

Seu próximo nível começa aqui
Com a Assinatura Ilimitada, você tem tudo que precisa para sua aprovação.
Com a Assinatura Ilimitada, você combina prática, teoria e método em uma única assinatura com tudo que você precisa para sua aprovação.
O tempo médio de execução de um programa de computador costuma ser superior a 50 segundos. Com o objetivo de diminuir esse tempo médio, foram feitas algumas modificações no algoritmo utilizado pelo programa. Após as modificações, o programa foi executado 81 vezes e observou-se que o tempo médio de execução foi de 49 segundos com um desvio-padrão amostral de 5 segundos. Supondo que os tempos de execução se distribuam segundo uma normal, deseja-se testar a hipótese nula de que a média do tempo de execução seja igual a 50 segundos versus a hipótese alternativa de que esse tempo médio seja menor do que 50 segundos. A estatística do teste adequado ao problema bem como o valor observado da estatística é:
Z = σX−μo,Zobs=−0,2
nσX−μo,Zobs= −1,8
t = nsX−μo,tobs=−1,8
= nσX−μo,tobs=1,8
Z = nσX−μo,Zobs= −16,2
Sobre os assuntos referentes à modelagem estatística, é correto afirmar que:
em um modelo de regressão simples, os resíduos padronizados são correlacionados;
a multicolinearidade ocorre quando os regressores são ortogonais;
as medidas de influência são importantes principalmente para detectar valores discrepantes de dados;
os estimadores de máxima verossimilhança dos parâmetros do modelo de regressão logística são não viciados e de variância mínima;
quando se rejeita a hipótese nula de significância utilizando-se o teste t para um regressor, isso significa que, ao nível de significância fixado, todos os coeficientes dos regressores considerados são diferentes de zero.
Considere o código na linguagem de programação R a seguir:
Y<-c(12,3,11,1,13,20,2,25,26,15) #linha 1
X1<-c(18,16,25,12,20,35,17,25,39,20) #linha 2
X2<-c(2,3,2,3,3,2,1.5,5,1,2.5) #linha 3
dados<-data.frame(cbind(Y,X1,X2)) #linha 4
modelo<-lm(Y~X1+X2,data=dados) #linha 5
summary(modelo) #linha 6
x_novo = data.frame(X1=13,X2=3) #linha 7
predict( modelo,x_novo,interval="confidence") #linha 8
predict(modelo,x_novo,interval="prediction") #linha 9
É correto afirmar que a linha
5 gera um gráfico de dispersão para os valores Y, X1 e X2.
7 exclui do conjunto de dados os valores X1 = 13 e X2 = 3.
5 gera um modelo de regressão logística tendo Y como variável resposta.
6 gera um histograma com as distribuições de Y, X1 e X2.
8 fornece um intervalo de confiança de 95% para a estimativa da resposta média de Y dado os valores X1 = 13 e X2 = 3.
O método congruente linear para a geração de números pseudoaleatórios pode ser expresso como
Xn = (axn−1 + b) mod m
Deseja-se gerar uma sequência de números pseudoaleatórios entre 0 e 1. Se X0 = 21, a = 17, b = 47 e m = 100 a soma dos três primeiros valores obtidos é
0,18
0,50
0,43
0,21
0,66
A respeito do Tidyverse, assinale a alternativa correta.
O Tidyverse é uma biblioteca de aprendizado de máquina, para a análise de texto em R.
O Tidyverse é uma linguagem de programação de alto desempenho, com base em R.
O Tidyverse é uma coleção de pacotes do R que facilita a manipulação e a análise de dados.
O Tidyverse é uma linguagem de programação de código aberto, com base em R.
O Tidyverse é uma biblioteca de machine learning do R.


Seu próximo nível começa aqui

Seu próximo nível começa aqui
Destrave a preparação completa para sua aprovação. Com a Assinatura Ilimitada, você estuda com os melhores professores do Brasil e todos os recursos Gran.
A demanda de um certo serviço público no mês t é modelada pela equação 20 + 3t + 2D(t) + εt , onde D(t) = 1, se t = 6, e 0, caso contrário, e ε é um ruído com média zero e variância 4.
As previsões de demanda nos meses 6 e 12 são, respectivamente:
40 e 56;
40 e 58;
42 e 58;
44 e 60;
56 e 40.
A respeito do método de Monte Carlo, assinale a alternativa correta.
Funciona bem em modelos não lineares.
Não permite explorar diferentes cenários.
É altamente independente de premissas como parâmetros, fórmulas e distribuições.
É um dos métodos computacionalmente mais eficientes.
Não é aplicável para estimação de incertezas.
Um problema clássico de otimização, subárea da pesquisa operacional, foi proposto em 1968 pelo matemático alemão Dietrich Braess. Suponha que haja dois caminhos (vias) entre o início e o fim de um percurso percorrido por automóveis: “início-A-final” e “início-B-final”, conforme representado no diagrama.

Os tempos nos trechos “início-A” e no trecho “B-final” dependem do número de veículos, N, naquela via. Nos trechos “início-B” e “A-final” os tempos são fixos em 60 minutos. Supondo que entrem nas vias 1600 veículos em uma condição de equilíbrio no qual ambos caminhos estão com o mesmo número de veículos, então: N = 800.
Em um certo momento, entretanto, passa a haver a possibilidade de um novo caminho aberto entre A e B, habilitando o percurso “início-A-B-final”, os motoristas alertados pelo menor tempo no trecho “B-final” estabelecido no equilíbrio podem optar pela mudança de via, numa escolha individualista. Desconsidere o tempo desta mudança A-B.
Analise as afirmativas abaixo e dê valores Verdadeiro (V) ou Falso (F).
( ) Na condição de equilíbrio inicial, com total de 1600 veículos nas vias, o tempo de percurso é de 100 minutos.
( ) Se todos os veículos que estão em A mudam de via para realizar o trecho “B-final”, atraídos pelo menor tempo, então o tempo total de todos aumentará em relação ao equilíbrio inicial.
( ) Se todos os veículos que entram na via optarem pelo trecho “início-A”, então vai aumentar o tempo de trânsito de todos em relação ao equilíbrio inicial.
( ) O pior caminho de todos é o caminho “início-AB-final” se percorrido por todos os veículos.
Assinale a alternativa que apresenta a sequência correta de cima para baixo.
V, V, V, V
V, F. V, V
F, V, V, F
V, V, V, F
Entre as técnicas estatísticas, cuja aplicação está ligada ao uso de computadores, o Bootstrapping consiste em
uma técnica de reamostragem, obtendo-se um “novo” conjunto de dados, retirando-se do conjunto original, com reposição.
obter números pseudoaleatórios pela combinação discreta de variáveis normais.
preservar um subconjunto dos dados para validar a estimação.
simular um processo gerador de dados usando números aleatórios.
obter valores críticos para testes cuja distribuição teórica é desconhecida.
Uma amostra aleatória de pessoas com 20 ou mais anos foi obtida para se estudar a relação entre Y, a ocorrência de determinada doença, com Y = 1 para presença da doença e 0 para ausência da doença, e o sexo da pessoa X1, com X1 = 1 para o sexo feminino e X1 = 0 para o masculino, e sua idade em anos X2, tendo como referência a idade de 20 anos, ou seja X2 = idade da pessoa – 20. Considerando-se a natureza binária da variável dependente Y, optou-se pela utilização do modelo logístico:
Ln(P/(1-P)) = B0 + B1 X1 + B2 X2 + B3 X1 X2
onde Ln é o logaritmo natural, P = Prob(Y=1) e B0, B1, B2 e B3 são os parâmetros do modelo.
Nesse contexto, é correto afirmar que
a razão de chance da ocorrência da doença entre as pessoas com 30 e 20 anos do sexo feminino é exp(B0 + 10B2 + 10B3).
a chance da ocorrência da doença entre as pessoas do sexo feminino com 21 anos é exp(B0 + B1 + B2).
a probabilidade da ocorrência da doença entre as pessoas do sexo masculino com mais de 20 anos é 1 / [1 + exp(B0 + B2 X2 + B3 X3)].
a chance da ocorrência da doença entre as pessoas do sexo masculino com 21 anos é exp(B0 + B2).
o logaritmo natural da razão de chance da ocorrência da doença entre as pessoas com 30 e 20 anos do sexo feminino é uma função linear de X2 passando pela origem, intercepto igual a zero, com coeficiente linear B3.


Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Um físico costuma realizar experimentos em laboratório ou simulação computacional no estudo de fenômenos, controlando algumas variáveis, visando à modelagem do fenômeno estudado. Neste experimento (fenômeno denominado Percolação), estuda-se o avanço do fogo em uma floresta ou o contágio de pessoas por alguma anomalia viral. Supõe-se que a probabilidade de uma árvore passar o fogo para uma vizinha qualquer é p∈ (0,1((ou de uma pessoa passar o vírus para um vizinho). A quantidade p é a independente, enquanto T(p) é a dependente e representa a probabilidade de o fogo se alastrar pela floresta. O gráfico representa os resultados experimentais.
De acordo com o gráfico, é correto afirmar que
os resultados experimentais sugerem que a relação pode ser ajustada por uma função cúbica.
os parâmetros da função proposta devem ser estimados por máxima verossimilhança.
a relação é assimétrica e pode ser aproximada pela função de distribuição da exponencial.
a função de distribuição da Beta é apropriada para o ajuste e os parâmetros podem ser estimados por métodos não lineares.
o processo é de contagem e a distribuição de Poisson deve aproximar bem os resultados.
Na Programação Linear, a tarefa primordial é o reconhecimento e a formulação do problema de forma tal que ele possa ser trabalhado e, assim, fornecer um objetivo desejável a ser otimizado. O Método Gráfico da Programação Linear consiste em um sistema:
não coordenado, onde se mostra um polígono convexo que contém os pontos representativos das possibilidades.
de coordenadas perpendiculares, onde se mostra um polígono côncavo que contém os pontos representativos das possibilidades.
de coordenadas ortogonais, onde se mostra um polígono convexo que contém os pontos representativos das possibilidades.
não coordenado, onde se mostra um polígono côncavo que contém os pontos representativos das possibilidades.
de coordenadas ortogonais, onde se mostra um polígono convexo que não contém os pontos representativos das possibilidades.
Para a elaboração do estudo de viabilidade técnica e econômica de uma operação urbana consorciada, a prefeitura encomendou uma análise de risco, envolvendo o processamento interativo, por um algoritmo, de um modelo que compreende as diferentes variáveis econômicas e sociais abrangidas nessa análise estatística. Os dados serão processados em computador até a obtenção de resultados suficientes para compor uma amostra representativa das infinitas combinações possíveis para os valores das variáveis de risco. Os resultados da simulação serão plotados de forma a permitir a análise gráfica de sua distribuição, considerando-se os resultados tanto do ponto de vista dos possíveis investidores privados quanto dos resultados fiscais (para o poder público) e sociais (para a Cidade) da operação urbana. A ferramenta estatística que corresponde a esse processamento de dados é denominada
Simulação de Monte Carlo (SMC).
Mineração de Dados (Data Mining).
Cálculo de Média e Desvio Padrão.
Inquérito Estatístico.
Análise de Risco por Dispersão (ARD).


Seu próximo nível começa aqui

Seu próximo nível começa aqui
Destrave a preparação completa para sua aprovação. Com a Assinatura Ilimitada, você estuda com os melhores professores do Brasil e todos os recursos Gran.


Considerando os valores dos parâmetros estimados por MQO, conclui-se que: