Grátis: O coeficiente de correlação de Pearson para um conjunto de dados, quando ajustados segundo um modelo de regressão linear, é -0,923. Nessas condiçõe... – Questões Respondidas

Econometria

Outros

O coeficiente de correlação de Pearson para um conjunto de dados, quando ajustados segundo um modelo de regressão linear, é -0,923.
Nessas condições, é correto afirmar que coeficiente de determinação é igual a
a. + 0,851929
b. + 0,077000
c. – 0,851929
d. +0,148171
e. – 0,077000

Praticando Para o Saber

ano passado

Praticando Para o Saber

ano passado

Bioestatística Atividade 4

Bioestatística Atividade 4

UNINGÁ

Respostas

Ed

ano passado

O coeficiente de determinação (R²) é calculado elevando ao quadrado o coeficiente de correlação de Pearson (r). No seu caso, o coeficiente de correlação é -0,923. Para calcular o coeficiente de determinação: R² = r² = (-0,923)² = 0,851929. Como o coeficiente de determinação é sempre um valor positivo, a resposta correta é: a. + 0,851929.

Essa resposta te ajudou?

0

0

Ainda não achou a resposta?

Integrado com os principais modelos de IA do mercado
Respostas em segundos
IA treinada para estudantes brasileiros.

Evolua sua forma de estudar

Cadastre-se ou realize login

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

Bioestatística Atividade 4

Bioestatística Atividade 4

UNINGÁ

Mais perguntas desse material

Deseja-se determinar, usando o método da regressão, a relação entre as variáveis tempo (t) e o volume de vendas (T), em um pet shop. Para tal, optou-se por analisar o modelo Ti=ati+b em que Ti representa o total de vendas no mês i e t_i é o número de meses desde a abertura do pet shop. Com base nas informações dos últimos 8 meses, foram obtidos os seguintes resultados: titi 1 2 3 4 5 6 7 8 Ti 5 7 9 11 12 15 13 16.
Nessas condições, a equação do modelo da reta correspondente é
a. Ti= 1,75 titi+4,00
b. Ti= 4,25 titi+0,50
c. Ti= 0,5 titi+4,25
d. Ti= 4,25 titi+1,5
e. Ti= 1,5 titi+4,25

Um comerciante deseja saber a relação entre o aumento da receita y de seu produto, em milhares de reais, e seu gasto com propaganda, em milhares de reais. Para tal, optou por analisar o modelo yi=axi+byi=axi+b em que yi representa o aumento da receita de vendas no mês i e xi é o gasto com propaganda no mês i. Com base nas informações dos últimos 10 meses, foram obtidos os seguintes resultados: ∑10i=0yi=100;∑10i=0xi=20;∑10i=0(xiyi)=220;∑10i=0(xi)2=120;∑10i=0(yi)2=100.
Nessas condições, a equação do modelo da reta correspondente é
a. yi=9,5+0,25xi
b. yi=9,6+0,2xi
c. yi=9,4+0,5xi
d. yi=9+0,35xi
e. yi=9+0,5xi

O coeficiente de correlação de Pearson para um conjunto de dados, quando ajustados segundo um modelo de regressão linear, é 0,9129.
Nessas condições, é correto afirmar que as duas variáveis estudadas
a. mantêm correlação negativa.
b. mantêm dependência significativa.
c. não mantêm dependência.
d. não mantêm correlação linear.
e. mantêm baixa dependência significativa.

O coeficiente de correlação de Pearson para um conjunto de dados, quando ajustados segundo um modelo de regressão linear, é 0,90.
Nessas condições, é correto afirmar
a. 81% da variação da variável dependente pode ser explicada pela relação entre a variável dependente e independente.
b. 90% da variação da variável dependente pode ser explicada pela relação entre a variável dependente e independente.
c. 15% da variação da variável dependente é explicada pela variação de outras variáveis ou erro na coleta de dados da amostra de dados.
d. 19% da variação da variável dependente pode ser explicada pela relação entre a variável dependente e independente.
e. 10% da variação da variável dependente pode ser explicada pela relação entre a variável dependente e independente.

O método mais usado para ajustar uma linha reta a um conjunto de pontos é conhecido como técnica da regressão linear. Aplicando-se a equação polinomial do primeiro grau com a técnica da regressão linear num caso em que uma empresa deseja saber o preço de venda de automóveis usados, cujas variáveis são o preço do automóvel (Y, em R$) e a quilometragem que ele já rodou (x, em 1.000 km), obteve-se a equação Y=24.346-155,48x.
Com base nessas informações, pode-se afirmar que o preço de um automóvel que possua 20.000 quilômetros rodados tenha seu valor avaliado, em reais, é
a. maior que 22.000 e menor que 23.000.
b. maior que 20.000 e menor que 21.000.
c. maior que 21.000 e menor que 22.000.
d. maior que 23.000.
e. menor que 20.000.