Ao consultar alguns perfis na rede social X, Marcos percebeu que tinha, com Carlos, 37 amigos em comum, com Pedro, 51 amigos em comum, e com Henrique, 45 amigos em comum.

Com base nessa situação hipotética, julgue os itens que se seguem.

Considerando que, na rede social X, Marcos não possua outros amigos além daqueles em comum com Carlos, Pedro e Henrique, e que estes não possuam, entre si, amigos em comum, então é correto inferir que Marcos possui menos de 130 amigos nessa rede social.

A negação da proposição P pode ser corretamente expressa pela proposição “Se os seres humanos não soubessem se comportar, não haveria menos conflitos entre os povos”.

Com relação aos modelos de regressão, julgue os itens subsecutivos.

O estimador de mínimos quadrados para um modelo de regressão linear simples para uma variável resposta IID, é não viciado e possui mínima variância.

Com relação à inferência para os parâmetros de modelos de regressão linear, julgue os seguintes itens.

Considere que um analista judiciário cometeu um equívoco na especificação de um modelo de regressão linear simples, de modo que a variável explicativa, que era categorizada, foi codificada com os valores 1 e 2 e tratada como uma variável discreta. Nesse caso, se, para corrigir o erro, o analista transformou a variável em uma dummy, então essa transformação alterou o coeficiente de determinação do modelo.

Com relação aos modelos de regressão, julgue os itens subsecutivos.

Em um modelo de regressão linear, a variância associada às estimativas obtidas pelo método da máxima verossimilhança é menor que as variâncias associadas às estimativas obtidas por mínimos quadrados.

Com relação à análise de regressão linear, julgue os itens que se seguem.

Suponha que um modelo de regressão linear simples seja ajustado de modo que se obtenha um coeficiente de determinação próximo de 1. Nessa situação, o modelo não pode ser utilizado para previsão da variável resposta referente a valores da variável explicativa além do intervalo observado na amostra.

Com relação aos modelos de regressão, julgue os itens subsecutivos.

Em um modelo de regressão linear simples, o coeficiente de determinação cresce à medida que a correlação entre a variável resposta e a variável regressora aumenta.

Com relação à inferência para os parâmetros de modelos de regressão linear, julgue os seguintes itens.

Em um modelo de regressão linear simples, a média dos valores observados na variável resposta é maior que a média dos valores preditos.

Julgue os próximos itens, referentes à qualidade de ajuste de um modelo de regressão.

Se um modelo de regressão linear simples tivesse coeficiente de determinação igual a 0,75, então, nesse modelo, a soma de quadrados do resíduo seria menor que a metade da soma de quadrados totais.

Julgue os próximos itens, referentes à qualidade de ajuste de um modelo de regressão.

Considere que, em um modelo de regressão linear simples, o valor esperado do quadrado médio do resíduo seja dado por , em que β₁ é a inclinação da reta e σ² é a variância da resposta. Nesse caso, se a estatística F da ANOVA para qualidade de ajuste fosse unitária para um modelo, a inclinação da reta de regressão seria nula