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.
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:
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:
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:
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:
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
Suponha que a seguinte regressão seja estimada para homens e mulheres em separado:
W = a + b*(Educ) + u,
em que, w é o logaritmo neperiano do salário, Educ representa os anos de estudos, a e b são parâmetros do intercepto e da inclinação a serem estimados por mínimos quadrados ordinários e u é o termo aleatório.
Sendo ah e bh as estimativas dos parâmetros do intercepto e da inclinação, respectivamente, para o universo dos homens e, am e bm, as estimativas dos parâmetros do intercepto e da inclinação, respectivamente, para as mulheres. Para se verificar se os homens apresentam um retorno monetário da educação maior do que as mulheres deve-se testar a seguinte hipótese nula:
Considere duas variáveis, X e Y, com as seguintes características:
Um experimento foi realizado com o propósito de avaliar o efeito de três diferentes pacotes de serviços de comunicação de dados (tratamento) no volume de reclamações (resposta). As unidades experimentais foram nove grandes cidades, agrupadas em três blocos com três cidades cada. Em cada bloco, cada cidade recebeu casualmente um tratamento, o que resultou na distribuição exibida na tabela acima.
Com relação aos experimentos em blocos completos casualizados, julgue os itens a seguir.
O erro padrão do estimador de mínimos quadrados do coeficiente α é igual ou superior a 0,4. 
A estimativa de mínimos quadrados ordinários do coeficiente α é superior a 1,4 e inferior a 1,5. 
Considerando essas informações e as tabelas acima, que mostram resultados pertinentes ao referido modelo, cujos coeficientes foram obtidos com base no método de mínimos quadrados ordinários, julgue os itens a seguir.
O intercepto do modelo ajustado não tem significância estatística.
Considerando essas informações e as tabelas acima, que mostram resultados pertinentes ao referido modelo, cujos coeficientes foram obtidos com base no método de mínimos quadrados ordinários, julgue os itens a seguir.
O coeficiente de determinação ou explicação (R2) é igual ou superior a 55%.
Considerando os resultados apresentados, é INCORRETO afirmar que o(a)
Considere os resultados a seguir.
Sobre os coeficientes do modelo de regressão linear múltipla, é correto afirmar que
Com o objetivo de diminuir os casos de afogamento na temporada de 2015, uma prefeitura de uma cidade litorânea encomendou estudos estatísticos que identificassem prováveis fatores de risco.
Aplicando o modelo estatístico de regressão linear aos dados da tabela abaixo, podemos afirmar que:
Um banco deseja melhorar a atenção aos seus clientes, habilitando mais caixas para o atendimento. Para isso necessita de um modelo estatístico que permita conhecer a probabilidade de que uma quantidade de n clientes requeram atendimento em um intervalo de tempo T.
Que distribuição de probabilidade deve ser empregada nesse estudo?
Observando como os dados na figura abaixo estão dispersos:
podemos concluir que o modelo de regressão polinomial mais indicado para aproximá-los é:
O estimador β1 é significativo a 1% de nível de significância. 
De acordo com a estatística do R-quadrado, 5,1% da variação total do consumo é explicada pelo modelo econométrico. 
Com base nos resultados acima, tem-se que:
