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?

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 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:

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

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:

Em um modelo de regressão logística, o que indica se o modelo se ajusta bem aos dados é a(o)

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.

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:

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:

Após ser ajustado um modelo de regressão linear entre X e Y, encontrou-se um modelo da forma Y=aX+b+E, em que a e b são os coeficientes da regressão e E o erro aleatório, e um coeficiente de determinação de 73%. Qual o percentual de variação de Y é considerado aleatório?

Numa análise de regressão simples obteve-se um coeficiente de determinação igual a 0,5625. O coeficiente de correlação linear amostral entre as variáveis em estudo é igual a:

Os pressupostos do modelo de regressão linear simples estão relacionados às propriedades dos estimadores de Mínimos Quadrados Ordinários (MQO), Melhor Estimador Linear Não Tendencioso (BLUE) e Máxima Verossimilhança (MV).

Sobre essas vinculações, é correto afirmar que:

O modelo de regressão linear múltipla Y= ? + ?X + ?Z + ? é ajustado às observações Y_i, X_i e Z_i, que constituem uma amostra aleatória simples de tamanho 23. Considerando que o coeficiente de determinação calculado foi R² = 0,80, obtenha o valor mais próximo da estatística F para testar a hipótese nula de não-existência da regressão.

Com relação ao texto e considerando que a amostra de 100 dias seja aleatória simples, julgue os próximos itens.

A estimativa do erro quadrático médio da média amostral é superior a 100.

Se um segundo preditor (X₂) for adicionado ao modelo Y = b₀ + b₁X₁ + ,NULL, em que b₀ e b₁ são os coeficientes do modelo, o valor do erro padrão dos resíduos pode aumentar ou diminuir, mas o valor de R² não pode diminuir.

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:

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