Correlação e Regressão Linear Simples

Áudio automático ativado: as próximas questões serão lidas ao clicar em Continuar.

1. 1

   Observando o diagrama de dispersão, qual é a direção predominante da associação entre as variáveis X e Y?

   

   A Positiva B Nula C Negativa
2. 2

   Qual intervalo contém todos os valores possíveis do coeficiente de correlação de Pearson?

   A De 0 a 1 B De -1 a 1 C De menos infinito a mais infinito
3. 3

   Uma reta de regressão passa pelos pontos (2, 5) e (6, 13). Qual é o seu coeficiente angular?

   A 1 B 1,5 C 2
4. 4

   No gráfico, a reta ajustada cruza o eixo Y no valor 4. No modelo ŷ = b₀ + b₁x, o que representa b₀ = 4?

   

   A O valor previsto de Y quando X é igual a zero B O aumento previsto em Y para cada unidade de X C O menor valor observado de Y na amostra
5. 5

   Em uma regressão linear, foi obtido R² = 0,64. Qual é a interpretação adequada?

   A A correlação entre X e Y é necessariamente 0,64 B O modelo linear explica 64% da variabilidade observada em Y C O modelo acerta exatamente 64% das previsões individuais
6. 6

   No gráfico, a reta de regressão é ŷ = 2x + 1 e existe uma observação em (3, 8). Qual é o residual dessa observação?

   

   A -1 B 7 C 1
7. 7

   O gráfico de resíduos mostra pontos distribuídos aleatoriamente ao redor de zero, com dispersão aproximadamente constante. O que esse padrão sugere?

   

   A A linearidade e a variância constante parecem razoáveis B Existe uma curvatura sistemática não capturada pelo modelo C A variância dos erros aumenta com os valores ajustados
8. 8

   No diagrama, qual ponto possui maior potencial para alterar significativamente a inclinação da reta de regressão se for removido?

   

   A O ponto Q, porque está próximo do centro dos valores de X B O ponto P, porque combina valor extremo de X com afastamento da tendência C Nenhum deles, pois pontos individuais nunca afetam uma regressão
9. 9

   Uma forte correlação positiva foi observada entre duas variáveis. Por que isso, isoladamente, não comprova uma relação de causa e efeito?

   A Porque correlações positivas sempre resultam do acaso B Porque apenas correlações negativas podem indicar causalidade C Porque variáveis de confusão ou causalidade reversa podem explicar a associação
10. 10

    Um modelo foi ajustado com valores de X entre 10 e 20. Por que uma previsão para X = 35 deve ser tratada com cautela?

    

    A Porque é uma extrapolação além da faixa observada B Porque regressões lineares não podem produzir previsões acima de 20 C Porque toda previsão externa à média amostral é inválida
11. 11

    Um modelo que usa altura em centímetros possui inclinação de 0,8 kg por centímetro. Se a altura passar a ser registrada em metros, qual será a nova inclinação equivalente?

    A 0,008 kg por metro B 80 kg por metro C 800 kg por metro
12. 12

    Para realizar testes t e construir intervalos de confiança usuais em uma regressão linear simples com amostra pequena, qual suposição sobre os erros é especialmente relevante?

    A Todos os resíduos devem ser exatamente iguais a zero B X e Y devem possuir correlação perfeita C Os erros devem ser aproximadamente normais