Professional Documents
Culture Documents
\
|
=
o
c
to
c
i
e f
i
Pq vimos que o erro se
distribua normalmente
Tpico 2:
3- Estimao dos parmetros do modelo de regresso
Exemplo:
Agora podemos definir uma distribuio para Yi, j que conhecemos
a distribuio do erro
A partir da distribuio de para Yi, podemos escrever uma funo de
distribuio para Yi, como:
Yi para o distribui ) , ( ~
2
o |
i i
X N Y
(8)
2
1
) (
2
2
2
) (
2
|
|
.
|
\
|
=
o
|
to
i i
X Y
i
e Y f
aleatrio
Fixo
Tpico 2:
3- Estimao dos parmetros do modelo de regresso
Exemplo:
Aps definir as funes de distribuio, podemos escrever a funo
log-verossimilhaa que dever ser maximizada com o objetivo de
obter a estimativa de MV.
( )
(9)
2
1
) ( ) , ; , (
2
2
2
2
1
2
|
|
.
|
\
|
|
|
.
|
\
|
= =
[
o
|
to
o |
i i
X Y
n
n
i
i i i
e Y f X Y L
incgnitas
Tpico 2:
3- Estimao dos parmetros do modelo de regresso
Exemplo: Maximizando a funo de verossimilhana (exerccios):
2
2
2
2 2
2 2
e a relao com Maximizar
(11)
2
) (
) ln(
2
) 2 ln(
2
) , ; , (
(10) ) , ; , ( ) , ; , ( ln
o |
o
|
o t o |
o | o |
l
X Y
n n
X Y l
X Y l X Y L
i i
i i
i i i i
( )
) (9'
2
1
) ( ) , ; , (
2
2
2
2
1
2
|
|
.
|
\
|
|
|
.
|
\
|
= =
[
o
|
to
o |
i i
X Y
n
n
i
i i i
e Y f X Y L
Prop.
de
log.
e x e r c c i o s
Tpico 2:
3- Estimao dos parmetros do modelo de regresso
Exemplo:
Aps resolver o problema de maximizao, os estimadores obtidos
sero:
MQO de ao igual
2
^
=
i
i i
X
X Y
|
Estimador de MV para a varincia
do erro
1
n
SQResduos
^
2
^
2
2
^
^
2
= =
=
|
.
|
\
|
=
n
SQR
n
X Y
MQO MV
i i
o o
|
o
Estimador de MV para beta
Para pequenas amostras, o
estimador da varincia de MV
tendencioso
Tpico 2:
4- Propriedades dos estimadores de mxima verossimilhana
As propriedades mais importantes dos estimadores MV referem-se a
grandes amostras (so vlidas apenas para grandes amostras), ou
seja, so propriedades assintticas. So elas:
medida que o tamanho da amostra aumenta muito (ninfinito) a
varincia do estimador de MV tende a zero.
0 ) lim(
^
= u p
Tpico 2:
4- Propriedades dos estimadores de mxima verossimilhana
Essa propriedade diz que tem distribuio assinttica normal com
mdia e varincia dada pela matriz inversa de .
A matriz conhecida como matriz de informao, que
obtida das derivadas parciais de l em relao a teta.
)) ( , ( ~
1
^
u u u
I N
a
^
u
u ) (u I
) (u I
Tpico 2:
4- Propriedades dos estimadores de mxima verossimilhana
O estimador de MV tem distribuio normal assinttica e varincia
mnima entre as classes dos estimadores consistentes.
O termo varincia assinttica diz respeito varincia de uma
distribuio limite por isso a varincia assinttica de .
) , 0 (
2
^
o u u N n
d
|
.
|
\
|
2
^
) ( o u n
Tpico 2:
4- Propriedades dos estimadores de mxima verossimilhana
u u =
|
.
|
\
|
^
E
Temos dois
estimadores
diferentes para
teta e ambos so
no tendenciosos
Tpico 2:
5- Aplicao prtica: MQO X MV
Perodo 1987m05 a 2008m04
criar um objeto,
para inserir a
programao