Uma instituição financeira pretende lançar no mercado um aplicativo para celular. Para isso, deseja relacionar o grau de conhecimento dos clientes com as variáveis: nível de escolaridade e idade.
Uma amostra aleatória de 46 clientes foi selecionada e, posteriormente, aplicou-se o modelo de regressão linear, sendo a variável dependente o grau de conhecimento, em uma escala crescente, e as variáveis independentes (i) o nível de escolaridade, em anos de estudo com aprovação, e (ii) a idade, em anos completos.
Os resultados obtidos para os coeficientes foram:
O grau de conhecimento esperado de um cliente com 10 anos de estudos com aprovação e com 30 anos de idade completos é
Se b0 e b1 são as estimativas por mínimos quadrados de β0 e β1, respectivamente, então seus valores são dados por
Um pesquisador estudou a relação entre a taxa de criminalidade (Y) e a taxa de desocupação da população economicamente ativa (X) em determinada região do país. Esse pesquisador aplicou um modelo de regressão linear simples na forma Y = bX + a + ε, em que b representa o coeficiente angular, a é o intercepto do modelo e ε denota o erro aleatório com média zero e variância σ2. A tabela a seguir representa a análise de variância (ANOVA) proporcionada por esse modelo.
A respeito dessa situação hipotética, julgue o próximo item, sabendo que b > 0 e que o desvio padrão amostral da variável X é igual a 2.
A correlação linear de Pearson entre a variável resposta Y e a variável regressora X é igual a 0,75.
Um pesquisador estudou a relação entre a taxa de criminalidade (Y) e a taxa de desocupação da população economicamente ativa (X) em determinada região do país. Esse pesquisador aplicou um modelo de regressão linear simples na forma Y = bX + a + ε, em que b representa o coeficiente angular, a é o intercepto do modelo e ε denota o erro aleatório com média zero e variância σ2. A tabela a seguir representa a análise de variância (ANOVA) proporcionada por esse modelo.
A respeito dessa situação hipotética, julgue o próximo item, sabendo que b > 0 e que o desvio padrão amostral da variável X é igual a 2.
A estimativa do coeficiente angular b, pelo método de mínimos quadrados ordinários, é igual a 0,25.
A respeito dessa situação hipotética, julgue o item a seguir.
O coeficiente de explicação do modelo (R2) foi superior a 0,70.
A respeito dessa situação hipotética, julgue o item a seguir.
De acordo com o modelo ajustado, caso a concentração molar de potássio encontrada em uma vítima seja igual a 2 mmol/dm3, o valor predito correspondente do intervalo post mortem será igual a 15 horas.
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
A autocorrelação dos erros, desde que não seja unitária em termos absolutos, insere um viés nas estimativas da variável dependente.
Um pesquisador estudou a relação entre a taxa de criminalidade (Y) e a taxa de desocupação da população economicamente ativa (X) em determinada região do país. Esse pesquisador aplicou um modelo de regressão linear simples na forma Y = bX + a + ε, em que b representa o coeficiente angular, a é o intercepto do modelo e ε denota o erro aleatório com média zero e variância σ2. A tabela a seguir representa a análise de variância (ANOVA) proporcionada por esse modelo.
A respeito dessa situação hipotética, julgue o próximo item, sabendo que b > 0 e que o desvio padrão amostral da variável X é igual a 2.
A estimativa da variância σ2 é superior a 0,5.
A respeito dessa situação hipotética, julgue o item a seguir.
A média amostral da variável resposta y foi superior a 30 horas.
A respeito dessa situação hipotética, julgue o item a seguir.
O erro padrão associado à estimação do coeficiente angular foi superior a 0,30.
Deseja-se estimar o total de carboidratos existentes em um lote de 500.000 g de macarrão integral. Para esse fim, foi retirada uma amostra aleatória simples constituída por 5 pequenas porções desse lote, conforme a tabela seguinte, que mostra a quantidade x amostrada, em gramas, e a quantidade de carboidratos encontrada, y, em gramas.
Com base nas informações e na tabela apresentadas, julgue o item a seguir.
Considerando-se o modelo de regressão linear na forma y = αx + ε, em que ε denota o erro aleatório com média nula e variância V, e α representa o coeficiente angular, a estimativa de mínimos quadrados ordinários do coeficiente α é igual ou superior a 0,5.
A tabela a seguir indica o valor y do salário, em número de salários mínimos (SM) e os respectivos tempos de serviço, em anos, x, de 5 funcionários de uma empresa:
Suponha que valha a relação: y j = α + βxi + £h em que i representa a i-ésima observação, a e p são parâmetros desconhecidos e £j é o erro aleatório com as hipóteses para a regressão linear simples. Se as estimativas de a e p forem obtidas pelo método de mínimos quadrados por meio dessas 5 observações, a previsão de salário para um funcionário com 4 anos de serviço será, em SM, igual a
Considere que em um país a variável L representa o lucro, em unidades monetárias, de uma empresa em um determinado ano e a variável X ≥ 0 os investimentos realizados pela empresa, em unidades monetárias, no mesmo ano. Um modelo de regressão linear correspondente à equação Li = α + βXi + εi foi adotado pela empresa com o objetivo de se prever L em função de X. Li representa o lucro da empresa no ano i ( i = 1, 2, 3 ...) e Xi os investimentos da empresa em i. Os parâmetros α e β são desconhecidos e εi é o erro aleatório com as respectivas hipóteses do modelo de regressão linear simples. As estimativas de α e β foram obtidas por meio do método dos mínimos quadrados com base nos primeiros 10 pares de observações (Xi , Li).
Com base na equação da reta obtida por meio do método dos mínimos quadrados e no quadro de análise de variância considerado para testar a existência de uma relação linear entre L e X, é correto afirmar que
Considerando um modelo de regressão linear simples, para
averiguar se existe alguma relação entre o salário pago — Y — para
uma pessoa em cargo comissionado e o tempo de trabalho — X —
dessa pessoa na campanha de determinado padrinho político eleito,
foi escolhida uma amostra de indivíduos em cargos comissionados
cujos resultados estão apresentados nessa tabela.
Com base nessa situação hipotética e nos dados apresentados na
tabela, julgue os itens que se seguem, relativos à análise de
regressão e amostragem.
A hipótese de normalidade exigida pelo modelo pode ser
verificada a partir do gráfico dos resíduos, apesar de
ser importante fazer um teste estatístico para tal fim.
Uma regressão linear simples é expressa por Y = a + b × X + e,
em que o termo e corresponde ao erro aleatório da regressão e os
parâmetros a e b são desconhecidos e devem ser estimados a partir
de uma amostra disponível. Assumindo que a variável X é não
correlacionada com o erro e, julgue os itens subsecutivos, nos quais
os resíduos das amostras consideradas são IID, com distribuição
normal, média zero e variância constante.
Para uma amostra de tamanho n = 25, em que a covariância amostral para o par de variáveis X e Y seja Cov(X, Y) = 20,0, a variância amostral para a variável Y seja Var(Y ) = 4,0 e a variância amostral para a variável X seja Var(X ) = 5,0, a estimativa via estimador de mínimos quadrados ordinários para o coeficiente b é igual a 5,0.