2. Questões de Concurso

Filtrar

Questões por página:
Para verificar a significância, como um todo, de um Modelo de Regressão Múltipla, é realizada uma Análise da Variância, aplicando-se o teste da estatística F-Snedecor. Os seis parâmetros da regressão foram estimados através de uma amostra de tamanho n = 26 e o coeficiente de determinação calculado, igual a 0,50. Adicionalmente, a função distribuição acumulada da F tem tabelados os valores F(0,993, 5, 20) = 4,5 e F(0,980, 5, 20) = 3,5, tendo como argumentos a probabilidade, os graus de liberdade do numerador e os graus de liberdade do denominador, respectivamente. Contando apenas com as informações anteriores é concluir que ao nível de significância de
Em um modelo que tenta avaliar a eficiência relativa dos diversos postos de atendimento da Defensoria Pública, espalhados pelo território fluminense, foi utilizada a variável “número de atendimentos” (dependente) e as quantidades de funcionários e de defensores (ambas como independentes). Os resultados finais da estimação foram aparentemente satisfatórios, mas os testes de hipóteses constataram que a variância dos resíduos não era constante, sendo maior nos postos com menores fluxos de atendimentos. Diante de tal constatação, os estimadores de Mínimos Quadrados Ordinários deverão ser
Um dos resultados mais importantes para a qualidade dos estimadores de MQO é o Teorema de Gauss-Markov que, mediante alguns poucos pressupostos é capaz de garantir propriedades dos estimadores. São indispensáveis à aplicabilidade de Gauss-Markov
Suponha que no modelo de regressão linear múltipla Yi = α + β.Xi + y.W εi +, onde Y é a variável dependente, X e W são as ditas independentes, ε é o termo estocástico e α, β e y os parâmetros. Depois de estimados os parâmetros, por MQO, e obtidos os resíduos, a inferência detectou algumas divergências com relação aos pressupostos clássicos. Observou-se uma alta correlação entre X e W, a presença de causalidade de Y sobre W e variâncias dos resíduos não constantes. Consideradas nesta ordem e tudo mais constante, tais divergências implicam, respectivamente,

Considere a equação de regressão Yi = α + β. Xi + εi onde Y e X são as variáveis explicada e explicativa, respectivamente, ε é o erro aleatório e α e β os parâmetros a estimar. São supostos válidos todos os pressupostos clássicos do Modelo de Regressão Linear Simples (MRLS). Além disso, para determinada amostra de pares (X, Y), foram calculadas as estatísticas p ( X, Y ) = 0,8, = 6 . , = 15, DP (Y ) = 5 e DP ( X ) = 2 . Portanto, a partir do método de Mínimos Quadrados Ordinários os estimadores de α e β são

© 2016-2025 Fonte Concursos - Questões de Concurso e Plano de Estudo