EAE0325 Econometria II. Professora: Fabiana Fontes Rocha. Gabarito Primeira Lista Teórica de Exercícios
|
|
- Mauro Affonso Álvares
- 5 Há anos
- Visualizações:
Transcrição
1 EAE0325 Econometria II Professora: Fabiana Fontes Rocha Gabarito Primeira Lista Teórica de Exercícios Bloco 1 Assinalar se as afirmativas a seguir são verdadeiras V) ou falsas F) Exercício 1 Sobre o modelo de probabilidade linear é uma variável binária assumindo somente os valores 0 e 1 é correto afirmar que:, onde y 1. A probabilidade de sucesso {PY=1/X)}, é igual à esperança condicional de y {EY/X)},sendo assim a probabilidade de resposta linear nos parâmetros V 2. pode ser interpretado como a mudança em y devido ao aumento de uma unidade em, mantendo os demais fatores fixos F No modelo de probabilidade linear, sucesso quando mede a mudança prevista na probabilidade de muda, mantendo os demais fatores fixos. 3. O modelo de probabilidade linear, em geral, será homoscedástico. F Quando y é uma variável binária, a variância condicional em x, é dada por Var y/x)=px).[1- px)], onde px) é a probabilidade de sucesso: PY=1/X). Assim, exceto no caso onde a probabilidade independe das variáveis explicativas, haverá heteroscedasticidade no modelo de probabilidade linear. 4. Uma das limitações do modelo de probabilidade linear é que as probabilidades previstas pelo modelo podem estar abaixo de zero ou acima de 1. V Exercício 2 - Com relação aos modelos logit e probit de resposta binária, podemos afirmar que: 1. Eles evitam as limitações do MPL ao proporem modelos em que a probabilidade de resposta são funções não lineares dos parâmetros, que assumem valores apenas no intervalo de zero a um. No modelo logit,a função utilizada é a logística. Já no modelo probit, utiliza-se a função de distribuição acumulada da normal. V 2. Utilizamos o método de mínimos quadrados ordinários na estimação desses tipos de modelo de resposta binária. F Devido à natureza não-linear desses modelos, não é possível a utilização do método de mínimos quadrados ordinários. Podemos, entretanto, utilizar outros métodos de estimação que possibilitem a incorporação dessas não-linearidades, como Non Linear Least Squares ou o estimador de máxima verossimilhança. 3. Os efeitos relativos de duas variáveis explicativas contínuas sempre irão depender dos valores em que estamos avaliando essas variáveis. F Efeitos relativos de duas variáveis quaisquer é dado por: Exercício 3 Sobre os modelos Tobit para solução de canto, podemos afirmar que: 1. O modelo Tobit é utilizado quando temos uma variável dependente que assuma valor zero para uma fração significativa da população e seja aproximadamente contínua para os demais valores da variável. V
2 2. A estimação por MQO no caso de variáveis com solução de canto levará a estimadores consistentes dos parâmetros. F Vemos que o valor de y condicional a y>0 é dado por: ), onde é a razão de Mills inversa. Essa equação nos mostra que o uso do MQO somente para observações poderá levar a uma inconsistência dos estimadores, pois a razão de Mills inversa é uma variável omitida, e em geral ela será relacionada às variáveis explicativas. 3. Quando temos variáveis de contagem assumindo um número pequeno de valores devemos utilizar o modelo Tobit. F Devemos usar modelos específicos de regressão de dados de contagem. O modelo estudado adequado nesse caso é o modelo de regressão de Poisson. 4. Ao estimarmos um modelo de solução de canto por MQO teremos um viés de variável omitida, sendo essa variável omitida a razão de Mills inversa. V Exercício 4 Com relação ao Modelo de Regressão de Poisson podemos afirmar que: 1. É usado quando temos variáveis de contagem como variáveis dependentes, ou seja, uma variável que assume valores inteiros não-negativos, assumindo um número relativamente pequeno de valores. O valor esperado pode ser nesse caso modelado como uma função exponencial dos parâmetros. V 2. Utilizando o valor esperado na forma exponencial, o log do valor esperado é linear, e assim a mudança proporcional exata no valor esperado é dado por 100. F 100 é aproximadamente a porcentagem de mudança em Ey/x) dado o aumento de uma unidade em ) 1]. A mudança proporcional exata no valor esperado será dada por: 3. A variável de contagem assume uma distribuição de Poisson, cuja distribuição é determinada inteiramente pela média, sendo necessária somente a especificação de EY/X). V 4. A estimação de quase-máxima verossimilhança será utilizada quando não assumirmos que a distribuição de Poisson é inteiramente válida. Os erros padrão obtidos na estimação por máxima verossimilhança estarão corretos. F Quando usamos a estimação de máxima verossimilhança de Poisson, mas não assumimos que a distribuição de Poisson esteja inteiramente correta, chamamos a análise de estimação de quase-máxima verossimilhança. Ao menos que a hipótese de variância de Poisson seja válida ou seja, variância igual à média), os erros padrão terão que ser ajustados. Exercício 5 Com relação aos Modelos de Regressão Censurada e Truncada é correto afirmar que:
3 1. Nos modelos de regressão censurada e truncada lidamos com um problema de falta de dados, no qual temos informações se as observações foram censuradas ou não. F Nos modelos de regressão censurada lidamos com um problema de falta de dados, no qual temos informações se as observações foram censuradas ou não. Nos modelos de regressão truncada não observamos qualquer que informação que seja sobre um certo segmento da população. 2. O modelo de regressão censurada pode ser analisado de forma análoga ao Tobit. F Apesar das semelhanças do Tobit e do modelo de regressão censurada há uma importante diferença entre os problemas que esses modelos lidam: o Tobit é usado para modelar uma variável dependente que possui um certo padrão acumulada no zero, e aproximadamente contínua em valores positivos); já o modelo de regressão censurada lida com um problema de coleção dos dados, por algum motivo os dados são censurados. 3. No modelo de regressão normal censurada podemos interpretar os coeficientes da mesma forma que em um modelo de regressão linear sob amostragem aleatória. V 4. Assim como no MQO, no modelo de regressão normal censurada, a violação das hipóteses de homoscedasticidade ou não normalidade dos erros gera inconsistência dos estimadores. F No modelo de regressão normal censurada a violação das hipóteses de homoscedasticidade ou não normalidade dos erros irá, em geral, gerar inconsistência dos estimadores. No MQO, a violação das hipóteses de homoscedasticidade ou não normalidade dos erros não gera inconsistência dos estimadores. Todavia, sem a hipótese de homoscedasticidade os estimadores das variâncias { } serão viesados, o MQO não será mais BLUE, e as estatísticas de inferência estatística não serão assintoticamente válidas. A hipótese de normalidade dos erros só será problemática em amostras pequenas. Bloco 2 Questões dissertativas Exercício 1 Wooldridge) Defina grad como uma variável dummy informando se um estudante-atleta de uma grande universidade se formará em cinco anos. Sejam nmem e sat a nota média no Ensino Médio e a nota do exame SAT, respectivamente. Defina estudo como o número de horas gastas por semana em uma sala de estudo organizada. Suponha que, usando os dados de 420 estudantes-atletas, obtenha-se o seguinte modelo logit: Onde é a função logit. Mantendo fixos nmem em 3,0 e sat em 1200, compute a diferença estimada na probabilidade de formatura de alguém que passou dez horas por semana em uma sala de estudo e de alguém que passou cinco horas por semana.
4 Primeiramente, devemos computar a probabilidade estimada em nmem=3, sat em 1200 e educ=10 e subtrair desse número a probabilidade estimada em nmem=3, sat em 1200 e educ=5. Na obtenção da primeira probabilidade, começamos computando a função linear e substituindo na função logit.. Substituindo na função logit teremos: exp0,319)/ [1+ exp0,319)] = 0,579. Para alguém que passou cinco horas por semana na sala de estudo teremos: 0,283. Substituindo esse valor na função logística chegamos ao valor 0,570. Assim, a diferença estimada na probabilidade de formatura de alguém que passou dez horas por semana em uma sala de estudo e de alguém que passou cinco horas por semana, dadas as demais características, é dada por 0,579-0,570 = 0,009, ou seja, 0,9 pontos percentuais a mais. Exercício 2 Descreva como encontrar/interpretar o efeito parcial das variáveis explicativas sobre o valor esperado da variável dependente nos seguintes modelos: a) Probit e Logit Variáveis aproximadamente contínuas: efeito parcial sobre a probabilidade de resposta é dado pela derivada parcial:, onde g.) é a função densidade de probabilidade da normal Probit) ou da logística Logit). Na estimação do efeito parcial de sobre a probabilidade de resposta, o usual é usarmos os coeficientes estimados e os valores médios das explicativas no cálculo do fator de ajuste: ) Variáveis explicativas discretas: efeito sobre a probabilidade de resposta de ir de para +1) é dado por:, onde G.) é a função de distribuição acumulada da normal no Probit e a função logística no Logit. Como dito no caso das contínuas, ao estimarmos a alteração na probabilidade prevista usaremos coeficientes estimados e os valores médios das explicativas. b) Tobit Variáveis aproximadamente contínuas: o efeito parcial de dado por: sobre o valor esperado é, onde é a função de distribuição acumulada da normal padrão. Com essa fórmula, poderemos fazer comparações aproximadas das estimativas do Tobit e do MQO. Em geral, avaliamos as variáveis explicativas em seus valores médios para obter um fator de ajuste comum { usamos como fator de ajuste }. Variáveis explicativas discretas: O efeito parcial de uma variável explicativa discreta deve ser obtido estimando-se Ey/x) a partir da equação: ), onde é a fda da normal padrão e é a fdp da normal padrão. Se a variável explicativa for uma dummy, por exemplo, primeiro calculamos a estimativa de Ey/x) com x=1, usando os valores médios das demais explicativas ou outros valores de interesse, e depois calculamos essa estimativa para x=0, e subtraímos os valores encontrados.
5 c) Modelo de Regressão de Poisson Como no modelo de regressão de Poisson especificamos o valor esperado na forma exponencial, o log do valor esperado é linear. Assim, 100 é aproximadamente a porcentagem de mudança em Ey/x) dado o aumento de uma unidade em mudança proporcional exata no valor esperado será dada por: ) 1]. Não podemos comparar diretamente as magnitudes das estimativas de Poisson de uma função exponencial com as estimativas de MQO de uma função linear. Para as variáveis explicativas contínuas, uma comparação aproximada do efeito parcial é dada por:. A. Como nos outros casos estudados, usaremos os coeficientes estimados e as médias das variáveis explicativas para compararmos as estimativas de Poisson e MQO. Exercício 3 Wooldridge) Considere uma função de poupança familiar para a população de todas as famílias dos Estados Unidos: Onde: Tamfam = tamanho da família Educ = anos de escolaridade do chefe da família Idade = idade do chefe da família Assuma que:. a) Suponha que a amostra inclua apenas famílias cuja idade do chefe é superior a 25 anos. Se usarmos o MQO em tal amostra, obteremos estimadores não viesados dos? Explique. O MQO será não viesado, pois estamos selecionando a amostra com em uma variável explicativa exógena. A função de regressão da população para poup é a mesma função de regressão da subpopulação com idade>25. b) Agora, suponha que nossa amostra inclua somente casais sem filhos. Podemos estimar todos os parâmetros na equação de poupança? Quais podemos estimar? Assumindo que estado civil e o número de crianças afeta a poupança somente através do tamanho da família, esse será outro exemplo de seleção amostral exógena. Nesse caso, será a subpopulação de pessoas casadas sem filhos e teremos sempre tamfam=2. Como não há variação no tamanho da família, não poderemos estimar o parâmetro. Agora o intercepto nessa subpopulação será dado por, e essa será a estimativa que podemos obter. Mas assumindo que as demais variáveis explicativas variam nessa subpopulação e que a amostra de pessoas casadas sem filhos é suficientemente grande, podemos estimar consistentemente os demais estimadores.
6 c) Suponha que excluamos de nossa amostra as famílias que poupam mais de dólares por anos. O MQO produzirá estimadores consistentes dos Nesse caso, estaríamos selecionando a amostra com base na variavel dependente, o que faz com que o MQO seja viesado e inconstente na estimação dos do modelo populacional. No lugar do MQO deveríamos usar um modelo de regressão truncada. Exercício 4 Descreva o procedimento de ajuste dos erros-padrão da estimação de quase máxima verossimilhança do modelo de Poisson. Quando esse ajuste será necessário? Deveremos ajustar os erros-padrão sempre que não considerarmos válida a hipótese de variância de Poisson média é igual à variância). Um ajuste simples é possível quando assumimos que a variância é proporcional à média:, sendo um parâmetro desconhecido. Sob essa hipótese, o procedimento de ajustes dos erros-padrão é o seguinte: 1) Seja a estimação de quase máxima verossimilhança de Poisson, e defina os resíduos como, onde. 2) O estimador consistente de é dado por:. 3) Definindo como a raiz quadrada de, multiplicaremos os erros padrões habituais de Poisson por. Exercício 5 Quando o MQO aplicado a uma amostra selecionada levará a estimadores inconsistentes? Descreva o procedimento de correção de seleção amostral proposto por Heckman. Como posso testar o viés de seleção? Se a seleção amostral for exógena, ou seja, se a amostra for determinada somente por uma variável explicativa exógena, o MQO será consistente na amostra selecionada. Desde que haja variação suficiente na subpopulação, a seleção exógena não gera problemas tão graves, apesar dos estimadores se tornarem ineficientes. Quando a seleção amostra é endógena, isto é, seleção de amostra com base na variável dependente haverá inconsistência no MQO. Vamos agora analisar as propriedades estatísticas do MQO usando uma amostra selecionada, ou seja, quando nosso indicador de seleção. Podemos considerar a equação:. Quando, teremos o modelo populacional de uma extração aleatória, e se, a equação nada nos dirá sobre os parâmetros. Essa equação nos possibilitará a verificar a consistência dos estimadores em de uma amostra selecionada. Para a consistência dos estimadores as variáveis explicativas devem ser não correlacionadas com o erro, podemos escrever nesse caso essa hipótese como:. Se for independente de teremos:. fizemos a hipótese de não correlação das explicativas com o erro). Sendo assim, se a seleção for feita de forma aleatória, o MQO será consistente. Se depender das variáveis de controle e de outros termos aleatórios que sejam independentes do erro e das variáveis de controle, ainda assim, o MQO será consistente. Método Heckit de Correção da Seleção Amostral: Dados: e, onde z é um vetor de variáveis exógenas, e x é um subconjunto de z.
7 1) Usando todas as observações da amostra, estimar um modelo Probit de sobre e com as estimativas obtidas calcular a razão inversa de Mills para cada observação. 2) Usando a amostra selecionada, computar a seguinte regressão:. Um teste possível do viés de seleção amostral é verificar se na segunda etapa do método de correção amostral, na regressão de, o coeficiente de é estatisticamente significativo. Se esse coeficiente não for estatisticamente significativo a níveis muito altos de significância, isso será um indício que não há problema de seleção na amostra. Exercício 6 Wooldridge) Suponha que você seja contratado por uma universidade para estudar os fatores que determinam se os alunos admitidos na universidade efetivamente matricularam-se na universidade. Você recebe uma grande amostra aleatória dos alunos que foram admitidos no ano anterior. Também são disponibilizadas informações sobre se cada aluno decidiu matricular-se, o desempenho no Ensino Médio, a renda familiar, o auxílio financeiro oferecido, raça e variáveis geográficas. Alguém lhe diz Qualquer análise desses dados conduzirá a resultados viesados, pois não se trata de uma amostra aleatória de todos os candidatos às universidades, mas somente aqueles que se candidataram nessa universidade. Qual a sua opinião sobre essa crítica? Para o propósito imediato de descobrir as variáveis que determinam se os alunos admitidos na universidade decidiram se matricular, não haverá um problema de seleção amostral. A população de interesse é alunos admitidos em uma determinada universidade. Dessa forma, é apropriado especificar um modelo para esse grupo, no caso provavelmente usando um modelo de probabilidade linear, probit ou a logit. Assim, a estimação por MQO ou máxima verossimilhança produzirá estimadores consistentes. Se a universidade espera que o perfil dos candidatos mude em um future próximo, então haverá um problema de seleção amostral. Os estudantes que se candidatam no presente deverão ser sistematicamente diferentes dos alunos que irão se candidatar no futuro.
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 maisPARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES
PARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES 2.1 DEFINIÇÃO DO MODELO DE REGRESSÃO SIMPLES Duas variáveis: y e x Análise explicar y em termos de x
Leia maisAULAS 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 maisAULA 9 - MQO em regressão múltipla: Propriedades Estatísticas (Valor Esperado)
AULA 9 - MQO em regressão múltipla: Propriedades Estatísticas (Valor Esperado) Susan Schommer Econometria I - IE/UFRJ Valor esperado dos estimadores MQO Nesta aula derivamos o valor esperado dos estimadores
Leia maisAULAS 21 E 22 Análise de Regressão Múltipla: Estimação
1 AULAS 21 E 22 Análise de Regressão Múltipla: Estimação Ernesto F. L. Amaral 28 de outubro e 04 de novembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação
Leia maisAULA 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 maisAULAS 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 maisRESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 30 de abril e 02 de maio de 2013 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisEstimação 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
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisProva de Estatística
Prova de Estatística 1. Para um número-índice ser considerado um índice ideal, ele precisa atender duas propriedades: reversão no tempo e o critério da decomposição das causas. Desta forma, é correto afirmar
Leia maisAnálise de Regressão Múltipla: Mínimos Quadrados Ordinários
1 Análise de Regressão Múltipla: Mínimos Quadrados Ordinários Ernesto F. L. Amaral Magna M. Inácio 26 de agosto de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho e Análise Empírica
Leia maisAULA 09 Análise de regressão múltipla com informações qualitativas
1 AULA 09 Análise de regressão múltipla com informações qualitativas Ernesto F. L. Amaral 25 de julho de 2013 Análise de Regressão Linear (MQ 2013) www.ernestoamaral.com/mq13reg.html Fonte: Wooldridge,
Leia maisAULAS 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 maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisGabarito - Lista 5 - Questões de Revisão
Gabarito - Lista 5 - Questões de Revisão Monitores: Camila Steffens e Matheus Rosso Parte I - Teoria assintótica 1. Enuncie a lei dos grandes números e o teorema central do limite. A LGN em sua expressão
Leia mais1. 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 maisProva 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 maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisAULAS 17 E 18 Análise de regressão múltipla: estimação
1 AULAS 17 E 18 Análise de regressão múltipla: estimação Ernesto F. L. Amaral 22 e 24 de outubro de 2013 Avaliação de Políticas Públicas (DCP 046) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação
Leia maisEconometria Lista 1 Regressão Linear Simples
Econometria Lista 1 Regressão Linear Simples Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 (2.9 do Wooldridge 4ed - Modificado)
Leia maisAULA 03 Análise de regressão múltipla: estimação
1 AULA 03 Análise de regressão múltipla: estimação Ernesto F. L. Amaral 17 de julho de 2013 Análise de Regressão Linear (MQ 2013) www.ernestoamaral.com/mq13reg.html Fonte: Cohen, Ernesto, e Rolando Franco.
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisAULA 17 - Variáveis binárias
AULA 17 - Variáveis binárias Susan Schommer Econometria I - IE/UFRJ Variáveis binárias A variável binária (ou dummy) é um simples exemplo de variável aleatória, o qual é chamada de função indicadora de
Leia maisAULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia maisQuiz 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,
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisUNIVERSIDADE 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
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS quantidade São Paulo (j = 1) Rio de Janeiro (j = 2) Minas Gerais (j = 3) Rio Grande do Sul (j = 4) total casos novos (X, em milhões) casos pendentes (Y, em milhões) processos
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisModelo de Variáveis discretas. Regressão com uma variável dependente Binária. Variáveis dependentes Binárias. Modelo de Probabilidade Linear
Regressão com uma variável dependente Binária Capítulo 9 Stock e Watson. Econometria. Modelo de Variáveis discretas P(y = 1 x) = G(β 0 + xβ) y* = β 0 + xβ + u, y = max(0,y*) 1 2 Variáveis dependentes Binárias
Leia maisAULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância)
AULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância) Susan Schommer Econometria I - IE/UFRJ Variância dos estimadores MQO Vamos incluir mais uma hipótese: H1 [Linear nos parâmetros]
Leia maisAULA 7 - Inferência em MQO: ICs e Testes de
AULA 7 - Inferência em MQO: ICs e Testes de Hipóteses Susan Schommer Econometria I - IE/UFRJ Nosso primeiro objetivo aqui é relembrar a diferença entre estimação de ponto vs estimação de intervalo. Vamos
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Julgue os itens que se seguem, acerca da estatística descritiva. 51 Na distribuição da quantidade de horas trabalhadas por empregados de certa empresa, é sempre possível determinar
Leia mais1 a Lista de Exercícios Teóricos Econometria II
1 a Lista de Exercícios Teóricos Econometria II - 2017 Professora: Fabiana Rocha Monitora: Bruna Bloco 1 - Exercícios Teóricos do Wooldridge Exercício 1 (13.2): As seguintes equações foram estimadas usando
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisAULA 19 E 20 Análise de Regressão Múltipla: Problemas Adicionais
1 AULA 19 E 20 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 19 e 24 de maio de 2011 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Leia maisEAE Econometria 1
Universidade de São Paulo Faculdade de Economia, Administração e Contabilidade EAE0324 - Econometria 1 Programa de Curso 2015 - Semestre 1 Dia e horário: Local: Website do curso: Professor: Atendimento:
Leia maisVariáveis Instrumentais
Variáveis Instrumentais Abordagem diferente para o problema de endogeneidade: V.I. pode se usado para se obter estimadores consistentes na presença de variáveis omitidas; V.I. também pode ser usado para
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisAULAS 20 E 21 Modelo de regressão simples
1 AULAS 20 E 21 Modelo de regressão simples Ernesto F. L. Amaral 22 e 24 de outubro de 2013 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem moderna.
Leia maisObjetivos. Ao final desse grupo de slides os alunos deverão ser capazes de:
Objetivos Ao final desse grupo de slides os alunos deverão ser capazes de: Escolher e utilizar um método de estimação adequado para os parâmetros de um modelo de regressão que apresente regressores endógenos.
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisEconometria - 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 mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia mais(ii) Acrescente lucros ao modelo da parte (i). Por que essa variável não pode ser
Questão 1 O arquivo CEOSAL2.RAW contém dados de 177 diretores, os quais podem ser utilizados para examinar os efeitos do desempenho da firma sobre o salário do CEO. (i) Estime um modelo que relacione o
Leia maisAULA 8 - MQO em regressão múltipla:
AULA 8 - MQO em regressão múltipla: Definição, Estimação e Propriedades Algébricas Susan Schommer Econometria I - IE/UFRJ Regressão Múltipla: Definição e Derivação A partir de agora vamos alterar o nosso
Leia maisTécnicas econométricas para avaliação de impacto O uso de algoritmos de emparelhamento baseados em escore de propensão propensity score matching
Técnicas econométricas para avaliação de impacto O uso de algoritmos de emparelhamento baseados em escore de propensão propensity score matching Bruno César Araújo Instituto de Pesquisa Econômica Aplicada
Leia maisEndogeneidade, Variáveis Instrumentais e Modelos de Equações Estruturais
1 Endogeneidade, Variáveis Instrumentais e Modelos de Equações Estruturais Ernesto F. L. Amaral Magna M. Inácio 21 de outubro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisRESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
Leia maisAULAS 08 A 14 MÉTODOS QUASE-EXPERIMENTAIS
1 AULAS 08 A 14 MÉTODOS QUASE-EXPERIMENTAIS Ernesto F. L. Amaral 02, 04, 16, 18, 23, 25 e 30 de abril de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisRegressão múltipla: problemas adicionais. Unidades de medida. Unidades de medida. Unidades de medida salário em dólares (*1000) Unidades de medida
Regressão múltipla: problemas adicionais y = β 0 + β x + β x +... β k x k + u Capítulo 6: 6., 6. Capítulo 7: 7., 7. Efeitos da dimensão dos dados nas estatísticas MQO Alterando a escala de y levará a uma
Leia maisCapítulo 3. O Modelo de Regressão Linear Simples: Especificação e Estimação
Capítulo 3 O Modelo de Regressão Linear Simples: Especificação e Estimação Introdução Teoria Econômica Microeconomia: Estudamos modelos de oferta e demanda (quantidades demandadas e oferecidas dependem
Leia maisCaros 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
Leia maisFICHA DE DISCIPLINA/PROGRAMA
Programa de Pós-Graduação em Economia Mestrado/Doutorado Av. João Naves de Ávila, nº 2121 Campus Stª Mônica Bloco J. CEP 38.400-902 Uberlândia/MG. Telefax: (034) 3239-4315 E-Mail: ppge@ufu.br FICHA DE
Leia maisRegressão 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
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia maisEconometria. Regressão Linear Simples Lista de Exercícios
Econometria Regressão Linear Simples Lista de Exercícios 1. Formas funcionais e coeficiente de explicação Um corretor de imóveis quer compreender a relação existente entre o preço de um imóvel e o tamanho,
Leia maisEconometria. 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:
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisInstituto 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
Leia maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia maisOs 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
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisAnálise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy)
Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy) 1 Como descrever informações qualitativas? Fatores qualitativos podem ser incorporados a modelos de regressão. Neste
Leia maisLES0773 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
Leia maisAULA 26 Análise de Regressão Múltipla: Problemas Adicionais
1 AULA 26 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 10 de novembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma
Leia maisAULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância)
AULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância) Susan Schommer Econometria I - IE/UFRJ Variância dos estimadores MQO Vamos incluir mais uma hipótese: H1 [Linear nos parâmetros]
Leia maisSéries 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
Leia maisECONOMETRIA. Prof. Danilo Monte-Mor
ECONOMETRIA Prof. Danilo Monte-Mor Econometria (Levine 2008, Cap. 13) ECONOMETRIA Aplicação da estatística matemática aos dados econômicos para dar suporte empírico aos modelos construídos pela economia
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisAnálise de Regressão Linear Múltipla III
Análise de Regressão Linear Múltipla III Aula 6 Hei et al., 4 Capítulo 3 Suposições e Propriedades Suposições e Propriedades MLR. O modelo de regressão é linear nos parâmetros O modelo na população pode
Leia maisCarga 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 maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS As variáveis aleatórias X e Y seguem uma distribuição de Bernoulli com probabilidade de sucesso igual a 0,4. Considerando S = X + Y e que os eventos aleatórios A = [X = 1] e B
Leia maisDefinição. 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 maisEXAME 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 maisInstituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época de Recurso 2/Julho/2013 Duração 2 horas
Instituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época de Recurso 2/Julho/2013 Duração 2 horas NOME: Processo Espaço Reservado para Classificações A utilização do telemóvel
Leia maisNa aula do dia 24 de outubro analisamos duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas.
Regressão Múltipla Na aula do dia 24 de outubro analisamos duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas. 1. definimos uma medida de associação
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia maisAULAS 20 E 21 Análise de regressão múltipla: problemas adicionais
1 AULAS 20 E 21 Análise de regressão múltipla: problemas adicionais Ernesto F. L. Amaral 08 e 13 de novembro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à
Leia maisUNIVERSIDADE 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
Leia maisEconometria. 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
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisAULA 07 Análise de Regressão Múltipla: Problemas Adicionais
1 AULA 07 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 24 de julho de 2012 Análise de Regressão Linear (MQ 2012) www.ernestoamaral.com/mq12reg.html Fonte: Wooldridge, Jeffrey
Leia maisMonitoria Econometria II REC o Semestre 2015 Monitor(a):Victória Mazás Martinez 1 a Lista de exercícios
Monitoria Econometria II REC 2312-1 o Semestre 2015 Monitor(a):Victória Mazás Martinez 1 a Lista de exercícios 1. Quais as hipóteses para que uma variável seja considerada uma boa variável instrumental?
Leia maisUNIVERSIDADE 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
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 10 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise Regressão: Avaliação de relações de dependência em que se explica o comportamento de uma/várias
Leia maisNotas de 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
Leia maisExercícios 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 maisTestes de Hipóteses. Curso de Introdução à Econometria usando o R. Vítor Wilher. 1 de Dezembro de analisemacro.com.br
Testes de Hipóteses Curso de Introdução à Econometria usando o R Vítor Wilher analisemacro.com.br 1 de Dezembro de 2016 Vítor Wilher (analisemacro.com.br) Testes de Hipóteses 1 de Dezembro de 2016 1 /
Leia maisModelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados
Modelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados Erica Castilho Rodrigues 23 de Maio de 207 Introdução 2 3 Vimos como encontrar o EMV usando algoritmos numéricos. Duas possibilidades:
Leia maisMAE 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