Questões de Concurso

t_i = i = 1,2 em que v₁ é o G.L. do modelo e B̂_i é a estimativa do parâmetro β_i; F = Quadrado médio do

modelo / Quadrado médio do modelo Quadrado médio dos resíduos.

t_i = i = 1,2 em que s_B̂i é o erro padrão de B̂_i que é estimativa do parâmetro β_i; F = Quadrado médio do modelo / Quadrado médio do modelo Quadrado médio dos resíduos.

t_i = i = 1,2 em que s_B̂i é o erro padrão de B̂_i que é estimativa do parâmetro β_i; F = Quadrado médio do modelo / Quadrado médio do modelo Quadrado médio dos resíduos.

t_i = i = 1,2 em que s_B̂i é o erro padrão de B̂_i que é estimativa do parâmetro β_i e SQres é a soma dos quadrados dos resíduos.

F = Quadrado médio do modelo / SQres e SQres é a soma dos quadrados dos resíduos.

t_i = = 1,2 em que SQmod é a soma dos quadrados do modelo e s_B̂i é o erro padrão de B̂_i que é a estimativa do parâmetro β_i;

F = SQmod / SQres em que SQmod é a soma dos quadrados do modelo e SQres é a soma dos quadrados dos resíduos.

o modelo ajustado é Y = 1,45092.X₁ + 0,497226. X₂ e foi obtido aplicando Mínimos Quadrados Ordinários aos 8 dados observados, e o valor do Coeficiente de Correlação Múltipla ao Quadrado é 99,763%.

o modelo ajustado é y = 25 - 1,50921.X₁ - 0,305972.X2 e foi obtido aplicando Mínimos Quadrados Ordinários aos 7 dados observados, e o valor do Coeficiente de Correlação Múltipla ao Quadrado é 0,237%.

o valor-p do modelo na Análise da Variância é menor que 0,05. Logo, isso indica que não existe relacionamento estatisticamente significativo entre as variáveis, e, ainda, o valor do Coeficiente de Correlação Múltipla ao Quadrado é muito baixo, igual a 0,237%.

todos os coeficientes de regressão têm valor-p menor que 0,05. Logo, não são significativos estatisticamente.

o valor do Coeficiente de Correlação Múltipla ao Quadrado é muito baixo, igual a 0,237%.

0,512455.Y₁ + 0,719790.Y₂ - 0,468287.Y₃

0,719790.X₁ + 0,410268.X₂ - 0,559984.X₃

-0,468287.X₁ + 0,882450.X₂ + 0,044595.X₃

0,512455.X₁ + 0,230134.X₂ + 0,827302.X₃

0,827302.Y₁ - 0,559984.Y₂ + 0,044595.Y₃

geometricamente essas combinações lineares representam a seleção de um novo sistema de coordenadas obtido por rotação do sistema original com X₁, X₂, ..., X_p como eixos. Os novos eixos Y₁, Y₂, ..., Y_p representam as direções com variabilidade mínima e fornecem uma descrição completa do sistema mediano.

geometricamente essas combinações lineares representam a seleção de um novo sistema de coordenadas obtido por rotação do sistema original com X₁, X₂, ..., X_p como eixos. Os novos eixos Y₁, Y₂, ..., Y_p representam as direções com variabilidade máxima e fornecem uma descrição mais simples e mais parcimoniosa da estrutura de covariância.

geometricamente essas combinações lineares representam a seleção de um novo sistema de coordenadas obtido da transformação do sistema original com X₁, X₂, ..., X_p como eixos em um novo sistema com eixos Y₁, Y₂, ..., Y_p que representam as direções mutuamente dependentes duas a duas.

geometricamente essas combinações lineares representam a seleção de um novo sistema de coordenadas obtido da transformação do sistema original com X₁, X₂, ..., X_p como eixos em um novo sistema com eixos Y₁, Y₂, ..., Y_p tais que, quando se extrai m < p Componentes Principais, se alcança uma maior explicação quanto à variabilidade dos dados.

geometricamente essas combinações lineares representam a seleção de um novo sistema de coordenadas obtido da transformação do sistema original com X₁, X₂, ..., X_p como eixos em um novo sistema com eixos Y₁, Y₂, ..., Y_p que representam direções que cortam transversalmente os eixos originais.

cov(X, Y) = Σ12 mede a correlação canônica entre os vetores X e Y.

a soma Σ1 + Σ2 é sempre igual a Σ12 .

a correlação entre as combinações lineares U e V é dada por ρ(U, V) =

V(X) = Σ1, V(Y) = Σ2 e cov(X, Y) = I, em que I é a matriz identidade.

as combinações lineares U e V são independentes.