Utilizando um modelo de regressão linear simples para relacionar o peso de veículos com seu consumo de combustível, um analista realizou a análise de variância (ANOVA) e obteve um valor F bastante elevado, com p-valor muito próximo de zero.
Nessa situação hipotética,

Um analista tributário analisou a relação entre a cotação do dólar e a arrecadação mensal de ICMS (em milhões de reais). Após estimar o modelo de regressão, ele construiu um intervalo de confiança de 95% para o coeficiente angular (inclinação da reta), tendo obtido o seguinte resultado: [0,8 ; 3,2].
Tendo por base a situação hipotética apresentada, assinale a opção correta acerca da relação entre a cotação do dólar e a arrecadação mensal do ICMS.

Ao estimar um modelo de regressão linear simples para explicar o salário em função dos anos de experiência profissional, um pesquisador obteve um coeficiente angular (inclinação) estimado de 2.500 reais por ano de experiência, com um p-valor de 0,001.
Com base nessa situação hipotética e considerando um nível de significância de 5%, assinale a opção correta acerca da relação entre experiência e salário.

Em um modelo de regressão linear estimado por mínimos quadrados ordinários, a análise gráfica dos resíduos revela que a dispersão dos erros aumenta sistematicamente conforme os valores ajustados crescem. Adicionalmente, observa-se que os testes de hipótese individuais indicam significância estatística para diversos coeficientes, mas o pesquisador suspeita que os intervalos de confiança e os p-valores podem estar incorretos.
Nessa situação hipotética, o modelo apresenta

Em um modelo de regressão múltipla estimado por mínimos quadrados ordinários, observa-se que duas variáveis explicativas apresentam correlação muito alta entre si. Adicionalmente, um dos coeficientes estimados apresenta sinal contrário ao esperado pela teoria, e os erros-padrão dos coeficientes são substancialmente elevados.
A partir dessa situação hipotética, é correto concluir que o modelo em questão apresenta

Um modelo de regressão linear múltipla com n observações e p variáveis explicativas (além do intercepto) é estimado por meio do método dos mínimos quadrados ordinários (com p < n). O coeficiente de determinação ajustado é substancialmente menor que o coeficiente de determinação não ajustado e a soma dos quadrados dos resíduos é numericamente próxima à soma de quadrados total. Adicionalmente, nenhum dos testes t individuais para os coeficientes apresentam significância estatística ao nível de 5%, embora o teste F global indique que o modelo como um todo é significativo ao mesmo nível.
Nessa situação hipotética,

O método dos mínimos quadrados ordinários será utilizado em um modelo de regressão linear simples para se encontrar a reta que melhor se ajusta aos dados observados em determinada situação.
Nesse caso, o método dos mínimos quadrados ordinários permitirá

Os modelos de regressão linear tornaram-se uma maneira comprovada de prever o futuro de forma científica e confiável. Devido ao fato de a regressão linear ser um procedimento estatístico consolidado, as propriedades dos modelos de regressão linear são bem conhecidas. Internet:<ibm.com> .
Em um modelo de regressão linear simples, o método de estimação por máxima verossimilhança (EMV)

O dono de um supermercado contratou uma equipe especializada para investigar se a altura em que um produto é exposto aos consumidores afeta seu volume de vendas. Para a investigação, foi escolhido um produto com ampla aceitação dos consumidores, oferecido a preços compatíveis com suas rendas e por ampla variedade de marcas, tanto nacionais quanto estrangeiras.

Em sua investigação, a equipe especializada mencionada no texto 5A2-III selecionou um produto considerado adequado, procedeu ao controle de outros fatores que poderiam influir nas medições ou em suas interpretações e realizou algumas poucas mensurações, conforme a tabela a seguir, apenas para obter uma primeira noção do melhor modelo a ser utilizado.

altura de exposição (cm)	vendas semana 1 (itens)	vendas semana 2 (itens)
30	530	520
80	780	790
140	1.040	1.050
190	660	680

A partir dessas informações, e adotando, para cada altura de exposição, a média do número de itens vendidos nas semanas 1 e 2, assinale a opção em que é apresentada, sob um aspecto qualitativo, a distribuição mais factível para modelar a situação por meio da representação do volume de vendas mensurado pelo número de itens vendidos do produto, no eixo vertical, e da altura de exposição, no eixo horizontal.

Assinale a opção em que é apresentada a variável com menor influência nos resultados da investigação mencionada no texto 5A2-III, considerada a necessidade de se evitarem interferências de outros fatores que não a característica de interesse.