Para duas variáveis X e Y, foi ajustado o modelo na estrutura Y= a + bX. A hipótese de existência de regressão foi comprovada a partir de ANOVA abaixo, ao nível de significância de 5%.

Considerando os resultados da Análise de Variância (ANOVA), pode-se então afirmar que: O coeficiente de explicação R² que representa a medida descritiva da qualidade do ajuste, é de:

Marque o item abaixo que apresenta o grau de liberdade da Média dos Quadrados dos Erros (MQR), utilizada no teste da Análise da Variância (ANOVA) de dois fatores. Para isso, considere que: a é o número de níveis do fator A; b é o número de níveis do fator B; n’ é o número de réplicas em cada uma das ab células; n é o número de valores em todo o experimento.

Um político que será candidato nas próximas eleições resolve contratar os serviços de um instituto de pesquisas para que avalie o seu potencial de votos. Como a disputa ainda está distante, ele se contentará com um erro de 4%, para mais ou para menos. Sabe-se que nas eleições passadas ele teve 20% das preferências, podendo esse percentual ser utilizado para o cálculo da variância.

Tome Φ(1,25)≅0,90, Φ(1,5)≅0,95 e Φ(2)≅0,975 , sendo Φ(z) a função distribuição acumulada da normal-padrão.

Para garantir um grau de confiança de 95%, o tamanho da amostra deverá ser:

Uma fonte oficial afirma que o valor do rendimento médio das pessoas que recorrem à defensoria pública é menor do que um salário mínimo, ou seja, R$ 954. Para uma amostra de 25 cidadãos que recorreram ao serviço, o rendimento médio apurado foi de R$ 943. Adicionalmente, em outros levantamentos, a variância dos rendimentos é conhecida, próxima de 1.600.

Sendo Φ(1,2)≅ 0,90 , Φ(1,5)≅ 0,95 e Φ(2)≅ 0,975, sobre o teste para obtenção de evidência quanto à veracidade da informação oficial, é correto afirmar que:

Com o objetivo de construir um intervalo de confiança para a proporção de recursos não conhecidos por determinada corte, é extraída uma amostra de tamanho n = 625. Verifica-se que a proporção de recursos não conhecidos é igual a 6%.

Supondo Φ(1,5)≅ 0,95 e Φ(2)≅ 0,975 e usando a variância máxima para a proporção (p), o intervalo com grau de 95% é:

Para estimar um determinado parâmetro populacional, estão disponíveis os seguintes estimadores cujas estimativas serão obtidas através de uma AAS de tamanho n = 3.

                   

Sobre as alternativas disponíveis, é correto afirmar que:

Sobre as características do modelo de regressão linear simples, analise as sentenças abaixo e assinale a alternativa correta. 
I - O modelo de regressão é linear nos parâmetros ( Yi=β₀+β₁Xi+εi ) II - Homocedasticidade ou variância igual do erro εi III - O número de observações na amostra deve ser inferior ao número de parâmetros do modelo IV – A covariância entre o  εi e Xi  é zero, ou COV = (εi,Xi)= E(εi,Xi) =0 

Um quadro de análise de variância refere-se a um modelo regressivo linear múltiplo, com intercepto, com o objetivo de obter a previsão de uma variável dependente (y) em função de 4 variáveis explicativas (x_₁, x_₂, x_₃ e x_₄). Sabe-se que as estimativas dos parâmetros deste modelo foram obtidas pelo método dos mínimos quadrados com base em 20 observações. Se o coeficiente de explicação (R²) encontrado foi de 76%, obtém-se pelo quadro que o valor da estatística F (F calculado) utilizado para testar a existência da regressão é

Na regressão linear, quando a variância dos termos do erro aparece constante no intervalo de valores de uma variável independente, dizemos que os dados são:

Um quadro de análise de variância forneceu as seguintes informações em que ficaram omitidos diversos dados importantes como, por exemplo, as respectivas somas de quadrados “entre grupos” e “dentro dos grupos”: 


Este quadro refere-se a um estudo cujo objetivo é testar a hipótese de igualdade das médias de um determinado atributo, a um nível de significância α, correspondente a 4 grupos, independentes, cada um contendo 10 observações obtidas aleatoriamente. O valor de m é igual a 

A técnica da Análise da Variância foi desenvolvida por R. A. Fisher e tem como objetivo e premissas

Após estimar um modelo de regressão linear múltipla, por MQO, um econometrista repara que, por algum motivo, a tabela contendo os resultados da análise da variância ficou incompleta, conforme abaixo: 

Apesar dos valores acima omitidos, é correto afirmar que: 

Um econometrista resolve propor e estimar um modelo de regressão linear simples como forma de estimar o efeito da temperatura sobre o volume de venda de sorvetes. Emprega,para esse fim, a formulação:

 

Onde QS é a quantidade de sorvetes (em milhares), T é a temperatura (célsius) e  é ε o termo de erro do modelo.

Apenas estatísticas descritivas básicas sobre QS e T são dadas, como  Onde, variâncias (σ²), médias (μ) e covariância (σ_T,Q,S).

Supondo-se válidos todos os pressupostos clássicos, a partir das informações disponíveis, verifica-se que: 

A aplicação da técnica da Análise da Variância para verificar a igualdade na média de vários níveis k de um fator supõe que cada observação tem como modelo linear a expressão y_ij = µ + α_i + ε_ij, onde µ é a média geral, αi é o efeito do nível i do fator e ε_ij é o erro aleatório associado à observação j do nível i. Desta forma, é correto afirmar que é suposição para o modelo