A análise PESTEL (Political, Economic, Social, Technological, Environmental and Legal) é uma ferramenta estratégica que ajuda as organizações a entenderem o impacto de fatores externos no seu ambiente de atuação. PESTEL propõe um enfoque que destaca [preencher 1] como elemento central para explorar as implicações de fatores externos e enfatiza [preencher 2] como um componente essencial para alinhar as estratégias organizacionais às mudanças no ambiente macroeconômico.Os termos [preencher 1] e [preencher 2] são corretamente substituídos por:
Leia o trecho a seguir:O modelo de negócio e a estratégia de uma empresa devem estar bem adaptados a seus recursos e competências. Uma tentativa, por parte dos dirigentes, de criar e oferecer valor ao cliente, e que dependa dos recursos ou competências que são deficientes e não podem ser obtidos de imediato, é insensata e posiciona a empresa para o fracasso. A abordagem competitiva de uma empresa requer forte adequação à situação interna e é fortalecida quando ela explora recursos que são competitivamente valiosos, raros, difíceis de copiar e não superados facilmente pelos recursos substitutos dos concorrentes. (GAMBLE; THOMPSON JR., 2013, p. 68).GAMBLE, John E.; THOMPSON JR., Arthur A. Fundamentos da administração estratégica. 2. ed. Porto Alegre: AMGH, 2013. E-book.Considerando o conteúdo do trecho apresentado, assinale a alternativa que contém o conceito de análise da situação interna de uma organização.
O modelo das cinco forças da concorrência amplia a análise além dos concorrentes diretos, exigindo que empresas considerem fornecedores, clientes e potenciais concorrentes de outros setores. No setor automotivo, por exemplo, montadoras competem não apenas entre si, mas também com empresas de tecnologia que produzem veículos elétricos ou autônomos, destacando a necessidade de observar capacidades inovadoras em mercados diferentes.Considerando as discussões sobre o poder de negociação dos compradores, nas cinco forças de Porter, interprete as afirmativas a seguir:
O poder de negociação dos compradores aumenta em mercados com muitas opções de fornecedores disponíveis, permitindo que eles pressionem por melhores preços e condições. 2. Compradores que realizam aquisições em grandes volumes possuem maior poder de barganha, pois sua saída pode causar grandes impactos financeiros às empresas. 3. Quando os custos de troca entre fornecedores são baixos, os compradores têm maior facilidade de mudança, fortalecendo sua posição de negociação. 4. O poder de negociação dos compradores diminui em mercados onde os produtos são altamente diferenciados, atendendo a necessidades específicas e limitando suas opções.
A vantagem competitiva é um dos conceitos centrais na administração estratégica, sendo essencial para que as organizações se destaquem e mantenham uma posição sólida no mercado. Para se compreender os fatores que influenciam a construção e a sustentação dessa vantagem, torna-se fundamental a formulação de estratégias eficazes em ambientes competitivos e dinâmicos.A partir desse contexto, é correto interpretar que a vantagem competitiva:
Deve-se considerar que o plano estratégico de negócio é uma ferramenta que serve para orientar tanto empresas em estágio inicial (as que buscam estabelecer suas bases no mercado); quanto negócios já consolidados (que necessitam de direcionamento estratégico para se manterem competitivos). Esse plano realiza diversas funções, que variam de acordo com o objetivo de seu uso, seja ele interno ou externo, além de se adaptar às características e necessidades específicas do estágio em que o negócio se encontra, seja ele nascente, em fase de crescimento ou já estabelecido.Com base nos seus estudos sobre o plano estratégico de negócio, analise e associe as descrições dos objetivos do plano estratégico de negócio com o tipo de uso e estágio correspondente do negócio.| | | | --- | --- | | Objetivos do Plano de Negócio | Tipo de uso e estágio | | I. Ferramentas de aprendizado, orientação e organização de atividades, com foco na viabilidade econômica. | A. Uso externo no negócio nascente. | | II. Captar recursos e estabelecer parcerias estratégicas para o desenvolvimento do negócio. | B. Uso interno no negócio nascente. | | III. Comunicação eficiente com stakeholders, além de captar recursos para sustentar operações e crescimento. | C. Uso externo no negócio existente. | | IV. Ferramenta de gestão e controle (balanced scorecard) e orientação estratégica para crescimento. | D. Uso interno no negócio existente. |Assinale uma alternativa que contém a associação correta.
Deve- se considerar que o plano estratégico de negócio é uma ferramenta que serve para orientar tanto empresas em estágio inicial (as que buscam estabelecer suas bases no mercado); quanto negócios já consolidados (que necessitam de direcionamento estratégico para se manterem competitivos). Esse plano realiza diversas funções, que variam de acordo com o objetivo de seu uso, seja ele interno ou externo, além de se adaptar às características e necessidades específicas do estágio em que o negócio se encontra, seja ele nascente, em fase de crescimento ou já estabelecido.Com base nos seus estudos sobre o plano estratégico de negócio, analise e associe as descrições dos objetivos do plano estratégico de negócio com o tipo de uso e estágio correspondente do negócio.| | | | --- | --- | | Objetivos do Plano de Negócio | Tipo de uso e estágio | | I. Ferramentas de aprendizado, orientação e organização de atividades, com foco na viabilidade econômica. | A. Uso externo no negócio nascente. | | II. Captar recursos e estabelecer parcerias estratégicas para o desenvolvimento do negócio. | B. Uso interno no negócio nascente. | | III. Comunicação eficiente com stakeholders, além de captar recursos para sustentar operações e crescimento. | C. Uso externo no negócio existente. | | IV. Ferramenta de gestão e controle (balanced scorecard) e orientação estratégica para crescimento. | D. Uso interno no negócio existente. |Assinale uma alternativa que contém a associação correta.
Em avaliações práticas de modelos de regressão, o comportamento dos resíduos é essencial para a validação da adequação estatística. As flutuações dos resíduos em torno do eixo zero, sua variância e a ausência de padrões definidos são sinais esperados em um modelo ajustado corretamente. Análises gráficas e numéricas são complementares e indispensáveis nesse processo.Considere que, em uma análise de regressão linear simples, foram observados os seguintes valores:
Valor observado:
Valor previsto:
Desvio padrão estimado do resíduo:
Sabendo-se que o resíduo padronizado é utilizado para avaliar a magnitude da discrepância entre o valor observado e o previsto, determine o valor aproximado do resíduo padronizado e interprete sua significância em termos de ajuste do modelo.Assinale a alternativa correta.
Um engenheiro está analisando o crescimento populacional de uma cidade, e os dados mostram que o modelo de crescimento é exponencial. Ele deseja transformar este modelo não linear em uma forma linear para facilitar a interpretação dos parâmetros. O modelo exponencial que ele está analisando é dado pela função:Em que P(t) representa a população em função do tempo , é o parâmetro inicial e determina a taxa de crescimento. Para facilitar a análise, o engenheiro decide aplicar o logaritmo natural em ambos os lados da equação.Com base nos assuntos estudados sobre adequação e linearização de modelos não lineares, assinale a alternativa correta que descreve a forma linear do modelo e como os parâmetros e podem ser interpretados após essa transformação.
Os modelos para dados assimétricos positivos são amplamente empregados em análises que lidam com variáveis com valores exclusivamente positivos e distribuição enviesada. Em situações práticas, como na análise de sinistros e seguros, esses modelos possibilitam um ajuste mais preciso às características dos dados.Com relação a este contexto e ao conteúdo estudado sobre modelos lineares generalizados para dados assimétricos e análise de banco de dados em modelos de contagem, examine as asserções a seguir e a relação proposta entre elas:I. A regressão Skew-Normal é ideal para dados assimétricos positivos em modelos de contagem, sendo especialmente eficaz para modelar dados sem a necessidade de transformação e oferecendo uma solução para dados de contagem com zeros frequentes.PORQUEII. Para modelar dados assimétricos positivos, o modelo gama é frequentemente utilizado devido à sua flexibilidade de ajuste, e as ligações mais comuns incluem identidade, inversa e logaritmica.A respeito dessas asserções assinale a alternativa correta:
Os gráficos de diagnóstico são ferramentas visuais fundamentais para avaliar a adequação de modelos estatísticos. Eles permitem identificar possíveis problemas, como a linearidade, homocedasticidade, normalidade e independência dos resíduos, além de detectar outliers e pontos influentes.Com base nisso, assinale a alternativa correta sobre a função dos gráficos de diagnóstico na análise de modelos estatísticos:
A análise adequada de dados de contagem envolve considerar tanto a variabilidade intrínseca quanto a frequência de ocorrências nulas. É essencial avaliar se a variância dos dados corresponde à média e se há uma quantidade significativa de zeros que não pode ser explicada apenas pela distribuição escolhida.Com base nos assuntos estudados sobre Modelos lineares generalizados para dados de contagem e categoria, interpretar a adequação de diferentes modelos para um conjunto de dados onde a média , e há uma proporção de 30% de contagens zero.Assinale a alternativa que determina o modelo mais apropriado para esses dados.
A adequação de modelos de regressão, sejam eles lineares ou não lineares, é fundamental para garantir que as previsões e estimativas geradas pelos modelos sejam confiáveis. Na regressão linear, a relação entre as variáveis é presumida como sendo linear, enquanto na regressão não linear, essa relação pode assumir diferentes formas. Em ambos os casos, é necessário verificar se o modelo ajustado se adequa bem aos dados, por meio de testes e da análise de resíduos, por exemplo. A qualidade do ajuste do modelo pode ser influenciada por diversos fatores, como a presença de outliers, a multicolinearidade e a escolha das variáveis explicativas.Com base nisso, assinale a alternativa correta sobre a adequação de modelos de regressão.
Modelos estatísticos não lineares podem ser transformados para a forma linear por meio de operações como o logaritmo natural. Após o ajuste, é possível realizar previsões e estimar intervalos na escala transformada e então reconverter os resultados para a escala original. Porém, esse processo exige decisões críticas e conhecimento técnico para preservar a validade estatística.Considere um modelo transformado do tipo:Para o ponto , obteve-se , desvio padrão , com observações. Adotando , o valor crítico da distribuição t de Student com 6 graus de liberdade é .Com base nessas informações e na lógica estatística envolvida, analise as afirmativas a seguir:I. A previsão na escala original é obtida aplicando exponencial ao valor previsto em log. II. O intervalo de previsão em log é obtido somando e subtraindo o erro padrão multiplicado por t. III. O intervalo de previsão na escala original é obtido exponenciando os limites do intervalo em log.Está correto o que se afirma em:
Os modelos não lineares são utilizados para descrever relações complexas onde a relação entre as variáveis independentes e dependentes não é uma linha reta. Esses modelos podem assumir diferentes formas, como polinômios de grau superior, exponenciais, logarítmicos e outros. A escolha de um modelo não linear adequado depende da natureza dos dados e do fenômeno estudado.Com base em seus estudos, identifique a característica que melhor descreve um modelo não linear.
Nas análises estatísticas, é crucial identificar corretamente as etapas e as fórmulas utilizadas para determinar intervalos de previsão. Essa habilidade permite que previsões e estimativas sejam feitas com um grau conhecido de confiança.Com base nas etapas de intervalos de previsão estatístico, identifique e associe corretamente as etapas e fórmulas às suas descrições.| | | | --- | --- | | Etapas e Fórmulas | Descrições | | I. Coleta de dados | A. Utiliza-se para verificar se existe evidência estatística suficiente nos dados amostrais para rejeitar ou aceitar uma hipótese nula em relação a uma hipótese alternativa | | II. Construção do modelo | B. Estabelece limites para prever valores futuros baseando-se no modelo estatístico. | | III. Intervalo de confiança | C. Processo inicial onde são obtidas as informações necessárias para a análise. | | IV. Teste de hipótese | D. É uma estimativa do grau de incerteza associado à estimativa pontual do parâmetro. | | V. Previsão da resposta | E. Criação de uma fórmula matemática que representa a relação entre as variáveis. |Assinale a alternativa que contém a associação correta.
Uma análise estatística foi conduzida para avaliar se o tempo de leitura semanal influencia a nota final de estudantes universitários. Para isso, foi estimado um modelo de regressão linear simples com n=18 observações. O coeficiente angular foi estimado em com erro padrão igual a 0,8.Deseja-se testar, ao nível de significância α=0,05, a hipótese contra a hipótese alternativa . Com base nessas informações, analise as seguintes afirmativas:I. A estatística t para o teste é igual a 3,0, sendo suficiente para rejeitar em um teste unilateral.II. O valor crítico da distribuição t com 16 graus de liberdade e α=0,05 unilateral é aproximadamente 1,746.III. A decisão correta do teste é não rejeitar , pois o valor da estatística t é inferior ao valor crítico.IV. O número de graus de liberdade no teste é obtido por n-2, totalizando 16.Está correto o que se afirma em:
Pesquisadores de um centro universitário analisam a relação entre o número de eventos acadêmicos frequentados pelos alunos e o seu desempenho médio nas avaliações. Um modelo de regressão foi ajustado e, para verificar a significância do coeficiente angular, os pesquisadores aplicaram um teste de hipótese unilateral com nível de significância de α=0,05 e 12 graus de liberdade.Considerando que o valor estimado de e o erro padrão do coeficiente é 0,4, temos que o valor da estatística t é igual a [preencher 1], e o valor crítico para o teste unilateral à direita é [preencher 2]. Com isso, a decisão correta é [preencher 3].Nesse sentido, assinale a alternativa que contém os valores corretos que substituem as lacunas do trecho acima.
Em experimentos de engenharia, muitas vezes é necessário não apenas prever valores futuros, mas também avaliar com que precisão essas previsões são feitas. Quando um modelo de regressão linear simples é ajustado, tanto o intervalo de confiança para o valor médio quanto o intervalo de previsão para uma nova observação podem ser calculados. A escolha correta e a interpretação dos dois tipos de intervalos dependem do entendimento estatístico da variabilidade envolvida.Considere o modelo de regressão linear simples ajustado a partir de n=18 observações, com:Com base nesses dados, avalie as afirmativas a seguir:I. O intervalo de confiança de 95% para o valor médio quando x=45 é aproximadamente (12,18, 15,40).II. O intervalo de previsão de 95% quando x=45 é menor que o intervalo de confiança da média.III. A distância entre e influencia diretamente a largura do intervalo.IV. O intervalo de previsão nunca se reduz a um ponto, mesmo com amostras muito grandes.Está correto o que se afirma em:
Em uma análise de regressão linear simples, é importante formular hipóteses para testar a significância dos parâmetros do modelo. Suponha que você está avaliando a relação entre uma variável independente X e uma variável dependente Y e deseja verificar se existe uma relação significativa entre X e Y com base no coeficiente angular .Com base nessa situação, qual seria a hipótese alternativa que você deve formular para testar se há uma relação significativa entre X e Y?
Os intervalos de previsão são utilizados para fornecer uma estimativa de onde novos dados podem se situar, com um certo nível de confiança. Esses intervalos são especialmente úteis em previsões baseadas em modelos de regressão linear, onde é possível calcular tanto intervalos de confiança para a média prevista quanto intervalos de previsão para novos valores. Suponha que você tenha um modelo de regressão linear e deseja calcular o intervalo de previsão para uma nova observação.Assinale a alternativa que apresenta o intervalo de previsão.
Em uma análise de regressão linear simples, os parâmetros β0 e β1 são estimados a partir dos dados de uma amostra. Após obter as estimativas, é comum testar hipóteses sobre esses parâmetros para verificar a significância da relação entre as variáveis envolvidas. Considere uma pesquisa onde se deseja testar a hipótese de que não há relação linear entre a variável independente X e a variável dependente Y.Diante disso, assinale a alternativa que corretamente representa a hipótese nula ()para o teste de significância do parâmetro β1:
Um pesquisador está avaliando a relação entre o número de horas de estudo e o desempenho de alunos em um curso de matemática. Com base nos dados, ele ajusta um modelo de regressão linear e realiza um teste de hipótese para verificar se o coeficiente angular é estatisticamente maior que zero. Considere, sabendo-se que o valor estimado para o coeficiente foi de 1,4, com erro padrão de 0,5, e que o teste unilateral foi realizado ao nível de significância de 5%, com 14 graus de liberdade.Conforme a situação acima, assinale a alternativa correta.
Durante a avaliação de um modelo de regressão linear simples, uma equipe estatística busca compreender a dispersão dos resíduos para validar o ajuste do modelo. Como parte do processo, é necessário determinar a variância estimada dos erros, que oferece um indicativo da consistência entre os dados observados e os valores previstos pelo modelo ajustado.Considerando um modelo de regressão linear simples ajustado com n=8n=8n=8 pares de observações, obteve-se a soma dos quadrados dos resíduos igual a SQ=12,4SQ=12,4SQ = 12,4. Com base nesse valor, deve-se identificar a variância estimada dos erros (s2s2s^2), considerando a fórmula apropriada para essa finalidade.Nesse sentido, identifique a alternativa que identifica o valor da variância estimada.
Durante a construção de um modelo de regressão linear simples baseado em n=10n=10n=10 observações, obteve-se o coeficiente angular estimado β1=0,84β1=0,84\beta_1 = 0,84, com erro padrão associado de 0,120,120,12 . Com o objetivo de estimar a amplitude provável para o parâmetro populacional correspondente, decidiu-se calcular o intervalo de confiança de 959595% , assumindo que os resíduos seguem distribuição normal. Com base nos dados apresentados e nas ferramentas estatísticas adequadas, analise as afirmativas a seguir:I. O número de graus de liberdade utilizados no cálculo da variância residual é oito, considerando os parâmetros estimados no modelo.II. O valor crítico da distribuição ttt para 959595% de confiança e oito graus de liberdade é aproximadamente 2,3062,3062,306 .III. O intervalo de confiança construído apresenta margem de erro simétrica com amplitude de aproximadamente 0,280,280,28 .IV. O intervalo de confiança obtido contém todos os valores plausíveis para o parâmetro populacional β1β1\beta_1 com 959595% de confiança.Está correto o que se afirma em:
A análise de regressão linear é uma ferramenta estatística fundamental utilizada para compreender as relações entre variáveis. Dentro deste contexto, o coeficiente de determinação é um valor que indica a proporção da variância na variável dependente que é explicada pela variável independente no modelo de regressão.Considere as seguintes afirmações e relações sobre o coeficiente de determinação : Associe corretamente cada afirmação com a explicação correspondente. Considere que nem todos os itens das colunas podem possuir associação ou podem possuir mais de uma correlação.| | | | --- | --- | | Coeficiente R² | Explicação | | I. O valor de varia entre 0 e 1. | A. Indica que o modelo de regressão tem alta precisão para explicar a variabilidade dos dados. | | II. Um próximo de 1 indica que o modelo de regressão explica bem a variabilidade dos dados. | B. Um alto, por si só, não garante que o modelo seja adequado, pois outros fatores, como a multicolinearidade ou outliers, podem afetar a qualidade do ajuste. | | III. Um baixo sugere que o modelo de regressão não explica bem a variabilidade dos dados. | C. Um baixo indica que o modelo tem pouca capacidade de explicar a variabilidade dos dados. | | IV. O pode ser interpretado como a proporção da variância total que é explicada pela variância do modelo. | D. O é a fração da variância total da variável dependente que é capturada pelo modelo. | | V. Um alto R² sempre garante que o modelo é adequado. | E. O R² sempre se situa em um intervalo entre 0 e 1, onde 0 significa nenhum ajuste e 1 significa ajuste perfeito. |Assinale a alternativa que contém a associação correta:
Uma equipe técnica está avaliando os efeitos dos investimentos em marketing sobre o volume de vendas mensais de um produto. O objetivo é construir um modelo preditivo que possibilite estimar os resultados futuros com base nos valores investidos, utilizando regressão linear simples. Para isso, foram coletados dados ao longo de cinco meses consecutivos.Os dados obtidos foram organizados como pares (), nos quais representa o valor investido em publicidade (em milhares de reais), e y_i indica a quantidade de produtos vendidos (em centenas de unidades):Considerando os dados apresentados e a aplicação do método dos mínimos quadrados, o valor do coeficiente angular , que representa a inclinação da reta de regressão linear ajustada, deve ser determinado com base nas médias e nas somas dos produtos e quadrados associados aos dados amostrais.Assinale a alternativa que contém o valor do coeficiente angular .
Um analista de desempenho está estudando a relação entre o número de horas de prática (variável independente) e a pontuação final em um teste de habilidade técnica (variável dependente) usando uma regressão linear simples. O coeficiente de inclinação (b) encontrado foi de 0,75.Com base nesses dados, qual das seguintes interpretações é correta a respeito do coeficiente de inclinação?
Durante a construção de um modelo de regressão linear simples, uma amostra de n=28n=28n = 28 observações foi utilizada. O coeficiente angular β1β1 \beta_1 foi estimado como −0,0135−0,0135-0,0135, com erro padrão de 0,0002870,0002870,000287. Para analisar a precisão da estimativa, um intervalo de confiança de 959595% foi solicitado, utilizando a distribuição t-Student.Com base nessa situação, analise as afirmativas a seguir:I. O número de graus de liberdade é igual a 262626, considerando os parâmetros ajustados no modelo.II. O valor crítico da t-Student com 959595% de confiança e 262626 graus de liberdade é 2,0562,0562,056.III. A amplitude do intervalo obtido com os dados informados é próxima de 0,00120,00120,0012.IV. O intervalo gerado indica uma relação negativa entre as variáveis analisadas.Está correto o que se afirma em:
Ao interpretar um modelo de regressão linear, não basta observar os coeficientes estimados. Também é necessário avaliar a fração da variabilidade total que é explicada pela variável independente. O coeficiente de determinação R2R2R^2 é uma métrica importante que permite estimar o grau de explicação do modelo, mas sua interpretação deve ser feita com cautela.Durante a aplicação de um modelo de regressão linear simples com n=15n=15n = 15 observações, foram obtidos os seguintes resultados:
Soma total dos quadrados: SQTotal=280SQTotal=280SQ_{Total} = 280
Soma dos quadrados da regressão: SQReg=210SQReg=210SQ_{Reg} = 210
Com base nessa situação, avalie as asserções abaixo e a relação proposta entre elas:I. O valor do coeficiente de determinação R2R2R^2 é de aproximadamente 0,750,750,75, indicando que o modelo explica 75% da variação total da variável dependente.PORQUEII. O valor de R2R2R^2 é obtido pela razão entre a soma dos quadrados da regressão SQRegSQRegSQ_{Reg} e a soma total dos quadrados SQTotalSQTotalSQ_{Total}, conforme:R2=SQRegSQTotalR2=SQRegSQTotalR^2 = \dfrac{SQ_{Reg}}{SQ_{Total}}A respeito dessas asserções, assinale a alternativa correta:
O erro padrão estimado (EPE) é uma medida utilizada em análises estatísticas para avaliar a precisão das estimativas de coeficientes de um modelo de regressão. O EPE é fundamental para entender a variabilidade dos estimadores e a confiabilidade das previsões feitas pelo modelo.Analise as afirmações a seguir sobre o erro padrão estimado e assinale a alternativa correta.
