A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue os itens subsequentes. A autocorrelação dos erros, desde que não seja unitária em termos absolutos, insere um viés nas estimativas da variável dependente.
FGV•
Em modelos de regressão múltipla, alguns pressupostos complementares são formulados para que os parâmetros possam ser estimados de forma satisfatória. Um deles trata da micronumerosidade e outro do tamanho da amostra.
Sobre essas duas adições, é correto afirmar que:
FGV•
O Método de Mínimos Quadrados (MQ), o Método dos Momentos (MM) e o de Máxima Verossimilhança (MV) estão entre os mais usados para estimação pontual de parâmetros.
Sobre esses, é correto afirmar que:
Um modelo linear (reta) de regressão apresenta inclinação igual a 1,5 e intercepção igual a 10.
Qual é o valor da variável dependente de acordo com o modelo de reta quando a variável independente vale 20?
Em análise de regressão múltipla, o teorema de Gauss-Markov significa:
Com respeito ao modelo de regressão linear simples, assinale a opção correta.
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.
Nesse caso, é correto afirmar que a estimativa de regressão para a média populacional de Y foi igual aEm um estudo clínico utilizou-se um modelo de regressão logística em que y é a variável resposta, como preditor linear, a expressão a + bx + cz, em que x = 0 para o grupo placebo e x = 1 para o grupo de tratamento; z é uma medida de colesterol (em escala de 0 a 5) antes do início do tratamento. Com base nessas informações, julgue os itens subsequentes.
A variável resposta y é binária.
A partir das definições sobre as três Premissas da Regressão Linear (normalidade, homocedasticidade e independência dos erros), assinale a alternativa que corresponde ao seu conceito correto.
O ajuste de uma reta de regressão linear se faz por meio do método de:
Um importante indicador da qualidade do modelo de regressão, obtido com a aplicação do Método dos Mínimos Quadrados, é o coeficiente de determinação, que é
FGV•
Em uma regressão linear as propriedades dos estimadores de MQO estão relacionadas com a validade dos pressupostos sobre os erros aleatórios.
Sobre essa correspondência entre propriedades e pressupostos, é correto afirmar que:
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
Considerando um modelo de regressão linear com erros heteroscedásticos, julgue os itens seguintes. Para um modelo de regressão linear múltiplo, o teste de White permite detectar a heteroscedasticidade a partir da regressão de cada erro estimado da regressão original com as variáveis explicativas e seus inversos.
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).
Julgue os itens a seguir, referentes à análise dos resíduos e da qualidade de ajuste dos modelos de regressão.
Considere que um pesquisador, ao ajustar um modelo de regressão de Y explicado pelas variáveis X1 e X2, tenha observado que, no gráfico dos resíduos do modelo de Y explicado por X2 contra os resíduos de X1 explicado por X2, havia uma relação quadrática. Nesse caso, o diagnóstico indica que a relação entre a variável resposta Y e X2 é quadrática.
Dentre os itens abaixo, identifique as premissas básicas para o modelo de regressão.
I - Linearidade do fenômeno medido
II - Variância não constante dos termos de erro (heterocedasticidade)
III - Normalidade dos erros
IV - Erros correlacionados
V - Presença de colinearidade
São premissas APENAS os itens
Em uma regressão logística, considere a variável resposta (Y) como óbito de recém-nascidos (1 indica morte, 0 indica não morte) e a variável explicativa (X) sendo peso ao nascer, em quilos. O resultado do cálculo de E(Y) quando X vale 1,0 é 0,7. Esse 0,7 é a probabilidade de o recém-nascido
As principais motivações para usar estimadores de razão e regressão são:
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.
De acordo com o modelo, se o preço de venda corresponder a R$ 50,00 a unidade, pode-se prever a venda de 20 unidades desse produto.