Lista completa de Questões sobre Regressão para resolução totalmente grátis. Selecione os assuntos no filtro de questões e comece a resolver exercícios.
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 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.
Um experimento foi realizado com o propósito de avaliar o efeito de três diferentes pacotes de serviços de comunicação de dados (tratamento) no volume de reclamações (resposta). As unidades experimentais foram nove grandes cidades, agrupadas em três blocos com três cidades cada. Em cada bloco, cada cidade recebeu casualmente um tratamento, o que resultou na distribuição exibida na tabela acima.
Com relação aos experimentos em blocos completos casualizados, julgue os itens a seguir.
Nessas condições, a soma de quadrados residuais do modelo é igual a
Seja o modelo linear Yi = α + βXi + γDi + εi, em que Yi representa o salário mensal do empregado i em uma grande empresa, Xi o tempo de experiência em anos de i, Di = 0 se i não possuir curso superior e Di = 1 se i possuir curso superior. α, β e γ são parâmetros desconhecidos e εi é o erro aleatório com as respectivas hipóteses da correspondente regressão. As estimativas de α, β e γ foram obtidas pelo método dos mínimos quadrados e todas apresentaram valores maiores que zero. Com relação a este modelo, a função de salário mensal de um empregado com curso superior
Com base nos resultados acima, tem-se que:
De acordo com a estatística do R-quadrado, 5,1% da variação total do consumo é explicada pelo modelo econométrico.
O estimador β1 é significativo a 1% de nível de significância.
Observando como os dados na figura abaixo estão dispersos:
podemos concluir que o modelo de regressão polinomial mais indicado para aproximá-los é:
Um banco deseja melhorar a atenção aos seus clientes, habilitando mais caixas para o atendimento. Para isso necessita de um modelo estatístico que permita conhecer a probabilidade de que uma quantidade de n clientes requeram atendimento em um intervalo de tempo T.
Que distribuição de probabilidade deve ser empregada nesse estudo?
{TITLE}
{CONTENT}
{TITLE}
Aguarde, enviando solicitação...