# $%%& '( )'* +,-.//0, 1 $%%$,.. )* 2 3 ) * 456 5,, )* , 4 3 )* , )* 6 5, " 3 + )* 3 1 " ( 7 ( 2 -+ " 3 1
|
|
|
- João Lucas Martins Pinhal
- 7 Há anos
- Visualizações:
Transcrição
1 !" # $%%& '( )'* +,-.//0, 1 $%%$,.. )* 2 3 ) * 456 5,, )* , 4 3 )* , )* 6 5, " 3 + )* 3 1 " ( 7 ( 2 -+ " ( +, :&+!.&!; <7 )=1 * #! )>?#!@A>* B - C )D* " =!?#!@A+ $. $EE/A0%%% /F/G+ H31!?#!@A.
2 56 7, I '( )'* I, " ", 3 I, J,K )* ).* " 7, ;+ " 7, ;+ 1 ; + " 4 + " ", > ' + 7+, " + " I" I 5 L A > + +, 3 ; + 2 3; 5 I I 5B, 2 + ;M '1 + NO )./GA, ; ' ;.G/%./F/ 7 ' 1 ;+.G/%A./.:+,56 # 1 > ).//.* (A ' 44, + 3 ),, 56,, + 1 " ) 5B *, + 9P )$%%%* 6 7 ' " & NO )./G+, M+-+ M + 7 ' -A 5B 35 B 4 5B ;+ 5B 6A B ' ).//:* 7 ;!F + A, , + ' " 4 7 M 6A 7 ;!F. 3 4Q 7 56 ' 3, 35B, - NO)./G 4 "1 ).// / ; 1 ' $
3 > )./0 5B 3 ; ; 6 ; <1+ )./GF* 1 - M, - " 4 3 ' 7 # )./G/*, R -, 1 > ).//.* 1 A 56, I 3 D + 1 " + " 356 ; 1N )$%%.* ' 1 1 -,, M,3 3 3 S ' 1 9 = )$%%$* ' 1 3 4Q, +.G% &0% 1 > )./GF* 1 > ).//.* ( 5B ' $ D ; 1 ' 1 > ).//.* ' ).//:* )*;T-)T* 2 3 A ) * 456 5,, 456 5,,U )* T ,,U 6 5,, M, A '+, )* 5 ;11 )*@- = )@=*U )* 56 ) *, A 5B , - (, 1 " 1 56 D 4 56 ' D ' # B 6 D2. I,, 3 4Q -+ ; %.?%F?.//0 &.?.$?$%%. =, V 1.//F+ <.//G <+ 7.///+ 5 1 $ 1N )$%%.* 9 = )$%%$* 6 56 W &
4 65 Figura 1: Taxas Spot (n dias úteis) % CDI jul/96 out/96 jan/97 abr/97 jul/97 out/97 jan/9 abr/9 jul/9 out/9 jan/99 abr/99 jul/99 out/99 jan/00 abr/00 jul/00 out/00 jan/01 abr/01 jul/01 out/01 Tabela 1 Estatísticas Descritivas das Taxas à Vista Anualizadas Brasileiras de 01/07/1996 até 31/12/2001 Taxas em nível Diferença diária das taxas Estatíticas Média Méd.Segunda Méd.Terça Méd.Quarta Méd.Quinta Méd.Sexta Desvio Padrão D.P.Segunda D.P.Terça D.P.Quarta D.P.Quinta D.P.Sexta ρ ρ ρ ρ ρ Teste ADF * -3.07* -3.07* -.79** -.2** -7.92** -7.56** -7.5** -7.3** Teste KPSS 1.9** 1.6** 1.59** 1.53** 1.44** 1.3* Notas: (i) Tamanho das amostras em nível: 130 observações para Média, 275 para Segunda, 276 para Terça, 23 para Quarta, 271 para Quinta e 275 para Sexta. (ii) Tamanho das amostras em diferença: 1379 observações para Média, 263 para Segunda, 266 para Terça, 20 para Quarta, 256 para Quinta e 264 para Sexta. (iii) ADF testa H 0 : série não-estacionária. Para nível diário incluiu intercepto e 20 diferenças defasadas. Para diferença diária incluiu 19 diferenças defasadas. (iv) KPSS testa H 0 : série estacionária. Para nível diário utiliza janela de 21 defasagens. Para diferença diária utiliza 20 defasagens. (v) *(**) indica rejeição de H 0 ao nível de significância de 5% (1%). Para o ADF, valor crítico a 5% (1%) igual a -2.6 (-3.44). Para o KPSS, valor crítico a 5% (1%) igual a 0.46 (0.74). 1. ; ; 56 7 I, ; > I + 1 A 4 3 " + - M ; :
5 ; " 3 4 ).&G% 1 5B * 6A " 3 N XA# )#* 7 ( "6A YONON ).//$* )Y>>* 4 " - 1 ( 1 3 " 6A - ; D A " 4 #,.$0 $E$ 7 EZ 2R ( 16A " 54 - I, S 1, A ; 3 5 > " "56-4 ' 56 6 " , ", - 1 $ 56 A -" D 1 4 +;,+ < + + $% 3 A 5 3, 3 2 ; 6A + " - < 1 A 4 56 " 3 ) 56 * A ) 56 * " ) *+ 6 7 ( I 3+ " 4 56 )6 * > " & ( ,- M, A6 [ )./G%* ' ).//$*+ 1 ; 1.+/0 " 1 $+&&.. " > ;+ 2 3; 7 ( : 4 " 56+ 6A2 & M ( + - # ) 1.* " " 4 - ; : M 3-2R 2 56 A6 A E
6 Tabela 2 Teste de cointegração de Johansen (sem tendência) m n ** (0.06) 0.00 (0.01) ** 53.11** (0.06) (0.02) (0.01) (0.00) ** 42.13** 33.46** (0.06) (0.04) (0.03) (0.01) (0.01) (0.01) ** 33.42** 29.92** 29.13** (0.07) (0.09) (0.0) (0.06) (0.01) (0.02) (0.02) (0.01) ** 26.33** 23.9* 23.42* 20.29* * (0.10) (0.14) (0.15) (0.12) (0.05) (0.02) (0.03) (0.03) (0.02) (0.01) Notas: (i) De cima para baixo: LR(nenhum vetor), LR(máximo 1 vetor), coeficiente de cointegração e erro-padrão de White (190), segundo Hansen (1992). (ii) Permite-se intercepto no vetor de cointegração e 20 diferenças defasadas. (ii) *(**) indica rejeição da hipótese ao nível de significância de 5%(1%). (iii) Para LR(nenhum vetor) valor crítico a 5% (1%) igual a (24.60). (iv) Para LR(máximo 1 vetor) valor crítico a 5% (1%) igual a 9.24 (12.97). D 56 " 4 1 $ B ' 5B :+ 3, ' 1,, 456 ).* 3 )$*, ) + + " " (,; ) + )&* 0
7 1 A 4, ", ", 3 + A )$* 7 ; + ):* -A 1 )$* +1,, ; )* )E* ) * B 3, 3 D 456 )E*+ "A A ;, A 2, + A ;, -A " E 456 )E* 56, ;, ) )F* "<3 A ; ) * 456 )F* ' 1 M, 4 " 1 '+ 3 B A 6 ; , ;, " , + 56 " 4, ; " 56 > 456 )G* + 7 ' 1 " -+ 6 E " A ;, -A " A U A ;, ;, ( F )G*
8 )/* " 2 + M 56 ' 1 1 )$* " ).%* )..* " " ( 5, 3+ ", + ; ; + 3 4, " 4Q ;, ) * ; > 456 )..* + 7 ' 1 " -+ 6 ).$* ).&* " 2 + +, + ' 1 )G* )..* 1 )* 73; 4 " ) >N )./G/** )* 15B ; " 4 ) N ).//F** " )* ' )* ' > ).//.* B )* 1 5B 7 + N ).//F*+ )* 1 " G
9 + 2 A SA 4 A ).:* 4 " 3 ( 1 > ' )..* 17 3A 56 ).E* ,, 56 " 4, " A ).E* - 1 '+ 56+,6 A ).E* " 4 ). 1 '+ 6 ).F* " " + 6A2 3, 0 D )/*+ ).&* ).F* " D 1 &+ ; T - )T* )/* A6 (+ 7 F A 15B ;, A 56 - T 4 )* " A 15B, ) + * ) + *U )* 0 + ' Q+ 7 ( F A6 3 ' 'N )./G%* )/* /
10 A6+ 6 " ; 7 ( ( D 6 1 \ > ).//.* ' ).//:*+ + 4, ' 1 )* Tabela 3.a Coeficiente angular da regressão: R n-m t+m-r n t=α+β(m/(n-m))(r n t-r m t)+u t+m Mínimos Quadrados Ordinários (MQO) e Variáveis Instrumentais (VI) m n β mqo (1.45) β vi 0.03 (0.39) β mqo (1.60) (0.50) β vi (0.63) (0.31) β mqo (1.52) (0.51) (0.53) β vi (0.71) (0.30) (0.20) β mqo (1.51) (0.74) (0.6) (1.06) β vi (0.3) (0.50) (0.31) (0.26) β mqo (2.15) (1.23) (0.99) (1.92) (1.22) β vi (1.2) (0.7) (0.63) (0.53) (0.50) Notas: (i) Erros-padrão, reportados entre parênteses, computados conforme Hansen-Hodrick (190), supondo que os erros seguem um processo MA(m-1). (ii) A estimação por variáveis instrumentais utiliza vinte defasagens do spread ((R n t-r m t)) e vinte defasagens da variação da taxa curta em m períodos (R m t+m-r m t) , + < 56 3, =56 4 6! ).G*! " , ' ).//:* R I '+ 1 G D 1 &1+ T ).G* A6 (+ 7 / )/*+ T, 2 ;.Z.$.E " , G 4 6 " - 56, - ; ).&* / A6 3 ' 'N )./G%* )/*.%
11 M " )NO )./G* + " 1 ; 1 " )./* " 1 + " ' " " ;+ A " " " 4 4 " ) * #$ % " % )$%* + " 1 ; 1 " )$.* " " " ;+ A " " " 4 4 " ) * #$ % " )$$* % T 45B )/* ).G* 5 ;11 + = )@=* )$%*+ A 5 "1 ; 7 < " )* 1 & 56@= 456)/* M ( ; -, ( ; A 4,+ 4 1 ; + 56 ; ' ( ; 1 + )$$* A 5 & 5 ' <..
12 " )* 1 &1 456 ).G* M I )* A ; D " ; $ " -.% + A 4 ( ;1(",- ) *+ - ; ' ).//:* & 6 ' A )/*+ 7- < A 1 2- Tabela 3.b Coeficiente angular da regressão: R m t+m-r m t=χ+δ(r n t-r m t)+v t+1 Mínimos quadrados ordinários e variáveis instrumentais m n δ mqo 0.13 (0.05) δ vi 0.09 (0.01) δ mqo (0.03) (0.50) δ vi (0.01) (0.31) δ mqo (0.03) (0.26) (1.01) δ vi (0.01) (0.15) (0.40) δ mqo (0.02) (0.16) (0.40) (1.06) δ vi (0.00) (0.0) (0.17) (0.26) δ mqo (0.01) (0.13) (0.26) (0.1) (1.22) δ vi (0.00) (0.07) (0.15) (0.20) (0.50) Notas: (i) Erros-padrão, reportados entre parênteses, computados conforme Hansen-Hodrick (190), supondo que os erros seguem um processo MA(m-1). (ii) A estimação por variáveis instrumentais utiliza vinte defasagens do spread ((R n t-r m t)) e vinte defasagens da variação da taxa curta em m períodos (R m t+m-r m t) I'" - 56, ).&* 1 : 1 A 2 )* , ' 2 56 '+ 2 " % 3 1 &+ A ; 1...:.E EZ+ ".Z 2R.$
13 6A2 +, ) * Tabela 4 Estimativas de MQO de: S (n,m)* t = γ + β S (n,m) t + v t+m m n (0.19) (0.001) (0.1) (0.25) (0.003) (0.002) (0.1) (0.27) (0.005) (0.004) (0.23) (0.29) (0.35) (0.53) (0.00) (0.00) (0.007) (0.005) (0.19) (0.31) (0.3) (0.46) (0.61) (0.012) (0.012) (0.011) (0.010) (0.006) Notas: (i) De cima para baixo, coeficiente angular e erro-padrão, intercepto e erro-padrão. (ii) Errospadrão, reportados entre parênteses, computados conforme Hansen-Hodrick (190), supondo que os erros seguem um processo MA(n-m-1). 7 ).&* ).&* > ).//.*+ 1 7 ' 3 456).E*+' E 1 5B A6 ".$ + # 5B A6 ".$ " 4 3, ; 7 )$%%.* 56.&
14 Tabela 5: Correlação de S (n,m)' t em S (n,m) t m n Nota: Correlação e erro padrão calculado pelo método delta. 456 ).E*+ ' 4,6 A6 " 1 0 1,B A 6 ".:
15 Tabela 6: Razão σ(s (n,m)' t) / σ(s (n,m) t) m n Nota: Razão dos desvios-padrão e erro-padrão calculado pelo m. delta " ( 1 :+E B 3 1 " 3.+ ( 4-56 ) * B 56 3 ( )$&* " " 3 ( ' ( 56 " 2 456)/*+ ( )$&* 2 ( 6 ).&*+ 56 -,6 6 % % ( )$:* )$&*+ ) )/*+ A ( T ) *.E
16 ( D1 F ( 6)$E*,6 A6 )$:* " 1 F " 1 :+ 1 A ( 56 3, Tabela 7 Grau de reação exagerada (d) implicado por β ols e δ ols. m n d 0.41 σ(r n* t-r m t)/σ(r n t-r m t) 0.71 )$E* d σ(r n* t-r m t)/σ(r n t-r m t) d σ(r n* t-r m t)/σ(r n t-r m t) d σ(r n* t-r m t)/σ(r n t-r m t) d σ(r n* t-r m t)/σ(r n t-r m t) d=[(1-β ols )/δ ols ]/((n/m)-1) é o grau de overreaction necessário para explicar a diferença entre o parâmetro β estimado e a unidade. σ(r n* t-r m t)/σ(r n t-r m t)=1/(1+d) é a razão entre o desvio padrão teórico e realizado implicado por d. 7,B 1 F F ", 4 A6 " ,(! " ( ;.//0, 1 $%%$, D " $/F$ ' > ).//.* ' ).//:* )* ,, )* ,,+ 4 ; 1 ( " ; 1, )* 2 T ,, )* 6 5,, " 3 + )* 3 1 " (.0
17 + 7 ( 2 -+ " 3 + ( 56 56,( 56 ' ' " #$ ].^ % " %& '''& D " 1 $/F$+ $& 5 $%%% ]$^ %(& )*& (& #*+*&,-& **&../+ J 1 3 X 3 3 K + ::+ &%/A&:G ]&^ "& +* 1-& #*+*&..+ J_ > = A OK+ EG+ :/EAE.: ]:^ "& +* 1-& #*+*&.2/+ J K + /E+ E+.%0$A.%GG ]E^ "- & +*& '''++ M X ]0^ 3&#*4*& 5& *,* #&#**&.2/+ N > 'A K + EE?$ &/.A:%F ]F^ 4& *4*&.2+ J =3 > K +.&+ E%/AE$G ]G^ 4& *4* %& #*#*&.2/+ J =3 9AX #O K FF+ D :+ 0G%A0/$ ]/^ 4& 6*&.2.+ JD O 3 X 3 K `9=@+ D $+ $G&A&%E ].%^ &%**&..+ J' N K 3 + E:+.&/A.EG ]..^ & 5** (& #*+*&.2'+ J#O 3 # > K + GG+ G$/AGE& ].$^ & )**&..+ J 3!F K! + &&+ $EEA$G& ].&^ +-& 1*&..+ J K 9=`+ D 0+.EE.A.EG% ].:^ 67(7(& *& -& * "*& 1-& * 1-&..+ J D 'X 3 >X 3 M K + WW+.E/A.FG.F
18 ].E^ 5& *,* & +* *& ''& J '( K == #5 ].0^ 539& 4**& '''+J 3 X A D O 3 X K + EG+ &/FA:.E ].F^,(7&:*)*1&5**&.2+J9A = > A = K "# +../G:+ $$&A $:$ ].G^,(7& :*)*&.2;+ J > 3 = K"# +../G0+ 0.A/0 ]./^,3 4* 1-& #*+./0/ J > 3 = A 3 K!$ " #+ +..$A$% ]$%^ #-&,* 1(& +*+./G/ JO =3 3 > A_ K + $E+ &$&A&:G ]$.^ 1-& #*+*& "& +* 1--<& 6*5*&.2+ J#O # X = > 3 = K "# +../G&+.F&A$.F ]$$^ (&%*,*&&1*"*&''+J 'X, > 3 = K%# & &%+ ]$&^ =-& *&.2'+J' N XA 3 ' N XK `9@===+ D WW+ G.FAG&G " 56 D " A $/F$ + 4 6, ) * $.+ :$+ 0&+.$0 $E$ < %:?%F?.//:+ = )*+ 5B 7 M + 3 = \#+ " O " = 0+.$+ $: &0 \# ( 56,56 1 5B 3 A 2 56 $+ A ; ,A, 5B 3 = A ; = 3 = 3(+ )$*+,- )$.G
19 ,- " = ).- " < " 3 " ; 3 = + - " 3 3(+,- )$*+ )$F*,- " 4 /+,- ) /* 6 5B 7 3 = / + ).- ) /* 6 < " ; 3 = O /, 3(+ )$*+! )$G* + )01 " 56 " O / + ).2 " O+,- " 5 7 A" 3 = ).- " < 3 <+ 2, - ; 2 + ; O+ )$*+! )$/* + )01 ) /* " 56 " O / + ).2 ) /* " O ; -,+;A 56, < - ; 3( " #$ & #2. #% ) ) ' #( )&%* #) # / )) ) ) + ) ) ) ) " 2 7 % >?!@ 456 )$&* ; ( ( )&.*./
20 456 ) ( 3, )&$* 456 )&.*+ ( ( 1 456)$&* 4 456)&&*+ A+ ( ( )&:* 456 )/* 3+ 1 )&:* )&E*+ ( 3+ (3+ )&$* )&&* )&E* )& 3+, T 456).G*+ ( ( " A,BC T 456 )/* ; 1 ) 456 )./** )&F* )&G* " " )&/* " ):%* $%
21 " #$ #% " " " ):.* 3+" " " " ' #( #) 2 6 )/* ; " 3+ ):&* A 4 " # # #" ):E* 6 # # #" > ' A + 4 " " ): % " % %" % ):F* ):G* 3 ' ).//:* $.
22 T 456 ).G* 3 3+ ):/* 4 + ; 1 ) 456 )$.** " " )E%* " #$ #% " " " " 3+" " " ' " #( #) 2 6 )/* ; " 3+ )E:* )E.* )E$* A # " # #" )E 6 # # #" " " )EF* $$
DATA DIA DIAS DO FRAÇÃO DATA DATA HORA DA INÍCIO DO ANO JULIANA SIDERAL T.U. SEMANA DO ANO TRÓPICO 2450000+ 2460000+
CALENDÁRIO, 2015 7 A JAN. 0 QUARTA -1-0.0018 7022.5 3750.3 1 QUINTA 0 +0.0009 7023.5 3751.3 2 SEXTA 1 +0.0037 7024.5 3752.3 3 SÁBADO 2 +0.0064 7025.5 3753.3 4 DOMINGO 3 +0.0091 7026.5 3754.3 5 SEGUNDA
Séries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 12
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 12 Regressão com Variáveis Não-Estacionárias Considere três processos estocásticos definidos pelas seguintes
o Prêmio pela Maturidade na Estrutura a Termo das Taxas de Juros Brasileiras*
o Prêmio pela Maturidade na Estrutura a Termo das Taxas de Juros Brasileiras* Ricardo D. Britot Angelo Jose Mont' Alverne Duarte 1 Osmani Teixeira de Carvalho Guillén Fevereiro de 2003 Preliminar Abstract
Econometria I Lista 4: Inferência
Econometria I Lista 4: Inferência Professora: Fabiana Fontes Rocha Monitora: Camila Steffens 07 de maio de 2018 Instruções: Objetivos com a lista: estruturação do conteúdo e compreensão da matemática e
UNIVERSIDADE FEDERAL DE JUIZ DE FORA FACULDADE DE ECONOMIA ÍNDICE IBOVESPA: UMA ANÁLISE ECONOMÉTRICA. Leonardo Maia Coelho. Lucas Cavalcanti Rodrigues
UNIVERSIDADE FEDERAL DE JUIZ DE FORA FACULDADE DE ECONOMIA ÍNDICE IBOVESPA: UMA ANÁLISE ECONOMÉTRICA Leonardo Maia Coelho Lucas Cavalcanti Rodrigues Marina Oliveira Belarmino de Almeida Priscila Medeiros
4 Mecanismo gerador dos dados, quebras estruturais e cointegração
4 Mecanismo gerador dos dados, quebras estruturais e cointegração 4.1. Mecanismo gerador de dados Eis alguns fatos destacados na literatura: A teoria da PPC prevê que a taxa de câmbio real deve convergir
Notas de Aulas Econometria I ** Eduardo P. Ribeiro, 2011 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 0 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ρ ε t- + υ t, onde υ t é ruído
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
O capital humano nos municípios paranaenses: uma análise com regressões quantílicas
O capital humano nos municípios paranaenses: uma análise com regressões quantílicas Kassya Christina Keppe Luciano Nakabashi RESUMO O presente trabalho trata-se do capital humano como um dos fatores determinantes
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
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
Notas de Aulas Econometria I ** Eduardo P. Ribeiro, 2010 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 00 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ε t- + υ t, onde υ t é ruído
Introdução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
! " #! $% &' # ( )! * #!$"+, -.%/
! " #! $% &' # ( )! * #!$"+, -.%/ & 0 1 2 3 3 4 56 37680 0 3 9/ & 3 0 13: 1 ) ;4 >/ %4 / ) ;;?,4 )@???,4 6 1. 9 5 3 3/ 34 6 7 2 83 3 54 >"/ @/. # A' ;BC*D; / / / / / / / / / / / / / / C @/@
Universidade Federal do Rio Grande do Norte. Centro de Ciências Exatas e da Terra. Departamento de Demografia e Ciências Atuariais
Universidade Federal do Rio Grande do Norte Centro de Ciências Exatas e da Terra Departamento de Demografia e Ciências Atuariais Disciplina: Séries temporais Professor: Marcos Roberto Gonzaga Trabalho
3 Dados e metodologia
3 Dados e metodologia 3.1 Apresentação de Dados Para a realização dessa pesquisa foram utilizados os dados da série histórica dos preços da soja (em grão) do Estado do Paraná, obtidos da base de dados
UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA
1 UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA Professor: Ernesto Friedrich de Lima Amaral Disciplina: Avaliação
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
CONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
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
ECONOMETRIA EXERCÍCIOS DO CAPÍTULO 6
ECONOMETRIA EXERCÍCIOS DO CAPÍTULO 6 1. Exercício C18.13 i) a iv) de W. 2. Exercício C18.2 de W. 3. (Exercício 9 do exame de ER de 25/6/2010.) Com dados anuais de 1952 a 2009, pretendese analisar as propriedades
Econometria Lista 1 Regressão Linear Simples
Econometria Lista 1 Regressão Linear Simples Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 (2.9 do Wooldridge 4ed - Modificado)
Data Moeda Valor Vista Descrição Taxa US$ 07-Jul-00 Real 0,5816 Sem frete - PIS/COFINS (3,65%) NPR 1,81 14-Jul-00 Real 0,5938 Sem frete - PIS/COFINS
Data Moeda Valor Vista Descrição Taxa US$ 07-Jul-00 Real 0,5816 Sem frete - PIS/COFINS (3,65%) NPR 1,81 14-Jul-00 Real 0,5938 Sem frete - PIS/COFINS (3,65%) NPR 1,8 21-Jul-00 Real 0,6493 Sem frete - PIS/COFINS
(") ; b) ρ b1b2 = 0,5; ρ b1b3 = 0,5; ρ b1b4 = 0
GA PROJETO E ANÁLISE E REES GEOÉSICAS EXERCÍCIOS ) Estimar a precisão do perímetro e da área de uma circunferência, e do volume de uma esfera, cujo raio (R) pode ser medido com as seguintes características:
Análise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
5 Modelos de previsão
5 Modelos de previsão 5.1 Previsão de séries temporais Um método comum para escrever o problema de previsão de séries temporais em uma estrutura de estimação por regressão é considerar as séries temporais
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:
Econometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Métodos Quantitativos
Métodos Quantitativos Unidade 4. Estatística inferencial Parte II 1 Sumário Seção Slides 4.1 Correlação entre variáveis quantitativas 03 11 4.2 Teste de significância 12 19 4.3 Regressão linear 20 27 4.4
Introdução a Regressão Linear
Introdução a Regressão Linear 1 Duas pedras fundamentais em econometria: 1) Modelo de Regressão Linear 2) OLS método de estimação: Mínimos Quadrados Ordinários técnica algébrica / estatística Modelo de
Introdução a Regressão Linear
Introdução a Regressão Linear 1 Duas pedras fundamentais em econometria: 1) Modelo de Regressão Linear 2) OLS método de estimação: Mínimos Quadrados Ordinários técnica algébrica / estatística Modelo de
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
Instituto Superior de Economia e Gestão Universidade de Lisboa Econometria Época Normal 08/06/2017 Duração 2 horas
1 NOME: Instituto Superior de Economia e Gestão Universidade de Lisboa Econometria Época Normal 08/06/2017 Duração 2 horas Espaço Reservado para Classificações A utilização de qualquer meio de telecomunicação
Econometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Prova de Estatística
Prova de Estatística 1. Para um número-índice ser considerado um índice ideal, ele precisa atender duas propriedades: reversão no tempo e o critério da decomposição das causas. Desta forma, é correto afirmar
UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA
1 UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA Professor: Ernesto Friedrich de Lima Amaral Disciplina: Avaliação
RESPOSTAS - PROVA ESTATÍSTICA AGENTE PF 2018
RESPOSTAS - PROVA ESTATÍSTICA AGENTE PF 018 Determinado órgão governamental estimou que a probabilidade p de um ex-condenado voltar a ser condenado por algum crime no prazo de 5 anos, contados a partir
2 Risco de Base e Estatísticas Descritivas
2 Risco de Base e Estatísticas Descritivas 2.1 Amostra A amostra inclui os preços diários de todos os contratos futuros negociados de três commodities agropecuárias e dois ativos financeiros, entre 3 de
Séries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Econometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Indicador Avançado de Turismo IAT Açores
Indicador Avançado de Turismo IAT Açores SREA Serviço Regional de Estatística dos Açores CSE GTDEM 27 Out 2016 1 Indicador Avançado de Turismo Divulgado com 1 mês de antecedência sobre Destaques de Actividade
DEMONSTRATIVO DE CÁLCULO DE APOSENTADORIA - FORMAÇÃO DE CAPITAL E ESGOTAMENTO DAS CONTRIBUIÇÕES
Página 1 de 28 Atualização: da poupança jun/81 1 133.540,00 15,78 10,00% 13.354,00 10,00% 13.354,00 26.708,00-0,000% - 26.708,00 26.708,00 26.708,00 jul/81 2 133.540,00 15,78 10,00% 13.354,00 10,00% 13.354,00
CONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS A distribuição dos tempos de permanência dos estudantes nos cursos de graduação de certa universidade é uma distribuição normal com média igual a 6 anos e desvio padrão igual
COMPORTAMENTO DOS PREÇOS DO DIESEL E SUA RELAÇÃO COM OS PREÇOS DO PETRÓLEO NO MERCADO INTERNACIONAL
COMPORTAMENTO DOS PREÇOS DO DIESEL E SUA RELAÇÃO COM OS PREÇOS DO PETRÓLEO NO MERCADO INTERNACIONAL Natália da Costa Ramalho Ribeiro Projeto de Graduação apresentado ao Curso de Engenharia de Petróleo
Análise de Séries Temporais
Análise de Séries Temporais Definições Uma série temporal é qualquer conjunto de observações ordenadas no tempo. Por exemplo: Valores diários de poluição na cidade de São Paulo; Valores mansais de temperatura
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
Nome: Número: Espaço reservado para classificações
Instituto Superior de Economia e Gestão Universidade de Lisboa Licenciaturas em Economia e em Finanças Econometria - Época Normal - 07/01/2015 Duração 2 horas Nome: Número: Notas: A utilização do telemóvel
PRÓ-TRANSPORTE - MOBILIDADE URBANA - PAC COPA 2014 - CT 318.931-88/10
AMPLIAÇÃO DA CENTRAL DE Simpl Acum Simpl Acum jul/10 a jun/11 jul/11 12 13 (%) (%) (%) (%) 1.72.380,00 0,00 0,00 0,00 361.00,00 22,96 22,96 1/11 AMPLIAÇÃO DA CENTRAL DE ago/11 Simpl Acum Simpl Acum Simpl
PRÓ-TRANSPORTE - MOBILIDADE URBANA - PAC COPA 2014 - CT 318.931-88/10
AMPLIAÇÃO DA CENTRAL DE Simpl Acum Simpl Acum jul/10 a jun/11 jul/11 12 13 (%) (%) (%) (%) 0,00 0,00 0,00 0,00 0,00 0,00 1/11 AMPLIAÇÃO DA CENTRAL DE ago/11 Simpl Acum Simpl Acum Simpl Acum 14 set/11 15
Econometria. Econometria MQO MQO. Resíduos. Resíduos MQO. 1. Exemplo da técnica MQO. 2. Hipóteses do Modelo de RLM. 3.
3. Ajuste do Modelo 4. Modelo Restrito Resíduos Resíduos 1 M = I- X(X X) -1 X Hipóteses do modelo Linearidade significa ser linear nos parâmetros. Identificação: Só existe um único conjunto de parâmetros
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
Econometria. Regressão Linear Simples Lista de Exercícios
Econometria Regressão Linear Simples Lista de Exercícios 1. Formas funcionais e coeficiente de explicação Um corretor de imóveis quer compreender a relação existente entre o preço de um imóvel e o tamanho,
Análise de Regressão Linear Múltipla IX
Análise de egressão Linear Múltipla I Aula Gujarati e Porter - Capítulo 8 Wooldridge - Capítulo 5 Heij et al., 004 Seção 4..4 Introdução Ao longo dos próximos slides nós discutiremos uma alternativa para
Regressão múltipla: Unidades de medida. Unidades de medida. Unidades de medida salário em dólares (*1000) Unidades de medida
Efeitos da dimensão dos dados nas estatísticas MQO Regressão múltipla: y = β 0 + β x + β x +... β k x k + u Alterando a escala de y levará a uma correspondente alteração na escala dos coeficientes e dos
Esse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Tabela 1: Estimação do modelo TAR de Salgado, Garcia e Medeiros (2005)
5 Análise Empírica Conforme discutimos anteriormente, a política monetária brasileira desempenhou funções distintas no período de câmbio controlado. A primeira era defender o regime cambial nos momentos
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:
Segundo Trabalho de Econometria 2009
Segundo Trabalho de Econometria 2009 1.. Estimando o modelo por Mínimos Quadrados obtemos: Date: 06/03/09 Time: 14:35 Sample: 1995Q1 2008Q4 Included observations: 56 C 0.781089 0.799772 0.97664 0.3332
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP. Lista 7 - Econometria I
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP São Paulo - Nov/2017 Lista 7 - Econometria I Professora: Paula Pereda EAE0324 Monitores: Bernardo Ostrovski e Igor Barreto ALUNO: ATENÇÃO: A
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP. Exercícios Revisão
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE FEA/USP São Paulo - Nov/2017 Exercícios Revisão Professora: Paula Pereda EAE0324 Monitores: Bernardo Ostrovski e Igor Barreto Page 1 of 16 Exercícios
Um modelo para a evolução dos preços da habitação em Portugal
Um modelo para a evolução dos preços da habitação em Portugal Nuno Lourenço 13 de março de 2018 Departamento de Estudos Económicos 2009 T1 2009 T2 2009 T3 2009 T4 2010 T1 2010 T2 2010 T3 2010 T4 2011 T1
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA
1 UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA Professor: Ernesto Friedrich de Lima Amaral Disciplina: Avaliação
LES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 6 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Aula 4. Wilson Correa. August 5, 2015
Aula 4 Raíz Unitária e Cointegração Wilson Correa August 5, 2015 Introdução e Implicações Não estacionariedade possui possivelmente diversas origens em economia como resultado do progresso tecnológico
Quiz Econometria I versão 1
Obs: muitos itens foram retirados da ANPEC. Quiz Econometria I versão 1 V ou F? QUESTÃO 1 É dada a seguinte função de produção para determinada indústria: ln(y i )=β 0 + β 1 ln( L i )+β 2 ln( K i )+u i,
4 Especificidade do método
4 Especificidade do método Neste Capítulo aborda-se um segundo aspecto da validação de um método analítico através do controle da especificidade do método. A comparação de resultados analíticos pode ser
Correlação Serial e Heterocedasticidade em Regressões de Séries Temporais. Wooldridge, Cap. 12
Correlação Serial e Heterocedasticidade em Regressões de Séries Temporais Wooldridge, Cap. 1 Porto Alegre, 11 de novembro de 010 1 CORRELAÇÃO SERIAL Ocorrência Conseqüência Análise gráfica Autocorrelação
Análise de Séries Temporais
Análise de Séries Temporais Análise de Séries Temporais Definições Uma série temporal é qualquer conjunto de observações ordenadas no tempo. Por exemplo: Valores diários de poluição na cidade de São Paulo;
INGEPRO Inovação, Gestão e Produção Agosto de 2010, vol. 02, n o. 06 ISSN
Comparação empírica da razão e efetividade de hedge pelos modelos de myers & thompson, auto-regressivo vetorial bivariado e vetorial de correção de erro. Odilon José de Oliveira Neto
3 Influência do Canal do Crédito Sobre o Efeito da Política Monetária Sobre o Produto
3 Influência do Canal do Crédito Sobre o Efeito da Política Monetária Sobre o Produto Neste capítulo, testamos se o canal do crédito impacta o efeito da política monetária sobre o nível de atividade, a
Correlação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Econometria. Séries Temporais Lista de Exercícios
Econometria Séries Temporais Lista de Exercícios 1. Estimação da Autocovariância e da Autocorrelação Tome a série de dados da planilha estimacao.xlsx e estime o que se pede sobre a série de tempo dada.
Bioestatística. Mestrado Saúde Materno Infantil 2005 Prof. José Eulálio Cabral Filho
Bioestatística Mestrado Saúde Materno Infantil 2005 Prof. José Eulálio Cabral Filho Medidas de Dispersão Desvio padrão Medida da variabilidade dos valores em torno da média. ( xi DP= n 1 x) 2 É mais fiel
Gabarito Lista 2 LES0773 Estatística III. Os resultados dessa regressão são apresentados na seguinte tabela:
Gabarito Lista 2 LES0773 Estatística III Exercício 1) Utilizando a ferramenta Análise de Dados e a sua função Regressão, foi realizada uma regressão levando em consideração os gastos com PD como variável
Econometria. Econometria: Paradigma. Porque usar econometria? Porque usar econometria?
Econometria: Paradigma Econometria 1. O Paradigma da Econometria 19/8 Fundamentos teóricos Microeconometria e macroeconometria Modelagem comportamental: otimização, oferta de trabalho, equações de demanda,
y i = 40 = 56 = 460 = 360 = 648
Portaria MEC 347, de 05.04.01 DOU - 10.04.01. Estatística Quest(XI) Correlação e Regressão: Correlação: 1) Resolvido:. 4 1 48 16 144 6 10 60 36 100 8 8 64 64 64 10 1 10 100 144 1 14 168 144 196 = 40 =
ν ν α α π θ θ δ α α α + + α + α α + α + φ Γ φ θ θ θφ Γ δ = α ν α α ν + ν ν + ν + ν + δ + ν ν + δ + + + + + δ + + ν ν + + ν + + + ν ν ν + + ν + ν + = θ β β + Γ δ Γ δ β µ µ µµ µ µ µ µ α ν α µ
Estimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios. Wooldridge, Cápítulo 15
Estimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios Wooldridge, Cápítulo 5 Variáveis Instrumentais () 2 Variáveis Instrumentais Considere o seguinte modelo de regressão linear múltipla
Modelação de séries temporais não estacionárias
Modelação de séries temporais não estacionárias Susana Barbosa Mestrado em Ciências Geofísicas 2013-2014 Motivação - exemplo I Motivação - exemplo I Motivação - exemplo II Motivação - exemplo II Decomposição
Estatística Aplicada
Estatística Aplicada Correlação e Regressão Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada REGRESSÃO Correlação não implica Causalidade! O coeficiente de correlação não mede
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:
Aula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
A dinâmica da Função de Reação do Banco Central do Brasil: uma possível fonte da perda de eficácia da política monetária
A dinâmica da Função de Reação do Banco Central do Brasil: uma possível fonte da perda de eficácia da política monetária Rafael Quevedo do Amaral * Introdução O regime de metas de inflação, adotado no
Estatística Aplicada II. } Regressão Linear
Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7
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
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;
Uma Análise de Co-Integração entre Mercados de Ações da América do Sul
Uma Análise de Co-Integração entre Mercados de Ações da América do Sul Autores: Wesley Vieira da Silva, Robert Wayne Samohyl e Newton C. A. da Costa Jr. RESUMO: Este artigo verifica a existência de relacionamento
Nota de Aula: Uma Primeira Forma para se Desenvolver o Teste de F para Hipóteses sobre Combinações Linear dos Coeficientes da Regressão
Nota de Aula: Uma Primeira Forma para se Desenvolver o Teste de F para Hipóteses sobre Combinações Linear dos Coeficientes da Regressão Nós já vimos as propriedades de MQO sob as hipótese do BLUE e, quando
3 Referencial teórico
Referencial teórico 25 3 Referencial teórico Neste capítulo, será apresentado de forma resumida o arcabouço teórico que suporta a análise dos dados e conclusões deste estudo. 3.1. Análise de séries temporais
CONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS No que diz respeito à teoria microeconômica, julgue o item subsequente. 51 Para um consumidor com preferências quase lineares, em caso de redução no preço do bem X, o efeito substituição
Os Mínimos Quadrados Ordinários Assintóticos
Os Mínimos Quadrados Ordinários Assintóticos Enquadramento 1. A analise assintótica, é o método matemático que descreve a limitação de um determinado comportamento. O termo assintótico significa aproximar-se
1. Conceitos básicos de estatística Níveis de medição Medidas características de distribuições univariadas 21
OS SABERES INDISPENSÁVEIS 7 Índice Prefácio 13 Capítulo 1 Os Saberes Indispensáveis 1. Conceitos básicos de estatística 17 1.1. Níveis de medição 18 1.2. Medidas características de distribuições univariadas
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
CORRELAÇÃO E REGRESSÃO
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE TRANSPORTES MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA CORRELAÇÃO E REGRESSÃO Professora: Cira Souza Pitombo Disciplina: ENG C 18 Métodos
Princípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
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
Modelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos