Gabarito da Lista de Exercícios de Econometria I
|
|
|
- Baltazar Amaral Paiva
- 9 Há anos
- Visualizações:
Transcrição
1 Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) Y = 536 X = 300 a) x y x Y X b) Ŷ X Y R Ŷ Y Y ˆ Y Y Y Y Com sso pode-se afrmar que 994% da varação na venda de veículos é explcada pela varação na massa salaral.
2 c) X X N ˆ X X X N ; ; N / ; ; N /
3 Com sso conclu-se que ao nível de confança de 95% o parmetro b verdadero está entre 0749 e 099. / ; N ; / ; N ; Com sso conclu-se que ao nível de confança de 95% o parmetro a verdadero está entre e d) d.) º) Defnr teste de hpóteses: 0 : b = 0 : b 0 º) Defnr : = 005 3º) Defnr estatístca crítca: (005;3) = 38 4º) Calcular : b º) Regra de decsão: C aceta 0 > C rejeta 0 3
4 Como 895 > 38 rejeta-se 0 ou seja ao nível de 5% de sgnfcnca a varação na massa salaral é sgnfcatva para explcar a varação na venda de carros. d.) º) Defnr teste de hpóteses: 0 : a = 0 : a 0 º) Defnr : = 005 3º) Defnr estatístca crítca: (005;3) = 38 4º) Calcular : º) Regra de decsão: C aceta 0 > C rejeta 0 Como 9 > 38 rejeta-se 0 ou seja ao nível de sgnfcnca de 5% exste um componente autônomo a que nflu na venda de veículos. d.3) º) Defnr teste de hpóteses: 0 : R = 0 : R > 0 º) Defnr : = 005 3º) Defnr F crítco: F (; N-) = (; 3) = 0 4º) Calcular estatístca F: ŷ F
5 5º) Regra de decsão: F F C aceta 0 F > F C rejeta 0 Como 5808 > 0 rejeta-se 0 ou seja ao nível de confança de 5% o coefcente de ajuste R é sgnfcatvo. e) ŷ ŷ Questão O valor esperado na venda de carros sera de U$ 5795 mlhões. estmador ou estmatva de a onde a é o verdadero ntercepto populaconal estmador ou estmatva de b onde b é o verdadero coefcente angular populaconal t estatístca t calculada para testar a hpótese 0: a = 0 : a 0 ou para verfcar se a é sgnfcatvo estatstcamente. t estatístca t calculada para testar a hpótese 0: b = 0 : b 0 ou para verfcar se b é sgnfcatvo estatstcamente. s estmador da varnca constante do erro. R grau de ajustamento da reta de regressão aos pontos ou dados observados. F ( ; N-) estatístca utlzada para verfcar se o grau de ajustamento R da população pode ser consderado estatstcamente sgnfcatvo. Questão 3. Y é uma função lnear dos parmetros a e b:. Não estocástcos. Os X s são: a. Valor médo dos erros gual a zero b. Não correlação entre os erros c. Normaldade dos erros 5
6 Questão 4 Para a valdade do teorema de Gauss-Markov não é necessáro o pressuposto ) c. A análse de regressão ocupa-se do estudo da dependênca de uma varável a varável dependente em relação a uma ou mas varáves as varáves explcatvas com o objetvo de estmar e/ou prever a méda (da população) ou o valor médo da dependente em termos dos valores conhecdos ou fxos (em amostragem repetda) das explcatvas (Gujarat pág. 4) Questão 5 Cômputo de x Y = 304 X = 40 Ŷ X x (X - X ) x / = 005 ( / ; N-) = (005 ; 5) = 57 ˆ Cômputo de 5 N N 6
7 Prevsões Pontuas o Ŷ X x (X - X ) x X = 5 ŷ X = 35 ŷ X = 75 ŷ ŷ ŷ ŷ ŷ ŷ ŷ A análse dos ntervalos deve ser feta da segunte manera: Intervalo : O ntervalo compreenddo entre 04 e 994 apresenta 95% de confança de que o verdadero valor Y 0 estará contdo nele. Questão 6 a) Análse de snal dos coefcentes: Verfca-se que o modelo apresenta consonnca com a raconaldade da teora econômca pos é de se esperar que um aumento nos preços mpacte negatvamente a venda de bananas enquanto um aumento na renda mpacte postvamente. Grau de ajustamento R No que se refere ao grau de ajustamento percebe-se que está bom pos 79% da varação nas vendas de banana pode ser explcada pela relação de regressão. Estatístcas de teste ( e F) 7
8 Análse das estatístcas t (consderando = 5%) Para o modelo sob análse C (5% 8) = 306. Comparando as estatístcas t do modelo com o C podemos afrmar que todos os coefcentes são sgnfcatvos ao nível de confança determnado. Análse da estatístca F A estatístca F nos ndca que o valor de R é consstente ao nível de sgnfcnca utlzado pos F C ( ; 8) = 446 e F do modelo = 5. estando: 0 : R = 0 : R > 0 Como F > F C então se rejeta a hpótese de que o grau de ajustamento do modelo seja gual a zero. b) B P B P ΔB ΔP ΔB 07 4 As vendas de bananas aumentaram em.400 dúzas caso os preços fossem reduzdos em R$ 070. c) B 4 Y B 4Y ΔB 4ΔY ΔB As vendas de bananas reduzram em.000 dúzas caso os compradores tvessem uma redução de 05.M. em sua renda. d) B = 4-0 = -06 8
9 Caso ambos os movmentos ocorressem havera redução na venda de bananas em 600 dúzas. 9
10 Questão 7 DM ^ a b b t y 35. (9) (344) t ( 54) I- Verfcar magntude e snas dos coefcentes r t Pode-se afrmar que os coefcentes e seus respectvos snas estão de acordo com a teora econômca pos crescmento do PIB tende a provocar aumento da demanda por moeda enquanto aumento na taxa de juro real de curto prazo causam dmnução nesta demanda. II- Grau de ajustamento Através da análse de R (grau de ajustamento) pode-se afrmar que 63% da varação na demanda por moeda é explcada pela varação da renda e da taxa de juros sendo este um bom grau de ajustamento. III- Análse das estatístcas Para a: º) Defnr teste de hpóteses: 0 : a = 0 : a 0 º) Defnr : = 005 3º) Defnr estatístca crítca: (005;57) = 00 0
11 4º) = 9 5º) Regra de decsão: C aceta 0 > C rejeta 0 Como 9 < 00 aceta-se 0 ou seja a reta estmada pode cruzar a orgem a um nível de sgnfcnca de 5%. Para b : º) Defnr teste de hpóteses: 0 : b = 0 : b 0 º) Defnr : = 005 3º) Defnr estatístca crítca: (005;57) = 00 4º) b = 344 5º) Regra de decsão: b C aceta 0 b > C rejeta 0 Como 344 > 00 rejeta-se 0 ou seja rejeta-se a hpótese de b ser gual a zero a 5% de sgnfcnca. Dessa forma pode-se afrmar que a varação do nível de renda Y pode ser utlzado para explcar a varação da demanda por moeda.
12 Para b : º) Defnr teste de hpóteses: 0 : b = 0 : b 0 º) Defnr : = 005 3º) Defnr estatístca crítca: (005;57) = 00 4º) b = º) Regra de decsão: b C aceta 0 b > C rejeta 0 Como 54 < - 00 rejeta-se 0 ou seja rejeta-se a hpótese de que b possa ser gual a zero a um nível de sgnfcnca de 5%. Desta forma pode-se afrmar que a varação da taxa de juros pode ser utlzada para explcar a varação da demanda da por moeda. IV- Estatístca F A estatístca F nos ndca que o valor de R é consstente ao nível de sgnfcnca utlzado pos F C ( ; 57) = 35 e F do modelo = 749. estando: 0 : R = 0 : R > 0
13 Como F > F C então se rejeta a hpótese de que o grau de ajustamento do modelo seja gual a zero. 3
3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Capítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Contabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
PRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. [email protected] http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Análise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Testes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ [email protected] Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Prof. Lorí Viali, Dr.
Prof. Lorí Val, Dr. [email protected] http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Estatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Associação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Análise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Regressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Análise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. [email protected] http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
MODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
CORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel [email protected] www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
O problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =
Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo
TESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Algarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Regressão Linear Simples. Frases. Roteiro
Regressão Lnear Smples Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 4 Rotero. Modelagem de Relação. Modelo Lnear
Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2
Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer
REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
ANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.
A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.
Identidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
8.16. Experimentos Fatoriais e o Fatorial Fracionado
8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e
5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
1ª PROVA DE ESTATÍSTICA EXPERIMENTAL
UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos
Introdução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
ECONOMETRIA Prova Intermediária PI 04/04/2014
ECONOMETRIA Prova Intermedára PI 04/04/2014 Prezado(a) Aluno(a), Você terá 120 mnutos a partr do níco ofcal da prova para conclur esta avalação, admnstre bem o seu tempo. Lea atentamente as nstruções a
NOTAS DE AULA DA DISCIPLINA CE076
5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura
Diferenciais de Salários por Raça e Gênero: Aplicação dos procedimentos de Oaxaca e Heckman em Pesquisas Amostrais Complexas
N o 638 ISSN 0104-8910 Dferencas de Saláros por Raça e Gênero: Aplcação dos procedmentos de Oaxaca e Heckman em Pesqusas Amostras Complexas Alexandre Pnto de Carvalho, Marcelo Côrtes Ner, Dense Brtz Slva
ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
