Estatística - NotebookLM

Exported on: 17/10/2025, 14:06:26

T16

1.0 Correlação Linear: Medindo a Força da Associação

A Correlação Linear é uma ferramenta estatística fundamental, cujo propósito é quantificar a força e a direção da
relação entre duas variáveis. Compreender essa medida é essencial, pois o conceito é frequentemente explorado
pela banca CEBRASPE em problemas de análise de dados, onde se busca entender como diferentes fenômenos se
comportam conjuntamente. Por meio da correlação, é possível determinar se, e com que intensidade, a variação em
uma variável está associada à variação em outra.

1.1 Análise Conceitual e Visual da Correlação

A correlação indica a força do vínculo que une dois conjuntos de valores. Uma das formas mais diretas de avaliar a
existência dessa relação é por meio de uma representação gráfica simples chamada gráfico de dispersão, que
consiste na plotagem de pares ordenados em um plano cartesiano. A disposição dos pontos nesse gráfico oferece
uma primeira impressão sobre a natureza da associação entre as variáveis.

Com base nessa análise, a correlação linear pode ser classificada nos seguintes tipos:

• Direta ou positiva: Ocorre quando as duas variáveis se movem no mesmo sentido. Se o valor de uma variável
aumenta, o valor da outra tende a aumentar também; da mesma forma, se uma diminui, a outra também tende a
diminuir.

• Inversa ou negativa: Caracteriza-se por variáveis que se movem em sentidos opostos. Quando o valor de uma
variável aumenta, o da outra tende a diminuir, e vice-versa.

• Inexistente ou nula: Acontece quando não há uma relação linear aparente entre as variáveis. Nesse caso, o
coeficiente de correlação r será igual ou muito próximo de zero ( r = 0 ou r ≅ 0 ).

• Perfeita: Ocorre quando todos os pontos do gráfico de dispersão se alinham perfeitamente sobre uma linha reta,
indicando uma relação linear exata entre as variáveis.

1.2 O Coeficiente de Correlação de Pearson (r)

Para quantificar a correlação linear, a medida mais utilizada é o Coeficiente de Correlação de Pearson (r). Este
coeficiente varia em um intervalo definido, de -1 a 1, ou seja, −1 ≤ r ≤ 1 .

A interpretação do seu valor é direta:

• Valores de r próximos de 1 indicam uma forte correlação positiva.

• Valores de r próximos de -1 indicam uma forte correlação negativa.

• Valores de r próximos de 0 indicam uma relação linear fraca ou inexistente.

O cálculo do coeficiente r pode ser realizado por meio de diferentes fórmulas, dependendo dos dados disponíveis:

• Fórmula Padrão: 𝒓 = ∑ [(𝑿𝒊 − 𝑋̅) × (𝒀𝒊 − 𝑌̅)]𝒏 𝒊=𝟏 / √[∑ (𝑿𝒊 − 𝑋̅)²𝒏 𝒊=𝟏 × ∑ (𝒀𝒊 − 𝑌̅)²𝒏 𝒊=𝟏]

• Fórmulas Simplificadas: Para facilitar os cálculos, as seguintes expressões podem ser utilizadas:

generated by NotebookLM to PDF

 ◦ Numerador: ∑ [(𝑿𝒊 − 𝑋̅) × (𝒀𝒊 − 𝑌̅)] = ∑ (𝑿𝒊 × 𝒀𝒊) − 𝒏 × 𝑋̅ × 𝑌̅

◦ Denominador (parte X): ∑ (𝑿𝒊 − 𝑋̅)² = ∑ 𝑿𝒊² − 𝒏 × (𝑋̅)²

◦ Denominador (parte Y): ∑ (𝒀𝒊 − 𝑌̅)² = ∑ 𝒀𝒊² − 𝒏 × (𝑌̅)²

• Fórmula com Somas de Quadrados (SXY, SXX, SYY): r = SXY / √(SXX × SYY)

• Fórmula com Covariância e Desvio Padrão: r = Cov(X, Y) / (σX × σY) Onde Cov(X, Y) é a covariância e
σX e σY são os desvios padrão de X e Y, respectivamente.

1.3 Tópicos Especiais em Correlação

Além da correlação de Pearson, existem abordagens mais específicas para analisar relações complexas entre
variáveis.

1.3.1 Correlação Parcial

A correlação parcial é utilizada para medir a relação linear entre duas variáveis, X e Y, enquanto se controla o efeito
de uma terceira variável, Z, que pode influenciar ambas. Se o coeficiente de correlação parcial for significativamente
diferente do coeficiente de Pearson original entre X e Y, isso é um forte indício de que a variável Z estava, de fato,
influenciando a associação inicial.

1.3.2 Autocorrelação

A autocorrelação mede a relação de uma variável consigo mesma em diferentes pontos no tempo (séries temporais)
ou no espaço (dados espaciais). Essa medida é crucial para entender a dinâmica interna dos dados.

• Uma autocorrelação positiva sugere que valores tendem a ser semelhantes em momentos ou posições próximas.

• Uma autocorrelação negativa indica que valores tendem a se mover em direções opostas.

• Uma autocorrelação próxima de zero aponta para a ausência de uma relação linear clara entre os valores da
variável em diferentes pontos.

1.4 Propriedades Fundamentais do Coeficiente de Correlação

O coeficiente de correlação r possui propriedades importantes relacionadas a transformações lineares das

variáveis:

1. O coeficiente não se altera se uma constante for adicionada ou subtraída de uma das variáveis.

2. Ao multiplicar ou dividir uma variável por uma constante, o valor absoluto do coeficiente permanece o mesmo.
No entanto, o seu sinal pode mudar:

◦ Se as constantes multiplicadoras tiverem o mesmo sinal (ambas positivas ou ambas negativas), o sinal de
r não muda.

◦ Se as constantes tiverem sinais contrários, o sinal de r será invertido.

Após quantificar a força da associação com a correlação, o próximo passo lógico na análise estatística é modelar
matematicamente essa relação, o que nos leva ao estudo da regressão linear.

2.0 Regressão Linear Simples: Modelando a Relação entre Variáveis

Enquanto a correlação mede a força e a direção de uma associação, a Regressão Linear Simples vai além, buscando
estabelecer uma equação matemática que descreva essa relação. O objetivo é criar um modelo capaz de prever ou
generated by NotebookLM to PDF
explicar o comportamento de uma variável dependente (Y) com base em uma variável independente (X). Em sua
forma mais simples, esse modelo é representado pela equação de uma reta.
2.1 A Estrutura do Modelo de Regressão

O modelo populacional da regressão linear simples é expresso pela seguinte equação: 𝒀𝒊 = 𝜶 + 𝜷𝑿𝒊 + 𝜺𝒊

Cada componente desta equação possui um significado específico:

• Variável Dependente (Y): É a variável que se deseja prever ou explicar (também chamada de variável resposta).

• Variável Independente (X): É a variável utilizada para explicar o comportamento de Y (também chamada de
regressora ou explicativa).

• Componente Linear (𝛼 + 𝛽𝑋𝑖): Representa a parte da variação de Y que é explicada de forma linear pela variável
X. O coeficiente 𝛼 é o intercepto (valor de Y quando X=0) e 𝛽 é o coeficiente angular (a inclinação da reta).

• Componente Aleatório (𝜀𝑖): Conhecido como erro ou desvio, representa a variação em Y que não é explicada
pelo modelo linear. Inclui todos os outros fatores que influenciam Y, além de erros de medição.

2.2 Pressupostos Essenciais sobre os Erros ( 𝜺𝒊 )

Para que o modelo de regressão linear seja válido e suas estimativas confiáveis, o termo de erro ( 𝜀𝑖 ) deve atender a
três pressupostos básicos:

1. Média dos erros nula (E(𝜀𝑖) = 0): Em média, os erros do modelo devem se anular, o que significa que o modelo
não é sistematicamente enviesado para cima ou para baixo.

2. Variância dos erros constante (Var(𝜀𝑖) = 𝜎²): A dispersão dos erros deve ser a mesma para todos os níveis da
variável independente X. Essa propriedade é conhecida como homocedasticidade.

3. Ausência de correlação entre os erros (Cov(𝜀𝑖, 𝜀𝑗) = 0 para i ≠ j): Os erros associados a diferentes observações
devem ser independentes entre si. A violação deste pressuposto é chamada de autocorrelação.

2.3 Métodos de Estimação dos Parâmetros

Para encontrar os valores dos parâmetros 𝛼 e 𝛽 a partir de dados amostrais, são utilizados métodos de estimação.

2.3.1 Mínimos Quadrados Ordinários (MQO)

O método de Mínimos Quadrados Ordinários (MQO) é a técnica mais comum para estimar os parâmetros de uma
regressão linear. Seu objetivo é encontrar a reta que minimiza a soma dos quadrados dos resíduos (∑ 𝑒𝑖²), onde
os resíduos são as diferenças entre os valores observados de Y e os valores previstos pelo modelo ( 𝑒𝑖 = 𝑌𝑖 − 𝑌̂𝑖 ).

A equação da reta de regressão estimada é: 𝑌̂𝑖 = 𝑎 + 𝑏𝑋𝑖 , onde a e b são as estimativas de 𝛼 e 𝛽 .

As fórmulas para os estimadores de MQO são as seguintes:

Estimador Fórmula

b = ∑ [(𝑋𝑖 − 𝑋̅) × (𝑌𝑖 − 𝑌̅)] / ∑ (𝑋𝑖 − 𝑋̅)² <br> b = Cov(X, Y) / Var(X) <br> b
Coeficiente
= [∑ (𝑋𝑖𝑌𝑖) − 𝑛 × 𝑋̅ × 𝑌̅] / [∑ (𝑋𝑖²) − 𝑛 × 𝑋̅²] <br> b = SXY / SXX <br> b = r
Angular (b)
× (σy / σx)

Intercepto (a) a = 𝑌̅ − b𝑋̅

generated by NotebookLM to PDF

Variância dos
𝜎̂² = [1 / (n − 2)] × ∑(𝑌𝑖 − 𝑌̂𝑖)²
Erros (𝜎̂²)

Variância de b Var(b) = 𝜎̂² / ∑ (𝑋𝑖 − 𝑋̅)²

Variância de a Var(a) = 𝜎̂² × [ (1 / n) + (𝑋̅² / ∑ (𝑋𝑖 − 𝑋̅)²) ]

2.3.2 Máxima Verossimilhança (EMV)

A Estimação por Máxima Verossimilhança (EMV) é um método alternativo para estimar os parâmetros. Uma
característica fundamental é que, sob a condição de normalidade dos erros, as estimativas de a e b obtidas por
EMV coincidem com as do MQO.

A principal diferença reside na estimativa da variância dos erros ( 𝜎̂² ), cuja fórmula em EMV utiliza n no
denominador, em vez de n-2 : 𝜎̂² = (1 / n) × ∑(𝑌𝑖 − 𝑌̂𝑖)²

2.4 Modelo de Regressão Passando pela Origem

Em certas situações teóricas, é necessário que a reta de regressão passe pela origem, o que implica um intercepto
nulo ( 𝛼 = 0 ). Nesse caso, o modelo é simplificado para: 𝒀𝒊 = 𝜷𝑿𝒊 + 𝜺𝒊

A estimativa do parâmetro 𝛽 pelo método dos mínimos quadrados também muda: 𝒃 = ∑ (𝑿𝒊 × 𝒀𝒊) / ∑ 𝑿𝒊²

Uma observação importante para este modelo é que não há garantia de que o somatório dos resíduos ( ∑ 𝑒𝑖 ) seja
igual a zero.

Uma vez que o modelo está ajustado, é crucial avaliar sua significância e a qualidade do ajuste, o que nos leva à
Análise de Variância da regressão.

3.0 Análise de Variância da Regressão (ANOVA): Validando o Modelo

A Análise de Variância (ANOVA), no contexto da regressão, é uma ferramenta estatística utilizada para testar
formalmente a significância do modelo. Seu propósito é determinar se o modelo de regressão linear proposto
oferece um poder explicativo substancialmente melhor do que um modelo mais simples, que usaria apenas a média
da variável dependente para fazer previsões. Essencialmente, a ANOVA ajuda a responder: "A variável independente
X realmente ajuda a explicar a variação em Y?".

3.1 Teste de Hipóteses para a Significância do Modelo

O teste de hipóteses central na ANOVA para regressão avalia se o coeficiente angular 𝛽 é significativamente
diferente de zero. As hipóteses são definidas como:

• Hipótese Nula (H0: 𝛽 = 0): Não existe uma relação linear entre X e Y. A variável X não contribui para explicar a
variação de Y.

• Hipótese Alternativa (H1: 𝛽 ≠ 0): Existe uma relação linear significativa entre X e Y.

Se a hipótese nula for aceita, conclui-se que o modelo de regressão não é útil, e o modelo mais simples (baseado
apenas na média de Y) é suficiente.

3.2 Decomposição da Variação Total

A base da ANOVA é a decomposição da variação total da variável dependente em duas partes: a variação que é
explicada pelo modelo e a variação que não é explicada (residual). Essa relação é expressa pela identidade:

generated by NotebookLM to PDF

SQT = SQM + SQR

• Soma dos Quadrados Totais (SQT): Mede a variação total dos dados de Y em torno de sua média ( SQT = ∑(𝒀𝒊
− 𝑌̅)² ). Representa a variabilidade total a ser explicada.

• Soma dos Quadrados do Modelo (SQM): Representa a parte da variação total que é explicada pelo modelo de
regressão. É o desvio explicável ( SQM = ∑(𝑌̂𝑖 − 𝑌̅)² ).

• Soma dos Quadrados dos Resíduos (SQR): Mede a variação que o modelo não conseguiu explicar. É o desvio
não explicável, também conhecido como soma dos quadrados dos erros ( SQR = ∑(𝒀𝒊– 𝑌̂𝑖)² ).

Fórmulas alternativas para o cálculo da SQM incluem: SQM = b × ∑[(𝑿𝒊 − 𝑋̅) × (𝒀𝒊 − 𝑌̅)] SQM = b² × ∑(𝑿𝒊
− 𝑋̅)²

Atenção, concurseiro: Em algumas questões de concurso, a notação SQR é utilizada para representar a soma dos
quadrados do modelo de regressão, e não dos resíduos. Fique atento ao enunciado para evitar confusões, embora
na maioria das vezes SQR se refira à soma dos quadrados dos resíduos (erros).

3.3 Medidas de Qualidade do Ajuste

Para avaliar o quão bem o modelo se ajusta aos dados, utilizam-se coeficientes derivados das somas de quadrados.

3.3.1 Coeficiente de Determinação (R²)

O R² é a medida mais comum para a qualidade do ajuste. Ele quantifica a proporção da variação total da variável
dependente (Y) que é explicada pelo modelo de regressão linear.

Suas fórmulas principais são: R² = SQM / SQT ou R² = 1 - (SQR / SQT)

O R² varia entre 0 e 1 ( 0 ≤ R² ≤ 1 ):

• Um R² próximo de 1 indica que o modelo explica uma grande parte da variabilidade de Y, sugerindo um bom
ajuste.

• Um R² próximo de 0 indica que o modelo explica muito pouco da variabilidade de Y, sugerindo um mau ajuste.

3.3.2 Coeficiente de Determinação Ajustado (R²̅̅̅̅)

O R² ajustado é uma variação do R² que penaliza a inclusão de variáveis explicativas que não melhoram
significativamente o modelo. Ele faz isso ajustando o cálculo pelos graus de liberdade. Suas fórmulas são:

R²̅̅̅̅= 1 - [ (1 - R²) × (n - 1) / (n - 2) ] R²̅̅̅̅= 1 - [SQR / (n - 2)] / [SQT / (n - 1)]

3.4 A Estrutura da Tabela ANOVA e a Estatística F

Os resultados da ANOVA são tipicamente organizados em uma tabela padronizada. Para construí-la, primeiro
calculamos os Quadrados Médios, que são as somas dos quadrados divididas por seus respectivos graus de
liberdade.

• Quadrado Médio do Modelo (QMM) = SQM / 1

• Quadrado Médio dos Resíduos (QMR) = SQR / (n - 2) . É importante notar que o QMR é uma estimativa da
variância residual 𝜎² , sendo uma medida fundamental da variabilidade não explicada pelo modelo.

A partir deles, calcula-se a Estatística F (ou Razão F), que é a estatística de teste para a hipótese H0: 𝛽 = 0 . F* =
QMM / QMR

generated by NotebookLM to PDF

Sob a hipótese nula, a estatística F segue uma distribuição F de Snedecor com 1 e n-2 graus de liberdade. A
regra de decisão é simples: se o valor calculado de F* for maior que o valor crítico de F tabelado ( Fcrítico ) para
um determinado nível de significância, a hipótese nula é rejeitada, concluindo-se que o modelo é significativo.

A estrutura completa da tabela ANOVA é a seguinte:

Fonte de Variação Graus de Liberdade Soma dos Quadrados Quadrados Médios Estatística F (Razão F)

Modelo 1 SQM QMM = SQM / 1 F* = QMM / QMR

Resíduos n−2 SQR QMR = SQR / (n - 2)

Total n−1 SQT QMT = SQT / (n - 1)

generated by NotebookLM to PDF