Questões de Concurso
Sobre modelos lineares em estatística
Foram encontradas 563 questões
Não é possível aplicar a estatística qui-quadrado de Pearson para testar a hipótese de independência entre X e Y.
Em três grandes cidades de um estado foram escolhidos aleatoriamente, em cada uma, 100 eleitores. Deseja-se saber, ao nível de significância α, se o grau de satisfação do desempenho do governador depende da cidade onde os eleitores residem. Em cada cidade foi perguntado, independentemente, para cada eleitor o que ele achava do desempenho do governador. A tabela abaixo reproduz o resultado da pesquisa e sabe-se que nenhum eleitor reside em mais de uma cidade.
Utilizou-se o teste qui-quadrado para concluir se existe dependência do grau de desempenho com relação às cidades e
verificou-se que o qui-quadrado observado foi inferior ao qui-quadrado tabelado, de acordo com o nível de significância α
estabelecido. Com relação ao teste,

Para responder à questão, considere o modelo linear Yi = α + βXi + ε i sendo i a i-ésima observação, Yi a variável dependente na observação i, X i a variável explicativa na observação i e εi o erro aleatório com as respectivas hipóteses para a regressão linear simples. Os parâmetros α e β são desconhecidos e suas estimativas (a e b, respectivamente) foram obtidas pelo método dos mínimos quadrados e com base em 20 pares de observações ( Xi,Yi), i = 1, 2, ... , 20. Sabe-se que os pontos (10 ; 9,8) e (40 ; 33,8) pertencem à reta de equação Y = a + bX.
Pelo quadro de análise de variância correspondente, observa-se que
Y = Xß + ε
em que X é uma matriz n × k, ß é um vetor k × 1 e ε é um vetor n × 1.
Com base nessas informações, julgue o item subsecutivo.
O estimador de ß pelo método dos mínimos quadrados ordinários é b = (X’X) -1 (X’Y), em que X’ representa a matriz transposta de X.
Y = Xß + ε
em que X é uma matriz n × k, ß é um vetor k × 1 e ε é um vetor n × 1.
Com base nessas informações, julgue o item subsecutivo.
Se todas as hipóteses de um modelo de regressão linear forem satisfeitas, será correto afirmar que, pelo teorema de Gauss-Markov, o estimador apurado pelo método de mínimos quadrados ordinários é o mais eficiente estimador linear de ß.

em que trim1, trim2 e trim3 são variáveis dummies para o primeiro, segundo e terceiro trimestres, respectivamente, e et é o termo aleatório.
Os interceptos do terceiro e do quarto trimestres são iguais, respectivamente, a
entre peso e altura de crianças com menos de 1 ano das unidades da federação (POF-2002-2003) e forneceu os resultados
abaixo com alguns campos em branco.

entre peso e altura de crianças com menos de 1 ano das unidades da federação (POF-2002-2003) e forneceu os resultados
abaixo com alguns campos em branco.

Foi delineado um experimento separando três grupos escolhidos aleatoriamente de 5 homens em cada um, para medir seus níveis alcoólicos após beberem certa quantidade de bebida alcoólica. Os componentes do grupo A após uma hora, o grupo B após duas horas, e o grupo C após 3 horas. A quantidade de mg por grama de álcool foi multiplicada por 10 para facilitar os cálculos. Os resultados observados foram:

Ao se construir a ANOVA, para testar a hipótese de independência, o valor F calculado na ANOVA é, aproximadamente,
Uma empresa decide investir a quantia de 500 mil reais na construção de uma pequena central hidrelétrica. Ao analisar a viabilidade do empreendimento, ela prevê que, ao longo dos próximos quatro anos, terá receitas com a comercialização da energia e despesas de operação e manutenção, conforme a Tabela apresentada a seguir.

Considere que o investimento foi realizado no ano zero, e que a empresa utiliza uma taxa de juros de 10% ao ano

Os valores esperados na hipótese de independência da diagonal principal da tabela de dados são, respectivamente, 7, 6, 26 e 38,8.

Assim sendo, temos
Testes Simulações do Valor Verdadeiro do Parâmetro
Alternativos θ1 θ2 θ3 θ4 θ5
Pr(alternativa 1) 0,73 0,84 0,92 0,95 0,98
Pr(alternativa 2) 0,68 0,80 0,85 0,91 0,97
Então, pode-se afirmar que
Na análise de resíduos de um modelo de regressão, o diagrama de dispersão entre os resíduos do modelo ajustado e os valores preditos para a variável resposta permitem avaliar a ocorrência de heterocedasticidade.
Em um modelo de regressão linear simples, o quadrado médio associado ao modelo é menor que a respectiva soma de quadrados. O mesmo ocorre com o quadrado médio dos resíduos em comparação com a soma de quadrado dos resíduos.
Y = β0 + β1 X + ξ
onde Y = quantidade de combustível gasto em litros e
X = distância percorrida em km
Os resultados obtidos foram:
