Questões de Concurso
Sobre modelos lineares em estatística
Foram encontradas 858 questões
tem-se: 
Com base nessas informações, julgue o seguinte item.
A correlação linear de Pearson entre a variável resposta e a
regressora é igual ou superior a 0,8.
tem-se: Com base nessas informações, julgue o seguinte item.
A estimativa de δ2 é igual ou inferior a 3,5.
tem-se: Com base nessas informações, julgue o seguinte item.
A estimativa da variância de 
é igual ou superior a 0,05.
tem-se: Com base nessas informações, julgue o seguinte item.
O coeficiente de determinação do modelo (R2 ) é igual ou
superior a 0,9.
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Na presença de heterocedasticidade, os valores da
estatística t são maiores que o esperado.
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Quando se adicionam variáveis explicativas ao modelo,
espera-se redução da estatística R2
.
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Mesmo na presença de multicolinearidade imperfeita, os
estimadores de mínimos quadrados ordinários são os
melhores estimadores lineares não viesados (BLUE – best
linear unbiased estimator).
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Mesmo na presença de heterocedasticidade, os estimadores
das variáveis dependentes são não viesados e consistentes.
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Na presença de multicolinearidade perfeita, os estimadores
de mínimos quadrados ordinários não são únicos.
Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.
Havendo heterocedasticidade, os estimadores de mínimos
quadrados ordinários serão ineficientes.
Acerca da avaliação de modelos de classificação, julgue o item que se segue.
A área sob a curva ROC (receiver operating characteristic) é
uma métrica de qualidade útil para avaliar um modelo:
quanto mais próxima a curva estiver do canto superior
direito do gráfico, melhor será a predição do modelo.
Acerca da avaliação de modelos de classificação, julgue o item que se segue.
Um modelo de classificação que apresenta alta revocação é
útil em contextos em que seja crucial identificar a maior
quantidade possível de casos positivos, mesmo que isso
resulte em um número maior de falsos positivos.
Acerca da avaliação de modelos de classificação, julgue o item que se segue.
A matriz de confusão, em problemas de classificação
multiclasses, é uma tabela com duas linhas e duas colunas;
na diagonal principal dessa matriz quadrada, estão os valores
corretos e, na matriz secundária, os erros cometidos pelo
modelo.
Acerca da avaliação de modelos de classificação, julgue o item que se segue.
A acurácia é uma métrica adequada para a avaliação de
modelos quando não há desbalanceamento de classes, pois
reflete com precisão a capacidade geral do modelo de fazer
previsões corretas em todas as classes.
Um modelo de regressão linear múltipla com dez coeficientes foi ajustado pelo método de mínimos quadrados ordinários, tendo produzido um coeficiente de determinação (R2) igual a 80%.
Nessa hipótese, caso o tamanho da amostra utilizado para esse ajuste tenha sido igual a 46, então o valor correspondente do coeficiente conhecido como “R2 ajustado” deve ter sido igual a
Em um modelo de regressão linear simples na forma y = ax + b + ∈, x representa a variável regressora, y denota a variável resposta e ∈ é um erro aleatório com média zero e variância 100.
Nessa hipótese, considerando-se que â denote o estimador de mínimos quadrados ordinários do coeficiente produzido por uma amostra aleatória de tamanho igual a 101 e que o desvio padrão amostral da variável regressora seja igual a 2, é correto afirmar que o desvio padrão de â será igual a
Um analista pretende ajustar um modelo de regressão linear simples com um intercepto e um coeficiente angular β, utilizando uma amostra de tamanho igual a 402.
Nessa situação, se a razão t correspondente à estimativa de β a ser obtida pelo método de mínimos quadrados ordinários for igual a 20, então o coeficiente de explicação (ou determinação) R2 proporcionado pelo modelo em tela será igual a
Considere o conjunto de dados e a informação a seguir:
Deseja-se encontrar um modelo de regressão polinomial de 2º grau Y = a0 + a1 X + a2 X2 que melhor se encaixe nesse conjunto de dados.
Estimando-se pelo método dos mínimos quadrados, os valores de a0, a1 e a2 serão dados, respectivamente, por
Entre exemplos de métricas de avaliação utilizadas para modelos de classificação binária, é correto citar
• a taxa de precisão (razão entre verdadeiros positivos e o total dos verdadeiros positivos e falsos positivos);
• a taxa de sensibilidade (razão entre verdadeiros positivos e o total dos verdadeiros positivos e falsos negativos, também conhecida por recall); e
• o escore F1 (F1-score, também chamado de F-measure), que relaciona as taxas de precisão e de sensibilidade.
Suponha a existência de um modelo de classificação binária cuja taxa de precisão é de 90,00% e cuja taxa de sensibilidade é de 75,00%. Utilize aproximação de duas casas decimais.
O escore F1 referente a esse modelo é
Durante um experimento de química analítica, um estudante realizou cinco determinações consecutivas da concentração de íons em uma solução padrão, obtendo os seguintes resultados em mol/L: 2,32; 2,41; 2,39; 2,45; 2,59. A equação da reta para esses dados é mostrada a seguir:
y = 0,058x + 2,258
Sabendo que a Soma Total dos Quadrados (SST) é igual a 0,04 e a Soma dos Quadrados dos Erros (SSE) é igual a 0,006, é correto afirmar que o coeficiente de determinação — R2 — é igual a
Conheça nossos planos