Questão de Estatística — Modelos lineares — FGV 2025
Estatística›Modelos lineares
Código
fg106117
Banca
FGV
Órgão
AgSUS
Ano
2025
Nível
Superior
Cargo
Analista de Gestão Tecnologia da Informação
O uso de técnicas de análise de regressão são amplamente utilizadas na estatística para prever resultados com base em um conjunto de variáveis de entrada.Com relação às características da Regressão linear e da Regressão logística, analise os itens a seguir:I. As duas técnicas buscam modelar a relação entre variáveis dependentes e independentes, no entanto, apresentam como principal diferença o tipo de variável que elas são capazes de prever.II. A regressão linear minimiza as discrepâncias entre os valores de saída previstos e reais ao ajustar uma probabilidade, onde a variável dependente é limitada entre 0 e 1.III. Ambos os tipos de regressões requerem um tamanho de amostra adequado e grande, de mesma dimensão, para representar valores em todas as categorias de resposta produzindo modelo com poder estatístico suficiente para detectar efeito significativo.Está correto o que se afirma em
AI, apenas.
BI e II, apenas
CII e III, apenas
DI e III, apenas
EIII, apenas
Revelar gabarito e comentário▾
GabaritoA — I, apenas.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Regressão Linear × Regressão Logística: diferenças essenciais
Gabarito: letra A — apenas o item I está correto. A principal diferença entre regressão linear e logística é, de fato, o tipo de variável dependente que cada uma modela: contínua na linear, categórica (tipicamente binária) na logística. O item II erra ao atribuir à regressão linear a limitação da resposta entre 0 e 1 (isso é característica da logística), e o item III erra ao exigir que ambas as técnicas requeiram amostras "de mesma dimensão" — não há tal exigência comum.
A regressão linear é uma técnica de modelagem estatística que busca descrever a relação entre uma variável dependente contínua (que pode assumir qualquer valor real) e uma ou mais variáveis independentes, ajustando uma reta (ou hiperplano) pelo método dos mínimos quadrados. Já a regressão logística é usada quando a variável dependente é categórica — em sua forma binária, assume valores 0 ou 1 — e o modelo estima a probabilidade de ocorrência do evento de interesse, produzindo uma curva em formato de S (sigmoide) que permanece sempre entre 0 e 1. Essa distinção de natureza da variável resposta é o cerne da diferença entre as duas técnicas.
A banca explora exatamente a confusão entre os dois modelos: o candidato que não domina a diferença entre variável dependente contínua e categórica tende a aceitar afirmações que misturam as propriedades de um e de outro. O item II, por exemplo, descreve corretamente o comportamento da regressão logística (probabilidade limitada entre 0 e 1), mas o atribui à regressão linear — uma inversão clássica. Já o item III introduz uma exigência de "mesma dimensão" de amostra que não existe na teoria: cada modelo tem seus próprios requisitos de tamanho amostral, mas não há regra que os obrigue a ter amostras de tamanhos iguais entre si.
Regressão Linear vs Logística — só Regressão Linear: variável contínua; só Regressão Logística: variável categórica; Regressão Linear∩Regressão Logística: modelam relação
Item I — ✅ Correto
A afirmação está correta. Ambas as técnicas modelam a relação entre variáveis dependentes e independentes, mas diferem quanto ao tipo de variável que preveem: a regressão linear prevê uma variável contínua (ex.: preço, altura, temperatura), enquanto a regressão logística prevê uma variável categórica (ex.: sim/não, aprovado/reprovado). Essa é a distinção fundamental entre os dois métodos.
Item II — ❌ Incorreto
O item erra ao afirmar que a regressão linear "ajusta uma probabilidade" com variável dependente limitada entre 0 e 1. Essa característica é da regressão logística, que modela a probabilidade de ocorrência de um evento binário. Na regressão linear, a variável dependente é contínua e pode assumir qualquer valor real — não há limitação entre 0 e 1. A banca inverteu as propriedades dos dois modelos.
Item III — ❌ Incorreto
O item erra ao afirmar que ambas as regressões requerem "tamanho de amostra adequado e grande, de mesma dimensão". Não existe tal exigência de que os tamanhos amostrais sejam iguais entre os dois métodos. Cada técnica tem seus próprios requisitos de tamanho amostral para garantir poder estatístico, mas não há regra que os vincule a uma "mesma dimensão". Além disso, a necessidade de amostra grande não é exclusiva dessas técnicas, e a expressão "de mesma dimensão" não encontra respaldo na teoria estatística.
NÃO CAIA NESSA!
A banca inverteu as propriedades dos modelos: no item II, atribuiu à regressão linear a limitação da resposta entre 0 e 1, que é característica da logística. Fique atento: regressão linear → variável dependente contínua, sem limite; regressão logística → variável dependente categórica, probabilidade entre 0 e 1. Essa troca é o erro mais comum nesse tema.
PEGA ESSA DICA!
Para não errar, lembre-se do critério decisivo: qual é a natureza da variável dependente? Se for contínua (preço, peso, tempo), é regressão linear; se for categórica (sim/não, classe A/B), é regressão logística. Essa pergunta resolve a maioria das questões sobre o tema.