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>

Graus de liberdade num modelo de regressão linear simples
glT=n-1
glR=1
glRes=n-2
MSR=
MSRes=
MSR=SSR/1
MSRes=SSRes/(n-2)
E(MSRes)=
E(MSR)=

O que ocorre se o valor de F0 é grande?
Indica que é provável que la pendiente Bdiferente de zero
Como é o parâmetro de não centralidade? O que ele indica?
Indica que o valor observado de F0 deve ser grande se B1 for diferente de 0 (zero)

Como rejeitar a hipótese H0 abaixo?

Se

IC para B1

IC para B0

Intervalo de confiança de para σ2

Como determinar um estimadr não viesado para E(y|x0)



Intervalo de confiança para o valor estimado

Coeficiente de determinação R2

O que pode haver no modelo caso R2 =1?
Pode haver pontos repetidos
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.
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
E(R2)

Do que também depende o R2 ?
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.
Como analisar o E(R2)?
O valor esperado de R2 aumentará quando aumenta Sxx, que é uma medida de dispersão de x.
O que podemos fazer se encontrarmospontos atípicos na dispersão dos dados
- Análise mais detalhada e omissão dos pontos atípicos
- Estimação dos parâmetros do modelo com alguma técnica que seja influenciada com menos intensidade pelos pontos atípicos do que a de Mínimos quadrado;
- reestruturar o modelo
Como explicar a relação entre duas variáveis absurdas?
Na verdade é uma correlação, dois indicadores aumentando. Relação monótona
Como ficam os estimadores pelo métodos de Máxima verossimilhança?
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.




E(MSR)




O que podemos dizer dos indicadores abaixo caso tivermos um modelo de regressão sem intercepto?

