S6 - Atividade Avaliativa _ UNIVESP 2

Prévia do material em texto

Questão 1
Ainda não respondida
Vale 1,25 ponto(s).
Em uma pesquisa sobre a influência de infraestrutura em estabelecimentos comerciais, uma equipe de análise construiu um
modelo de regressão múltipla utilizando variáveis contínuas e indicadoras. A partir dos dados coletados, calcular o valor
esperado da variável resposta tornou-se essencial para projetar futuros investimentos.
Considere que o modelo de regressão linear múltipla ajustado para um conjunto de dados de estabelecimentos seja dado
por:
onde:
- representa o faturamento mensal em milhares de reais,
- é o número de lojas concorrentes num raio de 1 km,
- é a população no raio de 1 km (em milhares),
- é uma variável indicadora (1 se possuir serviço de entrega expressa, 0 caso contrário).
Calcule o valor esperado de para um estabelecimento que possui lojas concorrentes, que está localizado em uma área
com mil habitantes e oferece serviço de entrega expressa.
A.
B.
C.
D.
E.

30/08/26, 00:22 S6 - Atividade Avaliativa | UNIVESP
https://ava.univesp.br/mod/quiz/attempt.php?attempt=3600229&cmid=222620 1/5
Questão 2
Ainda não respondida
Vale 1,25 ponto(s).
Questão 3
Ainda não respondida
Vale 1,25 ponto(s).
Em estudos estatísticos, diferentes formas de modelagem são utilizadas para representar relações entre variáveis. Algumas
modelagens consideram apenas efeitos diretos, enquanto outras incorporam efeitos combinados ou de interação. Avaliar a
adequação desses modelos requer análise crítica das mudanças na variabilidade explicada e não explicada.
Durante um estudo sobre o tempo de viagem de veículos, dois modelos de regressão múltipla foram ajustados: um modelo
sem interação e um modelo com interação entre as variáveis distância percorrida ( ) e número de entregas ( ). Para o
modelo sem interação, a soma dos quadrados dos resíduos foi  e, para o modelo com interação, , ambos
com uma amostra de  observações.
Com relação a este tema e aos testes para comparação entre os dois modelos, analise as asserções a seguir e a relação
proposta entre elas:
I. A estatística de teste para avaliar se o termo de interação melhora significativamente o modelo pode ser obtida pela razão
entre a redução no  dividida pelo erro quadrático médio do modelo completo.
PORQUE
II. A inclusão de termos de interação em modelos de regressão múltipla pode resultar em melhores ajustes, mas aumenta o
risco de superajuste se a diferença no  não for estatisticamente significativa.
A respeito dessas asserções, assinale a alternativa correta:
A. A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
B. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I.
C. As asserções I e II são falsas.
D. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.
E. As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I.
Leia o trecho a seguir:
Na regressão múltipla, a distribuição T é frequentemente utilizada para realizar testes de hipóteses sobre os coeficientes de
regressão. Esta prática é importante para determinar a significância de cada preditor no modelo. Compreender a aplicação
da distribuição T na regressão múltipla é fundamental para a correta interpretação dos resultados. Neste contexto, a
distribuição T é usada para [preencher 1] de cada coeficiente de regressão e considera os(as) [preencher] 2 na análise.
Os termos [preencher 1] e [preencher 2] são corretamente substituídos por:
A. 1 prever valores - 2 constantes do modelo
B. 1 ajustar o modelo - 2 coeficientes de determinação
C. 1 testar a significância - 2 graus de liberdade
D. 1 estimar variáveis - 2 intervalos de confiança
E. 1 calcular a média - 2 variáveis independentes
30/08/26, 00:22 S6 - Atividade Avaliativa | UNIVESP
https://ava.univesp.br/mod/quiz/attempt.php?attempt=3600229&cmid=222620 2/5
Questão 4
Ainda não respondida
Vale 1,25 ponto(s).
Questão 5
Ainda não respondida
Vale 1,25 ponto(s).
Modelos de regressão múltipla são amplamente utilizados para avaliar o impacto de diversas variáveis preditoras em uma
variável resposta, permitindo analisar tanto variáveis numéricas quanto categóricas. A interpretação dos coeficientes de cada
variável fornece insights sobre a influência de cada fator quando outros fatores são mantidos constantes. 
Com base nos assuntos estudados sobre interpretação de parâmetros em modelos de regressão múltipla, assinale a
alternativa correta.
A. No modelo de regressão múltipla, o parâmetro associado a uma variável categórica indica a diferença média no valor
da variável resposta quando a categoria está presente, mantendo as demais variáveis constantes.
B. Em um modelo de regressão múltipla, os parâmetros das variáveis categóricas são interpretados como percentuais
de variação na variável resposta, independentemente de outras variáveis.
C. No modelo de regressão múltipla, o coeficiente de uma variável numérica representa a diferença média na variável
resposta quando a variável numérica está presente, enquanto os coeficientes das variáveis categóricas indicam o
desvio padrão da resposta.
D. Em uma análise de regressão múltipla, o efeito das variáveis categóricas é estimado diretamente pela média dos
valores de resposta, enquanto as variáveis numéricas representam ajustes mais detalhados no modelo.
E. O parâmetro de uma variável categórica em modelos de regressão múltipla expressa o efeito acumulado de todas as
variáveis preditoras do modelo, sendo utilizado para prever valores médios.
Os modelos de regressão múltipla são ferramentas essenciais para investigar relações entre variáveis em diferentes áreas do
conhecimento. A interpretação adequada dos coeficientes permite compreender como cada variável contribui para o
comportamento da variável resposta. Análises cuidadosas exigem que cada coeficiente seja interpretado sob condições
específicas de controle das demais variáveis.
Durante um estudo de eficiência industrial, os pesquisadores desenvolveram um modelo de regressão para prever o
consumo de energia em função do número de horas trabalhadas, do custo com materiais e do número de funcionários. O
modelo é ajustado a partir de uma amostra de 50 empresas.
Com relação a este tema e às interpretações dos coeficientes neste contexto de regressão múltipla, analise as afirmativas a
seguir:
I. O coeficiente associado a uma variável representa a variação esperada em para um aumento de uma unidade nessa
variável, mantendo-se as outras constantes.
II. Um coeficiente positivo indica que o aumento da variável está associado a uma redução na variável resposta.
III. A interpretação correta dos coeficientes requer que se assumam constantes todas as demais variáveis no modelo.
Está correto o que se afirma em:
A. I, II e III.
B. II e III, apenas.
C. I e II, apenas.
D. I e III, apenas.
E. I, apenas.
30/08/26, 00:22 S6 - Atividade Avaliativa | UNIVESP
https://ava.univesp.br/mod/quiz/attempt.php?attempt=3600229&cmid=222620 3/5
Questão 6
Ainda não respondida
Vale 1,25 ponto(s).
Questão 7
Ainda não respondida
Vale 1,25 ponto(s).
Os coeficientes de regressão no modelo de regressão múltipla indicam a relação entre as variáveis independentes e a
variável dependente. Compreender a função dos coeficientes de regressão é fundamental para a correta interpretação dos
resultados da regressão múltipla.
Diante disso, assinale a alternativa que descreve as características dos coeficientes de regressão.
A. Os coeficientes de regressão podem ser tanto positivos quanto negativos, mas sempre indicam uma relação
constante entre as variáveis envolvidas, independentemente das suas magnitudes.
B. Os coeficientes de regressão mostram a mudança na variável dependente por unidade da variável independente,
sem considerar as outras variáveis presentes no modelo.
C. Os coeficientes de regressão são usados apenas para modelos de regressão linear simples e não têm função em
modelos de regressão múltipla com várias variáveis independentes.D. Os coeficientes de regressão têm um papel secundário na análise dos modelos de regressão, pois sua interpretação
depende mais da variabilidade do modelo do que das variáveis em si.
E. Os coeficientes de regressão indicam a mudança esperada na variável dependente para cada unidade adicional da
variável independente, mantendo as demais variáveis constantes no modelo.
A inferência em regressão múltipla envolve avaliar a significância e o impacto dos fatores incluídos no modelo em relação ao
resultado estudado. Esse processo permite verificar se as associações observadas são estatisticamente significativas e,
portanto, se podem ser generalizadas para uma população mais ampla.
Com relação a este contexto e do conteúdo estudado sobre inferência em regressão múltipla, analise as asserções a seguir e
a relação proposta entre elas:
I. Em inferência de regressão múltipla, um teste de hipótese para um coeficiente bi com  é usado para determinar se
a variável xi adiciona informação significativa à previsão da variável dependente y, além do que já é fornecido pelos outros
preditores.
PORQUE
II. Se  for rejeitada, é possível concluir que xi não contribui significativamente para o modelo, não fornecendo
informações adicionais para a estimativa de y.
A respeito dessas asserções, assinale a alternativa correta:
A. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.
B. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I.
C. As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I.
D. A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
E. As asserções I e II são falsas.
30/08/26, 00:22 S6 - Atividade Avaliativa | UNIVESP
https://ava.univesp.br/mod/quiz/attempt.php?attempt=3600229&cmid=222620 4/5
Questão 8
Ainda não respondida
Vale 1,25 ponto(s).
Em estudos estatísticos, avaliar o ajuste de um modelo de regressão múltipla é fundamental para validar suas previsões. Um
dos indicadores utilizados é o erro padrão da estimativa, que mede a dispersão dos resíduos em torno da linha ajustada.
Esse valor é diretamente relacionado à variabilidade que não foi explicada pelo modelo.
Com relação a este tema e aos cálculos realizados neste contexto, analise as afirmativas a seguir:
I. O erro padrão da estimativa é obtido pela raiz quadrada da divisão da soma dos quadrados dos erros (SSE) pelo número de
observações .
II. No cálculo do erro padrão da estimativa em regressão múltipla, é necessário subtrair o número de preditores e o
intercepto de para obter os graus de liberdade corretos.
III. Se o erro padrão da estimativa for pequeno, indica que o modelo ajustado descreve bem os dados observados.
Está correto o que se afirma em:
A. I e III, apenas.
B. I, II e III.
C. I, apenas.
D. II e III, apenas.
E. I e II, apenas.
Página anterior
S6 - Aprofundando o tema
Próxima página
S6 - Live com facilitador 
30/08/26, 00:22 S6 - Atividade Avaliativa | UNIVESP
https://ava.univesp.br/mod/quiz/attempt.php?attempt=3600229&cmid=222620 5/5
https://ava.univesp.br/mod/page/view.php?id=167062
https://ava.univesp.br/mod/lti/view.php?id=167064