As informações a seguir referem-se aos resultados parciais da aplicação de um modelo de regressão linear simples, Y = ?0 + ?1X1 + ?, em uma amostra aleatória simples de 60pares de observações. Alguns dos resultados aproximados foram: • Fcalculado = 257,21. • Fsignificância = 5,50E - 23 • intercepto = 34,52; e • inclinação = 0,84 O valor da estatística t de Student e o p ? valor para o teste da significância de ?1 são, aproximadamente e respectivamente,
Atenção: Utilize as informações abaixo para responder à questão. Considere uma amostra aleatória de n pares de valores de duas variáveis, Xi e Yi, com i = 1,2, ..., n e admitindo-se que Y é função linear de X, pode-se estabelecer uma regressão linear simples da forma Yi = ?0 + ?1Xi + ei, onde ?0 e ?1 são parâmetros desconhecidos, X é a variável independente e Y é a variável dependente. O erro ei é uma série de valores independentes e identicamente distribuídos com ei ? N(0,?2).
Deseja-se obter um modelo de regressão para estimar y a partir das variáveis independentes X1 e X2. Com esse objetivo, foram obtidas 5 observações conforme o quadro a seguir:
Considere o modelo de regressão múltipla yi = ?0 + ?1xi1 + ?2xi2 + ei onde ei ? N(0,?2), atendendo todas as premissas necessárias para o modelo e os dados:
onde Xt é a transposta de X. Então, é correto afirmar que
Considere o modelo autorregressivo de primeira ordem AR(1), Zt = 2 + 0,6Zt ?1 + at , com at ? N(0, ?2). A previsão n passos à frente para a variável Z convergirá para
Para verificar se um modelo de regressão linear e? adequado, precisa investigar se as suposic?o?es feitas para o desenvolvimento do modelo esta?o satisfeitas, assim é importante verificar o comportamento do modelo usando o conjunto de dados observados, prestando atenção as discrepa?ncias entre os valores observados e os valores ajustados pelo modelo, ou seja, fazendo uma ana?lise dos resi?duos. Analise o gráfico abaixo sobre resi?duos e assinale a alternativa correta.
Considere um modelo de regressão múltipla usual Y = Xb + e, baseado em n observações y, b é um vetor de k parâmetros, e é um vetor de k componentes aleatórios e X é uma matriz de observações de dimensões n por (k + 1). Se XT denota a transposta de X, então o estimador de mínimos quadrados de b é igual a:
Com base na tabela precedente e considerando-se que o modelo de regressão linear simples ajustado para os dados fornecidos seja dado pela reta , é correto afirmar que a estatística F é dada por