Questões Probabilidade e Estatística Regressão

Considere um modelo de regressão simples conforme especificado abaixo: Yi = ...

Responda: 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 aleatór...

Q541858 | Probabilidade e Estatística, Regressão, Analista de Mercado, Prefeitura de Paulo Afonso BA, CONSULPLAN

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.

Mais questões de Probabilidade e Estatística x Regressão ...

1 Q542729 | Probabilidade e Estatística, Regressão, Profissional Júnior, Liquigás Distribuidora SA, CESGRANRIO

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

4 Q543764 | Probabilidade e Estatística, Regressão, Analista Judiciário, Tribunal de Justiça nbsp AL, FGV

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.

Acessar simulado

Utilizamos cookies e tecnologias semelhantes para aprimorar sua experiência de navegação. Política de Privacidade.