Explore as questões disponíveis e prepare-se para seus estudos!
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
No âmbito da programação linear, minimizar
z=2001.x1
+2002.x2
+2003.x3
+...+2010.x10
é equivalente a
Acerca de pesquisa operacional, julgue o item.
Considere o seguinte problema de programação linear.
Max 2x1 +x2
s.a 4x1+x2 ≤ 6
x1+3x2 ≤ 10
x1,x2 ≥ 0
Nesse caso, o vetor de variáveis básicas é dado por
xB =(x3,x4) = (6,10).