Aula 06

Pont o dos Conc ur sos
www.pontodosconcursos.com.br

Ateno.

O contedo deste curso de uso exclusivo do aluno matriculado, cujo
nome e CPF constam do texto apresentado, sendo vedada, por
quaisquer meios e a qualquer ttulo, a sua reproduo, cpia,
divulgao e distribuio.

vedado, tambm, o fornecimento de informaes cadastrais
inexatas ou incompletas nome, endereo, CPF, e-mail - no ato da
matrcula.

O descumprimento dessas vedaes implicar o imediato
cancelamento da matrcula, sem prvio aviso e sem devoluo de
valores pagos - sem prejuzo da responsabilizao civil e criminal do
infrator.

Em razo da presena da marca d gua, identificadora do nome e
CPF do aluno matriculado, em todas as pginas deste material,
recomenda-se a sua impresso no modo econmico da impressora.

CURSO ON-LINE - ESTATSTICA P/ RECEITA FEDERAL
PROFESSOR: VTOR MENEZES

AULA 6

Antes de entrarmos na matria nova, vamos s correes. Obrigado novamente ao
pessoal do frum.

Na aula 4, no EC 10, eu disse que a resposta era a letra C.

Mas, se vocs lerem com ateno, vero que a letra B tambm est correta. A letra
B uma forma ligeiramente diferente de dizer a mesma coisa que est escrita na
letra C.

Assim, o exerccio tem duas respostas corretas. E, de fato, no gabarito definitivo a
questo foi anulada.

Na mesma aula 4, no EC 12, eu trouxe uma segunda resoluo fazendo algumas
aproximaes grosseiras (l na pgina 31).

Onde eu escrevi:

O correto seria:

Como o terceiro quartil um pouco maior que 79,5 e o primeiro
quartil um pouco menor que 59,5, teramos as seguintes
mudanas no numerador:

A primeira diferena seria um pouco maior que 8,5

A segunda diferena seria um pouco menor que 11,5

Como o terceiro quartil um pouco maior que 79,5 e o primeiro
quartil um pouco menor que 59,5, teramos as seguintes
mudanas no numerador:

A primeira diferena seria um pouco maior que 8,5

A segunda diferena seria um pouco MAIOR que 11,5

Com essa mudana, temos que alterar um pouco a concluso.

Para visualizar que o numerador um pouco mais prximo de zero, teramos que
perceber que, se trocssemos as aproximaes pelos valores exatos dos quartis, a
primeira diferena aumentaria mais que a segunda. Isto porque 59,5 uma
aproximao melhor para o primeiro quartil do que 79,5 para o terceiro quartil.
No terceiro quartil a aproximao foi mais grosseira.

E vamos matria de hoje.

X CORRELAO

1 Funo de primeiro grau

Nosso intuito aqui vai ser apenas dar uma noo do que so funes. E falar um
pouquinho sobre a funo de primeiro grau.

Seja L o lado de um quadrado. Seja A a sua rea. Sabemos que:

A =
2
L

1


Vamos supor que tenhamos diversos quadrados, cada um deles com uma medida
de lado. A tabela abaixo relaciona alguns possveis valores de lado com a
correspondente rea.

L
A =

2
L
1 1
2 2
3 9
4 16
Note que a cada valor de L corresponde um nico valor de A.
Dizemos que a varivel rea funo da varivel lado.
Por que a rea funo do lado?
A rea funo do lado porque:

H uma relao entre as duas variveis (expressa por:

A =
2
L )

A cada valor de lado corresponde um nico valor da rea

Na verdade, para realmente definir uma funo, ainda precisaramos de outros
conceitos (relacionados aos chamados domnio e imagem da funo). Mas para ns
esta noo de relao entre duas variveis j est tima.

Continuemos ento com nossa funo.

Estamos encarregados de obter a rea de diversos terrenos que tm formatos de
quadrados. Como faremos? Nos dirigimos a cada um deles e medimos o lado.
Tendo o valor do lado, elevamos ao quadrado para obter a rea. Eu sei que na
prtica esse procedimento no l muito adequado, mas tudo bem. Vamos
continuar com o exemplo.

Neste caso, estamos expressando a rea em funo do valor do lado. Dizemos que
o lado a varivel independente. A partir do lado, calculamos a rea do terreno. A
rea nossa varivel dependente. Ela ser obtida a partir de outra varivel (no
caso, o lado).

Definio meio grosseira de varivel dependente e independente, no? Mas no
tem problema.

Para cada valor de lado medido (varivel independente), calculamos a rea
(varivel dependente). Em seguida, anotamos estes valores no papel. Abaixo segue
um exemplo de nossas anotaes:

(1, 1); (2, 4), (3, 9), (4, 16).

Cada elemento (a,b) chamado de par ordenado. O primeiro elemento (valor de a)
representa a varivel independente (lado). O segundo elemento (valor de b)
representa a varivel dependente (rea).

Se fosse possvel ter infinitos terrenos quadrados, de tal modo que cada um deles
tivesse um lado no intervalo entre 0 e 5, obteramos o grfico da Figura 1 abaixo.

2


Figura 1 rea em funo do lado

O grfico da Figura 1 acima representa a associao entre cada valor de lado e o
respectivo valor de rea.

Ele formado por todos os pares ordenados obtidos. O grfico abaixo detalha
melhor alguns pares ordenados:

Figura 2 Alguns pares ordenados (L;A)

Em vermelho destacamos o par ordenado (2,4).

Juntando todos os infinitos pares ordenados possveis, obtm-se o grfico da Figura
1.

H diversos tipos de funo. Esta que ns acabamos de ver a funo de segundo
grau.

Contudo, o tipo de funo que nos interessa agora a funo de primeiro grau.

3


Seja X a nossa varivel independente. Seja Y a varivel dependente. Sejam a e b
constantes reais.

Dizemos que Y uma funo de primeiro grau de X se:

Y = a + bX

Sempre que a funo for desta forma, dizemos que ela de primeiro grau. Repare
que na funo de primeiro grau temos constantes (a e b) que somam ou
multiplicam a varivel independente. Repare ainda que o expoente de X igual a 1
(da o nome: primeiro grau).

Este tipo de funo bem especial por representar adequadamente diversas
relaes importantes. Uma particularidade da funo de primeiro grau : seu
grfico uma reta.

Vejamos um exemplo.

Seja X o tempo (em horas) de viagem de um automvel que se desloca a uma
velocidade de 50 km/h. Y representa a distncia percorrida (em km).

A relao entre as variveis pode ser representada por:

Y = 50 X

E o grfico fica:

Figura 3 Distncia em funo do tempo

Note que o grfico se comporta como uma reta.

Como o grfico uma reta, precisamos e apenas dois pontos para desenh-lo. Voc
pode jogar valores para X e achar os correspondentes valores de Y.

Por exemplo, para X igual a 1, Y vale 50. Pronto, j temos um ponto do grfico. E
para X igual a 2, Y vale 100. Temos o segundo ponto. Dois pontos definem uma
reta. J podemos desenhar o grfico.

Outro exemplo.

4


Considere a funo de primeiro grau Y = 5 + 2 X

Seu desenho fica:

Figura 4 Y em funo de X

A funo :

Y = 5 + 2 X

A constante 5 corresponde ao valor de Y quando X vale zero. Equivale ao ponto em
que a funo corta o eixo Y.

Veja o detalhe em vermelho da figura abaixo:

Figura 5 Ponto em que a funo corta o eixo Y

O valor 5 chamado de coeficiente linear da reta.

A outra constante que a aparece na funo o 2. Esta constante multiplica a
varivel independente X. chamada de coeficiente angular. Ela est relacionada
com a inclinao da reta.

5


A inclinao da reta igual tangente do ngulo formado pela reta e por qualquer
linha horizontal.

Para vermos a inclinao, basta tomarmos qualquer tringulo ao longo da reta.

Figura 6 Determinao da inclinao da reta (=coeficiente angular)

A tangente do ngulo igual a:

tg =
15 5
= 2
5 0
Uma observao importante. A tangente sempre adimensional. Ela no possui
unidades. J o coeficiente angular sim possui unidade. Para perceber isto, basta
voltarmos no exemplo da funo que relaciona tempo e distncia (para o mvel
com velocidade de 50 km/h). A funo era:

Y = bX , onde b igual a 50.

Mas b no s igual a 50. b acaba representando o resultado da diviso entre a
distncia (Y) e o tempo (X). Basta isolar o b:

b =
Y
X
Portanto, b na verdade igual a 50 km/h. O coeficiente b tem unidade sim. Sua
unidade, neste caso, km/h.

Por isto dizemos apenas que o coeficiente angular numericamente igual
tangente do grfico.

O coeficiente angular vai definir se a reta crescente ou decrescente. Quando o
coeficiente angular positivo (b>0), a reta crescente. Ou seja, quando X
aumenta, Y tambm aumenta.

Quando negativo (b<0), a reta decrescente. Isto significa que quando X
aumenta Y diminui.

Um exemplo de reta decrescente seria:

Y = 3 4 X

A reta fica:

6


0,75

0
0 0,5 1 1,5 2 2,5 3

X

Figura 7 Exemplo de reta decrescente

2 Correlao

Agora continuamos interessados em duas variveis que tm certa relao. Suponha
que estas variveis so peso e altura de um grupo de indivduos adultos. A tabela
abaixo representa alguns valores possveis.

Altura
(m)

Peso
(kg)
1,72 68,09
1,75 71,08
1,86 79,25
1,91 83,77
1,86 79,68
1,62 61,28
1,70 66,65
1,93 86,50
1,76 71,69
1,69 65,73
1,68 65,59
1,99 91,52
1,80 74,97
1,87 80,98
1,78 72,76
1,82 77,39
1,92 85,25
1,92 85,81
1,79 74,23
1,67 64,16
1,67 65,03
1,86 79,79
1,70 67,40
1,60 59,24
1,84 77,87
1,92 85,03
1,91 85,05
1,79 74,02
1,86 80,26

7


Altura
(m)

Peso
(kg)
1,71 67,78
1,70 66,89
1,96 88,93
1,86 79,65
1,67 64,56
1,83 77,28
1,82 77,26
1,93 86,40
1,66 64,41
1,65 63,55
1,62 60,04
1,74 70,07
1,77 72,68
1,88 81,38
1,96 88,66
1,81 75,64
1,80 74,49
1,76 71,85
1,62 60,58
1,98 90,07
1,65 63,01
1,83 77,40

Antes de mais nada, peo desculpas pela pelos dados da tabela acima. Constru a
tabela e s ao final, com a aula quase pronta, fui reparar que a tabela no l
muito real. D pra notar que essas pessoas a da tabela acima so muito
magrinhas. Creio que uma tabela fruto de uma pesquisa resultaria em valores de
pesos maiores para as mesmas alturas. Mas no tem problema. O exemplo
continua vlido.

Continuando. Note que agora no podemos mais falar em funo. Para cada valor
de altura no existe um nico valor de peso. Tomemos como exemplo as pessoas
de altura 1,67 m. Uma delas tem 64,16 kg. Outra tem 65,03 kg. Uma terceira tem
64,56 kg.

A figura abaixo representa todos os valores de peso/altura para este grupo de
pessoas:

Figura 8 Diagrama de disperso peso x altura

8


Este grfico acima chamado de diagrama de disperso.

Apesar das variveis peso e altura, para o grupo pesquisado, no se comportarem
exatamente segundo uma reta, a relao existente quase uma reta. Ou seja,
quase linear.

Num caso assim, possvel aproximarmos os dados segundo uma funo de
primeiro grau (segundo uma reta). Isto pode ser til para estimarmos valores.
Podemos, sabendo apenas a altura da pessoa, tentar identificar seu peso.

Neste exemplo ficou extremamente claro que existe uma reta que aproxima bem a
relao entre peso e altura. que os dados no foram obtidos a partir de uma
pesquisa. Eu constru os dados no excel de forma que ficasse bem evidente a
relao quase linear entre peso e altura.

Em situaes reais comum surgirem casos em que a relao linear no assim
to evidente. O diagrama de disperso a seguir ilustra uma situao assim.

Figura 9 Diagrama de disperso peso x altura relao linear menos
intensa

No diagrama acima, ainda fica razovel afirmar que h uma relao linear entre
peso e altura. Mas a relao no to prxima assim de uma reta quanto era no
caso da Figura 8.

Pois bem, a entra o coeficiente de correlao linear. Ele vai nos dar uma medida do
quo forte a relao linear entre duas variveis.

A frmula do coeficiente de correlao linear :

( ) ( )[ ]
n
i
X X Y
i
Y
r =
i =1
2
n n
2
( ) ( )

i
X X Y
i
Y
i = =i1 1

O coeficiente acima chamado de coeficiente de correlao linear de Pearson.
Cuidado para no confundir. L em assimetria, estudamos os coeficientes de
ASSIMETRIA de Pearson. E agora estamos vendo o coeficiente de correlao linear
de Pearson.

possvel demonstrar que o coeficiente de correlao assume valores apenas no
intervalo de -1 a 1.

9


1 r 1

Quanto mais prximo de zero est o coeficiente de correlao, menor a relao
linear entre as duas variveis.

Quanto mais afastado de zero est o coeficiente de correlao, maior a relao
linear entre as duas variveis.

Alguns comentrios importantes.

Primeiro um trazido por Rodolfo Hoffman (livro Estatstica para economistas). O
fato do coeficiente de correlao ser prximo de zero no significa que no exista
relao entre duas variveis. Significa apenas que as duas no tm relao linear.
Pode ser que as variveis se relacionem de outras maneiras. Pode ser uma relao
quadrtica, exponencial, etc.

Agora um comentrio trazido por Gilberto de Andrade Martins (livro: Estatstica
Geral e Aplicada). O fato do coeficiente de correlao ser muito prximo de 1 (ou -
1) no significa que as duas variveis tenham uma relao de causa e
conseqncia. No implica que uma delas tenha efeito direto ou indireto sobre a
outra. Pode ser que as duas sofram influncia de outras variveis de maneira que
isso d origem a uma forte correlao entre ambas.

Para os dados da Figura 8, o coeficiente de correlao 0,998. Como a quantidade
de dados muito grande, no vou detalhar o clculo aqui. Apenas observem que o
coeficiente de correlao muito prximo de 1. Ou seja, a relao linear muito
forte. Isto j dava pra ver no prprio grfico. Os pontos praticamente formavam
uma reta.
Lembrete de Coeficiente de correlao
Mede o quo forte a relao linear entre duas variveis.
Quando vale zero: no h relao linear.

Quando vale 1 ou -1: relao linear perfeita.

( )X X ( )[ ]Y
n
Y
i i
Frmula:
r =
i =1
2
n n
2
( ) ( )

i
X X Y
i
Y
i = =i1 1

Vejamos um outro exemplo, com menos nmeros envolvidos.

Um grupo de quatro alunos estudou junto para as provas finais. Feitas as provas,
eles obtiveram se seguintes notas:
Aluno Nota de matemtica
(X )
Nota de fsica
(Y )
1 2 6
2 6 7
3 8 7
4 10 8
Mdia 6,5 7

10


As notas em fsica e matemtica guardam certa relao linear. Vamos calcular o
coeficiente de correlao para vermos a intensidade da relao linear existente
entre elas.

Aluno
X Y

X X

Y Y

(X X ) (Y Y )

(X X )
2

( )Y Y
2

1 2 6 -4,5 -1 4,5 20,25 1
2 6 7 -0,5 0 0 0,25 0
3 8 7 1,5 0 0 2,25 0
4 10 8 3,5 1 3,5 12,25 1
TOTAL 8 35 2

( )X X ( )[ ]Y
n
Y
i i
r =
i =1
2
n n
2
( ) ( )

i
X X Y
i
Y
i = =i1 1

r =
8
0 956 ,
35 2

Veja que o coeficiente de correlao bem prximo de 1. Ou seja, existe intensa
relao linear entre as notas de fsica e matemtica.

Aqui d para entender muito bem o comentrio que trouxemos l do livro do
Gilberto de Andrade Martins. O simples fato de um aluno ter ido bem na prova de
matemtica no ajuda em nada no seu desempenho na prova de fsica. No
porque um aluno tirou dez em matemtica que ele j tem garantida uma boa nota
em fsica. Se ele estudar bastante matemtica mas no estudar nada de fsica,
certamente pode ir bem na primeira e mal na segunda prova.

O que estou querendo dizer que as notas das duas provas no tm relao de
causa e conseqncia.

Contudo, ambas so influenciadas pelos mesmos fatores. bem provvel que a
pessoa que v bem na prova de fsica tenha uma facilidade maior com nmeros,
com a rea de exatas, o que certamente vai favorecer seu desempenho na prova
de matemtica.

Assim, apesar de no haver uma relao de causa e conseqncia entre as notas,
elas so influenciadas pelos mesmos fatores, o que resultou numa forte correlao. E
um ltimo comentrio.

bem comum que o clculo do coeficiente de correlao tenha como base uma
amostra.

Quando nos baseamos numa amostra, podemos cometer erros.

Imagine que lanamos dois dados honestos (em que todas as faces tm as mesmas
chances de sair). Os dois dados tm faces de 1 a 6.

Fazemos inmeros lanamentos. A cada lanamento, anotamos o resultado do
primeiro dado (=X) e do segundo dado (=Y).

Se estivssemos num curso que abrangesse probabilidades, veramos que estamos
diante de um caso de duas variveis independentes, o que implica covarincia nula
e, o que realmente importa para gente, correlao nula.

11


Ento, sem entrar em muitos detalhes, o que importa esse resultado. Se
lanarmos os dois dados muitas e muitas vezes (tendendo ao infinito) e em seguida
calcularmos a correlao entre X e Y, veremos que ela vale zero.

Agora vamos para um segundo exemplo. Em vez de lanarmos os dados muitas e
muitas vezes, fazemos apenas alguns lanamentos.

Suponha que faamos apenas dois lanamentos. Os resultados foram:

1 lanamento: X=2; Y=4


Se voc calcular o coeficiente de correlao, ele vai dar igual a 1, indicando uma
relao linear perfeita. Mas sabemos que as variveis X e Y tm correlao nula.
Acontece que, baseando-nos apenas nesta amostra de dois lanamentos,
conclumos que a correlao igual a 1.

A amostragem nos forneceu um resultado enganoso. Neste caso especfico, o
grande problema foi o tamanho da amostra. Uma amostra de tamanho dois muito
pequena. Afinal de contas, conseguimos apenas dois pares ordenados. Dois pontos
quaisquer sempre estaro ao longo de uma mesma reta, o que implica relao
linear perfeita.

Vamos aumentar um pouco o tamanho da amostra. Agora vamos fazer quatro
lanamentos. Suponha que, por conta de um azar absurdo, os resultados sejam:





Apesar de esta situao ser muito pouco provvel, ela pode acontecer. Novamente,
os pontos esto exatamente ao longo de uma reta. A correlao ser igual a 1
(indicando relao linear perfeita). Novamente a amostra est nos fornecendo um
resultado enganoso. Somos levados a concluir que a correlao igual a 1, quando
na verdade ela igual a zero.

Por isso o ideal trabalharmos com amostras maiores, de forma a reduzir a
possibilidade de ocorrncias de resultados enganosos.

12


EXERCCIO DE CONCURSO

EC 1

AFRF 2005

Para uma amostra de dez casais residentes em um mesmo bairro, registraram-se
os seguintes salrios mensais (em salrios mnimos):
Identificao do
casal
Salrio do marido
(Y)
Salrio da esposa
(X)
1 2 3 4 5 6 7 8 9 10

30 25 18 15 20 20 21 20 25 27

20 25 12 10 10 20 18 15 18 23

Sabe-se que:

10

i 1 =

10
i
Y

2
=

i 1 =

10

i 1 =

10

i 1 =

i
X
2
=

10

X
i
i
Y

i 1 =

= 3940

Assinale a opo cujo valor corresponda correlao entre os salrios dos homens
e das mulheres.
a) 0,72
b) 0,75
c) 0,68
d) 0,81
e) 0,78

As mdias de X e Y podem ser facilmente calculadas. Basta somar todos os valores
e dividir por 10.

10

X
i
X =
i 1=
=
171
= 17 1 , (lembre que a soma de todos os valores de X foi fornecida
10 10
no enunciado).

Para Y, o clculo o mesmo.

10
i
Y

Y =
i 1 =
=
221
= 22 1,
10 10

Vamos agora ao clculo do coeficiente de correlao.

13


H duas formas de fazer. A primeira aplicar a frmula.

( )X X ( )[ ]Y
n
Y
i i
r =
i =1
2
n n
2
( ) ( )

i
X X Y
i
Y
i = =i1 1

Detalhamos os clculos na tabela abaixo:

Casal
X Y

X X

Y Y

(X X ) (Y Y )

(X X )
2

( )Y Y
2

1 20 30 2,9 7,9 22,91 8,41 62,41
2 25 25 7,9 2,9 22,91 62,41 8,41
3 12 18 -5,1 -4,1 20,91 26,01 16,81
4 10 15 -7,1 -7,1 50,41 50,41 50,41
5 10 20 -7,1 -2,1 14,91 50,41 4,41
6 20 20 2,9 -2,1 -6,09 8,41 4,41
7 18 21 0,9 -1,1 -0,99 0,81 1,21
8 15 20 -2,1 -2,1 4,41 4,41 4,41
9 18 25 0,9 2,9 2,61 0,81 8,41
10 23 27 5,9 4,9 28,91 34,81 24,01
TOTAL 160,9 246,9 184,9

E o coeficiente de correlao fica:

( ) ( )[ ]
n
i
X X Y
i
Y
r =
i 1=
=
160 9,
0 75,
( )
2
( )
2

246 9,

184 9 ,

n
i
X X
n
Y
i
Y
i 1 1= =i

Alm da infinidade de contas, ainda chegamos ao final com uma raiz quadrada.

O problema desta resoluo que demora um tempo. Especialmente sem

calculadora. Tivemos que calcular cada valor de X X , de (Y Y ), de ( )X X
2
,
de (
)Y Y
2
, depois ainda fazer algumas multiplicaes e somas.

O ideal tentar utilizar as informaes dadas no exerccio. O exerccio seria
bastante interessante se, com as informaes utilizadas, as contas fossem
diminudas. No exatamente o que ocorre.

Vamos a uma soluo alternativa, para utilizar as informaes sobre os valores dos
somatrios fornecidos.

Para tanto, necessrio conhecer algumas igualdades envolvendo somatrio.
Basicamente, envolve fazer os mesmos passos que trouxemos l no anexo da aula
03. Foi quando mostramos uma frmula alternativa para o clculo da varincia. No
final desta aula, em anexo, trago o passo a passo de como obter tais igualdades. O
quadro abaixo resume os resultados:

14


Quadro 1 Igualdades envolvendo somatrio

Transformaes importantes:

( )X X (
)[
]Y
n
Y

n
(
)X Y

n X Y
i

i =1

i
=

i =1
i i

n

(
)

=

( )
n

2
X
i
X
=i 1
2
X
2
i
n X
=i 1

n

( )
2
Y
i
Y
i 1 =

=

( )
n
2
Y
2
i
nY
i 1 =

Repare que todas as igualdades so bem parecidas. Se voc gravar a primeira,
pode facilmente chegar nas outras duas. Basta fazer o caso em que Y=X.

A primeira igualdade :

( )X X
( )[
]Y
n
Y

n
=

(
)X Y

n X Y
i
i =1
i i i
i =1

Substituindo os valores da mdia de X e da mdia de Y:

( )X X
( )[
]Y
n
Y

n
=

(
)X Y

n 17 1,

22 1,
i
i 1 =
i i i
i 1 =

Substituindo os valores informados no enunciado:

( )
( )[
]
n

= 3940 10 22 1,

171 = 160 9,
X
i
X
i 1 =
Y
i
Y

A segunda igualdade :

n

( )
2
X
i
X
i 1 =

=

( )
n
2
X
2
i
n X
i 1 =

Substituindo os valores do enunciado:

n

(
)X
i
X

2
= 3171 10 17 1,
2
= 246 9,
i 1 =

A terceira igualdade :

n

( )
2
Y
i
Y
i 1 =

=

( )
n
2
Y
2
i
nY
i 1 =

Portanto:

n

(
)
i
Y Y

2
= 5069 10 22 1,
2
= 184 9,
i 1 =

At aqui, at que no deu tanta conta.

O problema que, mesmo a pessoa conhecendo estas igualdades, ainda chega ao
final com a seguinte conta:

15


( )X X ( )[ ]Y
n
Y
i i
r =
i 1=
=
160 9,
0 75,
( )X X
2
(
)Y Y
2

246 9,

184 9 ,

n n

i i
i 1 1= =i

T a novamente a tal da raiz quadrada. Ou seja, as contas nem ficaram to fceis
assim...

A resposta letra B.

Agora uma dica de contas. Extrair a raiz quadra meio trabalhoso. Eu,
particularmente, procuro evitar.

Ento, em vez de calcular o coeficiente de correlao, eu calcularia o quadrado do
coeficiente de correlao:

160 9 ,
2

r
2
=
246 9, 184 9,

Mas esta conta ainda meio ruim de fazer. Aproximando os valores:

2 2
r
2
=
160 9 ,

161
=
25.921
= 0 567,

246 9 , 184 9 , 247 185 45.695

Feito isto, eu testaria as alternativas.

0,72
2
=0,5184 (deu menor que 0,567)

0,75
2
=0,5625 (deu bem prximo de 0,567)

0,68
2
menor que 0,49

0,78
2
=0,6084
0,81
2
maior que 0,60.
E marcaria a letra B.

Mais alguns comentrios sobre o coeficiente de correlao.

O sinal do coeficiente indica se as grandezas possuem uma relao direta ou
inversa. No caso da relao entre peso e altura, vimos que o coeficiente tinha sinal
+. Ou seja, a relao entre peso e altura direta. Quando a altura aumenta, o peso
tende a aumentar tambm.

Se o sinal for negativo, as grandezas tm uma relao inversa. Seria o caso da
relao entre o preo de um produto e a sua demanda. Quanto maior o preo,
menor sua demanda. E quanto menor o preo, maior a demanda.

O diagrama abaixo poderia representar duas variveis com correlao negativa:

16


Figura 10 Diagrama de disperso demanda x preo

O preo dado em R$. A demanda em milhares de unidades. Quando o preo
est por volta de R$ 2,00, a demanda em torno de 40.000 unidades. Quando o
preo aumenta, chegando a valores prximos de R$ 5,00, a demanda cai para
cerca de 30.000 unidades.

Quando a correlao prxima de zero, o diagrama de disperso no nos deixa
nenhuma dica se a relao direta ou inversa. Seria o caso do diagrama abaixo:

Figura 11 Diagrama de disperso Y x X correlao prxima de zero

No diagrama acima ainda possvel notar uma relao inversa (correlao
negativa). Mas bem fraca, quase nula. Novamente, isto no significa que as
variveis X e Y no tenham relao. Significa apenas que no h relao linear.

EXERCCIOS DE CONCURSOS

EC 2

AFRF 96 [ESAF]

Considere a seguinte tabela que apresenta valores referentes s variveis X e Y,
porventura relacionadas.

17


X Y X
2
Y
2
XY
1 5 1 25 5
2 7 4 49 14
3 12 9 144 36
4 13 16 169 52
5 18 25 324 90
6 20 36 400 120
TOTAL 21 75 91 1111 317

Marque a opo que representa o coeficiente de correlao linear entre as variveis
x e y:
a) 0,903
b) 0,926
c) 0,947
d) 0,962
e) 0,989

Questo bem semelhante anterior.
Vamos calcular as mdias.

6

X
i
X =
i 1=
=
21
= 3 5,
6 6

6
i
Y

Y =
i 1=
=
75
= 12 5 ,
6 6
Agora vamos usar as igualdades envolvendo somatrio (resumidas l no quadro 1),
para aproveitar as informaes fornecidas.

A primeira :

( )X X (
)[
]Y
n
Y

n
(
)X Y

n X Y
i

i =1

i
=

i =1
i i

Portanto:

( )X X
( )[
]Y Y
n

= 317 6 3 5 ,

12 5,

= 54 5,
i i
i 1 =

A segunda igualdade :

n

( )
2
X
i
X
i 1 =

=

( )
n
2
X
2
i
n X
i 1 =

Portanto:

n

(
)X
i
X

2
= 91 6 3 5,

2
= 17 5,
i 1 =

18


E a terceira :

( ) ( )
n

i 1=
Y
i
Y
2
n
=

Y
2

i
i 1 =
2
Yn

Logo:

n

(
)
i
Y Y

2
= 1111 6 12 5,

2
= 173 5,
i 1 =


( )X X ( )[ ]Y
n
Y
i i
r =
i 1 =
=
54 5,
= 0 989,
( )
2
( )
2

17 5,

173 5,

n
i
X X
n
Y
i
Y
i 1 1= =i
Novamente uma raiz quadrada pela frente.
Resposta: E

Quanto raiz quadrada, eu procuraria evit-la. Novamente, eu calcularia o
quadrado do coeficiente de correlao.

2 2
r
2
=
54 5,

55
=
3025
= 0 966,

17 5 , 173 5, 18 174 3132

E testaria as alternativas. Neste caso especfico, nem precisaria.

Sem fazer qualquer conta, as alternativas A, B, C e D j so descartadas porque
apresentam valores menores que 0,966 que, quando elevados ao quadrado, ficaro
ainda menores.

Isto porque sempre que elevamos um nmero que pertence ao intervalo (0;1) ao
quadrado, ele diminui.

EC 3

Perito Criminal. Formao em estatstica. SEAD/PA. [CESPE]

Considere que

X
1
,

X
2
, ...,

n
X seja uma seqncia de variveis aleatrias, em que
P( X
k

= )1 = 0
80,
e P( X
k

= )0 = ,0 2 , para k = 1, 2, ..., n. Sabe-se, ainda, que
P( X
j
= ,1 X
k

= )1 = 0
60 ,

para j k , j e k = 1, 2, ..., n.

A partir das informaes do texto, correto afirmar que a correlao linear entre
X
j
e X
k
, em que
j k , para j e k = 1, 2, ..., n, igual a:
a) -0,04
b) -0,25
c) 0,25
d) 0,04

19


Como o enunciado envolve conceitos que no estudamos, vamos adaptar a
questo.

Enunciado adaptado:
Considere o seguinte conjunto de observaes das variveis X e Y:
X Y
0 1
1 0
1 1
1 1
1 1

A partir das informaes acima, calcule o coeficiente de correlao linear entre X e
Y.
a) -0,04
b) -0,25
c) 0,25
d) 0,04

Prova do CESPE (de mltipla escolha!).
Vamos calcular as mdias de X e Y.

5

X
i
X =
i 1=
=
4
= 0 8,
5 5

5
i
Y

Y =
i 1=
=
4
= 0 8,
5 5

A partir dos dados fornecidos, podemos montar a seguinte tabela:

YX
X X

Y Y

(X X ) (Y Y )

(X X )
2

( )Y Y
2

0 1 -0,8 0,2 -0,16 0,64 0,04
1 0 0,2 -0,8 -0,16 0,04 0,64
1 1 0,2 0,2 0,04 0,04 0,04
1 1 0,2 0,2 0,04 0,04 0,04
1 1 0,2 0,2 0,04 0,04 0,04
TOTAL -0,2 0,8 0,8


20


( )X X ( )[ ]Y
n
Y
i i
r =
i 1=
=
,0 2
=
,0 2
= 1
/ 4 = ,0 25
( ) ( )

0 8,

0 8,

0 8,

n
2

i
X X
n
2
Y
i
Y
i 1 1= =i

Resposta: B.

EC 4

Tcnico de estatstica e aturia. Instituto de Gesto Previdenciria do Estado do
Par 2005 [CESPE].

Considere que r(x,y) seja o coeficiente de correlao entre duas variveis aleatrias
x e y. Nesse caso, se a e b so dois nmeros reais, ento o coeficiente de
correlao r(ax, by) igual a:

a) ab r ( x, y)

b) a
2
b
2
r( x, y)

c) r ( x, y) , se

ab > 0

d)
ab
r ( x, y)
a + b

r ( x, y)
e)
ab

Vamos partir da frmula do coeficiente de correlao:

( )X X ( )[ ]Y
n
Y
i i
r =
i =1
2
n n
2
( ) ( )

i
X X Y
i
Y
i = =i1 1

Esta a correlao entre x e y.

Vamos criar duas outras variveis. A varivel P e a varivel Q.

P = aX

Q = bY

Onde a e b so duas constantes positivas.

Vamos agora calcular o coeficiente de correlao entre P e Q.

( ) ( )[ ]
n
P
i
P Q
i
Q
r ' =
i =1
2
n n
2
( ) ( )

P
i
P Q
i
Q
i = =i1 1
Modifiquei o smbolo do coeficiente para diferenciarmos do coeficiente anterior.
Substituindo os valores de P e Q:

21


( )aX
a X ( )[
]bY
n

Yb
i i
r ' =
i =1
2
n n
2
( ) ( )

aX
i
a X
i
bY Yb
i = =i1 1

Colocando a e b em evidncia:

a ( )( )X X b ( )( )[ ]Y
Y
n

i i
r ' =
i =1
( ( ) ) ( ( ) )

n
2

2
a X
i
X
n
2

2
b
i
Y Y
i = =i1 1

Tirando a e b do somatrio:

a b

( )X X ( )[ ]Y Y
n

i i
r ' =
i =1
2 2
n
2
n
2
( ) ( )

ba X
i
X Y
i
Y
i = =i1 1

a b

( )X X ( )[ ]Y
n
Y
i i
r ' =
i =1
2
n n
2
( ) ( )

ba X
i
X Y
i
Y
i = =i1 1

Cortando a e b:

( )X X ( )[ ]Y Y
n

i i
r ' =
i =1
2
n n
2
( ) ( )

i
X X Y
i
Y

r' = r
i = =i1 1

Ou seja, o fato de multiplicarmos cada uma das variveis por constantes no altera
o coeficiente de correlao.

Este passo a passo tambm vale se a e b forem negativas. Mas se a e b tiverem
sinais opostos, a o novo coeficiente de correlao fica com sinal invertido. Ficaria
assim:

r ' = r

Creio que a questo dava para ser resolvida sem fazermos contas. Bastava pensar
num caso de relao linear perfeita entre x e y (r = 1). O grfico que relaciona x e
y uma reta.

Se multiplicarmos cada uma dessas variveis por uma constante positiva,
estaremos alterando esta reta. A reta mudar completamente. Mas no deixar de
ser uma reta. Ou seja, a relao linear continuar sendo perfeita. E o coeficiente de
correlao continuar sendo igual a 1.

22


Se multiplicarmos a varivel x por 2 e a varivel y por -5 (constantes com sinais
opostos), a relao linear tambm continuar sendo perfeita. Mas se a reta
inicialmente era crescente (r=1), ficar decrescente (r=-1). E vice versa.

Resposta: C.

EC 5
Enfermeiro pleno. Petrobrs 2004 [CESPE]
Julgue o item que segue:

O coeficiente de correlao de Pearson usado para medir o grau de linearidade
(associao) entre duas variveis (eventos), podendo assumir qualquer valor entre
+1 e 1. Os valores de coeficientes iguais a +1 e -1 indicam, respectivamente,
relao linear perfeita e ausncia total de relao linear entre as variveis.

Questo errada. O coeficiente igual a -1 indica tambm uma relao linear perfeita.
S que a reta que representa a funo entre as duas variveis decrescente. Quando
o coeficiente de correlao assume o valor zero que temos um indicativo de
ausncia total de relao linear.

Resposta: ERRADO

EC 6

Fiscal de Obras e Urbanismo. Prefeitura de Rio Branco [CESPE]

A anlise de regresso linear simples e a anlise de correlao so tcnicas
freqentemente usadas na interpretao de pares de dados. Com relao a essas
tcnicas, julgue os itens a seguir.

104 O coeficiente de correlao mede o grau de associao entre duas variveis.

[...]

O coeficiente de correlao mede o grau de relao linear entre duas variveis. O
exerccio est chamando essa relao linear de associao. Questo correta.
Resposta: CERTO.

EC 7

Analista TCU 2008 [CESPE]

Uma agncia de desenvolvimento urbano divulgou os dados apresentados na tabela
a seguir, acerca dos nmeros de imveis ofertados (X) e vendidos (Y) em
determinado municpio, nos anos de 2005 a 2007.

Ano

Nmero de imveis
Ofertados (X) Vendidos (Y)
2005 1.500 100
2006 1.750 400
2007 2.000 700

Considerando as informaes do texto, julgue os itens subseqentes.

[...]

207. O coeficiente de correlao linear entre X e Y inferior a 0,8.

23


Questo da recente prova do TCU. Para quem tiver interesse, eu deixei no site do
Ponto uma srie de comentrios s questes dessa prova.
As mdias de X e Y ficam:

X =
1
500.

+ 1 750 .
3

+ 2 000.
= 1 750.

Y =
100 + 400 + 700
= 700

3

Podemos montar a seguinte tabela:

Ano
X Y

X X

Y Y

(X X ) (Y Y )

(X X )
2

( )Y Y
2

05 1.500 100 -250 -300 75.000 62.500 90.000
06 1.750 400 0 0 0 0 0
07 2.000 700 250 300 75.000 62.500 90.000
TOTAL 150.000 125.000 180.000


( ) ( )[ ]
n
i
X X Y
i
Y
r =
i =1
2
n n
2
( ) ( )

i
X X Y
i
Y
i = =i1 1

r =
150 000 .
125
000.
180 000.

r =
150
125 180

r =
150
5
3
5 6
2

r =
150
=
150
= 1

25 6 150
O coeficiente de correlao superior a 0,8. O item est errado.
Resposta: ERRADO.

As contas foram relativamente tranqilas.
S um detalhe. Era possvel resolver a questo sem fazer contas. Note como os
valores de X e Y esto exatamente ao longo de uma reta. Para cada variao de

250 em X, temos uma variao de 300 em Y. Ou seja, os trs pares ordenados
fornecidos esto ao longo de uma mesma reta. Para deixar mais claro, segue o
grfico:

24


O coeficiente de correlao linear nos d uma medida de quo forte a relao
linear entre duas variveis. Acontece que, para os valores fornecidos, temos uma
relao linear perfeita ( exatamente uma reta). Por isso j dava para falar que
este coeficiente igual a 1.

Portanto, o coeficiente no inferior a 0,8. Item errado.

EC 8

Estatstico IBGE 1999

Se X uma varivel aleatria e Y = 5 2X, ento o coeficiente de correlao linear
entre X e Y igual a:

(A) 2,5

(B) 1,0

(C) 0

(D) 0,4

(E) 1,0

Temos uma relao linear perfeita entre X e Y. Se desenharmos o grfico teremos
exatamente uma reta. Portanto, o coeficiente de correlao linear s pode ser 1 ou
-1.

Como a reta decrescente, a relao inversa (quando uma varivel aumenta a
outra diminui). Portanto o coeficiente de correlao -1.

Resposta: E.

E o nosso curso acaba aqui. Quando sair o edital, se houver a incluso da regresso
linear, eu monto mais uma aula. E vou continuar no frum respondendo s dvidas.

Na seqncia trago os livros que usei para montar o curso.

A cabe uma explicao. Alguns livros eu consultei para montar este curso. Ou seja,
consultei enquanto fazia estas seis aulas.

25


Outros, eu consultei apenas quando fiz o curso de estatstica para o TCU, que
incluiu tambm estatstica inferencial. Como eu aproveitei algumas aulas do curso
do TCU para fazer este curso para a Receita, vou citar todos os livros para no
cometer injustias.

Estatstica Pedro Luiz de Oliveira Costa Neto

Estatstica Aplicada Administrao William J Stevenson

Estatstica Aplicada Economia, Administrao e Contablidade - John Freund e
Gary Simon
Estatstica Bsica Wilton de O. Bussab e Pedro A Morettin
Estatstica Geral e Aplicada Gilberto de Andrade Martins
Estatstica para Economistas Rodolfo Hoffmann
Fundamentos de Estatstica Ronald Wonnacott

Tcnicas de Amostragem William Cochran

Apostila de estatstica da Central de Concursos

Bons estudos!
Vtor.

26


LISTA DAS QUESTES DE CONCURSOS UTILIZADAS

1.

AFRF 2005

Para uma amostra de dez casais residentes em um mesmo bairro, registraram-se
os seguintes salrios mensais (em salrios mnimos):
Identificao do
casal
Salrio do marido
(Y)
Salrio da esposa
(X)
1 2 3 4 5 6 7 8 9 10

30 25 18 15 20 20 21 20 25 27

20 25 12 10 10 20 18 15 18 23

Sabe-se que:

10

i 1=

10
i
Y

2
=

i 1=

10

i 1=

10

i 1=

i
X
2
=

10

X
i i
Y

i 1=

= 3940

Assinale a opo cujo valor corresponda correlao entre os salrios dos homens
e das mulheres.
a) 0,72
b) 0,75
c) 0,68
d) 0,81
e) 0,78

2.

AFRF 96 [ESAF]

Considere a seguinte tabela que apresenta valores referentes s variveis X e Y,
porventura relacionadas.

X Y X
2
Y
2
XY
1 5 1 25 5
2 7 4 49 14
3 12 9 144 36
4 13 16 169 52
5 18 25 324 90
6 20 36 400 120
TOTAL 21 75 91 1111 317

27


Marque a opo que representa o coeficiente de correlao linear entre as variveis
x e y:
a) 0,903
b) 0,926
c) 0,947
d) 0,962
e) 0,989

3.

Perito Criminal. Formao em estatstica. SEAD/PA. [CESPE]

Considere que

X
1
,

X
2
, ...,

n
X seja uma seqncia de variveis aleatrias, em que
P( X
k

= )1 = 0
80,
e P( X
k

= )0 = ,0 2 , para k = 1, 2, ..., n. Sabe-se, ainda, que
P( X
j
= ,1 X
k

= )1 = 0
60,

para j k , j e k = 1, 2, ..., n.

A partir das informaes do texto, correto afirmar que a correlao linear entre
X
j
e X
k
, em que
j k , para j e k = 1, 2, ..., n, igual a:
a) -0,04
b) -0,25
c) 0,25
d) 0,04

4.

Tcnico de estatstica e aturia. Instituto de Gesto Previdenciria do Estado do
Par 2005 [CESPE].

Considere que r(x,y) seja o coeficiente de correlao entre duas variveis aleatrias
x e y. Nesse caso, se a e b so dois nmeros reais, ento o coeficiente de
correlao r(ax, by) igual a:

a) ab r ( x, y)

b) a
2
b
2
r( x, y)

c) r ( x, y) , se

ab > 0

d)
ab
r ( x, y)
a + b

r ( x, y)
e)
ab

5.
Enfermeiro pleno. Petrobrs 2004 [CESPE]
Julgue o item que segue:

O coeficiente de correlao de Pearson usado para medir o grau de linearidade
(associao) entre duas variveis (eventos), podendo assumir qualquer valor entre

28


+1 e 1. Os valores de coeficientes iguais a +1 e -1 indicam, respectivamente,
relao linear perfeita e ausncia total de relao linear entre as variveis.

6.

Fiscal de Obras e Urbanismo. Prefeitura de Rio Branco [CESPE]

A anlise de regresso linear simples e a anlise de correlao so tcnicas
freqentemente usadas na interpretao de pares de dados. Com relao a essas
tcnicas, julgue os itens a seguir.

O coeficiente de correlao mede o grau de associao entre duas variveis.

7.

Analista TCU 2008 [CESPE]

Uma agncia de desenvolvimento urbano divulgou os dados apresentados na tabela
a seguir, acerca dos nmeros de imveis ofertados (X) e vendidos (Y) em
determinado municpio, nos anos de 2005 a 2007.

Ano

Nmero de imveis
Ofertados (X) Vendidos (Y)
2005 1.500 100
2006 1.750 400
2007 2.000 700

Considerando as informaes do texto, julgue os itens subseqentes.

[...]

O coeficiente de correlao linear entre X e Y inferior a 0,8.

8.

Estatstico IBGE 1999

Se X uma varivel aleatria e Y = 5 2X, ento o coeficiente de correlao linear
entre X e Y igual a:

(A) 2,5

(B) 1,0

(C) 0

(D) 0,4

(E) 1,0

GABARITO DAS QUESTES DE CONCURSOS

1 B
2 E
3 B

4 C
5 ERRADO
6 CERTO

7 ERRADO
8 - E

29


ANEXO
Trago neste anexo a forma de se obterem as igualdades apresentadas no quadro 1.
A frmula do coeficiente de correlao :

( ) ( )[ ]
n
i
X X Y
i
Y
r =
i =1
2
n n
2
( ) ( )

i
X X Y
i
Y
i = =i1 1

Vejamos s o numerador da frmula:

( ) ( )[ ]
n
X
i
X
i =1
Y
i
Y

Manipulando um pouquinho o somatrio, ficamos com:

( )
( )[
]
n

n
=

(
)

+
X
i
X
i =1
Y
i
Y

X
i i
Y
i =1
X
i
Y

X
i
Y X Y

Separando o somatrio da soma em soma de somatrios:

( )X X
( )[
]Y Y

= (
)

X Y

X Y

XY + X Y
nn n n n

ii i i i i
i =1 i = =i =1 i =1 i1
1

Tirando os valores de mdia dos somatrios:

( )
( )[
]
n

n n
=

( )

n n

X
i
X
i =1
Y
i
Y

X
i i
Y
i =1
Y X
i

i =1
X
i
Y
i =1
YX 1
i =1

( )X X (
)[
]
Y
n
Y
n
(
)X Y

Y n X

X Yn

YX n
i

i =1

i
=

i =1
i i

+

Reescrevendo os termos semelhantes:

( )X X (
)[
]Y
n
Y

n
(
)X Y

n X Y

n X Y

n X Y
i

i =1

i
=

i =1
i i
+

( )X X (
)[
]Y
n
Y

n
(
)X Y

n X Y
i

i =1

i
=

i =1
i i

E esta a primeira igualdade do quadro 1.
Vejamos agora s o denominador:

2
n n
2
( ) ( )

i
X X Y
i
Y
i = =i1 1

Aqui temos exatamente a mesma transformao vista no Anexo da aula 03.

(
)

=

( )

+

n
2

X
i
X
i =1
n

i =1
i
X
2

n
X2 X
i

i =1
n
2

X
i =1

( ) ( )
n n

i 1=
X
i
X

2
=

X
2

i
i 1 =
2 X

n X

2
+ n X

30


( )
n
2
X
i
X
i 1 =

=

( )
n
2
X
2
i
n X
i 1 =

De forma anloga:

(
)
n

=

( )
n
2
Y
i
Y
=i 1
2
Y
2
i
nY
=i 1

Quadro 2 Igualdades envolvendo somatrio

Transformaes importantes:

( )X X (
)[
]Y
n
Y

n
(
)X Y

n X Y
i

i =1

i
=

i =1
i i

( )
n
2
X
i
X
i 1 =

=

( )
n
2
X
2
i
n X
i 1 =

(
)
n

=

( )
n
2
Y
i
Y
=i 1
2
Y
2
i
nY
=i 1

Aula 06

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Aula 06

Încărcat de

Drepturi de autor:

Formate disponibile

Pont o dos Conc ur sos

S-ar putea să vă placă și