set.seed(5) # number of obs n_row <- 100 # set x as Normal (0, 1) x <- rnorm(n_row) # set coefficients my_alpha <- 1.5 my_beta <- 0.5 # build y y <- my_alpha + my_beta*x + rnorm(n_row) library(tidyverse) my_lm <- lm(formula = y ~ x, data = tibble(x, y)) summary(my_lm) my_sol <- coef(my_lm)[2]
# none my_answers <- make_random_answers(my_sol)
Simule o seguinte processo linear no R:
set.seed(5) # number of obs n_row <- 100 # set x as Normal (0, 1) x <- rnorm(n_row) # set coefficients my_alpha <- 1.5 my_beta <- 0.5 # build y y <- my_alpha + my_beta*x + rnorm(n_row)
A partir de x
e y
, estime um modelo linear onde x
é a variável explicativa e y
é a variável explicada. Use função summary
no objeto de retorno da estimação para obter mais detalhes sobre o modelo. Qual é o valor do beta estimado dos dados simulados?
exams::answerlist(my_answers, markup = "markdown")
extype: schoice
exsolution: r mchoice2string(c(TRUE, FALSE, FALSE, FALSE, FALSE), single = TRUE)
exname: "function 01"
exshuffle: TRUE
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.