Um modelo de regressão linear múltipla com dez coeficientes foi ajustado pelo método de mínimos quadrados ordinários, tendo produzido um coeficiente de determinação (R²) igual a 80%.

Nessa hipótese, caso o tamanho da amostra utilizado para esse ajuste tenha sido igual a 46, então o valor correspondente do coeficiente conhecido como “R² ajustado” deve ter sido igual a

    Em um modelo de regressão linear simples na forma y = ax + b + ∈, x representa a variável regressora, y denota a variável resposta e ∈ é um erro aleatório com média zero e variância 100.

Nessa hipótese, considerando-se que â denote o estimador de mínimos quadrados ordinários do coeficiente produzido por uma amostra aleatória de tamanho igual a 101 e que o desvio padrão amostral da variável regressora seja igual a 2, é correto afirmar que o desvio padrão de â será igual a

    Um analista pretende ajustar um modelo de regressão linear simples com um intercepto e um coeficiente angular β, utilizando uma amostra de tamanho igual a 402.

Nessa situação, se a razão t correspondente à estimativa de β a ser obtida pelo método de mínimos quadrados ordinários for igual a 20, então o coeficiente de explicação (ou determinação) R² proporcionado pelo modelo em tela será igual a

Modelos de previsão podem ser obtidos a partir do uso de técnicas de regressão. Dentre essas técnicas, pode-se citar a técnica de regressão polinomial.
Considere o conjunto de dados e a informação a seguir:



Deseja-se encontrar um modelo de regressão polinomial de 2º grau Y = a₀ + a₁ X + a₂ X² que melhor se encaixe nesse conjunto de dados.
Estimando-se pelo método dos mínimos quadrados, os valores de a₀, a₁ e a₂ serão dados, respectivamente, por

É uma técnica amplamente utilizada em Ciência de Dados para modelar e compreender relações entre variáveis. No que se refere ao conceito apresentado, assinale a alternativa correta.

Sobre a regressão linear analise as afirmativas:

I. A variável independente também pode ser chamada de regressora e/ou explicativa, sendo considerada a variável principal.
II. A regressão Linear tem a finalidade de avaliar o comportamento de uma variável em função da outra.
III. A variável dependente é aquela cujo valor é observado em função da variável principal (a variável independente).

De acordo com as afirmativas acima, quais estão corretas:

Ao se considerar um modelo linear de dados transformados para encontrar as constantes α e β do modelo de regressão não-linear y = αe^βx que melhor se ajusta aos dados (x₁, y₁),...,(x_n, y_n), a soma dos quadrados dos resíduos que deve ser minimizada é dada por:

A respeito de um modelo de regressão logística para uma variável resposta Y considerando a função de ligação canônica associada ao modelo Bernoulli, chamada de logit, é INCORRETO afirmar que: 

Determinado Ministério Público Estadual coletou dados nas 53 comarcas do Estado com o intuito de estudar a relação entre o tempo médio (Y), em dias, gasto na triagem inicial de denúncias de abuso recebidas pela comarca e duas variáveis explicativas: o número de servidores lotados no setor responsável por avaliar as denúncias na comarca (X₁); e o número de municípios atendidos pela comarca (X₂). Considere o ajuste do modelo de regressão linear múltipla Y_i = β₀ + β₁X_1i + β₂X_2i + ɛ_i , onde i = 1,..., 53 e ɛ₁,..., ɛ₅₃ são erros independentes com ɛ_i⁓N(0, σ²) para todo i. Os seguintes resultados foram obtidos pelo método de máxima verossimilhança: ₀ = 21, 5, ₁ = – 2,8 e ₂ = 3,5.  Adicionalmente, tem-se que SQ_Regressão = 346,5 e SQ_Resíduos = 185, 5. Com base nessas informações, é correto afirmar que: 

Sabe-se que os modelos estatísticos de regressão foram construídos com base em algumas suposições.

Dessa forma, assinale a opção que apresenta a suposição que se aplica aos modelos de regressão múltipla e não está presente nos modelos de regressão simples.

Um analista financeiro tenta prever a rentabilidade anual futura de um ativo, em termos reais. Ele considera que a rentabilidade real (em %) siga, ao longo dos anos, um modelo AR(1): yt = Φ₀ + Φ₁ y_t-1 + ε_t, em que t é o ano, E(ε_t) = 0 e corr(ε_t, ε_t-s) = 0, para s = 1, 2, ... . Sabe-se que a rentabilidade real prevista pelo modelo para o longuíssimo prazo foi de 4% ao ano.
Se a estimativa obtida para o parâmetro Φ₁ foi 0,8, a estimativa do parâmetro Φ₀ foi:

Um analista investiga, mediante um modelo de regressão linear clássico, a relação entre a rentabilidade y de ofertas públicas disponíveis no mercado e um indicador de risco associado ao emissor, representado pela variável explicativa x. Considera-se que o termo de erro do modelo siga distribuição Normal. Foi utilizada uma amostra aleatória simples de 20 pares (x,y) de observações mensais. O modelo estimado está apresentado a seguir (erros padrão entre parênteses).




O intervalo de 95% de confiança associado ao impacto de x sobre y é (considere apenas 3 casas decimais):

Na estimação de parâmetros de modelos econométricos, o estimador de mínimos quadrados ordinários (MQO) é largamente utilizado. A principal propriedade que esse estimador deve ter é ser consistente, ou seja, o estimador deve convergir para o verdadeiro parâmetro conforme o tamanho da amostra aumenta.

Avalie se as seguintes condições são necessárias para a consistência do estimador de MQO.

I. A distribuição de probabilidade dos erros do modelo deve ser uma distribuição Normal.

II. A correlação entre as variáveis explicativas do modelo e o termo de erro deve convergir para zero.

III. Os erros do modelo devem ter média igual a zero.


Está correto o que se apresenta em

Em uma pesquisa sobre o desempenho de alunos em uma determinada disciplina ao longo do tempo, foi observado que o princípio da regressão ou reversão se aplica. Esse princípio sugere que, em geral, os resultados extremos tendem a se aproximar da média em medições subsequentes. Suponha que um aluno tenha uma nota muito alta em uma prova inicial. De acordo com o princípio da regressão ou reversão, o que é mais provável que aconteça na próxima avaliação?

Em um modelo de regressão linear múltipla, onde há uma variável dependente Y e k variáveis independentes X, o estimador não viesado para a variância do modelo com n observações é dado por:

Obs. O chapéu em  indica valor estimado e o traço em  indica a média.