Gabarito disponível
Texto-base:
Para validar as suposições clássicas usuais e detectar potenciais violações de um modelo de regressão linear múltipla na forma y = β₀ + β₁x₁ + β₂x₂ + ⋯ + βₖxₖ + ε, será feita uma análise de resíduos, a partir dos dados a seguir.
• Resíduo: eᵢ = yᵢ − ŷᵢ.
• Resíduos padronizados:
, em que σ̂ = √QMR e QMR é o quadrado médio do resíduo.
• Resíduos estudentizados:
, em que hᵢᵢ é o i-ésimo elemento da diagonal da matriz hat.
Considerando as informações precedentes, julgue os itens que se seguem.
Os resíduos estudentizados são preferidos aos resíduos ordinários para a detecção de outliers, pois consideram o efeito alavanca de cada observação e possuem variâncias mais uniformes entre as observações.
Para validar as suposições clássicas usuais e detectar potenciais violações de um modelo de regressão linear múltipla na forma y = β₀ + β₁x₁ + β₂x₂ + ⋯ + βₖxₖ + ε, será feita uma análise de resíduos, a partir dos dados a seguir.
• Resíduo: eᵢ = yᵢ − ŷᵢ.
• Resíduos padronizados:
, em que σ̂ = √QMR e QMR é o quadrado médio do resíduo.• Resíduos estudentizados:
, em que hᵢᵢ é o i-ésimo elemento da diagonal da matriz hat.Considerando as informações precedentes, julgue os itens que se seguem.
Os resíduos estudentizados são preferidos aos resíduos ordinários para a detecção de outliers, pois consideram o efeito alavanca de cada observação e possuem variâncias mais uniformes entre as observações.