajustar os dados de forma perfeita;
⇒ β0 e β1 são os parâmetros do modelo;
⇒ X indica a variável de entrada (ou independente ou preditora);
⇒ Y representa a variável depedente (ou resposta).
Observação: O Modelo 1 é definido como modelo de regressão linear simples e possui
algumas suposições, dentre elas:
S1 : A relação entre X e Y é linear;
S2 : A variável X é fixa (não aleatória);
S3 : Os erros ε seguem uma distribuição normal com média 0 e uma variância constante
σ2 .
Valdemiro Piedade Vigas Disciplina: Probabilidade e Estatı́stica