voltar

Quais as suposições necessárias para aplicação do modelo de regressão line...

Quais as suposições necessárias para aplicação do modelo de regressão linear simples?

Q543427 • Probabilidade e Estatística • Regressão • NUCEPE • FMS PI • Estatístico

Quais as suposições necessárias para aplicação do modelo de regressão linear simples?

a) Que os resíduos tenham variância constante.
b) Que os resíduos tenham distribuição com média 0.
c) Que as variáveis sejam contínuas com valores positivos.
d) As suposições a e b.
e) As suposições b e c.

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