Econometria. Econometria. Algumas considerações. Algumas considerações MQO. Derivando as Propriedades
|
|
- Herman da Fonseca Castilho
- 6 Há anos
- Visualizações:
Transcrição
1 Ecoometria. Propriedades fiitas dos estimadores MQO. Estimação da Variâcia do estimador de MQO 3. Revisão de Iferêcia (testes em ecoometria) Ecoometria. Propriedades fiitas dos estimadores MQO Algumas cosiderações Parâmetros, estimativas e estimadores Propriedades de um estimador a distribuição amostral Propriedades de Amostras Fiitas Propriedades assitóticas ou de grades amostras. Algumas cosiderações Resultados de Amostras fiitas: Não viés Distribuição precisa de algumas estatísticas de testes. Hipóteses fortes ecessárias: regressores ão estocásticos e distúrbios ormalmete distribuídos. b = ( X'X) X'y MQO = ( X'X) X'(X β + ε ) = β + ( X'X) X' ε Also ( ) = ( ) iyi b = X'X X'y X'X x + ( ) ε i i + X'X x ε i i = β + v ε (Ifluece fuctios) i i = β X'X x = β ( ) Derivado as Propriedades Desta forma, b = um vetor de parâmetros + uma combiação liear de distúrbios, cada um vezes um vetor. b é um vetor de variáveis aleatórias. A aálise é feita codicioal a X, ou seja, os resultados ão depedem de um X particular. O resultado é geral, idepedete de X.
2 Valor esperado e propriedade do ão viés. E[b X] = β = E[b]. (usar lei das expectativas iteradas) Um resultado importate sobre especificação (omissão de uma variável): y = X β + X β + ε (modelo verdadeiro) Dois cojutos de variáveis. O que acotece se o segudo cojuto de variáveis é excluído da miha regressão? Qual a esperaça do estimador desta regressão meor? b = (X X ) X y = = (X X ) X (X β + X β + ε) E[b ] = β + (X X ) X X β O estimador é viesado. Um resultado importate sobre especificação (iclusão de uma variável irrelevate): y = X β + X β + ε (modelo verdadeiro, mas β é igual a 0). O que acotece se a regressão for computada usado X e X? E[b. β = 0] = β O estimador ão será viesado. Cotudo, perde-se eficiêcia. Aplicação empírica: Quatidade = β Preço + β Reda + ε Se regredimos Quatidade em Preço. O que ecotramos? cov( preço, reda) E ( b ) = β +. β var( preço) Usualmete, β < 0, β > 0, Cov[Preço,Reda] > 0. Desta forma, a regressão que omite variável (omite reda), irá super-estimar o coeficiete de preço (podedo até reverter o sial do coeficiete). Determiar os efeitos que fumar durate a gravidez exerce sobre a saúde do recém-ascido. A medida de saúde do recém ascido é o peso de ascimeto (bwght). Como outros fatores que afetam o peso de ascimeto, além de fumar, estão provavelmete correlacioados com o fumo, devemos levar em cosideração tais fatores. Por exemplo, uma reda maior geralmete permite acesso a pré-atais melhores, bem como uma melhor utrição da mulher. Cosidere o modelo: bwght = β0 + β. cigs + β. fa mi c + u
3 Modelo : Estimativas OLS usado as 388 observações 388 Variável depedete: bwght cost 6,974,04898,58 <0,0000 *** cigs -0, , ,0603 <0,0000 *** famic 0, , ,78 0,005 *** Média da variável depedete = 8,7 Desvio padrão da variável depedete = 0,354 Soma dos resíduos quadrados = Erro padrão dos resíduos = 0,068 R ão-ajustado = 0, R ajustado = 0, Estatística-F (, 385) =,739 (p-valor < 0, Modelo : Estimativas OLS usado as 388 observações 388 Variável depedete: bwght cost 9,77 0, ,668 <0,0000 *** cigs -0,5377 0, ,6776 <0,0000 *** Média da variável depedete = 8,7 Desvio padrão da variável depedete = 0,354 Soma dos resíduos quadrados = 5655 Erro padrão dos resíduos = 0,86 R ão-ajustado = 0,079 R ajustado = 0,004 Graus de liberdade = Equações estimadas bwghtest = 6,97 0,463. cigs + 0,093. fa mi c = 388 R = 0,030 bwghtest = 9,77 0,53. cigs = 388 R = 0,03 Resultados O efeito de fumar é relativamete meor quado a reda familiar é adicioada a regressão, mas a difereça ão é grade. Isto decorre do fato de famic e cigs ão serem muito correlacioados e do coeficete de famic ser praticamete pequeo. (A variável famic está em milhares, logo, R$0,000 a mais aumeta o peso de ascimeto somete em 0,93 quilos). Corr(famic, cigs)=-0, Viés de variável omitida A variável omitida é famic Espera-se que o efeito de famic sobre o peso de ascimeto seja positivo (β >0) Corr(famic, cigs)=-0,73 O coeficiete passou de -0,463 para -0,53. cov( x, x) E ( b ) = β +. β var( x) Direção do viés Corr(x, x ) > 0 Corr(x, x ) < 0 β > 0 Viés positivo Viés egativo β < 0 Viés egativo Viés positivo 7 8 3
4 Supoha que o modelo verdadeiro seja dado por lwage = β0 + βeduc + βiq + u, mas que ~ ~ estimamoslwage = β0 + βeduc + v ~ Ode da regressão de IQ em educ, achamosδ : ~ ~ IQ = δ + δ educ 0 Modelo : Estimativas OLS usado as 935 observações -935 Variável depedete: IQ cost 53,687,693 0,4684 <0,0000 *** educ 3, ,9 8,3853 <0,0000 *** Média da variável depedete = 0,8 Desvio padrão da variável depedete = 5,056 Soma dos resíduos quadrados = Erro padrão dos resíduos =,9036 R ão-ajustado = 0,65943 R ajustado = 0,6557 Graus de liberdade = 933 ~ δ 9 0 Modelo 3: Estimativas OLS usado as 935 observações -935 Variável depedete: lwage cost 5, , ,409 <0,0000 *** educ 0, , ,0349 <0,0000 *** Média da variável depedete = 6,779 Desvio padrão da variável depedete = 0,444 Soma dos resíduos quadrados = 49,59 Erro padrão dos resíduos = 0,4003 R ão-ajustado = 0, ~ R ajustado = 0, β Graus de liberdade = 933 Modelo 4: Estimativas OLS usado as 935 observações -935 Variável depedete: lwage cost 5,6589 0, ,7930 <0,0000 *** educ 0, , ,708 <0,0000 *** IQ 0, , ,8754 <0,0000 *** Média da variável depedete = 6,779 Desvio padrão da variável depedete = 0,444 Soma dos resíduos quadrados = 44,78 Erro padrão dos resíduos = 0,39336 R ão-ajustado = 0,9654 R ajustado = 0,7786 Estatística-F (, 93) = 69,49 (p-valor < 0,0000) Variâcia do Estimador MQO = ( ) b X'X X'y = ( ) ( β ε ) β + ( ) ε X'X X' X + = X'X X' E[ ]= ( ) ε as ε b X β + X'X X'E[ X] = β E[ X] = 0 Var[ b X] = E[( b β )( b β )' X] = ( X'X) X'E[ εε' X] X( X'X) = ( X'X) X' σ I X( X'X) = σ ( X'X) X'I X( X'X) = σ ( X'X) X'X( X'X) = σ ( X'X) Teorema de Gauss-Markov O EMQO é o melhor estimador liear detro da classe de estimadores lieares ão viesados.. Estimador liear = β +. Não viesado: E[b X] = β v iεi 4
5 Teorema de Gauss-Markov Resultado geral para a classe de estimadores lieares e ão viesados = Cy E( Cy / X ) = CXβ + CE( ε / X ) = β (para ão ter viés) CXβ = β Desta forma : CX = I Existem várioscadidatospara C.Supoha quec é formadopelas k primeiraslihasliearmete idepedetes de X e C = X 0 Teorema de Gauss-Markov Como achar a Matriz de variâcia-covariâcia de? / X ) = E[( β )( β ) / X ] = Lembre que : CX = I e = Cy = C( Xβ + ε ) = β + Cε E[( β )( β ) / X ] = E[( Cε )( Cε ) / X ] = = CE( εε / X ) C = σ CC C ( X X ) X = D Cy ( X X ) X y = Dy b = Dy Teorema de Gauss-Markov Como achar a Matriz de variâcia-covariâcia de? / X ) = σ CC = σ [( D + ( X X ) X )( D + ( X X ) X ) ] = (lembreque CX = I = DX + ( X X ) X X = DX + I, logo DX será igual a zero) / X ) = σ DD + σ ( X X ) / X ) var( b / X ) = σ DD Como D é uma matriz defiida ão egativa, temos que a var(/x) é sempre maior que a var(b/x). Fixar X ou Codicioar em X? O papel da hipótese dos regressores ão estocásticos, Icodicioal: Tomar a média em toro de X: var( b) = E x[var( b / X )] + Varx[ E( b / X )] = σ Ex[( X X ) ] var( b / X ) / X ) para qq b e para um X específico. Logo, se isto vale para um X particular, temos que : var(b) = Ex (var( b / X )) isto também valerá para um valor médio de X Os resultados valem para X estocástico bem como para X ão estocástico. Erro de especificação: Omissão de variável relevate Omitido uma variável relevate: Supoha o modelo verdadeiro é: y = X β + X β + ε. Computamos a regressão omitido X. Var[b ] será meor que Var[b. ]. Erro de especificação: Omissão de variável relevate E[b ] = β + (X X ) X X β β. Como já visto, b é viesado.(!!!) O viés pode até mudar o sial do coeficiete. b pode ser mais preciso. Precisão = Erro quadrático médio = variâcia + viés quadrado. A sua variâcia é meor quado omite X. 5
6 Erro de especificação: Iclusão de variável irrelevate Os resultados são cotrários aos ecotrados acima. Iserir resultados supérfluos aumeta a variâcia. (reduz precisão) Ecoometria. Estimação da Variâcia do estimador de MQO Não causa viés, se X é supérflua, β = 0, e E[b. ] = β. Cotexto A variâcia verdadeira de b é σ E[(X X) ] Como usamos os dados da amostra para estimar esta matriz? Estimado σ Usaremos os resíduos ao ivés dos distúrbios: Aálogo amostral: e e/ para ε ε/ Como queremos formar itervalos de cofiaça das estimativas da regressão bem como formular hipóteses, temos que ter estimativas da variabilidade da distribuição. Observação imperfeita de ε i Viés para baixo de e e/. E[e e] = (-K)σ = e i + (β - b) x i Esperaça de e e e = y - Xb = y X( X ' X) X ' y = [ I X( X ' X) X '] y = My = M( X β + ε ) = MXβ + M ε = M ε e'e = ( M ε) '( M ε) = ε 'M'M ε = ε 'MM ε = ε 'M ε Valor esperado do quadrado dos resíduos E[ e'e X ] = [ε 'M ε X ] = E[ trace ( ε 'M ε X) ] scalar = its trace = E[ trace ( M εε ' X) ] permute i trace = [ trace E ( M εε ' X) ] liear operators = [ trace M E ( εε ' X) ] coditioed o X = [ trace M σ I ] model assumptio = σ [trace M ] scalar multiplicatio ad I matrix = σ trace [ I - X( X'X) X' ] = σ {trace [ I] - trace[ X( X'X) X' ]} = σ { - trace[( X'X) X'X ]} permute i trace = σ { - trace[ I]} = σ { - K} 6
7 Estimado σ O estimador ão viesado é s = e e/(-k). s = e e/(-k) = ε Mε/(-K). 7
Econometria. Econometria. Aplicação. Modelo completo. Soma de Coeficientes. Teste para um Parâmetro
. Revisão/exemplos Ecoometria. Iferêcia grades amostras. Revisão/exemplos Ecoometria /00 /00 Aplicação Modelo completo LogG = β + β logy + β 3 logpg + β 4 logpnc + β 5 logpuc + β 6 logppt + β 7 logpn +
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 maisMonitor: Tiago Souza. Lista 7
Professor: Rodrigo Moura Moitor: Tiago Souza Ecoometria MFEE Lista 7 1. Tome ode Cov( 2, u 1 0. Seja z 2 tal que: 1 = β 0 + β 1 2 + β 2 z 1 + u 1 2 = π 0 + π 1 z 1 + π 2 z 2 + v 2 ode E(v 2 ; Cov(z 1,
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisRegressão linear simples
Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia mais{ } 3.3 Função Densidade de Probabilidade Condicional e Independência
33 Fução Desidade de Probabilidade Codicioal e Idepedêcia Fução de Desidade de Probabilidade Codicioal (dimesão ) Seja f ( x,,x ) uma desidade cojuta associada a uma variável aleatória de dimesão Sejam
Leia maisLista 01 - Estimação por MQO
Exercício 01 Lista 01 - Estimação por MQO (a) Temos que o sial esperado para β 1 é egativo pois, dado que temos um úmero limitado de miutos a semaa, se mativermos todas as demais variáveis costates, uma
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisLicenciatura em Economia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA. Luís Filipe Martins.
1 Ecoometria e Métodos de Modelização I Liceciatura em Ecoomia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA Luís Filipe Martis luis.martis@iscte.pt http://home.iscte.pt/~lfsm Departameto de Métodos Quatitativos,
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisTeoria da Estimação 1
Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,
Leia maisRevisando... Distribuição Amostral da Média
Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia
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 maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #b- Virgílio A. F. Almeida Março 008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Material de Estatistica http://www.itl.ist.gov/div898/hadbook/idex.htm
Leia maisPopulação x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade
Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE
FACULDADE DE ECONOMIA DO PORTO Liceciatura em Ecoomia E C O N O M E T R I A I (LEC0) Exame Fial 0 de Jaeiro de 00 RESOLUÇÃO: I PARTE I GRUPO a) Dispoível uma amostra de observações de Y para períodos cosecutivos,
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 maisEstacionariedade e correlação temporal em dados financeiros
Estacioariedade e correlação temporal em dados fiaceiros Hoje em dia há uma quatidade imesa de dados fiaceiros sedo armazeados, egócio a egócio, pelo mudo afora. Gratuitamete, é possível coseguir facilmete
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisESTIMAÇÃO PARA A MÉDIA
ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 Se o eveto E cosiste de potos e S é o úmero de potos do espaço amostral, etão: umero de potos em E P E umero de potos em S E S 1. Se um úmero decimal de três digitos
Leia maisExame MACS- Inferência-Intervalos.
Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.
Leia maisANÁLISE DE REGRESSÃO. Ralph S. Silva. Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro
ANÁLISE DE REGRESSÃO Ralph S. Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Elasticidade Elasticidade Em economia, o termo elasticidade refere-se
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 maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisCapítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Leia maisAnálise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisEstatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL
Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL AULA 8 16/05/17 Prof a Lilia M. Lima Cuha Maio de 017 PROPOSITO FUNDAMENTAL DA INFERÊNCIA ESTATISTICA DESENVOLVER ESTIMATIVAS E TESTAR HIPOTESES
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROILIDDE E ESTTÍSTIC Professor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Itrodução à probabilidade (evetos, espaço
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 maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 YZ- i p pq q pq F i p F i Z P Z P i Z P Z P Z ad i Z P Z i Z P Z i Z P Z i Y P Z i i Z Z Z + + > + > > + > + > > + !" http://www.itl.ist.gov/div898/hadbook/ide.htm A
Leia maisProbabilidades e Estatística
Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisCORRELAÇÃO Aqui me tens de regresso
CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisCapítulo 13 Seleção Informações de Parentes. FALCONER & McKAY (1996) páginas
Capítulo 3 Seleção Iformações de aretes FALCONER & McKAY (996) págias 8-45 Iformações da Família: Quado usá-las?? Quado se cohece: Tipo de família meio-irmão ou irmãos germaos (r ) Número de idivíduos
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 maisMatriz de Variância e Covariância e o Teorema de Gauss-Markov
1 Matriz de Variância e Covariância e o Teorema de Gauss-Markov Reginaldo J Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 26 de setembro de 2001
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
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 maisCE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo
CE07 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo LISTA - EXERCÍCIOS ) Para o modelo de regressão liear simples ormal, ecotre os estimadores de máxima verossimilhaça dos parâmetros β 0, β e σ
Leia maisRegressão Linear Múltipla
Regressão Liear Múltipla Lucas Sataa da Cuha http://www.uel.br/pessoal/lscuha/ 28 de ovembro de 2018 Lodria 1 / 20 Há muitos problemas que é razoável esperar que as previsões de uma variável devam melhorar
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisMAE 116 Estimação para a média FEA - 2º Semestre de 2018
MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição
Leia maisStela Adami Vayego DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma
Leia maisESTATÍSTICA AVANÇADA: MODELOS NÃO LINEARES. Modulo 3: Teoria Assintótica
ESTATÍSTICA AVANÇADA: MODELOS NÃO LINEARES Modulo 3: Teoria Assitótica Gilva Guedes, Cedeplar - UFMG Melissa Piho, Estatística - UFMG Escola do Legislativo - ALMG Belo Horizote, Mias Gerais 21 de setembro
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos
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 maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado
Leia maisNota aluno Nota FINAL
Faculdade Tecológica de Carapicuíba Tecologia em Jogos Digitais Disciplia: Probabilidade e Estatística Nota aluo Nota FINAL 1. Respoda as pergutas a seguir, cosiderado a tabela abaixo represeta os salários
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia mais; 2N 2N.! " j %.(1 & q)2 N & j.q j. j!(2n & j)!
DERIVA GENÉTICA Seja uma população de tamaho fiito N, costate ao logo das gerações; sejam aida p e q as freqüêcias dos alelos A e a de um loco autossômico a geração ; como o tamaho da população é costate,
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
Leia maisMatriz de Variância e Covariância e o Teorema de Gauss-Markov
Matriz de Variância e Covariância e o Teorema de Gauss-Markov Reginaldo J Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi regi@matufmgbr 26 de setembro
Leia maisUniversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny
1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis
Leia maisUnidade IX Estimação
Uidade IX Estimação 6/09/07 Itervalos de cofiaça ii. Para a difereça etre médias de duas populações (μ μ ) caso : Variâcias cohecidas Pressupostos: 6/09/07 x - x x - x ; N é - x x ) ( x x x x E ) ( x x
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique coveietemete todas as respostas 1 o semestre 2017/2018 11/01/2018
Leia mais1- Resolução de Sistemas Lineares.
MÉTODOS NUMÉRICOS PR EQUÇÕES DIFERENCIIS PRCIIS 1- Resolução de Sistemas Lieares. 1.1- Matrizes e Vetores. 1.2- Resolução de Sistemas Lieares de Equações lgébricas por Métodos Exatos (Diretos). 1.3- Resolução
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 2018/2019 30/01/2019 15:00 2 o Teste C 10 valores 1. Seja X X 1, X 2,...,
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 maisHistograma. Faixas de salários
1. Respoda as pergutas a seguir, cosiderado a tabela abaixo represeta os salários dos fucioários de uma empresa de Logística: Tabela 1 Classe Salário (R$) Limite if Limite sup Número de fucioários 1 5
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 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 maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia mais