11 Q1091314
Estatística Inferência estatística Modelos lineares Regressão Linear + 1
Ano: 2025
Banca: CESPE / CEBRASPE
        Um modelo de regressão linear simples é especificado como Yi = a + Xi ∙ β + εi, em que E [εi ] = 0 e Var[εi ] = δ2. Para estimadores a'   e β' , o valor predito para observação i (Y'i) com característica Xi é dado por Y'i = a' + Xi ∙ β' . O resíduo para observação i ( εi ) é definido como εi = Yi − Y'i . De uma amostra aleatória de tamanho 49, coletada da população desse modelo de regressão linear simples, obteve-se:
• ∑i( Yi − Y'i)2 = 17.173 e
• ∑i ( Y'i - my)2) = 36.464,
em que my é a média amostral de Y.

Em relação às informações preceden...

12 Q1091313
Estatística Modelos lineares Testes de hipóteses para os parâmetros Análise dos resíduos
Ano: 2025
Banca: CESPE / CEBRASPE
        Um modelo de regressão linear simples é especificado como Yi = a + Xi ∙ β + εi, em que E [εi ] = 0 e Var[εi ] = δ2. Para estimadores a'   e β' , o valor predito para observação i (Y'i) com característica Xi é dado por Y'i = a' + Xi ∙ β' . O resíduo para observação i ( εi ) é definido como εi = Yi − Y'i . De uma amostra aleatória de tamanho 49, coletada da população desse modelo de regressão linear simples, obteve-se:
• ∑i( Yi − Y'i)2 = 17.173 e
• ∑i ( Y'i - my)2) = 36.464,
em que my é a média amostral de Y.

Em relação às informações preceden...

13 Q1091312
Estatística Modelos lineares Regressão Linear
Ano: 2025
Banca: CESPE / CEBRASPE
        Um modelo de regressão linear simples é especificado como Yi = a + Xi ∙ β + εi, em que E [εi ] = 0 e Var[εi ] = δ2. Para estimadores a'   e β' , o valor predito para observação i (Y'i) com característica Xi é dado por Y'i = a' + Xi ∙ β' . O resíduo para observação i ( εi ) é definido como εi = Yi − Y'i . De uma amostra aleatória de tamanho 49, coletada da população desse modelo de regressão linear simples, obteve-se:
• ∑i( Yi − Y'i)2 = 17.173 e
• ∑i ( Y'i - my)2) = 36.464,
em que my é a média amostral de Y.

Em relação às informações preceden...

14 Q1091311
Estatística Inferência estatística Testes de hipóteses Modelos lineares + 2
Ano: 2025
Banca: CESPE / CEBRASPE

...

15 Q1091310
Estatística Inferência estatística Testes de hipóteses Modelos lineares + 1
Ano: 2025
Banca: CESPE / CEBRASPE

...

16 Q1091303
Estatística Amostragem Amostragem estratificada Amostragem aleatória simples + 3
Ano: 2025
Banca: CESPE / CEBRASPE

1 > x <- c(2,1,3,5,6)

2 > y <- matrix(1:25, nrow = 5)

Com base no código precedente, escrito em R, em que os números à esquerda do sinal “>” indicam o número da linha do código, julgue o item a seguir, assumindo que a tecla Enter foi pressionada após cada linha de comando do código.


O comando p <- x * y produzirá a variável p, que é a matriz produto resultante da multiplicação do vetor-linha x pela matriz y.  


17 Q1091302
Estatística Modelos lineares Regressão Linear Interpolação Linear
Ano: 2025
Banca: CESPE / CEBRASPE

1 > x <- c(2,1,3,5,6)

2 > y <- matrix(1:25, nrow = 5)

Com base no código precedente, escrito em R, em que os números à esquerda do sinal “>” indicam o número da linha do código, julgue o item a seguir, assumindo que a tecla Enter foi pressionada após cada linha de comando do código.


O comando x + 1 e o comando c(x,1) produzem o mesmo resultado.


18 Q1087886
Estatística Modelos lineares Regressão Linear
Ano: 2025
Banca: CESPE / CEBRASPE
...
19 Q1087884
Estatística Modelos lineares Regressão Linear
Ano: 2025
Banca: CESPE / CEBRASPE
...
20 Q1087706
Estatística Modelos lineares Análise Multivariada
Ano: 2025
Banca: CESPE / CEBRASPE

No que se refere a modelagem estatística de dados, julgue o item subsecutivo.


O modelo de árvore de decisão é utilizado quando a resposta é binária, como, por exemplo, prever se um cliente fará ou não determinada compra com base em seu histórico de compras.