Probabilidade e Estatística: Regressão para Analista Judiciário (TJ SE)

Com relação aos modelos de regressão, julgue os itens subsecutivos. Em um modelo de regressão linear, a variância associada às estimativas obtidas pelo método da máxima verossimilhança é menor que as variâncias associadas às estimativas obtidas por mínimos quadrados.

Com relação aos modelos de regressão, julgue os itens subsecutivos. Suponha que um advogado pretenda estimar o valor concedido para processos de danos morais com relação à idade do proponente. Para isso, ele observou que a relação entre essas variáveis é descrita por Y = !3.500 + 100 @ X. Suponha, ainda, que com o objetivo de simplificar a interpretação do modelo, o advogado decida considerar uma nova variável, Z = X ! 35, como regressora, criando um modelo com intercepto igual a zero. Nessa situação, é correto afirmar que a variância dos estimadores permanece inalterada.

Julgue os próximos itens, referentes à qualidade de ajuste de um modelo de regressão. Considere que um conjunto de dados usado para o ajuste de um modelo de regressão linear simples tenha a variância da resposta igual a 4 vezes a variância da variável explicativa. Nesse caso, se o coeficiente de determinação for igual a 0,95, então o coeficiente de inclinação da reta de regressão será menor que 3,5.

Com relação à análise de regressão linear, julgue os itens que se seguem. Um modelo de regressão linear múltipla com duas variáveis explicativas será inequivocamente ajustado se essas variáveis forem proporcionais.

Com relação à inferência para os parâmetros de modelos de regressão linear, julgue os seguintes itens. Em um modelo de regressão linear simples, a média dos valores observados na variável resposta é maior que a média dos valores preditos.

Com relação à inferência para os parâmetros de modelos de regressão linear, julgue os seguintes itens. Considere que um analista judiciário cometeu um equívoco na especificação de um modelo de regressão linear simples, de modo que a variável explicativa, que era categorizada, foi codificada com os valores 1 e 2 e tratada como uma variável discreta. Nesse caso, se, para corrigir o erro, o analista transformou a variável em uma dummy, então essa transformação alterou o coeficiente de determinação do modelo.

Julgue os próximos itens, referentes à qualidade de ajuste de um modelo de regressão. Se um modelo de regressão linear simples tivesse coeficiente de determinação igual a 0,75, então, nesse modelo, a soma de quadrados do resíduo seria menor que a metade da soma de quadrados totais.

Julgue os próximos itens, referentes à qualidade de ajuste de um modelo de regressão. Considere que em uma tabela de ANOVA para ajuste de um modelo de regressão a esperança da soma de quadrados do resíduo é igual a 15 vezes a variância da variável resposta. Nesse caso, o tamanho amostral é inferior a 20 unidades.

Com relação à análise de regressão linear, julgue os itens que se seguem. Suponha que um modelo de regressão linear simples seja ajustado de modo que se obtenha um coeficiente de determinação próximo de 1. Nessa situação, o modelo não pode ser utilizado para previsão da variável resposta referente a valores da variável explicativa além do intervalo observado na amostra.

Com relação à análise de regressão linear, julgue os itens que se seguem. A homocedasticidade é a propriedade conforme a qual o resíduo de um modelo de regressão tem média 0.

Com relação à análise de regressão linear, julgue os itens que se seguem. Em um modelo linear simples, se a correlação entre os quantis do resíduo padronizado e uma amostra aleatória da normal padrão for alta, o modelo não terá intercepto.

Com relação à análise de regressão linear, julgue os itens que se seguem. Em um modelo de regressão linear, se a variável explicativa e a variável resposta não se correlacionam, o coeficiente de determinação seria próximo de 0. Além disso, se o coeficiente de determinação fosse próximo de 0, as variáveis explicativa e resposta seriam independentes.

Com relação aos modelos de regressão, julgue os itens subsecutivos. Em um modelo de regressão linear simples, o coeficiente de determinação cresce à medida que a correlação entre a variável resposta e a variável regressora aumenta.