Teste da razão de verossimilhanças generalizada
|
|
- Marisa de Miranda Rijo
- 5 Há anos
- Visualizações:
Transcrição
1 SME0812 Modelos Lineares Teste da razão de verossimilhanças generalizada Prof. Cibele Russo 7 de maio de / 21
2 Suponha que em um modelo linear geral Y n 1 = X n (p+1) (p+1) 1 + n 1; com N(0; 2 I); desejamos testar a hipótese linear geral H 0 : C = m contra H 1 : C 6= m; com C uma matriz de dimensão q (p + 1), r(c) = q < p + 1 e m um vetor de dimensão q 1. Para isso, vamos construir o teste da razão de verossimilhanças generalizada. 7 de maio de / 21
3 Seja L(jx 1 ; : : : ; x n ) a função de verossimilhança de dadas as observações x 1 ; : : : ; x n das variáveis aleatórias independentes X 1 ; : : : ; X n, com 2 Θ. Suponha que desejamos testar se H 0 : 2 Θ 0 ; com Θ 0 Θ contra H 1 : 2 Θ: A estatística Λ = sup L(jx 1 ; : : : ; x n ) 2Θ 0 sup L(jx 1 ; : : : ; x n ) 2Θ é chamada de teste da razão de verossimilhanças generalizada. 7 de maio de / 21
4 O teste da razão de verossimilhanças generalizada rejeita H 0 ao nível de significância se Λ Λ 0 em que 0 Λ 0 1 é tal que P(Λ < Λ 0 jh 0 verdadeira) = : No caso da hipótese linear geral, temos que L(; 2 jy; X) = { } 1 1 (2 2 exp ) n=2 2 2 (y X)> (y X) ; Θ = f(; 2 ); 2 R p+1 e 2 > 0g e Θ 0 = f(; 2 ); 2 R p+1 ; 2 > 0 e C = mg 7 de maio de / 21
5 Assim, Λ = sup L(; 2 jy; X) (; 2 )2Θ 0 sup L(; 2 jy; X) : (; 2 )2Θ Para o denominador, Para sup L(; 2 jy; X) é atingido quando (; 2 )2Θ MV = (X > X) 1 X > y e 2 = (y X MV ) > (y X MV ) : n sup L(; 2 jy; X), precisamos maximizar L(; 2 jy; X) com (; 2 )2Θ 0 2 R p+1 ; 2 > 0 sujeito a C = m. 7 de maio de / 21
6 Para isso, podemos utilizar o método dos multiplicadores de Lagrange, que consiste em maximizar L? = L(; 2 jy; X) > (C m); com um vetor q 1 de multiplicadores de Lagrange. Devemos encontrar = ( 0 ; 2 0 ; > ) > = = 0 e 2 > = negativa definida: 7 de maio de / 21
7 Após alguns cálculos (exercício), obtemos 0 = MV (X > X) 1 C > [C(X > X) 1 C > ] 1 (C MV m) e 0 2 = (y X 0) > (y X 0) ; n em que 0 e 0 2 são os estimadores de máxima verossimilhança restritos a H 0. Temos que sup (; 2 )2Θ = sup (; 2 )2Θ L(; 2 jy; X) [ { }] 1 1 (2 2 exp ) n=2 2 2 (y X)> (y X) = (2) n=2 ( 2 MV ) n=2 e n=2 : 7 de maio de / 21
8 Além disso, sup L(; 2 jy; X) (; 2 )2Θ 0 [ 1 = sup (2 2 ) Assim, Λ = (; 2 )2Θ 0 n=2 exp = (2) n=2 ( 2 0 ) n=2 e n=2 ) ( 2 n=2 MV 2 0 { }] (y X)> (y X) e rejeitamos H 0 ao nível de significância se Λ Λ 0 com 0 < Λ 0 < 1 é tal que P(Λ < Λ 0 jh 0 verdadeira) = : 7 de maio de / 21
9 Considere a estatística W = (Λ 2=n ( n 1) ) p 1 ; q que satisfaz as seguintes propriedades: W é uma função monótona de Λ. Λ Λ 0, Λ 1 Λ 1, Λ 0 2=n 1 Λ 2=n 1, ( ) ( 0 ) n p 1 (Λ 2=n ) (Λ 2=n n p 1 ), q 0 q W w 0 (forma da região crítica). ( ) 2 (n ) ) W = 0 p 1 ( 2 (n 1 = 0 MV 2 ) p 1. q q 2 MV 2 MV 7 de maio de / 21
10 Lembrando que 0 = MV (X > X) 1 C > [C(X > X) 1 C > ] 1 (C MV m) 0 = MV H temos que 2 0 = (y X 0) > (y X 0)=n = (y X( MV H)) > (y X( MV H))=n = (y X MV + XH) > (y X MV + XH)=n = (y X MV ) > (y X MV ) n + (y X MV ) > XH + H > X > (y X MV ) + H > X > XH : n 7 de maio de / 21
11 Mas H > X > (y X MV ) = H > (X > y X > X MV ) = H > (X > y X > y) = 0: Logo 2 0 = 2 MV + H> X > XH n = 2 MV + (C MV m) > [C(X > X) 1 C > ] 1 C(X > X) 1 X > X(X > X) 1 C > [C(X > X) 1 C > ] 1 (C MV m)) n = 2 MV + (C MV m) > [C(X > X) 1 C > ] 1 (C MV m)) n 7 de maio de / 21
12 Substituindo na expressão de W : ( ) 2 (n ) W = 0 p 1 MV 2 1 q ( ) (n (C MV m) > [C(X > X) 1 C > ] 1 ) (C MV m)) p 1 = n MV 2 q (C MV m) > [C(X > X) 1 C > ] 1 (C MV m)) q = (y X MV ) > (y X MV ) ( n p 1 ) (C MV m) > [C(X > X) 1 C > ] 1 (C MV m)) = q QMRes 7 de maio de / 21
13 Distribuição de W com QMRes = MSE o quadrado médio dos resíduos no modelo irrestrito, Temos que QMRes = MSE = (y X MV ) > (y X MV ) : n p 1 MV N p+1 (; 2 (X > X) 1 ) C MV N q (C; 2 C(X > X) 1 C > ) C MV m N q (C m; 2 C(X > X) 1 C > ) 7 de maio de / 21
14 Distribuição de W Assim, (C MV m) > [C(X > X) 1 C > ] 1 (C MV m)) 2 = com A = [C(X> X) 1 C > ] 1 2. Além disso, = (C MV m) > A(C MV m) AΣ = [C(X> X) 1 C > ] 1 2 C(X > X) 1 C > = I (idempotente). 2 7 de maio de / 21
15 Distribuição de W ) (C MV m) > [C(X > X) 1 C > ] 1 (C MV m)) 2 2 r(a); com r(a) = q e = 1 2 (C m)> [C(X > X) 1 C > ] 1 (C m) 2. Como (y X MV ) > (y X MV ) 2 2 n p 1 e as duas formas quadráticas são independentes (exercício), concluímos que 7 de maio de / 21
16 Distribuição de W (C MV m) > [C(X > X) 1 C > ] 1 (C MV m)) q 2 W = (y X MV ) > (y X MV ) F q;n p 1;: (n p 1) 2 Sob H 0, temos que (C MV = m) e = 0 e portanto W F q;n p 1 central: O teste da razão de verossimilhanças generalizada rejeita H 0 ao nível de significância se w > w 0, com w 0 tal que P(F > w 0 ) e F F q;n p 1. 7 de maio de / 21
17 Observações 1. Var(C MV m) = Var(C MV ) = C(X > X) 1 C > 2 : Podemos então estimar Var(C MV m) por Var(C MV m) = C(X > X) 1 C > 2 MV = C(X> X) 1 C > QMRes: 7 de maio de / 21
18 Observações 2. W = ( MV 2 MV ) (n ) p 1 ; q com MV 2 e 2 0 os estimadores de máxima verossimilhança no modelo original e no modelo restrito a H 0, respectivamente. Assim, W pode ser escrito como W = SQRes 0 SQRes SQRes com SQRes e SQRes 0 as somas de quadrados dos resíduos nos modelos originais e restritos a H 0, respectivamente. 7 de maio de / 21
19 Observações 3. Para cada, a função poder do teste é () = 1 w 0 f q;n p 1;dw em que f q;n p 1; é a função densidade de probabilidades da distribuição F q;n p 1; e w 0 é tal que P(F w 0 ) com F F q;n p 1. 7 de maio de / 21
20 Observações 4. 0 = MV (X > X) 1 C > [C(X > X) 1 C > ] 1 (C MV m); estimador de máxima verossimilhança de sob H 0 : C = m é também o estimador de mínimos quadrados de sob H 0. 7 de maio de / 21
21 Observações 5. A estatística W para testar se H 0 : C = m contra H 1 : C 6= m; coincide com a correspondente estatística W para testar se H 0 : QC = Qm contra H 1 : QC 6= Qm; onde Q é uma matriz q q não singular. A prova fica como exercício. 7 de maio de / 21
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisTeste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
Leia maisAULA 7 - Inferência em MQO: ICs e Testes de
AULA 7 - Inferência em MQO: ICs e Testes de Hipóteses Susan Schommer Econometria I - IE/UFRJ Nosso primeiro objetivo aqui é relembrar a diferença entre estimação de ponto vs estimação de intervalo. Vamos
Leia 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 maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisInferência para CS Tópico 10 - Princípios de Estimação Pontual
Inferência para CS Tópico 10 - Princípios de Estimação Pontual Renato Martins Assunção DCC - UFMG 2013 Renato Martins Assunção (DCC - UFMG) Inferência para CS Tópico 10 - Princípios de Estimação Pontual
Leia maisGabarito e resolução da prova de seleção PPGE FURG Estatística
Gabarito e resolução da prova de seleção PPGE FURG 2019. Questão 1) Resposta: letra c) i. (FALSO) Estatística Variáveis de interação sempre podem ser incluídas mos modelos de regressão, se isso não gerar
Leia maisTeste χ 2 de aderência
Teste χ 2 de aderência Chuck Norris Arnold Schwarzenegger 15 de julho de 2013 Resumo O teste χ 2 de aderência é considerado para testar a hipótese de que uma distribuição de probabilidades as frequências
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisANÁLISE DE REGRESSÃO
ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação
Leia maisInferências sobre o vetor de Média. (Johnson & Wichern, Cap. 5) Considere o problema univariado no qual temse uma amostra aleatória de tamanho n da
Inferências sobre o vetor de Média (Johnson & Wichern, Cap. 5) Considere o problema univariado no qual temse uma amostra aleatória de tamanho n da distribuição N(µ, σ 2 ), em que ambos os parâmetros de
Leia maisAnálise de Regressão Linear Múltipla IX
Análise de egressão Linear Múltipla I Aula Gujarati e Porter - Capítulo 8 Wooldridge - Capítulo 5 Heij et al., 004 Seção 4..4 Introdução Ao longo dos próximos slides nós discutiremos uma alternativa para
Leia maisConceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
Leia maisEPGE / FGV MFEE - ECONOMETRIA. Monitoria 01-18/04/2008 (GABARITO)
EGE / FGV MFEE - ECONOMETRIA Monitoria 01-18/04/008 (GABARITO) Eduardo. Ribeiro eduardopr@fgv.br ofessor Ilton G. Soares iltonsoares@fgvmail.br Monitor Tópicos de Teoria: 1. Hipóteses do Modelo Clássico
Leia maisANÁLISE DE VARIÂNCIA. y j = µ + τ i + e i j = µ i + e i j
SUMÁRIO 1 Análise de Variância 1 1.1 O Teste F...................................... 1.2 Verificando as pressuposições do modelo..................... 5 1.2.1 Verificação de Normalidade.........................
Leia maisMultiplicadores de Lagrange
Multiplicadores de Lagrange Para motivar o método, suponha que queremos maximizar uma função f (x, y) sujeito a uma restrição g(x, y) = 0. Geometricamente: queremos um ponto sobre o gráfico da curva de
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Estimação de Parâmetros O objetivo da Estatística Indutiva é tirar conclusões probabilísticas sobre aspectos da população,
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
1 Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 9 de Abril de 2015 2 3 Função Deviance Podemos ver o ajuste de um modelo a um conjunto de dados como: uma forma
Leia maisEstimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios. Wooldridge, Cápítulo 15
Estimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios Wooldridge, Cápítulo 5 Variáveis Instrumentais () 2 Variáveis Instrumentais Considere o seguinte modelo de regressão linear múltipla
Leia maisPROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012
PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG - 0/0 Instruções:. Cada questão respondida corretamente vale (um) ponto.. Cada questão respondida incorretamente vale - (menos um) ponto. 3.
Leia maisOs Mínimos Quadrados Ordinários Assintóticos
Os Mínimos Quadrados Ordinários Assintóticos Enquadramento 1. A analise assintótica, é o método matemático que descreve a limitação de um determinado comportamento. O termo assintótico significa aproximar-se
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 8 Análise de Regressão Múltipla: o Problema da Inferência Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus,
Leia maisNota: Turma: MA 327 Álgebra Linear. Terceira Prova. Boa Prova! Primeiro Semestre de T o t a l
Turma: Nota: MA 327 Álgebra Linear Primeiro Semestre de 26 Terceira Prova Nome: RA: Questões Pontos Questão 1 Questão 2 Questão 3 Questão 4 Questão 5 T o t a l Boa Prova! Questão 1. 2. Pontos) Seja U um
Leia maisTÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Nocturno) 2009/2010. Primeira Parte. P (X a) =1 F (a). 0 f(x) 1. P (X a X b) = F (a) F (b)
TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Nocturno) 009/00 Primeira Parte [,0]. Considere a variável aleatória (v.a.) X e seja F (x) a sua função distribuição. Considere as seguintes afirmações:
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisH 0 : m 1 = m 2 =... = m I = 0 H a : pelo menos m u m k, para algum u k (u,k=1,2,...,i)
Em um experimento ao se comparar as médias de tratamentos ou dos níveis de um fator de tratamentos, inicialmente, formula-se a seguintes hipóteses: H 0 : m = m =... = m = 0 H a : pelo menos m u m k, para
Leia maisSELEÇÃO DE VARIÁVEIS
SELEÇÃO DE VARIÁVEIS objetivo incluir tantas covariáveis quantas forem necessárias para auxiliar na predição do modelo? (1) buscar o menor subconjunto de covariáveis capaz de explicar adequadamente a variação
Leia maisANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC)
ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 11 de dezembro de 2017 Uma análise de variância expressa uma medida
Leia maisUniversidade Nova de Lisboa FACULDADE DE ECONOMIA
Universidade Nova de Lisboa FACULDADE DE ECONOMIA Exame de Econometria I 1998/1999 (150 minutos) 12 de Janeiro de 1999 Nome ou nº por extenso: Na folha existem espaços para apresentar as suas respostas.
Leia mais4 de outubro de MAT140 - Cálculo I - Método de integração: Frações Parciais
MAT140 - Cálculo I - Método de integração: Frações Parciais 4 de outubro de 2015 Iremos agora desenvolver técnicas para resolver integrais de funções racionais, conhecido como método de integração por
Leia maisANÁLISE DE VARIÂNCIA - ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
ANÁLISE DE VARIÂNCIA - ANOVA Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM UM EXEMPLO DE APLICAÇÃO Digamos que temos 6 métodos de ensino aplicados a 30 crianças
Leia maisRegressão Linear Simples
Regressão Linear Simples Capítulo 16, Estatística Básica (Bussab&Morettin, 8a Edição) 10a AULA 18/05/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 10a aula (18/05/2015) MAE229 1 / 38 Introdução
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisSELEÇÃO DE VARIÁVEIS
SELEÇÃO DE VARIÁVEIS objetivo incluir tantas covariáveis quantas forem necessárias para auxiliar na predição do modelo? (1) buscar o menor subconjunto de covariáveis capaz de explicar adequadamente a variação
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução A análise de variância (Anova) é utilizada para comparar médias de três ou mais populações.
Leia maisGAAL - Terceira Prova - 15/junho/2013. Questão 1: Analise se a afirmação abaixo é falsa ou verdadeira:
GAAL - Terceira Prova - /junho/3 SOLUÇÕES Questão : Analise se a afirmação abaio é falsa ou verdadeira: [ A matriz A é diagonalizável SOLUÇÃO: Sabemos que uma matriz n n é diagonalizável se ela possuir
Leia maisUNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE CIÊNCIAS EXATAS
1 1) Um Engenheiro Florestal fez um estudo com árvores de uma espécie dos cerrados brasileiros, tendo anotado a altura (X) e o volume (Y) de madeira de árvores de três idades (t) diferentes. Os dados estão
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 maisTESTE DE KOLMOGOROV-SMIRNOV. Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA
TESTE DE KOLMOGOROV-SMIRNOV Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA Conteúdo 2 Ewaldo Santana Introdução 3 Ewaldo Santana Introdução Testes estatísticos paramétricos, tais como
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 maisExperimentos Fatoriais
Experimentos Fatoriais Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos
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 maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 22 de outubro de 2018 Londrina 1 / 24 Obtenção de uma amostra Princípios básicos da experimentação Há basicamente duas
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisModelos de Regressão Linear Simples - parte II
Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade
Leia maisEPGE / FGV MFEE - ECONOMETRIA Monitoria 03-09/05/2008 (GABARITO)
EPGE / FGV MFEE - ECONOMETRIA Monitoria 03-09/05/2008 (GABARITO) Eduardo P. Ribeiro eduardopr@fgv.br Professor Ilton G. Soares iltonsoares@fgvmail.br Monitor 01. Use os dados em WAGE1 para estimar a seguinte
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia mais3. Experimentos a um único fator: Análise de Variância (ANOVA) 3.7 Comparações entre médias de tratamento
3. Experimentos a um único fator: Análise de Variância (ANOVA) 3.7 Comparações entre médias de tratamento Suponha que a hipótese nula, de médias de tratamento iguais, tenha sido rejeitada em favor da hipótese
Leia maisAnálise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013
Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos
Leia maisAlexandre Miranda Alves Anderson Tiago da Silva Edson José Teixeira. MAT146 - Cálculo I - Integração por Frações Parciais
MAT146 - Cálculo I - Integração por Frações Parciais Alexandre Miranda Alves Anderson Tiago da Silva Edson José Teixeira Iremos agora desenvolver um método para resolver integrais de funções racionais,
Leia maisEsquema Fatorial. Esquema Fatorial. Lucas Santana da Cunha 06 de outubro de 2018 Londrina
Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 06 de outubro de 2018 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos mais simples comparamos
Leia maisModelos de Regressão Múltipla - Parte I
Modelos de Regressão Múltipla - Parte I Erica Castilho Rodrigues 4 de Outubro de 2016 2 3 Introdução 4 Quando há apenas uma variável explicativa X, temos um problema de regressão linear simples onde ǫ
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.5. Support Vector Machines 2.5. Support Vector Machines (SVM) 2.5.2.
Leia maisHipóteses do modelo linear clássico (CLM) Análise da Regressão múltipla: Inferência. Hipóteses do CLM (cont.) O teste t. Distribuição normal amostral
9/03/0 Hipótes do modelo linear clássico (CLM) Análi da Regressão múltipla: Inferência Sabemos que, dadas as hipótes de Gauss- Markov, MQO é BLUE Para realizarmos os testes de hipótes clássicos, precisamos
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Variância amostral Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum Likehood
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Modelação estatística Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Modelação estatística Conceitos básicos de modelação estatística Modelação - identificação
Leia maisModelos Lineares Generalizados - Métodos de Estimação
Modelos Lineares Generalizados - Métodos de Estimação Erica Castilho Rodrigues 07 de Abril de 2014 3 Componentes dos MLG s Os MLG s são compostos por duas partes: componente sistemático e componente aleatório.
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
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 maisESTATÍSTICA APLICADA II ANO LECTIVO 2013/2014. Exame Final 18 de Julho de 2014
ESTTÍSTIC PLICD II O LECTIVO 3/4 Exame Final 8 de Julho de 4 Duração : 3 M ota: Responder um grupo por folha (utilize frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S. Silva http://www.im.ufrj.br/ralph/multivariada.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário
Leia maisMAE Planejamento e Pesquisa I
MAE0317 - Planejamento e Pesquisa I COMPARAÇÕES DE MÉDIAS - 1 FATOR FIXO 1 de abril de 2014 Denise A. Botter MAE0317 1 de abril de 2014 1 / 55 INTRODUÇÃO Testamos H 0 : µ 1 =... = µ r. Se H 0 não é rejeitada,
Leia maisModelo g.l. SQ Retas concorrentes ,46 Retas paralelas ,22 Retas com intercepto comum ,49 Retas coincidentes ,23
1 1) Em estudo observacional sobre comportamento de sono de 58 espécies de animais, uma das variáveis respostas foi o número total de horas de sono por dia (Y). O interesse desse estudo estava em relacionar
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTES PARA COMPARAÇÃO DE MÉDIAS O teste F permite tirar conclusões muito gerais relacionadas com os
Leia maisEsquema Fatorial. Lucas Santana da Cunha Universidade Estadual de Londrina
Esquema Fatorial Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de junho de 2016 Muitos experimentos envolvem o estudo dos efeitos
Leia mais1 O Teste de Neyman-Pearson depende do valor da alternativa
EM TODAS AS FIGURAS ABAIXO A DENSIDADE SOB A HIPÓTESE NULA ESTÁ EM NEGRO E AS RAZÕES DE VEROSSIM- ILHANÇA EM COLORIDO O Teste de Neyman-Pearson depende do valor da alternativa Suponha que: ( if x< ( x+θ)
Leia maisESQUEMA FATORIAL. Lucas Santana da Cunha Universidade Estadual de Londrina Departamento de Estatística
ESQUEMA FATORIAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 22 de julho de 2017 Esquema Fatorial Nos experimentos mais simples
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisMAE Planejamento e Pesquisa II
MAE0327 - Planejamento e Pesquisa II EXPERIMENTOS/ESTUDOS NÃO-BALANCEADOS COM FATORES FIXOS - PARTE 1 7 de agosto de 2016 Denise A Botter MAE0327 7 de agosto de 2016 1 / 1 PLANEJAMENTO E PESQUISA I Estudos
Leia maisTurma: Engenharia Data: 12/06/2012
DME-IM-UFRJ - 2ª Prova de Estatística Unificada Turma: Engenharia Data: 12/06/2012 1 - Admita que a distribuição do peso dos usuários de um elevador seja uma Normal com média 75kg e com desvio padrão 15kg.
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 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 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 maisEconometria II. Notas de bolso! Propriedades da E(.), Var(.) e Cov(.) Temos que (a,b) são constantes e (X,Y) são variáveis aleatórias.
Eco 2 monitoria Leandro Anazawa Econometria II Notas de bolso! Propriedades da E(.), Var(.) e Cov(.) Temos que (a,b) são constantes e (X,Y) são variáveis aleatórias. E(a) = a E(aX) = ae(x) E(a + bx) =
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 Testes de hipóteses Estamos interessados em implicações testáveis.
Leia maisTESTE DE COMPARAÇÕES MÚLTIPLAS
TESTE DE COMPARAÇÕES MÚLTIPLAS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de dezembro de 2017 Pela análise de variância realizada no Exemplo 1 da aula
Leia maisEstatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Leia maisEXPERIMENTOS COM INTERAÇÕES
EXPERIMENTOS COM INTERAÇÕES Na maioria dos experimentos, os tratamentos são de efeitos fixos. Mas também são realizados experimentos em que os efeitos dos tratamentos são aleatórios. 1 Para saber se, em
Leia maisTESTES DE HIPÓTESES E INTERVALOS DE CONFIANÇA EM MODELOS LINEARES GENERALIZADOS
TESTES DE HIPÓTESES E INTERVALOS DE CONFIANÇA EM MODELOS LINEARES GENERALIZADOS Antes de apresentar alguns dos testes de hipóteses e intervalos de confiança mais usuais em MLG, segue a definição de modelos
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 maisMODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS
MODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS 1 Diversas distribuições podem ser consideradas para a modelagem de dados positivos com distribuição contínua e assimétrica, como, por exemplo, as
Leia maisPRO 3200 Estatística. Prova P1 19/10/2015
Prova P1 19/10/2015 Questão 01 (3,0 pontos) As Linhas Aéreas Botucatu (LAB) estão fazendo um estudo sobre a ocupação de suas aeronaves, cuja capacidade máxima é de 50 passageiros. Os últimos 100 voos da
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 17 de outubro de 2018 Londrina 1 / 31 Obtenção de uma amostra Há basicamente duas formas de se obter dados para uma pesquisa
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia mais03/06/2014. Tratamento de Incertezas TIC Aula 18. Conteúdo Inferência Estatística Clássica
Tratamento de Incertezas TIC-00.176 Aula 18 Conteúdo Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2014.1/tic-00.176
Leia maisESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em simplificaaulas.com
ESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em Conceitos e Fundamentos População: conjunto de elementos, número de pessoas de uma cidade. Amostra: parte
Leia maisTeste de Comparações Múltiplas
Teste de Comparações Múltiplas Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 24 de outubro de 2018 Londrina 1 / 9 Pela análise de variância realizada no Exemplo 1 da aula
Leia maisH 0 : m 1 = m 2 =... = m I = 0 H a : pelo menos m u m k, para algum u k (u,k=1,2,...,i)
Em um experimento ao se comparar as médias de tratamentos ou dos níveis de um fator de tratamentos, inicialmente, formula-se a seguintes hipóteses: H 0 : m = m =... = m I = 0 H a : pelo menos m u m k,
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 2ª parte Experimentos inteiramente
Leia maisInstituto Federal Goiano
e simples e Instituto Federal Goiano e Conteúdo simples 1 2 3 4 5 simples 6 e simples Associação entre duas variáveis resposta Exemplos: altura de planta e altura da espiga, teor de fósforo no solo e na
Leia maisGabarito da Prova da Primeira Fase - Nível Beta
Gabarito da Prova da Primeira Fase - Nível Beta Questão 1 10 pontos Determine todos os números inteiros positivos n que satisfazem a condição Solução: Veja que n 2 7n n + 1 n 2 7n n + 1 Z nn + 1 8n n +
Leia maisDiagonalização de Operadores. Teorema Autovetores associados a autovalores distintos de um operador linear T : V V são linearmente independentes.
Teorema Autovetores associados a autovalores distintos de um operador linear T : V V são linearmente independentes. Teorema Autovetores associados a autovalores distintos de um operador linear T : V V
Leia maisINFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE
INFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE A análise de deviance é uma generalização, para modelos lineares generalizados, da análise de variância. No caso de modelos lineares, utiliza-se
Leia mais