Enunciado

O resultado da regressão múltipla do MINITAB para os dados sobre HPA do Exercício 53 na seção anterior incluiu as seguintes informações:

O que isso sugere sobre a aplicabilidade de se usar a equação ajustada apresentada anteriormente como base para inferências? Os pesquisadores na verdade excluíram a observação 7 e realizaram novamente a regressão. Isso faz sentido?

Passo 1

E aí pessoal partiu para mais uma questão de (probabilidade)? Abaixo começaremos trazendo algumas informações do enunciado:

O que isso sugere sobre a aplicabilidade de se usar a equação ajustada apresentada anteriormente como base para inferências? Os pesquisadores na verdade excluíram a observação 7 e realizaram novamente a regressão. Isso faz sentido?

Precisaríamos investigar melhor o impacto que essas duas observações têm na equação. A remoção da observação nº 7 é razoável, mas a remoção da nº 67 também deve ser considerada, antes de regredir novamente.

Resposta

Mas a remoção da nº 67 também deve ser considerada, antes de regredir novamente.

Espero que tenham aprendido com essa questão, até a próxima !

Exercícios de Livros Relacionados

Visto que R 2 = 0,723 para o modelo contendo os previsores x 1 , x 4 , x 5 e x 8 e R 2 = 0,689 no modelo com os previsores x 1 , x 3 , x 5 e x 6 o que você pode dizer sobre R 2 no modelo contendo os p
A exposição à poluição atmosférica diminui a expectativa de vida? Essa pergunta foi examinada no artigo "Does Air Pollution Shorten Lives?" (Statistics and Public Policy, Reading, MA, Addison Wesley,
a. Uma regressão linear poderia resultar nos resíduos 23, 27, 5, 17, 8, 9 e 15? Por quê? b. Uma regressão linear poderia resultar nos resíduos 23, 27, 5, 17, 8, 12 e 2 correspondentes aos valores x 3,
Lembre-se de que ˆ 0 ˆ 1x tem uma distribuição normal, com valor esperado 0 1x e variância de modo que tem uma distribuição normal padronizada. Se S SQE/(n2) for substituída por , a variável resultant
a. Expresse o i-ésimo resíduo Yi Yˆ i (onde Yˆ i ˆ 0 ˆ 1xi ) na forma cj Yj , uma função linear dos Yj s. Em seguida, use regras de variância para provar que V(Yi Yˆ i ) é dada pela Expressão (13.2).