Questões de Estatística - Programação Linear para Concurso
Foram encontradas 67 questões
Ano: 2022
Banca:
FCC
Órgão:
TRT - 17ª Região (ES)
Prova:
FCC - 2022 - TRT - 17ª Região (ES) - Analista Judiciário - Área Apoio Especializado - Especialidade Estatística |
Q2108527
Estatística
Texto associado
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
É correto afirmar que
Ano: 2023
Banca:
Instituto Consulplan
Órgão:
MPE-BA
Prova:
Instituto Consulplan - 2023 - MPE-BA - Analista Técnico – Estatística |
Q2101297
Estatística
A distribuição de Pareto é uma distribuição contínua assimétrica utilizada para modelar, por exemplo, a distribuição de
renda e outras variáveis financeiras. Se uma variável aleatória contínua X possui distribuição de Pareto, então sua função
densidade de probabilidade é dada por:
em que β > 1. Se uma amostra aleatória X1, X2, X3, ..., Xn de tamanho n for observada a partir da variável X, o estimador de momentos de β, denotado por FOTO, é dado por:
em que β > 1. Se uma amostra aleatória X1, X2, X3, ..., Xn de tamanho n for observada a partir da variável X, o estimador de momentos de β, denotado por FOTO, é dado por:
Ano: 2023
Banca:
IBFC
Órgão:
Prefeitura de Cuiabá - MT
Prova:
IBFC - 2023 - Prefeitura de Cuiabá - MT - Estatístico |
Q2071567
Estatística
Assinale a alternativa que apresenta qual o
valor que maximiza a função z = 3x + 4y, sujeito
a: (i) x + y ≤ 6; (ii) x ≤ 4; (iii) y ≤ 4 e (iv) x,y ≥ 0.
Ano: 2022
Banca:
FCC
Órgão:
TRT - 23ª REGIÃO (MT)
Prova:
FCC - 2022 - TRT - 23ª REGIÃO (MT) - Analista Judiciário - Área Apoio - Estatística |
Q1970630
Estatística
Considere as linhas de comando da linguagem R a seguir:
install.packages(c("readxl","tidyverse","expm","matlib")) #linha 1
lapply(c("readxl","tidyverse","expm","matlib"),require,character.only = TRUE) #linha 2
DADOS <- data.frame(read_excel("C:/Users/fulano/Documents/dados.xlsx")) #linha 3
Modelo <- lm(Altura~Peso,DADOS) #linha 4
predict(Modelo, data.frame(Peso = c(70, 80, 90))) #linha 5
M1<-matrix(c(1,-0.3,-0.3,1.1,0,1,3,4,1,0,-1,4,-6,2),nrow=7,ncol=2,byrow=TRUE) #linha 6
M2 <- matrix(c(1,-0.3,1,3),nrow=2,ncol=2,byrow=TRUE) #linha 7
Matriz_Final<-M1%*%M2 #linha 8
setwd('C:/Users/fulano/Documents/dados') #linha 9
write.csv(Matriz_Final, "Matriz_Final.csv", row.names = FALSE) #linha 10
A respeito das linhas de comando, executadas na sequência das linhas enumeradas, é correto afirmar que o comando da linha
install.packages(c("readxl","tidyverse","expm","matlib")) #linha 1
lapply(c("readxl","tidyverse","expm","matlib"),require,character.only = TRUE) #linha 2
DADOS <- data.frame(read_excel("C:/Users/fulano/Documents/dados.xlsx")) #linha 3
Modelo <- lm(Altura~Peso,DADOS) #linha 4
predict(Modelo, data.frame(Peso = c(70, 80, 90))) #linha 5
M1<-matrix(c(1,-0.3,-0.3,1.1,0,1,3,4,1,0,-1,4,-6,2),nrow=7,ncol=2,byrow=TRUE) #linha 6
M2 <- matrix(c(1,-0.3,1,3),nrow=2,ncol=2,byrow=TRUE) #linha 7
Matriz_Final<-M1%*%M2 #linha 8
setwd('C:/Users/fulano/Documents/dados') #linha 9
write.csv(Matriz_Final, "Matriz_Final.csv", row.names = FALSE) #linha 10
A respeito das linhas de comando, executadas na sequência das linhas enumeradas, é correto afirmar que o comando da linha
Ano: 2022
Banca:
FGV
Órgão:
TJ-DFT
Prova:
FGV - 2022 - TJ-DFT - Analista Judiciário - Análise de Dados |
Q1936779
Estatística
A chance de um evento que ocorre com probabilidade p é
definida como c = p/(1-p).
Quando queremos entender a associação de um fator com um evento de interesse, em geral computamos a razão de chances, r = c_0/c_1, onde c_0 é a chance sem a exposição e c_1 é a chance com a exposição.
Suponha que um analista dispõe de um conjunto de dados binários Y = (Y_1,..., Y_n), com Y_i tomando valores em {0, 1} contendo o resultado de um teste de Covid-19 em n pacientes e que X = (X_1, ..., X_n) é um conjunto de covariáveis também binárias que indicam se o indivíduo foi (X_i = 1) ou não (X_i = 0) a uma festa nos últimos dez dias.
O analista quer determinar se a variável X está significativamente associada com o resultado do teste, Y.
Para tanto, ajusta um modelo de regressão logística utilizando Y como variável resposta, um termo de intercepto e X como covariável.
Ele obtém uma estimativa b0 para o intercepto, com erro padrão s0 e, para o coeficiente de X, uma estimativa b1 erro padrão s1.
O intervalo de confiança de 90% para a razão de chances é:
Quando queremos entender a associação de um fator com um evento de interesse, em geral computamos a razão de chances, r = c_0/c_1, onde c_0 é a chance sem a exposição e c_1 é a chance com a exposição.
Suponha que um analista dispõe de um conjunto de dados binários Y = (Y_1,..., Y_n), com Y_i tomando valores em {0, 1} contendo o resultado de um teste de Covid-19 em n pacientes e que X = (X_1, ..., X_n) é um conjunto de covariáveis também binárias que indicam se o indivíduo foi (X_i = 1) ou não (X_i = 0) a uma festa nos últimos dez dias.
O analista quer determinar se a variável X está significativamente associada com o resultado do teste, Y.
Para tanto, ajusta um modelo de regressão logística utilizando Y como variável resposta, um termo de intercepto e X como covariável.
Ele obtém uma estimativa b0 para o intercepto, com erro padrão s0 e, para o coeficiente de X, uma estimativa b1 erro padrão s1.
O intervalo de confiança de 90% para a razão de chances é:
Conheça nossos planos