Questões de Matemática - Álgebra Linear - Equações Lineares, Espaço Vetorial e Transformações Lineares e Matrizes para Concurso
Foram encontradas 528 questões
Considere a região T(R) ⊂ R² , que é a imagem da região R pela transformação linear T. Qual é a área da região T(R)?
Os pontos do plano são da forma (x, y, z) ∈ R³ , onde os números x, y e z satisfazem a relação
O coeficiente de determinação (R2 ) indica
I. A soma dos efeitos dos níveis do fator A é zero, ou seja,
II. ß j ~ N ( 0,s2ß ) , em que ß j , j = 1, ..., b , é o efeito do nível j do fator B.
III. É importante testar se há efeito de interação entre o fator A e o fator B.
Está(ão) correta(s) apenas a(s) afirmativa(s)
As quantidades a seguir foram obtidas a partir de uma amostra de 60 indivíduos com relação a duas características: X e Y.
Uma experiência realizada nos EUA com 86 indivíduos, e estando esses indivíduos 2 horas sem comer, mostrou que o risco de acidentes automobilísticos cresce exponencialmente com a quantidade de uísque ingerido. Fazendo-se uma analogia com o vinho, construiu-se a seguinte tabela:
Os dados da tabela permitem dizer que o risco de acidente R(x) cresce exponencialmente em relação à quantidade de vinho ingerida, isto é: R(x) = aebx , onde e é a constante de Euler com valor aproximado de 2,72. Uma regressão linear com os dados da tabela nos dá os valores de a e b bem próximos de 1 e de 0,25, respectivamente, de modo que a função R(x) pode ser assim escrita:
R(x) = e0,25x
(Rodney Carlos Bassanezi, Ensino e Aprendizagem com Modelagem
Matemática: uma nova energia, de editora Contexto, São Paulo, 2004. Adaptado)
Ainda, de acordo com a função R(x), é correto afirmar que, comparando-se o risco da pessoa que bebe n cálices de vinho, com o risco da pessoa que bebe o dobro dessa quantidade, ou seja, 2n cálices,
Uma experiência realizada nos EUA com 86 indivíduos, e estando esses indivíduos 2 horas sem comer, mostrou que o risco de acidentes automobilísticos cresce exponencialmente com a quantidade de uísque ingerido. Fazendo-se uma analogia com o vinho, construiu-se a seguinte tabela:
Os dados da tabela permitem dizer que o risco de acidente R(x) cresce exponencialmente em relação à quantidade de vinho ingerida, isto é: R(x) = aebx , onde e é a constante de Euler com valor aproximado de 2,72. Uma regressão linear com os dados da tabela nos dá os valores de a e b bem próximos de 1 e de 0,25, respectivamente, de modo que a função R(x) pode ser assim escrita:
R(x) = e0,25x
(Rodney Carlos Bassanezi, Ensino e Aprendizagem com Modelagem
Matemática: uma nova energia, de editora Contexto São Paulo, 2004. Adaptado
Utilizando-se somente os dados da tabela, ao se comparar o risco de acidente de uma pessoa que ingeriu apenas 1 cálice com o risco de acidente de uma pessoa que ingeriu 3 cálices, verifica-se que esse risco aumentou
Uma experiência realizada nos EUA com 86 indivíduos, e estando esses indivíduos 2 horas sem comer, mostrou que o risco de acidentes automobilísticos cresce exponencialmente com a quantidade de uísque ingerido. Fazendo-se uma analogia com o vinho, construiu-se a seguinte tabela:
Os dados da tabela permitem dizer que o risco de acidente R(x) cresce exponencialmente em relação à quantidade de vinho ingerida, isto é: R(x) = aebx , onde e é a constante de Euler com valor aproximado de 2,72. Uma regressão linear com os dados da tabela nos dá os valores de a e b bem próximos de 1 e de 0,25, respectivamente, de modo que a função R(x) pode ser assim escrita:
R(x) = e0,25x
(Rodney Carlos Bassanezi, Ensino e Aprendizagem com Modelagem
Matemática: uma nova energia, de editora Contexto, São Paulo, 2004. Adaptado)
Um risco de acidente de 30% é considerado um risco altíssimo. De acordo com a função R(x), para que uma pessoa corra um risco de 30% de ser acidentada em função da quantidade de vinho ingerido, ela deve ingerir:
Dado: ln 30 = 3,40
Yi = α + βXi + εi para i = 1, 2,..., 20.
Se o coeficiente R2 obtido é 0,64, o valor da estatística F usada para testar a relação entre as duas variáveis é
Considere que, em um modelo de regressão linear simples, o valor esperado do quadrado médio do resíduo seja dado por , em que β1 é a inclinação da reta e σ2 é a variância da resposta. Nesse caso, se a estatística F da ANOVA para qualidade de ajuste fosse unitária para um modelo, a inclinação da reta de regressão seria nula
Considere que um analista judiciário cometeu um equívoco na especificação de um modelo de regressão linear simples, de modo que a variável explicativa, que era categorizada, foi codificada com os valores 1 e 2 e tratada como uma variável discreta. Nesse caso, se, para corrigir o erro, o analista transformou a variável em uma dummy, então essa transformação alterou o coeficiente de determinação do modelo.
Se o coeficiente de inclinação da reta de um modelo de regressão linear simples pode ser escrito como em que para i = 1, ...,n,então
As estimativas mensais de população a partir de 1990 podem ser obtidas ajustando-se uma curva de crescimento na forma Popk,t = α ( t - 1990 + k /12 )β , em que α e ß são os coeficientes do modelo, t representa o tempo em anos e Popk,t é o tamanho da população no mês k (k = 0, 1, ..., 11) do ano t , sendo possível estimar os coeficientes α e ß pelo método de mínimos quadrados ordinários via regressão linear simples.
I - Coeficiente de Determinação é um parâmetro que varia entre -1 e 1 que permite avaliar a precisão da reta de regressão.
II - Se a relação entre as variáveis Xe Y é dada por Y=a+bX+c, sendo c uma variável aleatória com distribuição normal de média nula, as estimativas de a e b obtidas pelo método dos mínimos quadrático são não tendenciosas.
III - Se as variáveis X e Y possuem Coeficiente de Correlação próximo de zero, então não há grande relacionamento linear ou não linear entre tais variáveis.
É correto apenas o que se afirma em
Um estudo foi realizado para avaliar a associação linear entre o valor de uma causa judicial trabalhista (Y) e o seu tempo de duração do processo (X). Considerando o modelo de regressão linear simples na forma Yi = aXi + b + εi , em que εi representa o erro aleatório normal com média nula e variância V, a tabela acima mostra alguns resultados. Com base nessas informações, considerando que representa a estimativa de mínimos quadrados ordinários do coeficiente angular desse modelo de regressão linear, julgue o próximo item.
O coeficiente de determinação do modelo é superior a 55% e inferior a 75%.
Um estudo foi realizado para avaliar a associação linear entre o valor de uma causa judicial trabalhista (Y) e o seu tempo de duração do processo (X). Considerando o modelo de regressão linear simples na forma Yi = aXi + b + εi , em que εi representa o erro aleatório normal com média nula e variância V, a tabela acima mostra alguns resultados. Com base nessas informações, considerando que representa a estimativa de mínimos quadrados ordinários do coeficiente angular desse modelo de regressão linear, julgue o próximo item.
O valor do coeficiente do R2 ajustado é superior a 0,7.
Esse modelo é linear.