Questões de Concurso
Sobre modelos lineares em estatística
Foram encontradas 853 questões

Tendo em vista a interpretação de resultados de modelos de regressão linear múltipla, assinale a alternativa correta.
Considere que:
■ As estimativas pelo método de mínimos quadrados ordinários para o coeficiente linear α é igual a 1,5 e, para o coeficiente angular β é de 2,0 e que a variável x não está correlacionada com o erro ε. ■ Os resíduos das amostras envolvidas são independentes e identicamente distribuídos, com distribuição normal, média igual a 0,0 e variância com valor constante. ■ O valor assumido para x é igual a 3,0.
Diante do exposto, assinale a alternativa que traz o valor predito para y.
Analise a seguinte situação, observando os dados da do quadro de ANOVA a seguir.
Um criador separou seu rebanho em três grupos, cada um com espécies diferentes: X, Y e Z. Em dado momento, ele resolveu testar se as espécies diferem de peso, ou seja, ele pretende descobrir se há mais variação de peso entre os grupos de cada espécie ou dentro de cada grupo.
Assim, ele tem as seguintes hipóteses estatísticas:
■ H0 Todas as espécies têm o mesmo peso, ou seja, o criador tem menos variação entre os grupos do que dentro dos grupos. ■ H1 As espécies diferem em peso, ou seja, o criador observa mais variação entre os grupos do que dentro dos grupos.
Considerando que o criador adota o seguinte critério de decisão:
■ Se o Fcalculado for menor ou igual ao Fcrítico para α = 0,05, aceita-se a hipótese nula H0. ■ Se o Fcalculado for maior que o Fcrítico para α = 0,05, aceita-se a hipótese alternativa H1.
Assinale a alternativa correta.
Com base nestes pressupostos, analise as afirmativas abaixo com relação ao conjunto de dados X.
1. O pressuposto da homocedasticidade é satisfeito quando a variação em torno da reta de regressão aumenta conforme variam os valores de X. 2. O pressuposto da independência de erros é satisfeito quando os erros em torno da reta de regressão são constantes para cada valor de X. 3. O pressuposto da normalidade de erros é satisfeito quando os erros em torno da reta de regressão são distribuídos de forma normal para cada valor de X.
Assinale a alternativa que indica todas as afirmativas corretas.
o vetor de médias estimado e S a matriz de
covariância estimada do vetor de dados
sob controle
do vetor médio do processo.
Assinale a alternativa que contém a expressão estatística utilizada como base para o gráfico de controle T2 de Hotelling.
Identifique abaixo as afirmativas verdadeiras ( V ) e as falsas ( F ) a respeito do coeficiente de determinação R2.
( ) O R2 está sempre entre os valores 0 e 1. ( ) O R2 pode atingir valores de –1 a 1, dependendo da força da correlação entre as variáveis. ( ) Se aumentarmos o número de variáveis independentes, o coeficiente R2 pode aumentar ou permanecer igual, mas nunca decrescer. ( ) O R2 indica a porcentagem em que a variação explicada pela regressão representa da variação total.
Assinale a alternativa que indica a sequência correta, de cima para baixo.
( ) São modelos caracterizados por conter efeitos aleatórios e efeitos fixos. ( ) São usados para conjuntos de dados com estrutura multinível, ou seja, para análise de dados com estrutura hierárquica. ( ) Podem existir em casos onde existem somente efeitos aleatórios nas variáveis preditoras do modelo.
Assinale a alternativa que indica a sequência correta, de cima para baixo

Assinale a alternativa que indica o valor mais próximo do Fcalculado.
Wi = 0,5 + 0,1*Ei + 0,2*Di + ui,
em que wi é o logaritmo neperiano do salário, Ei é o logaritmo neperiano dos anos de estudo e Di é uma variável binária igual a 1 se homem e a 0 se mulher.
Considere que todas as estimativas são estatisticamente significativas a 1%.
A partir das estimativas acima, é possível concluir que, em média,
Y = XB + u,
sendo Y um vetor nx1, X uma matriz nxk, B um vetor kx1 e u um vetor nx1. Y é a variável dependente, X representa um conjunto de regressores, B os parâmetros populacionais do modelo e u o termo aleatório.
As hipóteses a seguir são necessárias para que o estimador de MQO de B seja não viesado, à exceção de uma. Assinale-a.
Considere o modelo de regressão linear simples:
yi = a + bxi + ui,
em que y é a variável dependente, x é a variável explicativa, a é ointercepto, b é o coeficiente de inclinação e u, o termo aleatóriodo modelo.
A partir de uma amostra aleatória, obtém-se as seguintesinformações:

Assim, os estimadores dos parâmetros α e b que minimizam asoma dos quadrados dos resíduos são, respectivamente, iguais a
A __________ é uma medida de dispersão. Também é considerada uma medida de __________ que ocorre em uma população em relação a uma característica qualquer. Já a ____________ é o termo estatístico que expressa o quanto se pode esperar na ___________ de uma variável por mudança unitária da outra variável.
A sequência que preenche corretamente as lacunas do texto é
É um processo de ajuste que tende a aproximar-se dos valores existentes, diminuindo as distâncias entre cada consumo realizado. É um método que se baseia na equação da Reta para calcular a previsão do próximo período e, portanto, permite uma tendência bem realista do que poderá ocorrer.
Após análise, assinale a alternativa que se refere ao método caracterizado acima:
Assinale a alternativa em que se tem valor mais aproximado do cálculo pelo método dos mínimos quadrados, considerando α = 2,1831, x = 0,32 e o f(x) = x2. Repare que os dados dessa análise podem ser visualizados no gráfico a seguir.

Fonte: IFSP, 2022.
Com as informações dadas sobre os modelos, analise as seguintes assertivas e assinale a alternativa correta.
I. O modelo menos adequado dentre os três apresentados é o modelo 1, pois tem p-valor elevado no teste de significância e R2 ajustado baixo, comparado com os outros.
II. Como os p-valores dos modelos 2 e 3 são pequenos e iguais, ambos explicam a mesma quantidade da variabilidade na resposta.
III. O modelo mais adequado dentre os três apresentados é o 2, pois o modelo apresenta p-valor baixo, indicando a significância do modelo, e ainda apresenta o maior R2 ajustado, o que indica que, dentre os modelos considerados, ele é o que melhor explica a variabilidade na resposta.
E que ele foi ajustado usando uma amostra de tamanho 50 de (Y, X1, X2, X3), resultando na reta ajustada:
Com desvios padrões
. Analise as seguintes assertivas e assinale V, se verdadeiras, ou F, se falsas. ( ) Um intervalo de confiança para β0, ao nível de 95%, é [20,952; 29,048].
( ) Mantendo-se as variáveis x1 e x3 fixos, o aumento de uma unidade no valor de x2 se traduz em um aumento na resposta de 1,6 unidades, em média.
( ) O coeficiente β1 não é significante ao nível de 95%.
A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
horas e desvios padrões Sx = 0,2 km e Sy = 0,08 horas . A correlação
amostral entre X e Y na amostra foi 0,6. Nesse caso, a reta de regressão de Y em X tem intercepto e
inclinação, respectivamente, de: Considere Y = custos de um projeto, X = duração, em dias, do projeto. Para uma amostra com 102 observações, obteve-se:

O modelo de regressão linear simples ajustado e o custo estimado para 7 dias do projeto são: