Questões de Estatística - Regressão Linear para Concurso

São resumidos a seguir os resultados da análise de variância resultante do ajuste de um modelo de regressão linear homocedástico definido como Yi = β₀ + β₁X_1i + ... + β_pX_pi ∈_i, onde i = 1, . . . , n e ∈_i são erros independentes e normalmente distribuídos com média igual a zero e variância σ². A estimação foi feita utilizando o método dos mínimos quadrados ordinários:

• Soma de Quadrados Total = 5.000;
• Soma de Quadrados dos Resíduos = 1.800;
• Graus de Liberdade Total = 40; e,
• Graus de Liberdade da Regressão = 4.
Com base nesses resultados, marque V para as afirmativas verdadeiras e F para as falsas. 
( ) A estimativa não-viesada para σ é igual a 50.
( ) A amostra é composta por n = 40 observações.
( ) O modelo apresenta um total de p = 4 variáveis explicativas.
( ) A raiz quadrada do coeficiente de determinação R² é igual a 0,80.
( ) Sabendo que a região crítica (RC) do teste F associado ao problema é RC = {F_obs > 2,63} para 95% de confiança, onde F_obs representa o valor observado da estatística de teste, conclui-se que pelo menos uma das variáveis explicativas incluídas no modelo é significativa para explicar a variável dependente, com 5% de significância.

A sequência está correta em

Considere o modelo de regressão estimado:
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,

Considere o modelo de regressão:
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:

y_i = a + bx_i + u_i,

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