Um analista estudou a relação entre o montante de !$ X !$ mil reais disponíveis para investimentos nas localidades e a respectiva quantia de !$ Y !$ mil reais indevidamente utilizados pelos gestores públicos responsáveis. Foram consideradas as seguintes estatísticas descritivas acerca dessas variáveis.

O modelo considerado tem a forma !$ Y = \beta_0 + \beta_1 X + \varepsilon !$ e foi ajustado pelo método de mínimos quadrados ordinários. Aqui, !$ \beta_0 !$ e !$ \beta_1 !$ são os coeficientes do modelo e g representa o erro aleatório. A correlação de Pearson entre !$ X !$ e !$ Y !$ foi igual a 0,6936 e a estatística do teste F referente ao modelo em questão foi igual a 9,27.

Com base nessas informações, julgue o próximo item, relativo a correlação, regressão e distribuições conjuntas.

Se o intercepto do modelo for considerado não significativo a determinado nível de significância e, por isso, seja retirado do modelo, então o coeficiente de determinação do novo modelo possuirá as mesmas propriedades do coeficiente de determinação do modelo originalmente proposto.

Um analista estudou a relação entre o montante de !$ X !$ mil reais disponíveis para investimentos nas localidades e a respectiva quantia de !$ Y !$ mil reais indevidamente utilizados pelos gestores públicos responsáveis. Foram consideradas as seguintes estatísticas descritivas acerca dessas variáveis.

O modelo considerado tem a forma !$ Y = \beta_0 + \beta_1 X + \varepsilon !$ e foi ajustado pelo método de mínimos quadrados ordinários. Aqui, !$ \beta_0 !$ e !$ \beta_1 !$ são os coeficientes do modelo e !$ \varepsilon !$ representa o erro aleatório. A correlação de Pearson entre !$ X !$ e !$ Y !$ foi igual a 0,6936 e a estatística do teste F referente ao modelo em questão foi igual a 9,27.

Com base nessas informações, julgue o próximo item, relativo a correlação, regressão e distribuições conjuntas.

O termo regressão linear diz respeito à linearidade das variáveis e dos parâmetros.

Um analista estudou a relação entre o montante de !$ X !$ mil reais disponíveis para investimentos nas localidades e a respectiva quantia de !$ Y !$ mil reais indevidamente utilizados pelos gestores públicos responsáveis. Foram consideradas as seguintes estatísticas descritivas acerca dessas variáveis.

O modelo considerado tem a forma !$ Y = \beta_0 + \beta_1 X + \varepsilon !$ e foi ajustado pelo método de mínimos quadrados ordinários. Aqui, !$ \beta_0 !$ e !$ \beta_1 !$ são os coeficientes do modelo e g representa o erro aleatório. A correlação de Pearson entre !$ X !$ e !$ Y !$ foi igual a 0,6936 e a estatística do teste F referente ao modelo em questão foi igual a 9,27.

Com base nessas informações, julgue o próximo item, relativo a correlação, regressão e distribuições conjuntas.

Considere que os dados estejam espacialmente correlacionados e que o modelo de regressão linear na forma matricial seja dado por !$ Y = \lambda WY + \beta X + \varepsilon !$, em que !$ \lambda !$ é um coeficiente autoregressivo e !$ W !$ é uma matriz de proximidades espacial. Nessa situação, o estimador dos parâmetros na forma matricial é !$ \hat {\beta} = (X'X)^{-1} X'Y - \lambda \quad (X'X)^{-1} X'WY. !$

Um analista estudou a relação entre o montante de !$ X !$ mil reais disponíveis para investimentos nas localidades e a respectiva quantia de !$ Y !$ mil reais indevidamente utilizados pelos gestores públicos responsáveis. Foram consideradas as seguintes estatísticas descritivas acerca dessas variáveis.

O modelo considerado tem a forma !$ Y = \beta_0 + \beta_1 X + \varepsilon !$ e foi ajustado pelo método de mínimos quadrados ordinários. Aqui, !$ \beta_0 !$ e !$ \beta_1 !$ são os coeficientes do modelo e g representa o erro aleatório. A correlação de Pearson entre !$ X !$ e !$ Y !$ foi igual a 0,6936 e a estatística do teste F referente ao modelo em questão foi igual a 9,27.

Com base nessas informações, julgue o próximo item, relativo a correlação, regressão e distribuições conjuntas.

Estimadores mais eficientes da média populacional podem ser obtidos a partir de estimadores do tipo regressão, que são um caso particular dos estimadores do tipo razão.

Um analista estudou a relação entre o montante de !$ X !$ mil reais disponíveis para investimentos nas localidades e a respectiva quantia de !$ Y !$ mil reais indevidamente utilizados pelos gestores públicos responsáveis. Foram consideradas as seguintes estatísticas descritivas acerca dessas variáveis.

O modelo considerado tem a forma !$ Y = \beta_0 + \beta_1 X + \varepsilon !$ e foi ajustado pelo método de mínimos quadrados ordinários. Aqui, !$ \beta_0 !$ e !$ \beta_1 !$ são os coeficientes do modelo e !$ \varepsilon !$ representa o erro aleatório. A correlação de Pearson entre !$ X !$ e !$ Y !$ foi igual a 0,6936 e a estatística do teste F referente ao modelo em questão foi igual a 9,27.

Com base nessas informações, julgue o próximo item, relativo a correlação, regressão e distribuições conjuntas.

Os estimadores dos parâmetros !$ \beta_0 !$ e !$ \beta_1 !$ produzidos pelo método de mínimos quadrados ordinários são BLUE (best linear unbiased estimators).

Um analista estudou a relação entre o montante de !$ X !$ mil reais disponíveis para investimentos nas localidades e a respectiva quantia de !$ Y !$ mil reais indevidamente utilizados pelos gestores públicos responsáveis. Foram consideradas as seguintes estatísticas descritivas acerca dessas variáveis.

O modelo considerado tem a forma !$ Y = \beta_0 + \beta_1 X + \varepsilon !$ e foi ajustado pelo método de mínimos quadrados ordinários. Aqui, !$ \beta_0 !$ e !$ \beta_1 !$ são os coeficientes do modelo e !$ \varepsilon !$ representa o erro aleatório. A correlação de Pearson entre !$ X !$ e !$ Y !$ foi igual a 0,6936 e a estatística do teste F referente ao modelo em questão foi igual a 9,27.

Com base nessas informações, julgue o próximo item, relativo a correlação, regressão e distribuições conjuntas.

Para os coeficientes !$ \beta_0 !$ e !$ \beta_1 !$, o cálculo das estimativas de mínimos quadrados depende da hipótese de normalidade dos erros aleatórios !$ \varepsilon !$.

Julgue o item subsequente, a respeito do modelo ARIMA.

Se a série temporal {Y_t} segue um processo ARIMA(p, q) e Y_t = !$ \nabla !$_d X_t, em que !$ \nabla !$ representa o operador de diferenciação, então o processo {Y_t} será descrito pelo modelo ARIMA(p, d, q).

Julgue o item subsecutivo, acerca de análise multivariada e distribuições conjuntas.

Considerando uma matriz P tal que P' = P^-1 e Y = P'X, é correto afirmar que o vetor das componentes principais relativo a um vetor de dados X será idêntico ao vetor dos desvios padrão caso os dados forem não correlacionados.

Considere que os valores abaixo representem as massas (em kg) de 10 unidades de determinado produto selecionadas aleatoriamente em uma linha de produção, em determinado momento: 7,56; 7,64; 5,81; 10,80; 10,07; 7,85; 9,29; 10,34; 10,16; 10,95. Considere também que os valores aproximados da média amostral e do desvio padrão desses valores sejam, respectivamente, 9,05 kg e 1,64 kg. Em face dessas informações, julgue o próximo item, acerca de controle estatístico de qualidade.

Se a especificação do produto for 10 kg ± 1,5 kg, então C_pk > C_p.