voltar

As principais motivações para usar estimadores de razão e regressão são:

Q542705 • Probabilidade e Estatística • Regressão • CESGRANRIO • IBGE • Estatístico

a) estimação sem vício de totais e médias e calibração.
b) estimação de razões populacionais e de parâmetros de modelos de regressão.
c) simplicidade de implementação e estimação sem vício das variâncias.
d) calibração e ausência de um cadastro das unidades populacionais.
e) calibração e ganho de eficiência estatística na estimação de totais e médias.

Questões sobre Regressão

1

Q542729 • Probabilidade e Estatística • Regressão • CESGRANRIO • Liquigás Distribuidora SA • Profissional Júnior
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?
- a) 29
- b) 56
- c) 76
- d) 108
- e) 1515
2

Q543204 • Probabilidade e Estatística • Regressão • VUNESP • DCTA SP • Tecnologista Pleno I
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:
- a) parábola.
- b) curva gaussiana.
- c) distribuição binomial de Newton.
- d) distribuição de Poisson.
- e) reta de regressão.
3

Q543764 • Probabilidade e Estatística • Regressão • FGV • Tribunal de Justiça nbsp AL • Analista Judiciário • 2018
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:
- a) os estimadores de mínimos quadrados dos parâmetros tornam-se menos eficientes, por aumento das variâncias;
- b) algumas das variáveis perdem por completo a sua capacidade de explicar o comportamento da variável dependente;
- c) o resultado da inferência estatística sobre o modelo torna-se menos confiável, por viés da estatística F-Snedecor;
- d) é necessário usar a estatística t-Student para testar as variáveis e retirar do modelo aquelas menos significativas;
- e) os resultados da inferência do modelo como um todo e sobre os parâmetros, individualmente, podem ser inconsistentes.
4

Q543134 • Probabilidade e Estatística • Regressão • FCC • TRF 2a • Analista Judiciário
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
- a) 200,0.
- b) 208,0.
- c) 212,5.
- d) 216,0.
- e) 222,5.
5

Q541858 • Probabilidade e Estatística • Regressão • CONSULPLAN • Prefeitura de Paulo Afonso BA • Analista de Mercado
Considere um modelo de regressão simples conforme especificado abaixo: Yi = a + bXi + ui e (i = 1,2...n), onde Yi é a variável dependente, Xi a variável explicativa, ui é o termo aleatório, a e b são os parâmetros e n indica o tamanho da amostra. Marque a alternativa que NÃO corresponde a um pressuposto do modelo de regressão linear simples:
- a) Aleatoriedade do termo aleatório.
- b) Média diferente de zero do termo aleatório.
- c) Homocedasticidade.
- d) O termo aleatório tem distribuição normal.
- e) Independência entre o termo aleatório e a variável explicativa.
6

Q543562 • Probabilidade e Estatística • Regressão • IDECAN • DETRAN RO • Analista em Trânsito
Sobre o coeficiente de determinação na regressão linear simples é correto afirmar que
- a) mede a capacidade de predição do modelo.
- b) mede o quanto o modelo linear é apropriado.
- c) mede a magnitude da inclinação da reta de regressão.
- d) sua magnitude não depende do intervalo de variação do regressor X.
- e) mede a proporção da variabilidade da variável resposta (Y) que é explicada pelo regressor X.
7

Q542987 • Probabilidade e Estatística • Regressão • CESGRANRIO • Petrobras • Estatístico Júnior
Em um modelo de regressão logística, o que indica se o modelo se ajusta bem aos dados é a(o)
- a) função logito
- b) função probito
- c) razão de chances
- d) estatística deviance
- e) coeficiente de determinação
8

Q543238 • Probabilidade e Estatística • Regressão • CESPE CEBRASPE • TCE ES • Auditor
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.
O coeficiente de determinação do referido modelo é negativo, o que indica a existência de relação inversa entre o preço e a quantidade de unidades vendidas.
- a) Certo
- b) Errado
9

Q541451 • Probabilidade e Estatística • Regressão • CESGRANRIO • Secretaria da Administração do Estado TO • Economista
Quando se deseja saber se as diferenças entre as médias de amostras são significativas ou se podem ser atribuídas ao acaso, dá-se uma forma rigorosa a tal comparação com o emprego de um procedimento estatístico chamado de:
- a) Teorema de Bayes.
- b) regressão múltipla.
- c) correlação simples.
- d) correlação múltipla.
- e) estatística F ou razão de variância.
10

Q542673 • Probabilidade e Estatística • Regressão • IBFC • INEP • Pesquisador em Informações Educacionais II
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) y = 0,058x + 0,54
- b) y = 17,4x + 70
- c) y = 0,058x + 52,6
- d) y = 17,4x + 52,6
- e) y = 0,058x + 70

Mais questões de Probabilidade e Estatística →

Reportar erro em Conteúdo