Questões de Modelos lineares (Estatística)

Matheus é um professor que precisa identificar padrões de utilização de LLMs (Large Language Models) em um grupo de estudantes. Ele utilizou como dados as notas finais da avaliação da disciplina de Estatística Básica (com distribuição das notas variando 0 a 100) e correlacionou esses dados à quantidade de horas dedicadas ao uso de LLMs pelos estudantes durante o semestre. O professor construiu um modelo para prever a pontuação de um aluno (Y), em função do número de horas dedicadas ao LLMs durante o último semestre (X), obtendo o modelo a seguir.

Ŷ = 100 − 0, 25x

Matheus certificou-se que o modelo atende a todas as premissas do modelo de regressão linear. As pontuações esperadas para dois alunos que dedicaram 300 horas e 50 horas ao uso de LLMs no último semestre são, respectivamente,

O uso de técnicas de análise de regressão são amplamente utilizadas na estatística para prever resultados com base em um conjunto de variáveis de entrada.
Com relação às características da Regressão linear e da Regressão logística, analise os itens a seguir:

I. As duas técnicas buscam modelar a relação entre variáveis dependentes e independentes, no entanto, apresentam como principal diferença o tipo de variável que elas são capazes de prever.
II. A regressão linear minimiza as discrepâncias entre os valores de saída previstos e reais ao ajustar uma probabilidade, onde a variável dependente é limitada entre 0 e 1.
III. Ambos os tipos de regressões requerem um tamanho de amostra adequado e grande, de mesma dimensão, para representar valores em todas as categorias de resposta produzindo modelo com poder estatístico suficiente para detectar efeito significativo.

Está correto o que se afirma em

Assinale a alternativa que corretamente identifica o teste estatístico utilizado para comparar diferenças entre dois ou mais grupos, quando há duas ou mais variáveis dependentes sendo avaliadas simultaneamente.

Um estudo está sendo realizado para investigar a relação entre o tempo de tramitação de processos (y) e o número de documentos fiscais por processo (x). A correlação linear entre ambas as variáveis é positiva, sendo o desvio padrão amostral de cada variável mostrado no quadro a seguir. Nesse estudo, utiliza-se o modelo de regressão linear simples na forma y = β₀ + β₁ x + ∈, em que ∈ denota o erro aleatório com média zero e variância constante. O coeficiente de determinação desse modelo é igual a 64%.





Com base nessas informações, é correto concluir que a estimativa do coeficiente β₁ obtida pelo método de mínimos quadrados ordinários é igual a

Deseja-se estimar a alteração esperada em y para um aumento de 100 unidades em x₂. Um intervalo de confiança (95%) para 100 ⨯β₂ tem limites: