Question

PERGUNTA 4

1. Muitos dos modelos ou algoritmos usados na estatística e na ciência dos dados são denominados modelos paramétricos, ou seja, que possuem parâmetros. Esses parâmetros devem ser determinados quando se treina (se ajusta) o modelo ou algoritmo aos dados amostrados. Na regressão linear simples ou múltipla, esses parâmetros são denominados coeficientes do modelo.


A respeito dos coeficientes do modelo de regressão linear simples para o valor do imóvel em função da sua área, analise as afirmativas a seguir.


I. O estatístico usou o software R e obteve, para os coeficientes do modelo de regressão linear simples do valor do imóvel em função da sua área, b0 = 27,22 e b1 = 5,15.

II. Os coeficientes do modelo de regressão linear simples do valor do imóvel em função da sua área possuem unidades, que são, respectivamente, kR$ (mil reais) para b0 e kR$/m2 (mil reais dividido pela área do imóvel) para b1.

III. O coeficiente b0 é a intersecção da reta do modelo com o eixo vertical y quanto x1 = 0. Não tem um significado “real” nesse caso, pois não há imóveis com área igual a zero. Deve ser entendido, nessa situação, apenas como um parâmetro de ajuste do modelo aos dados da amostra.

IV. O coeficiente b1 indica quanto varia o valor esperado do imóvel para um aumento de 1 metro quadrado da sua área. Graficamente, esse coeficiente é a inclinação da reta que representa o modelo de regressão linear simples ajustado aos dados da amostra.

Está correto o que se afirma em:


I e II, apenas.


III e IV, apenas.


II, III e IV, apenas.


II e III, apenas.


I, II, III e IV.


RESPOSTA QUE SELECIONEI E DEU COMO CORRETA: I, II, III e IV.
EXPLICAÇÃO: Fiz com base na apostila.
As informações I, II e III e IV batem com as informações dispostas na apostila no tópico "Valor versus Área do Imóvel" no capítulo de "Predição com Modelos de Regressão Linear".

Answer 1

Resposta:

I, II e III e IV

Explicação passo a passo:

esta pergunta está no capítulo de "Predição com Modelos de Regressão Linear".