EstatísticaPressupostos e análise de resíduos: heterocedasticidade, autocorrelação e multicolinearidadePR4 (UFRJ) 2023
UFRJ
Questão de Estatística
| 7 |
Considere um modelo regressão linear simples da forma: y = b + b x + e, i = 1,..., n i 0 1 i i em que y é a variável resposta relativa ao i i-ésimo indivíduo da amostra, x é a variável exi plicativa relativa ao i-ésimo indivíduo da amostra, e é o i-ésimo termo de erro, e b e b são os i 0 1 coeficientes de regressão. Marque a opção que apresenta um pressuposto que NÃO é necessário para assegurar que os coeficientes de regressão obtidos pelo método de mínimos quadrados ordinários sejam os Melhores Estimadores Lineares Não Viesados.
Mais questões de Pressupostos e análise de resíduos: heterocedasticidade, autocorrelação e multicolinearidade
- Cebraspe 2026Um modelo de regressão linear múltipla com n observações e p variáveis explicativas (além do intercepto) é estimado por meio do método dos mínimos quadrados ordinários (com p < n)…
- Cebraspe 2026Testes t e F em regressão linear dependem, em sua formação clássica, da validade da estrutura de variância assumida pelo modelo.
- Instituto AVALIA 2026A estatística aplicada aos dados georreferenciados possibilita compreender padrões espaciais e subsidiar processos de tomada de decisão. A autocorrelação espacial positiva ocorre…
- Cebraspe 2026O gráfico de resíduos (a) apresenta uma situação em que a hipótese 3 é satisfeita.
- Cebraspe 2026Quando os erros do modelo não seguem distribuição normal, mas atendem às demais suposições de Gauss-Markov (média zero, homocedasticidade e não autocorrelação), os estimadores de…
Questão de prova oficial, com o gabarito definitivo publicado pela banca. Reproduzida para fins de estudo.