Um modelo de regressão linear múltipla foi ajustado para prever o tempo de tramitação de processos judiciais (em dias), com base nas variáveis explicativas X1 = número de partes envolvidas no processo e X2 = quantidade de páginas do processo. Parte dos resultados obtidos após ajustar o modelo com base em uma amostra de tamanho 100 são apresentados na tabela a seguir:

... Ver mais

O modelo de regressão linear simples pode ser usado para estimar a relação entre a média de uma variável dependente Y (por exemplo, o tempo de tramitação de processos) e uma variável explicativa X (por exemplo, carga de trabalho do Juiz ou o número de partes envolvidas) com base na informação de dados amostrais. Considerando Y1,Y2, . . . , Yn como variáveis aleatórias independentes, tal que Yi |Xi ~ Normal(βXi ,σ2), onde Xi é conhecido para todo i = 1, . . . ,n, assinale, a seguir, a alternativa que representa uma estatística conjuntamente suficiente para os parâmetros Β e σ2.

A partir de um conjunto de dados de n pares de valores da forma (xi , yi ), i = 1, … , n, foi aplicado um modelo de regressão linear simples. Sejam   ... Ver mais

Uma indústria monitora a estabilidade de medicamentos utilizando estudos baseados em regressão linear. Dados de concentrações (% do princípio ativo) de um medicamento armazenado sob certas condições aceleradas foram registrados ao longo do tempo (meses) em três lotes, gerando os valores médios exibidos na tabela a seguir; analise-os.
... Ver mais

Na análise do impacto da temperatura, no tempo de estabilidade de um hemoderivado, foi ajustado um modelo de regressão linear simples. O coeficiente de determinação obtido foi R² = 0,87. É correto afirmar que esse valor representa:

Considere o caso mais simples de uma variável independente e de uma variável dependente, em que a forma de relação entre ambas é linear: Y = α + βX + ε. Nesse caso, Xé usado para representar a variável independente e Y é usado para representar a variável dependente. Salienta-se que as letras maiúsculas X e Y representam a designação das variáveis aleatórias, já as minúsculas, valores específicos das variáveis aleatórias. Por sua vez, “ε” é um termo de distúrbio ou erro estocástico com média zero. Considerando essas informações e conhecimentos adicionais sobre análise de regressão linear simples, analise as afirmativas a seguir.

I. O valor da variável dependente Y é considerado como o de uma variável aleatória, que depende de valores fixos (não aleatórios) da variável ... Ver mais

O setor de Recursos Humanos de um banco está utilizando People Analytics para identificar padrões no desempenho dos funcionários e melhorar a alocação de talentos. Durante uma análise recente, a equipe utilizou dados de avaliações de desempenho (pontuações de 0 a 100) e correlacionou esses dados à quantidade de horas dedicadas a treinamentos no último semestre. J, membro da equipe, construiu um modelo de regressão linear para prever a pontuação de um funcionário na avaliação de desempenho (Y), em função do número de horas dedicadas a treinamentos no último semestre (X), obtendo o modelo a seguir.

Ŷ = 50 + 0,5 X
Ele verificou que o modelo atende a todas as premissas do modelo de regressão linear.
A pontuação esperada de um funcionário que dedicou 60 hora... Ver mais

        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... Ver mais

        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... Ver mais

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.