Levando em consideração as ferramentas básicas de qualidade, o diagrama de dispersão é considerado apenas uma representação da provável relação entre duas variáveis que mostra, na forma de gráfico, os dados numéricos e sua relação. Considerando essas informações e o conteúdo estudado, analise as afirmativas a seguir e assinale V para a(s) verdadeira(s) e F para a(s) falsa(s). I. ( ) Um modelo de regressão linear dá respostas exatas; assim, para um determinado valor de x da variável X espera-se, em média, que ŷ = b x + b. II. ( ) A estimação, ou previsão, de uma variável com base em valores conhecidos da outra deve ser cautelosa! Não deve ser feita qualquer extrapolação dessa reta para valores fora do âmbito dados. O perigo de extrapolar para fora do âmbito dos dados amostrais é que a mesma relação possa não mais se verificar. III. ( ) A existência de correlação nada diz sobre a natureza da relação causal que porventura exista entre as variáveis. Ao interpretar um coeficiente de correlação deve ter-se presente, que um valor elevado de R não significa que X seja causa de Y ou Y seja causa de X. IV. ( ) Além do tipo de curva, outro fator importante na análise de regressão é o número de variáveis envolvidas.
Questão
Levando em consideração as ferramentas básicas de qualidade, o diagrama de dispersão é considerado apenas uma representação da provável relação entre duas variáveis que mostra, na forma de gráfico, os dados numéricos e sua relação.
Considerando essas informações e o conteúdo estudado, analise as afirmativas a seguir e assinale V para a(s) verdadeira(s) e F para a(s) falsa(s).
I. ( ) Um modelo de regressão linear dá respostas exatas; assim, para um determinado valor de x da variável X espera-se, em média, que ŷ = b x + b. II. ( ) A estimação, ou previsão, de uma variável com base em valores conhecidos da outra deve ser cautelosa! Não deve ser feita qualquer extrapolação dessa reta para valores fora do âmbito dados. O perigo de extrapolar para fora do âmbito dos dados amostrais é que a mesma relação possa não mais se verificar. III. ( ) A existência de correlação nada diz sobre a natureza da relação causal que porventura exista entre as variáveis. Ao interpretar um coeficiente de correlação deve ter-se presente, que um valor elevado de R não significa que X seja causa de Y ou Y seja causa de X. IV. ( ) Além do tipo de curva, outro fator importante na análise de regressão é o número de variáveis envolvidas.
Alternativas
A) F, V, V, V.
B) F, F, V, V.
C) V, F, V, F.
D) F, F, F, V.
E) V, F, F, F.
Explicação
Analisando cada afirmativa:
I. Falsa. Um modelo de regressão linear não dá respostas exatas (há erro/resíduo). Além disso, a forma geral da reta é (intercepto + inclinação). A afirmação diz “respostas exatas” e ainda apresenta a expressão de modo inadequado ao sugerir certeza/igualdade exata; em regressão, o correto é interpretar como valor médio esperado de dado , com variabilidade ao redor.
II. Verdadeira. A previsão deve ser cautelosa e, em geral, não se recomenda extrapolar a reta para fora do intervalo observado, pois a relação pode não se manter fora do âmbito dos dados.
III. Verdadeira. Correlação alta (coeficiente R\ elevado) não implica causalidade; não se pode concluir que causa ou que causa apenas com base na correlação.
IV. Verdadeira. Na análise de regressão, além do formato/curva do modelo, é importante considerar quantas variáveis estão no modelo (regressão simples: 2 variáveis; múltipla: mais variáveis), pois isso afeta a interpretação e o ajuste.
Logo, a sequência é F, V, V, V.
Alternativa correta: (A).