A soma dos quadrados dos resíduos (variações não explicadas) é inferior a 20.
Uma empresa de transporte de cargas deseja expandir seus negócios e para isso fez um levantamento acerca das 48 empresas concorrentes. Foi considerado um modelo de regressão linear múltipla, em que a variável dependente Y representa o faturamento dessas empresas, havendo três variáveis explicativas — X1, X2 e X3 — que representam um perfil dessas concorrentes. O ajuste foi efetuado por mínimos quadrados ordinários e os resultados são mostrados na tabela acima. Com base nessas informações, julgue os itens subsecutivos.
Com respeito ao teste linear geral, a hipótese H0 considerada pelo teste F da ANOVA é que B1 = B2 = B3 = 0, em...
Uma empresa de transporte de cargas deseja expandir seus negócios e para isso fez um levantamento acerca das 48 empresas concorrentes. Foi considerado um modelo de regressão linear múltipla, em que a variável dependente Y representa o faturamento dessas empresas, havendo três variáveis explicativas — X1, X2 e X3 — que representam um perfil dessas concorrentes. O ajuste foi efetuado por mínimos quadrados ordinários e os resultados são mostrados na tabela acima. Com base nessas informações, julgue os itens subsecutivos.
Apenas o coeficiente associado à variável X3 e o intercepto são significativos no nível de significância de 5%...
Em um modelo de regressão linear múltipla envolvendo a variável dependente e 4 variáveis explicativas, obtiveram-se as estimativas dos respectivos parâmetros utilizando o método dos mínimos quadrados. O número de observações para a dedução da correspondente equação foi de 20. Construindo o quadro de análise de variância, com o objetivo de testar a existência da regressão, tem-se para utilização da estatística F de Snedecor os graus de liberdade no numerador e no denominador com, respectivamente,
A variação explicada pelo modelo de regressão apresenta o valor de
Utilizando a equação da reta obtida pelo método dos mínimos quadrados, obtém-se que o valor da previsão de Y para X = 7 é igual a
Com base nessas informações, julgue os próximos itens, relativos a correlação, regressão e distribuições conjuntas.
Considere que as variáveis X e Y foram categorizadas em intervalos de classes. Nessa situação, não é possível usar o coeficiente de correlação de Pearson para estimar a correlação linear entre X e Y.
Com base nessas informações, julgue os próximos itens, relativos a correlação, regressão e distribuições conjuntas.
Em face dessas informações, é correto afirmar que o teste t para o parâmetro 
foi superior a 3.
Com base nessas informações, julgue os próximos itens, relativos a correlação, regressão e distribuições conjuntas.
O modelo em questão apresentou um coeficiente de determinação (R2) inferior a 0,5.
Com base nessas informações, julgue os próximos itens, relativos a correlação, regressão e distribuições conjuntas.
Se o intercepto do modelo for considerado não significativo a determinado nível de significância e, por isso, seja retirado do modelo, então o coeficiente de determinação do novo modelo possuirá as mesmas propriedades do coeficiente de determinação do modelo originalmente proposto.
