Questões de Matemática - Álgebra Linear - Equações Lineares, Espaço Vetorial e Transformações Lineares e Matrizes para Concurso
Foram encontradas 528 questões
A variável Zi = exp(Yi ) tem uma distribuição log-Normal.
Se as variáveis X1 e X2 possuírem correlação próxima a 1, então os parâmetros β1 e β2 serão linearmente independentes.
A suposição de homocedasticidade pode ser verificada através de um gráfico de resíduos.
Um critério utilizado para se verificar a qualidade de ajuste de um modelo de regressão é o AIC (critério de informação de Akaike), que é dado por AIC = 2(k – l (b; X)), em que k é o número de parâmetros do modelo e l (b; X) é a log-verossimilhança l(β; X) calculada em β = b. Considerando a classe dos modelos com k = κ parâmetros, então o AIC será mínimo se b for o estimador de máxima verossimilhança para β.
Considerando um gráfico da distância de Cook para cada observação amostral que resultou de um ajuste por regressão linear, as observações influentes são aquelas que apresentam pequenas distâncias de Cook
Considere que Y seja uma variável binária e Z seja definida por Z = 1n ( p/1- p) = β 0 + β1X em que p = p( Y = 1) e X é uma covariável. Considere ainda que X assuma valores inteiros positivos, que β0= β1 = 0,2 e que 2,72 e 7,39 sejam os valores aproximados, respectivamente, de e e e2 Nessa situação, é correto afirmar que a chance de Y = 1 quando X = 10 é superior a 5 vezes a chance correspondente quando X = 0.
Considere que um modelo linear múltiplo com interação seja dado por Yi = β0 + β1 X1i + β2 X2i - β12 X1i X2i + ∈i, ∈i ~N ( 0; σ2) em que E ( Yi | X1i = 0, X2i= 0) = E ( Yi | X 1i = 1, X2i = k), k < ∞, β1 > 0, β2 > 0, β12 > 0 .Nessa situação, β2 ≠ β12.
O intercepto do modelo de regressão linear simples Yi = α + βi + ∈i, ∈i ~ N( 0; σ2) depende apenas da média de x e y para ser calculado.
Se a amostra X1, X2, ... , Xn for formada por observações dependentes, então a função de verossimilhança será igual a
sendo
Considere que todas as suposições para a obtenção de um modelo de regressão linear simples foram satisfeitas e os seguintes dados foram obtidos:
Utilizando a equação da reta estimada pelo método dos mínimos quadrados ( ), é possível afirmar, EXCETO:
Se A = então a imagem de u + v por T é:
I. yi e xi representam, respectivamente, o tempo de reação a certo estímulo, em segundos, e a idade, em anos, do indivíduo i.
II. α e β representam os parâmetros desconhecidos do modelo.
III. εi representa o erro aleatório com as respectivas hipóteses para a regressão linear simples.
IV. As estimativas de α e β foram obtidas pelo método de mínimos quadrados por meio de 10 observações, utilizando-se as seguintes informações:
Nessas condições, a soma de quadrados residuais do modelo é igual a: