Questões de Concurso
Foram encontradas 12.664 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Atenção: Para responder à questão, considere o código na linguagem R.
Y<-c(2,3,2,4,3,5,6,3,4) #1
X1<-c(10,13,9,18,12,22,27,13,21) #2
X2<-c(6,10,4,10,10,17,16,9,13) #3
dados<-data.frame(cbind(Y,X1,X2)) #4
modelo <- lm(Y ~ X1 + X2, data = dados) #5
summary(modelo) #6
coef(modelo) #7
formula(modelo) #8
plot(modelo) #9
p <- as.data.frame(cbind(13,4)) #10
colnames(p) <- cbind("X1","X2") #11
predict(modelo, newdata=p) #12
vcov(modelo) #13
Intercept<-rep(1,times=9) #14
X<-cbind(Intercept,X1,X2) #15
t(solve(t(X)%*%X)%*%t(X)%*%Y) #16
residuals(modelo) #17
Atenção: Para responder à questão, considere o código na linguagem R.
Y<-c(2,3,2,4,3,5,6,3,4) #1
X1<-c(10,13,9,18,12,22,27,13,21) #2
X2<-c(6,10,4,10,10,17,16,9,13) #3
dados<-data.frame(cbind(Y,X1,X2)) #4
modelo <- lm(Y ~ X1 + X2, data = dados) #5
summary(modelo) #6
coef(modelo) #7
formula(modelo) #8
plot(modelo) #9
p <- as.data.frame(cbind(13,4)) #10
colnames(p) <- cbind("X1","X2") #11
predict(modelo, newdata=p) #12
vcov(modelo) #13
Intercept<-rep(1,times=9) #14
X<-cbind(Intercept,X1,X2) #15
t(solve(t(X)%*%X)%*%t(X)%*%Y) #16
residuals(modelo) #17
Considere r como a estimativa resultante do estimador razão e μy a média estimada atual dos 100 coelhos com respectiva variância estimada
Com base nessas informações,
Seja X uma variável aleatória com distribuição beta com função densidade
Considere a distribuição Y ~ U (0,1) , onde U (0,1) é uma distribuição uniforme padrão, e o interesse é na simulação de observações da variável aleatória X, pelo método de aceitação/rejeição. Com essa finalidade, foram obtidos os seguintes pares de números pseudoaleatórios das variáveis Y e U:
i 1 2 3 4 5
yi 0,5 0,1 0,7 0,9 0,8
ui 0,6 0,3 0,4 0,7 0,9
Os dois valores aceitos como observações de X, considerando os cinco pares de valores obtidos, são:
A estimação dos parâmetros β0 e β1 pelo método dos mínimos quadrados fornece, respectivamente, os valores
ti 1 2 3 4 5 Total ni 50 50 200 150 50 500
Obs.: ni é o número de equipamentos que apresentaram falhas em ti horas.
A estimativa pontual do parâmetro λ obtida pelo fabricante foi, então, de
I. X possui uma distribuição normal com média igual a 2 e desvio padrão igual a 2. II. Y possui uma distribuição uniformemente distribuída no intervalo (2, 4).
A esperança de (X + Y), a variância de (X + Y) e a esperança de (XY) são iguais, respectivamente, a