Considerando que seja uma variável resposta ajustada por um modelo de regressão em função de uma variável explicativa X, que x₁, ... ,x_n representem as réplicas de X e que â e sejam as estimativas dos parâmetros do modelo, julgue o item a seguir.

Em um modelo linear , a hipótese de homoscedastiscidade significa que a variância dos erros deve ser constante, e o valor esperado dos erros deve ser zero.

Ao passar com seu veículo por um radar eletrônico de medição de velocidade, o condutor percebeu que o velocímetro do seu carro indicava a velocidade de 99 km/h. Sabe-se que a velocidade mostrada no velocímetro do veículo é 10% maior que a velocidade real, que o radar mede a velocidade real do veículo, mas o órgão fiscalizador de trânsito considera, para efeito de infração, valores de velocidade 10% inferiores à velocidade real.

Nessa situação, considerando que a velocidade máxima permitida para a via onde se localiza o referido radar é de 80 km/h,

o condutor não cometeu infração, pois, descontando-se 20% da velocidade mostrada no velocímetro de seu veículo, o valor de velocidade considerada pelo órgão fiscalizador será de 79 km/h.

Com base nas informações e na tabela apresentadas, julgue o próximo item.

A soma dos quadrados totais é igual a 2.016.000.

Com base nas informações e na tabela apresentadas, julgue o próximo item.

O coeficiente de determinação ajustado dessa regressão, , é maior que o coeficiente de determinação R² .

Considerando que seja uma variável resposta ajustada por um modelo de regressão em função de uma variável explicativa X, que x₁, ... ,x_n representem as réplicas de X e que â e sejam as estimativas dos parâmetros do modelo, julgue o item a seguir.

Em um modelo linear , com coeficientes obtidos pelo método dos mínimos quadrados ordinários, sendo , a média dos valores estimados de Y é igual à média dos valores de X multiplicados por

A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.

Como regra geral, a presença de autocorrelação dos erros é um problema que não pode ser corrigido, de modo que a modelagem por regressão deve ser abandonada quando detectado esse problema.

Considerando que seja uma variável resposta ajustada por um modelo de regressão em função de uma variável explicativa X, que x₁, ... ,x_n representem as réplicas de X e que â e sejam as estimativas dos parâmetros do modelo, julgue o item a seguir.

No método de mínimos quadrados, a condição de estimativas não viesadas significa que os erros terão variância positiva.

Nessa situação hipotética,

Jonas receberá 50% a mais que Saulo.

Considerando que seja uma variável resposta ajustada por um modelo de regressão em função de uma variável explicativa X, que x₁, ... ,x_n representem as réplicas de X e que â e sejam as estimativas dos parâmetros do modelo, julgue o item a seguir.

Um modelo na forma , em que e , apesar de ser exponencial em sua estrutura original, é linearizável, podendo ser tratado pelos métodos de regressão linear.

Considerando um modelo de regressão linear com erros heteroscedásticos, julgue o item seguinte.

Para um modelo de regressão linear múltiplo, o teste de White permite detectar a heteroscedasticidade a partir da regressão de cada erro estimado da regressão original com as variáveis explicativas e seus inversos.