Ao se considerar um modelo linear de dados transformados para encontrar as constantes α e β do modelo de regressão não-linear y = α e^(β x) que melhor se ajusta aos dados (x₁, y₁), …, (x_n, y_n) , a soma dos quadrados dos resíduos que deve ser minimizada é dada por:

∑_(i=1)ⁿ ((y_i) - (α) - β x_i)²

∑_(i=1)ⁿ (y_i - α e^(β x_i))²

∑_(i=1)ⁿ (y_i - (α) - β x_i)²

∑_(i=1)ⁿ ((y_i) - (α) - β x_i)²

∑_(i=1)ⁿ ((y_i) - (α) - β (x_i))²

Ao se considerar um modelo linear de dados tran...

457941203173306

Ano: 2024Banca: Instituto ConsulplanOrganização: TJ-MADisciplina: EstatísticaTemas: Modelos Lineares

Ao se considerar um modelo linear de dados transformados para encontrar as constantes \(\alpha\) e \(\beta\) do modelo de regressão não-linear \(y = \alpha e^{\beta x}\) que melhor se ajusta aos dados \((x_1, y_1), \dots, (x_n, y_n)\), a soma dos quadrados dos resíduos que deve ser minimizada é dada por:

\(\sum_{i=1}^{n} (y_i - \alpha e^{\beta x_i})^2\)

\(\sum_{i=1}^{n} (y_i - \ln(\alpha) - \beta x_i)^2\)

\(\sum_{i=1}^{n} (\ln(y_i) - \ln(\alpha) - \beta x_i)^2\)

\(\sum_{i=1}^{n} (\ln(y_i) - \ln(\alpha) - \beta \ln(x_i))^2\)

Gabarito comentado

Comentários

Anotações

Enviar para caderno

Reportar erro