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:

Com base nos resultados acima, tem-se que:

Em relação ao modelo de regressão linear, julgue os itens a seguir.

Nas estimativas por mínimos quadrados ordinários, se a variável dependente for multiplica por uma constante k > 0, o intercepto e a inclinação da regressão também serão multiplicados por k.

Em relação ao modelo de regressão linear, julgue os itens a seguir.

Havendo autocorrelação dos resíduos, os estimadores de mínimos quadrados ordinários serão não viesados e ineficientes.

Em relação ao modelo de regressão linear, julgue os itens a seguir.

Julgue os itens a seguir, referentes à análise dos resíduos e da qualidade de ajuste dos modelos de regressão.

Considere que um modelo de regressão com intercepto e três variáveis regressoras tenha sido ajustado com base em uma amostra de tamanho 32 e que a análise da qualidade do ajuste não tenha detectado valor outlier nas variáveis independentes. Nessa situação, o menor valor do resíduo padronizado deletado que define observações influentes na amostra é

Julgue os itens a seguir, referentes à análise dos resíduos e da qualidade de ajuste dos modelos de regressão.

Considere que um pesquisador, ao ajustar um modelo de regressão de Y explicado pelas variáveis X1 e X2, tenha observado que, no gráfico dos resíduos do modelo de Y explicado por X2 contra os resíduos de X1 explicado por X2, havia uma relação quadrática. Nesse caso, o diagnóstico indica que a relação entre a variável resposta Y e X2 é quadrática.

A respeito dos modelos de análise de variância, julgue os itens subsequentes.

Considere que, em um modelo de análise de variância (ANOVA) com um fator fixo em quatro níveis, ajustado em uma amostra de tamanho 25, tenha sido observada uma estatística F igual a 3,5. Nesse caso, se a soma de quadrados totais (SQT) for igual a 31,5, então a soma de quadrados associada ao fator é igual a quatro vezes o valor da soma de quadrados do resíduo.

A respeito dos modelos de análise de variância, julgue os itens subsequentes.

Em um modelo de análise de variância (ANOVA) para um fator fixo com três níveis, o valor absoluto do efeito de um dos níveis é igual ao valor absoluto da soma dos efeitos dos demais níveis.

Julgue o item abaixo acerca dos parâmetros dos modelos de regressão.

Considere que, para um modelo de regressão linear, um vetor x* de variáveis independentes tenha sido observado com o objetivo de se predizer a resposta. Considere, ainda, que um leverage seja igual a 0,45, que o quadrado médio do resíduo seja 120 e que o percentil de ordem 97,5% da distribuição t-Student correspondente seja 2,04. Nesse caso, a amplitude do intervalo de predição é superior a 360.

No que se refere aos estimadores dos parâmetros dos modelos de regressão, julgue os itens seguintes.

No que se refere aos estimadores dos parâmetros dos modelos de regressão, julgue os itens seguintes.

No que se refere aos estimadores dos parâmetros dos modelos de regressão, julgue os itens seguintes.

Se a inclinação da reta de regressão com relação ao eixo das abscissas for igual a 45º, então, para cada unidade acrescentada na variável independente (X), ocorre um acréscimo de duas unidades na variável dependente (Y).

No que se refere aos estimadores dos parâmetros dos modelos de regressão, julgue os itens seguintes.

Um diagrama de correlação ou de dispersão fornece uma representação da relação entre duas variáveis, verificando a maior ou menor (ou não se verificando) dependência de uma variável para outra. Pelos pontos obtidos de cada uma dessas variáveis, no diagrama de dispersão, é possível traçar o seguinte modelo matemático:

O quadro acima mostra parte de uma tabela de análise de variância (ANOVA), que resultou da regressão linear simples do tempo que um usuário permanece conectado à Internet 3G — Y, em minutos — sobre a renda — X — declarada por esse usuário. Os dados utilizados nesse ajuste pelo método de mínimos quadrados ordinários foram selecionados por amostragem aleatória simples de um cadastro de usuários. Com base nessas informações e no quadro apresentado, julgue os itens seguintes acerca dos conceitos de análise de regressão, correlação e amostragem.

O método de mínimos quadrados ordinários para a estimação dos coeficientes do modelo ... Ver mais

Um modelo de regressão linear múltipla, com intercepto, consiste de uma variável dependente, 3 variáveis explicativas e com base em 12 observações. As estimativas dos parâmetros do modelo foram obtidas pelo método dos mínimos quadrados e o valor encontrado da estatística F (F calculado) utilizado para testar a existência da regressão foi igual a 14. O coeficiente de explicação (R2), definido como sendo o resultado da divisão da variação explicada pela variação total, é, em %, igual a

Com relação aos índices de Laspeyres, Paasche e Fischer pode-se afi rmar que o número-índice de:

Com base nas informações apresentadas, julgue os seguintes itens.

Para testar se a variável faturamento da empresa é significativa em um modelo de regressão linear simples, é correto afirmar que o teste t de student utilizado possui 48 graus de liberdade.

Com base nas informações apresentadas, julgue os seguintes itens.

O teste de Durbin-Watson poderá ser usado para medir a correlação serial dos resíduos de uma regressão linear simples.

Com base nas informações apresentadas, julgue os seguintes itens.

Sabendo que as 50 empresas estão divididas em pequenas, médias e grandes e se encontram distribuídas de forma relativamente proporcional, então se poderá medir a correlação entre o porte da empresa e o imposto devido por um modelo de regressão.

A análise de regressão de lances livres convertidos de 29 times da NBA, durante a temporada de 2010-2011, revelou uma reta de regressão ajustada Y = 55,20 + 0,73X com R2 = 0,87 e S (desvio padrão da amostra) = 53,20. O total de lances livres convertidos depende exclusivamente dos lances livres arremessados. O intervalo de variação observado de lances arremessados foi de 1.502 (New York Knicks) a 2.382 lances (Golden State Warriors).

Qual é, aproximadamente, o número esperado de lances livres convertidos para um time que faz dois mil arremessos de lance livre?

Em um modelo regressivo linear múltiplo, com uma variável dependente e 4 variáveis explicativas, obteve-se um coeficiente de explicação de 94%. Os parâmetros da regressão foram obtidos com a utilização do método dos mínimos quadrados com base em 20 observações. Considerando o quadro de análise de variância, observa-se que o valor da estatística F (F calculado) utilizado para verificar a existência da regressão é igual a

O objetivo de um estudo é verificar a hipótese de igualdade das médias obtidas em um teste aplicado para 5 grupos de trabalhadores, que tiveram treinamentos diferentes, independentemente. Cada grupo foi formado por 10 trabalhadores e a estatística F (F calculado) no quadro de análise de variância foi igual a 3,75. A porcentagem que a fonte de variação entre grupos representa da fonte de variação total é de