///
Após estimar, através do método de mínimos quadrados ordinários, um modelo de regressão linear múltipla do tipo Yi = β0 + β1Xi1 + ... + βpXip + εi, onde i = 1,...,n e εi são erros independentes e identicamente distribuídos com variância comum σ² tais que εi ~ N(0, σ²), o pesquisador obteve a seguinte tabela contendo parte dos resultados da análise de variância; observe.
| Fonte | S. Quadrado | G. Liberdade | Q. Médio | F | p-valor |
|---|---|---|---|---|---|
| Regressão | 3600 | 5 | 720 | 4.5 | 0.0105 |
| Resíduo | k | z | w | ||
| Total | 6000 | 20 |
Apesar dos valores k, z e w omitidos na tabela, é possível marcar cada uma das seguintes afirmativas como sendo verdadeiras V ou falsas F.
( ) O tamanho da amostra é n = 20.
( ) O modelo de regressão associado ao problema tem seis parâmetros.
( ) O quadrado do coeficiente de determinação R² é igual a 0.36.
( ) A estimativa não-viesada para σ² é igual a 160.
( ) Ao nível de significância de 5%, conclui-se que pelo menos uma das variáveis explicativas incluídas no modelo é significativa para explicar a variável dependente.
A sequência está correta em