Questões de Concurso
Sobre modelos lineares em estatística
Foram encontradas 535 questões
Julgue o item subsequente, considerando oito pares de valores das variáveis X e Y, tais que ∑ X = 24; ∑ Y = 49; ∑ X ˑ Y = 181; ∑X2 = 100 e ∑Y2 = 343.
O coeficiente de correlação de Pearson para os valores
apresentados será negativo, o que indica que a regressão
linear será representada por uma reta decrescente.
Tendo como referência os testes de hipóteses, que são ferramentas auxiliares nas tomadas de decisão acerca de uma ou mais populações com base nas informações obtidas da amostra, julgue o item seguinte.
Considerando-se, para certa hipótese, que a distribuição amostral de uma estatística S seja normal, com média µS e desvio padrão σS, então, caso se verifique, para a única amostra aleatória, que o escore z dessa estatística esteja fora do intervalo de –1,96 a 1,96, e se o tamanho desse teste bilateral for α = 5%, é correto concluir que z difere significativamente do que se pode esperar para essa hipótese, pois está fora da região de aceitação da hipótese.
Tendo como referência os testes de hipóteses, que são ferramentas auxiliares nas tomadas de decisão acerca de uma ou mais populações com base nas informações obtidas da amostra, julgue o item seguinte.
Considere-se que, em um teste de hipótese para a análise do
funcionamento de determinada máquina, seja admitido como
hipótese nula o fato de a referida máquina estar funcionando
perfeitamente. Nesse caso, se houver a ocorrência de um erro
do tipo I, então a máquina não estará funcionando
adequadamente.
Considere o modelo de regressão linear simples, a seguir.
Para uma amostra de 20 observações, foram obtidos os seguintes resultados:
Os estimadores de mínimos quadrados do modelo são,
respectivamente,
( ) Considerando a equação y = α+βx, onde α e β são parâmetros da reta teórica, os quais são estimados através dos pontos experimentais fornecidos pela amostra, obtendo-se uma reta estimada y = α+βx, na qual α é estimado por (a), o chamado coeficiente de regressão, e b é a estimativa de β.
( ) O método mais simples para a obtenção da reta desejada é o Método do Ajuste Visual.
( ) A aplicação do Princípio de Máxima Verossimilhança leva ao chamado procedimento de Mínimos Quadrados.
( ) Deve-se procurar a reta para a qual se consiga maximizar a soma dos resíduos ao quadrado.
As afirmativas são, respectivamente,
Em cada item a seguir é apresentada uma situação hipotética seguida de uma assertiva a ser julgada a respeito de Estatística e Econometria.
Sob a presença de heteroscedasticidade num modelo de
regressão linear, o método dos mínimos quadrados
ordinários não gera estimativas de parâmetros eficientes ou
de variância mínima, o que implica erros padrões viesados.
A abordagem da análise de variância (ANOVA) é comumente apresentada através da
soma dos quadrados dos desvios. A soma dos quadrados total (S.Q.Total) ajuda a expressar a variação
total que pode ser atribuída a vários fatores e pode ser decomposta em duas partes:
O seguinte modelo de regressão múltipla foi estimado por Mínimos Quadrados Ordinários com o objetivo de fazer previsões para o preço de 21 ativos da área de petróleo de uma amostra aleatória:
ln (preço) = 5,25 + 2,05 ln(preçoaval) +
3,10 Brent + 1,10 cam + 0,82 Ibov + 0,75 Prod
em que o preço e o preçoaval são, respectivamente, preço de venda e preço de avaliação do ativo, em reais; Brent é a cotação diária do barril; cam é a cotação cambial ao fim do dia para a compra; Ibov é o índice da bolsa de valores de São Paulo e Prod é a produção diária de petróleo. Outras informações importantes do modelo:
R2 = 0,87; SQT = 6; 
= 0,15
na qual R2 é o coeficiente de explicação do modelo, SQT é a soma
dos quadrados totais e 
é o desvio padrão estimado.
Para a resolução dessa questão talvez seja útil saber que se Z tem distribuição normal padrão, então:
P(|Z| > 1,645) = 0,10 e P(|Z| > 1,96) = 0,05.
Com base nos dados acima, o valor da estatística de significância da regressão é, aproximadamente, igual a
Em relação à Regressão Linear Simples, assinale V para a afirmativa verdadeira e F para a falsa.
( ) Considerando a equação y = α + βx, onde α e β são parâmetros da reta teórica, os quais são estimados através dos pontos experimentais fornecidos pela amostra, obtendo-se uma reta estimada y = a + bx, na qual α é estimado por (a), o chamado coeficiente de regressão, e b é a estimativa de β.
( ) O método mais simples para a obtenção da reta desejada é o Método do Ajuste Visual.
( ) A aplicação do Princípio de Máxima Verossimilhança leva ao chamado procedimento de Mínimos Quadrados.
( ) Deve-se procurar a reta para a qual se consiga maximizar a soma dos resíduos ao quadrado.
As afirmativas são, na ordem apresentada, respectivamente,
Seja Y uma variável que representa o valor do consumo médio de energia elétrica por dia, em quilowatts (kW), para determinada população, e X, a temperatura média por dia medida em graus Celsius.
Para uma amostra de 20 observações das variáveis foi obtido o seguinte modelo de regressão:
= 80,50 + 2,95X e R2 = 0,92
onde R2 é o coeficiente de determinação do modelo.
Com base nesses dados, assinale a afirmativa correta
respectivamente, as médias amostrais das variáveis x e y.
Com base nos dados dessa tabela, julgue o próximo item.
Pelo modelo de regressão linear simples, a equação que
expressa o relacionamento ajustado entre a variável y em função de x é 
em que α é uma constante.
respectivamente, as médias amostrais das variáveis x e y.Com base nos dados dessa tabela, julgue o próximo item.
Uma forma de melhorar o modelo de regressão linear para a
situação em questão é utilizar o modelo de regressão
logística, uma vez que a variável dependente se apresenta de
forma quantitativa.
Considerando as informações apresentadas no quadro precedente, julgue o item subsequente, acerca de modelos de regressão linear.
A vantagem da medida Cp de Mallows em relação às outras
medidas para a modelagem dos dados por regressão linear é
sua robustez frente a presença de muitos pontos influentes na
amostra.
Considerando as informações apresentadas no quadro precedente, julgue o item subsequente, acerca de modelos de regressão linear.
O melhor modelo candidato não necessariamente apresenta maior R2ajustado .
Considerando as informações apresentadas no quadro precedente, julgue o item subsequente, acerca de modelos de regressão linear.
O melhor modelo candidato apontado pelo critério BIC
possui 8 coeficientes.
A tabela ANOVA a seguir se refere ao ajuste de um modelo deregressão linear simples escrito como y = a + bx + ε, cujoscoeficientes foram estimados pelo método da máximaverossimilhança, com ε~N(0, σ2). Os erros em torno da retaesperada são independentes e identicamente distribuídos.
Com base nessas informações, julgue o item a seguir.
A tabela ANOVA a seguir se refere ao ajuste de um modelo deregressão linear simples escrito como y = a + bx + ε, cujoscoeficientes foram estimados pelo método da máximaverossimilhança, com ε~N(0, σ2). Os erros em torno da retaesperada são independentes e identicamente distribuídos.
Com base nessas informações, julgue o item a seguir.
O coeficiente de explicação do modelo é igual a 0,99.
Considerando que ŷk denote o valor ajustado — pelo método de mínimos quadrados ordinários — da variável resposta yk de um modelo de regressão linear múltipla na forma yk = β0 + β1x1,k + β2x2,k + εk , para k ∈ {1, … ,10}; que, nesse modelo, {ε1, ..., ε10} seja um conjunto de erros aleatórios independentes com médias iguais a zero e variâncias iguais a σ2 ; e que cada resíduo produzido pelo ajuste seja escrito como rk = yk - ŷk , julgue o próximo item.
Considerando essas informações e sabendo que 
= 0,01, julgue o item seguinte.
Considerando essas informações e sabendo que 
= 0,01, julgue o item seguinte.
O coeficiente de determinação do modelo (R2 ) é igual a 0,8.
Conheça nossos planos