Foram encontradas 120 questões.
A equação seguinte foi obtida de um modelo de regressão linear múltipla ajustado sobre 12 amostras, em que cada valor entre parênteses abaixo do coeficiente representa o erro-padrão desse coeficiente, e representa o erro, D é uma variável dummy que assume o valor 0 caso não ocorra determinado evento e 1 caso ocorra, e X1 e X2 são duas variáveis regressoras.
A tabela de análise de variância (ANOVA) proporcionada pelo referido modelo é apresentada a seguir.
Com base nas informações e na tabela apresentadas, julgue o próximo item.
Fixando-se determinado ponto (X1 , X2), a ocorrência do evento representado por D faz que a estimativa de Y diminua em mais de 80 unidades.
Provas
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
Na presença de autocorrelação de erros, o estimador mais eficiente da regressão por mínimos quadrados ordinários continua sendo BLUE (best linear unbiased estimator), ou seja, melhor estimador linear não viesado.
Provas
Em um modelo de regressão linear simples na forma
yi
= a + bxi
+ εi
, em que a e b são constantes reais não nulas, yi representa a resposta da i-ésima observação a um estímulo xi e εi
é
o erro aleatório correspondente, para i = 1, ... , n, considere que
, em que 
, e que o desvio padrão
de cada εi
seja igual a 10, para i = 1, ..., n.
A respeito dessa situação hipotética, julgue o item que se segue.
A heteroscedasticidade é um problema que surge quando o valor esperado dos erros não é zero.
Provas
Em um modelo de regressão linear simples na forma
yi
= a + bxi
+ εi
, em que a e b são constantes reais não nulas, yi representa a resposta da i-ésima observação a um estímulo xi e εi
é
o erro aleatório correspondente, para i = 1, ... , n, considere que
, em que , e que o desvio padrão
de cada εi
seja igual a 10, para i = 1, ..., n.
A respeito dessa situação hipotética, julgue o item que se segue.
Se
representar o estimador de mínimos quadrados ordinários
do coeficiente b, então 
Provas
Considerando que 
seja uma variável resposta ajustada por um modelo de regressão em função de uma variável explicativa X, que x1, ... ,xn representem as réplicas de X e que â e 
sejam as estimativas dos parâmetros do modelo, julgue o item a seguir.
Em um modelo linear 
, a hipótese de
homoscedastiscidade significa que a variância dos erros deve
ser constante, e o valor esperado dos erros deve ser zero.
Provas
A equação seguinte foi obtida de um modelo de regressão linear múltipla ajustado sobre 12 amostras, em que cada valor entre parênteses abaixo do coeficiente representa o erro-padrão desse coeficiente, e representa o erro, D é uma variável dummy que assume o valor 0 caso não ocorra determinado evento e 1 caso ocorra, e X1 e X2 são duas variáveis regressoras.
A tabela de análise de variância (ANOVA) proporcionada pelo referido modelo é apresentada a seguir.
Com base nas informações e na tabela apresentadas, julgue o próximo item.
A soma dos quadrados totais é igual a 2.016.000.
Provas
A equação seguinte foi obtida de um modelo de regressão linear múltipla ajustado sobre 12 amostras, em que cada valor entre parênteses abaixo do coeficiente representa o erro-padrão desse coeficiente, e representa o erro, D é uma variável dummy que assume o valor 0 caso não ocorra determinado evento e 1 caso ocorra, e X1 e X2 são duas variáveis regressoras.
A tabela de análise de variância (ANOVA) proporcionada pelo referido modelo é apresentada a seguir.
Com base nas informações e na tabela apresentadas, julgue o próximo item.
O coeficiente de determinação ajustado dessa regressão,
, é
maior que o coeficiente de determinação R2
.
Provas
Considerando que seja uma variável resposta ajustada por um modelo de regressão em função de uma variável explicativa X, que x1, ... ,xn representem as réplicas de X e que â e sejam as estimativas dos parâmetros do modelo, julgue o item a seguir.
Em um modelo linear 
, com coeficientes obtidos
pelo método dos mínimos quadrados ordinários, sendo 
,
a média dos valores estimados de Y é igual à média dos valores
de X multiplicados por 
Provas
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
Como regra geral, a presença de autocorrelação dos erros é um problema que não pode ser corrigido, de modo que a modelagem por regressão deve ser abandonada quando detectado esse problema.
Provas
Considerando que seja uma variável resposta ajustada por um
modelo de regressão em função de uma variável explicativa X, que
x1, ... ,xn representem as réplicas de X e que â e sejam as
estimativas dos parâmetros do modelo, julgue o item a seguir.
No método de mínimos quadrados, a condição de estimativas não viesadas significa que os erros terão variância positiva.
Provas
Caderno Container