Prévia do material em texto

Material de Estudo 39: Bioestatística – Análise de Regressão e Correlação
1. Qual é o objetivo principal da análise de regressão linear simples?
a) Determinar se existe uma relação causal entre duas variáveis. b) Modelar a relação linear
entre uma variável dependente (resposta) e uma variável independente (preditora). c)
Comparar as médias de duas ou mais populações. d) Testar a independência entre duas
variáveis categóricas. e) Avaliar a normalidade dos dados.
Resposta: b) Justificativa: A regressão linear simples busca encontrar a melhor reta que
descreve a relação entre uma variável dependente (Y) e uma variável independente (X).
2. O que representa o coeficiente de correlação de Pearson (r)?
a) A força e a direção da relação linear entre duas variáveis. b) A inclinação da reta de
regressão. c) A variância explicada pela variável independente. d) A probabilidade de cometer
um Erro Tipo I. e) A significância estatística da relação
Resposta: a)
Justificativa: O coeficiente de correlação de Pearson (r) varia de -1 a +1. Indica a força (quanto
mais próximo de 1 ou -1, mais forte) e a direção (positivo: relação direta; negativo: relação
inversa) da relação linear entre duas variáveis.
3. O que significa um coeficiente de correlação de Pearson (r) igual a zero? a) Existe uma
forte relação linear positiva entre as variáveis. b) Existe uma forte relação linear
negativa entre as variáveis. c) Não existe relação linear entre as variáveis. d) Existe
uma relação causal entre as variáveis. e) As variáveis são dependentes.
Resposta: c)
Justificativa: Um r = 0 indica ausência de relação linear. Pode haver outro tipo de relação (ex:
curvilínea), mas não linear.
4. O que representa o coeficiente de determinação (R²) em uma análise de regressão?
a) A inclinação da reta de regressão. b) A força da relação linear entre as variáveis. c) A
proporção da variância total da variável dependente que é explicada pela variável
independente. d) O erro padrão da estimativa. e) O valor-p do teste de regressão
Resposta: c) Justificativa: O R² (coeficiente de determinação) varia de 0 a 1 (ou 0% a 100%) e
indica a proporção da variabilidade da variável dependente (Y) que é explicada pela variável
independente (X) no modelo de regressão.
5. Qual das seguintes afirmações sobre a análise de regressão é falsa? a) A regressão
linear assume que a relação entre as variáveis é linear. b) A regressão linear assume
que os resíduos (erros) têm distribuição normal. c) A regressão linear pode provar
causalidade entre as variáveis. d) A regressão linear pode ser usada para fazer
previsões sobre a variável dependente. e) A regressão linear múltipla utiliza mais de
uma variável independente.
Resposta: c) Justificativa: A análise de regressão, por si só, não pode provar causalidade entre
as variáveis. Apenas associações podem ser identificadas. Causalidade requer delineamento
experimental adequado e controle de fatores de confusão.
6. Em um diagrama de dispersão, os pontos estão espalhados aleatoriamente, sem
nenhum padrão aparente. Qual seria o valor aproximado do coeficiente de correlação
de Pearson (r)?
a) Próximo de +1. b) Próximo de -1. c) Próximo de 0. d) Exatamente +1. e) Impossível
determinar sem cálculos
Resposta: c) Justificativa: Pontos espalhados aleatoriamente em um diagrama de dispersão
indicam ausência de relação linear, o que corresponde a um coeficiente de correlação (r)
próximo de zero.
7. Em uma análise de regressão linear simples, a equação da reta de regressão é Y = 2X +
5. Qual é a interpretação do coeficiente angular (2)? a) Para cada aumento de uma
unidade em X, Y aumenta em 5 unidades. b) Para cada aumento de uma unidade em X,
Y aumenta em 2 unidades. c) Para cada aumento de uma unidade em Y, X aumenta em
2 unidades. d) Quando X é zero, Y é 2. e) Y médio é 2
Resposta: b) Justificativa: O coeficiente angular (ou inclinação) da reta de regressão indica a
mudança esperada em Y para cada aumento de uma unidade em X. No exemplo, para cada
aumento de 1 unidade em X, Y aumenta em 2 unidades. O intercepto (5) é o valor de Y quando
X é zero.