Listagem de Questões sobre Regressão
As principais motivações para usar estimadores de razão e regressão são:
estimação sem vício de totais e médias e calibração.
estimação de razões populacionais e de parâmetros de modelos de regressão.
simplicidade de implementação e estimação sem vício das variâncias.
calibração e ausência de um cadastro das unidades populacionais.
calibração e ganho de eficiência estatística na estimação de totais e médias.
Dentre os itens abaixo, identifique as premissas básicas para o modelo de regressão.
I - Linearidade do fenômeno medido
II - Variância não constante dos termos de erro (heterocedasticidade)
III - Normalidade dos erros
IV - Erros correlacionados
V - Presença de colinearidade
São premissas APENAS os itens
I e III.
II e III.
I, III e IV.
I, III e V.
I, II, III e V.
Com base nos resultados acima, conclui-se que
a reta estimada é ˆ Y = 2,136 + 29,343x1+ 4,477x2.
os coeficientes estimados são significativos ao nível de 1%.
Considere a tabela ANOVA (incompleta) a seguir.
Os valores de P, Q, R, S, T e U são, respectivamente,
Ajustou-se um modelo de regressão linear simples a dados provenientes de alguns experimentos executados por um fabricante de concreto, com o objetivo de determinar de que forma e em que medida a dureza de um lote de concreto depende da quantidade de cimento usada para fazê-lo. Quarenta lotes de concreto foram feitos com quantidades diferentes de cimento na mistura, e a dureza de cada lote foi medida após sete dias. Sabendo-se que
o coeficiente de determinação é, aproximadamente,
0
0,064
0,5
0,94
14,38
Navegue em mais matérias e assuntos
{TITLE}
{CONTENT}
