Estatística Descritiva Bivariada: Análise e Métodos
Traduzido por
ScribdTranslationsEstatística Descritiva Bivariada: Análise e Métodos
Traduzido por
ScribdTranslationsCAPÍTULO II:
A ESTATÍSTICA DESCRITIVA A
DUAS DIMENSÕES OU BIVARIADA OU
DUAS VARIÁVEIS
1-Introdução : :
A estatística descritiva a dois
dimensões tem essencialmente como objetivo
enfatizar as relações que existem
entre as duas séries de observações
consideradas simultaneamente.
Como na estatística descritiva, há três aspectos.
ser considerados :
1-a elaboração de tabelas estatísticas: permitindo condensar
os dados na forma de distribuições de frequências a duas
dimensões. Exp: peso das folhas e peso das raízes de 1000
indivíduos de Cichorium intybus em gramas.
folhas
……….
0-79 ……….
80-159 ……….
160-239 ……….
. .
. .
. .
q n.1
2- As apresentações gráficas:
2-1- a representação das séries estatísticas
doubles :
As séries estatísticas duplas podem ser
representadas graficamente sob a forma de
diagramas de dispersão ou nuvens de pontos
estes são obtidos ao representar cada
observação acoplada(xeu ,yeuponto em um plano
(x,y).
3- A redução dos dados:
Esta redução diz respeito a dois tipos de
paramètres:
Uns dizem respeito a uma variável de cada vez
(parâmetro de posição e dispersão).
Os outros servem para descrever as relações que existem
entre as duas variáveis simultaneamente
(covariance,cov(x,,y)coeficiente de correlação "r"
coeficiente de determinação «r2», A direita de
régressiony = b0+ bsouy = a + b x, a variância
residual :s2o (x,y)
erro padrão residual :s(x,y)).
3.1. A covariância: cov(x,,y)
A soma dos produtos dos desvios sobren
O desenvolvimento desta fórmula resulta na seguinte:
3.2. O coeficiente de correlação 'r' ou r(x,y)
O coeficiente de correlação mede a nitidez ou
grau ou a ligação que existe entre as duas séries
de observações, contanto que esta ligação seja
linear ou aproximadamente linear
o coeficiente de correlação é um coeficiente de
correlação linear e sua fórmula
A seguinte:
o coeficiente de correlação "r" está sempre compreendido entre -1 e +1
--1 r +1
*r=1il há uma correlação positiva perfeita entre 2 variáveis, ou seja, quando
um aumenta, o outro também aumenta, e quando um diminui, o outro diminui.
Diminue igualmente o nuvem de pontos e linear positivo.
*r≈1uma correlação positiva muito forte é aproximadamente linear para
o conjunto de pontos é sempre positivo.
*r= -1 tem uma perfeita correlação negativa entre 2 variáveis, ou seja, quando
uma aumenta a outra diminui e vice-versa a nuvem de pontos e de inclinação
negativo.
*r≈-1 uma forte correlação negativa é a nuvem de pontos e
aproximativos lineares de inclinação negativa.
*r = 0 sem correlação o gráfico de dispersão está alongado paralelamente a um
de eixos de coordenadas ou se tem uma forma arredondada.
3.3. Coeficiente de determinação 'r'2 ‘’:
•Ele corresponde por definição ou quadrado do coeficiente de
correlação
•Compreendido entre 0 e 1 0: r2 +1,
•É sempre expresso em porcentagem ( ).
Exemplo :r2= 0,38 = 38 eles representam a parte da variância y
expliquée où justifie par x
Quando2= 100 y depende totalmente de x, y = f(x)
Quandr2= 0 as variáveis não dependem umas das outras
apportar os outros.
Ontem expliquei parx
y = f(x) = a + b x
y: variável a ser explicada ou variável dependente.
x: variável explicativa ou variável dependente.
3.4. La droite de régression ou sens des membres carrés
A reta de regressão é:
Esta reta tem o objetivo de "resumir" a nuvem de
ponto c.à.d. se representa no plano "a aparência"
formei a distribuição a 2 caracteres esta reta
dê uma ideia de como deve variar ou
média. A variável y dita dependente ou
variável a explicada em função da variável x dita
independente ou explicativa. O direito é chamado
também: diagrama de regressão.
Quando o diagrama de regressão e
lineares ou aproximadamente lineares em
pode-se buscar a equação da reta que
se ajustou melhor aos valores observados.
Esta linha de regressão é geralmente
determinado pelo método dos mínimos
quadrados c.à.d. de maneira a tornar mínimo o
soma dos quadrados das diferenças entre os pontos
observados e os pontos correspondentes do
direita.
A linha passa automaticamente pela média
Ordenada na origem
A equação é obtida pelo método dos mínimos quadrados ou sentido
dos mínimos quadrados
3.5. A variância residual:s2 (x,y)
Chamamos de residud’ypar em relação a xles
desvios dos resíduos pode ser +ou - A variância
residual em símbolos2a dispersão
(x,y) dos
pontos em relação à reta.
Se o índice
s2=0
(x,y) todos os pontos estão na
certo então
r = ±1
Sim
r=0 r2=0 s2=s(x,y)2
(y)
on peut rien expliquer le nuage de points et
muito disperso
3.6. O desvio padrão residual
C’est l’erreur d’estimation si en utilise
esta equação:
y = a + bx
para estimar em função de x