Início MACS Estatística Dados bivariados: Representação e interpretação

Vídeo Explicativo

Docente: Joana T

Resumo Download

Dados bivariados: Representação e interpretação

​Explicação
Os dados bivariados, ou dados bidimensionais, são o resultado da observação
de duas variáveis de uma mesma amostra.
São muito utilizados para verificar, por exemplo, se a estatura de uma pessoa
está nos parâmetros desejados, comparando o seu peso com a sua altura.

A amostra de dados bivariados é representada da seguinte forma:

​ 1 , y1 ), (x2 , y2 ), ..., (xi , yi ), ..., (xn , yn ),
(x
​ ​ ​ ​ ​ ​ ​ ​
 em que x e y são variáveis diferentes.

À representação dessa amostra num referencial ortonormado, em que os

pontos (xi , yi ) representam cada par de dados, chamamos de diagrama de
​ ​

dispersão.
Esta representação gráfica ajuda a visualizar melhor o tipo de associação que
existe entre as diferentes variáveis.

​Diagrama de
Interpretação dos dados
dispersão

Em média, quando a variável x aumenta, a variável y

também aumenta. Diz-se que são variáveis
positivamente associadas.
Assim, é possível traçar a reta com declive positivo que
melhor se aproxima de todos os pontos do gráfico.
Dados bivariados: Representação e interpretação

Em média, quando a variável x aumenta, a variável y

Vídeos explicativos Resumo Exercícios Selecionar aula
diminui. Diz-se que são variáveis negativamente
associadas.
Assim, é possível traçar a reta com declive negativo que
melhor se aproxima de todos os pontos do gráfico.

A nuvem de pontos é bastante dispersa, portanto, diz-

se que não existe associação entre as variáveis.

Exemplo
Considera a seguinte tabela com os dados da classificação de um conjunto de 8​
alunos nos exames de Português e Matemática:

Aluno A B C D E F G H

Classificação de Português (x​) 9​ ​ ​

10 ​ ​
13 7​ ​ ​ ​
17 ​ ​
16 ​ ​
14 ​ ​
14

Classificação de Matemática (y ) ​ ​
10 ​ ​
12 ​ ​
16 7​ ​ ​ ​
18 ​ ​
18 ​ ​
15 ​ ​
18
 C ass cação de ate át ca (y ​)

O diagrama de dispersão desta amostra é o seguinte:

Como podes ver, as variáveis estão positivamente associadas, uma vez que, em
média, à medida que as notas de Português (x) são maiores, as notas de
Matemática (y ​) também o são.

Coeficiente de correlação linear

A correlação linear, ou coeficiente de correlação linear, é uma estatística que
mede o grau de associação linear entre duas variáveis de uma mesma amostra.
Esta estatística representa-se por r e é calculada da seguinte forma:

n
∑(xi − x
ˉ )(yi − yˉ )
​ ​ ​ ​

r​ = i=1
,​
​

n n
∑(xi − x
ˉ )2 ∑(yi − yˉ )2
​ ​ ​ ​ ​ ​ ​

i=1 i=1

em que x
ˉ é a média das observações da variável xi e yˉ a média das observações
​ ​

da variável yi .
​
Propriedades
r varia entre −1 e 1;
Quanto maior for o módulo de r, mais forte é a relação linear entre as
variáveis;
Se r > 0, existe uma associação positiva;
Se r < 0, existe uma associação negativa;
A correlação não altera com a mudança de unidades das variáveis.

Interpretação geométrica do coeficiente de correlação linear

Diagrama de dispersão Interpretação geométrica

r>0

Os maiores valores de xi correspondem aos

​

maiores valores de yi .
​

De um modo geral, (xi − x

ˉ )(yi − yˉ ) > 0.​
​ ​ ​

r<0

Os maiores valores de xi correspondem aos

​

menores valores de yi .
​

De um modo geral, (xi − x

ˉ )(yi − yˉ ) < 0.​
​ ​ ​

r=0
Não existe correlação linear entre as variáveis xi
​

e yi .​
​

Exemplo
Considerando os dados do exemplo de cima qual é a correlação linear entre as
Considerando os dados do exemplo de cima, qual é a correlação linear entre as
notas nos exames de Português e Matemática? E quais são as conclusões que
podes retirar disso?

9 + 10 + 13 + 7 + 17 + 16 + 14 + 14
ˉ =
A média das notas de Português é x = 12,5
8
​

10 + 12 + 16 + 7 + 18 + 18 + 15 + 18
A média das notas de Matemática é yˉ = = 14,25
8
​ ​

98
Então, o coeficiente de correlação linear é r = ≈ 0,946.
88,25 121,5
​

​ ​

Isto quer dizer que as notas de Português e as notas de Matemática estão

positivamente relacionadas, ou seja, em média, à medida que as notas de
Português sobem, as notas de Matemática também sobem.
Para além disso, como o valor do coeficiente é muito próximo de 1, a relação
entre estas duas variáveis é bastante forte.

Analisando o diagrama de dispersão da amostra, facilmente percebes que a

correlação é positiva e também consegues perceber que os alunos que tiveram
as melhores notas a Português foram os alunos que tiveram as melhores notas a
Matemática.

Reta de regressão para fazer estimativas

Como viste anteriormente, quando as variáveis de uma amostra estão
relacionadas linearmente, é possível traçar uma reta de ajuste a todos os
pontos.
A essa reta chama-se de reta de regressão.

Propriedades
​ soma dos quadrados das distâncias dos pontos à reta é mínima;
A
A reta de regressão pode não passar nos pontos do diagrama de
dispersão;
O ponto (x
ˉ , yˉ ) chama-se centro de gravidade da distribuição;
​

A reta é definida pela expressão y = ax + b, em que (x

ˉ , yˉ ) pertence à reta e a
​

tem o mesmo sinal que o coeficiente de correlação linear.

Como a reta de regressão descreve, aproximadamente, a "regularidade" da

amostra, consegue-se saber o valor esperado de uma variável, sabendo de
antemão o valor da outra variável.
Ou seja, em linguagem matemática, pode-se inferir o valor de x para um dado
valor de y .
E l ã h d d ti ti
Esses valores são chamados de estimativas.

Exemplo
A reta de regressão da amostra dos exemplos de cima é a seguinte:

A expressão da reta é, aproximadamente, y = 1,14x + 0,01.

Pode-se esperar que, por exemplo, um aluno com uma nota a Português igual a
14 valores tenha uma nota a Matemática igual a 1,14 × 14 + 0,01 = 15,97 valores.

Mostrar menos

Aprender as Bases
Duração:

Unidade 1
Dados bivariados: Representação e interpretação
 Teste Final

Criar uma conta para iniciar os exercícios

Iniciar Sessão Regista-te

FAQs - Perguntas Frequentes

O que é o coeficiente de correlação linear?

O que são dados bivariados?

O que é um diagrama de dispersão?

Oferta

Descobre todas as disciplinas

Ano Escolar

Disciplinas Escolares

Evulpo Unlimited

Capítulos populares

Biologia E Geologia

Ciências Naturais

Estudo Do Meio

Física E Química A

Físico-Química

História

História A

Inglês

t áti
Matemática

Matemática A

MACS

Português

Sobre nós

O que é a evulpo?

Para docentes

Para pais e alunos

Equipa

Cooperações

Imprensa

Blog

FAQs

Junta-te a nós

Contactos

Aspetos legais

Impressum

Proteção de dados

Termos e Condições gerais

© 2020 - 2024 evulpo AG