Econometria. Econometria: Paradigma. Porque usar econometria? Porque usar econometria?
|
|
- Ilda Barreto Aragão
- 6 Há anos
- Visualizações:
Transcrição
1 Econometria: Paradigma Econometria 1. O Paradigma da Econometria 19/8 Fundamentos teóricos Microeconometria e macroeconometria Modelagem comportamental: otimização, oferta de trabalho, equações de demanda, etc. Fundamentos estatísticos Elementos matemáticos Construção do Modelo o modelo econométrico Porque usar econometria? Entender a covariância Entender as relações: Estimar quantidades de interesse, como elasticidades Predição de resultados de interesse Controlar resultados futuros tendo em vista o conhecimento de relações Porque usar econometria? Inexistência de dados experimentais (experimentos controlados) em economia Necessidade de usar dados não experimentais, ou melhor, dados observados para se fazer inferências. Testar a teoria econômica com dados da realidade. 1
2 Porque usar econometria? Mensuração como observação A análise empírica usa dados para estimar relações entre variáveis. Um modelo econômico formal pode ser testado. População Teoria Mensuração Econometria pode ser utilizada para avaliar programas de políticas públicas e para fazer previsões. Características das escolhas comportamentais População Inferência Econometria Mensuração Características das escolhas comportamentais Passos para uma análise econométrica Formulação da questão de interesse Formulação das hipóteses: construção de um modelo econômico formal (equações que descrevem uma relação) Construção do modelo econométrico (parametrização) Definir forma funcional; Quantificar variáveis do modelo; Formular hipóteses sobre os parâmetros do modelo Aplicação: Existe relação entre investimento e capital de estoque? 2
3 Inferência Clássica Inferência Bayesiana População Mensuração População Mensuração Inferência imprecisa sobre a população inteira teoria de amostragem, teoria assintótica Econometria Características das escolhas comportamentais Econometria Inferência exata sobre uma amostra densidade posterior Características das escolhas comportamentais Estrutura dos dados Mecanismos de observação Passivo, não experimental Ativo, experimental Os chamados experimentos naturais Tipos de dados Cross section Séries de tempo Dados em painel/longitudinais Modelos Econométricos Lineares; estáticos e dinâmicos Escolhas discretas Dados censurados ou truncados Modelos estruturais ou sistemas de equações. 3
4 Métodos de estimação Mínimos Quadrados OLS, GLS, LAD, quantílica Máxima Verossimilhança Máxima Verossimilhança Formal Máxima Verossimilhança Simulada Variáveis instrumentais e GMM (Método de Momentos Generalizados) Estimação Bayesiana Cadeia de Markov, Monte Carlo A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica. Usualmente, o interesse está na causalidade entre as variáveis: se aumenta a taxa de juros, o crescimento econômico cai? Para encontrarmos o efeito causal, outras variáveis devem estar constantes o chamado efeito ceteris paribus É difícil estabelecer causalidade!! 14 Exemplo: Retornos Educação Modelo de capital humano: mais educação faz com que as pessoas obtenham rendimentos mais elevados. Simplificando, seria esta equação: Y β 0 + β educ + u = 1 Exemplo: A estimativa de b 1, é o retorno da escolaridade, mas pode ser considerada um efeito causal? Tudo depende do termo de erro, u, que inclui outros fatores que afetam o rendimento. Fatores não observados e observados podem estar presentes neste termos de erro
5 Operações básicas de vetores Econometria Adição Suponha dois vetores x e y com n componentes cada: 1. Alguns tópicos importantes de Álgebra Linear Operações básicas de vetores Multiplicação escalar x é um vetor com n componentes, α é um escalar. Operações básicas de vetores Multiplicação 5
6 Independência de vetores Considere os seguintes m vetores de dimensão n: Independência de vetores O conjunto de m vetores é dito independente se nenhum deles pode ser escrito como uma combinação linear dos demais. Podemos escrevê-los da seguinte forma {x 1, x 2,..., x m } Se {x 1,x 2,,x m } são vetores independentes não existe um conjunto de escalares diferentes de zero {a 1, a 2,...,a m } tais que: a 1 x 1 + a 2 x a m xm = 0 Ortogonalidade Dois vetores x e y são ortogonais se e somente se: x'y = 0 Base de um espaço vetorial Um conjunto de vetores {x 1,,x m } que são independentes formam um espaço vetorial V de dimensão m. Por exemplo, se m = 3 Isto implica que o ângulo formado entre estes dois vetores tem coseno igual a zero. 6
7 Base de um espaço vetorial Os três vetores podem ser usados para construir qualquer vetor no espaço R 3. Qualquer vetor de dimensão M pode ser construído como uma combinação linear dos vetores x 1,x 2, x m se estes vetores são independentes. Um conjunto de m vetores que forma um espaço V de dimensão m constitui a base deste espaço. Norma O tamanho da norma de um vetor x é definido como: x = ( x ) 1 i = ( x' x) 2 Dois vetores são ditos ortonormais se e somente se: x = y = 1 x' y = 0 Matrizes: operações Adição: as matrizes devem ter a mesma dimensão. Matrizes: operações Propriedades da Adição Se A = [aij]mxn, B = [bij]mxn, C = [cij]mxn, a, b escalares: 1. A = B sss aij = bij para todo i, j 2. C = A ± B sss cij = aij ± bij para todo i, j 3. aa = [a aij]mxn 4. a(a + B) = aa + ab 5. aa + ba = (a + b)a 6. A ± B = B ± A (lei comutativa) 7. A ± (B ± C) = (A ± B) ± C (lei associativa) 7
8 Multiplicação: Matrizes: operações Se A é uma matriz mxn e B uma matriz nxm (o número de colunas de A deve ser igual ao número de linhas de B): Exemplo: Matrizes: operações Matrizes: operações Propriedades da Multiplicação Matriz 2 2: Matrizes: determinantes 1. A(B + C) = AB + AC 2. (A + B)C = AC + BC 3. AB = 0 A = 0 ou B = 0 4. AB = AC B = C 5. AB BA na maioria dos casos A = a 11a22 a12a21 8
9 Matriz 3 3: Matrizes: determinantes Matriz 3 3: Matrizes: determinantes B = b 11 ( b22b33 b23b32 ) b ( b b b b ) + b ( b b b b ) Determinantes: interpretação geométrica Exemplo: Matrizes: transposta Se a matriz A é mxn, sua transposta, A', será nxm, i.e., se A = [aij] então A' = [aji]. Exemplo: 9
10 Matrizes: transposta Propriedades: 1. (A + B)' = A' + B 2. (AB)' = B'A 3. Uma matriz A tal que A A=A é dita matriz idempotente Matrizes: posto Seja A uma matriz mxn. O posto de A é dado pela maior ordem possível das submatrizes quadradas de A, com determinantes diferentes de zero. O posto da linha de A é o maior número de linhas linearmente independentes. Se todas as linhas de A forem linearmente independentes, A tem posto cheio (full row rank). De forma similar, o posto da coluna de A é o maior número de colunas linearmente independentes. Exemplo: Matrizes: posto Para cada submatriz de ordem 4 (existem 5), o determinante é zero. Para cada submatriz de ordem 3 (há 40), o determinante também é zero. Mas, para a matriz abaixo, o determinante não é nulo, logo, o posto é det = Exemplo: Matrizes: posto x + 2y + 3z = 1 2x + y + z = 0 6x 3y 3z = 1 1 A = A matriz A tem determinante igual a zero (3a. linha igual a 2a. linha multiplicada por -3). Posto de A = 2 10
11 Propriedades: 1. Posto da linha = posto da coluna Matrizes: posto Matrizes: inversa Considere uma matriz A quadrada, se a inversa de A existir, será única: 2. ρ(ab) ρ(a) e ρ(b) 3. ρ(a) + ρ(a') = ρ(aa') = ρ(a'a) 4. ρ(a + B) ρ(a) + ρ(b) 5. se Amxm = 0 logo ρ(a) < m Cofator: quando os elementos da i-ésima linha e da j-ésima coluna da matriz A são removidos, o determinante da sub-matriz quadrada que permanece é chamado de first minor (primeiro menor) de A e denominado Aij. O determinante afetado pelo sinal (-1) i+j é chamado de cofator de aij: ij =(-1) i+j Aij Matrizes: inversa Matrizes: inversa Exemplo: Se a Matriz A é não singular, sua inversa é dada por: Onde [Aij]' é a matriz dos cofatores transposta: matriz adjunta de A. 11
12 Matrizes: inversa Matrizes: inversa Exemplo: A = (-1) 2 (1)(0-6) + (-1) 3 (4)(10 + 2) + (-1) 4 (1)(6-0) = (-6) - (48) + 6 = /2009 Matrizes: inversa Matrizes: inversa Propriedades: 1. Se A 0 As linhas de A são linearmente independentes As colunas de A são linearmente independentes 2. (AB) -1 = B -1 A -1 2/
13 Matrizes: traço Transformações lineares Traço de A = Propriedades: Transformação de um vetor no subespaço R n em um vetor no subespaço R m Na notação matricial: Y = AX, onde X e Y são vetores de ordem n e m, respectivamente, e, A é uma matriz de dimensão mxn. Exemplo: 1. Tr (ka) = k Tr(A), onde k é um escalar 2. Tr (AB) = Tr (BA) 3. Tr (I n ) = n A projeta o vetor X tridimensional, em um plano bidimensional. 2/2009 2/2009 ECONOMETRIA CONCEITOS BÁSICOS E MQO 13
14 14
15 15
16 16
17 S y ' y y ' X ' X ' y ' X ' X S y ' X ' X ' y ' X ' X x ' y x ' y X ' y.2 X ' Xb X ' X b 0 2 X ' y 2 X ' X b 0 X ' y X ' X b b X ' X 1 X ' y 17
18 18
19 Econometria 1. Exemplo da técnica MQO 2. Hipóteses do Modelo de RLM 3. Ajuste do Modelo 4. Modelo Restrito 2/2009 MQO Econometria 1. Exemplo da técnica MQO 2/
20 MQO Resíduos Resíduos MQO MQO M = I- X(X X) -1 X 20
21 MQO Econometria 1. Exemplo da técnica MQO 2. Hipóteses do Modelo de RLM 2/2009 Hipóteses do modelo Linearidade significa ser linear nos parâmetros. Identificação: Só existe um único conjunto de parâmetros que produz E[y x]. Média condicional zero Forma da matriz de variância covariância Hipóteses sobre a distribuição de probabilidade. Linearidade do Modelo f(x 1,x 2,,x K,β 1,β 2, β K ) = x 1 β 1 + x 2 β x K β K Notação: x 1 β 1 + x 2 β x K β K = x β β. E[y x] = β 1 *1 + β 2 *x β K *x K. (β 1 *1 = intercepto). 21
22 Linearidade Modelo linear simples, E[y x]=x β Modelo Quadrático: E[y x]= α + β 1 x + β 2 x 2 Modelo Loglinear, E[lny lnx]= α + Σ k lnx k β k Modelo Semilog, E[y x]= α + Σ k lnx k β k Modelo Translog: E[lny lnx]= α + Σ k lnx k β k + (1/2) Σ k Σ l δ kl lnx k lnx l Todos modelos são lineares e existe um infinito número de variações de modelos lineares. Linearidade Linearidade significa ser linear nos parâmetros, não nas variáveis E[y x] = β 1 f 1 ( ) + β 2 f 2 ( ) + + β K f K ( ). f k () pode ser qq função dos dados. Exemplos: Logs Variáveis Dummy Funções quadráticas, interações, etc. Unicidade da média condicional A relação da média condicional pode ser válida para qualquer conjunto de n observações, i = 1,,n. Se n K E[y 1 x] = x 1 β E[y 2 x] = x 2 β E[y n x] = x n β Para todas n observações temos que : E[y X] = Xβ = E β. Unicidade de E[y X] Suponha que exista um γ β que produz o mesmo valor esperado, E[y X] = Xγ = Eγ. Se δ = β - γ. Temos que: Xδ = Xβ - Xγ = Eβ - Eγ = 0. Isto é possível? X é uma matriz n K. O que significa Xδ = 0? Por hipótese, isto não é possível. Hipótese de posto cheio hipótese de identificação. Podemos estimar β com n K. 22
23 Dependência Linear Exemplo: x = [i, renda não trabalho, renda do trabalho, renda total] Não existe dependência linear: Nenhuma variável pode ser escrita como uma função linear de outras variáveis do modelo. Condição de identificação. A teoria não necessariamente elimina a possibilidade de dependência linear, contudo, é importante para fazer a estimação possível. y = β 1 + β 2 N + β 3 S + β 4 T + ε, onde T = N+S. y = β 1 + (β 2 +a)n + (β 3 +a)s + (β 4 -a)t + ε para qualquer a, = γ 1 + γ 2 N + γ 3 S + γ 4 T + ε. O que está sendo estimado? Não eliminamos a possibilidade de dependência não linear. Ex: x e x 2. Média condicional zero O y observado é igual a E[y x] + variável aleatória. y = E[y x] + ε (distúrbio) Existe alguma informação sobre ε em x? Ou seja, algum movimento em x dá informação sobre ε? Caso sim, não especificamos corretamente a média condicional, a função E[y x] não é a média condicional (não é a regressão populacional) Existe informação sobre ε em outras variáveis. Se E[ε x] 0 segue que Cov[ε,x] 0. Violação da hipótese de independência Média condicional zero E[ε todos dados em X] = 0 E[ε X] = 0 é mais forte que E[ε i x i ] = 0 O segundo diz que o conhecimento de x i não dá nenhuma informação sobre a média de ε i. O primeiro diz que nenhum x j dá informação sobre o valor esperado de ε I. nenhuma informação é similar a nenhuma correlação. Homocedasticidade e não Autocorrelação Var[ε X] = σ 2 I. Var[ε] = σ 2 I? Prova: Var[ε] = E[Var[ε X]] + Var[E[ε X]]. 23
24 Distribuição Normal de ε Usada para facilitar as derivações de estatísticas de testes em amostras finitas. Derivação das distribuições exatas das estatísticas t, F. O Modelo Linear y = Xβ+ε, N observações, K colunas em X, incluindo a coluna de um. Hipóteses sobre X Hipóteses sobre ε X E[ε X]=0, E[ε]=0 and Cov[ε,x]=0 Regressão? Se E[y X] = Xβ Aproximação: projeção linear. 24
Econometria. Operações básicas de vetores. Operações básicas de vetores. Operações básicas de vetores. Independência de vetores
Operações básicas de vetores Econometria Adição Suponha dois vetores x e y com n componentes cada: 1. Alguns tópicos importantes de Álgebra Linear Operações básicas de vetores Multiplicação escalar x é
Leia maisEconometria. Operações básicas de vetores. Operações básicas de vetores. Operações básicas de vetores. Independência de vetores
Operações básicas de vetores Econometria Adição Suponha dois vetores x e y com n componentes cada: 1. Alguns tópicos importantes de Álgebra Linear Danielle Carusi Machado - Econometria II Operações básicas
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 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 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 maisEduardo. Matemática Matrizes
Matemática Matrizes Eduardo Definição Tabela de números dispostos em linhas e colunas. Representação ou Ordem da Matriz Se uma matriz A possui m linhas e n colunas, dizemos que A tem ordem m por n e escrevemos
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisAula 07 mtm B MATRIZES
Aula 07 mtm B MATRIZES Definição Tabela de números dispostos em linhas e colunas. Representação ou ou Ordem da Matriz Se uma matriz A possui m linhas e n colunas, dizemos que A tem ordem m por n e escrevemos
Leia maisSME0812 Modelos Lineares. Álgebra Matricial. 17 de março de / 1
SME0812 Modelos Lineares Álgebra Matricial 17 de março de 2015 1 / 1 Notação Escreveremos A = A n m para denotar uma matriz de dimensão n m, ou seja, uma matriz com n linhas e m colunas: a 11 a 12 : :
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Definição de Matrizes. Exemplos. Definição de Ordem de Uma Matriz. Exemplos. Representação Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz
Leia mais1. Conhecendo-se somente os produtos AB e AC, calcule A = X 2 = 2X. 3. Mostre que se A e B são matrizes que comutam com a matriz M = 1 0
Lista de exercícios. AL. 1 sem. 2015 Prof. Fabiano Borges da Silva 1 Matrizes Notações: 0 para matriz nula; I para matriz identidade; 1. Conhecendo-se somente os produtos AB e AC calcule A(B + C) B t A
Leia maisALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1
ALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções em VETORES Um vetor é uma lista ordenada de números
Leia maisAula 7 - Revisão de Álgebra Matricial
23 de Abril de 2018 // 26 de Abril de 2018 Introdução Objetivo da revisão: revisar a notação matricial, técnicas de álgebra linear e alguns resultados importantes Conteúdos: 1 Vetores e matrizes 2 Operações
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Tópicos matriciais; Derivação de vetores e matrizes. Tópicos matriciais Tipos especiais
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 maisFUNDAMENTOS DE SISTEMAS LINEARES PARTE 1
FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Revisão O que é um corpo (campo)? O que é um espaço
Leia maisFACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO LEEC EXERCÍCIOS DE ÁLGEBRA
FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO LEEC EXERCÍCIOS DE ÁLGEBRA Exercícios vários. Considere o conjunto C =, e a operação binária definida por a b = min(a, b). O conjunto C é, relativamente
Leia maisAlgebra Linear. 1. Ortonormalização. 2. Sistema de Equações Lineares. pag.1 Teoria de Sistemas Lineares Aula 6. c Reinaldo M.
Algebra Linear 1. Ortonormalização 2. Sistema de Equações Lineares pag.1 Teoria de Sistemas Lineares Aula 6 Ortonormalização Um vetor x é dito estar normalizado se sua norma Euclidiana é igual a 1, ie,
Leia maisAULA 1 - Modelos determinísticos vs Probabiĺısticos
AULA 1 - Modelos determinísticos vs Probabiĺısticos Susan Schommer Econometria I - IE/UFRJ O que é Econometria? Aplicação de métodos estatísticos e matemáticos para analisar os dados econômicos, com o
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 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisAcadêmico(a) Turma: Capítulo 2: MATRIZES
1 Acadêmico(a) Turma: 2.1. Definição Capítulo 2: MATRIZES A teoria das matrizes e a teoria dos determinantes são pré-requisitos para resolução e discussão de um sistema linear. Define-se matriz m x n uma
Leia maisIntrodução a Regressão Linear
Introdução a Regressão Linear 1 Duas pedras fundamentais em econometria: 1) Modelo de Regressão Linear 2) OLS método de estimação: Mínimos Quadrados Ordinários técnica algébrica / estatística Modelo de
Leia maisIntrodução a Regressão Linear
Introdução a Regressão Linear 1 Duas pedras fundamentais em econometria: 1) Modelo de Regressão Linear 2) OLS método de estimação: Mínimos Quadrados Ordinários técnica algébrica / estatística Modelo de
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 maisRenato Martins Assunção
Análise Numérica Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 84 Equação linear Sistemas de equações lineares A equação 2x + 3y = 6 é chamada linear
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 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 maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.1: Álgebra Linear e Matrizes Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT003 10 a Lista de
Leia maisÁLGEBRA LINEAR - MAT0024
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR - MAT0024 10 a Lista de exercícios
Leia maisNotações e revisão de álgebra linear
Notações e revisão de álgebra linear Marina Andretta ICMC-USP 17 de agosto de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211
Leia maisRevisões de Matemática e Estatística
Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................
Leia maisAnálise multivariada
UNIFAL-MG, campus Varginha 6 de Setembro de 2018 Matriz inversa Já discutimos adição, subtração e multiplicação de matrizes A divisão, da forma como conhecemos em aritmética escalar, não é definida para
Leia mais. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
Leia maisBaseado no Capítulo 2 do livro: Material preparado pelo
Baseado no Capítulo 2 do livro:.. h,.. h 2. (28) h &,. Material preparado pelo.. é ç : @. Departamento de Ciências Exatas / ESALQ USP Fevereiro de 22 Í N D I C E 2.. Matrizes e vetores... 2 2... Matrizes,
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 maisAfiliação. Professor Titular do Departamento de Estatística Faculdade de Matemática da PUCRS
Lorí Viali Licenciatura Plena em Matemática UFRGS Bacharelado em Matemática UFRGS Especialização em Formação de Pesquisadores PUCRS Mestrado em Engenharia de Produção (PO) UFSC Doutorado Sanduíche na USF
Leia maisé encontrado no cruzamento da linha i com a coluna j, ou seja, o primeiro índice se refere à linha e o segundo à coluna.
Ministério da Educação Secretaria de Educação Profissional e Tecnológica Instituto Federal De Santa Catarina Campus São José Professora: ELENIRA OLIVEIRA VILELA COMPONENTE CURRICULAR: ALG ÁLG. LINEAR MATRIZES
Leia maisPré-requisitos Algebra Linear. Lorí Viali. Afiliação
Lorí Viali Licenciatura Plena em Matemática UFRGS Bacharelado em Matemática UFRGS Especialização em Formação de Pesquisadores PUCRS Mestrado em Engenharia de Produção (PO) UFSC Doutorado Sanduíche na USF
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 maisNotas para o Curso de Algebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009
Notas para o Curso de Álgebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009 2 Sumário 1 Matrizes e Sistemas Lineares 5 11 Matrizes 6 12 Sistemas Lineares 11 121 Eliminação Gaussiana 12 122 Resolução
Leia mais(x 1, y 1 ) (x 2, y 2 ) = (x 1 x 2, y 1 y 2 ); e α (x, y) = (x α, y α ), α R.
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2457 Álgebra Linear para Engenharia I Terceira Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Considere as retas
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 maisLista de Exercícios 05 Álgebra Matricial
Lista de Exercícios 05 Álgebra Matricial - 016.1 1. Determine a quantidade desconhecida em cada uma das expressões: ( ) ( ) ( ) T 0 3 x + y + 3 3 w (a) 3.X = (b) = 6 9 4 0 6 z. Uma rede de postos de combustíveis
Leia maisUma matriz m x n é um quadro de elementos dispostos em m linhas e n colunas. Os valores de m e n são sempre positivos e inteiros.
MATRIZES DEFINIÇÃO Uma matriz m x n é um quadro de elementos dispostos em m linhas e n colunas. Os valores de m e n são sempre positivos e inteiros. M = à M é uma matriz 2 x 3. Cada elemento da matriz
Leia maisMATRIZES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga
MATRIZES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Definição: chama-se matriz de ordem m por n a um quadro de m xn elementos dispostos em m linhas e n colunas. a a a a a a a a
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Matrizes. Exemplos. Ordem de Uma Matriz. Exemplos. Representação 7. Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz Coluna. Exemplos. Diagonal
Leia maisTratamento Estatístico de Dados em Física Experimental
Tratamento Estatístico de Dados em Física Experimental Prof. Zwinglio Guimarães o semestre de 06 Tópico 7 - Ajuste de parâmetros de funções (Máxima Verossimilhança e Mínimos Quadrados) Método da máxima
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
Leia maisAula 25 - Espaços Vetoriais
Espaço Vetorial: Aula 25 - Espaços Vetoriais Seja V um conjunto não vazio de objetos com duas operações definidas: 1. Uma adição que associa a cada par de objetos u, v em V um único objeto u + v, denominado
Leia maisFundamentos de Matemática Curso: Informática Biomédica
Fundamentos de Matemática Curso: Informática Biomédica Profa. Vanessa Rolnik Artioli Assunto: determinantes e sistemas 13 e 27/06/14 Determinantes Def.: Seja M uma matriz quadrada de elementos reais, de
Leia maisParte 1 - Matrizes e Sistemas Lineares
Parte 1 - Matrizes e Sistemas Lineares Matrizes: Uma matriz de tipo m n é uma tabela com mn elementos, denominados entradas, e formada por m linhas e n colunas. A matriz identidade de ordem 2, por exemplo,
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 mais3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão e B =
3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008. (a) Ache os auto-valores e auto-vetores de A = 3 4 2 0 2 0 0 0 e B = 0 0 2 0 2 0 2 0 0 (b) Mostre que λ + λ 2 + λ 3 é igual ao
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 maisMatrizes e sistemas de equações algébricas lineares
Capítulo 1 Matrizes e sistemas de equações algébricas lineares ALGA 2007/2008 Mest Int Eng Biomédica Matrizes e sistemas de equações algébricas lineares 1 / 37 Definições Equação linear Uma equação (algébrica)
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 maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Leia maisÁlgebra Linear I - Aula Forma diagonal de uma matriz diagonalizável
Álgebra Linear I - Aula 18 1 Forma diagonal de uma matriz diagonalizável 2 Matrizes ortogonais Roteiro 1 Forma diagonal de uma matriz diagonalizável Sejam A uma transformação linear diagonalizável, β =
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 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 maisÁlgebra Linear e Geometria Anaĺıtica. Espaços Vetoriais Reais
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 4 Espaços Vetoriais Reais Definição de espaço vetorial real [4 01] O conjunto
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 maisModelos de Regressão
Renato Martins Assunção DCC - UFMG 2015 Renato Martins Assunção (DCC - UFMG) 2015 1 / 19 Exemplo de preço de apto Y = y 1 y 2 y 1499 y 1500 b 0 1 1 1 1 + b 1 área 1 área 2 área 1499 área 1500 + b 2 idade
Leia maisLista de Exercícios de Cálculo 3 Primeira Semana
Lista de Exercícios de Cálculo 3 Primeira Semana Parte A 1. Se v é um vetor no plano que está no primeiro quadrante, faz um ângulo de π/3 com o eixo x positivo e tem módulo v = 4, determine suas componentes.
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores
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 maisCF372 Mecânica Quântica I Segunda Lista de Exercícios - Capítulo II. q exp( q 2 ) ( 2 π. 2 (2q 2 1) exp( q 2 )
CF372 Mecânica Quântica I Segunda Lista de Exercícios - Capítulo II 1) Dadas as funções ψ 1 (q) e ψ 2 (q), definidas no intervalo < q < + : ψ 1 (q) = ( 2 π ) 1/2 q exp( q 2 ) Calcule: a) (ψ 1, ψ 2 ); b)
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 maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA. Área Econometria MESTRADO PROFISSIONAL EM FINANÇAS OU ECONOMIA 1. vire aqui
MESTRADO PROFISSIONAL EM ECONOMIA Área Econometria MESTRADO PROFISSIONAL EM FINANÇAS OU ECONOMIA 1 vire aqui DISCIPLINAS MATEMÁTICA Esta disciplina tem como objetivo apresentar aos alunos o instrumental
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 maisRELEMBRANDO... CÁLCULO DA MATRIZ INVERSA:
RELEMBRANDO... CÁLCULO DA MATRIZ INVERSA: determinantes Se o determinante da matriz é diferente de zero existe a inversa, logo: det M 0 M -1 1 =. M det M Quem é M? É a matriz adjunta, que é a matriz transposta
Leia maisProduto Misto, Determinante e Volume
15 Produto Misto, Determinante e Volume Sumário 15.1 Produto Misto e Determinante............ 2 15.2 Regra de Cramer.................... 10 15.3 Operações com matrizes............... 12 15.4 Exercícios........................
Leia maisÁlgebra Linear I - Aula Bases Ortonormais e Matrizes Ortogonais
Álgebra Linear I - Aula 19 1. Bases Ortonormais e Matrizes Ortogonais. 2. Matrizes ortogonais 2 2. 3. Rotações em R 3. Roteiro 1 Bases Ortonormais e Matrizes Ortogonais 1.1 Bases ortogonais Lembre que
Leia maisRevisão de Álgebra Linear
Introdução: Revisão de Álgebra Linear Antonio Elias Fabris Instituto de Matemática e Estatística Universidade de São Paulo Map 2121 Aplicações de Álgebra Linear Antonio Elias Fabris (IME-USP) Revisão de
Leia maisAlgebra Linear. 1. Espaços Vetoriais Lineares. 2. Coordenadas em Espaços Lineares. 3. Operadores Lineares. 4. Transformação de Similaridade
Algebra Linear 1 Espaços Vetoriais Lineares Coordenadas em Espaços Lineares 3 Operadores Lineares 4 Transformação de Similaridade Matriz como Operador Norma de Vetores e Produto Interno pag1 Teoria de
Leia maisVetores e Geometria Analítica
Vetores e Geometria Analítica ECT2102 Prof. Ronaldo Carlotto Batista 23 de fevereiro de 2016 AVISO O propósito fundamental destes slides é servir como um guia para as aulas. Portanto eles não devem ser
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 maisÁlgebra Linear I - Aula 22
Álgebra Linear I - Aula 1. Bases Ortonormais.. Matrizes Ortogonais. 3. Exemplos. 1 Bases Ortonormais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de
Leia mais(d) Cada vetor de R 2 pode ser escrito de forma única como combinação linear dos vetores
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno Costa, Luiz Carlos Guimarães, Mário de Oliveira, Milton Ramirez, Monique Carmona, Nilson Bernardes e Nilson Roberty
Leia mais1 Álgebra linear matricial
MTM510019 Métodos Computacionais de Otimização 2018.2 1 Álgebra linear matricial Revisão Um vetor x R n será representado por um vetor coluna x 1 x 2 x =., x n enquanto o transposto de x corresponde a
Leia maisÁlgebra Linear Teoria de Matrizes
Álgebra Linear Teoria de Matrizes 1. Sistemas Lineares 1.1. Coordenadas em espaços lineares: independência linear, base, dimensão, singularidade, combinação linear 1.2. Espaço imagem (colunas) - Espaço
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 12
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 12 Regressão com Variáveis Não-Estacionárias Considere três processos estocásticos definidos pelas seguintes
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 maisRevisão do MRLM - Análise "Cross-Section"
Revisão do MRLM - Análise "Cross-Section" APLICAÇÕES DE ECONOMETRIA Notas Práticas FEUC - 1 o Sem. 2010/2011 Vítor Castro (Notas Práticas) MRLM - Revisão FEUC - 1 o Sem. 2010/2011 1 / 13 Análise "Cross-Section"
Leia maisMAT Álgebra Linear para Engenharia II - Poli 2 ō semestre de ā Lista de Exercícios
MAT 2458 - Álgebra Linear para Engenharia II - Poli 2 ō semestre de 2014 1 ā Lista de Exercícios 1. Verifique se V = {(x, y) x, y R} é um espaço vetorial sobre R com as operações de adição e de multiplicação
Leia maisÁlgebra Linear /2 Turma 11852
Álgebra Linear 2 202/2 Turma 852 Planejamento (última revisão: 26/0/202) Os exercícios correspondentes a cada aula serão cobrados oralmente na aula seguinte e valem nota Todas as referências e exercícios
Leia maisFundamentos de Matemática Curso: Informática Biomédica
Fundamentos de Matemática Curso: Informática Biomédica Profa. Vanessa Rolnik Artioli Assunto: sequências e matrizes 05 e 06/06/14 Sequências Def.: chama-se sequência finita ou n-upla toda aplicação f do
Leia maisMAT Resumo Teórico e Lista de
MAT 0132 - Resumo Teórico e Lista de Exercícios April 10, 2005 1 Vetores Geométricos Livres 1.1 Construção dos Vetores 1.2 Adição de Vetores 1.3 Multiplicação de um Vetor por um Número Real 2 Espaços Vetoriais
Leia maisexercícios de álgebra linear 2016
exercícios de álgebra linear 206 maria irene falcão :: maria joana soares Conteúdo Matrizes 2 Sistemas de equações lineares 7 3 Determinantes 3 4 Espaços vetoriais 9 5 Transformações lineares 27 6 Valores
Leia maisÁlgebra Linear - Prof. a Cecilia Chirenti. Lista 3 - Matrizes
Álgebra Linear - Prof. a Cecilia Chirenti Lista 3 - Matrizes. Sejam A = C = 0 3 4 3 0 5 4 0 0 3 4 0 3, B = 3, D = 3,. Encontre: a A+B, A+C, 3A 4B. b AB, AC, AD, BC, BD, CD c A t, A t C, D t A t, B t A,
Leia maisn. 1 Matrizes Cayley (1858) As matrizes surgiram para Cayley ligadas às transformações lineares do tipo:
n. Matrizes Foi um dos primeiros matemáticos a estudar matrizes, definindo a ideia de operarmos as matrizes como na Álgebra. Historicamente o estudo das Matrizes era apenas uma sombra dos Determinantes.
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 maisUniversidade Federal Fluminense - GAN
Solimá Gomes Pimentel Universidade Federal Fluminense IM - GAN Solimá Gomes Pimentel, ****- Matemática para Economia III/Solimá Gomes Pimentel 2pt, ; 31cm Inclui Bibliografia. 1. Matemática para Economia
Leia maisUniversidade Federal de Viçosa Departamento de Estatística
Universidade Federal de Viçosa Departamento de Estatística Prova Seletiva para o Programa de Pós-Graduação em Estatística Aplicada e Biometria. Nível Doutorado - 22/nov/2013 Nome: Assinatura:. Número do
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 mais