Gabarito da 1 a Lista de Exercícios de Econometria II

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Gabarito da 1 a Lista de Exercícios de Econometria II"

Transcrição

1 Gabarito da 1 a Lista de Exercícios de Econometria II Professor: Rogério Silva Mattos Monitor: Delano H. A. Cortez Questão 1 Considerando que o modelo verdadeiro inicialmente seja o seguinte: C = a + 2Y + b 3 D 1 + b 4 D 2 + b 5 D 3 + ε 1º) Teste de Hipóteses: H 0 : b 4 = b 5 = 0 H 1 : pelo menos 1, b 4 ou b 5, 0 2º) Definição dos modelos: Mod. Irrestrito: C = 15, ,734Y 1,422D 1 0,733D 2 0,576D 3 Mod. Restrito : C = 16, ,715Y 1,513D 1 3º) Com base nas informações do exercício, temos: SQE IR = 197,31 (somatório dos quadrados explicados do modelo irrestrito) SQR IR = 8,97 (somatório dos quadrados dos resíduos do modelo irrestrito) SQE R = 184,27 (somatório dos quadrados explicados do modelo restrito) 4º) Calcular Estatística F: F = (SQE IR SQE R ) / (K IR - K R ) ~ F ( IR R, N K IR ) SQR IR / N K IR F = (197,31 184,27) / (5 3) = 37,07 8,97 / (56 5) 5º) Definir α : α = 5% 6º) Regra de decisão: F < F C Aceita H 0 F C (2, 51) 3,23 F = 37,07 37,07 3,23 Rejeita H 0, ou seja, as variáveis D 2 e D 3 em bloco são significativas para o modelo, com nível de significância de 5%. Questão 2 Questão 3 a) Para verificar se houve mudança no intercepto entre o 1º e o 2º intervalo de períodos, o economista deveria testar a hipótese H 0 : d 2 = 0 contra 1 0. Para tanto, deveria usar um teste t e compará-la com o ponto crítico de t para o modelo. Se t fosse maior que t c, então haveria mudança no intercepto entre os intervalos de períodos. Este procedimento serviria para verificar se a variável dummy pode ser considerada relevante para o modelo, ao nível de significância escolhido. b) Para verificar se houve mudança no coeficiente de X deveria proceder da mesma forma, só que em relação a β 2, isto é, testar H 0 : β 2 = 0 contra H 1 : β 2 0. c) Para verificar uma mudança global no modelo entre o 1º e o 2º período deveri realizar um teste F como o realizado na questão anterior (definir teste de hipóteses, definir modelos restrito e irrestrito, calcular SQE IR, SQR IR, SQE R, calcular estatística F, definir α e aplicar a regra de decisão). Consideremos o modelo irrestrito: β 1 β 2 β 3 β 4 β 5 β 6 I = 1, ,541D + 0,252 Y + 0,157(D Y) 1,751E 1,129(DE) (2,72) (0,71) (7,32) (3,41) (-3,13) (-1,58) Para um N = 20 e considerando α = 5%, temos que: T C (0,025, 14) 2,15 K = 6 T C (0,025, 17) 2,11 K = 3 Com isso, para testar os parâmetros do modelo irrestrito, devemos executar o seguinte teste de hipóteses, baseado na estatística t: H 0 : β j = 0 (j = 1, 2,..., 6) H 1 : β j 0 (j = 1, 2,..., 6) com T C (0,025, 14) 2,15 A) Houve mudança no intercepto do modelo com o plano de desenvolvimento? Submetendo β 2 ao teste t, verificamos: T C T de β 2 T C Aceita H 0 T de β 2 < Τ C ou T de β 2 > Τ C Rejeita H 0 T de β 2 = 0,71 T C = ± 2,15 Como 0,71 < 2,15, aceitamos a hipótese nula, ou seja, β 2 = 0. Dessa forma, podemos afirmar que, ao nível de 5% de significância, não houve mudança no intercepto do modelo com o plano de desenvolvimento. B) Houve mudança nos coeficientes da renda e da taxa de câmbio? Submetendo β 4 ao teste t, verificamos: T C T de β 4 T C Aceita H 0 T d β 4 < Τ C ou T de β 4 > Τ C Rejeita H 0 T de β 4 = 3,41

2 T C = ± 2,15 Como 3,41 > 2,15, rejeita-se a hipótese nula, ou seja, β 4 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, houve mudança no coeficiente da renda com o plano de desenvolvimento. Submetendo β 6 ao teste t, verificamos: T C T de β 6 T C Aceita H 0 T de β 6 < Τ C ou T de β 6 > Τ C Rejeita H 0 T de β 6 = -1,58 T C = ± 2,15 Como -2,15 < -1,58 < 2,15, aceita-se a hipótese nula, ou seja, β 6 = 0. Dessa forma, podemos afirmar que, ao nível de 5% de significância, não houve mudança no coeficiente da taxa de câmbio efetiva. C) Houve mudança no modelo como um todo? Teste F para bloco de variáveis: 1º) H 0 : β 2 = β 4 = β 6 = 0 H 1: β 2 ou β 4 ou β 6 0 2º) Mod. Irrest.: I = 1, ,541D + 0,252 Y + 0,157(D Y) 1,751E 1,129(DE) Mod. Rest.: I = 1, ,341 Y 2,153E 3º) SQE IR = 17,30 SQR IR = 5,4 SQE R = 14,77 4º) F = (17,30 14,77) / (6 3) = 2,18 5,42 / (20 6) 5º) α = 5% 6º) F < F C Aceita H 0 F C (3, 14) 3,34 F = 2,18 2,18 3,34 Aceita H 0 (????) D) Qual a sensibilidade da demanda por importações a mudanças no crescimento da renda em cada período? E com relação à taxa de câmbio? Sensibilidade da demanda por Importação com relação à Renda: No 1º período (71 a 81) = 0,252 Questão 4 No 2º período (82 a 90) = 0, ,157 = 0,4090 Com relação à taxa de Câmbio Efetiva: No 1º período (71 a 81) = -1,751 No 2º período (82 a 90) = -1,751 Não houve mudança com relação à taxa de câmbio porque o coeficiente da variável dummy associada a esta taxa foi considerado insignificante (H 0 : β 6 = 0 não foi rejeitada). Dessa forma, podemos considerar que não houve variação em E de um período para o outro. Consideremos o modelo irrestrito: β 1 β 2 β 3 β 4 β 5 β 6 β 7 Π t = 0, ,451 Μ t + 0,322 M t ,123 PIB t + 0,727D pc + 0,353D pb + 0,653D cl (6,15) (4,30) (3,154) (6,12) (5,43) (5,13) (3,92) Para um N = 48 temos que: T C (0,025, 41) 2,02 K = 7 T C (0,025, 44) 2,02 K = 4 Com isso, para testar os parâmetros do modelo irrestrito, devemos executar o seguinte teste de hipóteses, baseado na estatística t: H 0 : β j = 0 (j = 1, 2,..., 7) H 1 : β j 0 (j = 1, 2,..., 7) com T C (0,025, 41) 2,02 i) 1º) H 0 : β 5 = 0 Η 1: β 5 0 2º) T C T de β 5 T C Aceita H 0 T de β 5 < Τ C ou T de β 5 > Τ C Rejeita H 0 Como 5,43 > 2,02, rejeita-se a hipótese nula, ou seja, β 5 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, o Plano Cruzado foi significativo na redução da taxa de inflação. ii) 1º) H 0 : β 6 = 0 Η 1: β 6 0

3 2º) T C T de β 6 T C Aceita H 0 T de β 6 < Τ C ou T de β 6 > Τ C Rejeita H 0 Como 5,13 > 2,02, rejeita-se a hipótese nula, ou seja, β 6 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, o Plano Bresser foi significativo na redução da taxa de inflação. iii) 1º) H 0 : β 7 = 0 Η 1: β 7 0 2º) T C T de β 7 T C Aceita H 0 T de β 7 < Τ C ou T de β 7 > Τ C Rejeita H 0 Como 3,92 > 2,02, rejeita-se a hipótese nula, ou seja, β 7 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, o Plano Collor foi significativo na redução da taxa de inflação. iv) Questão 5 1º) H 0 : β 5 = β 6 = β 7 = 0 H 1: β 5 ou β 6 ou β 7 0 2º) Mod. Irrest.: Π t = 0, ,451 Μ t + 0,322 M t ,123 PIB t + 0,727D pc + 0,353D pb + 0,653D cl Mod. Rest.: Π t = 1, ,713 Μ t + 0,521 M t ,154 PIB t 3º) SQE IR = 0,392 SQR IR = 0,170 SQE R = 0,354 4º) F = (0,392 0,354) / (7 4) = 3,05 0,17 / (48 7) 5º) α = 5% 6º) F < F C Aceita H 0 F C (3, 41) 2,84 F = -2,01 3,05 > 2,84 Rejeita-se H 0, ou seja, o lançamento de um plano de estabilização é, em geral, um meio eficaz de se combater a inflação no curto prazo, considerando u teste a 5% de significância. 1º) Verificar magnitude e sinais dos coeficientes Os sinais do modelo encontram-se coerentes com o que nos indica a teoria econô ica, pois um aumento no preço médio deve reduzir a venda de veículos (logo, sinal negativo) e um aumento na renda pessoal disponível deve aumentar a venda de veículos (logo, sinal positivo). Além disso, a magnitude da variação das vendas decorrente do aumento da renda também é condizente com o esperado, visto situar-se entre 0 e 1 (propensão marginal a consumir). 2º) Verificar D.W. D.W. testa a existência de ACS1. No modelo, N = 44 e K = 2. Então: d l = 1,198 d u = 1,398 Teste de Hipótese: H 0 : ACS1 = 0 H 1 : ACS1 0 ACS1 (+) ACS1 (-) Rejeita H 0? Aceita H 0? Rejeita H 0 0 1,198 1, ,602 2,802 4 Como D.W. do modelo é 1,92, então se aceita a hipótese nula de que não há autocorrelação serial de 1º ordem. Logo, as estatísticas t e F obtidas no modelo podem ser utilizadas para a análise. 3º) Análise das estatísticas t (considerando α = 5%) Para o modelo sob análise, T C (2,5%, 41) = 2,02. Comparando as estatísticas t do modelo com o T C podemos afirmar que todos os coeficientes são significativos ao nível de confiança determinado. 4º) Grau de ajustamento Os graus de ajustamento R 2 2 e R apresentam-se muito bons, sendo de 0,821 e 0,814, respectivamente, o que demonstra a consistência e a robustez do modelo. 5º) Estatística F A estatística F nos indica que estes valores são consistentes ao nível de significância utilizado, pois F C (2, 41) = 3,23 e F do modelo = 17,11. Testando: H 0 : R 2 = 0 H 1 : R 2 > 0 Como F > F C, então se rejeita a hipótese de que o grau de ajustamento do modelo seja igual a zero. Questão 6

4 Primeiramente, devemos perceber que os sinais e magnitudes dos coeficientes continuam coerentes com a teoria econômica. Depois, devemos verificar se houve alteração quanto à existência ou não de ACS1. Com a inserção da nova variável, temos que K passa de 2 para 3. De acordo com a tabela D.W., para a combinação N = 44 e K = 3 temos d l = 1,148 e d u = 1,457. Como a D.W. do modelo variou para 1,935, temos que ainda situa-se na zona de aceitação da hipótese nula, ou seja, não há autocorrelação serial de 1 a ordem e podemos confiar nas estatísticas t e F obtidas. Podemos garantir que a nova variável melhorou a capacidade explicativa do modelo, pois aplicando o teste t temos: (α = 5%) H 0 : β j = 0 (j = 1, 2,..., 4) H 1 : β j 0 (j = 1, 2,..., 4) com C T(0,025, 41) 2,02 T C T de β j T C Aceita H 0 T de β j < Τ C ou T de β j > Τ C Rejeita H 0 Como todas as estatísticas t do modelo são positivas e maiores que 2,02, podemos afirmar que se apresentam significativas na explicação do modelo. Além disso, o R 2 2 e o R apresentaram aumento em seus valores, demonstrando a melhora do ajustamento do modelo. Construindo um teste F, temos: Teste de Hipóteses: H 0 : β 4 = 0 H 1 : β 4 0 SQE IR = 382,24 SQR IR = 36,88 SQE R = 344,10 H 0 : ACS1 = 0 H 1 : ACS1 0 ACS1 (+) ACS1 (-) Rejeita H 0? Aceita H 0? Rejeita H 0 0 d l d u 2 4 d u 4 - d l 4 Verifica-se para o modelo estimado quais seriam os pontos de significância de d l e d u, através do número de observações e de regressores. Nesta questão, temos N = 25 e K = 2. Então d l = 1,206 e d u = 1,550. Como o DW encontrado pelo economista para o modelo foi 0,52, podemos afirmar que há ACS1 positiva. Em modelos onde é verificada a existência desse problema, existe a subestimação da variância dos parâmetros (com conseqüente aumento no valor da estatística t) e superestimação do R 2 2 e do R. Por isso, com a existência de ACS1, não se pode mais utilizar os testes t e F no modelo. Para correção do problema, o economista deveria multiplicar ρ (um índice de autocorrelação) em ambos os lados do modelo e aplicar sobre a nova equação os MQO. Questão 9 Podemos afirmar que o model piorou, visto que com o acréscimo da variável PIB 2 houve uma diminuição do R. Apesar do R 2 ter aumentado, isto não significa necessariamente que o modelo melhorou, pois o R 2 sempre aumenta com o acréscimo de 2 novas variáveis, mesmo que irrelevantes. Já o R verifica se o acréscimo da nova variável fo realmente interessante para o modelo. Como neste caso ele diminuiu, concluímos que este acréscimo não aumentou o nível de explicação do modelo. Questão 10 F = (382,24 344,1) / (4 3) = 41,37 36,88 / (44 4) Regra de decisão: F < F C Aceita H 0 F C (1, 40) 4,08 F = 41,37 41,37 4,08 Rejeita H 0, ou seja, a variável taxa de juros real para crédito ao consumidor é significativa para o modelo, com nível de significância de 5%. Questão 7 Questão 8 A estatística DW nos indica a existência ou não de autocorrelação serial de 1 a ordem. Sua utilização deve ser feita através da seguinte análise: β 1 β 2 β 3 β 4 β 5 β 6 VC t = 5,47 1,23D t 11,12PC t 2,12D t PC t 17,2T t 1,32D t T t (3,12) (-2,57) (-3,74) (-3,11) (-7,75) (-2,16) Para um N = 60 e α = 5%, temos que: T C (0,025, 54) 2,02 K = 6 T C (0,025, 57) 2,02 K = 3 Com isso, para testar os parâmetros do modelo irrestrito, devemos executar o seguinte teste de hipóteses: H 0 : βj = 0 (j = 1, 2,..., 6) H 1 : β j 0 (j = 1, 2,..., 6) com C T(0,025, 54) 2,02 A) Houve mudança no intercepto do modelo? Submetendo β 2 ao teste t, verificamos: T C T de β 2 T C Aceita H 0 T de β 2 < Τ C ou T de β 2 > Τ C Rejeita H 0

5 T de β 2 = -2,57 T C = ± 2,02 Como 2,57 < -2,02, rejeita-se a hipótese nula, ou seja, β 2 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, houve mudança no intercepto do modelo, sendo esta mudança uma aproximação da origem (de 5,47 para 4,24). B) Houve mudança no coeficiente do preço? Submetendo β 4 ao teste t, verificamos: T C T de β 4 T C Aceita H 0 T de β 4 < Τ C ou T de β 4 > Τ C Rejeita H 0 T de β 4 = -3,11 T C = ± 2,02 Como -3,11 < -2,02, rejeita-se a hipótese nula, ou seja, β 4 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, houve mudança no coeficiente do preço com o lançamento da nova marca. Uma variação positiva de uma unidade monetária nos preços das marcas antigas, após o lançamento da nova cerveja, faz com que as vendas das cervejas antigas variem negativamente em 13,24 milhões, contra uma variação de -15,34 milhões antes do lançamento. C) Houve mudança no coeficiente da temperatura? Submetendo β 6 ao teste t, verificamos: T C T de β 6 T C Aceita H 0 T de β 6 < Τ C ou T de β 6 > Τ C Rejeita H 0 T de β 6 = -3,11 T C = ± 2,02 Como -7,75 < -2,02, rejeita-se a hipótese nula, ou seja, β 6 0. Dessa forma, podemos afirmar que, ao nível de significância de 5%, houve mudança no coeficiente da temperatura com o lançamento da nova marca. Uma variação positiva de uma unidade na temperatura, após o lançamento da nova cerveja, faz com que as vendas das cervejas antigas varie positivamente em 15,88 milhões, contra uma variação de 20 milhões antes do lançamento. D) Houve mudança global no modelo? Teste F para bloco de variáveis: 1º) H 0 : β 2 = β 4 = β 6 = 0 H 1: β 2 ou β 4 ou β 6 0 2º) Mod. Irrest.: VC t = 5,47 1,23D t 11,12PC t 2,12D t PC t + 17,2T t 1,32D t T t Mod. Rest.: VC t = 5,32 15,34PC t + 20T t 3º) SQE IR = 19,25 SQR IR = 1,02 SQE R = 17,12 4º) F = (19,25 17,12) / (6 3) = 37,59 1,02 / (60 6) 5º) α = 5% 6º) F < F C Aceita H 0 F C (3, 54) 2,84 F = 37,54 37,54 2,84 Rejeita H 0, ou seja, as variáveis β 2, β 4 e β 6 em bloco são significativas para o modelo, com nível de significância de 5%. Questão 11 1º) Verificar magnitude e sinais dos coeficientes Os sinais do modelo encontram-se coerentes com o que nos indica a teoria econômica, pois um aumento na tarifa deve reduzir o consumo de energia (logo, sinal negativo) e um aumento no PIB deve aumentar o consumo de energia (logo, sinal positivo). 2º) Verificar D.W. D.W. testa a existência de ACS1. No modelo, N = 44 e K = 2. Então: d l = 1,198 d u = 1,398 Teste de Hipótese: H 0 : ACS1 = 0 H 1 : ACS1 0 ACS1 (+) ACS1 (-) Rejeita H 0? Aceita H 0? Rejeita H 0 0 1,198 1, ,602 2,802 4 Como D.W. do modelo é 1,79, então se aceita a hipótese nula de que não há autocorrelação serial de 1º ordem. Logo, as estatísticas t e F obtidas no modelo podem ser utilizadas para a análise. 3º) Análise das estatísticas t (considerando α = 5%) Para o modelo sob análise, T C (2,5%, 41) = 2,02. Comparando as estatísticas t do modelo com o T C podemos afirmar que todos os coeficientes são significativos ao nível de confiança determinado. 4º) Grau de ajustamento

6 Os graus de ajustamento R 2 2 e R apresentam-se muito bons, sendo de 0,76 e 0,75, respectivamente, o que demonstra a consistência e a robustez do modelo. 5º) Estatística F A estatística F nos indica que estes valores são consistentes ao nível de significância utilizado, pois F C (2, 41) = 3,23 e F do modelo = 26,3. Testando: H 0 : R 2 = 0 H 1 : R 2 > 0 Como F > F C, então se rejeita a hipótese de que o grau de ajustamento do modelo seja igual a zero.

MODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013

MODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013 MODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013 Maria José CharfuelanVillarreal Universidade Federal do ABC OBJETIVO Identificar

Leia mais

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

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 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 mais

Econometria - Lista 6

Econometria - Lista 6 Econometria - Lista 6 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 A curva de Phillips desempenha um papel fundamental na

Leia mais

REGRESSÃO LINEAR Parte I. Flávia F. Feitosa

REGRESSÃO 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 mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. 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 mais

Exercícios Selecionados de Econometria para Concursos Públicos

Exercícios Selecionados de Econometria para Concursos Públicos 1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência

Leia mais

Análise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013

Análise 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 mais

FATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997

FATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997 Economia e Desenvolvimento, nº 11, março/2000 Artigo Acadêmico FATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997 Zenir Adornes da Silva * Resumo: Neste artigo, analisa-se a influência

Leia mais

XI Encontro de Iniciação à Docência

XI Encontro de Iniciação à Docência 4CCSADEMT03 O MODELO IS LM: UMA ABORDAGEM PARA A ECONOMIA BRASILEIRA NO PERÍODO DE 1995 2007 Tatyanna Nadábia de Souza Lima (1), Marcilia Nobre Gadelha (2), Sinézio Fernandes Maia (3) Centro de Ciências

Leia mais

AULAS 14 E 15 Modelo de regressão simples

AULAS 14 E 15 Modelo de regressão simples 1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem

Leia mais

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa

Conceitos 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 mais

Homocedasticidade? Exemplo: consumo vs peso de automóveis

Homocedasticidade? Exemplo: consumo vs peso de automóveis REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5

Leia mais

Resolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.

Resolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016. de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%

Leia mais

Teste F-parcial 1 / 16

Teste F-parcial 1 / 16 Teste F-parcial Ingredientes A hipótese nula, H 0, define o modelo restrito. A hipótese alternativa, H a : H 0 é falsa, define o modelo irrestrito. SQR r : soma de quadrado dos resíduos associada à estimação

Leia mais

Estatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br

Estatística - 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 mais

Soluções da Colectânea de Exercícios

Soluções 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 mais

4 Modelos de Regressão Dinâmica

4 Modelos de Regressão Dinâmica 4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:

Leia mais

ANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno

ANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno ANOVA FACTORIAL Quando a variável dependente é influenciada por mais do que uma variável independente (Factor) estamos interessados em estudar o efeito não só de cada um dos factores mas e também a possível

Leia mais

Estimação e Testes de Hipóteses

Estimação 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 mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 9 Modelos de Regressão com Variáveis Binárias Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Variáveis

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

4 Resultados. 4.1 Resultados das Regressões Estruturais

4 Resultados. 4.1 Resultados das Regressões Estruturais 37 4 Resultados 4.1 Resultados das Regressões Estruturais A tabela 4.1.1 apresenta os resultados das regressões estruturais realizadas de acordo com as equações (1) e (2). As variáveis dependentes são

Leia mais

Testes de Hipótese para uma única Amostra - parte I

Testes de Hipótese para uma única Amostra - parte I Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os

Leia mais

Prova de Estatística

Prova de Estatística UNIVERSIDADE FEDERAL DO PARÁ CURSO DE MESTRADO EM ECONOMIA PROCESSO SELETIVO 2010 Prova de Estatística INSTRUÇÕES PARA A PROVA Leia atentamente as questões. A interpretação das questões faz parte da prova;

Leia mais

a) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20%

a) 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 mais

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)

DE 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 mais

AULA 13 Análise de Regressão Múltipla: MQO Assimptótico

AULA 13 Análise de Regressão Múltipla: MQO Assimptótico 1 AULA 13 Análise de Regressão Múltipla: MQO Assimptótico Ernesto F. L. Amaral 15 de abril de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução

Leia mais

ANÁLISE 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: 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 mais

MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência

MÓDULO 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 mais

UMA ANÁLISE ECONOMÉTRICA DO ICMS *

UMA ANÁLISE ECONOMÉTRICA DO ICMS * UMA ANÁLISE ECONOMÉTRICA DO ICMS * Carlos Eduardo S. Marino ** * Trabalho de conclusão da disciplina de Econometria I, ministrada pelos professores Ivan Castelar e Vitor Monteiro, realizada no primeiro

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5 MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão

Leia mais

DELINEAMENTO EM BLOCOS AO ACASO

DELINEAMENTO EM BLOCOS AO ACASO DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.

Leia mais

Demanda Brasileira de Importação de Borracha Natural,

Demanda Brasileira de Importação de Borracha Natural, XLV Congresso da Sociedade Brasileira de Economia, Administração e Sociologia Rural "Conhecimentos para a Agricultura do Futuro" Demanda Brasileira de Importação de Borracha Natural, 1965-2005 Naisy Silva

Leia mais

EXPERIMENTAÇÃO AGRÁRIA

EXPERIMENTAÇÃO AGRÁRIA EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características

Leia mais

Contabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento

Contabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada

Leia mais

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Probabilidade 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 mais

INSTITUTO 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. 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 mais

AULAS 25 E 26 Heteroscedasticidade

AULAS 25 E 26 Heteroscedasticidade 1 AULAS 25 E 26 Heteroscedasticidade Ernesto F. L. Amaral 10 e 15 de junho de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução à econometria:

Leia mais

Capítulo 11 Análise da Variância. Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1

Capítulo 11 Análise da Variância. Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1 Capítulo 11 Análise da Variância Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1 Objetivos do Aprendizado Neste capítulo você aprenderá: Os conceitos básicos da modelagem

Leia mais

AULA 11 Heteroscedasticidade

AULA 11 Heteroscedasticidade 1 AULA 11 Heteroscedasticidade Ernesto F. L. Amaral 30 de julho de 2012 Análise de Regressão Linear (MQ 2012) www.ernestoamaral.com/mq12reg.html Fonte: Wooldridge, Jeffrey M. Introdução à econometria:

Leia mais

Econometria - Lista 5

Econometria - Lista 5 Econometria - Lista 5 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 Utilizando a base de dados disponível em TEMCOPROD.wtf1,

Leia mais

Bioexperimentação. Prof. Dr. Iron Macêdo Dantas

Bioexperimentação. Prof. Dr. Iron Macêdo Dantas Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)

Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48) Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro

Leia mais

PROJETO 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 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 mais

AULA 30 16/06/2009 Econometria. Bibliografia:Introdução do livro: GUJARATI, D. Econometria Básica. São Paulo: Makron Books, 2000.

AULA 30 16/06/2009 Econometria. Bibliografia:Introdução do livro: GUJARATI, D. Econometria Básica. São Paulo: Makron Books, 2000. AULA 30 16/06/2009 Econometria. Bibliografia:Introdução do livro: GUJARATI, D. Econometria Básica. São Paulo: Makron Books, 2000. O que é econometria? Definição do grego: Oikonomia - economia Metron medida.

Leia mais

Análise da Variância. Prof. Dr. Alberto Franke (48)

Análise da Variância. Prof. Dr. Alberto Franke (48) Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros

Leia mais

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I 8/8/05 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 8/08/05 06:55 ESTATÍSTICA APLICADA

Leia mais

Intervalos de Confiança - Amostras Pequenas

Intervalos de Confiança - Amostras Pequenas Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016

Leia mais

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:

Nessa 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 mais

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos 1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo

Leia mais

Testes de Hipóteses Paramétricos

Testes de Hipóteses Paramétricos Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto

Leia mais

Análise da Regressão. Prof. Dr. Alberto Franke (48)

Análise 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

Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência

Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto Introdução 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2.

Leia mais

Econometria Semestre

Econometria Semestre Econometria Semestre 2010.01 174 174 21.4. PROCESSOS ESTOCÁSTICOS INTEGRADOS O passeio aleatório é apenas um caso particular de uma classe de processos estocásticos conhecidos como processos integrados.

Leia mais

7 Teste de Hipóteses

7 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 mais

AULA 05 Análise de regressão múltipla: inferência

AULA 05 Análise de regressão múltipla: inferência 1 AULA 05 Análise de regressão múltipla: inferência Ernesto F. L. Amaral 19 de julho de 2013 Análise de Regressão Linear (MQ 2013) www.ernestoamaral.com/mq13reg.html Fonte: Wooldridge, Jeffrey M. Introdução

Leia mais

Hipóteses. Hipótese. É uma pressuposição de um determinado problema.

Hipóteses. Hipótese. É uma pressuposição de um determinado problema. Bioestatística Aula 7 Teoria dos Teste de Hitóteses Prof. Tiago A. E. Ferreira 1 Hipóteses Hipótese É uma pressuposição de um determinado problema. Uma vez formulada, a hipótese estará sujeita a uma comprovação

Leia mais

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos 1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas

Leia mais

Medidas de Dispersão ou variabilidade

Medidas de Dispersão ou variabilidade Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou

Leia mais

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: 46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y

Leia mais

Teste de hipótese de variância e Análise de Variância (ANOVA)

Teste de hipótese de variância e Análise de Variância (ANOVA) Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Testes sobre variâncias Problema: queremos saber se há diferenças estatisticamente

Leia mais

M l u t l i t c i oli l n i e n arid i a d de

M l u t l i t c i oli l n i e n arid i a d de Multicolinearidade 1 Multicolinearidade Quando existem relação linear exata entre as variáveis independentes será impossível calcular os estimadores de MQO. O procedimento MQO utilizado para estimação

Leia mais

Especialização em Engenharia de Processos e de Sistemas de Produção

Especialização em Engenharia de Processos e de Sistemas de Produção Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 2ª parte Experimentos inteiramente

Leia mais

AULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012

AULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012 1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à

Leia mais

EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA

EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA

Leia mais

Considerações. Planejamento. Planejamento. 3.3 Análise de Variância ANOVA. 3.3 Análise de Variância ANOVA. Estatística II

Considerações. Planejamento. Planejamento. 3.3 Análise de Variância ANOVA. 3.3 Análise de Variância ANOVA. Estatística II UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARAN PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula 8 Profa. Renata G. Aguiar Considerações Coleta de dados no dia 18.05.2010. Aula extra

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

Análise espacial da incidência de Dengue no município de São Paulo

Análise espacial da incidência de Dengue no município de São Paulo Análise espacial da incidência de Dengue no município de São Paulo João Vitor, Joyane, Nayara e Rafael TRABALHO FINAL - ETAPA III - MTI QUADRIMESTRE 2015.2 Introdução ESCALA: Distrital TEMPO: 2010 O uso

Leia mais

Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear

Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Rogério Antonio de Oliveira 1 Chang Chiann 2 1 Introdução Atualmente, para obter o registro

Leia mais

AULAS 24 E 25 Análise de Regressão Múltipla: Inferência

AULAS 24 E 25 Análise de Regressão Múltipla: Inferência 1 AULAS 24 E 25 Análise de Regressão Múltipla: Inferência Ernesto F. L. Amaral 03 e 08 de novembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma

Leia mais

TESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média

TESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média TESTES DE HIPÓTESES Conceitos, Testes de 1 proporção, Testes de 1 média 1 Testes de Hipóteses População Conjectura (hipótese) sobre o comportamento de variáveis Amostra Decisão sobre a admissibilidade

Leia mais

Paulo Jorge Silveira Ferreira. Princípios de Econometria

Paulo Jorge Silveira Ferreira. Princípios de Econometria Paulo Jorge Silveira Ferreira Princípios de Econometria FICHA TÉCNICA TÍTULO: Princípios de Econometria AUTOR: Paulo Ferreira ISBN: 978-84-9916-654-4 DEPÓSITO LEGAL: M-15833-2010 IDIOMA: Português EDITOR:

Leia mais

Predição da Taxa de Desemprego Brasileira utilizando com Modelo de Regressão com Erros Autocorrelacionados

Predição da Taxa de Desemprego Brasileira utilizando com Modelo de Regressão com Erros Autocorrelacionados Predição da Taxa de Desemprego Brasileira utilizando com Modelo de Regressão com Erros Autocorrelacionados José Eduardo Holanda Ellery Coelho 1 Hellano Vieira de Almeida 2 Rafael Braz Azevedo Farias 3

Leia mais

REGRESSÃO LINEAR SIMPLES E MÚLTIPLA

REGRESSÃO LINEAR SIMPLES E MÚLTIPLA REGRESSÃO LINEAR SIMPLES E MÚLTIPLA Curso: Agronomia Matéria: Metodologia e Estatística Experimental Docente: José Cláudio Faria Discente: Michelle Alcântara e João Nascimento UNIVERSIDADE ESTADUAL DE

Leia mais

AULAS 17 E 18 Análise de regressão múltipla: inferência

AULAS 17 E 18 Análise de regressão múltipla: inferência 1 AULAS 17 E 18 Análise de regressão múltipla: inferência Ernesto F. L. Amaral 06 e 11 de outubro de 2011 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria:

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

4 Base de dados, métricas estatísticas e metodologia

4 Base de dados, métricas estatísticas e metodologia 4 Base de dados, métricas estatísticas e metodologia 4.1. Base de dados Foram coletados dados do boletim estatístico do Ministério da Previdência Social de forma temporal para os meses de dezembro de 2002

Leia mais

A Metodologia de Box & Jenkins

A Metodologia de Box & Jenkins A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de

Leia mais

EXAME NACIONAL DE SELEÇÃO 2012 PROVA DE ESTATÍSTICA

EXAME NACIONAL DE SELEÇÃO 2012 PROVA DE ESTATÍSTICA EXAME NACIONAL DE SELEÇÃO 2012 PROVA DE ESTATÍSTICA 1 o Dia: 28/09/2011 - QUARTA FEIRA HORÁRIO: 10h30m às 12h45m (horário de Brasília) Exame Nacional ANPEC 2012: 1º Dia 1 EXAME NACIONAL DE SELEÇÃO 2012

Leia mais

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir

Leia mais

PADRÃO DE RESPOSTA. Pesquisador em Informações Geográficas e Estatísticas A I PROVA 9 SISTEMA FINANCEIRO

PADRÃO DE RESPOSTA. Pesquisador em Informações Geográficas e Estatísticas A I PROVA 9 SISTEMA FINANCEIRO Questão n o 1 Conhecimentos Específicos O texto dissertativo deve abordar o que está apresentado abaixo. A curva de Phillips estabelece o trade-off entre inflação e desemprego. No curto prazo, um aumento

Leia mais

Previsão da inflação do indicador IGP-M através de um modelo ARIMA

Previsão da inflação do indicador IGP-M através de um modelo ARIMA Previsão da inflação do indicador IGP-M através de um modelo ARIMA Mauricio Mattos Junho de 2014 Resumo Esse trabalho visa identificar um modelo ARIMA que seja efetivo na descrição e predição dos valores

Leia mais

9 Regressão linear simples

9 Regressão linear simples 9 Regressão linear simples José Luis Duarte Ribeiro Carla ten Caten COMENTÁRIOS INICIAIS Em muitos problemas há duas ou mais variáveis que são relacionadas e pode ser importante modelar essa relação. Por

Leia mais

Prof. Caio Piza CCSA - Depto de Economia/NPQV

Prof. Caio Piza CCSA - Depto de Economia/NPQV Workshop de Econometria: Introdução ao uso do Eviews Prof. Caio Piza CCSA - Depto de Economia/NPQV Motivação: Como estimar o impacto de um variável vel sobre a outra, o efeito causal,, com base em uma

Leia mais

Carga Horária: 80 horas (correspondem a aulas e atividades extra-classe)

Carga Horária: 80 horas (correspondem a aulas e atividades extra-classe) Curso: Economia Disciplina: ECONOMETRIA Turma 4ECO Carga Horária: 80 horas (correspondem a aulas e atividades extra-classe) Período Letivo: 2014/1 Professor: Hedibert Freitas Lopes (www.hedibert.org) OBJETIVO:

Leia mais

Oferta de Trabalho e Mobilidade Urbana

Oferta de Trabalho e Mobilidade Urbana Oferta de Trabalho e Mobilidade Urbana José Márcio Camargo 1 Rafael Bacciotti 2 1. Introdução Entre 2005 e 2014, a taxa de participação no mercado de trabalho brasileiro (a relação entre a População Economicamente

Leia mais

Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais

Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br

Leia mais

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas. 1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento

Leia mais

CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO

CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO Ana Paula Araujo Correa Eder Queiroz Newton Trevisan DEFINIÇÃO É um teste de hipóteses que se destina a encontrar um valor da dispersão para duas variáveis

Leia mais

Cap. 11 Testes de comparação entre duas amostras

Cap. 11 Testes de comparação entre duas amostras Estatística Aplicada às Ciências Sociais Sexta Edição Pedro Alberto Barbetta Florianópolis: Editora da UFSC, 006 Cap. 11 Testes de comparação entre duas amostras Planejamento da pesquisa e análise estatística

Leia mais

Séries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 4

Séries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 4 em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 4 O Processo Média-Móvel Muitas vezes, a estrutura auto-regressiva não é suficiente para descrever totalmente

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor

Leia mais

Medidas de Dispersão para uma Amostra. Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO

Medidas de Dispersão para uma Amostra. Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO Medidas de Dispersão para uma Amostra Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO Medidas de Dispersão para uma Amostra Para entender o que é dispersão, imagine que quatro alunos

Leia mais

Taxa Interna de Retorno (TIR)

Taxa Interna de Retorno (TIR) Problemas com o Método da TIR (Taxa Interna de Retorno) Hoje vamos falar do método da TIR (Taxa Interna de Retorno) e de alguns problemas que podem ocorrer quando utilizamos essa técnica na análise de

Leia mais

2 Conteúdo Informacional da Estrutura a Termo da Taxa de Juros no Brasil

2 Conteúdo Informacional da Estrutura a Termo da Taxa de Juros no Brasil 2 Conteúdo Informacional da Estrutura a Termo da Taxa de Juros no Brasil No Brasil, o conteúdo informacional da curva de juros é ainda um assunto muito pouco explorado. O objetivo desta seção é explorar

Leia mais

AULAS 28 E 29 Análise de Regressão Múltipla com Informações Qualitativas

AULAS 28 E 29 Análise de Regressão Múltipla com Informações Qualitativas 1 AULAS 28 E 29 Análise de Regressão Múltipla com Informações Qualitativas Ernesto F. L. Amaral 07 e 09 de dezembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à

Leia mais

Testes de Hipóteses sobre a média: Várias Amostras

Testes de Hipóteses sobre a média: Várias Amostras Testes de Hipóteses sobre a média: Várias Amostras Na aula de hoje veremos como comparar mais de duas populações, baseados em dados fornecidos por amostras dessas populações. A Análise de Variância (ANOVA)

Leia mais

mat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br

mat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br Prof. Lorí Viali, Dr. http://www. ://www.mat mat.ufrgs..ufrgs.br br/~viali/ viali@mat mat.ufrgs..ufrgs.br Média Uma amostra Proporção Variância Dependentes Diferença de médias m Duas amostras Independentes

Leia mais

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 8 Testes de hipóteses APOIO: Fundação de Ciência e Tecnologia

Leia mais

EXAME NACIONAL DE SELEÇÃO 2010

EXAME NACIONAL DE SELEÇÃO 2010 EXAME NACIONAL DE SELEÇÃO 2010 PROVA DE ESTATÍSTICA 1 o Dia: 30/09/2009 - QUARTA FEIRA HORÁRIO: 10h 30m às 12h 45m (horário de Brasília) EXAME NACIONAL DE SELEÇÃO 2010 PROVA DE ESTATÍSTICA 1º Dia: 30/09

Leia mais