Considere uma regressão linear simples, e dado que n = 20, , , ,, e o modelo ajustado é dado por:

Em duas pesquisas independentes sobre educação em um município foram selecionados aleatoriamente alunos de quinto ano do ensino fundamental de todas escolas do município para realizarem provas de sondagem (as provas são idênticas nas duas pesquisas). A média aritmética simples das notas obtidas pelos alunos que realizaram a prova de uma pesquisa foi 6,6, enquanto que a média aritmética simples das notas obtidas pelos alunos que realizaram a prova da outra pesquisa foi 5,4.

O seguinte teste de hipótese foi desenhado:

◾ Hipótese H₀ : A média da população é igual a 6,6.

◾ Hipótese H₁ : A média da população é igual a 5,4.

Serão aleatoriamente selecionadas 10 provas e calculada a média X dessas 10 provas.

Se X > 6 será aceita a hipótese H₀ , caso contrário, será rejeitada a hipótese H₀ .

Foi calculado que a probabilidade de se cometer o ERRO DE TIPO I é de 5,3%, e que a probabilidade de se cometer o ERRO DE TIPO II é de 4,3%.

Ao realizar o teste de hipóteses acima, se encontrou X = 6,2.

Analise a frase abaixo a respeito do experimento e do teste de hipóteses:

Devemos …………………… que a média da população é 6,6, mas temos ……… de probabilidade de estarmos …………………… .

Assinale a alternativa que completa corretamente as lacunas do texto.

Um modelo de regressão linear múltipla é estimado por MQO (Mínimos Quadrados Ordinários), conforme a equação:

Y_i = α + β.X_i + γ.W_i + ε_i

As estimativas estão colocadas na tabela abaixo, com algumas omissões:

Com base nas estatísticas disponíveis e no cálculo dos valores omitidos, é correto afirmar que:

Seja o modelo de regressão linear , em que Y é o vetor de respostas com dimensão n, é o vetor de parâmetros de dimensão p e é o vetor de erros, em relação a X, assinale a alternativa correta.

Seja o conjunto de pares de valores (X, Y): 

ajustando-se aos dados o modelo Y = β₀ + β₁X + ε, onde Y é a variável resposta, X é a variável explicativa, β₀ e β₁ são os parâmetros e ε é o erro, se obtém as seguintes estimativas dos parâmetros:

Os problemas que podem surgir no ajuste de um modelo linear aos dados da variável resposta (Y) contra as variáveis explicativas (X₁, X₂, ...., X_p-1) são de natureza diferente, podem ser causados de formas diferentes e têm consequências também deferentes. É possível agrupar esses problemas em quatro (4) grupos importantes. São eles:

A detecção de pontos com grande influência no ajuste de um modelo linear aos dados, Y = , é feita usando-se a denominada matriz chapéu H. No caso de se considerar apenas os valores das variáveis explicativas X_i i= 1, 2, ..... , p-1, trabalha-se com os elementos da diagonal principal. Então, a matriz chapéu é dada por:

Considere a tabela resumo a seguir contendo as estimativas dos parâmetros de uma regressão linear simples e dos respectivos erros padrão estimados, com uma amostra de tamanho n = 52:

Além disso, sabe-se que:

P(|Z|>1,25)=0,21, P(|Z|>1,50)=0,13, P(|Z|>1,75)=0,08

A respeito da inferência sobre os parâmetros, é correto afirmar que: 

Para explicar o estoque total de processos acumulados nas varas de justiça (Y) a cada ano, foi proposto um modelo de regressão linear simples baseado no número de servidores disponíveis, representado por X. Depois de extraída uma amostra com n = 100 foram obtidos os seguintes resultados.

Supondo válido o modelo e significativos seus parâmetros, com os dados acima é correto afirmar que: