questionei.comQuestões
Explore as questões disponíveis e prepare-se para seus estudos!
Ano: 2025Banca: FUNDEP (Gestão de Concursos)Organização: ARISB - MGDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares
A análise de regressão e correlação em estatística não
pode ser aplicada
Ano: 2025Banca: CESPE / CEBRASPEOrganização: MPE-CEDisciplina: Estatística e ProbabilidadeTemas: Fundamentos de Estatística | Modelos Lineares
A respeito de máquinas de vetores de suporte e de avaliação de modelos de regressão, julgue o próximo item.
MSE (mean squared error) é uma medida usada para a avaliação da acurácia de modelos de classificação e representa a métrica de fidelidade de acerto de um modelo em relação ao atributo alvo (target attributes), portanto, pode ser utilizada para avaliar o desempenho de assertividade do modelo.
Ano: 2015Banca: FUNIVERSAOrganização: Secretaria da Criança - DFDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares
Considerando-se que um estatístico seja contratado por um
grande banco para realizar o estudo do tempo médio que os
clientes passam na fila, nos horários de pico, em uma
determinada agência, e considerando-se, ainda, que, nesse
estudo, o estatístico tenha anotado o número de clientes à
frente de cada cliente no momento da retirada da senha e o
tempo que cada cliente espera até ser atendido, a variável
“número de clientes à frente de cada cliente no momento da
retirada da senha” será
Ano: 2023Banca: Instituto ConsulplanOrganização: IF-PADisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
Dentre os diversos testes estatísticos utilizados na análise
de resíduos de um modelo de regressão linear múltipla, encontra-se o Teste de Levene. Sobre esse teste, analise as afirmativas a seguir.
I. É utilizado para testar a homocedasticidade das variâncias
dos erros.
II. A rejeição da hipótese nula do teste é baseada na distribuição F.
III. Antes de realizar testes paramétricos, como o teste t de
Student, ele é usado para garantir que as suposições subjacentes desses testes estão sendo atendidas.
Está correto o que se afirma em
Ano: 2015Banca: INSTITUTO AOCPOrganização: EBSERHDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
Com relação ao Erro tipo I e tipo II, assinale a
alternativa correta.
Ano: 2014Banca: FUNCABOrganização: SEDAM-RODisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
Para um ajuste de regressão linear múltipla, temos que: n = 13 é o tamanho da amostra, k = 3 o número de parâmetros do modelo de regressão (número de variáveis explicativas mais o intercepto). Quando encontramos um valor para R2 = 0,5, isso implica que o R2 ajustado será:
Ano: 2014Banca: CONSULPLANOrganização: CBTUDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
“Técnica que pode ser utilizada para classificação de elementos de uma amostra ou população (...). Para a sua aplicação, é
necessário que os grupos para os quais cada elemento amostral pode ser classificado sejam predefinidos, ou seja,
conhecidos a priori, considerando-se suas características gerais. Este conhecimento permite a elaboração de uma função
matemática (...) que é utilizada para classificar novos elementos amostrais nos grupos já existentes.”
(Mingoti, S. A. Análise de dados através de métodos de estatística multivariada: uma abordagem aplicada.
Belo Horizonte: Editora UFMG, 2005. 295 p.)
A definição anterior se refere à análise
Ano: 2023Banca: IF-MTOrganização: IF-MTDisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Regressão Linear Simples
Seja o método de mínimos quadrados ordinários (MQO) para o modelo de regressão linear múltipla: Yi = β0 + β1X1i+ β2 X2i+ εi.
É CORRETO afirmar, tomando Gujarati (2000), que:
Ano: 2025Banca: CESPE / CEBRASPEOrganização: EMBRAPADisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares
Julgue o item a seguir, relativo a modelos estatísticos.
Um modelo de regressão linear representa uma relação linear entre a variável resposta e as variáveis preditoras.
Ano: 2023Banca: Instituto ConsulplanOrganização: MPE-BADisciplina: Estatística e ProbabilidadeTemas: Modelos Lineares | Estatística Descritiva | Regressão Linear Simples | Medidas de Dispersão | Conceitos de Amostragem Estatística | Teoria da Amostragem
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
..