Questões de Matemática - Álgebra Linear - Equações Lineares, Espaço Vetorial e Transformações Lineares e Matrizes para Concurso
Foram encontradas 538 questões
Q397454
Matemática
Acerca do modelo Y i = β0 + β1 X1i X22i + ∈i , ∈i ~ N (0; σ2) julgue os itens subsecutivos.
A variável Zi = exp(Yi ) tem uma distribuição log-Normal.
A variável Zi = exp(Yi ) tem uma distribuição log-Normal.
Q397453
Matemática
Acerca do modelo Y i = β0 + β1 X1i X22i + ∈i , ∈i ~ N (0; σ2) julgue os itens subsecutivos.
Se as variáveis X1 e X2 possuírem correlação próxima a 1, então os parâmetros β1 e β2 serão linearmente independentes.
Se as variáveis X1 e X2 possuírem correlação próxima a 1, então os parâmetros β1 e β2 serão linearmente independentes.
Q397451
Matemática
A respeito dos métodos de análise de resíduos do modelo de regressão, julgue os itens subsequentes.
A suposição de homocedasticidade pode ser verificada através de um gráfico de resíduos.
A suposição de homocedasticidade pode ser verificada através de um gráfico de resíduos.
Q397446
Matemática
Considerando os métodos de inferência para os parâmetros do modelo de regressão, julgue os próximos itens.
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.
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.
Q397444
Matemática
Considerando os métodos de inferência para os parâmetros do modelo de regressão, julgue os próximos itens.
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
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
Conheça nossos planos