I. TEORIAS KEYNESIANAS TRADICIONAIS DAS FLUTUAÇÕES (Continuação) 5.4. Assunções alternativas quanto à rigidez dos salários e dos preços

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "I. TEORIAS KEYNESIANAS TRADICIONAIS DAS FLUTUAÇÕES (Continuação) 5.4. Assunções alternativas quanto à rigidez dos salários e dos preços"

Transcrição

1 I. TEORIAS KEYNESIANAS TRADICIONAIS DAS FLUTUAÇÕES (Contnuação) 5.4. Assunções alternatvas quanto à rgdez dos saláros e dos preços Caso 1: O modelo Keynesano (saláros nomnas rígdos e mercado de bens compettvo) Caso 2: Preços rígdos, saláros flexíves e mercado laboral compettvo Caso 3: Preços rígdos, saláros flexíves e mperfeções reas no mercado de trabalho Caso 4: Preços flexíves, saláros rígdos e concorrênca mperfeta Dferentes assunções quanto ao funconamento do mercado de trabalho e de bens levam a conclusões dferentes relatvamente ao comportamento do emprego, saláros reas e markups. As teoras keynesanas não fazem predções fortes quanto ao comportamento destas varáves. 1

2 5.5 Tradeoffs produto-nflação (Romer, 5.5) Nos modelos anterores, os preços e os saláros são completamente fxos no curto prazo. Uma troca permanente? Admtndo que os níves a que são fxados os saláros ou preços dependem dos níves dos mesmos no período anteror verfca-se uma troca permanente entre nflação e produto. Porquê? Retomando o caso1: saláros fxos, preços flexíves e mercado de bens compettvo. Admtndo que os saláros de hoje são proporconas ao nível de preços do período anteror, o lado da oferta da economa passa a ser descrto por: W t = AP t-1, A>0 (5.31) Y t = F(L t ), F ( )>0, F ( )<0 (5.32) W t F '(L t ) = (5.33) Pt Impacto de uma expansão na procura agregada (fg. 5.16). AD 1 -> P 1 e Y 1. Dado que o saláro real cau dá-se um deslocamento ao longo da curva da AS. No período segunte, os saláros nomnas sobem, contrando o emprego e elevando os preços (AS 2 ). Se os governantes aumentarem AD para AD2, o produto e os preços sobem e o processo repete-se. O modelo mplca um troca permanente entre desemprego e preços. 2

3 Phllps (1958) demonstrou a exstênca de uma relação negatva, forte e relatvamente estável entre o desemprego e o crescmento dos saláros em Inglaterra, durante o século passado. Outros autores encontraram uma relação negatva entre o desemprego e a taxa de nflação. Esta relação tornou-se conhecda como a curva de Phllps. A taxa de desemprego natural A exstênca de uma relação estável entre desemprego e nflação fo posta em causa no fnal da década de 60 e níco da de Do ponto de vsta teórco: Fredman (1968) e Phelps (1968) atacaram esta vsão da economa com a hpótese da taxa de desemprego natural. Defendem a exstênca de uma taxa de desemprego natural ou normal que é determnada apenas por factores reas. Consderam que a polítca monetára não é capaz de manter a taxa de desemprego, de uma forma permanente, abaxo deste nível. - Emprcamente: A realdade não confrmou a curva de Phllps (Fg. 5.17). Nos anos 70 ocorreram sgnfcatvos choques na oferta. No entanto estes choques na oferta não explcam totalmente a queda da curva de Phllps na década de 70 e 80. Nos anos 81 e 82 não ocorreram choques mportantes na oferta e no entanto, tanto o desemprego como a nflação permaneceram muto superores aos anos 60. Os modelos que prevam uma troca permanente entre desemprego e nflação exgam reformulação e a curva de Phllps dexou de servr de menu para os governantes. 3

4 A curva de Phllps aumentada das expectatvas - No longo prazo Curva AS de longo prazo vertcal ao nível da taxa de desemprego natural (produto natural, Y ). No longo prazo, os preços e os saláros são perfetamente flexíves e a procura agregada não tem efetos reas. - No curto prazo As formulações keynesanas modernas da oferta agregada de curto-prazo, dferem do formulado em ( ) em 3 aspectos fundamentas: - Admtem que nem os preços nem os saláros são ndependentes do estado da economa: aumentos do produto estão assocados a aumentos nos preços e saláros. A curva da AS de curto-prazo é postvamente nclnada. - Consderam a possbldade de ocorrerem choques na oferta. - O ajustamento à nflação passada e futura é mas complcado que o exposto em (5.31). Uma formulação moderna keynesana típca da oferta agregada é a segunte: Ln P t = ln P t-1 + π t * + λ(lny t lny t ) + ε S t, λ>0 (5.35) π t * = núcleo da nflação (core nflaton); Y = produto natural; ε S t = choques na oferta ou π t = π t * + λ(lny t lny t ) + ε S t (5.36) dado que ln P t - ln P t-1 = π t 4

5 π t = π t * + λ(lny t lny t ) + ε S t (5.36) Na equação (5.36) nada é dto sobre se são os preços ou os saláros a fonte do ajustamento ncompleto. A maor dferença em relação aos modelos anterores está no termo π t *, que representa a nflação que prevalece quando o produto guala o produto natural e não há choques na oferta. A equação (5.36) é a chamada curva de Phllps aumentada das expectatvas. Um modelo smples para π t * é aquele que assume π t * = π t-1 (5.37) Com esta formulação exste uma troca permanente entre produto e varações na nflação, mas não exste uma troca permanente entre produto e nflação. Este modelo é melhor suceddo que os modelos que pressupõem uma troca permanente entre nflação e produto a explcar os dados macroeconómcos dos EUA. Uma vez que ntroduzmos π t * no modelo fará mas sentdo descrever o comportamento da economa no espaço, nflação-produto que no espaço preçosproduto. Fgura

6 A hpótese assumda em (5.37: π t * = π t-1 ) tem mportantes lmtações: - Se consderarmos períodos muto curtos, π t * provavelmente demorará mas do que um período a responder totalmente a varações na taxa de nflação actual. Será necessáro substtur o lado dreto da equação (5.37) por uma méda ponderada das taxas de nflação dos períodos anterores. - Assume que π t * não depende do estado da economa. Implca uma troca permanente entre varações na taxa de nflação e o produto. Os governantes podem manter o produto permanentemente acma do produto natural desde que acetem aumentos na taxa de nflação. O mesmo argumento que Fredman e Phelps usaram para combater a hpóteses de que exste uma troca permanente entre produto e nflação pode ser usado neste caso. Tendo em atenção estas crtcas será razoável substtur π t * pela nflação esperada π t = π t e + λ(lny t ln Y t ) + ε S t (5.38) A não ser que as expectatvas sejam rraconas, os governantes não conseguem manter o produto permanentemente acma do seu nível natural, já que para sso sera necessáro que os agentes prevssem uma taxa de nflação sempre nferor à que na realdade se verfca. 6

7 Os modelos keynesanos modernos não utlzam em geral um modelo de oferta agregada do tpo (5.38). Assumr que os agentes são perfetamente raconas tem mplcações que o keynesanos não acetam. Por outro lado, não faz sentdo admtr que eles são rraconas. Um compromsso natural entre (5.37) e (5.38) é assumr que o núcleo da nflação resulta de uma méda ponderada da taxa de nflação esperada e das taxas de nflação passadas. A curva da oferta passa a ser: π t = φπ e t + (1-φ)π t-1 + λ(lny t lny t ) + ε S t, 0 φ 1 (5.39) 0 φ 1: exste alguma nérca nos preços e saláros mas o núcleo da nflação não resulta mecancamente da nflação passada. Os modelos keynesanos caem geralmente em 2 grupos: - modelos em que a curva da oferta agregada ou a rgdez nomnal resulta de hpóteses mcroeconómcas sobre o comportamento dos agentes; - modelos com formulações específcas, que pretendem descrever o comportamento da oferta agregada em determnadas stuações, mas que não ambconam a serem unversas. O facto de a teora keynesana moderna não ter sdo capaz de desenvolver um modelo geral, consttu uma mportante lmtação. 7

8 5.6 Aplcações empírcas De acordo com os modelos keynesanos a polítca monetára tem mpactos reas. Uma forma óbva de testar estes modelos consste portanto, em correr regressões em que a varável dependente é o produto e a ndependente é a moeda. Por exemplo, lny t = c + β 1 lnm t + β 2 lnm t-1 + β 3 lnm t αt + ε t Esta equação fcou conhecda como a equação de St. Lous. Romer consdera que uma equação deste tpo tem város problemas: - pode ser o produto a nfluencar a moeda e não o contráro (Kng e Plosser, 1984); - a polítca monetára pode ser defnda de forma a contrabalançar outros factores que nfluencam o produto; - ao longo do tempo ocorreram város choques na procura de moeda. Daí que os resultados obtdos com base na estmação desta equação sejam pouco útes para determnar se a moeda tem efetos reas. Fredman and Schwartz (1963) adoptam uma estratéga dferente. Realzaram uma análse hstórca cudadosa das causas dos movmentos na oferta de moeda, desde a Guerra Cvl até aos anos Concluem que exste uma relação da moeda para o produto e não no sentdo nverso. Romer e Romer (1989) seguem as lnhas do trabalho anteror e actualzam-no. Também concordam com este sentdo da causaldade. 8

9 II. MODELOS DOS NOVOS CLÁSSICOS E DOS NOVOS KEYNESIANOS ROMER, cap. 6 Este capítulo concentra-se nos fundamentos mcroeconómcos para a rgdez dos preços e dos saláros. Esta questão é mportante por váras razões: - é uma hpótese central aos modelos keynesanos; - as razões que explcam a rgdez nomnal são mportantes para a defnção de polítcas. Neste capítulo vamos analsar três fontes possíves de mperfeções nomnas: A) Lucas (1972) e Phelps (1970): os produtores não observam o nível geral de preços, pelo que tomam as suas decsões de produção sem terem perfeto conhecmento dos preços relatvos que vão receber pelos seus bens. B) Modelos de ajustamento desfasado dos preços: os choques monetáros têm mpacto real porque nem todos os preços e saláros se ajustam ao mesmo tempo. C) Os efetos reas dos choques monetáros dervam de pequenos custos de ajustamento nomnal dos preços ou dos saláros ou de pequenas frcções no ajustamento nomnal. 9

10 A) O modelo de nformação mperfeta de Lucas (Romer, cap. 6 parte A) A hpótese central do modelo Quando um produtor observa uma alteração no preço do bem que produz, não é capaz de determnar se esta alteração revela uma alteração nos preços relatvos ou um varação no nível geral de preços. No prmero caso a quantdade óptma a produzr altera-se, mas no segundo caso não. Devdo a esta falta de nformação, os produtores perante uma subda do preço do seu bem consderam que esta reflecte ambas as stuações. Daí que a oferta agregada seja postvamente nclnada. O modelo a segur descrto assume que os ndvíduos produzem bens usando o seu própro trabalho, vendem os seus produtos em mercados compettvos e usam os rendmentos para comprar outros produtos. O modelo permte dos tpos de choques: 1) Perturbações aleatóras nas preferêncas que alteram a procura relatva por cada um dos bens, dando orgem a varações nos preços relatvos dos bens e a varações na quantdade relatva produzda dos dferentes bens. 2) Perturbações na oferta de moeda, ou de uma forma mas geral, na procura agregada. Quando estes choques são observados, alteram o nível geral de preços mas não têm mpactos reas. Quando não são observados, alteram o nível de preços e o produto agregado. 10

11 Admtndo nformação perfeta Comportamento dos produtores Há mutos bens dferentes na economa. Um produtor representatvo de um bem típco, bem, produz de acordo com a segunte função de produção: Q = L (6.1) L = quantdade de oferta de trabalho do ndvíduo. Q = quantdade do bem que o ndvíduo produz. O consumo do ndvíduo, C, é gual ao seu rendmento real. C = P Q P A utldade depende postvamente do consumo e negatvamente da número de horas trabalhadas e por smplcdade toma a segunte forma: U 1 γ = C L, γ>1. (6.2) γ A utldade margnal do consumo é constante e as perdas margnas de utldade resultantes do trabalho são crescentes. Quando o nível geral de preços é conhecdo, a função utldade pode ser smplfcada: P L 1 γ U = L (6.3) P γ 11

12 Admtndo que os mercados são compettvos, o ndvíduo maxmza a sua utldade tomando P e P como dados e escolhendo L de forma a satsfazer a segunte condção de prmera ordem: P P L γ 1 = 0 L = P P 1/( γ 1) Representando por letras mnúsculas os logartmos das varáves em causa l = 1 (p p) γ 1 (6.6) A equação (6.6) é uma função oferta de trabalho (ndrectamente é uma função produção) em que a oferta de trabalho do produtor depende postvamente do preço relatvo do seu bem. Procura A procura pelo bem e por produtor (Q ) depende de três factores: do rendmento real agregado (Y), do preço relatvo do bem (P -P) e de uma perturbação aleatóra nas preferêncas (Z ). Por smplfcação admte-se uma função procura logarítmca e lnear. A procura pelo bem será então: q = y + z - η(p p), η>0 (6.7) z tem méda zero entre os bens, trata-se de choques puramente relatvos na procura. η é a elastcdade da procura pelo bem. 12

13 Admte-se anda que: y = q (6.8) e p = p (6.9) Fnalmente, a procura agregada é gual a: y = m p (6.10) Esta é uma forma muto smples de modelzar a procura agregada. Está mplícta uma relação nversa entre preços e produto, que é a característca fundamental da procura agregada. Em termos lteras, m representa o log da oferta de moeda, mas pode ser entenddo como qualquer outra varável capaz de nfluencar a procura agregada. Equlíbro O equlíbro ocorre quando a quantdade procurada por produtor (6.6) guala a oferecda (6.7): 1 (p γ 1 p) = y + z η(p p) (6.11) Resolvendo em relação a p p γ 1 = (y + z ) p (6.12) 1+ ηγ η + Utlzando médas ( p = p e z = 0) γ 1 p = y + p (6.13) 1+ ηγ η 13

14 Utlzando médas ( p = p e z = 0) γ 1 p = y + p (6.13) 1+ ηγ η O equlíbro ocorre quando y = 0 (nível de produto = 1) (6.14) (6.10) e (6.14) mplcam m = p. (6.15) Logo, a moeda é neutral: um aumento em m dá orgem a um aumento gual em todos os p e portanto, no nível geral de preços, não sendo as varáves reas afectadas. ADMITINDO INFORMAÇÃO PERFEITA, ALTERAÇÕES NA PROCURA AGREGADA NÃO AFECTAM AS VARIÁVEIS REAIS. Admtndo nformação mperfeta Os produtores observam o preço do seu bem, mas não o nível geral de preços. Comportamento do produtor Preço relatvo do bem : r = p p p = p + r (6.16) O produtor gostara de tomar a sua decsão de produção com base em r, mas não o consegue observar, apenas o consegue estmar com base em p que observa. 14

15 Lucas assume que os produtores cram expectatvas raconas para r com base em p e agem como se o valor esperado fosse conhecdo com certeza. Logo, a equação (6.6) torna-se em... l = 1 γ 1 E[r p ] (6.17) Note-se que este comportamento de certeza equvalente não é equvalente a maxmzar a utldade esperada. Lucas assume que os produtores cram expectatvas raconas para r, dado p. Isto é, E[r p ] representa a verdadera expectatva de r dado p e dada a dstrbução conjunta das duas varáves. Quando Lucas ntroduzu a hpótese de Muth (1960, 1961) de que as expectatvas são raconas, esta dea era altamente controversa na macroeconoma. De forma a ser possível calcular a estmatva de r, Lucas assume que: 1) os choques monetáros (m) seguem uma dstrbução normal, com méda E[m] e varânca V m ; 2) os choques na procura por cada um dos bens (z ) seguem uma dstrbução normal com méda zero e varânca V z e são ndependentes de m. O problema do ndvíduo consste em prever r com base em p. Problema da extracção do snal A varável que o ndvíduo observa, p, guala o snal, r, mas um ruído, p. O problema consste em extrar uma estmatva do snal da observação de p. 15

16 Expectatvas raconas Porque os erros que se cometem na formulação de expectatvas envolvem custos, é natural que as pessoas os procurem evtar. Parece bastante razoável assumr que as pessoas não cometem erros sstemátcos na formulação das suas expectatvas. A ausênca de erros sstemátcos nas expectatvas, não pode, como é evdente ser expressa através de uma formulação matemátca do tpo das expectatvas adaptatvas. Esta hpótese não requer uma formula, mas sm uma condção analítca que evte esses erros. Esta condção consste em assumr que as expectatvas subjectvas formadas pelos agentes económcos são guas à méda da dstrbução de probabldades da varável a prever, dada a nformação dsponível no momento t. Por exemplo, p e t+j = E(p t+j Ω t ) Expectatva subjectva = expectatva objectva (méda da dstrbução de probabldades de p t+j condconada a Ω t ). A dstrbução de probabldades de p t+1 não exste na realdade, mas pode ser obtda através do que fo assumdo no modelo quando ao processo de geração dos p t. Esta flexbldade é uma vantagem mportante das expectatvas raconas. A condção p e t+j = E(p t+j Ω t ) evta erros sstemátcos porque: E(p t+1 -p e t+1) = 0 E[(p t+1 -p e t+1)x t ] = 0 16

17 Problema da extracção do snal Analoga com as regressões - Temos uma amostra de valores passados de x e de y (expressos como desvos em relação à méda). - Hoje observamos x t, mas estamos nteressados em prever y t. Para o modelo y t = bx t + e t xt y estmamos b como bˆ t = x e prevemos yˆ = bx ˆ t t t Cov( x, y) = Var( ) 2 t x Extracção do snal - Temos duas varáves aleatóras normas (ε t e µ t ) com as seguntes propredades E(ε t ) = E(µ t ) = E(ε t µ t ) = 0, 2 2 ( ε t ) = σε E e E 2 2 ( µ t ) = σµ - As propredades anterores são conhecdas. - Apenas a soma das duas varáves, s t = ε t + µ t, é observada. - Pretendemos prever µ t com base no conhecmento que temos de s t. - Sabemos que Var(s t ) = Var(ε t + µ t ) = σ 2 2 ε + σ µ E ( εt + µ t ) µ t = σµ Cov(s t, µ t ) = [ ] 2 - Para uma regressão de µ t em s t temos então ˆ Cov( st, µ t ) b = Var( s ) t 2 ε 2 µ σ = σ + σ 2 µ e prevemos µ t 2 σ µ = 2 σε + σ 2 µ s t 17

18 p = p + r, o ndvíduo pretende prever r com base em p. Invocando a solução para problemas da extracção do snal temos: Vr E[r p ] = (p E[ p]) V + V r p (6.19) Onde V r é a varânca de r e V p a varânca de p. Interpretação desta equação: 1) se p gualar a sua méda, a expectatva de r é gual à sua méda, ou seja, zero; 2) a expectatva de r é superor (nferor) à sua méda se p for superor (nferor) à sua méda; 3) a fracção do afastamento de p da sua méda que se estma ser devda ao afastamento de r da sua méda é V r /(V r +V p ). Isto representa a fracção da varânca total de p (V r +V p ) que se deve à varânca de r (V r ). Se, por exemplo, V p =0, toda a varânca de p se deve a r, logo E[r p ] = p -E[m]. Se V r e V p são guas, metade da varânca de p deve-se a r, logo E[r p ] = (p -E[m])/2. Substtundo (6.19) em (6.17) temos a segunte oferta de trabalho: l 1 Vr = γ 1 V + V r p (p E[ p]) l b(p E[ p]) (6.20) Calculando a méda para todos os produtores obtemos a função oferta agregada de Lucas y = b(p - E[p]) (6.21) 18

19 y = b(p - E[p]) (6.21) Afastamentos do produto do seu valor normal (0 neste caso) são uma função crescente da surpresa no nível de preços. Esta curva da oferta é essencalmente a mesma que a da curva de Phllps aumentada das expectatvas. Lucas fundamentou através da mcroeconoma esta vsão da oferta agregada. Equlíbro Combnando a curva da oferta agregada (6.21) com a equação da procura agregada (6.10) e resolvendo em relação a p e a y temos: 1 b p = m + E[ p] (6.22) 1+ b 1+ b b b y = m E[ p] (6.23) 1+ b 1+ b Ex-post, após m ser defndo, estas gualdades verfcam-se. Logo, ex-ante, antes de m ser defndo, as expectatvas dos 2 lados da equação são guas. Podemos portanto, usar a equação (6.22) para obter E[p]. Trando valores esperados de ambos os lados da gualdade: 1 b E[ p] = E[ m] + E[ p] (6.24) 1+ b 1+ b 19

20 Resolvendo em ordem a E[p]: E[p] = E[m] (6.25) Sabendo que m = E[m]+(m-E[m]) e substtundo (6.25) em (6.22) e (6.23) temos: 1 p = E[ m] + (m E[ m]) 1+ b (6.26) b y = (m E[ m]) 1+ b (6.27) Podemos extrar destas 2 equações as mplcações báscas do modelo: - varações esperadas na oferta de moeda (genercamente na procura agregada), E[m], afectam na mesma proporção os preços dexando nalterado o produto; - varações não esperadas, na oferta de moeda, m E[m], têm efetos reas e nos preços. A dvsão dos mpactos depende da varânca dos preços relatvos e do nível geral de preços; - alterações nas preferêncas causam alterações nos preços relatvos e consequentemente no que é produzdo de cada um dos bens, mas em méda o produto real não se altera. Para fnalzar o modelo falta-nos estudar o que nfluenca b. Note-se que quanto maor for b maor será o mpacto de choques monetáros no produto e menor será o seu efeto no nível geral de preços. Recordando a eq. (6.20) b 1 Vr γ 1 V + V r p Quanto maor for a varânca nos preços relatvos (V r ) maor será b. Quanto maor for a varânca no nível geral de preços (V p ) menor será b. 20

21 Como determnar V r e V p? 1) V p : da eq. (6.26) sabemos que V p Vm = (1 + b) 2 2) V r : substtundo (6.21) em (6.7) obtemos: q = b(p E p [ ]) + z η(p p) Adconando e subtrando bp ao lado dreto de (6.20) temos q = b(p -p)+b(p-e[p]) Combnando as duas últmas equações b(p-e[p])+z -η(p -p)=b(p -p)+b(p-e[p]) p p = z η + b Porque r = p - p, Vz V r = 2 ( η + b) Podemos assm defnr b em termos de parâmetros conhecdos: b = 1 γ 1 V z V z ( η + b) + (1 + b) 2 2 V m b é uma função crescente de V z e decrescente de V m. 21

22 Implcações e lmtes A crítca de Lucas De acordo com o modelo de Lucas, choques não antecpados na procura agregada aumentam o produto e os preços acma do esperado. Verfca-se portando, uma relação do tpo da curva de Phllps, uma relação postva entre nflação e produto. No entanto, não exste uma troca explorável entre produto e nflação, dado que só surpresas na oferta de moeda têm efetos reas. Uma dea mas abrangente desta análse é a de que as expectatvas são mportantes em mutas relações entre varáves agregadas e que alterações na forma de condução da polítca económca podem alterar essas expectatvas. Em consequênca, alterações nas regras de polítca podem alterar as relações entre as varáves agregadas. Esta dea é conhecda como a CRÍTICA DE LUCAS (Lucas, 1976). Polítca monetára antecpada e não antecpada A dea de que só choques não antecpados na AD têm efetos reas tem uma mplcação mportante: a polítca monetára só pode ser utlzada para establzar o produto, se os governantes tverem acesso a nformação a que o públco em geral não tem acesso. Polítcas defndas de acordo com regras não surtem efetos reas. Segundo Lucas, o facto do governo ter acesso a mas nformação que o públco não é uma razão válda para defender polítcas keynesanas de establzação: - a maora das polítcas de establzação são adoptadas com base em ndcadores económcos observáves; 22

23 - se o públco não tem acesso a esses ndcadores, será mas smples dvulgar essa nformação que alterar as regras de condução da polítca monetára com o objectvo de establzar. Ball (1991) testou a dea de Lucas de que só choques não anuncados na oferta de moeda têm mpactos reas e chegou a resultados que não são consstentes com as prevsão de Lucas. Testes empírcos O modelo de Lucas prevê que o mpacto real de um choque na procura agregada seja menor numa economa em que a varânca dos choques é grande (6.20). Lucas (1973) utlza a varação no log do PIB nomnal como medda dos choques de procura agregada. Para que esta medda fosse precsa duas condções teram que ser satsfetas: - a curva da procura agregada tera que ter elastcdade untára, desta forma alterações na oferta agregada afectam P e Y mas não o seu produto, pelo que o produto real é determnado apenas pela AD; - a varação no PIB não pode ser prevsível nem observável. Sob estas hpótese, o modelo por ele testado fo: y c,t = c + π x t + λy c,t-1 onde y c,t é o log da componente cíclca do produto real (y c,t = y t y n,t ) e x é a varação no log do produto nomnal. 23

24 Lucas usou uma amostra relatvamente pequena de dados temporas anuas para 18 países de 1951 a 1967 para testar esta hpótese. O modelo prevê que π seja menor em países com uma maor varânca de x. Alguns resultados: E.U.A.: y c,t = x t y c,t-1 Argentna: y c,t = x t y c,t-1 Mutos testes foram realzador por outros autores a esta hpótese, usando amostras mas extensas e alterando um pouco as especfcações. Ball, Mankw e Romer (1988) utlzaram uma amostra de 43 países e encontraram alguma evdênca empírca para a proposção de Lucas. O modelo testado fo y t = c + γt + τ x t + λy t-1 (6.34) em que y é o log do PIB real (ou a varação no log), t é uma varável que capta a tendênca (tempo) e x é a varação no log do PIB nomnal. Com base nas estmatvas obtdas em (6.34) para τ em cada país estmaram τ = α + βσ x, (6.35) onde σ x, representa o desvo padrão de x t no país. Espera-se que β tenha um snal negatvo. 24

25 O resultado obtdo fo o segunte (Romer, p. 254, fg. 6.1): τ = σ x, (0.57) (0.482) Exste portanto uma relação estatístca negatva, altamente sgnfcatva entre a varabldade da taxa de crescmento do PIB nomnal e a estmatva do efeto no PIB real de uma varação na procura agregada. Algumas questões Será plausível assumr nformação mperfeta quanto a m e p? Será razoável admtr uma elastcdade da oferta de trabalho de curto prazo elevada? Estas dfculdades sugerem que os mecansmos enfatzados no modelo podem ser relatvamente pouco mportantes para explcar as flutuações. 25

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.4

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.4 Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.4 Provsão de Bens Públcos de forma descentralzada: a solução de Lndahl Isabel Mendes 2007-2008 13-05-2008 Isabel Mendes/MICRO

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot)

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot) Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 2.1 Olgopólo em Quantdades (Cournot) Isabel Mendes 2007-2008 18-03-2008 Isabel Mendes/MICRO II 1 2.1 Olgopólo em Quantdades

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Análise de Regressão Linear Múltipla VII

Análise de Regressão Linear Múltipla VII Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

1. Caracterização de séries com

1. Caracterização de séries com 1. Caracterzação de séres com sazonaldade Como dscutdo na Aula 1, sazonaldade é um padrão que se repete anualmente. A sazonaldade é determnístca quando o padrão de repetção anual é exato, ou estocástca,

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

INFLAÇÃO E DESIGUALDADE*

INFLAÇÃO E DESIGUALDADE* Artgos Outono 2009 INFLAÇÃO E DESIGUALDADE* Isabel H. orrea** 1. INTRODUÇÃO A baxa persstente da taxa de nflação é talvez a mudança de polítca maor, mas sustentada, e comum a um maor número de países desenvolvdos.

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

Capítulo 16: Equilíbrio Geral e Eficiência Econômica

Capítulo 16: Equilíbrio Geral e Eficiência Econômica Capítulo 6: Equlíbro Geral e Efcênca Econômca Pndck & Rubnfeld, Capítulo 6, Equlíbro Geral::EXERCÍCIOS. Em uma análse de trocas entre duas pessoas, suponha que ambas possuam dêntcas preferêncas. A curva

Leia mais

MACROECONOMIA I LEC 201

MACROECONOMIA I LEC 201 ACROECONOIA I LEC 20 3.2. odelo IS-L Outubro 2007, sandras@fep.up.pt nesdrum@fep.up.pt 3.2. odelo IS-L odelo Keynesano smples (KS): equlíbro macroeconómco equlíbro no mercado de bens e servços (BS). odelo

Leia mais

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

Mecânica. Sistemas de Partículas

Mecânica. Sistemas de Partículas Mecânca Sstemas de Partículas Mecânca» Sstemas de Partículas Introdução A dnâmca newtonana estudada até aqu fo utlzada no entendmento e nas prevsões do movmento de objetos puntformes. Objetos dealzados,

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Gestão e Teoria da Decisão

Gestão e Teoria da Decisão Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas

Leia mais

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL. A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

Leia mais

Econometria II. Painel (1ª Diferenças, Efeitos Fixos e escolha entre estimadores de painel)

Econometria II. Painel (1ª Diferenças, Efeitos Fixos e escolha entre estimadores de painel) Eco montora Leandro Anazawa Econometra II Este não é um resumo extensvo. O ntuto deste resumo é de servr como gua para os seus estudos. Procure desenvolver as contas e passos apresentados em sala de aula.

Leia mais

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

Identidade dos parâmetros de modelos segmentados

Identidade dos parâmetros de modelos segmentados Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE DA VARIÂNCIA DA REGRESSÃO ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

Modelo IS-LM com Economia Fechada. Prof. Antonio Carlos Assumpção

Modelo IS-LM com Economia Fechada. Prof. Antonio Carlos Assumpção Modelo IS-LM com Economa Fechada Prof. Antono Carlos Assumpção Introdução O modelo IS-LM nos mostra os efetos de curto prazo das polítcas fscal e monetára sobre uma sére de varáves macroeconômcas. Também

Leia mais

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

8.16. Experimentos Fatoriais e o Fatorial Fracionado

8.16. Experimentos Fatoriais e o Fatorial Fracionado 8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e

Leia mais

DECISÃO SOB INCERTEZA

DECISÃO SOB INCERTEZA PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br 1 Introdução

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

Análise Complexa Resolução de alguns exercícios do capítulo 1

Análise Complexa Resolução de alguns exercícios do capítulo 1 Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo: UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos 04-05 CONCEITO DE ERRO ALGARISMOS SIGNIFICATIVOS Embora uma análse detalhada do erro em Químca Analítca esteja fora do âmbto desta cadera, sendo abordada

Leia mais

Exercícios de CPM e PERT Enunciados

Exercícios de CPM e PERT Enunciados Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

Capítulo XI. Teste do Qui-quadrado. (χ 2 )

Capítulo XI. Teste do Qui-quadrado. (χ 2 ) TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.

Leia mais

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

2 Lógica Fuzzy Introdução

2 Lógica Fuzzy Introdução 2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade

Leia mais

4 Sistemas de partículas

4 Sistemas de partículas 4 Sstemas de partículas Nota: será feta a segunte convenção: uma letra em bold representa um vector,.e. b b Nesta secção estudaremos a generalzação das les de Newton a um sstema de váras partículas e as

Leia mais

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade. Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

Matemática Aplicada à Economia LES 201. Economia matemática. A natureza da economia matemática. Conteúdo da Análise Econômica

Matemática Aplicada à Economia LES 201. Economia matemática. A natureza da economia matemática. Conteúdo da Análise Econômica Matemátca Aplcada à Economa LES 20 Aula 02/08/206 Márca A.F. as de Moraes A natureza da economa matemátca Economa matemátca não é um ramo especal da economa é uma abordagem à análse econômca o economsta

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

Realimentação negativa em ampliadores

Realimentação negativa em ampliadores Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

Medidas e resultados em um experimento.

Medidas e resultados em um experimento. Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

Estudo e Previsão da Demanda de Energia Elétrica. Parte II

Estudo e Previsão da Demanda de Energia Elétrica. Parte II Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais