questionei.comQuestões
Explore as questões disponíveis e prepare-se para seus estudos!
Ano: 2011Banca: CESGRANRIOOrganização: FINEPDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
Os valores de P, Q e R são respectiva e aproximadamente iguais a
Ano: 2024Banca: FGVOrganização: Câmara dos DeputadosDisciplina: Estatística e ProbabilidadeTemas: Processos Estocásticos | Modelos Lineares | Análise de Variância (ANOVA) | Análise de Séries Temporais
Considere as propriedades de processos estocásticos
estacionários e não estacionários em análise de séries temporais.
Assinale a opção que melhor descreve uma diferença chave entre
um processo estocástico estacionário e um não estacionário.
Ano: 2013Banca: CESPE / CEBRASPEOrganização: ANTTDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
Considere um modelo de regressão linear na forma matricial:
Y = Xß + ε
em que X é uma matriz n × k, ß é um vetor k × 1 e ε é um vetor n × 1.
Com base nessas informações, julgue o item subsecutivo.
O estimador de ß pelo método dos mínimos quadrados ordinários é b = (X’X) -1 (X’Y), em que X’ representa a matriz transposta de X.
Y = Xß + ε
em que X é uma matriz n × k, ß é um vetor k × 1 e ε é um vetor n × 1.
Com base nessas informações, julgue o item subsecutivo.
O estimador de ß pelo método dos mínimos quadrados ordinários é b = (X’X) -1 (X’Y), em que X’ representa a matriz transposta de X.
Ano: 2024Banca: CESPE / CEBRASPEOrganização: SEBRAE-NACIONALDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
Um analista pretende ajustar um modelo de regressão linear simples com um intercepto e um coeficiente angular β, utilizando uma amostra de tamanho igual a 402.
Nessa situação, se a razão t correspondente à estimativa de β a ser obtida pelo método de mínimos quadrados ordinários for igual a 20, então o coeficiente de explicação (ou determinação) R2 proporcionado pelo modelo em tela será igual a
Ano: 2025Banca: FUNDEP (Gestão de Concursos)Organização: ARISB - MGDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares
O principal objetivo de uma análise de regressão é
possibilitar a estimativa do valor médio de uma variável de
resposta, tendo por base valores de variáveis explicativas.
Considerando que as análises de regressão podem ser
lineares ou não lineares, em relação às características da
análise de regressão linear, assinale a alternativa correta.
Ano: 2018Banca: FCCOrganização: Prefeitura de São Luís - MADisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
Analisando um gráfico de dispersão referente a 10 pares de observações (t, Yt
) com t = 1, 2, 3, ... , 10, optou-se por utilizar o
modelo linear Yt = α + βt + εt
com o objetivo de se prever a variável Y, que representa o faturamento anual de uma empresa em
milhões de reais, no ano (2007 + t). Os parâmetros α e β são desconhecidos e εt
é o erro aleatório com as respectivas hipóteses
do modelo de regressão linear simples. As estimativas de α e β (a e b, respectivamente) foram obtidas por meio do método dos
mínimos quadrados com base nos dados dos 10 pares de observações citados. Se a = 2 e a soma dos faturamentos dos
10 dados observados foi de 64 milhões de reais, então, pela equação da reta obtida, a previsão do faturamento para 2020 é, em
milhões de reais, de
Ano: 2024Banca: Instituto AccessOrganização: BanestesDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
Sobre a regressão linear analise as afirmativas:
I. A variável independente também pode ser chamada de regressora e/ou explicativa, sendo considerada a variável principal.
II. A regressão Linear tem a finalidade de avaliar o comportamento de uma variável em função da outra.
III. A variável dependente é aquela cujo valor é observado em função da variável principal (a variável independente).
De acordo com as afirmativas acima, quais estão corretas:
Ano: 2025Banca: CESPE / CEBRASPEOrganização: EMBRAPADisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares
Julgue o item a seguir, relativo a modelos estatísticos.
Um modelo de regressão linear que explica o valor do escalar Y em função dos escalares X1, X2 e X3 é uma regressão linear multivariada.
Ano: 2025Banca: CESPE / CEBRASPEOrganização: CAESB-DFDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares
Em relação aos modelos de regressão linear simples sob o método de mínimos quadrados ordinários, assinale a opção correta.
Ano: 2011Banca: CESGRANRIOOrganização: PetrobrasDisciplina: Estatística e ProbabilidadeTemas: Regressão Linear Simples | Modelos Lineares
Texto associado
Considere a descrição abaixo para responder às questões de nos 45 e 46.
Em uma agência dos Correios de uma cidade, o gerente realizou um estudo para relacionar o peso total em kg de correspondências recebidas por dia ao número efetivo de correspondências. O levantamento foi realizado em 20 dias e ajustou-se um modelo de regressão linear simples.
Logo, Y = β0 + β1x + ε onde, Y = peso total de correspondências e x = número de correspondências.
Os resultados foram:
Coeficientes estimados | Erro padrão | Estatística t | p-valor | |
Constante | -18,123 | 3,601 | -5,032 | 8,65 e -05 |
Número de correspondências | 7,777 | 0,627 | 12,403 | 2,93 e -10 |
Sabendo-se que
SQR = (i - )2 = 1543,79 SQE = (i - I)2 = 180,41
Se SQR é a soma dos quadrados da regressão, SQE é a soma dos quadrados dos erros e é a média, o coeficiente de determinação é, aproximadamente,
..