Diferenças entre edições de "Estimativa de \(\beta 1\)"

Fonte: My Solutions
Saltar para a navegação Saltar para a pesquisa
 
(Há 3 edições intermédias do mesmo utilizador que não estão a ser apresentadas)
Linha 8: Linha 8:
 
*LINGUA: pt
 
*LINGUA: pt
 
*AUTOR: Equipa de Probabilidades e Estatística
 
*AUTOR: Equipa de Probabilidades e Estatística
*MATERIA PRINCIPAL: Regressão linear simples
+
*MATERIA PRINCIPAL: Introdução à regressão linear simples
*DESCRICAO: Probabilidades I
+
*DESCRICAO: Regressão linear simples - estimativa de mínimos quadrados de \(\beta_1\)
 
*DIFICULDADE: *
 
*DIFICULDADE: *
 
*TEMPO MEDIO DE RESOLUCAO: 5 min
 
*TEMPO MEDIO DE RESOLUCAO: 5 min
 
*TEMPO MAXIMO DE RESOLUCAO: 10 min
 
*TEMPO MAXIMO DE RESOLUCAO: 10 min
*PALAVRAS CHAVE: estimativa mínimos quadrados beta regressão linear simples
+
*PALAVRAS CHAVE: regressão linear simples, estimativa de mínimos quadrados de \(\beta_1\)
 
</div>
 
</div>
 
</div>
 
</div>
  
Para testar um instrumento que mede a concentração de açúcar num refrigerante foram utilizadas \(19\) amostras para as quais se conhece essa concentração e registou-se o valor da concentração fornecido pelo instrumento.
+
Num processo de fabrico suspeita-se que o número de artigos defeituosos produzidos por uma máquina \(Y\) dependa da velocidade a que essa mesma máquina está a operar \(x\).
Seja \(X\) a concentração conhecida de açúcar e \(Y\) a concentração de açúcar medida pelo instrumento.
+
%
Admitindo a validade do modelo de regressão linear simples, foram calculadas as seguintes estatísticas:  
+
Abaixo encontram-se \(10\) resultados referentes \`a velocidade e ao n\'umero de associado de defeituosos:
  
\(\pmb{\sum_{i=1}^{19}x_i}\) = 862 ,  \(\pmb{\sum_{i=1}^{19}x_i^2}\) = 57050 ,  \(\pmb{\sum_{i=1}^{19}y_i}\) = 1714.16 ,  \(\pmb{\sum_{i=1}^{19}y_i^2}\) = 227232 ,  \(\pmb{\sum_{i=1}^{19}x_iy_i}\) = 113851
+
\(\pmb{\sum_{i=1}^{10}x_i}\) = 2908 ,  \(\pmb{\sum_{i=1}^{10}x_i^2}\) = 873570 ,  \(\pmb{\sum_{i=1}^{10}y_i}\) = 451 ,  \(\pmb{\sum_{i=1}^{10}y_i^2}\) = 23967 ,  \(\pmb{\sum_{i=1}^{10}x_i \, y_i}\) = 135777
  
Calcule a estimativa de mínimos quadrados de \(\beta_1\), \(\hat\beta_1\).
+
Admitindo a validade do modelo de regressão linear simples, a estimativa de mínimos quadrados de \(\beta_1\), \(\hat\beta_1\), é igual a:
  
A) \(2.0110\)
+
A) \(0.1657\)
  
 
B) \(1.7705\)
 
B) \(1.7705\)

Edição atual desde as 11h39min de 25 de maio de 2017

Metadata

  • CONTEXTO : Primeiro ciclo universitário
  • AREA: Matemática
  • DISCIPLINA: Probabilidades e Estatística
  • ANO: 2
  • LINGUA: pt
  • AUTOR: Equipa de Probabilidades e Estatística
  • MATERIA PRINCIPAL: Introdução à regressão linear simples
  • DESCRICAO: Regressão linear simples - estimativa de mínimos quadrados de \(\beta_1\)
  • DIFICULDADE: *
  • TEMPO MEDIO DE RESOLUCAO: 5 min
  • TEMPO MAXIMO DE RESOLUCAO: 10 min
  • PALAVRAS CHAVE: regressão linear simples, estimativa de mínimos quadrados de \(\beta_1\)

Num processo de fabrico suspeita-se que o número de artigos defeituosos produzidos por uma máquina \(Y\) dependa da velocidade a que essa mesma máquina está a operar \(x\). % Abaixo encontram-se \(10\) resultados referentes \`a velocidade e ao n\'umero de associado de defeituosos:

\(\pmb{\sum_{i=1}^{10}x_i}\) = 2908 , \(\pmb{\sum_{i=1}^{10}x_i^2}\) = 873570 , \(\pmb{\sum_{i=1}^{10}y_i}\) = 451 , \(\pmb{\sum_{i=1}^{10}y_i^2}\) = 23967 , \(\pmb{\sum_{i=1}^{10}x_i \, y_i}\) = 135777

Admitindo a validade do modelo de regressão linear simples, a estimativa de mínimos quadrados de \(\beta_1\), \(\hat\beta_1\), é igual a:

A) \(0.1657\)

B) \(1.7705\)

C) \(2.2402\)

D) \(2.2884\)


Para obter o zip que contém as instâncias deste exercício clique aqui[1]

Se deseja obter o código fonte que gera os exercícios contacte miguel.dziergwa@ist.utl.pt