Sobre a correlação entre as variáveis, julgue as afirmativas abaixo:
(I) O coeficiente de correlação é um número que varia entre 0 a 1.
Errado - Deve variar entre -1 e +1. -1 indicando associação negativa quando uma variável explicativa cresce a variável dependente diminui. +1 indicando associação positiva quando uma variável explicativa cresce a variável dependente também cresce.
(II) Em modelos de regressão linear, é importante verificarmos se as variáveis explicativas (X's) têm forte correlação com a variável dependente.
Certo - É importante também verificar o relacionamento por meio de gráfico de dispersão.
(III) Em modelos de regressão linear, é importante que as variáveis explicativas (X's) não tenham forte correlação entre si.
Certo - A questão aborda as variáveis explicativas usada para prever a variável resposta ou variável dependente. Se as variáveis explicativas tiverem uma forte associação entre si pode gerar um problema chamado de colinearidade. Um caso extremo desse problema é a singularidade. Quando uma variável explicativa é perfeitamente prevista (correlação de 1) por uma outra variável explicativa. Isso é bem importante principalmente na seleção das variáveis para regressões lineares múltiplas, pois em alguns casos elas explicam o mesmo fenômeno. Como no exemplo temos temperatura média, temperatura máxima, temperatura mínima.
