Regressão Simples Flashcards
<p>Média e Variância de uma função linear</p>
<p>Qual o tipo de estudo realizado pelo Regressão Linear ?</p>
<p></p>
<p>Estudo retrospectivo</p>
<p>SXX?</p>
<p>SXY</p>
<p></p>
<p>Defina resíduo</p>
<p>Diferença entre valor observado e o valor ajustado</p>
<p></p>
<p>A regressão linear dos mínimos quadrados sempre passar pelo ponto:</p>
<p>!!!</p>
<p>SSrRes em termos de y</p>
<p>SST</p>
<p>SSrRes</p>
<p>Quais as hipóteses do teste t</p>
<p>Z0</p>
<p>É utilizado se conhecer a variância</p>
<p>t0</p>
<p>Quando podemos rejeitar H0 no teste t?</p>
<p>O que implica rejeitar H_0 na regressão linear simples?</p>
<p>Implica não haver relação linear entre <em>x</em> e <em>y</em></p>
<p>SSR</p>
<p>Graus de liberdade num modelo de regressão linear simples</p>
<p>glT=n-1</p>
<p>glR=1</p>
<p>glRes=n-2</p>
<p>MSR=</p>
<p>MSRes=</p>
<p>MSR=SSR/1</p>
<p>MSRes=SSRes/(n-2)</p>
<p>E(MSRes)=</p>
<p>E(MSR)=</p>
<p>O que ocorre se o valor de F0 é grande?</p>
<p>Indica que é provável que la pendiente Bdiferente de zero</p>
<p>Como é o parâmetro de não centralidade? O que ele indica?</p>
<p>Indica que o valor observado de F0 deve ser grande se B1 for diferente de 0 (zero)</p>
<p>Como rejeitar a hipótese H0 abaixo?</p>
<p>Se</p>
<p>IC para B1</p>
<p>IC para B0</p>
<p>Intervalo de confiança de para σ2</p>
<p>Como determinar um estimadr não viesado para E(y|x0)</p>
<p>Intervalo de confiança para o valor estimado</p>
<p>Coeficiente de determinação R2</p>
<p>O que pode haver no modelo caso R2 =1?</p>
<p>Pode haver pontos repetidos</p>
<p>Embora R2 não pode diminuir se se agrega ao modelo uma nova variável regressora, isso não quer dizer que necessariamente que o novo modelo seja melhor que o anterior.</p>
<p></p>
<p>A menor que a soma dos quadrados no novo modelo se reduza em uma quantidade igual ao erro quadrático médio original, ao novo modelo tenderá um maior erro quadrático médio que o anterior, por perda de um grau de liberdade no erro. Assim o novo modelo será pior que o anterior</p>
<p>E(R2)</p>
<p>Do que também depende o R2 ?</p>
<p>Também depende do intervalo de variabilidade da variável regressora. Em geral, R2 aumenta a medida que aumenta a dispersão de x e diminui quando diminui a dispersão de x, sempre e quando seja correta a forma suposta do modelo. R2 também pode sr pequeno porque o intervalo das x seja demasiadamente pequeno para permitir detectar sua relação com y.</p>
<p>Como analisar o E(R2)?</p>
<p>O valor esperado de R2 aumentará quando aumenta Sxx, que é uma medida de dispersão de x.</p>
<p>O que podemos fazer se encontrarmospontos atípicos na dispersão dos dados</p>
<ul>
<li>Análise mais detalhada e omissão dos pontos atípicos</li>
<li>Estimação dos parâmetros do modelo com alguma técnica que seja influenciada com menos intensidade pelos pontos atípicos do que a de Mínimos quadrado;</li>
<li>reestruturar o modelo</li>
</ul>
<p>Como explicar a relação entre duas variáveis absurdas?</p>
<p>Na verdade é uma correlação, dois indicadores aumentando. Relação monótona</p>
<p>Como ficam os estimadores pelo métodos de Máxima verossimilhança?</p>
<p>Ficam os mesmo que o do mínimo quadrado, exceto a variância que terá o viés (n-1)/n. O viés é pequeno quando n é moderamente grande.</p>
<p>E(MSR)</p>
<p></p>
<p>O que podemos dizer dos indicadores abaixo caso tivermos um modelo de regressão sem intercepto?</p>
