Este trabalho fala sobre Resolução de exercícios que tem relação com a correlação linear e cálculo de probabilidade. Com este trabalho pretende-se avaliar o nível de assimilação dos conteúdos sobre correlação linear e cálculo de probabilidade.
Objectivos
Geral
Avaliar o nível de assimilação dos conteúdos sobre correlação linear e cálculo de
probabilidade.
Específicos
Caracterizar a correlação linear
Construir e interpretar gráficos de dispersão; Determinar probabilidades
Metodologia
A elaboração deste trabalho foi possível com a revisão bibliográfica e os conhecimentos
assimilados no âmbito do módulo. 5
Revisão bibliográfica
Correlação linear
De acordo com Sheldon (2005) “A correlação linear é uma medida estatística que indica o grau de relação linear entre duas variáveis”. Ela varia de -1 a 1, onde:
Se a correlação for próxima de 1, indica uma forte correlação positiva, ou seja, à medida que uma variável aumenta, a outra também aumenta. Se a correlação for próxima de -1, indica uma forte correlação negativa, ou seja, à medida que uma variável aumenta, a outra diminui. Se a correlação for próxima de 0, indica que não há uma relação linear entre as variáveis.
É importante ressaltar que a correlação linear não indica causalidade, ou seja, apenas mostra a relação entre as variáveis, mas não necessariamente uma causa efeito entre elas.
Coeficiente de correlação
Para Kutner, Nachtsheim & Neter (2004) “O coeficiente de correlação é uma medida estatística que avalia a força e a direção de uma relação linear entre duas variáveis. O coeficiente de correlação mais comumente utilizado é o coeficiente de correlação de Pearson, representado por "r"”. Ele varia de -1 a 1, onde:
Se r for próximo de 1, indica uma correlação positiva forte, ou seja, as variáveis tendem a aumentar juntas. Se r for próximo de -1, indica uma correlação negativa forte, ou seja, uma variável tende a aumentar à medida que a outra diminui. Se r for próximo de 0, indica que não há uma relação linear entre as variáveis.
No entanto, é importante notar que o coeficiente de correlação de Pearson mede apenas a
relação linear entre as variáveis e não captura relações não lineares. Além disso, a correlação não implica causalidade, ou seja, mesmo que duas variáveis estejam correlacionadas, não significa necessariamente que uma cause a outra.
Gráfico de dispersão
Conforme Kutner, Nachtsheim & Neter (2004) “Um gráfico de dispersão é uma representação visual da relação entre duas variáveis em um conjunto de dados. Cada ponto no gráfico 6
representa um par de valores dessas variáveis. Esse tipo de gráfico é útil para identificar padrões ou tendências nos dados”.
Para criar um gráfico de dispersão, precisa ter pares de valores para as duas variáveis que deseja comparar. Por exemplo, estudar a relação entre a idade de um grupo de pessoas e a quantidade de exercício físico que praticam, teria pares de valores como (idade, quantidade de exercício).
Probabilidade
Segundo Hogg, McKean & Craig (2005) “A probabilidade é uma medida numérica da chance de um evento ocorrer. Ela varia de 0 a 1, onde 0 significa que o evento é impossível e 1 significa que o evento é certo de ocorrer. A probabilidade também pode ser expressa como uma percentagem, variando de 0% a 100%”.
Fórmula de Laplace
Segundo Sheldon (2005) a fórmula de Laplace é usada para calcular a probabilidade de um
evento em uma situação de igual probabilidade. Em outras palavras, quando todos os eventos possíveis têm a mesma chance de ocorrer. A fórmula é:
𝑛(𝐴) 𝑃(𝐴) = 𝑛(𝑆)
Onde:
𝑃(𝐴) é a probabilidade do evento A ocorrer
𝑛(𝐴) é o número de resultados favoráveis ao evento A
𝑛(𝑆) é o número total de resultados possíveis no espaço amostral S
Probabilidade condicional
Hoel, Port & Stone (1971) afirmam que a probabilidade condicional é a probabilidade de um evento A ocorrer, dado que outro evento B já ocorreu. Ela é denotada por 𝑃(𝐴 ∣ 𝐵) e é calculada da seguinte maneira:
𝑃(𝐴 ∩ 𝐵) 𝑃( 𝐴 ∣ 𝐵 ) = 𝑃(𝐵)
Onde: 7
𝑃( 𝐴 ∣ 𝐵 ) é a probabilidade condicional de A dado B.
𝑃(𝐴 ∩ 𝐵) é a probabilidade de ambos A e B ocorrerem (probabilidade conjunta de A e B)
𝑃(𝐵) é a probabilidade de B ocorrer
Respostas
Resposta da questão 1
1. O coeficiente de correlação é usado para traduzir o grau de associação linear.
a) O sinal do coeficiente de correlação indica a direcção da associação entre as duas variáveis.
Se o coeficiente de correlação for positivo, isso significa que as duas variáveis tendem a aumentar ou diminuir juntas - uma relação directa. Se o coeficiente de correlação for negativo, isso significa que quando uma variável aumenta, a outra tende a diminuir, e vice-versa - uma relação inversa.
b) O módulo (ou valor absoluto) do coeficiente de correlação indica a força da associação. Um
valor de 0 indica que não há correlação linear entre as variáveis. Um valor de 1 (ou -1) indica uma correlação perfeita, onde todas as variações em uma variável são completamente explicadas pela outra. Valores próximos de 1 ou -1 indicam uma correlação forte, enquanto valores próximos de 0 indicam uma correlação fraca. É importante notar que a correlação não implica causalidade. Uma correlação forte entre duas variáveis não significa necessariamente que uma causa a outra.
Resposta da questão 2
2. Diga, na sua opinião, se será positiva, negativa ou nula a correlação entre:
a) O número de anos de um carro e o seu custo: A correlação é geralmente negativa. Carros
mais antigos tendem a ser menos caros porque o valor de um carro geralmente diminui com o tempo (depreciação).
b) O número do aluno e sua classificação no teste de Estatística aplicada: A correlação é
provavelmente nula. O número do aluno é geralmente um identificador arbitrário e não deve ter relação com a sua classificação no teste.
c) A temperatura de uma sala e a altura do mercúrio num termómetro colocado nessa sala: A correlação é positiva. À medida que a temperatura aumenta, o mercúrio num termómetro 8
também sobe. Da mesma forma, quando a temperatura diminui, o mercúrio desce. Portanto, há uma correlação directa entre a temperatura e a altura do mercúrio no termómetro.
NB: Estas são suposições gerais e podem não se aplicar a todas as situações. A correlação real em cada caso pode variar dependendo de uma variedade de factores. Além disso, correlação não implica causalidade.
Resposta da questão 3
3. Os gráficos seguintes mostram, a correlação existente entre as medidas do lado e do
perímetro de 12 quadrados e os dados relativos a idade em anos e a altura em centímetros de 12 crianças:
a) Os respectivos diagramas de dispersão.
Gráfico 1. LADO - PERIMETRO
Fonte: JASP
Interpretação
Conforme o Gráfico 1 a correlação entre as medidas do lado e do perímetro de 12 quadrados é
positiva, pois quando a medida do lado do quadrado aumenta a medida do perímetro do quadrado também aumenta. 9
Gráfico 2. IDADE - ALTURA
Fonte: JASP
Interpretação
O Gráfico 2 mostra que a correlação entre os dados relativos a idade em anos e a altura em centímetros de 12 crianças é positiva, isto é, quando a idade da criança aumenta também a sua altura tende a aumenta.
b) Com base nos gráficos, a correlação nos dois casos é positiva, isto é, apresentam a mesma correlação.
Resposta da questão 4
4. Num grupo de 500 estudantes, 80 estudam Engenharia, 150 estudam Economia e 10
estudam Engenharia e Economia. Se um aluno é escolhido ao acaso,
a) A probabilidade de um aluno estudar Economia e Engenharia
80 150 𝑃(𝐸𝑁𝐺) = ∧ 𝑃(𝐸𝐶) = 500 500
10 1 𝑃(𝐸𝑁𝐺 ∩ 𝐸𝐶) = = = 0,02 500 50 10
b) A probabilidade de um aluno estudar somente Engenharia
5. Numa cidade 40 % da população possui cabelos castanhos, 25% olhos castanhos e 15% olhos e cabelos castanhos. Uma pessoa é seleccionada aleatoriamente.
a) A probabilidade de uma pessoa ter cabelos castanhos dado que ela tem olhos castanhos
A correlação linear é uma medida estatística que avalia a relação entre duas variáveis, indicando se elas têm uma relação positiva, negativa ou nula. É uma ferramenta importante para compreender como as variáveis se comportam em conjunto, mas não indica causalidade.
Já a regressão linear é uma técnica que nos permite entender e modelar essa relação entre variáveis, permitindo fazer previsões ou inferências com base nos dados observados.
Por outro lado, ao analisar a probabilidade, podemos entender a chance de um evento ocorrer, seja de forma teórica (com base em princípios matemáticos) ou empírica (com base em dados observados).
A probabilidade condicional é um conceito crucial que nos permite calcular a probabilidade de
um evento, dado que outro evento já ocorreu. Essa relação é fundamental em muitos contextos, especialmente quando eventos são dependentes entre si.
Esses conceitos estatísticos e probabilísticos são essenciais em diversas áreas do conhecimento,
permitindo-nos entender melhor o mundo ao nosso redor, fazer previsões informadas e tomar decisões com base em evidências sólidas. A correlação linear e a regressão nos ajudam a modelar e entender relações entre variáveis, enquanto a probabilidade e a probabilidade condicional nos auxiliam a quantificar incertezas e tomar decisões sob essa perspectiva probabilística. 13
Bibliografia
Hoel, P. G., Port, S. C., & Stone, C. J. (1971). Introdução à Teoria da Probabilidade. Houghton Mifflin.
Hogg, R. V., McKean, J. W., & Craig, A. T. (2005). Introdução à Estatística Matemática. Pearson Education.
Kutner, M. H., Nachtsheim, C. J., & Neter, J. (2004). Modelos de Regressão Linear Aplicada. McGraw-Hill Education.
Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introdução ao Controle Estatístico da Qualidade. LTC Editora.
Sheldon, R. (2005). Teoria da Probabilidade e Estatística. LTC Editora.
