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

Instruções: Para responder às questões de números 48 e 49 considere os dados abaixo, extraídos de um quadro de análise de variância correspondente a uma regressão linear múltipla, contendo uma variável dependente, 4 variáveis explicativas e com base em 20 observações.

I. Valor da estatística F (F calculado) utilizado para verificar a existência da regressão: 21,25.

II. Variação total: 250,0.

A variação explicada, fonte de variação devida à regressão, é igual a

Um quadro de análise de variância referente a uma regressão linear múltipla com uma variável dependente, 3 variáveis explicativas e com base em 24 observações forneceu a informação de que o valor da estatística F, utilizada para verificar a existência da regressão é igual a 35. A porcentagem que a variação explicada, fonte de variação devida à regressão, representa da variação total é

Dado que a média das observações de Y é igual ao dobro da média das observações de X, então a média das observações de Y é

Determine a equação da reta que representa a direção da primeira componente principal referida na Questão 30.

A respeito de modelos de regressão e coeficientes de correlação, julgue os itens que se seguem.

Em um modelo linear simples, se o coeficiente de determinação for 0,81, o desvio padrão da variável resposta for 1/3 do desvio padrão da variável explicativa e a inclinação da reta de regressão for negativa, o coeficiente estimado de inclinação dessa reta será !0,30.

A respeito de modelos de regressão e coeficientes de correlação, julgue os itens que se seguem.

Um analista estudou o pagamento dos valores Y (em R$ mil) das custas processuais em ações trabalhistas. Com base em uma amostra aleatória simples de processos judiciais, ele concluiu que a variável Y se relaciona linearmente com o valor da causa X (em R$ mil), conforme uma reta ajustada pelo método de mínimos quadrados ordinários na forma Y = 0,1 × X + 200. A média populacional e a amostral da variável X foram, respectivamente, iguais a R$ 100 mil e R$ 90 mil.

Com respeito ao modelo de regressão linear simples, assinale a opção correta.

Ajustando a reta de regressão linear em relação as variáveis X e Y pelo método dos mínimos quadrados, sendo que o coeficiente angular da reta é igual a 0,058, a média da variável Y é igual a 70 e a média da variável X é igual a 300, encontramos:

A equação de regressão linear simples que representa a relação entre duas variáveis X e Y, sendo que a inclinação da reta é igual a 0,54, a média da variável X é igual a 10 e a média da variável Y é igual a 3,6 , é descrita como:

Um modelo de regressão linear simples descreve a relação entre o preço unitário (representado por X), em reais, de determinado produto e a quantidade de unidades vendidas (representada por Y). A reta de regressão ajustada pelo método de mínimos quadrados ordinários é Y = 25 - 0,1X.

Com base nessas informações, julgue os itens subsequentes.

Um modelo de regressão linear simples descreve a relação entre o preço unitário (representado por X), em reais, de determinado produto e a quantidade de unidades vendidas (representada por Y). A reta de regressão ajustada pelo método de mínimos quadrados ordinários é Y = 25 - 0,1X.

Com base nessas informações, julgue os itens subsequentes.

Um modelo de regressão linear simples descreve a relação entre o preço unitário (representado por X), em reais, de determinado produto e a quantidade de unidades vendidas (representada por Y). A reta de regressão ajustada pelo método de mínimos quadrados ordinários é Y = 25 - 0,1X.

Com base nessas informações, julgue os itens subsequentes.

Considere os valores da variável aleatória Y observados para determinados valores da variável X.

Obtenha a expressão mais próxima da reta de regressão de Y em X.

Com base nessas informações, julgue os próximos itens, relativos a correlação, regressão e distribuições conjuntas.

Ao se efetuar a operação Z = 1.000 (X – Y), a estimativa da média de Z será superior a R$ 360 milhões e inferior a R$ 380 milhões.

Com base na equação da reta, obtida pelo método dos mínimos quadrados, obtém-se que, para 2011, a previsão da quantidade de passagens emitidas, em milhões de unidades, é igual a

Considerando o quadro de análise de variância, é correto afirmar que

Ajustou-se um modelo de regressão linear simples a 42 dados. O coeficiente de determinação foi 0,75 e

A variância residual é

Com base nos resultados apresentados, pode-se afirmar que

Os valores de P, Q e R são respectiva e aproximadamente iguais a

Os gráficos acima mostram a relação entre o PIB per capita de 100 municípios (x) e as vendas mensais (y) dos jornais A, B e C nos municípios correspondentes. Cada gráfico apresenta uma reta de regressão linear simples ajustada pelo método de mínimos quadrados ordinários e seu coeficiente de explicação (R2). Com base nessas informações, julgue os itens que se seguem.

Comparando-se os jornais A e B, os anunciantes que atuam em municípios de baixa renda per capita devem escolher o jornal A para publicar seus anúncios e propagandas.

Os gráficos acima mostram a relação entre o PIB per capita de 100 municípios (x) e as vendas mensais (y) dos jornais A, B e C nos municípios correspondentes. Cada gráfico apresenta uma reta de regressão linear simples ajustada pelo método de mínimos quadrados ordinários e seu coeficiente de explicação (R2). Com base nessas informações, julgue os itens que se seguem.

Pelo modelo de regressão linear simples, estima-se que, em municípios com PIB per capita de R$ 40.000, o jornal B vende, em média, uma quantidade inferior a 10.000 unidades.

Em 1997, as taxas de mortalidade infantil e analfabetismo eram as que são dadas na tabela seguinte:

Assim, pode-se concluir que

As estimativas de mínimos quadrados ordinários para os coeficientes do modelo de regressão linear simples são

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... Ver mais

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%... Ver mais

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.

Com base nessas informações, julgue os próximos itens, relativos a correlação, regressão e distribuições conjuntas.

O termo regressão linear diz respeito à linearidade das variáveis e dos parâmetros.

Com base nessas informações, julgue os próximos itens, relativos a correlação, regressão e distribuições conjuntas.

Com base nessas informações, julgue os próximos itens, relativos a correlação, regressão e distribuições conjuntas.

Caso o analista deseje aumentar o tamanho da amostra, mas alguns valores dos recursos desviados estejam censurados, então, o modelo a ser utilizado é o modelo PROBIT.

Com base nessas informações, julgue os próximos itens, relativos a correlação, regressão e distribuições conjuntas.

Estimadores mais eficientes da média populacional podem ser obtidos a partir de estimadores do tipo regressão, que são um caso particular dos estimadores do tipo razão.

Com base nessas informações, julgue os próximos itens, relativos a correlação, regressão e distribuições conjuntas.

Os estimadores dos parâmetros  produzidos pelo método de mínimos quadrados ordinários são BLUE (best linear unbiased estimators).

Em relação aos métodos numéricos, julgue os itens que se seguem.

Considere um conjunto de n pontos amostrados (xi, yi), em que xi < xj se i < j; i, j = 1, …, n. Nessa situação, ao contrário do que ocorre na regressão, um modelo f obtido por interpolação deve passar por todos esses n pontos amostrados, isto é, yi = f(xi).

O modelo descrito considera que os dados são heterocedásticos.