Questões de Concurso
Sobre modelos lineares em estatística
Foram encontradas 852 questões
Q3673439
Estatística
A regressão linear simples e a regressão linear múltipla são modelos econométricos que podem ser utilizados
para a previsão de variáveis (dependentes = y) a partir da relação significante com outras variáveis
(independentes = x). Para o uso ideal de um modelo desse tipo no sentido de se ter a previsão de algum
aspecto financeiro, como receita ou despesas, deve-se tomar como base algumas premissas, como, por
exemplo:
Q3662536
Estatística
Um pesquisador realizou um ajuste de modelo de regressão linear simples. Abaixo está a saída do código executado no software R:
De acordo com a saída do código, qual a alternativa CORRETA?
Q3662533
Estatística
Um modelo de regressão logística tem a função de ligação dada por:
Q3662532
Estatística
Um pesquisador educacional coletou dados sobre a relação entre o número de horas de estudo por semana (x) e a nota final em um exame (y). Os dados seguem abaixo:
Ajustando um modelo de regressão linear simples aos dados, os valores estimados do Intercepto (alpha) e coeficiente angular (beta) usando o método de mínimos quadrados são dados, respectivamente, por
Ano: 2025
Banca:
FGV
Órgão:
AgSUS
Prova:
FGV - 2025 - AgSUS - Analista de Gestão Tecnologia da Informação |
Q3660470
Estatística
O uso de técnicas de análise de regressão são amplamente
utilizadas na estatística para prever resultados com base em um
conjunto de variáveis de entrada.
Com relação às características da Regressão linear e da Regressão logística, analise os itens a seguir:
I. As duas técnicas buscam modelar a relação entre variáveis dependentes e independentes, no entanto, apresentam como principal diferença o tipo de variável que elas são capazes de prever.
II. A regressão linear minimiza as discrepâncias entre os valores de saída previstos e reais ao ajustar uma probabilidade, onde a variável dependente é limitada entre 0 e 1.
III. Ambos os tipos de regressões requerem um tamanho de amostra adequado e grande, de mesma dimensão, para representar valores em todas as categorias de resposta produzindo modelo com poder estatístico suficiente para detectar efeito significativo.
Está correto o que se afirma em
Com relação às características da Regressão linear e da Regressão logística, analise os itens a seguir:
I. As duas técnicas buscam modelar a relação entre variáveis dependentes e independentes, no entanto, apresentam como principal diferença o tipo de variável que elas são capazes de prever.
II. A regressão linear minimiza as discrepâncias entre os valores de saída previstos e reais ao ajustar uma probabilidade, onde a variável dependente é limitada entre 0 e 1.
III. Ambos os tipos de regressões requerem um tamanho de amostra adequado e grande, de mesma dimensão, para representar valores em todas as categorias de resposta produzindo modelo com poder estatístico suficiente para detectar efeito significativo.
Está correto o que se afirma em
Ano: 2025
Banca:
FGV
Órgão:
AgSUS
Prova:
FGV - 2025 - AgSUS - Analista de Gestão Tecnologia da Informação |
Q3660447
Estatística
Em relação a regressão logística, analise as afirmativas a seguir.
I. É uma forma especializada de regressão que é formulada para prever e explicar uma variável categórica binária e, não uma medida dependente métrica.
II. Os modelos lineares generalizados podem ser considerados como uma abordagem de modelagem de dois estágios. Primeiro se modela a variável de resposta usando uma distribuição de probabilidade, como a distribuição binomial ou de Poisson e segundo se modela o parâmetro da distribuição usando uma coleção de preditores e uma forma especial de rede neural.
III. A regressão logística por ser usado como uma ferramenta para construir modelos quando existe uma variável de resposta categórica com três níveis. A regressão logística é um tipo de modelo linear não generalizado para variáveis de resposta onde a regressão linear múltipla não funciona muito bem.
Estão corretas as afirmativas
I. É uma forma especializada de regressão que é formulada para prever e explicar uma variável categórica binária e, não uma medida dependente métrica.
II. Os modelos lineares generalizados podem ser considerados como uma abordagem de modelagem de dois estágios. Primeiro se modela a variável de resposta usando uma distribuição de probabilidade, como a distribuição binomial ou de Poisson e segundo se modela o parâmetro da distribuição usando uma coleção de preditores e uma forma especial de rede neural.
III. A regressão logística por ser usado como uma ferramenta para construir modelos quando existe uma variável de resposta categórica com três níveis. A regressão logística é um tipo de modelo linear não generalizado para variáveis de resposta onde a regressão linear múltipla não funciona muito bem.
Estão corretas as afirmativas
Ano: 2025
Banca:
FGV
Órgão:
AgSUS
Prova:
FGV - 2025 - AgSUS - Analista de Gestão Tecnologia da Informação |
Q3660446
Estatística
Matheus é um professor que precisa identificar padrões de
utilização de LLMs (Large Language Models) em um grupo de
estudantes. Ele utilizou como dados as notas finais da avaliação da
disciplina de Estatística Básica (com distribuição das notas
variando 0 a 100) e correlacionou esses dados à quantidade de
horas dedicadas ao uso de LLMs pelos estudantes durante o
semestre. O professor construiu um modelo para prever a
pontuação de um aluno (Y), em função do número de horas
dedicadas ao LLMs durante o último semestre (X), obtendo o
modelo a seguir.
Ŷ = 100 − 0, 25x
Matheus certificou-se que o modelo atende a todas as premissas do modelo de regressão linear. As pontuações esperadas para dois alunos que dedicaram 300 horas e 50 horas ao uso de LLMs no último semestre são, respectivamente,
Ŷ = 100 − 0, 25x
Matheus certificou-se que o modelo atende a todas as premissas do modelo de regressão linear. As pontuações esperadas para dois alunos que dedicaram 300 horas e 50 horas ao uso de LLMs no último semestre são, respectivamente,
Ano: 2025
Banca:
VUNESP
Órgão:
UNESP
Prova:
VUNESP - 2025 - UNESP - Assistente de Suporte Acadêmico II - Área de Atuação: Preparação e Processamento de Materiais Geológicos - Edital nº 91 |
Q3647810
Estatística
Para realizar uma regressão linear simples no Excel, o
gráfico mais indicado é do tipo
Ano: 2025
Banca:
CESPE / CEBRASPE
Órgão:
SEFAZ-SE
Prova:
CESPE / CEBRASPE - 2025 - SEFAZ-SE - Auditor Fiscal Tributário - Tecnologia da Informação |
Q3641770
Estatística
Assinale a opção que apresenta corretamente a tarefa de
mineração de dados adequada a ser utilizada caso um banco
deseje prever, a partir de variáveis como renda, idade e histórico
de pagamentos, o valor do limite de crédito que deve conceder a
um cliente.
Ano: 2025
Banca:
CESPE / CEBRASPE
Órgão:
SEFAZ-SE
Prova:
CESPE / CEBRASPE - 2025 - SEFAZ-SE - Auditor Fiscal Tributário - Geral |
Q3641033
Estatística
Um estudo está sendo realizado para investigar a relação
entre o tempo de tramitação de processos (y) e o número de
documentos fiscais por processo (x). A correlação linear entre
ambas as variáveis é positiva, sendo o desvio padrão amostral de
cada variável mostrado no quadro a seguir. Nesse estudo,
utiliza-se o modelo de regressão linear simples na forma y = β0 + β1 x + ∈, em que ∈ denota o erro aleatório com média zero e
variância constante. O coeficiente de determinação desse modelo
é igual a 64%.
Com base nessas informações, é correto concluir que a estimativa do coeficiente β1 obtida pelo método de mínimos quadrados ordinários é igual a
Com base nessas informações, é correto concluir que a estimativa do coeficiente β1 obtida pelo método de mínimos quadrados ordinários é igual a
Ano: 2025
Banca:
VUNESP
Órgão:
UNESP
Prova:
VUNESP - 2025 - UNESP - Assistente de Suporte Acadêmico IV - Área de Atuação: Pesquisa Clínica em Doenças Infecciosas - Edital nº 635 |
Q3632123
Estatística
Assinale a alternativa que corretamente identifica o teste
estatístico utilizado para comparar diferenças entre
dois ou mais grupos, quando há duas ou mais variáveis
dependentes sendo avaliadas simultaneamente.
Q3621416
Estatística
A validade das inferências em um modelo de regressão
linear depende da satisfação de certos pressupostos
sobre os erros do modelo. Acerca da verificação desses
pressupostos, registre V, para as afirmativas
verdadeiras, e F, para as falsas:
(__)A homocedasticidade, pressuposto de que a variância dos erros é constante, é verificada por meio do Fator de Inflação de Variância (VIF), onde valores de VIF acima de 10 indicam a presença de heterocedasticidade.
(__)A normalidade dos resíduos pode ser avaliada graficamente por meio de um gráfico Q-Q (quantil-quantil), no qual a proximidade dos pontos a uma linha reta sugere que os resíduos seguem uma distribuição normal.
(__)A presença de multicolinearidade severa entre as variáveis preditoras invalida a capacidade preditiva do modelo de regressão, resultando em um valor de R² ajustado próximo de zero.
(__)O pressuposto de linearidade implica que a relação entre cada variável preditora e a variável resposta é linear. Uma violação deste pressuposto pode ser detectada analisando o gráfico de resíduos versus valores ajustados em busca de padrões não aleatórios, como uma curvatura.
Após análise, assinale a alternativa que apresenta a sequência correta dos itens acima, de cima para baixo:
(__)A homocedasticidade, pressuposto de que a variância dos erros é constante, é verificada por meio do Fator de Inflação de Variância (VIF), onde valores de VIF acima de 10 indicam a presença de heterocedasticidade.
(__)A normalidade dos resíduos pode ser avaliada graficamente por meio de um gráfico Q-Q (quantil-quantil), no qual a proximidade dos pontos a uma linha reta sugere que os resíduos seguem uma distribuição normal.
(__)A presença de multicolinearidade severa entre as variáveis preditoras invalida a capacidade preditiva do modelo de regressão, resultando em um valor de R² ajustado próximo de zero.
(__)O pressuposto de linearidade implica que a relação entre cada variável preditora e a variável resposta é linear. Uma violação deste pressuposto pode ser detectada analisando o gráfico de resíduos versus valores ajustados em busca de padrões não aleatórios, como uma curvatura.
Após análise, assinale a alternativa que apresenta a sequência correta dos itens acima, de cima para baixo:
Q3621415
Estatística
Um estatístico está construindo um modelo preditivo com
um número muito grande de variáveis preditoras (p > n),
muitas das quais são provavelmente irrelevantes e
correlacionadas entre si. O objetivo é criar um modelo
parcimonioso, que realize a seleção de variáveis e a
regularização simultaneamente para evitar o superajuste
(overfitting). Qual das seguintes técnicas de modelagem
é a mais adequada para este propósito específico?
Q3621402
Estatística
A análise de resíduos é uma etapa diagnóstica crucial na
modelagem de regressão, permitindo a verificação dos
pressupostos e a identificação de observações atípicas.
Diferentes tipos de resíduos são calculados para
diferentes finalidades. Assinale a alternativa que
descreve corretamente o conceito e a utilidade dos
resíduos studentizados (studentized residuals).
Q3621388
Estatística
Um Estatístico ajusta um modelo de regressão linear
múltipla para prever o preço de um imóvel (Y) com base
em três variáveis preditoras: área construída (X1),
número de quartos (X2) e distância ao centro da cidade
(X3). O modelo ajustado resultou em um R² ajustado de
0.85 e todos os coeficientes foram estatisticamente
significantes. No entanto, foi observado que o coeficiente
para a área construída (β1) foi negativo, o que contradiz
a teoria de que imóveis maiores deveriam ser mais
caros. Qual é a causa estatística mais provável para a
obtenção de um coeficiente com sinal contraintuitivo (β1
< 0) em um modelo de regressão múltipla, apesar do alto
poder explicativo do modelo (R2 alto)?
Q3621387
Estatística
Os Modelos Lineares Generalizados (MLG) estendem o
escopo da regressão linear para variáveis resposta que
não seguem uma distribuição normal. A estrutura de um
MLG é definida por uma distribuição da família
exponencial, um preditor linear e uma função de ligação.
Acerca desses modelos, registre V, para as afirmativas
verdadeiras, e F, para as falsas:
(__)A principal característica de um MLG é que ele transforma a variável resposta (Y) para que ela siga uma distribuição normal, permitindo então o ajuste de um modelo de regressão linear padrão.
(__)A função de ligação (link function) é o componente que conecta o preditor linear (η = β0 + β1X 1 + ...) à média da variável resposta (E[Y] = μ ), de forma que g( μ) = η.
(__)A Regressão de Poisson, um tipo de MLG, é adequada para modelar dados de contagem e assume que a variância da variável resposta é sempre maior que sua média, um fenômeno conhecido como subdispersão.
(__)A Regressão Logística para dados binários é um caso especial de MLG onde a variável resposta segue uma distribuição de Bernoulli (ou Binomial) e a função de ligação canônica é a função logit.
Após análise, assinale a alternativa que apresenta a sequência correta dos itens acima, de cima para baixo:
(__)A principal característica de um MLG é que ele transforma a variável resposta (Y) para que ela siga uma distribuição normal, permitindo então o ajuste de um modelo de regressão linear padrão.
(__)A função de ligação (link function) é o componente que conecta o preditor linear (η = β0 + β1X 1 + ...) à média da variável resposta (E[Y] = μ ), de forma que g( μ) = η.
(__)A Regressão de Poisson, um tipo de MLG, é adequada para modelar dados de contagem e assume que a variância da variável resposta é sempre maior que sua média, um fenômeno conhecido como subdispersão.
(__)A Regressão Logística para dados binários é um caso especial de MLG onde a variável resposta segue uma distribuição de Bernoulli (ou Binomial) e a função de ligação canônica é a função logit.
Após análise, assinale a alternativa que apresenta a sequência correta dos itens acima, de cima para baixo:
Ano: 2025
Banca:
CESPE / CEBRASPE
Órgão:
TJ-PA
Prova:
CESPE / CEBRASPE - 2025 - TJ-PA - Analista Judiciário - Especialidade: Estatística |
Q3586115
Estatística
Texto associado
Para validar as suposições clássicas usuais e detectar
potenciais violações de um modelo de regressão linear múltipla
na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , será feita uma
análise de resíduos, a partir dos dados a seguir.
• Resíduo: 
• Resíduos padronizados: 
é o
quadrado médio do resíduo.
é o
quadrado médio do resíduo.
• Resíduos estudentizados: 
, em que ℎii é o i-ésimo
elemento da diagonal da matriz hat.
, em que ℎii é o i-ésimo
elemento da diagonal da matriz hat. Considerando as informações precedentes, julgue o item que se segue.
A estatística do teste de Durbin-Watson, calculada como 
, é utilizada para testar as correlações de
primeira ordem nos resíduos, com valores próximos de 2
indicando ausência de autocorrelação.
Ano: 2025
Banca:
CESPE / CEBRASPE
Órgão:
TJ-PA
Prova:
CESPE / CEBRASPE - 2025 - TJ-PA - Analista Judiciário - Especialidade: Estatística |
Q3586114
Estatística
Texto associado
Para validar as suposições clássicas usuais e detectar
potenciais violações de um modelo de regressão linear múltipla
na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , será feita uma
análise de resíduos, a partir dos dados a seguir.
• Resíduo:
• Resíduos padronizados: é o
quadrado médio do resíduo.
é o
quadrado médio do resíduo.
• Resíduos estudentizados: , em que ℎii é o i-ésimo
elemento da diagonal da matriz hat.
, em que ℎii é o i-ésimo
elemento da diagonal da matriz hat. Considerando as informações precedentes, julgue o item que se segue.
Os resíduos estudentizados são preferidos aos resíduos ordinários para a detecção de outliers, pois consideram o efeito alavanca de cada observação e possuem variâncias mais uniformes entre as observações.
Ano: 2025
Banca:
CESPE / CEBRASPE
Órgão:
TJ-PA
Prova:
CESPE / CEBRASPE - 2025 - TJ-PA - Analista Judiciário - Especialidade: Estatística |
Q3586113
Estatística
Texto associado
Para validar as suposições clássicas usuais e detectar
potenciais violações de um modelo de regressão linear múltipla
na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , será feita uma
análise de resíduos, a partir dos dados a seguir.
• Resíduo:
• Resíduos padronizados: é o
quadrado médio do resíduo.
é o
quadrado médio do resíduo.
• Resíduos estudentizados: , em que ℎii é o i-ésimo
elemento da diagonal da matriz hat.
, em que ℎii é o i-ésimo
elemento da diagonal da matriz hat. Considerando as informações precedentes, julgue o item que se segue.
A heteroscedasticidade pode ser detectada plotando-se os resíduos contra os valores ajustados e observando-se se a dispersão dos resíduos aumenta ou decresce sistematicamente com relação aos valores ajustados.
Ano: 2025
Banca:
CESPE / CEBRASPE
Órgão:
TJ-PA
Prova:
CESPE / CEBRASPE - 2025 - TJ-PA - Analista Judiciário - Especialidade: Estatística |
Q3586112
Estatística
Texto associado
Para validar as suposições clássicas usuais e detectar
potenciais violações de um modelo de regressão linear múltipla
na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , será feita uma
análise de resíduos, a partir dos dados a seguir.
• Resíduo:
• Resíduos padronizados: é o
quadrado médio do resíduo.
é o
quadrado médio do resíduo.
• Resíduos estudentizados: , em que ℎii é o i-ésimo
elemento da diagonal da matriz hat.
, em que ℎii é o i-ésimo
elemento da diagonal da matriz hat. Considerando as informações precedentes, julgue o item que se segue.
Se um gráfico de probabilidade normal (Q-Q plot) dos resíduos mostra pontos que seguem aproximadamente uma linha reta, isso indica que a suposição de normalidade não é satisfeita.
Conheça nossos planos