Resolva a questão baseando-se nas informações abaixo.
Em uma turma de Mestrado, o professor atribuiu as seguintes notas aos seus 11 alunos na disciplina de Probabilidade e Estatística X=(6, 6, 7, 5, 10, 8, 8, 6, 5, 8, 8)
A média e variância dessas notas são, respectivamente:

Suponha que para estimar e testar a diferença entre as médias de duas populações cujas características são independentes sejam extraídas duas amostras. Os tamanhos de amostra são n = 36 e m = 64, para X e Y, respectivamente. Como resultado da seleção, chega-se a ̅ X = 20 e Ȳ = 17. Além disso, sabe-se que as variâncias populacionais são σ²_x = σ²_y = 100.

Em módulo, a estatística amostral para fins de estimação e inferência é:

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:

Para uma amostra de tamanho n = 20, tem-se coletadas as informações de duas variáveis Y e X com as seguintes informações:

Assumindo que existe uma relação linear entre tais variáveis, o coeficiente angular da reta de regressão de mínimos quadrados será igual a

O coeficiente de determinação é um indicador da qualidade de ajuste em um modelo de regressão. Definindo SQT como a Soma de Quadrados Total e SQRes como a Soma de Quadrados dos Resíduos, a seguinte expressão define este indicador:

A regra de Sturges é um critério utilizado para determinar um número razoável de

Considere o modelo de regressão linear que segue.

As suposições impostas sobre os erros aleatórios do modelo de regressão linear simples usual são

Em um modelo de regressão linear simples, a equação SQTot = SQReg + SQRes, onde SQTot = a soma dos quadrados total, SQReg = soma dos quadrados da regressão e SQRes = soma dos quadrados dos resíduos, pode ser representado também como:

Uma companhia transportadora de grãos fez oito carregamentos por caminhão. As distâncias e os tempos de entrega estão informados na tabela a seguir: 

Assinale a alternativa em que se encontra a equação de regressão linear de mínimos quadrados para os dados apresentados nessa situação.

A inclinação de uma reta pode ser interpretada como uma razão ou taxa de variação. Para a reta, a razão ou taxa de variação são constantes. Sabendo que a população de uma cidade era de 11.500 habitantes no ano 2000, e 14.050 habitantes em 2017, determine a taxa média de crescimento da população ao longo desse período. 

Durante um período de 10 anos (de 2008 a 2017), foi registrado, em cada ano, o faturamento anual (F) de uma empresa, em milhões de reais, e o respectivo gasto anual com propaganda (G), em milhões de reais. Um modelo de regressão linear simples F_t = α + βG_t + ε_t , t = 1, 2, ... foi elaborado para se prever F em função de G, considerando as informações registradas, em que F₁ e G₁ são o faturamento e o gasto com propaganda em 2008, F₂ e G₂ são o faturamento e o gasto com propaganda em 2009, e assim por diante. Os parâmetros α e β são desconhecidos e ε_t é o erro aleatório com as respectivas hipóteses do modelo de regressão linear simples. As estimativas de α e β foram obtidas pelo método dos mínimos quadrados, sabendo-se que o valor da soma dos faturamentos e dos gastos com propaganda de 2008 a 2017 foram, em milhões de reais, iguais a 120 e 15, respectivamente. Se a estimativa do coeficiente angular da reta obtida por meio do método dos mínimos quadrados foi de 1,8, então a previsão do faturamento em um determinado ano, uma vez que a empresa gastou com propaganda neste ano 2 milhões de reais, é

Considerando um modelo de regressão linear simples, dado por Y_i=β₀+β₁ X_1i+u_i se as hipóteses do modelo clássico de regressão linear forem válidas, será o melhor estimador linear não tendencioso do verdadeiro parâmetro populacional β₁ . Entretanto, qual será a implicação se a hipótese de homocedasticidade for violada?

Supondo que um economista esteja interessado em avaliar o impacto da educação sobre o rendimento dos trabalhadores. E para isso, ele estima um modelo de regressão linear múltipla definido por:
Y_i=β₀+β₁ X_1i+β₂ X²_1i +u_i

onde Y_i é o valor do salário mensal, medido em R$; X_1i é o número de anos de escolaridade do indivíduo; β₀ ,β₁ e β₂ são os parâmetros a serem estimados e u_i é o componente de erro. A partir de uma amostra aleatória simples, o modelo foi estimado utilizando o método de mínimos quadrados ordinários. A equação de regressão, já apresentada na sua versão final, com as estimativas dos parâmetros e os respectivos erros-padrão entre parênteses, é a seguinte:


Considerando que um indivíduo com ensino médio completo possui, em média, 11 anos de escolaridade, qual é o impacto, em R$, considerando tudo mais constante, de um ano a mais de educação sobre o salário mensal deste indivíduo?

Um estatístico pretende verificar a relação entre o nível de renda da população (em R$ milhões) de algumas cidades do Estado do Amazonas, com base no número de habitantes destas cidades (em milhares). Nesta verificação, será utilizado o modelo de regressão linear simples: ŷi = 3,4979 + 0,5781x_i, sendo os coeficientes de regressão calculados pelo método dos mínimos quadrados, e considerando os seguintes valores: n = 20;

Marque o item que apresenta o coeficiente de determinação desta regressão linear:

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.

Analisando um gráfico de dispersão referente a 10 pares de observações (t, Y_t ) com t = 1, 2, 3, ... , 10, optou-se por utilizar o modelo linear Y_t = α + βt + ε_t com o objetivo de se prever a variável Y, que representa o faturamento anual de uma empresa em milhões de reais, no ano (2007 + t). Os parâmetros α e β são desconhecidos e ε_t é o erro aleatório com as respectivas hipóteses do modelo de regressão linear simples. As estimativas de α e β (a e b, respectivamente) foram obtidas por meio do método dos mínimos quadrados com base nos dados dos 10 pares de observações citados. Se a = 2 e a soma dos faturamentos dos 10 dados observados foi de 64 milhões de reais, então, pela equação da reta obtida, a previsão do faturamento para 2020 é, em milhões de reais, de