Abaixo você encontra uma lista de situações de pesquisa. Para cada uma delas indique se - apropriado é proceder uma análise de regressão ou uma de correlação. Justifique sua indicação.
0 tempo de treinamento influi no desempenho profissional?
0 tempo de treinamento influi no desempenho profissional?
Passo 1
O enunciado pergunta claramente: “Tempo de treinamento influi no desempenho profissional?”
Informações dadas (explicitamente ou implícitas):
Informações dadas (explicitamente ou implícitas):
- A variável explicativa (possível causa/preditor) é o tempo de treinamento — chamar de
. É uma variável numérica (tempo, por exemplo em horas). - A variável resposta (possível efeito/outcome) é o desempenho profissional — chamar de
. Geralmente medida por uma pontuação, produtividade, avaliação etc., também numérica. - A pergunta usa a palavra “influi”, ou seja há interesse em saber se alterações em
provocam/estão associadas a alterações em .
Não há dados concretos fornecidos no enunciado; apenas a estrutura da pergunta.
Passo 2
Decisão do método: é mais apropriado proceder com uma análise de regressão (mais precisamente regressão linear simples se a relação esperada for aproximadamente linear).
Justificativa curta (a ser detalhada nos passos seguintes): a pergunta é de tipo causal/efeito ou preditivo — queremos saber o efeito de sobre
(ou usar
para prever
). Correlação descreve apenas a associação simétrica entre duas variáveis, sem dar um modelo de previsão/efeito; regressão fornece um parâmetro (inclinação) que quantifica quanto muda a expectativa de
quando
muda, e permite teste formal de
.
Justificativa curta (a ser detalhada nos passos seguintes): a pergunta é de tipo causal/efeito ou preditivo — queremos saber o efeito de
Passo 3
Diferença entre correlação e regressão (didático, sem jargões):
- Correlação (coeficiente de Pearson
): - Mede a força e direção da associação linear entre duas variáveis de forma simétrica:
. - Se
é perto de , e tendem a aumentar juntos; se perto de , quando uma aumenta a outra diminui; perto de indica pouca associação linear. - Não fornece sentido de causa nem uma equação de previsão.
- Fórmula (conceito):
. Aqui e são as médias amostrais.
- Mede a força e direção da associação linear entre duas variáveis de forma simétrica:
- Regressão linear simples:
- Modelo:
-
é o valor médio de quando (intercepto), é a variação esperada em por unidade de aumento em (inclinação), é o erro aleatório. - Serve para estimar efeito (influência) de
sobre e para previsão de dado . - Permite testes estatísticos (por exemplo testar se
) e avaliar o ajuste (coeficiente de determinação ).
- Modelo:
Passo 4
Fórmulas práticas de regressão (o que você precisa saber e interpretar na prova):
- Estimadores por mínimos quadrados ordinários:
- Interpretação:
= aumento médio esperado em quando aumenta 1 unidade.
- Interpretação:
- Relação entre
e o coeficiente de correlação : onde e são os desvios-padrão amostrais de e . Assim e estão ligados, mas transmitem informações diferentes: é sem unidade, tem unidade de por unidade de .
Passo 5
Como testar formalmente se o tempo de treinamento “influi” (no sentido estatístico):
- Hipóteses:
- Estatística de teste (t):
com graus de liberdade.
A expressão prática para o erro padrão:onde - Rejeita-se
se for maior que o quantil crítico para graus de liberdade (ou se -valor nível ). Rejeitar indica evidência estatística de que o tempo de treinamento tem efeito linear sobre o desempenho.
Passo 6
Assunções da regressão que você precisa checar (e como checar de forma simples):
- Linearidade: ver o gráfico de dispersão
vs . Se os pontos seguirem uma tendência aproximadamente reta, ok. - Independência dos erros: depende do desenho amostral (dados independentes).
- Homoscedasticidade (variância constante dos erros): observar gráfico dos resíduos
vs valores ajustados; sem padrão de funil. - Normalidade dos erros (para testes e intervalos): checar histograma ou Q-Q plot dos resíduos; para amostras grandes, aspecto menos crítico (teorema do limite central).
Se as assunções forem muito violadas, considerar transformações ou métodos mais robustos.
Passo 7
Orientação prática passo a passo para fazer na prova (sem software):
- Fazer um gráfico de dispersão de
contra e observar tendência. - Calcular
e . - Calcular
e . - Obter
e pelas fórmulas do Passo 4. - Calcular resíduos
e , então . - Fazer o teste
para e/ou calcular -valor; interpretar. - Calcular
(se quiser) e para ver a fração de variância explicada.
Na prova, se pedirem só “influência”, explique: ajustei a regressão e testei; se rejeitado, conclui-se que há evidência estatística de influência (comentar direção pelo sinal de ).
Passo 8
Exemplo numérico pequeno (ilustrativo para fixar a conta, faça igual na prova):
- Suponha 4 observações:
, . - Médias:
, . - Calcular soma cruzada:
. - Calcular soma quadrada de
: . - Então
. Interpretação: em média, cada unidade de tempo de treinamento aumenta o desempenho em unidades (da medida de ). - Intercepto:
. - Correlação: aqui
e , ou seja da variação em está explicada pela variação linear em neste exemplo.
Esse exemplo mostra como as fórmulas funcionam e a diferença entre(medida de força) e (tamanho do efeito).
Passo 9
Resumo prático e recomendação final didática:
- Use análise de regressão quando a questão for “influi”, “afeta”, “prediz” — porque se quer estimar o efeito causal/preditivo e quantificá-lo (
). - Pode-se também reportar o coeficiente de correlação
como medida descritiva da força da associação, mas a resposta para “influi” deve vir da regressão (estimador + teste). - Em prova: desenhe o scatter, ajuste a reta com as fórmulas mostradas, interprete
e informe o resultado do teste para . Seja cuidadoso com as assunções e com a interpretação causal (observacional vs experimento aleatório).
Resposta
Regressão