Uma empresa que possui duas filiais, 1 e 2, quer avaliar se houve variação no gasto médio em despesas médicas e hospitalares por um empregado no ano t em relação ao ano anterior, t – 1. A empresa possui N₁ = 800 empregados na filial 1 e N₂ = 200 empregados na filial 2. De cada uma das filiais, amostras aleatórias de tamanhos n₁ e n₂ são retiradas. Em cada uma das amostras observa-se as variáveis X_{h, k, t} e X_{h, k, t – 1}, em que X_{h, k, t} representa o valor gasto (em R$ mil) pelo empregado k da filial h no ano t. Estudos anteriores mostram que os desviospadrão dos valores gastos em despesas médicas e hospitalares pelos empregados das filiais 1 e 2 são constantes ao longo do tempo e, respectivamente, iguais a R$ 2 mil e R$ 4 mil. Considere os seguintes estimadores:

Com base na situação apresentada e nos modelos de regressão linear, julgue o item seguinte.

Em uma amostragem aleatória estratificada, uma amostra aleatória simples é retirada de cada um dos estratos.

Julgue o item que se segue, acerca dos modelos de regressão linear.

O coeficiente C_p de Mallow é uma medida utilizada em regressão linear múltipla para detecção de observações atípicas (outliers).

Julgue o item que se segue, acerca dos modelos de regressão linear.

Considere um modelo linear múltiplo na forma E(Y) = \( \beta \)₀ + \( \beta \)₁x₁ + \( \beta \)₂x₂ + \( \beta \)₃x₃, onde Y é a variável resposta e x₁, x₂, x₃ são variáveis explicativas. Para o cálculo das estimativas dos coeficientes \( \beta \)₀, \( \beta \)₁, \( \beta \)₂, e \( \beta \)₃, via critério de mínimos quadrados, é necessário assumir que Y seja uma variável aleatória normal.

Julgue o item que se segue, acerca dos modelos de regressão linear.

As estatísticas DFFITS e DFBETAS são medidas utilizadas em regressão linear múltipla para avaliação de multicolineariedade entre variáveis explicativas.

Julgue o item que se segue, acerca dos modelos de regressão linear.

O VIF (Variance Inflated Factor) é uma medida utilizada em regressão linear múltipla para detecção de observações atípicas (outliers).

Julgue o item a seguir, relativos a análise de séries temporais.

Um processo descrito por X_t = 0,6 X_{t – 1} + \( \epsilon \)_t, se X_{t – 12} \( \le \) 0, e X_t = – 0,6 X_{t – 1} + \( \epsilon \)_, se X_{t – 12} > 0, em que \( \epsilon \)_t representa o erro aleatório no instante t, é um processo estacionário.

Julgue o item a seguir, relativos a análise de séries temporais.

As autocorrelações amostrais de um processo ARMA(1,0) são aproximadamente independentes e identicamente distribuídas como uma distribuição qui-quadrado.

Julgue o item a seguir, relativos a análise de séries temporais.

O processo X_t – X_{t – 1}= 0,8 X_{t – 1} + 1,5 \( \epsilon \)_{t – 1} + \( \epsilon \)_t , em que \( \epsilon \)_t representa o erro aleatório no instante t, é um ARIMA(1,1,1).

Julgue o item a seguir, relativos a análise de séries temporais.

O processo dado por X_t = 1,5 X_{t – 1} + \( \epsilon \)_t, em que \( \epsilon \)_t representa o erro aleatório no instante t, é um processo estacionário.

Julgue o item a seguir, relativos a análise de séries temporais.

Uma série que apresenta um ciclo de período regular é uma série estacionária.