Teoria de Correlação e Regressão

Inês João Ofesse

Contabilidade e Administração Pública – 2º ano – Diurno

INTRODUÇÃO

O presente trabalho trata dos conceitos que envolvem Correlação e Regressão e suas aplicações
em diversas áreas do conhecimento humano. A escolha deste tema em detrimento dos outros
deve-se ao facto deste ser do interesse do autor, uma vez que enfrentava dificuldades na
resolução de exercicios relacionadas com a regressão linear, portanto vê se neste trabalho a
grande chance de sanar qualquer dúvida relacionada a teoria de correlação e regressão. Estes dois
conceitos são aplicados em experimentos que procuram determinar a relação existente entre duas
variáveis, como por exemplo, a dose de uma droga e a reação, concentração e densidade ótica,
peso e altura, idade da vaca e a produção de leite, etc.

Correlação e Regressão

O novo dicionário de lingua portuguesa elege para a palavra Correlação significados tais como:
“relação mútua entre dois termos”; “qualidade de correlativo”; “correspondência”.

Em Estatística a Correlação é um parâmetro que indica o “grau de correspondência” entre duas

variáveis, ou seja, a correlação mostra a “intensidade” com a qual dois conjuntos de dados estão
relacionados mutuamente. Eventualmente duas variáveis interagem entre si, ou seja, uma
variável está correlacionada a outra, de maneira mais ou menos intensa, sendo assim podemos
usar a correlação para responder questões do tipo:

• Em que grau o peso de uma pessoa está relacionado com sua altura?
• A estatura de uma pessoa está relacionada com sua alimentação?
• A lucratividade de uma empresa está relacionada com o grau de escolaridade de seus
executivos?
1
• A capacidade de aprender estatística está relacionada com o sexo do aluno?
Responder matematicamente a essas questões é o objetivo do estudo estatístico das correlações.

Considerando que exista uma correlação entre duas variáveis, muitas vezes desejamos saber qual
é a lei matemática que as relacionam. Isso nos remete ao estudo das funções regressão. Neste
trabalho, tanto para correlação como para regressão, iremos nos circunscrever aos
relacionamentos lineares, quer dizer, àqueles que utilizam uma equação de primeiro grau.
Existem outros relacionamentos, mas não serão objeto de nosso estudo.

Correlação Linear

Analisando as questões anteriormente mencionadas, algumas parecem verídicas por exemplo

uma pessoa mais alta deve pesar mais, mas outras parecem falsas como por exemplo relacionar
sexo com facilidade de aprendizado.

A maneira estatística de se determinar a verdade ou a falsidade dessas questões é calcular o

coeficiente de correlação que existe entre as variáveis, no nosso caso o coeficiente de correlação
linear. Esse coeficiente linear, chamado de coeficiente de correlação linear de Pearson é obtido
da seguinte maneira:
n . ∑ x i . y i−( ∑ x i ).( ∑ y i )
Equação 1: r=
√( n. ∑ x −( ∑ x ) ).(n . ∑ y −(∑ y ) )
2
i i
2 2
i i
2

Onde x é a chamada variável independente e y a variável dependente, ou seja, que está

correlacionada (ou não) à variável x. Essa correlação pode existir ou não e ser intensa ou intensa
ou não, conforme nos informa o coeficiente de Pearson:

De acordo com o coeficiente r a correlação poderá ser:

r = -1,00: correlação negativa perfeita r = +0,25: correlação positiva fraca

r = -0,75: correlação negativa forte r = +0,50: correlação positiva média
r = -0,50: correlação negativa média r = +0,75: correlação positiva forte
r = -0,25: correlação negativa fraca r = +1,00: correlação positiva perfeita
r = 0,00: correlação linear inexistente

2
 Correlação linear positiva significa que se uma variável aumenta a outra variável também
aumenta ou então se uma variável diminui a outra também diminui.
 Correlação linear negativa significa que se uma variável aumenta a outra variável diminui ou
então se uma variável diminui a outra aumenta.

Regressão Linear
É o processo de traduzir o comportamento conjunto de duas variáveis na forma de uma lei
matemática denominada equação de regressão. Assim sendo os conceitos de correlação e
regressão são indissociáveis. A regressão é linear quando essa lei matemática mencionada é uma
reta, portanto, uma equação de 1º grau.

Como na prática trabalha-se com diversos pontos experimentais existem inúmeras retas possíveis
para um determinado conjunto de dados. No entanto o critério normalmente utilizado para a
definição desta reta é o chamado Método dos mínimos quadrados.

É sabido que a equação de uma reta é dada pela fórmula geral:

Equação 2: y=ax+b
Onde a e b são os chamados coeficientes da reta.

Estatisticamente a equação da chamada reta interpoladora é dada pela fórmula:

Equação 3: y ¿ =K y⋅x i +( y −K y⋅x )

Onde (3.1): sy
K y=r⋅( )
sx

3
Assim sendo para calcularmos a equação da reta interpoladora precisaremos calcular a média e o
desvio padrão de ambas as variáveis (x e y) e o coeficiente de correlação entre elas.

Resultados e discussão

A tabela abaixo mostra a evolução de duas variáveis possivelmente correlacionadas, determine a

equação de regressão linear decorrente. (tabela 1)

x 3 5 7 9 10 14 16
y 1 2 3 5 7 10 13

1º. Passo: Cálculo do coeficiente de correlação linear: (tabela 2)

n . ∑ x i . y i−( ∑ x i ).(∑ y i )
r=
√( n. ∑ x −( ∑ x ) ).(n . ∑ y −(∑ y ) )
2
i i
2 2
i i
2

7 . 497−(64 ).(41 )
r=

√( (64 ) ) .(7 . 357−(41) )

2 2
7 .716−

r =0 .988

2º. Passo: Cálculo da média e do desvio padrão da variável x (tabela 3):

4
3º. Passo: Cálculo da média e do desvio padrão da variável y (tabela 4):

4º. Passo: Cálculo do coeficiente Ky:

5º. Passo: Definição da equação da reta procurada:

5
A determinação dessa equação da reta permite prever valores futuros, com os devidos cuidados
de sempre. Por exemplo, caso queiramos saber qual é o valor de y quando o x assumir o valor
18?

Conclusões
Finda realização do trabalho, conclui-se que é possível identificar e demonstrar quando existe alguma
correlação linear entre duas variáveis, ou seja, quando uma delas estiver, matematicamente, relacionada
com a outra por meio de uma expressão linear. Tal expressão é bastante utilizada para realizar
aproximações ou predições de eventos que estão, de uma forma ou de outra, relacionados às variáveis em
estudo. A correlação é usada para estudar quão consistentemente duas variáveis mudam em conjunto.
Quando isso ocorre, diz-se que há uma correlação ou uma covariação, cuja direção e magnitude podem
ser quantificadas. A correlação indica o grau de associação entre duas variáveis, ao passo que a regressão
“diz respeito à capacidade de prever um valor baseado no conhecimento do outro”. É importante ao fazer
uma análise de regressão, determinar qual a variável dependente, ou seja, aquela que flutua em função da
variável independente.

Referências Bibliográficcas
DOWNING, Douglas, CLARK, Jeff. (2019), Statistics The Easy Way. Hauppauge (New York):
Barron’s Educational Series, Inc.

HOFFMAN, Rodolfo. (1990), Estatística para Economistas. São Paulo. Livraria Pioneira
Editora.

MASON, Robert D., DOUGLAS, Lind A. (1997), Statistical Techniques in Business And
Economics. IRWIN, Boston.

6
STEVENSON, William J. (2011), Estatística Aplicada à Administração. São Paulo. Editora
Harbra.

WONNACOTT, Ronald J., WONNACOTT, Thomas. (2015), Fundamentos de Estatística. Rio

de Janeiro. Livros Técnicos e Científicos Editora S. A.