Questões de Concurso
Sobre regressão linear em estatística
Foram encontradas 433 questões
Coluna 1
1. Independente. 2. AR-1 (Autoregressive de 1ª ordem). 3. Troca (Exchangeable). 4. Dependente de ordem m. 5. Não estruturada.
Coluna 2
( ) Assume que a correlação entre quaisquer dois elementos é nula.
( ) Permite uma correlação diferente para cada par de medidas repetidas.
( ) Assume que cada medida repetida só é correlacionada com as m medições anteriores dentro do mesmo sujeito.
( ) Assume que todas as medidas dentro de um sujeito têm a mesma correlação m entre si (correlação homogênea).
( ) A correlação entre quaisquer dois elementos é igual a m para elementos adjacentes, m² para elementos separados por um terceiro e assim por diante, tal que –1 < m < 1.
A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
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
A partir das informações apresentadas na situação hipotética precedente, considerando que esse modelo foi obtido pelo método de mínimos quadrados ordinários, julgue o seguinte item.
A média amostral de y é igual a 10.
yi = β0 + β1xi + ui , i = 1,2, … n.
Uma amostra aleatória com n = 24 observações de cada variável fornece as seguintes estatísticas:
A reta de regressão estimada por MQO (Mínimos Quadrados Ordinários) a partir dessa amostra é:
Considerando que a durabilidade (Y) de certo produto depende da temperatura (T) e da umidade (U) do local de armazenamento, um pesquisador obteve as estimativas de mínimos quadrados ordinários para os coeficientes de um modelo de regressão linear múltipla na forma
no qual 
e representam os coeficientes do modelo e
denota o erro aleatório, que segue distribuição normal com média
zero e desvio padrão . As tabelas a seguir mostram os resultados
obtidos pelo pesquisador.
Com base nas informações apresentadas, julgue o item a seguir.
O erro padrão referente ao coeficiente 
foi igual a 0,008.
Considerando que a durabilidade (Y) de certo produto depende da temperatura (T) e da umidade (U) do local de armazenamento, um pesquisador obteve as estimativas de mínimos quadrados ordinários para os coeficientes de um modelo de regressão linear múltipla na forma
no qual e representam os coeficientes do modelo e
denota o erro aleatório, que segue distribuição normal com média
zero e desvio padrão . As tabelas a seguir mostram os resultados
obtidos pelo pesquisador.
Com base nas informações apresentadas, julgue o item a seguir.
A estimativa do desvio padrão 
é igual ou superior a 6.
Acerca de conceitos de estatística descritiva e de inferência estatística, julgue o item a seguir.
Em análises de regressão, o coeficiente de determinação (R2) mede a proporção da variabilidade da variável dependente, explicada pelas variáveis independentes, o que indica a intensidade do ajuste do modelo, sem implicar causalidade.
Acerca de técnicas e métodos estatísticos para a análise de dados agrícolas, julgue o item que se segue.
A regressão linear simples, aplicada à análise de dados agrícolas, permite prever valores da variável independente com base na variável dependente.
Ŷ = 50 + 0,5 X
Ele verificou que o modelo atende a todas as premissas do modelo de regressão linear.
A pontuação esperada de um funcionário que dedicou 60 horas a treinamento no último semestre é
Julgue o item a seguir, relativo à análise de regressão.
As séries temporais podem apresentar sazonalidade, o que impede a sua análise por um modelo de regressão linear.
Julgue o item a seguir, relativo à análise de regressão.
Em um modelo de regressão para uma amostra de tamanho n > 1, em que, para uma única covariância e uma precisão p, o menor tamanho amostral necessário é m > 1, o número máximo de variáveis independentes possíveis (N) será = N ( n ∙ m)p.
Julgue o item a seguir, relativo à análise de regressão.
Um modelo de regressão linear não pode ser ajustado a conjuntos de dados com alta dimensionalidade (muitas variáveis preditoras), uma vez que será inviável calcular a matriz de estimação do modelo.
Com base na equação y = −20 + 0,5x1 + 0,3x2, obtida ao realizar-se uma análise de regressão linear múltipla para prever o peso (y, em kg) de uma pessoa com base na altura (x1, em cm) e na idade (x2, em anos), julgue o item que se segue.
O peso estimado de uma pessoa com 170 cm de altura e 30 anos de idade é de 78 kg.
Na equação apresentada, o coeficiente 0,5 indica que, para cada aumento de 1 cm na altura da pessoa, espera-se um aumento de 0,5 kg no peso, mantendo-se a idade constante.
Julgue o próximo item, a respeito da modelagem estatística e da regressão.
A regressão linear múltipla permite avaliar o efeito de diversas variáveis independentes sobre uma variável dependente, ao mesmo tempo.
Julgue o próximo item, a respeito da modelagem estatística e da regressão.
A linearização logarítmica ou exponencial possibilita a transformação de qualquer modelo de regressão não linear para modelos lineares.
I. O valor da variável dependente Y é considerado como o de uma variável aleatória, que depende de valores fixos (não aleatórios) da variável independente X.
II. Uma relação teórica em linha reta existe entre Y e o valor esperado de X para cada um dos valores possíveis de X. Essa linha de regressão teórica: E (Y ̸X) = α + βX possui uma inclinação α e uma interseção β. Os coeficientes de regressão α e β constituem parâmetros de população, cujos valores são desconhecidos e se deseja estimá-los.
III. Associada a cada valor de X, existe uma distribuição de probabilidade p(y ̸x) dos valores possíveis da variável aleatória Y. Quando X for igual a um valor xi, o valor de Y observado será obtido da distribuição de probabilidade p(y ̸xi) e não estará necessariamente na linha de regressão teórica.
Quanto às premissas subjacentes ao modelo de regressão linear simples, está correto o que se afirma apenas em
Conheça nossos planos