Prévia do material em texto

Aprendizado de Máquina - Regressão Linear
Lista de Exercícios Para Estudo - Testes de Hipóteses na Regressão Linear
Essa lista de exercícios foi feita por aluno com o objetivo de revisar o entendimento dos principais
tópicos baseado nos materiais do professor da disciplina de Aprendizado de Máquina.
Exercícios
1. O que é um teste de hipótese para coeficientes de regressão e por que ele é
importante?
2. Como a significância estatística dos coeficientes é avaliada?
3. Em que situações a hipótese nula para um coeficiente pode ser rejeitada?
4. Como o valor-p é utilizado para tomar decisões em testes de hipótese?
5. Quais são as implicações de um valor-p muito pequeno para um coeficiente?
6. Como a escolha do nível de significância afeta os resultados do teste de hipótese?
7. Qual é o papel da estatística t nos testes de coeficientes?
8. Como interpretar o resultado de um teste de hipótese quando o valor-p é maior que
0,05?
9. Em que casos um coeficiente não significativo ainda pode ser útil no modelo?
10. Como o teste F é utilizado para avaliar a regressão linear múltipla?
Gabarito
1. O teste de hipótese para coeficientes verifica se uma variável tem impacto
significativo na variável dependente. Ele ajuda a identificar quais variáveis devem ser
mantidas no modelo.
2. A significância dos coeficientes é avaliada pelo valor-p e pela estatística t.
Valores-p baixos indicam forte evidência contra a hipótese nula de que o coeficiente
é zero.
3. A hipótese nula é rejeitada quando há evidências suficientes de que o coeficiente
não é igual a zero, indicando uma relação significativa entre as variáveis.
4. O valor-p indica a probabilidade de observar o resultado encontrado, ou algo mais
extremo, se a hipótese nula for verdadeira. Valores menores que o nível de
significância levam à rejeição da hipótese nula.
5. Um valor-p muito pequeno sugere forte evidência de que a variável é significativa,
justificando sua inclusão no modelo.
6. Níveis de significância menores reduzem a probabilidade de erros tipo I, mas
aumentam a chance de erros tipo II, afetando a robustez das conclusões.
7. A estatística t compara a magnitude do coeficiente com sua incerteza. Valores altos
indicam que o coeficiente é estatisticamente significativo.
8. Um valor-p maior que 0,05 sugere que não há evidências suficientes para rejeitar a
hipótese nula, indicando que a variável pode não ser relevante.
9. Mesmo que um coeficiente não seja significativo, ele pode ser útil por razões
interpretativas ou por capturar pequenas nuances nos dados.
10. O teste F avalia a significância global do modelo na regressão linear múltipla,
verificando se pelo menos uma variável independente tem efeito significativo na
variável dependente.