Questões de Concurso sobre Regressão Linear Simples

Risco inerente é o risco de que um erro ou classificação indevida de materiais que possam constar de uma afirmação não sejam evitados ou detectados tempestivamente pelos controles internos da entidade

Testes de controle são realizados para buscar evidências sobre a eficácia do desenho e a operação das políticas e procedimentos da estrutura de controles internos.

Se o processo em questão estiver sob controle, então o valor do ARL (average run length) será superior a 30.

Após ser ajustado um modelo de regressão linear entre X e Y, encontrou-se um modelo da forma Y=aX+b+E, em que a e b são os coeficientes da regressão e E o erro aleatório, e um coeficiente de determinação de 73%. Qual o percentual de variação de Y é considerado aleatório?

Considere as seguintes afirmações:

I. A análise fatorial tem como objetivo descrever a variabilidade do vetor aleatório X de dimensão n x 1, em termos de m variáveis aleatórias (m < n) chamadas de fatores comuns e que estão relacionadas com o vetor X por meio de um modelo linear.

II. As técnicas de conglomerados hierárquicas são utilizadas em análise exploratória de dados com o intuito de identificar possíveis agrupamentos e o valor possível do número de grupos.

III. O escalonamento multidimensional é uma técnica multivariada para se examinar relações geométricas entre variáveis contínuas ou categóricas nominais.

IV. A análise de componentes principais consiste em se formar novas variáveis, que são combinações lineares das variáveis originais, e que devem ser correlacionadas entre si.

Está correto o que se afirma APENAS em

Risco de controle é a suscetibilidade de uma afirmação ou erro ou classificação indevida material, supondo que não haja controles.

Evidências descendentes envolvem avaliar evidências que fundamentam transações e sua acumulação nas demonstrações contábeis, enquanto evidências ascendentes avaliam evidências sobre demonstrações contábeis esperadas, baseadas no conhecimento da entidade e de seu negócio e indústria.

A cadeia de Markov é um caso particular de processo estocástico com estados contínuos e que apresenta a propriedade markoviana, significando que os estados anteriores são irrelevantes para a predição dos estados seguintes, desde que o estado atual seja conhecido.

A carga fatorial indica a proporção da variabilidade total explicada por uma variável explicativa.

Na situação em que se consideram apenas os dois instantes iniciais, sendo t = 1 e t = 2, e p = 0,6, é mais provável que a fila não cresça.

O gráfico abaixo mostra os pares de observações de duas variáveis X e Y relacionadas pela regressão linear simples Y = a + bX + u, (onde a e b são coeficientes a serem estimados e u são os erros aleatórios).

O exame do gráfico sugere que

Definindo-se como o estimador de regressão linear para μ, então a estimativa do desvio-padrão de inferior a R$ 1,00.

No modelo de regressão linear, a variância da variável dependente é igual à variância da variável explicativa.

O valor previsto de Y para o ano 2008, segundo o modelo de regressão linear simples, é superior a 30 ºC.

A fila somente atinge seu tamanho original em instantes de tempo t que são múltiplos de 2.

Na análise fatorial, um dos objetivos dos métodos rotacionais ortogonais é a obtenção de um padrão fatorial mais simplificado.

Em muitas situações práticas são realizadas observações sobre um número grande de variáveis correlacionadas e, nesse caso, é natural procurar-se maneiras de reduzir a dimensão do problema, isto é, do número de variáveis a serem estudadas, sem sacrificar muito a informação acerca das variáveis contidas na matriz de covariância. Em uma determinada técnica de análise multivariada, desenvolvida por Hotelling, os eixos coordenados representando as variáveis originais são rotacionados para dar origem a um novo sistema de coordenadas representando variáveis com certas propriedades ótimas de suas variâncias, o que equivale a fazer uma transformação ortogonal especial das variáveis originais. Assim, a primeira nova variável é a combinação linear normalizada das variáveis originais com máxima variância. A segunda nova variável é a combinação linear normalizada das variáveis originais com máxima variância entre todas as combinações lineares não correlacionadas com a primeira nova variável e assim por diante. Então a técnica acaba por caracterizar ou explicar a variabilidade de um vetor de variáveis substituindo-o por um novo vetor com um número menor de variáveis com grandes variâncias. Esta técnica é conhecida como:

O coeficiente angular da tendência de crescimento é superior a 1 ºC/ano.

Testes não-paramétricos mostram-se mais úteis quando a distribuição dos dados tem características de normalidade ou quando as variáveis são mensuradas com, no mínimo, uma escala por intervalo.