Prévia do material em texto
APOL 2 – MÉTODOS QUANTITATIVOS – 100% Questão 1/10 - Métodos Quantitativos A tabela a seguir apresenta as vendas de um determinado equipamento nos cinco primeiros meses do ano: Qual é a reta que melhor se ajusta a estes pontos? Nota: 10.0 A y=-33,00x+1282,40 B y=-35,00x+1282,40 C y=-38,00x+1282,40 D y=-43,00x+1282,40 Você assinalou essa alternativa (D) Você acertou! from scipy import stats import numpy as np x=np.array([1, 2, 3, 4, 5]) y=np.array([1290, 1145, 1119, 1131, 1082]) a,b,c,d,e=stats.linregress(x,y) print(f'Reta de regressão: y={a:.2f}x+{b:.2f}') y=-43,00x+1282,40 Questão 2/10 - Métodos Quantitativos Considere as cotações do dólar associadas aos 9 primeiros meses de 2022: Obtenha o coeficiente de correlação de Pearson relacionado a estes dados. Nota: 10.0 A -0,4753 Você assinalou essa alternativa (A) Você acertou! from scipy import stats import numpy as np APOL 2 – MÉTODOS QUANTITATIVOS – 100% x=np.array([1, 2, 3, 4, 5, 6, 7, 8, 9]) y=np.array([5.71, 5.53, 5.18, 5.13, 4.71, 5.10, 5.11, 5.40, 5.09]) a,b,c,d,e=stats.linregress(x,y) print(f'Coeficiente de correlação de Pearson: {c:.4f}') -0,4753 B -0,5821 C -0,7189 D -0,8022 Questão 3/10 - Métodos Quantitativos Um atleta efetuou um salto totalizando uma distância de 4 metros com altura máxima de 1 metro. Considerando o ponto inicial do salto na origem de um sistema de eixos coordenados, qual é a função quadrática que descreve a trajetória do atleta nesse salto? Nota: 10.0 A p(x)=-0,25x2+x Você assinalou essa alternativa (A) Você acertou! Pontos: A(0, 0), B(2, 1) e C(4, 0) from scipy.interpolate import * x=[0, 2, 4] y=[0, 1, 0] p=lagrange(x, y) print(p) APOL 2 – MÉTODOS QUANTITATIVOS – 100% p(x)=-0,25x2+x B p(x)=-0,35x2+x C p(x)=-0,45x2+x D p(x)=-0,55x2+x Questão 4/10 - Métodos Quantitativos Considere os pontos C(0; 0), D(10,76; 0) e E(5,4; 1,82) associados à estrutura parabólica de uma ponte. Qual é o polinômio que interpola estes pontos? Nota: 10.0 A p(x)=-0,4578x2+0,4578x B p(x)=-0,04578x2+0,4578x C p(x)=-0,06288x2+0,6766x Você assinalou essa alternativa (C) Você acertou! from scipy.interpolate import * x=[0, 10.76, 5.4] y=[0, 0, 1.82] p=lagrange(x, y) APOL 2 – MÉTODOS QUANTITATIVOS – 100% print(p) p(x)=-0,07327x2+0,7327x D p(x)=-0,04751x2+0,4578x Questão 5/10 - Métodos Quantitativos Dados os seguintes níveis de produção de um determinado produto e os respectivos custos, obtenha o coeficiente de correlação de Pearson associado a estes dados. Nota: 10.0 A 0,9557 B 0,9621 C 0,9712 D 0,9916 Você assinalou essa alternativa (D) Você acertou! from scipy import stats import numpy as np x=np.array([5400, 5410, 5780, 6000, 6240, 6340]) y=np.array([12240, 12670, 15200, 16550, 17330, 18010]) a,b,c,d,e=stats.linregress(x,y) print(f'Coeficiente de correlação de Pearson: {c:.4f}') 0,9916 Questão 6/10 - Métodos Quantitativos A tabela a seguir apresenta as vendas de um determinado equipamento nos cinco primeiros meses do ano: APOL 2 – MÉTODOS QUANTITATIVOS – 100% Qual é a reta que melhor se ajusta a estes pontos? Nota: 10.0 A y=7,20x+195,60 Você assinalou essa alternativa (A) Você acertou! from scipy import stats import numpy as np x=np.array([1, 2, 3, 4, 5]) y=np.array([210, 195, 222, 231, 228]) a,b,c,d,e=stats.linregress(x,y) print(f'Reta de regressão: y={a:.2f}x+{b:.2f}') y=7,20x+195,60 B y=11,10x+188,77 C y=14,56x+201,02 D y=15,78x+212,88 Questão 7/10 - Métodos Quantitativos A tabela a seguir apresenta as vendas de um determinado equipamento nos cinco primeiros meses do ano: Obtenha o respectivo coeficiente de correlação de Pearson. Nota: 10.0 A -0,8513 Você assinalou essa alternativa (A) Você acertou! from scipy import stats import numpy as np x=np.array([1, 2, 3, 4, 5]) y=np.array([1290, 1145, 1119, 1131, 1082]) a,b,c,d,e=stats.linregress(x,y) print(f'Coeficiente de correlação de Pearson: {c:.4f}') -0,8513 APOL 2 – MÉTODOS QUANTITATIVOS – 100% B -0,8922 C -0,9190 D -0,9314 Questão 8/10 - Métodos Quantitativos A tabela a seguir apresenta o consumo de combustível de um automóvel em função da velocidade. Por meio de uma reta de regressão, obtenha a previsão de consumo para uma velocidade de 85 km/h. Nota: 10.0 A 11,33 B 11,52 C 11,83 Você assinalou essa alternativa (C) Você acertou! from scipy import stats import numpy as np x=np.array([60, 70, 80, 90, 100, 110]) y=np.array([14.1, 13.7, 12.0, 11.1, 10.4, 9.7]) a,b,c,d,e=stats.linregress(x,y) p=a*85+b print(f'Previsão: {p:.2f}') 11,83 APOL 2 – MÉTODOS QUANTITATIVOS – 100% D 11,98 Questão 9/10 - Métodos Quantitativos Dados os seguintes níveis de produção de um determinado produto e os respectivos custos, obtenha a reta de regressão associada a estes dados. Nota: 10.0 A y=4,74x-15123,43 B y=5,95x-19524,96 Você assinalou essa alternativa (B) Você acertou! from scipy import stats import numpy as np x=np.array([5400, 5410, 5780, 6000, 6240, 6340]) y=np.array([12240, 12670, 15200, 16550, 17330, 18010]) a,b,c,d,e=stats.linregress(x,y) print(f'Reta de regressão: y={a:.2f}x+{b:.2f}') y=5,95x-19524,96 C y=6,19x-22013,48 D y=9,16x-17831,14 Questão 10/10 - Métodos Quantitativos Considere as cotações do dólar associadas aos 9 primeiros meses de 2022: Obtenha a reta de regressão relacionada a estes dados. Nota: 10.0 APOL 2 – MÉTODOS QUANTITATIVOS – 100% A y=-0,5x+2,21 B y=-0,05x+5,47 Você assinalou essa alternativa (B) Você acertou! from scipy import stats import numpy as np x=np.array([1, 2, 3, 4, 5, 6, 7, 8, 9]) y=np.array([5.71, 5.53, 5.18, 5.13, 4.71, 5.10, 5.11, 5.40, 5.09]) a,b,c,d,e=stats.linregress(x,y) print(f'Reta de regressão: y={a:.2f}x+{b:.2f}') y=-0,05x+5,47 C y=-0,01x+8,94 D y=-0,23x+7,01