Considere o seguinte modelo de regressão linear:

y = β₀ + β₁Χ₁ + β₂Χ₂ + β₃Χ₃ + β₄Χ⁴ + e

sendo β_i (i = 0, 1, ..., 4) os coeficientes desconhecidos do modelo proposto, X_j ( j = 1, 2, 3, 4) as covariáveis; e ε o erro aleatório. O resumo desse modelo ajustado aos dados de um experimento, resultou nas três seguintes tabelas:

ANOVA

Resultados do modelo de regressão ajustado

Considerando os dados apresentados, é correto afirmar que

Por um longo período de tempo, um administrador de uma grande empresa de açaí anotou o volume diário de vendas de açaí, em kg (Y) e a temperatura média diária, em ºC (X). Na tentativa de descrever esse comportamento, que se verificou linear, o modelo de regressão obtido para esses dados foi:

Y = 0,6 + 1,9 X, com R² = 0,81.

Com essas informações, é correto afirmar que

Considere A^T a matriz transposta da matriz A. As linhas de comandos, no software R, que geram e apresentam o vetor a = [3 3 2 2 7 7 5 5 3 3 2 2 7 7 5 5 3 3 2 2 7 7 5 5]T são:

Considere um nível de confiança de 90% e observe a saída do software R a seguir:

Considerando os dados apresentados, assinale a alternativa correta.

Considere as seguintes linhas de comando:

B = matrix(c(1,0,2,1,1,3), nrow=2, 3, byrow=F)
C = matrix(c(1,1,0,0,1,1,2,0,-1), 3, 3, byrow=T)
D <- B%*%C

D[2,c(1,3)]

O resultado do processamento desse script no software R são, respectivamente, os valores:

Em um estudo para desenvolver novas estratégias de ensino, 480 adolescentes foram classificados segundo suas habilidades: “para artes” (alta, média e baixa) e “para matemática” (alta, média, baixa). O teste de associação entre as variáveis foi aplicado, obtendo um valor calculado de 57,4. Assim, com 95% de confiança, pode-se afirmar que as variáveis são dependentes. No intuito de interpretar essa associação, o coeficiente de contingência modificado de Pearson foi calculado e pode-se concluir que

Na tentativa de um controle de qualidade na produção de tomates, uma amostra aleatória de tomates foi retirada para a análise, onde mediu-se o diâmetro transversal do fruto (mm), seu peso (g) e foi anotada a variedade do fruto. No software SAS, foi digitado o seguinte programa referente a esses dados:

data producao;
input ID Tomate $ DIAMETRO peso;
if DIAMETRO < 50 and Tomate = Debora then delete;
if DIAMETRO < 65 and Tomate = Carmen then delete;
cards;
1 Carmen 71 235
2 Debora 49 120
3 Debora 57 140
4 Carmen 63 170
5 Carmen 67 190
6 Debora 46 110
7 Carmen 62 160
8 Debora 58 150
9 Carmen 70 220
;
proc sort;
by Tomate DIAMETRO;
proc means data=producao n mean;
by Tomate;
var peso;
run;

Processando esse script, qual é a saída do software correta para esses comandos?

Considere as seguintes variáveis em um estudo imobiliário:

X₁: preço do imóvel (reais);
X₂: localização (bairro);
X₃: distância do imóvel ao centro da cidade (km);
X₄: número de banheiros;
X₅: número de quartos;
X₆: metro quadrado de área construída privativa (m2);
X₇: vender a casa (sim/não);
X₈: idade do imóvel (anos).

Sem saber de antemão quaisquer informações sobre as variáveis, qual é a afirmação correta sobre um possível modelo inicial para ser ajustado aos dados?

Em um estudo, 4 variáveis foram selecionadas e desejou- se avaliar a associação entre elas. A matriz de correlação é apresentada a seguir. Nela, a estimativa da correlação linear de Pearson das variáveis duas a duas são apresentadas no triângulo inferior, abaixo da diagonal principal (uns) e no triângulo superior, é apresentado o valor-p do teste de correlação linear de Pearson.

Considerando um nível de confiança de 95%, é correto afirmar:

Para tentar reduzir os custos, uma empresa levantou informações de 6 situações relacionando “o número de defeitos nos produtos” em função do “gasto com o controle de qualidade” (R$). Segue um resumo dos resultados desses dados.

Sendo X: “o número de defeitos nos produtos” e Y: “gasto com o controle de qualidade” (R$).

Foi verificada uma relação linear entre essas variáveis e um modelo de regressão linear simples foi ajustado pelo método de mínimos quadrados. Dessa forma, a estimativa aproximada dos coeficientes linear e angular desse modelo de regressão são, respectivamente: