Questões de Concurso
Sobre modelos lineares em estatística
Foram encontradas 858 questões
Julgue o item a seguir, relativo à análise de regressão.
Um modelo de regressão linear não pode ser ajustado a conjuntos de dados com alta dimensionalidade (muitas variáveis preditoras), uma vez que será inviável calcular a matriz de estimação do modelo.
Considerando que os resultados da ANOVA são apresentados na tabela precedente, em que FV corresponde a fonte de variação, GL, a graus de liberdade, e QM, a quadrado médio, julgue o próximo item.
Sabendo-se que a razão F obtida para os blocos (1,25) apresente p-valor igual a 31,4%, sendo, portanto, superior a 10%, então esse resultado sugere que, ao nível de 10%, as diferenças entre os blocos são relevantes para explicar a variabilidade observada na produtividade.
Considerando que os resultados da ANOVA são apresentados na tabela precedente, em que FV corresponde a fonte de variação, GL, a graus de liberdade, e QM, a quadrado médio, julgue o próximo item.
O desvio padrão amostral da variável resposta (rendimento da produção, em toneladas, por hectare) foi inferior a 5.
Considerando que os resultados da ANOVA são apresentados na tabela precedente, em que FV corresponde a fonte de variação, GL, a graus de liberdade, e QM, a quadrado médio, julgue o próximo item.
O erro padrão experimental foi de 2 toneladas por hectare.
Considerando que os resultados da ANOVA são apresentados na tabela precedente, em que FV corresponde a fonte de variação, GL, a graus de liberdade, e QM, a quadrado médio, julgue o próximo item.
A soma de quadrados total do experimento em questão é igual a 66,5.
Considerando que os resultados da ANOVA são apresentados na tabela precedente, em que FV corresponde a fonte de variação, GL, a graus de liberdade, e QM, a quadrado médio, julgue o próximo item.
Com nível de significância de 5%, não há evidência de interação entre os tipos de fertilizantes e as condições de irrigação.
Com base na equação y = −20 + 0,5x1 + 0,3x2, obtida ao realizar-se uma análise de regressão linear múltipla para prever o peso (y, em kg) de uma pessoa com base na altura (x1, em cm) e na idade (x2, em anos), julgue o item que se segue.
O peso estimado de uma pessoa com 170 cm de altura e 30 anos de idade é de 78 kg.
Na equação apresentada, o coeficiente 0,5 indica que, para cada aumento de 1 cm na altura da pessoa, espera-se um aumento de 0,5 kg no peso, mantendo-se a idade constante.
Julgue o próximo item, a respeito da modelagem estatística e da regressão.
A regressão linear múltipla permite avaliar o efeito de diversas variáveis independentes sobre uma variável dependente, ao mesmo tempo.
Julgue o próximo item, a respeito da modelagem estatística e da regressão.
A presença de multicolinearidade severa entre as variáveis independentes pode distorcer os coeficientes estimados em uma regressão linear múltipla.
Julgue o próximo item, a respeito da modelagem estatística e da regressão.
A linearização logarítmica ou exponencial possibilita a transformação de qualquer modelo de regressão não linear para modelos lineares.
Julgue o próximo item, a respeito da modelagem estatística e da regressão.
O coeficiente de determinação (R2 ) sempre aumenta com a adição de novas variáveis ao modelo de regressão linear múltipla.
A respeito dessa situação hipotética, julgue o próximo item.
Caso a hipótese de homogeneidade de variâncias seja rejeitada, uma possível alternativa seria a aplicação do método Welch-ANOVA.
A respeito dessa situação hipotética, julgue o próximo item.
Se o p-valor do teste F da ANOVA for igual a 0,02, então há evidências estatísticas para se rejeitar a hipótese nula de que as três variedades de trigo proporcionam a mesma produtividade média.
I. O valor da variável dependente Y é considerado como o de uma variável aleatória, que depende de valores fixos (não aleatórios) da variável independente X.
II. Uma relação teórica em linha reta existe entre Y e o valor esperado de X para cada um dos valores possíveis de X. Essa linha de regressão teórica: E (Y ̸X) = α + βX possui uma inclinação α e uma interseção β. Os coeficientes de regressão α e β constituem parâmetros de população, cujos valores são desconhecidos e se deseja estimá-los.
III. Associada a cada valor de X, existe uma distribuição de probabilidade p(y ̸x) dos valores possíveis da variável aleatória Y. Quando X for igual a um valor xi, o valor de Y observado será obtido da distribuição de probabilidade p(y ̸xi) e não estará necessariamente na linha de regressão teórica.
Quanto às premissas subjacentes ao modelo de regressão linear simples, está correto o que se afirma apenas em
Com base no modelo ajustado e, ainda, considerando o nível de 5% de significância, assinale a afirmativa INCORRETA.
Tem-se que
Considere o ajuste de um modelo
de regressão linear para estimar a degradação do princípio ativo ao longo do tempo usando o método de mínimos quadrados
ordinários. Com base nas informações fornecidas, a previsão da concentração média do princípio ativo após 24 meses de
armazenamento é, aproximadamente, igual a: 
A partir dessas informações, julgue o item que se segue.
A média amostral da variável regressora (explicativa) é inferior a 7,5.
A partir dessas informações, julgue o item que se segue.
Se o coeficiente angular do modelo for removido do modelo de regressão, então o R2 do modelo resultante (sem coeficiente angular) deverá produzir um valor superior ao R2 do modelo original (com coeficiente angular).
Conheça nossos planos