Questões de Concurso sobre Regressão Linear Simples

Tal modelo é um caso particular do modelo de filtro linear com entrada a(t), saída Z(t) e função de transferência Y(B), ou, equivalentemente, Z(t) = Y(B)a(t), em que Y(B) = 1 + 0,8 B + 0,82 B2 + 0,83B3+..., e B é o operador de translação para o passado tal que BZ(t) = Z(t – 1).

O levantamento da existência de dados secundários pode reduzir os custos da pesquisa significativamente.

Com base nos resultados acima, analise os dados a seguir.

I - A reta estimada é $\hat{\mathrm{Y}}$ = -18,123 + 7,777X

II - Rejeita-se a hipótese H₀ : = β₀ ao nível de 5%

III - Admite-se a hipótese H₀ : = β₁ ao nível de 5%

IV - Os coeficientes estimados são significativos ao nível de 1%

Estão corretos APENAS os dados

Quais as suposições necessárias para aplicação do modelo de regressão linear simples?

Na regressão linear simples de X em Y, considere os testes t de significância para o intercepto e o coeficiente angular e suponha que o erro padrão do intercepto foi maior que o erro padrão do coeficiente angular. Com base nessas informações, é possível concluir inequivocamente que o valor do teste t de Student relativo ao intercepto foi superior ao valor do teste t de Student relativo ao coeficiente angular.

Um modelo de regressão com tendência polinomial e variáveis dummies para descrever a componente S pode ser usado corretamente para a estimação dos componentes da série temporal x_t

O pré-teste é um recurso que permite avaliar a validade de um questionário.

Foi usada a técnica de minimizar a soma dos erros quadráticos para ajustar a reta de regressão, a qual

Em pesquisas epidemiológicas, o aumento da probabilidade de uma doença ocorre com a existência de:

Considere um modelo de regressão linear simples, com intercepto, em que a variável dependente y seja a demanda por petróleo em um país, e a variável explicativa x seja o nível de industrialização do país. Este modelo foi ajustado a uma amostra de 122 países, fornecendo as seguintes estimativas de β₀ (intercepto) e β₁ (coeficiente de x), com os respectivos erros padrão estimados:

$\hat{\beta }$₀ = 90 (erro padrão estimado = 40)

$\hat{\beta }$₁ = (erro padrão estimado = 30)

A partir desses resultados, conclui-se que a regressão

Considerando os dados da tabela, o modelo (1) fornece

Dentre as armadilhas comuns em pesquisa causal, tem-se a interação de duas ou mais variáveis, de maneira que o efeito combinado é claramente maior do que a soma dos efeitos individuais. Esta situação denomina-se:

Em um teste, a curva ROC, ou curva de característica operatória do receptor, tem por objetivo: