Questões de Concursos

No estudo de um modelo de regressão linear simples, avalie se os principais problemas que podem ser detectados por intermédio da análise dos resíduos incluem, entre outros:
I. Não-linearidade da relação entre as variáveis. II. Não normalidade dos erros. III. Variância não-constante dos erros (heterocedasticidade). IV. Correlação entre os erros. V. Presença de outliers ou observações atípicas.

Estão corretos os problemas

Um estudo foi desenvolvido com o objetivo de estimar o consumo de energia elétrica em função do número de consumidores. Para realizar o estudo, foi usado um Modelo de Regressão Linear Simples.
Sobre o modelo usado, analise as afirmativas a seguir.

I. Considerando a equação y=α+βx, onde "α" e "β" são parâmetros da reta teórica, os quais são estimados por meio dos pontos experimentais fornecidos pela amostra, obtendo-se uma reta estimada.
II. A aplicação do Princípio de Máxima Verossimilhança leva ao chamado procedimento de Mínimos Quadrados.

III. Deve-se procurar a reta para a qual se consiga minimizar a soma dos resíduos da regressão ao quadrado.


Está correto o que se afirma em

Modelos de aprendizagem de máquina são, em geral, avaliados com métricas que indicam os quão poderosos e relevantes eles são.
Entre exemplos de métricas de avaliação utilizadas para modelos de classificação binária, é correto citar

• a taxa de precisão (razão entre verdadeiros positivos e o total dos verdadeiros positivos e falsos positivos);
• a taxa de sensibilidade (razão entre verdadeiros positivos e o total dos verdadeiros positivos e falsos negativos, também conhecida por recall); e
• o escore F1 (F1-score, também chamado de F-measure), que relaciona as taxas de precisão e de sensibilidade.

Suponha a existência de um modelo de classificação binária cuja taxa de precisão é de 90,00% e cuja taxa de sensibilidade é de 75,00%. Utilize aproximação de duas casas decimais.

O escore F1 referente a esse modelo é

Considere dois conjuntos de dados distintos, denotados por C1 e C2, ambos do mesmo tamanho, isto é, com a mesma quantidade de valores. A cada conjunto foi aplicado o mesmo método de regressão linear. O erro médio quadrático obtido para C1 foi menor do que para C2. Com base no exposto, analise as afirmativas a seguir, e assinale V para a afirmativa verdadeira e F para a falsa.

( ) O erro médio quadrático é uma métrica típica de erro em problemas de regressão cujo valor varia entre 0 e 1.

( ) Pode-se afirmar que o conjunto de dados C1 está melhor ajustado ao modelo do que o conjunto de dados C2.

( ) Pode-se afirmar que para melhorar o ajuste do conjunto de dados C2 é preciso aumentar seu tamanho.


As afirmativas são, respectivamente,

Em relação à Análise da Variância (ANOVA), as afirmativas a seguir estão corretas, à exceção de uma.
Assinale-a.

Um analista financeiro tenta prever a rentabilidade anual futura de um ativo, em termos reais. Ele considera que a rentabilidade real (em %) siga, ao longo dos anos, um modelo AR(1): yt =Φ₀ +Φ₁ y_t-1 +ε_t, em que t é o ano, E(ε_t) = 0 e corr(ε_t,ε_t-s) = 0, para s = 1, 2, ... . Sabe-se que a rentabilidade real prevista pelo modelo para o longuíssimo prazo foi de 4% ao ano.
Se a estimativa obtida para o parâmetroΦ₁ foi 0,8, a estimativa do parâmetroΦ₀ foi: