Estatística

...

Direta):O aumento de uma variável corresponde, ao aumento da outra ou a diminuição de uma variável corresponde à diminuição da outra.

Quando r = 1, dizemos que a correlação entre as duas variáveis é direta e perfeita.

Exemplo: Certa empresa investiu durante 6 meses uma quantia em cada mês e anotou o retorno de vendas daquele produto no mesmo período.

r = 0,93 – Correlação positiva (direta) e forte

NEGATIVA (Correlação Inversa): É quando as variáveis têm sentidos opostos, ou seja, o aumento de uma variável corresponde a diminuição da outra.

Quando r = -1 , dizemos que a correlação entre as duas variáveis é perfeitamente inversa.

Exemplo: Certa empresa registrou o preço e a quantidade de peças vendidas desse produto em um período de 8 semanas.

r = - 0,79 Correlação negativa (inversa) e forte

NULA (ausência de correlação): É quando não é possível estabelecer uma relação entre as variáveis X e Y. É o que ocorre quando as variáveis forem independentes.

Exemplo:

Uma loja fez um levantamento das vendas em um certo dia, organizado pela idade de cada cliente que comprou tal produto.

R = - 0,06 Correlação fraca, quase nula

(Questão 03) (Valor 40%) As estatísticas obtidas foram de observações realizadas em 100 indivíduos com relação a duas características X e Y.

Por meio destas informações, calcule o coeficiente de correlação amostral entre x e y.

r=(∑_(i=1)^n▒(x_i-(x_i ) ̅ )(y_i-(y_i ) ̅ ) )/(√([∑_(i=1)^n▒(x_i-(x_i ) ̅ )^2 ] ) [∑_(i=1)^n▒(y_i-(y_i ) ̅ )^2 ] )=(∑_(i=1)^n▒(x_i y_i-n(x_i ) ̅(y_i ) ̅ ) )/(√([∑_(i=1)^n▒(〖x_i〗^2-n(x_i ) ̅ )^ ] ) [∑_(i=1)^n▒(〖y_i〗^2-n(y_i ) ̅ )^ ] )

r=43,2/√(25∙144)=43,2/(5∙12)=43,2/60=0,72