Estatística Descritiva Bivariada

image

Medidas de associação

Estatística qui-quadrado

A estatística qui-quadrado (X2) mede a discrepância entre uma tabela de contingência observada e uma tabela de contingência esperada, partindo da hipótese de que não há associação entre as variáveis estudadas. Se a distribuição de frequências observadas for exatamente igual à distribuição de frequências esperadas, o resultado da estatística qui-quadrado é zero. Assim, um valor baixo de X2 indica independência entre as variáveis.

Coeficiente Phi

Para que Phi varie apenas entre O e 1, é necessário que a tabela de contingência seja de dimensão 2 X 2.

Coeficiente de contingência

tem como limite inferior o valor O, indicando que não existe relação entre
as variáveis, porém o limite superior de C varia em função da quantidade de categorias, de modo que:

Coeficiente V de Cramer

image

0 <= V <= 1

Ou seja, e seu valor está sempre limitado ao intervalo [O, 1], independentemente da quantidade de categorias nas linhas e colunas:

Diferenetemente da contingencia e do Phi

O coeficiente de Spearman

image

-1 = associação linear negativa perfeita entre as variáveis X e Y

0 = não existe associação entre as variáveis X e Y

1 = associação linear positiva perfeita entre as variáveis X e Y

Bem parecida com o coeficiente de Pearson

CORRELAÇÃO ENTRE DUAS VARIÁVEIS QUANTITATIVAS

diagrama de dispersão

a) se existe ou não alguma relação entre as variáveis em estudo;

b) o tipo de relação entre as duas variáveis, isto é, a direção em que a variável Y aumenta ou diminui em função da variação de X;

c) o grau de relação entre as variáveis;

d) a natureza da relação (linear, exponencial, etc.).

Covariância

A covariância mede a variação conjunta entre duas variáveis quantitativas X e Y

Uma das limitações da covariância é que a medida depende do tamanho da amostra, podendo levar a uma estimativa ruim em casos de pequenas amostras. O coeficiente de correlação de Pearson é a alternativa para esse problema

Coeficiente de correlação de Pearson

é uma medida que varia entre -1 e 1. Por meio do sinal, é possível verificar o tipo de relação linear entre as duas variáveis analisadas (direção em que a variável Y aumenta ou diminui em função da variação de X); quanto mais próximo dos valores extremos, mais forte é a correlação entre elas

Logo:

Se p for positivo, existe uma relação diretamente proporcional entre as variáveis; se p = 1, tem-se uma correlação linear positiva perfeita.

Se p for negativo, existe uma relação inversamente proporcional entre as variáveis; se p = -1, tem-se uma correlação linear negativa perfeita.

Se p for nulo, não existe correlação entre as variáveis.

image