Questões de Estatística para Concurso

Uma fábrica de papel de jornal está interessada em avaliar e identificar o mais importante de dois relacionamentos: 1^0. entre o vetor das características de qualidade do papel, X, de dimensão p e o vetor das características do cavaco da madeira, Y , de dimensão q; 2^0. entre o vetor das características de qualidade do papel, X, e o vetor das características da pasta, Z, de dimensão r. Então, neste caso, deve-se estimar

Seja o modelo de regressão linear , em que Y é o vetor das respostas (variável dependente) de dimensão n, X é matriz do modelo de ordem n x p, é o vetor de parâmetros de dimensão p e é o vetor dos erros de dimensão n. Então, admitindo que os erros são i.i.d. com distribuição Normal (Gaussiana) com média zero e variância σ², o estimador de mínimos quadrados ordinários do vetor de parâmetros e o pivô usado para testar a hipótese nula H_0i: β_i = 0 i = 0, 1, 2, ..... p-1 são, respectivamente,

Seja o par (x_i, y_i) i = 1, 2, ..... , n de variáveis aleatórias para o qual pode-se assumir o modelo Normal Bivariado na modelagem da distribuição conjunta f(x, y), ou seja, f(x,y) = , em que μ₁ e μ₂ são as médias de X e Y, respectivamente, as variâncias correspondentes a X e Y, já ρ é o coeficiente de correlação entre X e Y. Nestas condições, é possível afirmar que , com  e  sendo os estimadores UMVU de μ₁ e μ₂ respectivamente, é

Para se medir a adequação do ajuste de um modelo de regressão linear a um conjunto de dados relacionando a variável resposta y_i com as p - 1 variáveis explicativas x_ij j = 1, 2, ..... , p - 1 e i = 1, 2, .... , n observações, deve-se comparar a Soma de Quadrados da Regressão (SQRegr) com a Soma de Quadrados Total (SQT) obtendo-se o coeficiente de correlação

Os problemas que podem surgir no ajuste de um modelo linear aos dados da variável resposta (Y) contra as variáveis explicativas (X₁, X₂, ...., X_p-1) são de natureza diferente, podem ser causados de formas diferentes e têm consequências também deferentes. É possível agrupar esses problemas em quatro (4) grupos importantes. São eles: