PROVA ONLINE_ 13 - Modelos Estatísticos (2023)

Prévia do material em texto

<p>PROVA ONLINE</p><p>Entrega Sem prazo</p><p>Pontos 40</p><p>Perguntas 10</p><p>Limite de tempo 60 Minutos</p><p>Tentativas permitidas 2</p><p>Instruções</p><p>Histórico de tentativas</p><p>INSTRUÇÕES DA AVALIAÇÃO ON-LINE</p><p>- A prova tem a duração de 60 minutos.</p><p>- Ao clicar em PROVA ON-LINE, no menu “Testes” você iniciará a prova. Ao acessar a página com as questões, o tempo começa a ser contado.</p><p>- A prova é composta de 10 (dez) questões objetivas, sendo 04 (quatro) pontos cada.</p><p>- Ao final do teste não se esqueça de enviá-lo, clicando no botão “ENVIAR TESTE”. Só utilize esse botão quando tiver finalizado a avaliação.</p><p>- Se necessário, durante a prova, entre em contato pelo link “Atendimento”.</p><p>- Você terá 02 (duas) tentativas e, caso necessite de uma nova, será preciso solicitar a prova extra, que requer pagamento de taxa adicional.</p><p>Atenção: Todas as provas iniciadas e que não houverem sido submetidas serão automaticamente encerradas pelo sistema transcorridos os 60</p><p>minutos de duração.</p><p>Boa prova!</p><p>Fazer o teste novamente</p><p>https://pucminas.instructure.com/courses/155221/quizzes/425970/take?user_id=271431</p><p>Tentativa Tempo Pontuação</p><p>MAIS RECENTE Tentativa 1 13 minutos 36 de 40</p><p>Pontuação desta tentativa: 36 de 40</p><p>Enviado 14 set em 15:26</p><p>Esta tentativa levou 13 minutos.</p><p></p><p>Pergunta 1</p><p>4 / 4 pts</p><p>Se r for um número próximo de -1, então x e y têm forte correlação linear.</p><p>Correto!</p><p>Se r=0,1, então x e y têm forte correlação linear.</p><p>Se r for um número próximo de 1, então x e y têm forte correlação linear.</p><p>Se r for um número próximo de 0, então x e y têm fraca correlação linear.</p><p>Quando o coeficiente de correlação se aproxima de 1, nota-se um aumento no valor de uma variável quando a outra também aumenta, ou seja, há</p><p>uma relação linear positiva. Quando o coeficiente se aproxima de -1, também é possível dizer que as variáveis são correlacionadas, mas nesse</p><p>caso quando o valor de uma variável aumenta o da outra diminui. Isso é chamado de correlação negativa ou inversa.</p><p></p><p>Pergunta 2</p><p>4 / 4 pts</p><p>Calcular o coeficiente de correlação entre as variáveis e observar se é superior a 0,7 ou inferior a -0,7.</p><p>Calcular o coeficiente de correlação entre as variáveis e observar se é superior a 0,5 ou inferior a -0,5.</p><p>Correto!</p><p>Calcular o coeficiente de correlação entre as variáveis e testar a hipótese nula de que esse coeficiente é igual a zero.</p><p>Calcular uma reta de regressão a partir de uma amostra e observar se a inclinação dessa reta amostral é 0.</p><p>Com relação ao coeficiente de correlação linear, assinale a alternativa incorreta:</p><p>Qual das seguintes opções é a abordagem mais adequada para determinar se existe uma relação linear estatisticamente significativa entre duas</p><p>variáveis quantitativas?</p><p>https://pucminas.instructure.com/courses/155221/quizzes/425970/history?version=1</p><p>Os testes de hipóteses nos permitem validar que estatisticamente temos valores significantes acerca de alguma métrica, nesse caso a correlação.</p><p>O valor medido nos dá uma noção acerca da natureza da correlação, mas não nos permite afirmar significância.</p><p></p><p>Pergunta 3</p><p>4 / 4 pts</p><p>É um número entre 0 e 1.</p><p>Mede a porcentagem da variação total da variável resposta que é explicada pela regressão.</p><p>Correto!</p><p>Determina se as estimativas e predições dos coeficientes são tendenciosas.</p><p>Em geral, quanto maior seu valor, melhor o modelo se ajusta aos dados.</p><p>O coeficiente de determinação diz somente sobre a qualidade do ajuste. Não devemos extrapolar essa informação para fazer inferências sobre os</p><p>parâmetros e as predições.</p><p></p><p>Pergunta 4</p><p>4 / 4 pts</p><p>Numa regressão linear, as afirmativas a seguir, acerca do coeficiente de determinação, estão corretas, exceto:</p><p>Um modelo de regressão linear simples foi gerado para explicar vendas (Y, em milhares de reais) a partir de propaganda (X, em centenas de</p><p>reais). Algumas informações do modelo são apresentadas:</p><p>Equação de regressão estimada: Y=12 + 1,8X</p><p>Considere as seguintes afirmações:</p><p>I. De acordo com a equação de regressão estimada, um gasto de R$ 1.000,00 em propaganda resulta em vendas estimadas de R$</p><p>40.000,00.</p><p>II. A cada incremento unitário em X, espera-se que Y aumente 1,8.</p><p>I e II.</p><p>Correto!</p><p>II, apenas.</p><p>I, apenas.</p><p>Nenhuma afirmativa está correta.</p><p>Para encontrar o valor estimado de ŷ deve-se substituir na seguinte reta de regressão: ŷ = b0 + b1 x, sendo b0 intercepto e b1 inclinação. A partir</p><p>da reta identificamos que a alternativa I está incorreta.</p><p></p><p>Pergunta 5</p><p>4 / 4 pts</p><p>70,3</p><p>Correto!</p><p>65,6</p><p>61,2</p><p>63,2</p><p>Para encontrar o valor estimado de ŷ deve-se substituir na seguinte reta de regressão: ŷ = b + b x, sendo b intercepto e b inclinação.</p><p></p><p>Pergunta 6</p><p>4 / 4 pts</p><p>Está(ão) correta(s) a(s) afirmativa(s):</p><p>De uma população, escolheu-se uma amostra casual de 10 pessoas e os seus pesos Y, em quilogramas, e alturas X, em centímetros, foram</p><p>anotados.</p><p>Sabendo-se que a equação de regressão linear correspondente é igual a Y = 36,8 + 0,16x, então o peso esperado de uma pessoa que tenha 180</p><p>cm de altura, em quilos, é aproximadamente igual a</p><p>0 1 0 1</p><p>A regressão polinomial deve ser ajustada quando os resíduos são heterocedásticos.</p><p>Correto!</p><p>A ideia da regressão polinomial é a partir das variáveis existentes, nós vamos construindo novas variáveis polinomiais e a regressão com elas terá mais capacidade</p><p>quanto maior o grau do polinômio criado.</p><p>A regressão polinomial só deve ser ajustava após a tentativa do ajuste da regressão logística.</p><p>A regressão polinomial é uma técnica de modelagem defasada.</p><p>Apesar de ser uma técnica que encontrará limitações devido a sua complexidade, não é um modelo defasado, pois resolve bem problemas</p><p>simples. O indicio para usá-lo consiste na não linearidade dos dados, e não em outras suposições.</p><p></p><p>Pergunta 7</p><p>4 / 4 pts</p><p>O MAE penaliza a quantidade de atributos do modelo de regressão.</p><p>Estamos em busca de maiores valores de MAE e MSE.</p><p>Correto!</p><p>Estamos em busca de menores valores de MAE e MSE.</p><p>Não se deve nunca usar MAE e MSE conjuntamente.</p><p>O MAE e o MSE são critérios de seleção de modelos que utilizam o resíduo. Dessa forma estamos em busca, sempre, de menores valores de</p><p>MAE e MSE, pois indicam menores valores de resíduos. O que os diferem é o peso que se dá ao erro, o MSE penaliza mais erros maiores.</p><p>A regressão polinomial permite que sem saber a forma funcional do processo gerador de dados, podemos desenvolver uma técnica geral que</p><p>funciona bem para problemas de relações não lineares.</p><p>Assinale a alternativa correta:</p><p>Para selecionar o melhor modelo utilizamos alguns critérios pré estabelecidos.</p><p>Sobre o MAE – Erro médio absoluto e o MSE – Erro médio quadrático, assinale a afirmativa correta:</p><p></p><p>Pergunta 8</p><p>4 / 4 pts</p><p>Correto!</p><p>Estamos em busca de menores valores de AIC e BIC.</p><p>Estamos em busca de maiores valores de AIC e BIC.</p><p>Estamos em busca de um valor menor para BIC, um maior para o AIC.</p><p>Estamos em busca de um valor menor para AIC, e um maior para o BIC.</p><p>AIC e BIC são dois critérios de seleção de modelos que usam a função de máximo verossimilhança. O BIC penaliza mais fortemente a</p><p>complexidade do modelo que o AIC ao substituir p, por ln(n) como fator de penalização. Devemos selecionar modelos com menores valores de AIC</p><p>(ou BIC).</p><p></p><p>Pergunta 9</p><p>0 / 4 pts</p><p>Você respondeu</p><p>apresenta oscilação que aumenta ao longo do tempo em torno de uma reta.</p><p>apresenta uma tendência flutuando ao redor de uma reta.</p><p>Resposta correta</p><p>se desenvolve no tempo aleatoriamente ao redor de uma média constante.</p><p>é constante somente no tempo inicial.</p><p>Para selecionar o melhor modelo utilizamos alguns critérios preestabelecidos.</p><p>Assinale a alternativa correta sobre o critério de informação de Akaike, AIC, e o critério de informação bayesiano, BIC:</p><p>Uma das suposições mais frequentes que se faz a respeito de uma série temporal é a de que ela seja estacionária.</p><p>Em relação à estacionariedade de uma série temporal, é correto afirmar que a série</p><p>A estacionariedade é um importante conceito na modelagem de séries temporais e é caracterizada por uma variável que se comporta</p><p>de forma</p><p>aleatória ao longo do tempo ao redor de uma média constante.</p><p>Basicamente, séries temporais que possuem tendência e/ou sazonalidade não são estacionárias e é necessário o uso de técnicas adequadas a tal</p><p>situação.</p><p></p><p>Pergunta 10</p><p>4 / 4 pts</p><p>Correto!</p><p>Todas as afirmativas estão incorretas.</p><p>A estacionariedade se caracteriza por uma série onde todos os valores são rigorosamente iguais.</p><p>As suavizações exponenciais são os únicos modelos de previsão para determinar valores a futuro quando a série temporal tem influência sazonal e apresenta</p><p>tendência.</p><p>Não existem modelos de previsão para determinar valores a futuro quando a série temporal tem influência sazonal e apresenta tendência.</p><p>A estacionariedade exige uma constância em torno da média e não uma rigorosidade de valores.</p><p>Existem diversos modelos na literatura capazes de estudar e modelar séries temporais.</p><p>Pontuação do teste: 36 de 40</p><p>As variações numa série temporal, apresentam-se como combinações de um ou mais dentre os fatores de estacionariedade, sazonalidade,</p><p>tendência ou ciclo.</p><p>Analise as afirmativas abaixo e assinale a opção correta:</p>