Questões de Concurso
Sobre modelos lineares em estatística
Foram encontradas 563 questões
tem-se: 
Com base nessas informações, julgue o seguinte item.
A estimativa de δ2 é igual ou inferior a 3,5.
tem-se: Com base nessas informações, julgue o seguinte item.
A estimativa da variância de 
é igual ou superior a 0,05.
tem-se: Com base nessas informações, julgue o seguinte item.
O coeficiente de determinação do modelo (R2 ) é igual ou
superior a 0,9.
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Na presença de heterocedasticidade, os valores da
estatística t são maiores que o esperado.
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Quando se adicionam variáveis explicativas ao modelo,
espera-se redução da estatística R2
.
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Mesmo na presença de multicolinearidade imperfeita, os
estimadores de mínimos quadrados ordinários são os
melhores estimadores lineares não viesados (BLUE – best
linear unbiased estimator).
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Mesmo na presença de heterocedasticidade, os estimadores
das variáveis dependentes são não viesados e consistentes.
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Na presença de multicolinearidade perfeita, os estimadores
de mínimos quadrados ordinários não são únicos.
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Havendo heterocedasticidade, os estimadores de mínimos
quadrados ordinários serão ineficientes.
Acerca da avaliação de modelos de classificação, julgue o item que se segue.
A área sob a curva ROC (receiver operating characteristic) é
uma métrica de qualidade útil para avaliar um modelo:
quanto mais próxima a curva estiver do canto superior
direito do gráfico, melhor será a predição do modelo.
Acerca da avaliação de modelos de classificação, julgue o item que se segue.
Um modelo de classificação que apresenta alta revocação é
útil em contextos em que seja crucial identificar a maior
quantidade possível de casos positivos, mesmo que isso
resulte em um número maior de falsos positivos.
Acerca da avaliação de modelos de classificação, julgue o item que se segue.
A matriz de confusão, em problemas de classificação
multiclasses, é uma tabela com duas linhas e duas colunas;
na diagonal principal dessa matriz quadrada, estão os valores
corretos e, na matriz secundária, os erros cometidos pelo
modelo.
Acerca da avaliação de modelos de classificação, julgue o item que se segue.
A acurácia é uma métrica adequada para a avaliação de
modelos quando não há desbalanceamento de classes, pois
reflete com precisão a capacidade geral do modelo de fazer
previsões corretas em todas as classes.
Um modelo de regressão linear múltipla com dez coeficientes foi ajustado pelo método de mínimos quadrados ordinários, tendo produzido um coeficiente de determinação (R2) igual a 80%.
Nessa hipótese, caso o tamanho da amostra utilizado para esse ajuste tenha sido igual a 46, então o valor correspondente do coeficiente conhecido como “R2 ajustado” deve ter sido igual a
Em um modelo de regressão linear simples na forma y = ax + b + ∈, x representa a variável regressora, y denota a variável resposta e ∈ é um erro aleatório com média zero e variância 100.
Nessa hipótese, considerando-se que â denote o estimador de mínimos quadrados ordinários do coeficiente produzido por uma amostra aleatória de tamanho igual a 101 e que o desvio padrão amostral da variável regressora seja igual a 2, é correto afirmar que o desvio padrão de â será igual a
Um analista pretende ajustar um modelo de regressão linear simples com um intercepto e um coeficiente angular β, utilizando uma amostra de tamanho igual a 402.
Nessa situação, se a razão t correspondente à estimativa de β a ser obtida pelo método de mínimos quadrados ordinários for igual a 20, então o coeficiente de explicação (ou determinação) R2 proporcionado pelo modelo em tela será igual a
Ao utilizar um modelo de regressão linear para a avaliação de um imóvel urbano, um engenheiro de avaliações obteve uma equação cujo coeficiente de correlação equivale a 0,9. Os valores de p (p-valor) para a estatística t de cada variável são superiores a 0,05, valor adotado para o nível de confiabilidade do teste t. Supondo-se que a equação obtida tenha atendido aos pressupostos básicos e aos demais critérios de análise e testes de significância, pode-se afirmar que o poder de explicação do modelo equivale a
Em um modelo de regressão linear múltipla com k variáveis independentes x1, x2, ..., xk e n observações y1, y2, ..., yn solução de mínimos quadrados para estimar o vetor de parâmetros é:
Para responder às questões 46, 47 e 48 use as informações a seguir sobre as variáveis Z e W. Suponha que as duas variáveis estejam relacionadas segundo um modelo de regressão linear simples, Z = β0 + β1 w + ε, sendo ε o termo aleatório e que:
Qual opção informa o valor do coeficiente de correlação entre X e Y (ρXY)?
Para responder às questões 46, 47 e 48 use as informações a seguir sobre as variáveis Z e W. Suponha que as duas variáveis estejam relacionadas segundo um modelo de regressão linear simples, Z = β0 + β1 w + ε, sendo ε o termo aleatório e que:
Qual opção informa a estimativa não viciada para a variância?
Conheça nossos planos