Imagem de fundo

É correto afirmar que

Atenção: Para responder às questões de números 57 e 58, 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


A

o comando da linha 6 calcula o somatório dos valores de Y, X1 e X2, gerando um vetor com esses três valores.


B

o comando da linha 9 gera um único gráfico de dispersão em 3 dimensões representando os pontos (Y, X1, X2).


C

o comando da linha 4 realiza o cálculo matricial Y(X1)T(X2), onde (X1)T é a transposta de X1.


D

os comandos das linhas 10 a 12 calculam, baseado no modelo de regressão linear denominado “modelo”, uma previsão para o valor de Y com os valores X1 = 13 e X2 = 4.


E

o comando da linha 7 obtém o valor do coeficiente de determinação (R2) do modelo de regressão linear ajustado.