Com o objetivo de realizar uma projeção sobre a necessidade de novos servidores para o Ministério Público, foi elaborado um modelo de regressão associando o número de procedimentos em curso e a variável de interesse. A equação do modelo é:

NS_i = α + β. PC_i + ε_i

onde NS é o número de novos servidores e PC a quantidade de procedimentos em curso.

Através de uma amostra representativa (n=20), em diversas unidades no MP, foram obtidas as seguintes estatísticas:

Com base no modelo e nas estatísticas, é correto afirmar que:

Em um modelo de regressão linear múltipla, após a estimação dos parâmetros, realizou-se uma Análise da Variância, através da decomposição amostral. Os dados foram impressos, mas depois foram em parte perdidos, restando apenas a tabela a seguir, com diversas lacunas:

Com os dados acima é possível concluir que:

Sabe-se que o número de ações penais abertas depende do número total de denúncias oferecidas pelo MP. A propósito, foi proposto o seguinte modelo:

AP_i = α + β . DN_i + ε_i

O modelo foi estimado por MQO e os resultados obtidos foram:

AP_i = 210 +0,80 . DN_i

(0,82) (3,59)

onde AP é o volume de ações e DN o número de denúncias.

O tamanho da amostra é n = 100 (meses) e as variáveis estão expressas em logs.

Assim, é correto afirmar que:

Em uma regressão linear as propriedades dos estimadores de MQO estão relacionadas com a validade dos pressupostos sobre os erros aleatórios.

Sobre essa correspondência entre propriedades e pressupostos, é correto afirmar que:

Em modelos de regressão linear existem três métodos de estimação mais frequentemente empregados. São eles o de Mínimos Quadrados Ordinários (MQO), o do Melhor Estimador Linear Não Tendencioso (BLUE) e o de Máxima Verossimilhança (MV).

Sobre esses métodos, supondo válidos os pressupostos básicos do modelo, é correto afirmar que: