ESTATÍSTICA APLICADA

...

ETAPA II – APLICAÇÃO DAS TÉCNICAS ESTATÍSTICAS

1 – DIAGRAMA DE DISPERSÃO DE ACORDO COM OS DADOS ESTUDADOS.

O diagrama de dispersão é um gráfico onde pontos no espaço cartesiano XY são usados para representar simultaneamente os valores de duas variáveis quantitativas medidas em cada elemento do conjunto de dados. O diagrama de dispersão é a etapa seguinte do diagrama de causa e efeito, pois verifica-se se há uma possível relação entre as causas, isto é, nos mostra se existe uma relação, e em que intensidade. Neste gráfico podemos observar que há uma relação crescente entre as variáveis de estudo, de acordo com o crescimento das variáveis (x), há também um crescimento nas variáveis (y).

[pic 3]

2 – COEFICIENTE DE CORRELAÇÃO LINEAR

A análise correlacional indica a relação entre duas variáveis lineares e os valores sempre serão entre +1 e -1. O sinal indica a direção, se a correlação é positiva ou negativa, e o tamanho da variável indica a força da correlação, neste caso podemos observar que temos uma correlação positiva, obtivemos o valor de R = 1, significa uma correlação perfeita positiva entre as duas variáveis.

[pic 4]

_________________________

[pic 5]

20*16358 – 534*465

R = _____________________________________

[pic 6]

R = 1

3 – REALIZAR TESTE DE HIPÓTESE PARA VERIFICAR SE A RELAÇÃO LINEAR É SIGNIFICATIVA.

O teste de hipótese é um método de inferência estatística, em que utilizamos dados amostrais de uma população para testar uma afirmativa sobre uma propriedade desta população. Neste estudo de caso, o valor do teste de hipótese deu igual a 0. O que significa dizer que não há correlação linear significante.

H = 0 (NÃO HÁ CORRELAÇÃO LINEAR SIGNIFICANTE)

4- CONSTRUIR NOVAMENTE O DIAGRAMA DE DISPERSÃO, APRESENTANDO A RETA DE REGRESSÃO E O COEFICIENTE DE DETERMINAÇÃO.

Reta que melhor se ajusta a uma coleção de pontos que representam dados amostrais emparelhados.

[pic 7]

O coeficiente de determinação, também chamado de R², é uma medida de ajustamento de um modelo estatístico linear generalizado, como a Regressão linear, em relação aos valores observados. O R² varia entre 0 e 1, indicando, em percentagem, o quanto o modelo consegue explicar os valores observados. Quanto maior o R², mais explicativo é modelo, melhor ele se ajusta à amostra.

COEF. DE DETERMINAÇÃO

COEF. INCLINAÇÃO

COEF. LINEAR

EQUAÇÃO DA RETA

0,991024383

1,032676315

2,690275686

y = 0,9597x - 2,3731

ETAPA II – PRODUTO FINAL

5 - ELABORAÇÃO DE UM RELATÓRIO ESTATÍSTICO

RESUMO DOS RESULTADOS

Estatística de regressão

R múltiplo

0,994751921

R-Quadrado

0,989531384

R-quadrado ajustado

0,988915583

Erro padrão

1,414416928

Observações

19

ANOVA

gl

SQ

MQ

F

F de significação

Regressão

1

3214,727063

3214,727063

1606,901

2,82771E-18

Resíduo

17

34,00977921

2,000575248

Total

18

3248,736842

Coeficientes

Erro padrão

Stat t

valor-P

95% inferiores

95% superiores

Inferior 80,0%

Superior 80,0%

Interseção

-2,49227078

0,74687231

-3,3369436

0,0039

-4,068033597

-0,91650796

-3,48813492

-1,496407

2

0,963069821

0,02402499

40,086174

3E-18

0,912381529

1,013758113

0,931035398

0,9951042

RESULTADOS DE RESÍDUOS