Questões de Concursos Regressão

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.

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.

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).

Sobre as hipóteses do modelo de regressão linear simples, especifi cado por y_t = b₁ + b₂x_t + e_t , é verdadeiro afi rmar que:

No caso da seleção de Modelos de Regressão Múltipla por meio do grau de aderência e do nível de captura das variações da variável explicada, alguns cuidados devem ser tomados.

Dentre esses, cabe destacar que:

Considere Y A Bx o modelo de regressão de uma população para a construção de um modelo estimado nessa mesma população. Para a construção do modelo estimado, baseado numa amostra da população, deve-se supor:

I . o termo aleatório, , possui média aritmética igual à zero, para cada x;

II . os erros associados a diferentes observações são independentes;

III. para qualquer valor de x fornecido, a distribuição dos erros é normal;

IV . a distribuição dos erros da população, para cada valor de x, apresenta o mesmo desvio-padrão.

Dos itens acima mencionados, estão corretos:

Quando, em um modelo de regressão simples, a única mudança é o acréscimo de uma variável independente, o modelo de regressão torna-se múltiplo.

A respeito do exposto, é correto afirmar:

O coeficiente de determinação R² da regressão linear simples Y = b₀ + b₁X + ,NULL, em que b₀ e b₁ são os coeficientes do modelo, corresponde ao quadrado da correlação estimada entre Y e E.

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

A estatística é importante ferramenta para várias áreas do conhecimento, como biologia, química, meio ambiente, física, psicologia, engenharia e várias outras, usada para estimar a confiabilidade dos dados. Os métodos estatísticos e probabilísticos permitem que analistas façam julgamentos com mais segurança. Julgue os itens subseqüentes, que se referem à probabilidade e à estatística.

O método dos mínimos quadrados para se obter a melhor reta ajustada, em um conjunto {Y_i} de resultados, aproximadamente lineares, minimiza a soma dos quadrados das distâncias de Y_i à reta ajustada.

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?

Um pesquisador estimou os parâmetros a, b e c do modelo estatístico de regressão linear y = a + bx + cz + u. Sabe-se que Y é um vetor coluna com os níveis educacionais dos filhos, X e Z são vetores colunas com os níveis educacionais dos pais e das mães e u é um vetor de variáveis aleatórias normais, independentes, de média zero e desvio padrão constante. A técnica usada foi de minimização da soma dos quadrados dos erros. A correlação positiva entre os dados em X e em Z pode gerar, para a estimação, um problema de

Os métodos quantitativos, incluindo-se aí o cômputo de índices relevantes, são cruciais para o desenvolvimento da economia. A respeito desse tema, julgue os itens seguintes.

No modelo de regressão linear simples, o coeficiente de determinação (R²) é igual ao coeficiente amostral de correlação entre a variável dependente (y) e a variável independente (x).

A reta de regressão é representada pela equação y = a + bx. O coeficiente b é o intercepto e o coeficiente a é a declividade da reta e define o aumento ou a diminuição da variável y por unidade de variação da variável x.

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

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

Atenção: Para resolver às questões de números 38 e 39 considere o texto abaixo. Uma amostra com 80 pares de observações (X_i, Y_i), i = 1, 2, 3, . . . , 80; sendo as somas das observações de X_i e Y_i iguais a 560 e 2.400, respectivamente. Um estudo tinha como objetivo analisar a relação entre X e Y e adotou-se o modelo Y_i = ? + ?X_i + ?_i, em que i corresponde a i-ésima observação, ? e ? são parâmetros desconhecidos e ?i o erro aleatório com as respectivas hipóteses consideradas para a regressão linear simples. Utilizou-se o método dos mínimos quadrados, com base na amostra, para o ajustamento do modelo obtendo-se para a estimativa de ? o valor de 2.

Se Y = f(X), em que f(X) é a função linear obtida pelo método dos mínimos quadrados, então a função Z, tal que Z = XY, atinge o valor mínimo quando X for igual a

Os testes de significância se apóiam em dados passados. Em testes de regressão, a questão da significância está baseada no nível de confiabilidade de tais dados. Entre os métodos utilizados estão a estatística F, a análise da variância constante (homocedasticidade) e a variância múltipla (heterocedasticidade).