Questões de Concurso Sobre modelos lineares em estatística

Sobre as características do modelo de regressão linear simples, analise as sentenças abaixo e assinale a alternativa correta. 
I - O modelo de regressão é linear nos parâmetros ( Yi=β₀+β₁Xi+εi ) II - Homocedasticidade ou variância igual do erro εi III - O número de observações na amostra deve ser inferior ao número de parâmetros do modelo IV – A covariância entre o  εi e Xi  é zero, ou COV = (εi,Xi)= E(εi,Xi) =0 

Sobre a análise de regressão linear simples, assinale a alternativa INCORRETA. Informações complementares:

Um quadro de análise de variância refere-se a um modelo regressivo linear múltiplo, com intercepto, com o objetivo de obter a previsão de uma variável dependente (y) em função de 4 variáveis explicativas (x_₁, x_₂, x_₃ e x_₄). Sabe-se que as estimativas dos parâmetros deste modelo foram obtidas pelo método dos mínimos quadrados com base em 20 observações. Se o coeficiente de explicação (R²) encontrado foi de 76%, obtém-se pelo quadro que o valor da estatística F (F calculado) utilizado para testar a existência da regressão é

Na regressão linear, quando a variância dos termos do erro aparece constante no intervalo de valores de uma variável independente, dizemos que os dados são:

Para se certificar de que os lançamentos refletem efetivamente a situação financeira de uma entidade, os livros caixa devem ser verificados, assim como pilhas de documentos originais, notas de venda, ordens de compra e requisições – só que consultar todos os originais seria um trabalho incalculável. Recorre-se, então, a uma amostra de documentos escolhidos aleatoriamente e, com base nessa amostra, fazem-se inferências sobre toda a população (todos os indivíduos ou todos os objetos do grupo em que se está interessado). É aí que entra a aplicação da estatística à administração. Sobre o tema, considere as seguintes afirmativas.

I. Para evitar predições imprecisas, é essencial que a amostra represente efetivamente a população da qual foi extraída.

II. Os exemplos de aplicação de técnicas estatísticas à administração incluem a utilização de amostras, para estimar as preferências ou inferir a qualidade de toda uma população, e o uso da análise de regressão, para separar efeitos de fatores diferentes.

III. Não há como saber com certeza se a amostra representa adequadamente a população, a menos que se faça um censo sobre toda ela. No entanto, podem ser usados os métodos da inferência estatística para estimar se a amostra é representativa da população.

Pode-se afirmar que:

Um quadro de análise de variância forneceu as seguintes informações em que ficaram omitidos diversos dados importantes como, por exemplo, as respectivas somas de quadrados “entre grupos” e “dentro dos grupos”: 


Este quadro refere-se a um estudo cujo objetivo é testar a hipótese de igualdade das médias de um determinado atributo, a um nível de significância α, correspondente a 4 grupos, independentes, cada um contendo 10 observações obtidas aleatoriamente. O valor de m é igual a 

Considerando a equação da reta obtida pelo método dos mínimos quadrados, tem-se que a estimativa do salário de um trabalhador com 16 anos de experiência é, em unidades monetárias, de

Em um processo de fabricação de um equipamento admite-se que 10% saem defeituosos quando este processo está sob controle. Para testar se o processo está sob controle são escolhidos aleatoriamente, com reposição, 4 equipamentos da produção, tomando-se como decisão que o processo está fora de controle se o número de equipamentos defeituosos for maior que 2. Chamando de p a proporção de equipamentos defeituosos e considerando as hipóteses H₀: p = 0,1 (hipótese nula) e H₁: p = 0,2 (hipótese alternativa), obtém-se que o nível de significância do teste e a potência do teste são, respectivamente,

Suponha que um grupo de economistas, após muita reflexão, tenha definido que o modelo de Custo Total de Produção, como função do produto X, seja dado pela expressão Y_i = β₁ + β₂X_i + β₃ (X_i)² + β₄(X_i)³ + µ_1i .Não obstante, admita que um economista iniciante,desconhecendo este fato, adote em seus trabalhos a seguinte expressão, ao invés da anterior: Y_i =  α₁ + α₂X_i + α₃(X_i)² + µ_2i . Assinale a alternativa que contém o tipo de erro incorrido pelo economista novato e a sua medida. 

Suponha que a ação do Banco Itaú tenha evidenciado, com base em dados do último ano, um retorno esperado de 3% ao mês e uma volatilidade de 1% ao mês. Suponha ainda que, no mesmo período, a ação do Banco do Brasil tenha evidenciado um retorno esperado de 4% ao mês e uma volatilidade de 2% ao mês. Assinale a alternativa que contém a ação com melhor performance, com base no coeficiente de variação, bem como o valor desse coeficiente de variação.

O conceito de multicolinearidade em sentido mais amplo, ou seja, quando a multicolinearidade não é perfeita, relaxando-se algumas hipóteses, pode ser exemplificado por meio da expressão λ₁ X₁ + λ₂ X₂ + λ₃ X₃ + … + λ_k X_k + V_i = 0 , em que os termos X são variáveis explicativas. Com relação ao exemplo apresentado, considerando a multicolinearidade,assinale a alternativa correta. 

O mais simples dos modelos de regressão múltipla é a regressão de três variáveis, com uma variável dependente e duas variáveis explicativas, conforme a expressão Y_i =β₁ + β₂X_2i + β₃X_3i + µ_i . Neste modelo, o fato de que nenhuma das variáveis explicativas pode ser escrita como combinações lineares das demais variáveis explicativas é denominado:

A técnica da Análise da Variância foi desenvolvida por R. A. Fisher e tem como objetivo e premissas

Para modelar o comportamento de determinada proporção é proposto um modelo de regressão com variável dependente do tipo qualitativa. A forma funcional apresentada é: 

Sobre esse tipo de modelo e formulação, é correto afirmar que:

Um modelo de regressão linear múltipla é estimado por MQO (Mínimos Quadrados Ordinários), conforme a equação:

Y_i = α + β.X_i + γ.W_i + ε_i

As estimativas estão colocadas na tabela abaixo, com algumas omissões:

Com base nas estatísticas disponíveis e no cálculo dos valores omitidos, é correto afirmar que: