Questões sobre Regressão

Lista completa de Questões sobre Regressão para resolução totalmente grátis. Selecione os assuntos no filtro de questões e comece a resolver exercícios.

Com o objetivo de diminuir os casos de afogamento na temporada de 2015, uma prefeitura de uma cidade litorânea encomendou estudos estatísticos que identificassem prováveis fatores de risco.

 

Aplicando o modelo estatístico de regressão linear aos dados da tabela abaixo, podemos afirmar que:

  • A. Os dados são linearmente correlacionados e podemos concluir que o consumo excessivo de sorvete aumenta o risco de afogamento.
  • B. Há uma correlação não linear entre os dados e a correlação entre eles é provavelmente espúria.
  • C. Há uma correlação não linear entre os dados e podemos concluir que o consumo excessivo de sorvete aumenta o risco de afogamento.
  • D. Os dados são linearmente correlacionados e a correlação entre eles é provavelmente espúria.
  • E. Não há correlação estatística entre os dados.

Considere os resultados a seguir.

Sobre os coeficientes do modelo de regressão linear múltipla, é correto afirmar que

  • A. β1 é significativo ao nível de 1% de significância.
  • B. β2 é significativo ao nível de 10% de significância.
  • C. β0 e β2 são significativos ao nível de 5% de significância.
  • D. β1 e β2 não são significativos ao nível de 5% de significância.

  • A. 0,7 salários mínimos.
  • B. 0,6 salários mínimos.
  • C. 0,5 salários mínimos.
  • D. 0,4 salários mínimos.
  • E. 0,3 salários mínimos.

Considerando os resultados apresentados, é INCORRETO afirmar que o(a)

  • A. amostra utilizada tem tamanho igual a 21.
  • B. valor b1 (estimativa para ¦Â1) ¨¦ maior que zero.
  • C. valor f (estat¨ªstica do teste F da ANOVA) ¨¦ 128,8.
  • D. coeficiente de determinação ¨¦, aproximadamente, 0,88.
  • E. teste t (t0 = 11,35, valor ¡§Cp = 0,000) indica que existe correlação significativa entre X e Y.

Sobre o coeficiente de determinação na regressão linear simples é correto afirmar que

  • A. mede a capacidade de predição do modelo.
  • B. mede o quanto o modelo linear é apropriado.
  • C. mede a magnitude da inclinação da reta de regressão.
  • D. sua magnitude não depende do intervalo de variação do regressor X.
  • E. mede a proporção da variabilidade da variável resposta (Y) que é explicada pelo regressor X.

Considere o modelo de regressão linear múltipla. São indícios de multicolinearidade, EXCETO:

  • A. Padrão não aleatório no gráfico de resíduos versus valores ajustados.
  • B. Estatística F da ANOVA significante e estatísticas individuais t não significantes.
  • C. Grandes alterações nas estimativas dos coeficientes de regressão quando uma ou mais observações são excluídas do banco de dados.
  • D. Grandes alterações nas estimativas dos coeficientes de regressão quando uma variável explicativa é adicionada ou retirada do modelo.
  • E. Coeficientes de regressão com magnitudes muito diferentes ou com sinais opostos àqueles esperados a partir de considerações teóricas.

  • A. regressão linear.
  • B. regressão cúbica.
  • C. regressão quadrática.
  • D. regressão exponencial.
  • E. regressão logarítmica.

O quadro acima mostra parte de uma tabela de análise de variância (ANOVA), que resultou da regressão linear simples do tempo que um usuário permanece conectado à Internet 3G — Y, em minutos — sobre a renda — X — declarada por esse usuário. Os dados utilizados nesse ajuste pelo método de mínimos quadrados ordinários foram selecionados por amostragem aleatória simples de um cadastro de usuários. Com base nessas informações e no quadro apresentado, julgue os itens seguintes acerca dos conceitos de análise de regressão, correlação e amostragem.

O método de mínimos quadrados ordinários para a estimação dos coeficientes do modelo requer a suposição de normalidade dos resíduos.

  • C. Certo
  • E. Errado

Um modelo de regressão linear múltipla, com intercepto, consiste de uma variável dependente, 3 variáveis explicativas e com base em 12 observações. As estimativas dos parâmetros do modelo foram obtidas pelo método dos mínimos quadrados e o valor encontrado da estatística F (F calculado) utilizado para testar a existência da regressão foi igual a 14. O coeficiente de explicação (R2), definido como sendo o resultado da divisão da variação explicada pela variação total, é, em %, igual a

  • A.

    80,0.

  • B.

    76,8.

  • C.

    78,0.

  • D.

    72,0.

  • E.

    84,0.

Um diagrama de correlação ou de dispersão fornece uma representação da relação entre duas variáveis, verificando a maior ou menor (ou não se verificando) dependência de uma variável para outra. Pelos pontos obtidos de cada uma dessas variáveis, no diagrama de dispersão, é possível traçar o seguinte modelo matemático:

  • A.

    parábola.

  • B.

    curva gaussiana.

  • C.

    distribuição binomial de Newton.

  • D.

    distribuição de Poisson.

  • E.

    reta de regressão.

Provas e Concursos

O Provas e Concursos é um banco de dados de questões de concursos públicos organizadas por matéria, assunto, ano, banca organizadora, etc

{TITLE}

{CONTENT}

{TITLE}

{CONTENT}
Provas e Concursos
0%
Aguarde, enviando solicitação!

Aguarde, enviando solicitação...