Questões Militares
Sobre modelos lineares em estatística
Foram encontradas 36 questões
Ano: 2025
Banca:
Marinha
Órgão:
Quadro Complementar
Prova:
Marinha - 2025 - Quadro Complementar - Segunto Tenente - Sistemas de Armas |
Q3589275
Estatística
Segundo Spiegel et al (2013), no ajustamento de curvas,
tem-se o relacionamento entre, ao menos, duas variáveis,
determinando uma equação que as relacione. Assim,
assinale a opção que apresenta, no diagrama de
dispersão abaixo a curva de aproximação.
Ano: 2025
Banca:
VUNESP
Órgão:
EsFCEx
Prova:
VUNESP - 2025 - EsFCEx - Oficial - Especialidade: Estatística |
Q3512551
Estatística
Um pesquisador está construindo um modelo de regressão múltipla para prever o nível de glicose no sangue (Y)
a partir das seguintes variáveis explicativas: idade (X1),
IMC (X2), horas de atividades físicas (X3), horas de sono
(X4) e consumo diário de açúcar (X5).
Sobre os métodos de seleção de variáveis, assinale a alternativa correta.
Sobre os métodos de seleção de variáveis, assinale a alternativa correta.
Ano: 2025
Banca:
VUNESP
Órgão:
EsFCEx
Prova:
VUNESP - 2025 - EsFCEx - Oficial - Especialidade: Estatística |
Q3512546
Estatística
Um experimento foi conduzido em delineamento inteiramente casualizado (DIC) com 3 tratamentos (T1
, T2
, T3
) e
3 repetições por tratamento. Os resultados obtidos foram:
T1 : 2, 3, 4.
T2 : 5, 6, 7.
T3 : 0, 1, 2.
Com base nesses dados, é correto afirmar que o quadrado médio dos tratamentos vale
T1 : 2, 3, 4.
T2 : 5, 6, 7.
T3 : 0, 1, 2.
Com base nesses dados, é correto afirmar que o quadrado médio dos tratamentos vale
Ano: 2025
Banca:
VUNESP
Órgão:
EsFCEx
Prova:
VUNESP - 2025 - EsFCEx - Oficial - Especialidade: Estatística |
Q3512545
Estatística
Em um experimento agrícola, um pesquisador deseja comparar 6 tratamentos para avaliar sua influência
na produtividade de milho. Devido à limitação da área,
não foi possível alocar todos os tratamentos em todos
os blocos. Assim, adotou-se um delineamento em blocos
incompletos balanceados, com 6 tratamentos, 10 blocos,
3 tratamentos por blocos e 5 repetições por tratamento.
Com base nas propriedades e na análise de variância associada a esse delineamento, assinale a alternativa correta.
Com base nas propriedades e na análise de variância associada a esse delineamento, assinale a alternativa correta.
Ano: 2025
Banca:
VUNESP
Órgão:
EsFCEx
Prova:
VUNESP - 2025 - EsFCEx - Oficial - Especialidade: Estatística |
Q3512544
Estatística
Um experimento foi planejado segundo um delineamento
inteiramente casualizado, em esquema fatorial fracionário do tipo 2k-p, com k = 5 fatores, p = 2, e sendo 3 repetições por ensaio.
Se o planejamento do experimento for modificado para p = 1 e o número de repetições para 4 por ensaio, qual será o incremento no número de graus de liberdade do resíduo da análise de variância?
Se o planejamento do experimento for modificado para p = 1 e o número de repetições para 4 por ensaio, qual será o incremento no número de graus de liberdade do resíduo da análise de variância?
Ano: 2025
Banca:
VUNESP
Órgão:
EsFCEx
Prova:
VUNESP - 2025 - EsFCEx - Oficial - Especialidade: Economia |
Q3511098
Estatística
Um modelo de regressão linear y = α + βx + ε (sendo que
ε é o termo aleatório) foi estimado a partir de uma amostra de 100 observações. O resultado encontrado foi 
= 2 + 3x. Sabe se que y tem média 11 e desvio
padrão 3, enquanto x tem média 3 e desvio padrão 2.
Em face do exposto, é correto afirmar que a covariância entre x e y é
= 2 + 3x. Sabe se que y tem média 11 e desvio
padrão 3, enquanto x tem média 3 e desvio padrão 2. Em face do exposto, é correto afirmar que a covariância entre x e y é
Ano: 2025
Banca:
Marinha
Órgão:
Quadro Técnico
Prova:
Marinha - 2025 - Quadro Técnico - Primeiro-Tenente - Estatística |
Q3477825
Estatística
Um nutricionista decidiu ajustar um modelo de regressão
linear simples para investigar como a quantidade de
proteína na alimentação diária influencia o ganho de
massa muscular em atletas após um período de
treinamento. Para isso, ele acompanhou 50 atletas e
registrou o ganho de massa muscular de cada um após
um mês. Sabendo que a variação residual foi de 479,6 e a
variação total foi de 4.800, qual é, aproximadamente, o
coeficiente de correlação entre a quantidade de proteína e
o ganho de massa muscular?
Ano: 2025
Banca:
Marinha
Órgão:
Quadro Técnico
Prova:
Marinha - 2025 - Quadro Técnico - Primeiro-Tenente - Estatística |
Q3477782
Estatística
Em um modelo de regressão linear simples, a reta
estimada é dada por 
= a + bX. Sabendo que a variação
residual foi de 60 e o coeficiente de determinação R2 foi
igual a 0,85, qual é a variação total da variável Y?
= a + bX. Sabendo que a variação
residual foi de 60 e o coeficiente de determinação R2 foi
igual a 0,85, qual é a variação total da variável Y?
Ano: 2025
Banca:
Marinha
Órgão:
Quadro Técnico
Prova:
Marinha - 2025 - Quadro Técnico - Primeiro-Tenente - Estatística |
Q3477780
Estatística
Suponha duas variaveis, X = gastos com marketing em
milhares de reais e Y = vendas de certo produto em
milhares de unidades. Considerando que exista relação
linear entre essas variáveis e utilizando a tabela abaixo,
assinale a opção que apresenta a reta de mínimos
quadrados ( = a + bX).
= a + bX).
Ano: 2025
Banca:
Aeronáutica
Órgão:
CIAAR
Prova:
Aeronáutica - 2025 - CIAAR - Engenharia Cartográfica |
Q3433261
Estatística
Segundo Gemael, C. (1994),
“... há quase dois séculos o geodesista fez a opção, seguindo o caminho indicado por Gauss e Legendre, em aceitar como melhor estimativa de X o valor que torna mínima a soma dos quadrados dos resíduos:
Quando as observações não oferecem o mesmo grau de confiança são “homogeneizadas” através de pesos pi:
... e desta forma, caracteriza-se o método dos mínimos quadrados (MMQ).”, aplicado corriqueiramente nas operações de Geodésia e Ajustamento de Observações.
Atualmente, para aplicação do MMQ,
“... há quase dois séculos o geodesista fez a opção, seguindo o caminho indicado por Gauss e Legendre, em aceitar como melhor estimativa de X o valor que torna mínima a soma dos quadrados dos resíduos:
Quando as observações não oferecem o mesmo grau de confiança são “homogeneizadas” através de pesos pi:
... e desta forma, caracteriza-se o método dos mínimos quadrados (MMQ).”, aplicado corriqueiramente nas operações de Geodésia e Ajustamento de Observações.
Atualmente, para aplicação do MMQ,
Q3266535
Estatística
Um modelo de regressão linear simples (Yi = a + b Xi + ei,
sendo i = 1, 2, ...,33) foi ajustado a uma amostra aleatória de uma determinada população, onde se obteve as
seguintes informações referentes à análise de variância desse modelo: (i) a soma de quadrados referente a
regressão foi igual a 3390; e (ii) a soma de quadrados
totais foi igual a 3713. A estimativa não viciada para a
variância populacional e a interpretação do coeficiente de
determinação desse modelo são, respectivamente:
Q3266534
Estatística
No ajuste de qualquer modelo estatístico, uma das principais tarefas do analista é avaliar se as pressuposições
assumidas por determinada metodologia são satisfeitas,
bem como a qualidade desse ajuste aos dados. Para
isso, fazer uma análise de resíduos se torna imprescindível. Há três tipos de violações das suposições que são
prontamente detectados por meio do uso de gráficos
residuais; são elas: (i) presença de valores discrepantes;
(ii) variância do erro heterogênea; e (iii) especificação do
modelo inadequada.
Diante disso, o gráfico de valores preditos
versus resíduos padronizados (ei), que indica uma especificação do
modelo inadequada para a situação em estudo, é:
Diante disso, o gráfico de valores preditos
versus resíduos padronizados (ei), que indica uma especificação do
modelo inadequada para a situação em estudo, é:
Q3266532
Estatística
São vários os procedimentos para a busca do “subconjunto ótimo” de variáveis, na ausência da ortogonalidade, para
obter uma equação de estimação adequada que relaciona
uma variável Y a todas ou a um subconjunto de variáveis
independentes. Considere o seguinte procedimento:
PASSO 1: Escolha a variável que fornece a maior soma de quadrados da regressão em regressão linear simples com Y ou, de maneira equivalente, que forneça o maior valor de R2. Chamaremos essa variável inicial de X1.
PASSO 2: Escolha a variável que, quando inserida no modelo, fornece o maior aumento em R2, na presença de X1, sobre o valor de R2 encontrado no passo 1, isto é, a variável Xj para a qual:
R(βj |β1) = R(β1, βj) – R(β1)
é maior. Vamos chamá-la de variável X2. O modelo de regressão com X1 e X2 é, então, ajustado e R2 é observado.
PASSO 3: Escolha a variável Xj que fornece o maior valor de:
R(βj |β1, β2) = R(β1, β2, βj) – R(β1, β2),
resultando novamente em um aumento em R2 sobre aquele dado no PASSO 2. Ao chamar essa variável de X3, agora temos um modelo de regressão que envolve X1, X2 e X3. Esse processo é continuado até que a variável inserida mais recentemente falhe ao produzir um aumento significativo na regressão explicada. Tal aumento pode ser determinado em cada passo, devendo-se usar o teste F (ou t) apropriado.
Por exemplo, no PASSO 2, o valor:
pode ser determinado para testar a adequação de X2
no modelo. De maneira similar, no PASSO 3 a razão: 
testa a adequação de X3
no modelo.
Se f < f(1, n-3; α) no PASSO 2, para um nível de significância preestabelecido, X2 não é incluído e o processo é encerrado, resultando em uma equação linear simples que relaciona Y e X1.
Contudo, se f >f(1, n-3; α) deve-se seguir para o PASSO 3. Novamente, se f < f(1, n-4; α) no PASSO 3, X3 não é incluído e o processo é encerrado com a equação de regressão apropriada que contém as variáveis X1 e X2.
Notações utilizadas:
R2 é o coeficiente de determinação do modelo de regressão;
R(.) é a soma dos quadrados do modelo de regressão em questão;
βj é o coeficiente do modelo de regressão que acompanha a variável Xj;
A notação ‘|’ indica a probabilidade condicional;
é o quadrado do erro médio para o modelo que
contém as variáveis X1 e X2;
é o quadrado do erro médio para o modelo que
contém as variáveis X1, X2 e X3.
Essa descrição se refere ao método de seleção de variáveis:
PASSO 1: Escolha a variável que fornece a maior soma de quadrados da regressão em regressão linear simples com Y ou, de maneira equivalente, que forneça o maior valor de R2. Chamaremos essa variável inicial de X1.
PASSO 2: Escolha a variável que, quando inserida no modelo, fornece o maior aumento em R2, na presença de X1, sobre o valor de R2 encontrado no passo 1, isto é, a variável Xj para a qual:
R(βj |β1) = R(β1, βj) – R(β1)
é maior. Vamos chamá-la de variável X2. O modelo de regressão com X1 e X2 é, então, ajustado e R2 é observado.
PASSO 3: Escolha a variável Xj que fornece o maior valor de:
R(βj |β1, β2) = R(β1, β2, βj) – R(β1, β2),
resultando novamente em um aumento em R2 sobre aquele dado no PASSO 2. Ao chamar essa variável de X3, agora temos um modelo de regressão que envolve X1, X2 e X3. Esse processo é continuado até que a variável inserida mais recentemente falhe ao produzir um aumento significativo na regressão explicada. Tal aumento pode ser determinado em cada passo, devendo-se usar o teste F (ou t) apropriado.
Por exemplo, no PASSO 2, o valor:
pode ser determinado para testar a adequação de X2
no modelo. De maneira similar, no PASSO 3 a razão: testa a adequação de X3
no modelo. Se f < f(1, n-3; α) no PASSO 2, para um nível de significância preestabelecido, X2 não é incluído e o processo é encerrado, resultando em uma equação linear simples que relaciona Y e X1.
Contudo, se f >f(1, n-3; α) deve-se seguir para o PASSO 3. Novamente, se f < f(1, n-4; α) no PASSO 3, X3 não é incluído e o processo é encerrado com a equação de regressão apropriada que contém as variáveis X1 e X2.
Notações utilizadas:
R2 é o coeficiente de determinação do modelo de regressão;
R(.) é a soma dos quadrados do modelo de regressão em questão;
βj é o coeficiente do modelo de regressão que acompanha a variável Xj;
A notação ‘|’ indica a probabilidade condicional;
é o quadrado do erro médio para o modelo que
contém as variáveis X1 e X2; é o quadrado do erro médio para o modelo que
contém as variáveis X1, X2 e X3. Essa descrição se refere ao método de seleção de variáveis:
Q3266523
Estatística
Considere que um professor de estatística deseja avaliar se a nota obtida pelos alunos pode ser descrita em função do
tempo de estudo deles. Para isso, decidiu realizar o ajuste de um modelo de regressão linear e organizou os dados das
notas dos alunos e do tempo de estudo em dois objetos no ambiente R, nomeados como “nota” e “tempo”, ambos na
mesma ordem de entrada. A sequência de comandos que realiza o ajuste de um modelo de regressão linear e apresenta
o intervalo de confiança (95%) para os coeficientes de regressão é:
Q3266505
Estatística
Seja um experimento unifatorial considerando um modelo de efeito aleatório com 3 tratamentos e 4 repetições.
Sabendo que o quadrado médio dos tratamentos é igual
a 360 e que o quadrado médio dos resíduos é igual a 60,
então a estimativa do componente de variância do tratamento é igual a:
Q3266504
Estatística
Um experimento agrícola foi conduzido no esquema
fatorial duplo em delineamento em blocos casualizados,
sendo os níveis do primeiro fator as doses 0, 10, 20 e
30 kg/ha e do segundo fator os adubos X, Y e Z. Considere
que foram utilizados 5 blocos e uma repetição por bloco.
O grau de liberdade para o resíduo é igual a:
O grau de liberdade para o resíduo é igual a:
Q3266503
Estatística
Um experimento foi conduzido em esquema fatorial
duplo, sendo que o primeiro fator tinha 3 níveis e o
segundo fator tinha 2 níveis. Na Análise de Variância,
os valores da estatística F calculada obtidos foram: 0,21
para o primeiro fator, 0,92 para o segundo fator e 2,80
para o efeito da interação entre os dois fatores. Sabendo
que o experimento tinha 18 graus de liberdade para o
resíduo, considere os valores de F tabelados para o nível
de significância de 5% a seguir, em que V1 são os graus
de liberdade para o numerador e V2 são os graus de
liberdade do denominador.
Considerando o nível de significância de 5%, assinale a alternativa correta.
Considerando o nível de significância de 5%, assinale a alternativa correta.
Q3266502
Estatística
Um experimento foi conduzido em delineamento inteiramente casualizado com 3 tratamentos e 4 repetições, totalizando
12 unidades amostrais. Os resultados da Análise de Variância são observados na tabela a seguir.
Os valores de A e B são, respectivamente,
Os valores de A e B são, respectivamente,
Q2262103
Estatística
Deseja-se obter uma equação que descreva o comportamento da variável Y=salário dos funcionários da empresa
A em função da variável X=tempo em que trabalha na
empresa e verificar se essa relação é estatisticamente
significativa. Dispõe-se do arquivo dados no formato
RData no qual estão armazenadas as variáveis X e Y.
A forma correta para obter a equação de uma regressão
linear simples e verificar se o modelo ajustado é significativo, utilizando o software R é dada por:
Q2262101
Estatística
Um estatístico recém formado recebe uma demanda de
análise de um banco de dados. Na dúvida sobre as condições do uso da regressão logística, busca nas referências a teoria dessa técnica. Sobre uma regressão logística binária é correto afirmar que seu uso
Conheça nossos planos