1 / 13

Análise Bidimensional

AULA: 13-16. Análise Bidimensional. Prof. Víctor Hugo Lachos Dávila. Introdução. Freqüentemente estamos interessados em analisar duas variáveis conjuntamente. P.E. nos dados da empresa podemos estar interessados em comparar os salários dos casados e solteiros.

morton
Télécharger la présentation

Análise Bidimensional

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. AULA: 13-16 Análise Bidimensional Prof. Víctor Hugo Lachos Dávila

  2. Introdução • Freqüentemente estamos interessados em analisar duas variáveis conjuntamente • P.E. nos dados da empresa podemos estar interessados em comparar os salários dos casados e solteiros. • Quando consideramos duas variáveis, podemos ter 3 situações e as técnicas de análise são diferentes. • a) as duas qualitativas (tabela de contingência) • b) as duas quantitativas (gráficos de dispersão) • c) uma qualitativa e outra quantitativa (tabela de contingência) • É possível quantificar a relação entre as variáveis em estudo

  3. Variáveis Qualitativas • Analisamos o comportamento conjunto de X: grau de instrução e Y: região de procedência. Tabela 1:Tabela de freqüências absolutas das variáveis X e Y Tabela de dupla entrada • Podemos construir tabelas de freqüências relativas. • Existe varias possibilidades de construção e depende do objetivo do problema.

  4. Relativa ao total geral Tabela 1:Tabela de freqüências relativas ao total geral das variáveis X e Y • 11% dos empregados vêm da capital e tem ensino fundamental. • 31% dos indivíduos vêm da capital, 33% do interior e 36% de outras regiões. • 33% tem ensino fundamental.

  5. Relativa ao total de colunas Tabela 1:Tabela de freqüências relativas ao total de coluna das variáveis X e Y • Entre os empregados com instrução até o ensino fundamental, 33% vêm da capital. • Entre os empregados com ensino médio, 28% vêm da capital. • Comparamos a distribuição da procedência conforme o grau de instrução. • De modo análogo, podemos construir a distribuição do grau de instrução conforme a procedência.!!!

  6. Gráfico 1:Distribuição da região de procedência por grau de instrução

  7. Associação entre variáveis qualitativas Exemplo: Queremos verificar se existe ou não associação entre o sexo (X) e a carreira escolhida (Y) por 200 alunos de economia e administração Tabela 4:Tabela de freqüências absolutas (relativas) dos alunos segundo o sexo (X) e curso escolhido (Y) • Independente do sexo 60% preferem economia e 40% preferem administração. • No sexo masculino essas proporções são 61% e 39% e no feminino 58 e 42%, as quais são próximas d e 60 e 40 (marginais) • Forte indicio de não haver dependência entre as variáveis sexo e curso (não associadas)

  8. Exemplo: Queremos verificar se existe ou não associação entre o sexo (X) e a carreira escolhida (Y) por 200 alunos de Física e Ciências Sociais Tabela 5:Tabela de freqüências absolutas (relativas) dos alunos segundo o sexo (X) e curso escolhido (Y) • Independente do sexo 60% preferem economia e 40% preferem administração. • No sexo masculino essas proporções são 71% e 29% e no feminino 33 e 67%. Disparidade bem acentuada nas proporções • Forte indicio de haver dependência entre as variáveis sexo e curso (associadas)

  9. Exemplo: Queremos verificar se a criação de determinado tipo de cooperativa está associada com algum fator regional Tabela 6:Cooperativas autorizadas a funcional por tipo e estado • Notamos que existe certa associação entre as variáveis. • Caso não houvesse associação, esperaríamos que em cada estado tivéssemos 24% de escolas e 12% de outros tipos. • Assim, o número esperado de cooperativas de consumidores no estado de São Paulo seria 648*0.24=156 e no Paraná 301*0.24=72....

  10. Tabela 7:Valores esperados assumindo independência entre as variáveis tipo de cooperativa e fator regional • Notamos fortes discrepâncias entre os valores observados (O), e esperados (E) assumindo que as variáveis não fossem associadas. • Uma medida de afastamento global pode ser dada pela soma de todas essas medidas. (Qui-quadrado de Pearson) • . Um valor grande de X2 indica associação entre as variáveis. No exemplo acima temos:

  11. Associação entre variáveis quantitativas • Quando as duas variáveis são quantitativas podemos usar o mesmo tipo de análise para variáveis qualitativas. (transformando as variáveis) • Uma ferramenta bastante útil é o gráfico de dispersão. • Exemplo: Tabela 8: Número de anos de serviço (X) por número de clientes (Y) de agentes de uma companhia de seguros • Notamos que à medida que aumenta o tempo de serviço, aumenta o número de clientes, logo parece haver uma associação entre essas variáveis

  12. Gráfico 2: Gráfico de dispersão para as variáveis X: anos de serviço e Y: número de clientes Gráfico 3: Tipos de associações entre duas variáveis

  13. Coeficiente de correlação Nun conjunto de dados com n pares de valores para as variáveis Xe Y o coeficiente de correlação (r) que mede a dependência linear entre elas é calculado como: Propriedades • é sempre um número entre -1 e 1 • Correlação igual a zero não indica independência entre as variaveis • |r| próximo a 1, indica alta associação entre as variáveis • |r| próximo a 0, indica não associação entre as variáveis • |r| próximo a 0.5, indica associação moderada

More Related