11
Q761264
A partir dos resultados, é correto afirmar que:
12
Q761263
A multicolinearidade é uma das dificuldades que pode ocorrer no processo de estimação de Modelos de Regressão Múltipla. Em casos mais severos, a multicolinearidade chega a impossibilitar a obtenção de estimativa, mas mesmo quando tal não se dá, outros problemas podem advir.
Como exemplo, seria possível dizer que:
13
Q761262
Assim sendo, é correto afirmar que:
14
Q761261
No caso da seleção de Modelos de Regressão Múltipla por meio do grau de aderência e do nível de captura das variações da variável explicada, alguns cuidados devem ser tomados.
Dentre esses, cabe destacar que:
15
Q761260
Sobre os resultados e as perspectivas de uso do modelo, é correto afirmar que:
16
Q761259
Os pressupostos do modelo de regressão linear simples estão relacionados às propriedades dos estimadores de Mínimos Quadrados Ordinários (MQO), Melhor Estimador Linear Não Tendencioso (BLUE) e Máxima Verossimilhança (MV).
Sobre essas vinculações, é correto afirmar que:
17
Q761243
O Método de Mínimos Quadrados (MQ), o Método dos Momentos (MM) e o de Máxima Verossimilhança (MV) estão entre os mais usados para estimação pontual de parâmetros.
Sobre esses, é correto afirmar que:
18
Q761201
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue os itens subsequentes. A autocorrelação dos erros, desde que não seja unitária em termos absolutos, insere um viés nas estimativas da variável dependente.
19
Q761200
Considerando um modelo de regressão linear com erros heteroscedásticos, julgue os itens seguintes. Para um modelo de regressão linear múltiplo, o teste de White permite detectar a heteroscedasticidade a partir da regressão de cada erro estimado da regressão original com as variáveis explicativas e seus inversos.
20
Q761198
Considerando um modelo de regressão linear com erros heteroscedásticos, julgue os itens seguintes. Para corrigir a heteroscedasticidade, como regra geral, é suficiente fazer a regressão da variável dependente em função das raízes quadradas das variáveis independentes.
21
Q761191
A respeito dessa situação hipotética, julgue os itens que se seguem.
A heteroscedasticidade é um problema que surge quando o valor esperado dos erros não é zero.
22
Q761147
23
Q794688
Em modelos de regressão múltipla, alguns pressupostos complementares são formulados para que os parâmetros possam ser estimados de forma satisfatória. Um deles trata da micronumerosidade e outro do tamanho da amostra.
Sobre essas duas adições, é correto afirmar que:
24
Q794687
Em um modelo de regressão linear múltipla, após a estimação dos parâmetros, realizou-se uma Análise da Variância, através da decomposição amostral. Os dados foram impressos, mas depois foram em parte perdidos, restando apenas a tabela a seguir, com diversas lacunas:
Com os dados acima é possível concluir que:
25
Q794686
Em uma regressão linear as propriedades dos estimadores de MQO estão relacionadas com a validade dos pressupostos sobre os erros aleatórios.
Sobre essa correspondência entre propriedades e pressupostos, é correto afirmar que:
26
Q794685
Em modelos de regressão linear existem três métodos de estimação mais frequentemente empregados. São eles o de Mínimos Quadrados Ordinários (MQO), o do Melhor Estimador Linear Não Tendencioso (BLUE) e o de Máxima Verossimilhança (MV).
Sobre esses métodos, supondo válidos os pressupostos básicos do modelo, é correto afirmar que:
27
Q794684
A respeito das regressões, é correto afirmar que
28
Q794683
Deseja-se determinar, usando o método da regressão linear, a tendência (T) da seguinte série de tempo dada pelo quadro abaixo, em que Yt representa o volume de vendas (em milhões de reais) de um produto em t (ano).
Analisando o diagrama de dispersão, optou-se pela forma de tendência T = a + bt, em que a e b foram obtidos por meio do método dos mínimos quadrados. O valor de a é igual a
29
Q633770
A partir das definições sobre as três Premissas da Regressão Linear (normalidade, homocedasticidade e independência dos erros), assinale a alternativa que corresponde ao seu conceito correto.
30
Q633564
Um quadro de análise de variância refere-se a um modelo regressivo linear múltiplo, com intercepto, com o objetivo de obter a previsão de uma variável dependente (y) em função de 4 variáveis explicativas (x1, x2, x3 e x4). Sabe-se que as estimativas dos parâmetros deste modelo foram obtidas pelo método dos mínimos quadrados com base em 20 observações. Se o coeficiente de explicação (R2) encontrado foi de 76%, obtém-se pelo quadro que o valor da estatística F (F calculado) utilizado para testar a existência da regressão é