Analise as afirmativas abaixo acerca da heterocedasticidade no modelo de regressão linear clássico.

1. A presença de heterocedasticidade torna os estimadores obtidos pelo método dos mínimos quadrados ordinários viesados e inconsistentes.

2. Na presença de heterocedasticidade, os estimadores obtidos pelo método dos mínimos quadrados ordinários permanecem não viesados, porém deixam de ser eficientes.

3. A heterocedasticidade compromete a validade dos testes estatísticos usuais, caso não sejam utilizados erros-padrão robustos.


Assinale a alternativa que indica todas as afirmativas corretas.

O teste de hipóteses é fundamental para validar suposições e tomar decisões com base em dados. Ele permite avaliar se os resultados observados são significativos ou ocorrem por acaso, auxiliando na identificação de padrões e tendências. Como é chamado o ponto em que a hipótese nula é rejeitada?

Os testes de hipótese são ferramentas estatísticas fundamentais para a tomada de decisão em diversas áreas do conhecimento. Eles permitem avaliar se os resultados observados em uma amostra são suficientemente fortes para rejeitar uma suposição inicial, chamada de hipótese nula, em favor de uma hipótese alternativa.

Sobre esse tema, assinale com V as afirmativas verdadeiras e com F as falsas.

( ) O teste de hipótese gera um p‑valor, que permite tirar uma conclusão: se p‑valor < α, rejeita-se H0, e se p‑valor ≥ α, não rejeita-se H₀ .

( ) Hipótese nula (H₀) estabelece a ausência de diferença entre os parâmetros analisados e é sempre a primeira a ser formulada.

( ) O erro de afirmar que existe uma diferença quando ela efetivamente não existe (rejeitar incorretamente a hipótese nula) é chamado de erro do tipo II e tem uma probabilidade de ocorrer igual a α.

Assinale a sequência correta.

Se uma moeda é honesta, espera-se que em 50% das vezes em que ela é lançada apareça cara. Uma moeda foi lançada 50 vezes, e em 20 apareceu cara. Usando nível de significância de 1%, podemos afirmar que:(use a Tabela 2 abaixo na solução da questão).

Tabela da distribuição normal padronizada – P(0≤Z≤z)




Tabela 2 Fonte: Stevenson, W.J.1986. Estatística aplicada à administração. São Paulo, Harbra, p.461.

Se a variável aleatória X tem distribuição normal com média μ e variância σ², ou seja, X ⁓ N(μ, σ²), _s2 = (x_i–x̄)²/n–1 (variância amostral) é a estimativa de σ² com base em uma amostra com n observações, [x₁, x₂, ..., x_n]. Assim, a variável T = X – μ/s tem distribuição t de Student com n – 1 graus de liberdade, ou seja, T ~ t_n-1. Nesse caso, sabendo que P(T ≤ 2) = 0,968027 e P(T ≥ -2) = 0,031973, é correto afirmar que