Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Após estimar, através do método de mínimos quadrados ordinários, um modelo de regressão...
Após estimar, através do método de mínimos quadrados ordinários, um modelo de regressão linear múltipla do tipo 𝒀𝒊 = 𝜷𝟎 + 𝜷𝟏𝑿𝟏𝒊 + ⋯ + 𝜷𝒑𝑿𝒑𝒊 + 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 𝜎 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
A
F, F, V, V, F.
B
V, V, F, F, V.
C
V, F, F, V, V.
D
F, F, V, F, V.