Questões de Concurso Sobre modelos lineares em estatística

Um político que será candidato nas próximas eleições resolve contratar os serviços de um instituto de pesquisas para que avalie o seu potencial de votos. Como a disputa ainda está distante, ele se contentará com um erro de 4%, para mais ou para menos. Sabe-se que nas eleições passadas ele teve 20% das preferências, podendo esse percentual ser utilizado para o cálculo da variância.

Tome Φ(1,25)≅0,90, Φ(1,5)≅0,95 e Φ(2)≅0,975 , sendo Φ(z) a função distribuição acumulada da normal-padrão.

Para garantir um grau de confiança de 95%, o tamanho da amostra deverá ser:

No caso da seleção de Modelos de Regressão Múltipla por meio do grau de aderência e do nível de captura das variações da variável explicada, alguns cuidados devem ser tomados.

Dentre esses, cabe destacar que:

Uma fonte oficial afirma que o valor do rendimento médio das pessoas que recorrem à defensoria pública é menor do que um salário mínimo, ou seja, R$ 954. Para uma amostra de 25 cidadãos que recorreram ao serviço, o rendimento médio apurado foi de R$ 943. Adicionalmente, em outros levantamentos, a variância dos rendimentos é conhecida, próxima de 1.600.

Sendo Φ(1,2)≅ 0,90 , Φ(1,5)≅ 0,95 e Φ(2)≅ 0,975, sobre o teste para obtenção de evidência quanto à veracidade da informação oficial, é correto afirmar que:

Com o objetivo de construir um intervalo de confiança para a proporção de recursos não conhecidos por determinada corte, é extraída uma amostra de tamanho n = 625. Verifica-se que a proporção de recursos não conhecidos é igual a 6%.

Supondo Φ(1,5)≅ 0,95 e Φ(2)≅ 0,975 e usando a variância máxima para a proporção (p), o intervalo com grau de 95% é:

Para estimar um determinado parâmetro populacional, estão disponíveis os seguintes estimadores cujas estimativas serão obtidas através de uma AAS de tamanho n = 3.

                   

Sobre as alternativas disponíveis, é correto afirmar que:

Sejam X, Y e W três variáveis que representam quantidades que são, de alguma forma, conhecidas:

X = número de crimes cometidos

Y = número de crimes notificados

W = número de crimes solucionados

Adicionalmente são conhecidas as seguintes estatísticas:

E(X.Y) = 268, E(W.Y) = 26, E(X.W) = 85, E(X) = 25, E(Y) = 10, E(W) = 3, DP(X) = 5 e DP(W) = DP(Y) = 4

Considerando as tendências lineares entre as variáveis como medidas para fins de avaliações, é correto afirmar que:

Com relação à teoria geral da estimação de parâmetros, assinale a alternativa que corresponde a uma das propriedades desejáveis para um estimador.

Para analisar os determinantes do salário mensal S de professores universitários em 2008, foi estimada uma equação de regressão múltipla relacionando o salário a diversas variáveis capazes de influenciá-lo. Por exemplo, o número de livros publicados (X), o número de artigos técnicos publicados (Y), o número de anos de experiência (T) e a nota de 0 a 100 recebida em uma avaliação feita junto a uma amostra nacional de estudantes (W). Parte do resultado aparece na tabela a seguir:

                   

Em sua opinião, quais das quatro variáveis exercem influência significativa sobre o salário S ?

O Coeficiente de correlação entre as duas variáveis é de aproximadamente o que se encontra descrito na alternativa: 

A aplicação da técnica da Análise da Variância para verificar a igualdade na média de vários níveis k de um fator supõe que cada observação tem como modelo linear a expressão y_ij = µ + α_i + ε_ij, onde µ é a média geral, αi é o efeito do nível i do fator e ε_ij é o erro aleatório associado à observação j do nível i. Desta forma, é correto afirmar que é suposição para o modelo

Com relação ao Erro tipo I e tipo II, assinale a alternativa correta.

Dado X~b (15, 0,4), encontre o valor de P(X ≥ 5); e E(X)

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

A variável aleatória bidimensional (X,Y) tem função de probabilidade dada por:

A variância da variável aleatória (X − Y) é igual a

Um modelo de regressão linear múltipla, com intercepto, consiste de uma variável dependente, 3 variáveis explicativas e com base em 12 observações. As estimativas dos parâmetros do modelo foram obtidas pelo método dos mínimos quadrados e o valor encontrado da estatística F (F calculado) utilizado para testar a existência da regressão foi igual a 14. O coeficiente de explicação (R²), definido como sendo o resultado da divisão da variação explicada pela variação total, é, em %, igual a 

Pelo quadro da análise de variância correspondente a um modelo de regressão linear simples, foram extraídas as seguintes informações:  Fonte de variação                             Soma dos quadrados Devido à regressão                               576 Residual                                                200 Total                                                      776  As estimativas do coeficiente linear (α) e do coeficiente angular (β) da reta foram obtidas pelo método dos mínimos quadrados, com base em 10 observações. O valor encontrado para a estimativa de β foi igual a 1,5. Para testar a existência da regressão, a um determinado nível de significância, optou-se pelo teste t de Student, em que foram formuladas as hipóteses H₀: β = 0 (hipótese nula) e H_1: β ≠ 0 (hipótese alternativa). O valor do t calculado utilizado para comparação com o respectivo t tabelado é igual a