Quando o gráfico de dispersão sugere um relacionamento aproximadamente linear entre as duas variáveis, o modelo indicado é representado pela seguinte equação: yi = β0 + β1xi + εi, em que yi é o i-ésimo valor da variável dependente ou resposta; β0 e β1 são os parâmetros do modelo ou coeficientes de regressão; xi é o i-ésimo valor da variável independente ou covariável; εi é o i-ésimo erro aleatório. Considerando que os εi são idênticos, independentes e distribuídos conforme o modelo Normal com média 0 e variância σ², ou seja, εi ~ N(0, σ²), é correto afirmar que
A
xi é fixo, yi é fixo e yi ~ N(β0 + β1xi, 1).
B
xi é aleatório e yi é aleatório com yi ~ N(0, σ²).
C
xi é fixo e yi é aleatório com yi ~ N(β0 + β1xi, σ²).
D
xi é aleatório e yi é aleatório com yi ~ N(β0 + β1xi, σ²).
E
xi é fixo e yi é aleatório com yi ~ N(0, σ²).

Question

Quando o gráfico de dispersão sugere um relacionamento aproximadamente linear entre as duas variáveis, o modelo indicado é representado pela seguinte equação: yi = β0 + β1xi + εi, em que yi é o i-ésimo valor da variável dependente ou resposta; β0 e β1 são os parâmetros do modelo ou coeficientes de regressão; xi é o i-ésimo valor da variável independente ou covariável; εi é o i-ésimo erro aleatório. Considerando que os εi são idênticos, independentes e distribuídos conforme o modelo Normal com média 0 e variância σ², ou seja, εi ~ N(0, σ²), é correto afirmar que

A

xi é fixo, yi é fixo e yi ~ N(β0 + β1xi, 1).

B

xi é aleatório e yi é aleatório com yi ~ N(0, σ²).

C

xi é fixo e yi é aleatório com yi ~ N(β0 + β1xi, σ²).

D

xi é aleatório e yi é aleatório com yi ~ N(β0 + β1xi, σ²).

E

xi é fixo e yi é aleatório com yi ~ N(0, σ²).

AOCP · Accepted Answer