Regressão linear simples

UNIVERSIDADE FEDERAL DE GOIÁS FACULDADE DE ADMINISTRAÇÃO, CIÊNCIAS CONTÁBEIS E CIÊNCIAS ECONÔMICAS - FACE
CURSO DE ADMINISTRAÇÃO
PROFESSORA: MARTA CRISTINA COLOZZA BIANCHI

Fundamentos de Probabilidade e Estatística
Trabalho Final

Amanda Rizzia
Marcos Paulo Cavalcante
Nayara Pereira Peixoto

GOIÂNIA/2012

A) Motivação Faz-se uma analise gráfica preliminar, construindo um gráfico de dispersão, para encontrar uma possível relação entre as variáveis, por isso a analise de regressão é tão importante. O gráfico de dispersão dá indícios sobre a variabilidade associada às variáveis em questão e sobre pontos atípicos ou discrepantes.

Observa-se que à medida que o nível da variável “A” aumenta, a variável “B” diminui. Desta forma, supor uma relação linear entre as variáveis “A” e “B”, para valores de “A” entre 220 e 235 é razoável. B) Correlação Linear “O termo correlação significa relação em dois sentidos (co + relação), e é usado em estatística para designar a força que mantém unidos dois conjuntos de valores. A verificação da existência e do grau de relação entre as variáveis é o objeto de estudo da correlação.” Após caracterizarmos esta relação, a transformamos em uma função matemática, e, portanto teremos parâmetros de tal, e isso é a regressão. E colocá-las em um gráfico de dispersão. A forma mais usual eh dada pela a correlação linear de Pearson, como o estimador ρxy, definida por: Onde a soma dos quadrados, são: Onde “n” é o número de pares da observação. Então, dessa forma, se obtém valores para X e para Y, estes podem ser analisados na seguinte tabela: B.1) Observações Correlação não é o mesmo que causa e efeito. Duas variáveis podem estar altamente correlacionadas e, no entanto, não haver relação de causa e efeito entre elas. Se duas variáveis estiverem amarradas por uma relação de causa e efeito elas estarão, obrigatoriamente, correlacionadas. O estudo de