Baixe o app para aproveitar ainda mais
Prévia do material em texto
**Exercícios de Múltipla Escolha sobre Regressão Linear:** **1. Qual é o objetivo da regressão linear?** - A) Maximizar a função de custo. - B) Minimizar a soma dos quadrados dos resíduos. - C) Encontrar o valor médio dos dados. - D) Ajustar os dados a uma distribuição normal. **2. Qual fórmula representa o coeficiente angular (b) na regressão linear simples?** - A) \( b = \frac{n \sum xy - \sum x \sum y}{n \sum x^2 - (\sum x)^2} \) - B) \( b = \frac{\sum y - b \sum x}{n} \) - C) \( b = \frac{\sum x \sum y - n \sum xy}{(\sum x)^2 - n \sum x^2} \) - D) \( b = \frac{n(\sum xy) - (\sum x)(\sum y)}{n(\sum x^2) - (\sum x)^2} \) **3. Como é representada a equação da reta de regressão linear?** - A) \( y = ax^2 + b \) - B) \( y = a\sqrt{x} + b \) - C) \( y = ax + b \) - D) \( y = a \ln(x) + b \) **4. O que representa o coeficiente linear (a) na regressão linear simples?** - A) A inclinação da reta. - B) O ponto onde a reta intercepta o eixo x. - C) A variabilidade dos dados. - D) A média dos valores de y. **5. Qual é o propósito da soma dos quadrados dos resíduos na análise de regressão?** - A) Maximizar a precisão da previsão. - B) Minimizar a variância dos dados. - C) Minimizar a soma dos quadrados das diferenças entre os valores observados e preditos. - D) Maximizar a correlação entre as variáveis. **6. Na regressão linear, se o coeficiente angular (b) é positivo, o que isso indica?** - A) Uma relação positiva entre as variáveis. - B) Uma relação negativa entre as variáveis. - C) Não há relação entre as variáveis. - D) A impossibilidade de calcular a regressão. **7. Quando a correlação entre duas variáveis é próxima de -1, o que isso sugere?** - A) Uma forte relação positiva. - B) Uma forte relação negativa. - C) Nenhuma relação entre as variáveis. - D) Uma relação não linear. **8. Qual é a importância do coeficiente de determinação (R²) na regressão linear?** - A) Mede a força da relação linear. - B) Indica a direção da relação. - C) Avalia a dispersão dos dados. - D) Representa a proporção da variabilidade explicada pelo modelo. **9. O que acontece com o coeficiente angular se a correlação entre as variáveis for perfeita (igual a 1 ou -1)?** - A) Torna-se indeterminado. - B) Torna-se zero. - C) Mantém-se constante. - D) Torna-se infinitamente grande. **10. Qual é a principal limitação da regressão linear?** - A) A incapacidade de lidar com dados não lineares. - B) A sensibilidade a outliers. - C) A inabilidade de realizar previsões. - D) A dependência da escala dos dados. **11. Em uma análise de regressão, qual é a função dos resíduos?** - A) Representam a média dos dados. - B) Indicam a quantidade de variabilidade explicada pelo modelo. - C) São a diferença entre os valores observados e os valores preditos. - D) Determinam a inclinação da reta de regressão. **12. Como a inclinação da reta de regressão é afetada por um outlier extremo?** - A) A inclinação aumenta. - B) A inclinação diminui. - C) Não há efeito na inclinação. - D) A inclinação torna-se zero. **13. O que significa um coeficiente de determinação (R²) de 0,75?** - A) 75% da variabilidade é explicada pelo modelo. - B) 25% da variabilidade é explicada pelo modelo. - C) Não há relação entre as variáveis. - D) O modelo é perfeito e explica toda a variabilidade. **14. Qual é a interpretação de um coeficiente angular (b) negativo na regressão linear?** - A) Aumento em x causa aumento em y. - B) Aumento em x causa diminuição em y. - C) Não há relação entre x e y. - D) A inclinação da reta é zero. **15. O que representa a correlação (r) entre duas variáveis na regressão linear?** - A) A força da relação linear. - B) A direção da relação linear. - C) A proporção da variabilidade explicada. - D) A soma dos quadrados dos resíduos. **16. Quando usar a regressão linear simples em comparação com a regressão linear múltipla?** - A) Quando há apenas uma variável independente. - B) Quando há várias variáveis independentes. - C) Sempre usar regressão linear múltipla. - D) A escolha não impacta os resultados. **17. Qual é a importância dos resíduos na análise de regressão?** - A) Representam a variabilidade total dos dados. - B) Indicam a precisão do modelo. - C) Medem a dispersão dos valores observados. - D) Avaliam a adequação do ajuste do modelo. **18. Em uma regressão linear, como é interpretado o coeficiente de correlação (r) próximo a 0?** - A) Não há relação linear entre as variáveis. - B) A relação linear é perfeita. - C) A relação é negativa. - D) A relação é positiva. **19. O que significa um coeficiente de determinação (R²) de 1?** - A) O modelo não explica a variabilidade. - B) O modelo é perfeito e explica toda a variabilidade. - C) O modelo é impreciso. - D) O modelo é inaplicável. **20. Como a presença de multicolinearidade afeta a análise de regressão linear múltipla?** - A) Aumenta a precisão das previsões. - B) Torna os coeficientes menos precisos e interpretáveis. - C) Não tem impacto nos resultados. - D) Torna a análise mais simples e direta. **Gabarito:** 1. B 2. A 3. C 4. B 5. C 6. A 7. B 8. A 9. A 10. B 11. C 12. A 13. A 14. B 15. B 16. A 17. D 18. A 19. B 20. B
Compartilhar