Lista completa de Questões sobre Regressão para resolução totalmente grátis. Selecione os assuntos no filtro de questões e comece a resolver exercícios.
Um modelo de regressão linear com intercepto e 2 variáveis explicativas foi ajustado a uma amostra de tamanho 43, fornecendo coeficiente de determinação R2 =0,8. O valor da estatística F que permite testar a significância deste modelo é
Considere que seja estimado um modelo de regressão linear entre duas séries temporais econômicas: inflação e taxa de juros. Sabe-se que estas séries são não estacionárias de ordem um e cointegradas. A respeito desta situação, considere as afirmativas a seguir.
I - O teste t de Student é aplicável, na forma usual. II - Há risco de os resultados obtidos serem espúrios. III - Os resíduos desta regressão serão estacionários. É correto o que se afirma emPara estimar de forma eficiente modelos de regressão linear na presença de autocorrelação serial, um método adequado é o de
Uma empresa de transporte de cargas deseja expandir seus negócios e para isso fez um levantamento acerca das 48 empresas concorrentes. Foi considerado um modelo de regressão linear múltipla, em que a variável dependente Y representa o faturamento dessas empresas, havendo três variáveis explicativas X1, X2 e X3 que representam um perfil dessas concorrentes. O ajuste foi efetuado por mínimos quadrados ordinários e os resultados são mostrados na tabela acima. Com base nessas informações, julgue os itens subsecutivos.
Em regressão linear múltipla, o ideal é que as variáveis X1, X2 e X3 sejam altamente correlacionadas duas a duas.
Foi usada a técnica de minimizar a soma dos erros quadráticos para ajustar a reta de regressão, a qual
passa por são as médias de X e de Y.
passa pela origem (0, 0).
não é a única reta que minimiza a soma dos erros quadráticos
tem variância esperada nula.
tem coeficiente angular necessariamente negativo.
As principais motivações para usar estimadores de razão e regressão são:
estimação sem vício de totais e médias e calibração.
estimação de razões populacionais e de parâmetros de modelos de regressão.
simplicidade de implementação e estimação sem vício das variâncias.
calibração e ausência de um cadastro das unidades populacionais.
calibração e ganho de eficiência estatística na estimação de totais e médias.
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
I e III.
II e III.
I, III e IV.
I, III e V.
I, II, III e V.
Ajustou-se um modelo de regressão linear simples a dados provenientes de alguns experimentos executados por um fabricante de concreto, com o objetivo de determinar de que forma e em que medida a dureza de um lote de concreto depende da quantidade de cimento usada para fazê-lo. Quarenta lotes de concreto foram feitos com quantidades diferentes de cimento na mistura, e a dureza de cada lote foi medida após sete dias. Sabendo-se que
o coeficiente de determinação é, aproximadamente,
0
0,064
0,5
0,94
14,38
{TITLE}
{CONTENT}
{TITLE}
Aguarde, enviando solicitação...