Questões de Concurso Sobre modelos lineares em estatística

Foram encontradas 563 questões

Q3206659 Estatística

As tabelas precedentes mostram as estimativas dos coeficientes e seus respectivos erros padrão proporcionados pelo método de mínimos quadrados ordinários em um modelo de regressão linear com um intercepto e 4 variáveis regressoras (X1, X2, X3 e X4) para modelar uma variável dependente Y. As tabelas mostram, ainda, o tamanho da amostra, o coeficiente de determinação (R2 ) e o erro quadrático médio desse modelo, que foi igual a 36. Com base nessas informações e nos dados das tabelas, julgue o item subsequente. 


Se a variável Y for considerada normal, e assumindo-se que a aproximação normal seja válida para a distribuição dos estimadores dos coeficientes do modelo, é correto concluir que todos os coeficientes são estatisticamente significativos com p-valores inferiores a 1%.

Alternativas
Q3206657 Estatística

As tabelas precedentes mostram as estimativas dos coeficientes e seus respectivos erros padrão proporcionados pelo método de mínimos quadrados ordinários em um modelo de regressão linear com um intercepto e 4 variáveis regressoras (X1, X2, X3 e X4) para modelar uma variável dependente Y. As tabelas mostram, ainda, o tamanho da amostra, o coeficiente de determinação (R2 ) e o erro quadrático médio desse modelo, que foi igual a 36. Com base nessas informações e nos dados das tabelas, julgue o item subsequente. 


O valor do R2 ajustado (R2ajustado) é superior a 60%. 

Alternativas
Q3188261 Estatística
A partir de um conjunto de dados de n pares de valores da forma (xi , yi ), i = 1, … , n, foi aplicado um modelo de regressão linear simples. Sejam   Imagem associada para resolução da questão  as médias dos valores xi e yi , i = 1, . . . , n, respectivamente.
Sabe-se que:
Imagem associada para resolução da questão

Considerando os dados acima, a equação resultante da regressão linear é dada por 
Alternativas
Q3185284 Estatística
O modelo de regressão linear simples pode ser usado para estimar a relação entre a média de uma variável dependente Y (por exemplo, o tempo de tramitação de processos) e uma variável explicativa X (por exemplo, carga de trabalho do Juiz ou o número de partes envolvidas) com base na informação de dados amostrais. Considerando Y1,Y2, . . . , Yn como variáveis aleatórias independentes, tal que Yi |Xi ~ Normal(βXi ,σ2), onde Xi é conhecido para todo i = 1, . . . ,n, assinale, a seguir, a alternativa que representa uma estatística conjuntamente suficiente para os parâmetros Βσ2.
Alternativas
Q3185280 Estatística
Um modelo de regressão linear múltipla foi desenvolvido para prever o tempo de tramitação de processos judiciais (em dias), com base na quantidade de páginas do processo e no número de partes envolvidas. Durante a análise de resíduos do modelo, o analista decide calcular a distância de Cook para identificar possíveis observações influentes. Nesse contexto, assinale a afirmativa correta. 
Alternativas
Q3185276 Estatística
Um modelo de regressão linear múltipla foi ajustado para prever o tempo de tramitação de processos judiciais (em dias), com base nas variáveis explicativas X1 = número de partes envolvidas no processo e X2 = quantidade de páginas do processo. Parte dos resultados obtidos após ajustar o modelo com base em uma amostra de tamanho 100 são apresentados na tabela a seguir:

Q38.png (368×120)

Além disso, o Fator de Inflação da Variância (VIF) associado à variável X1 foi calculado, retornando o valor 5,0. Com base nas informações fornecidas, assinale a afirmativa correta
Alternativas
Q3184895 Estatística

Determinado Juiz está analisando a eficácia de um modelo de regressão linear simples que prevê, para cada processo, o valor das indenizações com base no tempo de tramitação. O modelo apresenta um coeficiente de determinação igual a 0,81. Com base no valor obtido para esse coeficiente, analise as afirmativas a seguir.


I. O modelo explica 81% das variações nos valores das indenizações em relação aos valores reais observados.


II. O coeficiente de correlação linear de Pearson entre as variáveis envolvidas é 0,9.


III. Um coeficiente de determinação de 0,81 garante que o modelo não apresente problemas de multicolinearidade.


Está correto o que se afirma em

Alternativas
Q3166295 Estatística

1 > x <- c(2,1,3,5,6)

2 > y <- matrix(1:25, nrow = 5)

Com base no código precedente, escrito em R, em que os números à esquerda do sinal “>” indicam o número da linha do código, julgue o item a seguir, assumindo que a tecla Enter foi pressionada após cada linha de comando do código.


O comando x + 1 e o comando c(x,1) produzem o mesmo resultado.


Alternativas
Q3166294 Estatística

1 > x <- c(2,1,3,5,6)

2 > y <- matrix(1:25, nrow = 5)

Com base no código precedente, escrito em R, em que os números à esquerda do sinal “>” indicam o número da linha do código, julgue o item a seguir, assumindo que a tecla Enter foi pressionada após cada linha de comando do código.


O comando p <- x * y produzirá a variável p, que é a matriz produto resultante da multiplicação do vetor-linha x pela matriz y.  


Alternativas
Q3166288 Estatística

Julgue o item a seguir, em relação às técnicas de amostragem. 


A amostragem sistemática envolve a partição da população em grupos internamente homogêneos de igual tamanho, para evitar viés na estimativa dos parâmetros populacionais.

Alternativas
Q3166287 Estatística

A partir das informações precedentes, julgue os itens a seguir, considerando que uma amostra de tamanho n foi retirada da referida população, e assumindo que SQR1 representa a soma dos quadrados dos resíduos para o modelo sem Xi2Xi3Xi4 e Xi5 e que SQRrepresenta a soma dos quadrados dos resíduos para o modelo completo (incluindo Xi1 a Xi10). 


Q tem 4 categorias.

Alternativas
Q3166286 Estatística
A partir das informações precedentes, julgue os itens a seguir, considerando que uma amostra de tamanho n foi retirada da referida população, e assumindo que SQR1 representa a soma dos quadrados dos resíduos para o modelo sem Xi2Xi3Xi4 e Xi5 e que SQR2 representa a soma dos quadrados dos resíduos para o modelo completo (incluindo Xi1 a Xi10). 
Ao nível de significância de 5%, rejeitando-se a hipótese nula que β2 = 0, β3 = 0, β4 = 0 e β5 = 0 contra a alternativa de β2 ≠ 0 e(ou) β3 ≠ 0 e(ou) β4 ≠ 0 e(ou) β5 ≠ 0, usando um teste F com 4 graus de liberdade no numerador e n -  10 graus de liberdade no denominador e a estatística
Imagem associada para resolução da questão , é correto afirmar que Q é estatisticamente significante ao nível de significância de 5%.
Alternativas
Q3166285 Estatística
        Um modelo de regressão linear simples é especificado como Yi = a + Xi ∙ β + εi, em que Ei ] = 0 e Var[εi ] = δ2. Para estimadores a'   e β' , o valor predito para observação i (Y'i) com característica Xi é dado por Y'i = a' + Xi ∙ β' . O resíduo para observação i ( εi ) é definido como εi = Yi − Y'i . De uma amostra aleatória de tamanho 49, coletada da população desse modelo de regressão linear simples, obteve-se:

• ∑iYi − Y'i)2 = 17.173 e

• ∑iY'i - my)2) = 36.464,

em que my é a média amostral de Y.

Em relação às informações precedentes, julgue o próximo item, considerando que o percentil 95% de uma distribuição F, com 1 grau de liberdade no numerador e 47 graus de liberdade no denominador, é igual a 4,05, e que o percentil 95% de uma distribuição qui-quadrado com 47 graus de liberdade é 64.


i (Yi - my)2 = 53.637.

Alternativas
Q3166284 Estatística
        Um modelo de regressão linear simples é especificado como Yi = a + Xi ∙ β + εi, em que Ei ] = 0 e Var[εi ] = δ2. Para estimadores a'   e β' , o valor predito para observação i (Y'i) com característica Xi é dado por Y'i = a' + Xi ∙ β' . O resíduo para observação i ( εi ) é definido como εi = Yi − Y'i . De uma amostra aleatória de tamanho 49, coletada da população desse modelo de regressão linear simples, obteve-se:

• ∑iYi − Y'i)2 = 17.173 e

• ∑iY'i - my)2) = 36.464,

em que my é a média amostral de Y.

Em relação às informações precedentes, julgue o próximo item, considerando que o percentil 95% de uma distribuição F, com 1 grau de liberdade no numerador e 47 graus de liberdade no denominador, é igual a 4,05, e que o percentil 95% de uma distribuição qui-quadrado com 47 graus de liberdade é 64.


Se a correlação amostral entre os resíduos, ε'i , e Xi é igual a zero, isso indica que o modelo está bem especificado.

Alternativas
Q3166283 Estatística
        Um modelo de regressão linear simples é especificado como Yi = a + Xi ∙ β + εi, em que Ei ] = 0 e Var[εi ] = δ2. Para estimadores a'   e β' , o valor predito para observação i (Y'i) com característica Xi é dado por Y'i = a' + Xi ∙ β' . O resíduo para observação i ( εi ) é definido como εi = Yi − Y'i . De uma amostra aleatória de tamanho 49, coletada da população desse modelo de regressão linear simples, obteve-se:

• ∑iYi − Y'i)2 = 17.173 e

• ∑iY'i - my)2) = 36.464,

em que my é a média amostral de Y.

Em relação às informações precedentes, julgue o próximo item, considerando que o percentil 95% de uma distribuição F, com 1 grau de liberdade no numerador e 47 graus de liberdade no denominador, é igual a 4,05, e que o percentil 95% de uma distribuição qui-quadrado com 47 graus de liberdade é 64.


Se ε segue uma distribuição normal, o estimador de máxima verossimilhança e o estimador de mínimos quadrados geram as mesmas estimativas para α e β.  

Alternativas
Q3158069 Estatística
Considere dois conjuntos de dados distintos, denotados por C1 e C2, ambos do mesmo tamanho, isto é, com a mesma quantidade de valores. A cada conjunto foi aplicado o mesmo método de regressão linear. O erro médio quadrático obtido para C1 foi menor do que para C2. Com base no exposto, analise as afirmativas a seguir, e assinale V para a afirmativa verdadeira e F para a falsa.

( ) O erro médio quadrático é uma métrica típica de erro em problemas de regressão cujo valor varia entre 0 e 1.

( ) Pode-se afirmar que o conjunto de dados C1 está melhor ajustado ao modelo do que o conjunto de dados C2.

( ) Pode-se afirmar que para melhorar o ajuste do conjunto de dados C2 é preciso aumentar seu tamanho.


As afirmativas são, respectivamente,
Alternativas
Q3156893 Estatística

A respeito de inteligência artificial, de tipos de análise de dados e de Big Data, julgue o item que se segue.


A análise descritiva utiliza estatísticas e projeções para recomendar ações estratégicas, auxiliando a tomada de decisões e o alcance de melhores resultados.

Alternativas
Q3154556 Estatística
Três funcionários de uma sociedade empresária executam uma mesma tarefa rotineira, mas importante para o faturamento da sociedade.
O tempo médio de execução da tarefa dos funcionários, em minutos, e suas respectivas variâncias, estão na tabela abaixo.

Imagem associada para resolução da questão

Sobre a variabilidade relativa da execução da tarefa, assinale a afirmativa correta.
Alternativas
Q3154015 Estatística
Um pesquisador está analisando a relação entre o número de horas de estudo (x) e a nota obtida em uma prova (y) por cinco estudantes.
Os dados coletados foram os seguintes:

Imagem associada para resolução da questão


Se necessário, utilize as informações a seguir:

∑x=30, ∑y=300, ∑x⋅y=1900, ∑x 2=220, ∑y 2=18250.

Com base nesses dados, a equação da reta de regressão, em que y é a variável dependente, é dada por 
Alternativas
Q3150513 Estatística
Dada a seguinte amostra de pares (X, Y):
(2, 3), (4, 5), (6, 7), (8, 9), (10, 11)
A estimativa pelo método dos mínimos quadrados do coeficiente angular da reta de regressão linear Y=A+BX é:
Alternativas
Respostas
1: E
2: E
3: A
4: C
5: C
6: A
7: B
8: E
9: E
10: E
11: E
12: C
13: C
14: E
15: C
16: E
17: E
18: B
19: A
20: B