Em relação à Regressão Linear Simples, assinale V para a af...

( F ) Considerando a equação y=α+βx

, onde \alpha e \beta são parâmetros da reta teórica, os quais são estimados através dos pontos experimentais fornecidos pela amostra, obtendo-se uma reta estimada y = a + bx, na qual \alpha é estimado por (a), o chamado coeficiente de regressão, e b é a estimativa de \beta.

Errado: Os coeficientes a e b representam, respectivamente, o coeficiente linear (intercepto) e coeficiente angular (coeficiente de regressão).

( F ) O método mais simples para a obtenção da reta desejada é o Método do Ajuste Visual.

Errado: O Método dos mínimos quadrados é mais simples. Abaixo tem-se uma comparação entre os dois métodos:

Ajuste visual

• Depende de quem analisa
• É difícil de ponderar dados com incertezas diferentes
• Não é otimizado
• Bom para estimativas

MMQ:

•  Independe de quem analisa
• A incerteza dos dados é ponderada
• É o ajuste que mais se aproxima dos dados
• Mais cálculos (PC)

( F ) A aplicação do Princípio de Máxima Verossimilhança leva ao chamado procedimento de Mínimos Quadrados.

Errado: O método da Máxima Verossimilhança consiste em estimar os parâmetros de um modelo utilizando as estimativas que tornam máximo o valor da função de verossimilhança. Na prática, a ideia da máxima verossimilhança é estimar a reta com maior probabilidade de ocorrência.

Já o método dos mínimos quadrados consiste em minimizar a soma dos resíduos ao quadrados.

( F ) Deve-se procurar a reta para a qual se consiga maximizar a soma dos resíduos ao quadrado.

Errado: Pelo contrário! Deve-se procurar uma reta que minimiza a soma dos resíduos ao quadrado. É o chamado método dos mínimos quadrados.

Gabarito: Letra E