Capítulo 9 - Regressão Linear Simples (RLS): Notas breves
|
|
- Maria das Neves Machado
- 4 Há anos
- Visualizações:
Transcrição
1 Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou variável dependente associada à i-ésima observação; aleatória. x i : constante conhecida, designada por variável explicativa independente ou regressora associada à i-ésima observação; não aleatória. β 0 : parâmetro regressor desconhecido; β 1 : parâmetro regressor desconhecido; ε i : erro aleatório associado à i-ésima observação, verificando: i E [ε i ] = 0 valor esperado nulo; ii V ar [ε i ] = σ 2 variância constante; iii Cov [ε i, ε j ] = 0, i,j i j não correlacionados; i = 1, 2,..., n. 1
2 Notas breves Cap.9 para PE Isabel M. Rodrigues 2 Como E [ε i ] = 0 então E [Y x i ] = β 0 + β 1 x i recta de regressão. Ou seja, para cada valor x i o ponto sobre a recta tem ordenada E [Y x i ] = β 0 + β 1 x i. Como consequência, β 0 é a ordenada na origem e β 1 é o declive ou coeficiente angular da recta. Estimadores pontuais de mínimos quadrados de β 0, β 1, σ 2 e E [Y x i ] = β 0 + β 1 x i : ˆβ 0 = Ȳ ˆβ 1 x; ˆβ 1 = onde x = x i xy i Ȳ = x i x 2 x i ˆσ 2 = 1 n 2 onde n e Ȳ = Y i e2 i = 1 n 2 x i Y i n xȳ ; n. [ = 1 n n 2 Y i 2 nȳ 2 Ŷi = Ê [Y x i] = ˆβ 0 + ˆβ 1 x i. Y i Ŷi 2 = ˆβ1 2 n x2 i n x 2 ], Observação: O resíduo da i-ésima observação é denotado por e i = r i = y i ŷ i. Inferências: intervalos e testes de hipóteses em RLS Para se fazerem inferências para o modelo de RLS é necessário admitir que os erros têm distribuição normal. Esta é uma das hipóteses de trabalho que deverá ser verificada a posteriori efectuando a análise dos resíduos e i. Atrás admitiu-se que E [ε i ] = 0, V ar [ε i ] = σ 2 e Cov [ε i, ε j ] = 0, i,j nova hipótese de trabalho tem-se agora que ε i N 0, σ 2. i.i.d. i j e com a
3 Notas breves Cap.9 para PE Isabel M. Rodrigues 3 Uma vez que ε i N 0, σ 2 então Yi N β 0 + β 1 x i, σ 2. Como os estimadores ˆβ0 i.i.d. i.i.d. e ˆβ 1 são combinações lineares das variáveis aleatórias Y i então também se tem: e ˆβ 0 N β 0, ˆβ 1 N β 1, 1 n + x 2 x2 i n x 2 n σ 2 x2 i n x 2 σ2. Como σ 2 é desconhecido utiliza-se ˆσ 2. Pode mostrar-se que n 2ˆσ 2 σ 2 χ 2 n 2 e ainda que ˆβ 0 e ˆβ 1 são independentes de σ 2, o que conduz a e ˆβ 0 β 0 1 n + x 2 ˆσ 2 ˆβ 1 β 1 ˆσ2 t n 2. t n 2, A Inferências relativas à ordenada na origem, β 0. Teste de hipóteses: Hipótese nula: H 0 : β 0 = β 0,0 Quando H 0 é verdadeira a estatística de teste é: T 0 = ˆβ 0 β 0,0 1 n + x 2 ˆσ 2 t n 2 Pretende-se testar H 0 : β 0 = β 0,0 contra uma das alternativas:
4 Notas breves Cap.9 para PE Isabel M. Rodrigues 4 a H 1 : β 0 β 0,0 teste bilateral b H 1 : β 0 > β 0,0 teste unilateral superior c H 1 : β 0 < β 0,0 teste unilateral inferior Região crítica ao nível de significância α: a RC α : T 0 > c, com c = F 1 t n 2 1 α/2. b RC α : T 0 > c, com c = F 1 t n 2 1 α. c RC α : T 0 < c, com c = F 1 t n 2 α. Decisão usual. Intervalo de confiança: Usando a seguinte variável aleatória fulcral: T = ˆβ 0 β 0 1 n + x 2 ˆσ 2 t n 2 obtém-se, após dedução, o seguinte intervalo para β 0 a 1 α 100% de confiança I.C. 1 α 100% β 0 = ˆβ 0 ± Ft 1 n 2 1 α/2 B Inferências relativas ao declive, β 1. Teste de hipóteses: Hipótese nula: H 0 : β 1 = β 1,0 Quando H 0 é verdadeira a estatística de teste é: T 0 = ˆβ 1 β 1,0 ˆσ2 t n 2. 1 n + x 2 x2 i n x 2 ˆσ2 Pretende-se testar H 0 : β 1 = β 1,0 contra uma das alternativas:
5 Notas breves Cap.9 para PE Isabel M. Rodrigues 5 a H 1 : β 1 β 1,0 teste bilateral b H 1 : β 1 > β 1,0 teste unilateral superior c H 1 : β 1 < β 1,0 teste unilateral inferior Região crítica ao nível de significância α: a RC α : T 0 > c, com c = F 1 t n 2 1 α/2. b RC α : T 0 > c, com c = F 1 t n 2 1 α. c RC α : T 0 < c, com c = F 1 t n 2 α. Decisão usual. Um teste importante em RLS é H 0 : β 1 = 0 vs H 1 : β 1 0 pois não rejeitar H 0 significa que há evidência para a não existência de uma associação linear entre x e y, ou seja não há associação ou a associação não é linear. A este teste costuma designar-se por teste à significância da regressão. Intervalo de confiança: Usando a seguinte variável aleatória fulcral: T = ˆβ 1 β 1 ˆσ2 t n 2 obtém-se, após dedução, o seguinte intervalo para β 1 a 1 α 100% de confiança é I.C. 1 α 100% β 1 = ˆβ 1 ± Ft 1 n 2 1 α/2 C Inferências relativas a E [Y x 0 ] = β 0 + β 1 x 0 ˆσ 2 x2 i n x 2
6 Notas breves Cap.9 para PE Isabel M. Rodrigues 6 Um estimador pontual de E [Y x 0 ] = β 0 + β 1 x 0 é Ê [Y x 0] = ˆβ 0 + ˆβ 1 x 0. Pode mostrar-se que ˆβ0 + ˆβ 1 x 0 β 0 + β 1 x 0 1 n + x x 0 2 ˆσ 2 t n 2. Testes de hipóteses e intervalos de confiança são então baseados nesta variável, e o procedimento é o habitual. Coeficiente de determinação O coeficiente de determinação é uma medida descritiva indicadora da qualidade do ajustamento da recta estimada. Mostra-se que: Yi Ȳ = Y i Ŷi + Ŷi Ȳ SST SSE SSR, onde SST corresponde à soma de quadrados total, SSE corresponde à soma dos quadrados dos resíduos e SSR é a soma dos quadrados da regressão. O coeficiente de determinação é: R 2 = SSR SST = 1 SSE = x i Y i n xȳ SST = 1 2 Y i Ŷi 2 = y i ȳ 2 n x2 = ˆβ 1 x 2 i Yi 2 nȳ 2 x i Y i n xȳ. i nȳ 2 Y 2 R 2 100% representa a percentagem de variabilidade total de Y que é explicada pelo modelo de regressão. 0 R 2 1, quando todos os pontos ŷ i = y i tem-se r 2 = 1 o que significa que existe um ajustamento perfeito. Quando ˆβ 1 = 0 tem-se r 2 = 0 então o ajustamento não é adequado, a variável x não explica nada da variabilidade de y.
7 Notas breves Cap.9 para PE Isabel M. Rodrigues 7 Análise empírica dos resíduos Os resíduos e i = y i ŷ i têm um papel importante no diagnóstico das suposições iniciais associadas ao modelo de RLS. Vários gráficos podem ser utilizados de modo informal para verificar as hipóteses de trabalho. O gráfico e i = y i ŷ i versus ŷ i é um modo informal de diagnosticar se a relação é linear se os erros podem ser considerados não correlacionados e com variância constante. Se isso acontecer este gráfico mostrará uma mancha de pontos dispersa ao acaso numa faixa horizontal, veja-se Figura 1. Figura 1: Gráfico dos resíduos e i versus valores ajustados ŷ i. O histograma dos resíduos é também um método informal para avaliar a suposição inicial de normalidade dos erros. Se esta hipótese de trabalho não for violada o histograma deve ser simétrico em torno de zero e mostrar uma forma semelhante à da distribuição normal, veja-se Figura 2. Um método formal para verificar a normalidade dos erros, quando a dimensão da amostra é suficientemente grande, é o teste de ajustamento do qui-quadrado.
8 Notas breves Cap.9 para PE Isabel M. Rodrigues ei Figura 2: Histograma dos resíduos e i. Exemplo: Para explorar a relação entre a massa muscular e a idade no sexo feminino um nutricionista seleccionou aleatoriamente 16 mulheres com idades compreendidas entre os 40 e os 79 anos. Os resultados observados encontram-se na tabela seguinte x representa a idade e y é um índice de massa muscular: i x i y i x i = 967, 16 y i = 1379, 16 x 2 i = 60409, 16 yi 2 = , 16 x i y i = Admita que o modelo de regressão linear simples Y i = β 0 + β 1 x i + ε i é adequado. a Calcule: i uma estimativa pontual da diferença entre as massas musculares médias de mulheres cujas idades diferem de um ano; ii uma estimativa pontual da massa muscular média para as mulheres de 60 anos; iii o valor do resíduo para a 8 a observação; iv uma estimativa pontual de V arε i = σ 2 ;
9 Notas breves Cap.9 para PE Isabel M. Rodrigues 9 v o coeficiente de determinação e interprete o valor obtido. b O nutricionista pensa que na gama de idades considerada a massa muscular é significativamente influenciada pela idade. Acha que as observações feitas confirmam esta hipótese? Use um nível de significância de 5% e indique as hipóteses de trabalho de que necessita para efectuar o teste. c Calcule o intervalo de confiança a 99% para o valor esperado da massa muscular para uma mulher de 45 anos. Acha legítimo usar o mesmo procedimento tratando-se de uma mulher com 20 anos em vez de 45?
10 Notas breves Cap.9 para PE Isabel M. Rodrigues 10 Resolução: Modelo de RLS: Y i = β 0 + β 1 x i + ε i, onde Y i : variável aleatória que representa o índice da massa muscular associada à i-ésima mulher; x i : variável explicativa que representa a idade da i-ésima mulher; β 0 : ordenada na origem; β 1 : parâmetro regressor; ε i : erro aleatório associado à i-ésima mulher, verificando: i E [ε i ] = 0; ii V ar [ε i ] = σ 2 ; iii Cov [ε i, ε j ] = 0, i,j i j; i = 1, 2,..., 16. Cálculos auxiliares: x iy i n xȳ = = x2 i n x 2 = /16 = y2 i nȳ 2 = /16 = a i Como E [Y x j + 1] E [Y x j ] = β 0 + β 1 x j + 1 β 0 β 1 x j = β 1, então uma estimativa dessa diferença será ˆβ 1 = x iy i n xȳ = x2 i n x
11 Notas breves Cap.9 para PE Isabel M. Rodrigues 11 ii A estimativa pretendida é Ê [Y x = 60] = ˆβ 0 + ˆβ 1 60 = , pois ˆβ 0 = ȳ ˆβ 1 x = 1379/ / iii Representando ŷ i = Ê [Y x i] sabe-se que o oitavo resíduo é dado por e 8 = y 8 ŷ 8 = , já que ŷ 8 = = iv Uma estimativa pontual de V arε i = σ 2, i, i = 1, 2,..., 16 é ˆσ 2 = 1 n 2 [ n y2 i nȳ 2 ˆβ1 2 n x2 i n x 2 = v O valor para o coeficiente de determinação é r 2 = 2 x i y i n xȳ n x2 = x 2 i yi 2 nȳ2 ] = Este valor indica que cerca de 67% da variabilidade deste índice de massa muscular é explicada pela idade da mulher. b O que o nutricionista pretende testar pode ser traduzido no seguinte teste de hipóteses: H 0 : β 1 = 0 vs H 1 : β 1 0 Para se efectuar este teste de hipóteses é necessário considerar a seguinte hipótese de trabalho: ε i Nível de significância: α = 0.05; N 0, σ 2, i, i = 1, 2,..., 16. i.i.d. Quando H 0 é verdadeira a estatística de teste é: T 0 = ˆβ 1 t 14. ˆσ2 Região Crítica para T 0 :
12 Notas breves Cap.9 para PE Isabel M. Rodrigues 12 RC 0.05 =, c c, +, onde c = P T 0 RC H 0 = Então o valor de c será dado por 1 α 2 c = F 1 t14 logo = F 1 1 t = Ft = 2.145, RC 0.05 =, , +. Valor observado da estatística de teste: t 0 = Decisão: 5.44 Como o valor observado da estatística de teste, t 0 = 5.44 RC 0.05, devemos rejeitar H 0 ao nível de significância de 5%, ou seja, parece haver evidência de que a idade da mulher influencia a sua massa muscular. c Pretende-se um intervalo de confiança a 99% para E [Y x = 45]. Observar que x = 45 minx i, maxx i. Variável aleatória fulcral: ˆβ0 + ˆβ 1 x 0 β 0 + β 1 x 0 T = t 14, com x 0 = n + x x 0 2 ˆσ 2 Como 1 α = 0.99 então α = 0.01 e a = F 1 t14 Ft = Como a distribuição da t-student é simétrica vem: P ˆβ0 + ˆβ 1 x 0 β 0 + β 1 x n + x x 0 2 ˆσ 2 1 α 2 = F 1 t = = 0.99
13 Notas breves Cap.9 para PE Isabel M. Rodrigues 13 Obtendo-se então o intervalo aleatório com 99% de confiança: ICAleat. 99% β 0 + β 1 x 0 = ˆβ0 + ˆβ 1 x 0 ± Concretização: O intervalo de confiança pretendido é dado por IC 99% β β 1 = ± = 91.34, n + x x 0 2 x2 i n x 2 ˆσ Para x = 20 anos não é correcto utilizar o mesmo procedimento pois este valor não pertence ao minx i, maxx i. Qualquer extrapolação para valores que não fizeram parte do ajuste do modelo será um abuso.
Capítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisRegressão Linear Simples
Regressão Linear Simples Capítulo 16, Estatística Básica (Bussab&Morettin, 8a Edição) 10a AULA 18/05/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 10a aula (18/05/2015) MAE229 1 / 38 Introdução
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisAssociação entre duas variáveis
Associação entre duas variáveis Questões de interesse: Será que duas variáveis são independentes ou pelo contrário dependentes? E se forem dependentes, qual o tipo e grau de dependência? Existem diversas
Leia maisAULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisÉ dada uma tabela de contingências, sendo os factores de classificação as proveniências (a=3 níveis) e os terrenos (b=3 níveis).
ISTITUTO SUPERIOR DE AGROOMIA ESTATÍSTICA E DELIEAMETO 3 de ovembro, 017 PRIMEIRO TESTE 017-18 Uma resolução possível I É dada uma tabela de contingências, sendo os factores de classificação as proveniências
Leia maisModelos de Regressão Linear Simples - parte II
Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisProbabilidades e Estatística MEEC, LEIC-A, LEGM
Departamento de Matemática Probabilidades e Estatística MEEC, LEIC-A, LEGM Exame a Época / o Teste (Grupos III e IV) o semestre 009/00 Duração: 80 / 90 minutos /06/00 9:00 horas Grupo I Exercício 5 valores
Leia maisb χ 2 (a 1)(b 1), sob H 0,
ISTITUTO SUPERIOR DE AGROOMIA ESTATÍSTICA E DELIEAMETO 3 de ovembro, 014 PRIMEIRO TESTE 014-15 Uma resolução possível I Tem-se uma tabela de contingências de dimensão 4. 1. O problema colocado corresponde
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia mais= < 5. O segundo menor valor esperado estimado corresponde à célula (3,3), com Ê33 = 29 30
ISTITUTO SUPERIOR DE AGROOMIA ESTATÍSTICA E DELIEAMETO 2 de ovembro, 205 PRIMEIRO TESTE 205-6 Uma resolução possível I Tem-se uma tabela de contingências de dimensão 3 4. Apenas o número total de observações
Leia maisAssociação entre duas variáveis
Associação entre duas variáveis Questões de interesse: Será que duas variáveis são independentes ou pelo contrário dependentes? E se forem dependentes, qual o tipo e grau de dependência? Medir o grau de
Leia mais= Assim, toma-se ˆp= x m =
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO de Outubro, 06 PRIMEIRO TESTE 06-7 Uma resolução possível I Seja X a variável aleatória que conta o número de parcelas onde cada genótipo da casta
Leia maisProbabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05
Departamento de Matemática Secção de Estatística e Aplicações - IST Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05 3 o Teste 4/6/2005 9h O Teste que vai realizar tem a duração total
Leia maisEstatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Leia maisANÁLISE DE REGRESSÃO
ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação
Leia maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisMAE Planejamento e Pesquisa II
MAE0327 - Planejamento e Pesquisa II EXPERIMENTOS/ESTUDOS NÃO-BALANCEADOS COM FATORES FIXOS - PARTE 1 7 de agosto de 2016 Denise A Botter MAE0327 7 de agosto de 2016 1 / 1 PLANEJAMENTO E PESQUISA I Estudos
Leia maisEconometria. Regressão Linear Simples Lista de Exercícios
Econometria Regressão Linear Simples Lista de Exercícios 1. Formas funcionais e coeficiente de explicação Um corretor de imóveis quer compreender a relação existente entre o preço de um imóvel e o tamanho,
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Distribuição beta não central; Coef. de determinação; Quando X for aleatório. Distribuição
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisPrimeira Parte. 0, caso contrário.
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA TÓPICOS DE RESOLUÇÃO - Exame de Época Normal 009/00 Primeira Parte [,0]. Considere a varável aleatória X
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisMÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência
MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisRevisão de Modelos de regressão. Prof. Thais C O Fonseca - DME, UFRJ
Revisão de Modelos de regressão Prof. Thais C O Fonseca - DME, UFRJ Conteúdo Regressão linear simples Regressão linear múltipla Método de Mínimos Quadrados Introdução a Inferência Bayesiana em Regressão
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisRESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ o semestre 011/01 Exame de Época
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 10 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise Regressão: Avaliação de relações de dependência em que se explica o comportamento de uma/várias
Leia maisNotas de Aula Modelos Lineares I - GET00138
Notas de Aula Modelos Lineares I - GET00138 Jessica Kubrusly Departamento de Estatística Instituto de Matemática e Estatística Universidade Federal Fluminense Julho de 2014 Sumário 1 Regressão Linear Simples
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Leia mais= = Assim, o valor estimado de p será ˆp= x m =
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 19 de Janeiro, 2016 SEGUNDO EXAME 2015-16 Uma resolução possível I As distribuições Binomiais surgem associadas a variáveis aleatórias X que contam
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisConceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisTÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 2009/2010. Primeira Parte. F (b) F (a) =P (a <X<b) P (a <X<b)=
TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 009/010 [,0] 1. Considere as seguintes afirmações: Primeira Parte I. Sendo F a função de distribuição da variável aleatória (v.a.) discreta X,
Leia maisTESTE DE COMPARAÇÃO MÚLTIPLA
SUMÁRIO 1 TESTE DE COMPARAÇÃO MÚLTIPLA Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais. Mas, entre
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisINSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011.
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011 Nome: Nº Espaço reservado para a classificação (não escrever aqui)
Leia maisTestes de hipóteses. Wagner H. Bonat Fernando P. Mayer Elias T. Krainski
Testes de hipóteses Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 07/06/2018 WB, FM, EK ( LEG/DEST/UFPR
Leia maisEconometria Lista 1 Regressão Linear Simples
Econometria Lista 1 Regressão Linear Simples Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 (2.9 do Wooldridge 4ed - Modificado)
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 10 Multicolinearidade: o que acontece se os regressores são correlacionados? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisCapítulo 8 - Testes de hipóteses 3
Capítulo 8 - Testes de hipóteses Conceição Amado e Ana M. Pires Capítulo 8 - Testes de hipóteses 3 8.1 Noções básicas....................................................... 4 8.2 Testes de hipóteses para
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisEstatística Aplicada II. } Regressão Linear
Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7
Leia maisa) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20%
0. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisESTATÍSTICA E BIOESTATÍSTICA
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA E BIOESTATÍSTICA Cursos: Licenciaturas Bi-etápicas em Enfermagem e em Fisioterapia Época Normal o Ano/3 o Semestre 003/004 Data: 6
Leia maisβ 1 x β j 1 x j 1 + β j (x j +k) β j 1 x j 1 +
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 5 de Janeiro, 2016 SEGUNDO TESTE 2015-16 Uma resolução possível I 1. Em qualquer modelo linear, os graus de liberdade residuais são dados pela
Leia maisAULA 8 - MQO em regressão múltipla:
AULA 8 - MQO em regressão múltipla: Definição, Estimação e Propriedades Algébricas Susan Schommer Econometria I - IE/UFRJ Regressão Múltipla: Definição e Derivação A partir de agora vamos alterar o nosso
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 8 Análise de Regressão Múltipla: o Problema da Inferência Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus,
Leia maisProva de Estatística
Prova de Estatística 1. Para um número-índice ser considerado um índice ideal, ele precisa atender duas propriedades: reversão no tempo e o critério da decomposição das causas. Desta forma, é correto afirmar
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
Leia maisCap. 9 Comparação entre tratamentos
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 9 Comparação entre tratamentos APOIO: Fundação de Apoio
Leia maisX 1 X 2 Y
Universidade da Beira Interior - Departamento de Matemática ESTATÍSTICA APLICADA À GESTÃO Ficha de exercícios 3 Regressão Múltipla 2015/2016 1. Considere os seguintes dados: X 1 X 2 Y 8 0.7 1.8 1.8 6 6.4
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisPeso (mg) Número de cigarros [760,780[ 3 [780,800[ 7 [800,820[ 19 [820,840[ 25 [840,860[ 17 [860,880[ 12 [880,900[ 8
Escola Superior de Tecnologia de Viseu Tratamento Estatístico de Dados 2008/2009 Ficha Revisões 1. A Tabaqueira SA faz um apertado controlo da qualidade dos cigarros que produz; o peso é uma das características
Leia maisLucas Santana da Cunha de julho de 2018 Londrina
Análise de Correlação e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 26 de julho de 2018 Londrina 1 / 17 Há casos em que pode existir um relacionamento entre duas variáveis:
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
1 Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 9 de Abril de 2015 2 3 Função Deviance Podemos ver o ajuste de um modelo a um conjunto de dados como: uma forma
Leia maisSoluções da Colectânea de Exercícios
Soluções da Colectânea de Exercícios (Edição de Fevereiro de 2003) Capítulo 1 1.1 d) x = 3.167; s = 0.886 (dados não agrupados) e) mediana = x = 3.25; q 1 = 2.4 ; q 3 = 3.9 1.2 a) x = 2.866 ; x = 3; moda
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisRenda x Vulnerabilidade Ambiental
Renda x Vulnerabilidade Ambiental ANEXO D ANÁLISE EXPLORATÓRIA E PREPARAÇÃO DOS DADOS Identificamos tendência linear positiva. A correlação entre as variáveis é significativa, apresentando 99% de confiança.
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL Dr Sivaldo Leite Correia CONCEITOS E DEFINIÇÕES FUNDAMENTAIS Muitos experimentos são realizados visando
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisINTRODUÇÃO A ECONOMETRIA
INTRODUÇÃO A ECONOMETRIA Análise de regressão e uso do Eviews Introdução O modelo de regressão linear se utiliza para estudar a relação que existe entre uma variável dependente e uma ou várias variáveis
Leia maisEstatística Básica. 13 de maio de 2009
13 de maio de 2009 1 2 3 4 5 Tipos de Testes Exemplos Teste para amostras independentes com variâncias iguais Teste para amostras independentes com variâncias diferentes Teste para amostras dependentes
Leia maisCAPÍTULO 10 REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR MÚLTIPLA PPGEP
CAPÍTULO REGRESSÃO LINEAR MÚLTIPLA UFRGS REGRESSÃO LINEAR MÚLTIPLA Muitos problemas de regressão envolvem mais de uma variável regressora Por exemplo a qualidade de um processo químico pode depender da
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia maisAnálise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013
Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
Leia maisExame Final de Métodos Estatísticos
Exame Final de Métodos Estatísticos Data: de Junho de 26 Duração: 3h. Nome: Curso: Declaro que desisto N. Mec. Regime: As cotações deste exame encontram-se na seguinte tabela. Responda às questões utilizando
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia mais