Considerando a figura acima, que apresenta uma página web da Universidade Federal do Pampa acessada por meio do Internet Explorer 6.0, julgue os itens que se seguem.

No menu Favoritos, encontra-se opção que permite enviar, para um destinatário de correio eletrônico, como anexo de e-mail, a página web mostrada.

Considerando os gráficos acima, julgue o próximo item.

A partir dos gráficos de diagnósticos dos resíduos e influência, é correto afirmar que, apesar de poucas observações, não há evidências contra as suposições de normalidade e homogeneidade da variância; também não há evidências de forte influência de pontos extremos. Entretanto, há evidência de curvatura não acomodada pelo modelo de regressão linear simples, sugerindo, assim, um modelo com um termo quadrático no preditor linear.

Seja uma variável resposta Y e uma variável regressora X. Uma amostra de tamanho 10 foi coletada e as observações foram registradas a seguir.

\( \begin{matrix}X:1123444566\\Y:4432122233 \end{matrix} \)

Considerando uma abordagem matricial para um modelo de regressão, \( y=x\beta +\epsilon \) sendo \( \epsilon \) um vetor de erros aleatórios com distribuição normal com vetor de médias 0 e uma matriz de variâncias-covariâncias \( I\sigma^2 \), julgue o item a seguir.

Na necessidade de se ajustarem modelos polinomiais de grau superior a 2 (modelos cúbicos, quárticos etc.), é aconselhável utilizar polinômios ortogonais que garantem a independência entre os termos dentro do preditor linear do modelo de regressão.

Seja uma variável resposta Y e uma variável regressora X. Uma amostra de tamanho 10 foi coletada e as observações foram registradas a seguir.

\( \begin{matrix}X:1123444566\\Y:4432122233 \end{matrix} \)

Considerando uma abordagem matricial para um modelo de regressão, \( y=x\beta +\epsilon \) sendo \( \epsilon \) um vetor de erros aleatórios com distribuição normal com vetor de médias 0 e uma matriz de variâncias-covariâncias \( I\sigma^2 \), julgue o item a seguir.

O teste de Mann-Whitney é usualmente utilizando para avaliar a presença de dependência temporal entre elementos do vetor g, ou seja, avalia se a hipótese de independência dos erros está sendo atendida. Junto com esse teste, podem ser utilizadas técnicas gráficas, tais como: construção de gráficos sequenciais para os erros, gráficos da função de autocorrelação ou um diagrama de dispersão com os erros defasados em uma unidade, buscando correlação entre os pontos.

Seja uma variável resposta Y e uma variável regressora X. Uma amostra de tamanho 10 foi coletada e as observações foram registradas a seguir.

\( \begin{matrix}X:1123444566\\Y:4432122233 \end{matrix} \)

Considerando uma abordagem matricial para um modelo de regressão, \( y=x\beta +\epsilon \) sendo \( \epsilon \) um vetor de erros aleatórios com distribuição normal com vetor de médias 0 e uma matriz de variâncias-covariâncias \( I\sigma^2 \), julgue o item a seguir.

A cada aumento de uma unidade no regressor X há um aumento de 0,25 unidades em Y.

Seja uma variável resposta Y e uma variável regressora X. Uma amostra de tamanho 10 foi coletada e as observações foram registradas a seguir.

\( \begin{matrix}X:1123444566\\Y:4432122233 \end{matrix} \)

Considerando uma abordagem matricial para um modelo de regressão, \( y=x\beta +\epsilon \) sendo \( \epsilon \) um vetor de erros aleatórios com distribuição normal com vetor de médias 0 e uma matriz de variâncias-covariâncias \( I\sigma^2 \), julgue o item a seguir.

Em caso de heterogeneidade da variância, a matriz de variâncias-covariâncias pode ser modificada para em um método de estimação sob dados heterocedásticos chamado de mínimos quadrados ponderados.

Seja uma variável resposta Y e uma variável regressora X. Uma amostra de tamanho 10 foi coletada e as observações foram registradas a seguir.

\( \begin{matrix}X:1123444566\\Y:4432122233 \end{matrix} \)

Considerando uma abordagem matricial para um modelo de regressão, \( y=x\beta +\epsilon \) sendo \( \epsilon \) um vetor de erros aleatórios com distribuição normal com vetor de médias 0 e uma matriz de variâncias-covariâncias \( I\sigma^2 \), julgue o item a seguir.

O coeficiente de determinação está limitado aos valores 0 e 1 (ou 0% a 100%).

Seja uma variável resposta Y e uma variável regressora X. Uma amostra de tamanho 10 foi coletada e as observações foram registradas a seguir.

\( \begin{matrix}X:1123444566\\Y:4432122233 \end{matrix} \)

Considerando uma abordagem matricial para um modelo de regressão, \( y=x\beta +\epsilon \) sendo \( \epsilon \) um vetor de erros aleatórios com distribuição normal com vetor de médias 0 e uma matriz de variâncias-covariâncias \( I\sigma^2 \), julgue o item a seguir.

Considerando um valor adicional X₀, a predição do valor de y é dado por \( \hat{y}_0=b'X_0 \) com variância \( Var(\hat{y}_0)=X'_0(X'X')^{-1}X_0\sigma^2 \).

Seja uma variável resposta Y e uma variável regressora X. Uma amostra de tamanho 10 foi coletada e as observações foram registradas a seguir.

\( \begin{matrix}X:1123444566\\Y:4432122233 \end{matrix} \)

Considerando uma abordagem matricial para um modelo de regressão, \( y=x\beta +\epsilon \) sendo \( \epsilon \) um vetor de erros aleatórios com distribuição normal com vetor de médias 0 e uma matriz de variâncias-covariâncias \( I\sigma^2 \), julgue o item a seguir.

A soma de quadrados total corrigida para a média, na tabela de análise da variância, pode ser escrita como \( y'y-10^{-1}y'II'y \).

Seja uma variável resposta Y e uma variável regressora X. Uma amostra de tamanho 10 foi coletada e as observações foram registradas a seguir.

\( \begin{matrix}X:1123444566\\Y:4432122233 \end{matrix} \)

Considerando uma abordagem matricial para um modelo de regressão, \( y=x\beta +\epsilon \) sendo \( \epsilon \) um vetor de erros aleatórios com distribuição normal com vetor de médias 0 e uma matriz de variâncias-covariâncias \( I\sigma^2 \), julgue o item a seguir.

O estimador do vetor \( \beta \) é dado por b = (X'X)^-1Xy.