Esse tipo de dados aparece o tempo todo em situa\u00e7\u00f5es do mundo real e normalmente usamos os seguintes m\u00e9todos para analisar esse tipo de dados:<\/span><\/p>\n Os exemplos a seguir mostram diferentes cen\u00e1rios em que dados bivariados aparecem na vida real.<\/span><\/p>\n As empresas frequentemente coletam dados bivariados sobre o dinheiro total gasto em publicidade e a receita total.<\/span><\/p>\n Por exemplo, uma empresa pode coletar os seguintes dados durante 12 trimestres de vendas consecutivos:<\/span> <\/p>\n Este \u00e9 um exemplo de dados bivariados porque cont\u00e9m informa\u00e7\u00f5es sobre exatamente duas vari\u00e1veis: gastos com publicidade e receita total.<\/span><\/p>\n A empresa pode decidir ajustar um modelo de regress\u00e3o linear simples<\/a> a este conjunto de dados e encontrar o seguinte modelo ajustado:<\/span><\/p>\n Receita total = 14.942,75 + 2,70* (despesas com publicidade)<\/span><\/p>\n Isso indica \u00e0 empresa que, para cada d\u00f3lar adicional gasto em publicidade, a receita total aumenta em m\u00e9dia US$ 2,70.<\/span><\/p>\n Os pesquisadores m\u00e9dicos geralmente coletam dados bivariados para compreender melhor a rela\u00e7\u00e3o entre as vari\u00e1veis relacionadas \u00e0 sa\u00fade.<\/span><\/p>\n Por exemplo, um pesquisador pode coletar os seguintes dados de idade e frequ\u00eancia card\u00edaca restantes de 15 pessoas:<\/span> <\/p>\n O pesquisador pode ent\u00e3o decidir calcular a correla\u00e7\u00e3o entre as duas vari\u00e1veis e encontr\u00e1-la igual a 0,812<\/strong> .<\/span><\/p>\n Isso indica que existe uma forte correla\u00e7\u00e3o positiva entre as duas vari\u00e1veis. Ou seja, \u00e0 medida que a idade aumenta, a frequ\u00eancia card\u00edaca remanescente tamb\u00e9m tende a aumentar de forma previs\u00edvel.<\/span><\/p>\n Relacionado:<\/strong><\/span> O que \u00e9 considerado uma correla\u00e7\u00e3o \u201cforte\u201d?<\/a><\/p>\n Os pesquisadores costumam coletar dados bivariados para entender quais vari\u00e1veis afetam o desempenho dos estudantes universit\u00e1rios.<\/span><\/p>\n Por exemplo, um pesquisador pode coletar dados sobre o n\u00famero de horas estudadas por semana e o GPA correspondente para os alunos de uma determinada turma:<\/span> <\/p>\n Ela pode ent\u00e3o criar um gr\u00e1fico de dispers\u00e3o simples para visualizar a rela\u00e7\u00e3o entre essas duas vari\u00e1veis:<\/span> <\/p>\n H\u00e1 claramente uma associa\u00e7\u00e3o positiva entre as duas vari\u00e1veis: \u00e0 medida que aumenta o n\u00famero de horas estudadas por semana, o GPA do aluno tamb\u00e9m tende a aumentar.<\/span><\/p>\n Os economistas recolhem frequentemente dados bivariados para compreender a rela\u00e7\u00e3o entre duas vari\u00e1veis socioecon\u00f3micas.<\/span><\/p>\n Por exemplo, um economista pode recolher dados sobre o total de anos de escolaridade e o rendimento anual total dos indiv\u00edduos numa determinada cidade:<\/span> <\/p>\n Ele pode ent\u00e3o decidir adaptar o seguinte modelo de regress\u00e3o linear simples:<\/span><\/p>\n Renda anual = -45.353 + 7.120*(Anos de escolaridade)<\/span><\/p>\n Isto diz ao economista que por cada ano adicional de escolaridade, o rendimento anual aumenta em m\u00e9dia 7.120 d\u00f3lares.<\/span><\/p>\n Os bi\u00f3logos frequentemente coletam dados bivariados para entender como duas vari\u00e1veis est\u00e3o relacionadas entre plantas ou animais.<\/span><\/p>\n Por exemplo, um bi\u00f3logo pode recolher dados sobre a precipita\u00e7\u00e3o total e o n\u00famero total de plantas em diferentes regi\u00f5es:<\/span> <\/p>\n O bi\u00f3logo pode ent\u00e3o decidir calcular a correla\u00e7\u00e3o entre as duas vari\u00e1veis e encontr\u00e1-la igual a 0,926<\/strong> .<\/span><\/p>\n Isso indica que existe uma forte correla\u00e7\u00e3o positiva entre as duas vari\u00e1veis.<\/span><\/p>\n Ou seja, uma maior precipita\u00e7\u00e3o est\u00e1 intimamente associada a um maior n\u00famero de plantas numa regi\u00e3o.<\/span><\/p>\n Os tutoriais a seguir fornecem informa\u00e7\u00f5es adicionais sobre dados bivariados e como analis\u00e1-los.<\/span><\/p>\n Introdu\u00e7\u00e3o \u00e0 An\u00e1lise Bivariada<\/a> Dados bivariados referem-se a um conjunto de dados contendo exatamente duas vari\u00e1veis. Esse tipo de dados aparece o tempo todo em situa\u00e7\u00f5es do mundo real e normalmente usamos os seguintes m\u00e9todos para analisar esse tipo de dados: Nuvens de pontos Coeficientes de correla\u00e7\u00e3o Regress\u00e3o linear simples Os exemplos a seguir mostram diferentes cen\u00e1rios em que […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2456","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo 1: Neg\u00f3cios<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bivarie11.png\")
<\/p>\n Exemplo 2: M\u00e9dico<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bivarie12.png\")
<\/p>\n Exemplo 3: acad\u00eamicos<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bivarie14.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bivarie13-1.png\")
<\/p>\n Exemplo 4: Economia<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bivarie15.png\")
<\/p>\n Exemplo 5: Biologia<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bivarie16.png\")
<\/p>\n Recursos adicionais<\/strong><\/span><\/h3>\n
Introdu\u00e7\u00e3o \u00e0 An\u00e1lise Univariada<\/a>
Introdu\u00e7\u00e3o ao Coeficiente de Correla\u00e7\u00e3o de Pearson<\/a>
Introdu\u00e7\u00e3o \u00e0 regress\u00e3o linear simples<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"