Questões de Concurso
Sobre regressão linear em estatística
Foram encontradas 337 questões
Considere um modelo de regressão linear múltipla dado por Υ = Χβ + ε, em que Υ é um vetor de dimensão η x 1, X tem dimensão η x ρ, com as colunas lineamente independentes, β é desconhecido com dimensão ρ x 1 e o valor esperado de ε é igual a 0. A estimativa de mínimos quadrados para β é dada por
Tendo como referência as informações precedentes, julgue o item subsecutivo, a respeito de fundamentos de estatística.
No método dos mínimos quadrados, os valores calculados de
xi, yi, xi2
, yi2
, xiyi e seus respectivos somatórios devem ser
arredondados para três algarismos significativos antes de se
calcular os demais parâmetros da regressão linear.
Considerando que a tabela precedente exibe uma amostra aleatória bivariada (x,y) de tamanho n = 6, na qual y representa uma variável dependente e x denota uma variável regressora, assinale a opção que apresenta uma curva de regressão (ŷ) ajustada para esse conjunto de dados mediante aplicação do método de mínimos quadrados ordinários.
De acordo com Gujarati (2000), considere o seguinte modelo linear Yi =β0 +β1 X1i+β2 X2i+…+βk Xβki+εi para assinalar a alternativa CORRETA quanto à violação das hipóteses básicas do modelo de regressão linear.
Seja o método de mínimos quadrados ordinários (MQO) para o modelo de regressão linear múltipla: Yi = β0 + β1X1i+ β2 X2i+ εi.
É CORRETO afirmar, tomando Gujarati (2000), que:
A relação entre variáveis aleatórias é frequentemente avaliada e estudada em estatística por meio de medições ou cálculos de correlação e técnicas de regressão.
Considere que está sendo avaliada por um estudante apenas a relação entre duas variáveis X e Y, de modo que um conjunto de pares ordenados (X; Y) são observados. A partir desses pares (X; Y), um diagrama de dispersão é obtido por meio da localização de pontos associados a cada par ordenado em um sistema de coordenadas retangulares. Em seguida, o estudante analisa esses pontos e chega a algumas conclusões.
Sabendo que R é o coeficiente de correlação linear entre X e Y, assinale a alternativa que apresenta uma conclusão coerente do estudante, conforme a sua análise e a ciência estatística.
Foi feito um estudo entre a relação do tempo sobre a população de certa espécie de bactérias e obtiveram os seguintes resultados: x=17,5; y=2,9947; ∑(x−x)(y−y)=−16,199 e ∑(x−x)2=857,5. Partindo dos resultados, encontre o modelo de regressão linear do tempo sobre a população de certa espécie de bactérias:
Com relação ao modelo de regressão linear (y = a + βx), analise as afirmativas seguintes:
I- o coeficiente β mede a inclinação da reta de regressão;
II- o coeficiente a mede o valor de y quando x é igual a zero;
III- x é a variável independente (ou variável preditora), a ser usada para explicar o comportamento de y que é a variável dependente (ou variável resposta).
Marque a alternativa correta.
Sejam X e Y as variáveis independente e dependente, respectivamente. Sabemos que o modelo ajustado a 9 observações tem a forma Y = βX e que as estatísticas obtidas são:
∑i=19xi= 183, ∑i=19yi= 178, ∑i=19xiyi= 3850, ∑i=19xi2= 3969 e ∑i=19yi2= 3738
Assim, a estimativa de β é dada por:
Seja a função f, com os seguintes valores tabelados:
X |
-1 |
0 |
1 |
4 |
f(X) |
2 |
2 |
-1 |
-3 |
A função afim g (regressão linear) que aproxima f com os valores tabelados acima via Método dos Mínimos Quadrados é definida por:
Com relação aos modelos de lineares generalizados de regressão, analise as afirmativas seguintes:
I- A média e a função da média são lineares;
II- Permite modelar todas as distribuições dentro da família exponencial;
III- y1,y2...,yn São observações independentes.
Marque a alternativa correta:
A partir dessas informações, e sabendo que a correlação linear de Pearson entre as variáveis y e x é igual a 0,5, julgue os próximos itens.
50% da variação total de y é explicada por meio do modelo
de regressão linear simples em questão.
A partir dessas informações, e sabendo que a correlação linear de Pearson entre as variáveis y e x é igual a 0,5, julgue os próximos itens.
Estima-se que a variância V seja inferior a 15.
onde
• Yit é a renda do indivíduo i no período de tempo t;
• Treinamentoit é uma variável binária que indica se o indivíduo i recebeu ou não o treinamento no período t (0 para não e 1 para sim);
• GrupoQi é uma variável binária que indica se o indivíduo i pertence ao Grupo Q (0 para Grupo P e 1 para Grupo Q);
• ϵit é o termo de erro.
Antes do treinamento, a renda média para o Grupo P era R$ 1.000,00 e para o Grupo Q era R$ 1.050,00. Após o treinamento, a renda média para o Grupo P foi para R$ 1.050,00 e para o Grupo Q foi para R$ 1.150,00.
Qual é a estimativa de β3, em reais, nesse cenário, considerando-se que todos os coeficientes da equação foram estatisticamente significativos?
RetornoAções (Tempo, Evento) = 0,02 - 0,003Tempo + 0,05Evento - 0,01Tempo x Evento + ε ,
onde
• RetornoAções representa o retorno das ações da empresa;
• Tempo é o período de tempo em dias codificados de -5 a 5;
• Evento é uma variável indicadora que vale 1 se Tempo> 0 e 0 caso contrário;
• ε é o termo de erro.
Supondo-se que todos os coeficientes da equação acima sejam estatisticamente significativos individual e conjuntamente a 5%, verifica-se que o
Uma forma de calcular esse efeito é usar um banco de dados dos trabalhadores em painel balanceado e especificar a seguinte equação a ser estimada para homens e mulheres, separadamente:
In Wit = Xitβ + Tditδ + εit
Nessa equação, In Wit é o logaritmo neperiano do salário-hora do trabalhador i no tempo t, Xit é uma matriz de variáveis explicativas observadas determinantes do salário, Td é o tempo dedicado aos afazeres domésticos. β é o vetor de parâmetros associados a X e d o parâmetro associado a Td, ambos a serem estimados pelo modelo. εit é o termo de erro aleatório não observado.
Existem várias formas de estimar esse efeito, e, sobre elas, conclui-se o seguinte:
y(0) ≅ 1,2, y(1) ≅ 1,4, y(2) ≅ 1,8, y(3) ≅ 2,0.
Usando mínimos quadrados, o cientista obtém a função afim y = at+b que melhor aproxima suas medidas.
Usando essa função, que valor de y ele prevê para t=4?
yt = β0 + β1 xt + et ,
em que et é o erro. No entanto, observou-se que as variáveis yt e xt não eram estacionárias e não eram cointegradas.
A estratégia a ser empregada para se tentar resolver esse problema é
Conheça nossos planos