Questões de Concurso
Sobre covariância, correlação em estatística
Foram encontradas 280 questões
Considerando a tabela a seguir, qual o coeficiente de correlação para as variáveis X e Y?
E(X) |
E(Y) |
E(XY) |
E(Y2) |
E(X2) |
1,9 |
2,4 |
4,5 |
10,7 |
10,6 |
Considere as variáveis aleatórias X: nota na disciplina de Estatística e Y: nota na disciplina de matemática. Essas variáveis foram observadas em 5 alunos, ao final do semestre. Os dados estão apresentados a seguir.
X 4,0 5,0 6,0 7,0 8,0
Y 3,0 4,0 7,0 8,0 10,
Calcule o coeficiente de correlação de Pearson.
Teoria 8 3 9 2 7 10 4 6 1 5 Prática 9 5 10 1 8 7 3 4 2 6
Qual é o coeficiente de correlação de postos
A análise de ____________ permite estudar a relação entre dois conjuntos de valores e quantificar o quanto um está relacionado com o outro, no sentido de determinar a intensidade e a direção dessa relação. Isto é, essa análise indica se, e com que intensidade, os valores de uma variável aumentam ou diminuem enquanto os valores da outra variável aumentam ou diminuem.
Assinale a alternativa que completa corretamente a lacuna do texto acima.
A respeito dessa situação hipotética, julgue o próximo item, sabendo que b > 0 e que o desvio padrão amostral da variável X é igual a 2.
A estimativa do coeficiente angular b, pelo método de mínimos
quadrados ordinários, é igual a 0,25.
A respeito dessa situação hipotética, julgue o item a seguir.
O coeficiente de explicação do modelo (R2 ) foi superior a 0,70.
Determinado estudo considerou um modelo de regressão linear simples na forma yi = β0 + β1xi + εi , em que yi representa o número de leitos por habitante existente no município i; xi representa um indicador de qualidade de vida referente a esse mesmo município i, para i = 1, ..., n. A componente εi representa um erro aleatório com média 0 e variância σ2 . A tabela a seguir mostra a tabela ANOVA resultante do ajuste desse modelo pelo método dos mínimos quadrados ordinários.
A partir das informações e da tabela apresentadas, julgue o item subsequente.
A correlação linear entre o número de leitos hospitalares por
habitante (y) e o indicador de qualidade de vida (x) foi igual
a 0,9.
A multicolinearidade é uma das dificuldades que pode ocorrer no processo de estimação de Modelos de Regressão Múltipla. Em casos mais severos, a multicolinearidade chega a impossibilitar a obtenção de estimativa, mas mesmo quando tal não se dá, outros problemas podem advir.
Como exemplo, seria possível dizer que:
Após estimado um Modelo de Regressão Múltipla e obtidas as estimativas dos parâmetros, o passo seguinte é a análise da variância, através das somas de quadrados. A propósito estão disponíveis as seguintes informações:
SQE = soma de quadrados da equação = 2.400
SQR = soma de quadrados dos resíduos = 1.600
Tamanho da amostra n = 41
Número de regressores = 8
P(F8,32 > 3 ) = 0,9874
Assim sendo, é correto afirmar que:
O modelo de regressão a seguir é formulado para que seja possível projetar a quantidade de novas ações que devem chegar ao TJ/AL, nos próximos anos.
A equação de regressão já é apresentada na sua versão final, com as estimativas dos parâmetros, junto com erros-padrão correspondentes:
Onde,
At= número de novas ações chegando ao TJ/AL no tempo t
PIBt = PIB na área de atuação do TJ/AL no tempo t
Eƒt =medida de eficiência do TJ/AL no tempo t
N = 100 (tamanho da amostra)
Todas as variáveis estão expressas em seus logaritmos.
Sobre os resultados e as perspectivas de uso do modelo, é
correto afirmar que:
Os pressupostos do modelo de regressão linear simples estão relacionados às propriedades dos estimadores de Mínimos Quadrados Ordinários (MQO), Melhor Estimador Linear Não Tendencioso (BLUE) e Máxima Verossimilhança (MV).
Sobre essas vinculações, é correto afirmar que:
A tabela a seguir mostra dados categorizados, organizados por uma administradora de cartões de crédito, a respeito da ocorrência de fraudes em compras online, de acordo com os critérios data e tipo de sítio.
Com referência aos dados apresentados, julgue o item que se segue.
A correlação entre as variáveis data e tipo de sítio, medida
pelo coeficiente de contingência de Pearson, é menor que 0,20.
Considerando que a estimativa da variância V seja igual a 6 e que o coeficiente de explicação do modelo (R quadrado) seja igual a 0,64, julgue o próximo item.
A correlação linear entre as variáveis x e y é igual a 0,5, pois
a reta invertida proporcionada pelo método de mínimos
quadrados ordinários é expressa por 
, para j = 1,2,...,26.
A função de probabilidade conjunta de duas variáveis aleatórias X e Y é dada por:
Assim, por exemplo, P[ X = 0; Y = 1 ] = 0,2.
O coeficiente de correlação entre X e Y é aproximadamente
igual a:
como um processo puramente aleatório, tal que 
, a
autocorrelação Y(1) é igual a 
O auto vetor normalizado correspondente à primeira componente principal da matriz Σ é dado por:
Conheça nossos planos