Questões de Concurso Para analista judiciário - estatística

Foram encontradas 3.785 questões

Resolva questões gratuitamente!

Junte-se a mais de 4 milhões de concurseiros!

Q2108531 Estatística
Considere uma partícula que faz um passeio aleatório simples, simétrico e com barreiras pelas posições {0, 1, 2, ..., 100}. Se a partícula estiver na posição 0, ela se moverá para a posição 1 no próximo passo. Se a partícula estiver na posição 100, ela se moverá para a posição 99 no próximo passo. Para as posições restantes, a partícula se move para a esquerda ou direita com igual probabilidade.
Se a partícula inicia o passeio na posição 0, a quantidade de passos necessários, em média, para ela retornar à posição 0 é
Alternativas
Q2108530 Estatística
São métodos de simulação estática:
Alternativas
Q2108529 Estatística
Considere a distribuição Beta(1,β) com função densidade de probabilidade f(x) = β(1-x)β-1 ,x ∈ [0,1] . Usando o método da transformação inversa para gerar números aleatórios X de Beta(1,β) e considerando que a variável aleatória U é distribuída uniformemente no intervalo (0,1), temos que X é obtido por
Alternativas
Q2108528 Estatística

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 

Os comandos das linhas 14 a 16 produzem o mesmo resultado que o comando
Alternativas
Q2108527 Estatística

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
Alternativas
Respostas
456: E
457: B
458: D
459: A
460: D