Ícone Questionei
QuestõesDisciplinasBancasDashboardSimuladosCadernoRaio-XBlog
Logo Questionei

Links Úteis

  • Início
  • Questões
  • Disciplinas
  • Simulados

Legal

  • Termos de Uso
  • Termos de Adesão
  • Política de Privacidade

Disciplinas

  • Matemática
  • Informática
  • Português
  • Raciocínio Lógico
  • Direito Administrativo

Bancas

  • FGV
  • CESPE
  • VUNESP
  • FCC
  • CESGRANRIO

© 2026 Questionei. Todos os direitos reservados.

Feito com ❤️ para educação

Logo Questioneiquestionei.com
  1. Início/
  2. Questões

Questões

Explore as questões disponíveis e prepare-se para seus estudos!

Filtros

Disciplina
Tema
Cargo
Dificuldade
Banca
Ano
Organização

Excluir questões:

Filtrar por:

Seus filtros aparecerão aqui.

10 por página

1

457941200264498
Ano: 2021Banca: Fundação CETAPOrganização: SEPLAD-PADisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples

Com relação aos modelos de lineares generalizados de regressão, analise as afirmativas seguintes:


I- A média e a função da média são lineares;

II- Permite modelar todas as distribuições dentro da família exponencial;

III- y1​,y2​...,yn​ São observações independentes.


Marque a alternativa correta:

Gabarito comentado
Anotações
Marcar para revisão

2

457941201289567
Ano: 2025Banca: CESPE / CEBRASPEOrganização: TRF - 6ª REGIÃODisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples | Máxima Verossimilhança | Inferência Estatística
Texto associado
        Um modelo de regressão linear simples é especificado como Yi = a + Xi ∙ β + εi, em que E [εi ] = 0 e Var[εi ] = δ2. Para estimadores a'   e β' , o valor predito para observação i (Y'i) com característica Xi é dado por Y'i = a' + Xi ∙ β' . O resíduo para observação i ( εi ) é definido como εi = Yi − Y'i . De uma amostra aleatória de tamanho 49, coletada da população desse modelo de regressão linear simples, obteve-se:

• ∑i( Yi − Y'i)2 = 17.173 e

• ∑i ( Y'i - my)2) = 36.464,

em que my é a média amostral de Y.

Em relação às informações precedentes, julgue o próximo item, considerando que o percentil 95% de uma distribuição F, com 1 grau de liberdade no numerador e 47 graus de liberdade no denominador, é igual a 4,05, e que o percentil 95% de uma distribuição qui-quadrado com 47 graus de liberdade é 64.


Se ε segue uma distribuição normal, o estimador de máxima verossimilhança e o estimador de mínimos quadrados geram as mesmas estimativas para α e β.  

Gabarito comentado
Anotações
Marcar para revisão

3

457941201697279
Ano: 2023Banca: QuadrixOrganização: CRM-MGDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
     Um engenheiro eletricista realizou um estudo para investigar a relação entre a diferença de potencial (Y), medida em volts, entre dois pontos de um resistor e a corrente elétrica (X), medida em ampère, que passa por ele. O estudo envolveu a coleta de cinco amostras. A partir dos dados coletados, foram obtidas as seguintes estatísticas: ΣXk = 15,5; ΣYk = 31; ΣXkYk = 112,5; ΣXk 2 = 56,25; e ΣYk 2 = 225. Com o objetivo de analisar essa relação, o engenheiro utilizou um modelo de regressão linear simples na forma Y = a + bX + ε , em que ε representa o erro aleatório, com média 0 e desvio-padrão σ. 

Com base nessa situação hipotética, assinale a alternativa que apresenta as estimativas dos mínimos quadrados ordinários para os coeficientes a, em ohm (volts por ampère), e b, em volts, do modelo de regressão linear simples.
Gabarito comentado
Anotações
Marcar para revisão

4

457941200139911
Ano: 2022Banca: FGVOrganização: Senado FederalDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples

Considere o modelo de regressão linear simples:


Wi = a + b*Educi + ei,



em que, Wi é o logaritmo neperiano do salário, Educi é o logaritmo neperiano de anos de estudos e ei é o erro da regressão.


Considere que Cov(ei,Educi)≠0 e que os dados de salário e anos de estudo foram obtidos a partir de uma amostra aleatória.



Além disso, considere as seguintes estatísticas amostrais:


Var(Educi) = 2.


Cov(Wi,Educi) = 0,8.


Cov(MesNasci,Educi) = 0,2.


Cov(MesNasci,Wi) = 0,1.


A variável MesNasci é o mês de nascimento do indivíduo. Assumindo que Cov(MesNasci,ei) = 0, o estimador consistente de b será igual a: 

Gabarito comentado
Anotações
Marcar para revisão

5

457941201881663
Ano: 2022Banca: CESPE / CEBRASPEOrganização: FUBDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples

        Uma regressão linear de Y sobre X consiste em obter a equação de uma reta, ou uma função linear, como o modelo que irá melhor representar a relação entre as variáveis; a determinação dos parâmetros dessa reta é denominada ajustamento.


Considerando essas informações, julgue o seguinte item. 


Um coeficiente de determinação entre as variáveis X e Y de 95% implica necessariamente a obtenção de uma reta dos mínimos quadrados crescente, ou seja, em uma correlação positiva.

Gabarito comentado
Anotações
Marcar para revisão

6

457941200035317
Ano: 2025Banca: CESPE / CEBRASPEOrganização: EMBRAPADisciplina: Estatística e ProbabilidadeTemas: Regressão Linear Simples | Modelos Lineares
Com base na equação y = −20 + 0,5x1 + 0,3x2, obtida ao realizar-se uma análise de regressão linear múltipla para prever o peso (y, em kg) de uma pessoa com base na altura (x1, em cm) e na idade (x2, em anos), julgue o item que se segue.

Na equação apresentada, o coeficiente 0,5 indica que, para cada aumento de 1 cm na altura da pessoa, espera-se um aumento de 0,5 kg no peso, mantendo-se a idade constante. 
Gabarito comentado
Anotações
Marcar para revisão

7

457941200065993
Ano: 2023Banca: Instituto ConsulplanOrganização: MPE-BADisciplina: Estatística e ProbabilidadeTemas: Teoria da Amostragem | Modelos Lineares | Estatística Descritiva | Regressão Linear Simples | Medidas de Dispersão | Conceitos de Amostragem Estatística
São resumidos a seguir os resultados da análise de variância resultante do ajuste de um modelo de regressão linear homocedástico definido como Yi = β0 + β1X1i + ... + βpXpi ∈i, onde i = 1, . . . , n e ∈i são erros independentes e normalmente distribuídos com média igual a zero e variância σ2. A estimação foi feita utilizando o método dos mínimos quadrados ordinários:


• Soma de Quadrados Total = 5.000;

• Soma de Quadrados dos Resíduos = 1.800;

• Graus de Liberdade Total = 40; e,

• Graus de Liberdade da Regressão = 4.

Com base nesses resultados, marque V para as afirmativas verdadeiras e F para as falsas. 

( ) A estimativa não-viesada para σ é igual a 50.

( ) A amostra é composta por n = 40 observações.

( ) O modelo apresenta um total de p = 4 variáveis explicativas.

( ) A raiz quadrada do coeficiente de determinação R² é igual a 0,80.

( ) Sabendo que a região crítica (RC) do teste F associado ao problema é RC = {Fobs > 2,63} para 95% de confiança, onde Fobs representa o valor observado da estatística de teste, conclui-se que pelo menos uma das variáveis explicativas incluídas no modelo é significativa para explicar a variável dependente, com 5% de significância.


A sequência está correta em
Gabarito comentado
Anotações
Marcar para revisão

8

457941200278733
Ano: 2022Banca: FGVOrganização: TCE-TODisciplina: Estatística e ProbabilidadeTemas: Regressão Linear Simples | Modelos Lineares
Considere um modelo de regressão múltipla usual Y = Xb + e, baseado em n observações y, b é um vetor de k parâmetros, e é um vetor de k componentes aleatórios e X é uma matriz de observações de dimensões n por (k + 1).
Se XTdenota a transposta de X, então o estimador de mínimos quadrados de b é igual a:
Gabarito comentado
Anotações
Marcar para revisão

9

457941200366639
Ano: 2013Banca: NC-UFPROrganização: UFPRDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
Com relação à teoria geral da estimação de parâmetros, assinale a alternativa que corresponde a uma das propriedades desejáveis para um estimador.
Gabarito comentado
Anotações
Marcar para revisão

10

457941201778275
Ano: 2024Banca: FGVOrganização: INPEDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples

Sabe-se que os modelos estatísticos de regressão foram construídos com base em algumas suposições.

Dessa forma, assinale a opção que apresenta a suposição que se aplica aos modelos de regressão múltipla e não está presente nos modelos de regressão simples.

Gabarito comentado
Anotações
Marcar para revisão
..
Logo Questioneiquestionei.com