Professional Documents
Culture Documents
dispersão
• Permite representar em simultâneo
variáveis de nível quantitativo;
• Permite ver se existe relação entre
elas;
• Se essa relação é linear ou não, e se
tem ou não outlieres que podem
distorcer os coeficientes de
correlação.
Correlação: Diagrama de
dispersão
Correlação: Diagrama de
dispersão
• Simple Scatter – Serve para representar duas
variáveis quantitativas.
Exemplo: Analisar o efeito que os níveis de stress
tem nas notas de uma disciplina.
• Overlay Scatter – Quando se pretende
representar no mesmo gráfico vários pares
de variáveis, em que se repete uma delas.
Exemplo: Supondo que os resultados de um
exame dependente não só dos níveis de
stress mas também do numero de horas de
estudadas.
Correlação: Diagrama de
dispersão
• Matrix Scatter – Quando existem vários
pares de variáveis. Permite ver todas
as combinações possíveis entre pares
de variáveis.
• A sua interpretação torna-se difícil
com mais de três variáveis
Correlação: Coeficiente R de
Pearson e R²
• Aplicável a variáveis de nível intervalo ou
rácio e exige:
a) Uma relação linear entre as duas variáveis;
b) Que os dados sejam oriundos de uma
distribuição normal bidimensional, para
poder se inferir.
NB: A violação da normalidade afecta pouco o
erro do tipo U e a potencia do teste,
especialmente para n > 30 (Jacob Cohen,
1988:109).
• Varia entre -1 e 1;
Correlação: Coeficiente R de
Pearson e R²
• O coeficiente igual a +1 significa que as
duas variáveis tem uma correlação
perfeita positiva, isto é, quando uma
aumenta a outra também aumenta em
media um valor proporcional;
• Quando o coeficiente é -1 significa que
uma relação linear negativa perfeita
entre ambas;
• Um coeficiente igual a zero significa que
não existe relação linear entre as
variáveis.
Correlação: Coeficiente R de
Pearson e R²
• Por convenção em ciências exactas
sugere-se:
Valor de R Nivel de associacao linear
R < 0.2 Muito baixa
0.2 < R < 0.39 Baixa
0.4 < R < 0.69 Moderada
0.7 < R < 0.89 Alta
0.9 < R < 1 Muito Alta