Questões sobre Modelos lineares

O modelo de regressão linear simples F_i = ? + ?G_i + ?_I foi adotado para prever o faturamento anual (F), em milhões de reais, de uma empresa em função dos respectivos gastos com propaganda (G), em milhões de reais. ? e ? são parâmetros reais desconhecidos, i corresponde a i-ésima observação e ?_I é o erro aleatório com as respectivas hipóteses do modelo de regressão linear simples. Com base em 10 observações anuais (G_i , F_i ) e utilizando o método dos mínimos quadrados encontrou-se a equação  . Sabendo-se, com base nessas informações, que a estimativa da variância do modelo teórico encontrada foi de 25 e que o coeficiente de determinação (R²) é igual a 80%, verifica-se que a variância da estimativa do coeficiente angular correspondente ao modelo é igual a

Todos os participantes de um curso foram divididos em 3 grupos (I, II e III). No final de um período, decide-se testar a hipótese, a um determinado nível de significância ?, da igualdade das médias das notas dos grupos obtidas em um teste aplicado para todos os participantes. Como o número de participantes era muito grande, optou-se por extrair aleatoriamente de cada grupo 10 observações apurando-se o quadro de análise de variância abaixo, sendo que somente foram fornecidos a “Soma de quadrados Total” e o valor da estatística F utilizada para a tomada de decisão. 

Conclui-se que o valor de X é igual a

Em relação aos procedimentos técnicos relacionados aos procedimentos de amostragem, julgue os itens a seguir.
I Quando se adiciona variáveis explicativas no modelo de regressão linear, espera-se o incremento da estatística R² . 
II Ao se comparar modelos com diferentes quantidades de variáveis explicativas, deve-se analisar o valor de R² ajustado. 
III O aumento de variáveis explicativas aumenta o R² ajustado.
IV Ao se estimar um modelo com quatro variáveis explicativas e compará-lo com um modelo com três variáveis explicativas, escolhe-se o modelo que retornar o maior valor de R² ajustado, tudo o mais constante.
Estão corretos apenas os itens

Um problema frequente na análise de regressão é a presença de multicolinearidade. Nesses casos, as correlações entre as variáveis independentes causam instabilidade na estimação dos parâmetros, inflacionando os erros das estimativas. Qual das técnicas apresentadas a seguir é uma alternativa para lidar com multicolinearidade em regressão linear múltipla? 

Deseja-se ajustar um modelo de regressão linear para descrever a relação linear entre velocidade do saque (variável resposta) e altura de tenistas (variável explicativa). No entanto, acredita-se que essa relação mude conforme a idade. Por isso, além da altura do jogador, será considerada na análise a faixa etária, categorizada em: jovens, adultos e idosos. O modelo de regressão linear múltipla com efeito de interação entre altura e faixa etária pode ser expresso como:

y = ?₀ + ?₁x₁ + ... + ?_kx_k + ?, ? ~ N(0,?²),

em que x₁,...,x_k denota as k variáveis a serem inseridas no modelo (eventualmente, resultantes do produto das variáveis originais). Nesse caso, k é igual a: