Questões de Concurso
Sobre covariância, correlação em estatística
Foram encontradas 268 questões
Texto 7A3-I
O coeficiente de correlação linear de Pearson entre duas variáveis aleatórias discretas X e Y definidas sobre um mesmo espaço amostral é dado por
Uma forma de avaliar a precisão do modelo consiste em
comparar o estimador não viesado da variância residual, obtido das
diferenças entre os valores observados e os previstos pelo modelo,
com o estimador não viesado da variância dos valores observados, 
A tabela a seguir apresenta as penas de reclusão (P), em anos, cominadas a um grupo de dez réus, e suas respectivas rendas familiares mensais per capitas (R), em número de salários mínimos, em que a última coluna foi obtida usando a reta ajustada pelo método dos mínimos quadrados.
Texto 7A3-I
O coeficiente de correlação linear de Pearson entre duas variáveis aleatórias discretas X e Y definidas sobre um mesmo espaço amostral é dado por
Uma forma de avaliar a precisão do modelo consiste em
comparar o estimador não viesado da variância residual, obtido das
diferenças entre os valores observados e os previstos pelo modelo,
com o estimador não viesado da variância dos valores observados,
A tabela a seguir apresenta as penas de reclusão (P), em anos, cominadas a um grupo de dez réus, e suas respectivas rendas familiares mensais per capitas (R), em número de salários mínimos, em que a última coluna foi obtida usando a reta ajustada pelo método dos mínimos quadrados.
Texto 7A3-I
O coeficiente de correlação linear de Pearson entre duas variáveis aleatórias discretas X e Y definidas sobre um mesmo espaço amostral é dado por
Uma forma de avaliar a precisão do modelo consiste em
comparar o estimador não viesado da variância residual, obtido das
diferenças entre os valores observados e os previstos pelo modelo,
com o estimador não viesado da variância dos valores observados,
A tabela a seguir apresenta as penas de reclusão (P), em anos, cominadas a um grupo de dez réus, e suas respectivas rendas familiares mensais per capitas (R), em número de salários mínimos, em que a última coluna foi obtida usando a reta ajustada pelo método dos mínimos quadrados.
Texto 7A3-I
O coeficiente de correlação linear de Pearson entre duas variáveis aleatórias discretas X e Y definidas sobre um mesmo espaço amostral é dado por
Uma forma de avaliar a precisão do modelo consiste em
comparar o estimador não viesado da variância residual, obtido das
diferenças entre os valores observados e os previstos pelo modelo,
com o estimador não viesado da variância dos valores observados,
A tabela a seguir apresenta as penas de reclusão (P), em anos, cominadas a um grupo de dez réus, e suas respectivas rendas familiares mensais per capitas (R), em número de salários mínimos, em que a última coluna foi obtida usando a reta ajustada pelo método dos mínimos quadrados.
Texto 7A3-I
O coeficiente de correlação linear de Pearson entre duas variáveis aleatórias discretas X e Y definidas sobre um mesmo espaço amostral é dado por
Uma forma de avaliar a precisão do modelo consiste em
comparar o estimador não viesado da variância residual, obtido das
diferenças entre os valores observados e os previstos pelo modelo,
com o estimador não viesado da variância dos valores observados,
A tabela a seguir apresenta as penas de reclusão (P), em anos, cominadas a um grupo de dez réus, e suas respectivas rendas familiares mensais per capitas (R), em número de salários mínimos, em que a última coluna foi obtida usando a reta ajustada pelo método dos mínimos quadrados.
No modelo de regressão linear simples na forma matricial Y = Xβ + ε , Y denota o vetor de respostas, X representa a matriz de delineamento (ou matriz de desenho), β é o vetor de coeficientes do modelo e ε é o vetor de erros aleatórios independentes e identicamente distribuídos. Tem-se também que X´Y =
e (X´X) -1 =
em que X´ é a matriz transposta de X. Com base nessas informações, julgue o próximo item, considerando que a variância do erro aleatório é 
A estimativa do vetor de coeficientes é 
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.
Com apoio dos resultados estatísticos contidos na tabela abaixo, responder a questão.
Para duas variáveis X e Y, foi calculado:
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.
A investigação do número diário de navios que partem de um porto concluiu que a série segue o processo AR(1)
Xt = μ + ϕXt−1 + ... + εt
onde εt é ruído branco.
A função de autocorrelação amostral dos dados analisados apresenta os seguintes valores:
Com base nas informações acima, a estimativa do parâmetro
φ obtida pelo método dos momentos é
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.
Conheça nossos planos