Questões de Concurso
Sobre modelos lineares em estatística
Foram encontradas 848 questões
São verificadas a correlação e a regressão linear perfeitas quando todos os pontos amostrais encontram-se sobre uma reta.
Formulada a equação de regressão, pode-se utilizá-la para estimar o valor da variável dependente, dado o valor da variável independente; entretanto, a estimação deve ser feita dentro do intervalo dos valores da variável independente originalmente amostrados.
Em uma curva de regressão de x sobre y, são considerados os desvios verticais para verificação da melhor curva ajustadora.
A equação de regressão fornece a base para determinar várias estimativas por ponto, ou seja, um intervalo de predição completo.
I. Não-linearidade da relação entre as variáveis. II. Não normalidade dos erros. III. Variância não-constante dos erros (heterocedasticidade). IV. Correlação entre os erros. V. Presença de outliers ou observações atípicas.
Estão corretos os problemas
Suponha que se deseje ajustar, pelo método dos mínimos quadrados, uma reta Y = a + bX a um conjunto de pares de observações (x1, y1), (x2, y2),..., (xn, yn).
Nesse caso, se 
e 
são as médias amostrais dos x’s e dos y’s, a
solução é dada por
I. A multicolinearidade ocorre quando duas variáveis do modelo, explicando o mesmo fato, contêm informações similares.
II. A autocorrelação serial nos resíduos é um dos pressupostos da Análise de Regressão e ocorre quando o efeito de uma dada variável X influencia as observações seguintes.
III. A homoscedasticidade indica que as variáveis de um modelo de regressão devem ter, obrigatoriamente, a mesma variância.
IV. As condições de normalidade dos resíduos são necessárias para a definição de intervalos de confiança e testes de significância.
Assinale a alternativa CORRETA:
tem-se: 
Com base nessas informações, julgue o seguinte item.
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.
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.
Conheça nossos planos