Questões de Concurso
Sobre regressão linear em estatística
Foram encontradas 426 questões
Uma empresa de engenharia deseja prever o tempo de conclusão, em dias, de suas obras. Um engenheiro ajustou um modelo de regressão utilizando variáveis como tipo de obra, área construída, número de trabalhadores e histórico de execução. No conjunto de teste, calculou a métrica ____________________. O resultado foi 14, indicando que o modelo erra, em média, 14 dias na previsão do prazo de conclusão das obras.
A métrica utilizada foi
Assinale a alternativa que apresenta a associação tecnicamente correta entre os problemas descritos e os modelos correspondentes.
Assinale a alternativa que apresenta, aproximadamente, os valores de α e β.
Sobre a distinção técnica e a aplicabilidade do estimador de razão em comparação ao estimador de regressão, assinale a afirmativa correta.
Sobre as propriedades dos estimadores, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.
( ) Um estimador é dito não viesado quando seu valor esperado é igual ao verdadeiro parâmetro populacional.
( ) Um estimador é consistente quando, à medida que o tamanho da amostra cresce, ele converge em probabilidade para o verdadeiro valor do parâmetro.
( ) Segundo o Teorema de Gauss-Markov, o estimador de MQO permanece BLUE mesmo quando há endogeneidade, isto é, correlação entre regressor e termo de erro.
As afirmativas são, respectivamente,
O relatório de sumarização do modelo apresentou os seguintes parâmetros:
• Coeficiente de Intercepto: 15;
• Coeficiente Angular: 5.
Com base estritamente nos estimadores fornecidos, e assumindo que o valor de X = 8 pertence ao domínio de validade do modelo, a estimativa pontual para o valor esperado do tempo de tramitação dos procedimentos investigatórios é de
• Estimativa do intercepto do modelo = 4,5; • Estimativa do coeficiente de X1 = 1,6; • Estimativa do coeficiente de X2 = 0,25; • Soma de quadrados da regressão = 540,0; • Soma de quadrados dos resíduos = 60,0; e • Valor-p do teste F da ANOVA = 0,003.
Com base nessas informações, assinale a afirmativa INCORRETA.
A fim de estimar a receita mensal arrecadada em sanções fiscais aplicadas pelo órgão de fiscalização e controle de certo estado (Y, em milhares de reais) com base no número de fiscalizações realizadas no mês (X), um agente de arrecadação ajustou um modelo de regressão linear simples com a equação Y = β0 + β1X + ε.
A partir da situação hipotética precedente, assinale a opção correta.

Acerca da modelagem estatística de dados, julgue o item a seguir.
Em regressões múltiplas, a presença de multicolinearidade perfeita melhora a precisão dos coeficientes, pois aumenta a informação disponível ao modelo.
Acerca da modelagem estatística de dados, julgue o item a seguir.
Na regressão linear simples estimada pelo método dos mínimos quadrados ordinários, o coeficiente β1 minimiza a soma dos quadrados dos resíduos.
Considerando esse cenário, assinale a alternativa que apresenta a técnica de aprendizado de máquina mais adequada para essa finalidade.
I.Correlação não implica causalidade.
II.Regressão estima associação linear ou não linear entre variáveis.
III.Multicolinearidade aumenta desvios-padrões.
É correto o que se apresenta em:
Com base nesses dados e utilizando o método dos mínimos quadrados, determine a função linear ajustada: g(x) = a0 + a1x e assinale a alternativa que apresenta corretamente os valores de a0 e a1.
Sobre as metodologias e horizontes de previsão de carga, assinale a afirmativa correta.
x<-c(15,20,30,25,38,36,18,23,10,22,35,33,12,28,25)
y<-c(1.57,1.56,1.63,1.60,1.65,1.64,1.58,1.59,1.58,
1.57,1.63,1.61,1.57,1.63,1.57)
plot(x,y) cor.test(x,y) summary(regressao<- lm(y~x)) plot(regressao)
É correto afirmar que as linhas de programa fornecem, respectivamente, os seguintes resultados: