Um pesquisador está construindo um modelo de regressão múltipla para prever o nível de glicose no sangue (Y) a partir das seguintes variáveis explicativas: idade (X 1 ), IMC (X 2 ), horas de atividades físicas (X 3 ), horas de sono (X 4 ) e consumo diário de açúcar (X 5 ). Sobre os métodos de seleção de variáveis, assinale a alternativa correta.

O método stepwise (regressão em etapas) combina as etapas de adição e remoção de variáveis, podendo incluir uma variável em um passo e removê-la em outro.

O método forward (seleção progressiva) inicia com o modelo simples do tipo y = β 0 + β i x i em que x i é qualquer uma das cinco variáveis explicativas, escolhida pelo pesquisador.

O modelo global, y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 + β 4 x 4 + β 5 x 5 , será sempre o melhor modelo a ser selecionado, pois terá sempre o maior R².

No método backward (eliminação regressiva), o modelo começa vazio e as variáveis são adicionadas uma a uma, escolhendo sempre aquele com melhor ajuste do modelo.

O critério de informação de Akaike (AIC) não penaliza modelos com muitos parâmetros, portanto, modelos com maior valor de AIC são preferíveis.

Questão 2146321 de Estatística - VUNESP 2025

Questão

ID 2146321

Disciplina: Estatística

Assunto: Aspectos Teóricos

Ano: 2025 Banca: VUNESP - Fundação para o Vestibular da Universidade Estadual Paulista Órgão: Escola de Formação Complementar do Exército

Um pesquisador está construindo um modelo de regressão múltipla para prever o nível de glicose no sangue (Y) a partir das seguintes variáveis explicativas: idade (X₁), IMC (X₂), horas de atividades físicas (X₃), horas de sono (X₄) e consumo diário de açúcar (X₅).

Sobre os métodos de seleção de variáveis, assinale a alternativa correta.

Alternativa A:
O método stepwise (regressão em etapas) combina as etapas de adição e remoção de variáveis, podendo incluir uma variável em um passo e removê-la em outro.
Alternativa B:
O método forward (seleção progressiva) inicia com o modelo simples do tipo y = β₀ + β_ix_i em que x_i é qualquer uma das cinco variáveis explicativas, escolhida pelo pesquisador.
Alternativa C:
O modelo global, y = β₀ + β₁x₁ + β₂x₂ + β₃x₃ + β₄x₄+ β₅x₅, será sempre o melhor modelo a ser selecionado, pois terá sempre o maior R².
Alternativa D:
No método backward (eliminação regressiva), o modelo começa vazio e as variáveis são adicionadas uma a uma, escolhendo sempre aquele com melhor ajuste do modelo.
Alternativa E:
O critério de informação de Akaike (AIC) não penaliza modelos com muitos parâmetros, portanto, modelos com maior valor de AIC são preferíveis.

Estatísticas Cadernos

Questão 2146321

Continue estudando na plataforma