Questões sobre Modelos lineares

#Questão 1091313 - Estatística, Modelos lineares, CESPE / CEBRASPE, 2025, TRF - 6ª REGIÃO, Analista Judiciário - Área Apoio Especializado - Especialidade Estatística

Um modelo de regressão linear simples é especificado como Yi = a + Xi ∙ β + εi, em que E [εi ] = 0 e Var[εi ] = δ2. Para estimadores a' e β' , o valor predito para observação i (Y'i) com característica Xi é dado por Y'i = a' + Xi ∙ β' . O resíduo para observação i ( εi ) é definido como εi = Yi − Y'i . De uma amostra aleatória de tamanho 49, coletada da população desse modelo de regressão linear simples, obteve-se:

• ∑i( Yi − Y'i)2 = 17.173 e

• ∑i ( Y'i - my)2) = 36.464,

em que my é a média amostral de Y.

Em relação às informações precedentes, julgue o próximo item, considerando que o percentil 95% de uma distribuição F, com 1 grau de liberdade no numerador e 47 graus de liberdade no denominador, é igual a 4,05, e que o percentil 95% de uma distribuição qui-quadrado com 47 graus de liberdade é 64.

Se a correlação amostral entre os resíduos, ε'_i , e X_i é igual a zero, isso indica que o modelo está bem especificado.

C) Certo

E) Errado

#Questão 1129570 - Estatística, Modelos lineares, Instituto Consulplan, 2025, TJ/RO, Analista Judiciário - Estatístico

O modelo de regressão linear simples pode ser usado para estimar a relação entre a média de uma variável dependente Y (por exemplo, o tempo de tramitação de processos) e uma variável explicativa X (por exemplo, carga de trabalho do Juiz ou o número de partes envolvidas) com base na informação de dados amostrais. Considerando Y₁,Y₂, . . . , Y_n como variáveis aleatórias independentes, tal que Y_i |X_i ~ Normal(βX_i ,σ²), onde X_i é conhecido para todo i = 1, . . . ,n, assinale, a seguir, a alternativa que representa uma estatística conjuntamente suficiente para os parâmetros Β e σ².

A)

B)

C)

D)

D)

#Questão 1134427 - Estatística, Modelos lineares, FUNDEP (Gestão de Concursos), 2025, ARISB - MG, Analista de Fiscalização e Regulação (Ciências Biológicas)

O principal objetivo de uma análise de regressão é possibilitar a estimativa do valor médio de uma variável de resposta, tendo por base valores de variáveis explicativas.
Considerando que as análises de regressão podem ser lineares ou não lineares, em relação às características da análise de regressão linear, assinale a alternativa correta.

A)

A solução deve ser obtida por métodos numéricos interativos de minimização da função de erro.

B)

No gráfico de dispersão, os pontos não se distribuem segundo uma reta.

C)

A solução deve ser obtida por logaritimização de variáveis.

D)

A solução pelo método dos mínimos quadrados é exata.

#Questão 918138 - Estatística, Modelos lineares, FGV, 2023, SEFAZ- MT, Fiscal de Tributos Estaduais (FTE) - Tarde

Imagem associada para resolução da questão

Em modelos de regressão linear, afirma-se que há heterocedasticidade quando

A) os valores dos critérios de informação BIC e AIC são exatamente iguais.

B) a medida da influência de uma observação calculada por meio da distância de Cook é igual a zero.

C) a ausência de pontos aberrantes, de pontos de alavanca e de pontos influentes é percebidas.

D) os parâmetros do modelo estatístico são estimados por máxima verossimilhança.

E) a variância dos erros não é a mesma em todas as observações feitas.

#Questão 920960 - Estatística, Modelos lineares, Instituto Consulplan, 2023, SEGER-ES, Analista do Executivo - Estatística

Em modelos de regressão linear múltipla, a análise de resíduos tem um papel fundamental na verificação da qualidade do ajuste. A medida de influência responsável por medir a diferença entre um modelo de regressão com determinada observação e um modelo sem aquela observação denomina-se:

A) BIC.

B) AIC.

C) Distância de Cook.

D) Distância de Mahalanobis.

E) Fator de inflação da variância.

Questões sobre Modelos lineares

Pesquise questões de concurso nos filtros abaixo