O modelo de regressão linear Y = α X + erro, onde (X, Y) são pares de dados observados e α é um parâmetro a ser estimado, foi ajustado aos dados (X, Y) mostrados na figura abaixo.

Foi usada a técnica de minimizar a soma dos erros quadráticos para ajustar a reta de regressão, a qual

Ao utilizar um modelo de regressão linear para a avaliação de um imóvel urbano, um engenheiro de avaliações obteve uma equação cujo coeficiente de correlação equivale a 0,9. Os valores de p (p-valor) para a estatística t de cada variável são superiores a 0,05, valor adotado para o nível de confiabilidade do teste t. Supondo-se que a equação obtida tenha atendido aos pressupostos básicos e aos demais critérios de análise e testes de significância, pode-se afirmar que o poder de explicação do modelo equivale a

Ao utilizar um modelo de regressão linear para a avaliação de um imóvel urbano, um engenheiro de avaliações obteve uma equação cujo coeficiente de correlação equivale a 0,9. Os valores de p (p-valor) para a estatística t de cada variável são superiores a 0,05, valor adotado para o nível de confiabilidade do teste t. Supondo-se que a equação obtida tenha atendido aos pressupostos básicos e aos demais critérios de análise e testes de significância, pode-se afirmar que o poder de explicação do modelo equivale a

Com base nos resultados apresentados, pode-se afirmar que

Os valores de P, Q e R são respectiva e aproximadamente iguais a

Considere o plano em blocos completos aleatorizados, com resposta dada por Y_ij, onde o índice i se refere ao i-ésimo tratamento e o índice j se refere ao j-ésimo bloco, com i = 1,2,...,t e j = 1,2,...,b.

Com respeito a tal plano, analise as afirmativas abaixo.

I - As variáveis aleatórias Y_ij são independentes e identicamente distribuídas.

II - A soma de quadrados de tratamentos é sempre menor em comparação ao experimento não considerando blocagem.

III - O quadrado médio de tratamentos é sempre menor em comparação ao experimento não considerando blocagem.

IV - A estimativa da variância do erro, dada pelo quadrado médio do erro, é sempre menor em comparação ao experimento não considerando blocagem.

Está correto APENAS o que se afirma em

Considere o modelo de regressão linear simples: y = β₀ + β₁ x + ε, sendo ε um ruído branco Gaussiano. Esse modelo foi utilizado para investigar a relação existente entre y = número de correspondências enviadas a um município em certo período, e x = população residente no município, a partir de uma amostra de 64 municípios, gerando os seguintes resultados:

Estimativa de β₀: ₀ = 5

Estimativa de β₁: ₁ = 2

Estimativa do erro padrão de ₀ : 2,5

Estimativa do erro padrão de ₁ : 4

O valor calculado da estatística T para testar H₀: β₁ = 0 contra H₁: β₁ ≠ 0 é

Sabendo-se que

SQR = (_i - )² = 1543,79 SQE = (_i - _I)² = 180,41

Se SQR é a soma dos quadrados da regressão, SQE é a soma dos quadrados dos erros e é a média, o coeficiente de determinação é, aproximadamente,

Com base nos resultados acima, analise os dados a seguir.

I - A reta estimada é = -18,123 + 7,777X

II - Rejeita-se a hipótese H₀ : = β₀ ao nível de 5%

III - Admite-se a hipótese H₀ : = β₁ ao nível de 5%

IV - Os coeficientes estimados são significativos ao nível de 1%

Estão corretos APENAS os dados

Um pesquisador propõe um modelo de regressão linear simples pelo método de Mínimos Quadrados para relacionar a variável do componente “Indústria” com o “PIB”, considerando a variável “PIB” como dependente e “Indústria” como independente. Observa no modelo de análise de variância um Erro Quadrático Médio da Regressão de 720 e um Erro Quadrático Médio do Resíduo 240 referentes aos dados da tabela de Componentes do PIB 2009. Com base nestas informações, pode-se afirmar que a porcentagem da variabilidade do PIB explicada pela variável Indústria é de, aproximadamente 

Com base na equação da reta, obtida pelo método dos mínimos quadrados, obtém-se que, para 2011, a previsão da quantidade de passagens emitidas, em milhões de unidades, é igual a

Qual dos modelos abaixo não é um Modelo Linear Generalizado:

Assinale a alternativa que indique o modelo de regressão para análise de sobrevida cuja distribuição corresponda a uma função de risco com envelhecimento acelerado e riscos proporcionais.

O diagrama de espalhamento de Moran permite analisar a dependência e a variabilidade espaciais. É construído com base em valores normalizados (valores de atributos subtraídos de sua média e divididos pelo desvio padrão). Trata-se de um gráfico bidimensional de z (valores normalizados) por wz (média dos vizinhos), que é dividido em quatro quadrantes.



Analisando-se os quadrantes, conclui-se que