Considerando que um modelo de regressão linear apresenta a forma y = X ∙ β + ε , em que y é o vetor resposta, X é a matriz de covariáveis, β é o vetor de parâmetros e ε é o erro do modelo, julgue o próximo item acerca do estimador de mínimos quadrados (EMQ) e do estimador de máxima verossimilhança (EMV) para esse modelo.  

O EMQ requer menos suposições sobre distribuições que o EMV para ser consistente.  

Considerando que um modelo de regressão linear apresenta a forma y = X ∙ β + ε , em que y é o vetor resposta, X é a matriz de covariáveis, β é o vetor de parâmetros e ε é o erro do modelo, julgue o próximo item acerca do estimador de mínimos quadrados (EMQ) e do estimador de máxima verossimilhança (EMV) para esse modelo.  

Quando os erros são homoscedásticos e normalmente distribuídos, os estimadores EMQ e EMV são não viesados e atingem o limite inferior de Cramér-Rao.  

Considerando que um modelo de regressão linear apresenta a forma y = X ∙ β + ε , em que y é o vetor resposta, X é a matriz de covariáveis, β é o vetor de parâmetros e ε é o erro do modelo, julgue o próximo item acerca do estimador de mínimos quadrados (EMQ) e do estimador de máxima verossimilhança (EMV) para esse modelo.  

Para o EMV existir para uma regressão linear, a variável resposta deve seguir uma distribuição normal. 

Considerando que um modelo de regressão linear apresenta a forma y = X ∙ β + ε , em que y é o vetor resposta, X é a matriz de covariáveis, β é o vetor de parâmetros e ε é o erro do modelo, julgue o próximo item acerca do estimador de mínimos quadrados (EMQ) e do estimador de máxima verossimilhança (EMV) para esse modelo.  

O EMQ minimiza a soma do quadrado dos resíduos, independentemente da distribuição dos dados. 

Considerando que um modelo de regressão linear apresenta a forma y = X ∙ β + ε , em que y é o vetor resposta, X é a matriz de covariáveis, β é o vetor de parâmetros e ε é o erro do modelo, julgue o próximo item acerca do estimador de mínimos quadrados (EMQ) e do estimador de máxima verossimilhança (EMV) para esse modelo.  
Sob a suposição de erros com distribuição normal e variância constante, o EMQ e o EMV para β são idênticos.

Julgue o próximo item, relativo a testes de hipóteses.  

O teste qui-quadrado é um procedimento que permite analisar a associação entre variáveis numéricas.  

Julgue o próximo item, relativo a testes de hipóteses.  

O teste t de Student é um procedimento que compara as médias de duas amostras.

Julgue o próximo item, relativo a testes de hipóteses.  

A definição da potência de um teste é baseada na probabilidade do erro do tipo I.

Julgue o próximo item, relativo a testes de hipóteses.  

A escolha do nível de significância tem influência direta na potência de um teste. 

Julgue o próximo item, relativo a testes de hipóteses.  

A definição do nível de significância de um teste é baseada na probabilidade do erro do tipo II. 

Julgue o próximo item, relativo a testes de hipóteses.  

O nível de significância de um teste assume valores altos, tais como 90%, 95% e 99%.

Julgue o próximo item, relativo a testes de hipóteses.  

Testar hipóteses consiste, essencialmente, em avaliar a hipótese nula.  

Julgue o item subsequente, no que se refere a intervalos de confiança e à credibilidade de um parâmetro.

A construção de um intervalo de credibilidade independe da distribuição de probabilidade. 

Julgue o item subsequente, no que se refere a intervalos de confiança e à credibilidade de um parâmetro.

Um intervalo de credibilidade é baseado em informações prévias.  

Julgue o item subsequente, no que se refere a intervalos de confiança e à credibilidade de um parâmetro.

A situação ideal na construção de intervalos de confiança é a obtenção de intervalos amplos que apresentem alta probabilidade de conter o parâmetro populacional.  

Julgue o item subsequente, no que se refere a intervalos de confiança e à credibilidade de um parâmetro.

Dada uma amostra, vários intervalos de confiança podem ser construídos. 

Julgue o item subsequente, no que se refere a intervalos de confiança e à credibilidade de um parâmetro.

O coeficiente de confiança mede a percentagem de intervalos de confiança construídos que contêm o parâmetro populacional.  

Julgue o item subsequente, no que se refere a intervalos de confiança e à credibilidade de um parâmetro.

Um intervalo de confiança permite a aproximação do parâmetro populacional por meio de intervalos. 

Julgue o item subsequente, no que se refere a intervalos de confiança e à credibilidade de um parâmetro.

O intervalo de confiança não permite medir a magnitude de erro (ou erro de precisão) com relação ao parâmetro populacional.

Acerca de estimadores pontuais, julgue o item a seguir.  

O estimador pontual da média populacional é dado pela média aritmética da amostra.