Scribd Logo
Upload

Welcome to Scribd!

  • Untitled

    Uploaded by

    Ricardo
    7 views100 pages

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    7 views100 pages

    Untitled

    Uploaded by

    Ricardo

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 100
    ae ee Heretics 2 et : Bae STE S mopeLos be REGRESSAO E PREVISAO @eo4it) bys wth ex 's ge Trees amsaoe ete tetas @ Novice DRE: My, i o Una comps sguroe einos ume {elaglo linear entre 0 montante do seguro de vide {ido por) false a respectiva ronda Canai(grando os resuledossobttdes responded gy, 4 questdes abaixo’T *Scguro,= 4,855° ~, .@SR0ZReage Nz Gar pax ce (7.3835) ty Gace aa5es Oe 3830 i ae et eee Vix = : 7 20 : punto ol Y pa -% 3.8802 « 6000 = Fy ane eects ¥ 90:00 Lhe ole 0,44 0 oat = bey Ary = 89 7? UUs y 0,3 4ooo ~ 5003 amine de 5x o> fase ‘nov dabston: tes 32404 ao fat do 8 pune NK inusal, > = 295 = @ 95 248) bapa | 7 38802 -5 = 9,484 Aaple Ho. A propsngio do. oumeme aie ere Bo «8 ; Dafrcr- see |. "= gATAAS"® = 09,0061 524 y rw 28 ‘ FE = {see (b2) = eons)” | wx (ba) = (0 005404) = 0,000034%y ) Yer 001200952 * 0, 62427 VA = AGO D4 54D ee 2. dp (2) = Tues 1 Quai paride do 1230 dt pW 2 = 5,234) | = 09,0106 30 Vix le) = 0,006452 . [: +4 +(9 dpled= Jo, 106 = 010846054 ina Xo & Xanidio , rasa oO May Smum 4 © grewe- Buono meio. Gor 0, Giokmeto, sh : , ° waite mune wo. Contiobitideds -S © Xo ae aprommne do Xmvee' 0 SW pio £ MEAL 2) to ? paso tes Aptot Has foa 70 worbcandsl a Ps. vex gh aiteat noe 35859 te ONFGOIT-Os Yq 857 ©, 905404 Paspil, Ho. Ogeehicimls dine Taiov de qu: Zeno a Tc= bz + & dplba) Tap, = 014% 6 2720% + 1404. 0,005904 {Cgez, = [- 04662352 5 0, 4863006 | 4 Viv» piso teed 63 Me fr +0 Digudal, w= 0,01 - 0,005 gi =a ieee i -d,763 ~ 0206) ares FQ, O18 00R“O -0)5045 ; 10103 FFE Nag Patio He * Quonde Pe vatow Foy amano qui o of vod sybils Ho Su fov Trade So suisiley « 9k $15348 © 4,04 827 4 nd oy ©? b= 5% fect =457- SS oS 645 & 046 10: halen Yun (0% i spe Be rik g)- (87 eZ Wz 26 #) | Gin it (at aL \s tis 8 - Yo B= 2A O4 5M Ta = 40650" Oe) E66 = € (nrsva rst) /4 e(6)=A4 (4) & Eu = € (6)= Vind = saenengn do © af soporerep. 6 BY Vox (6) = Wore Gxataat st 94) /a ox (HD = aw U0) Ho tore 4 von We) You (N= A, woul) a Ay tris Vow tt) = 4 : 19 Von = 6" 10 2 bie wees MODELOS Di, REGRESSAO E PREVISAO c Dy Foi estimada uma relaglo linear entre a 0 consumo de lete em domicilios, por ano, © a8 *respectivas rendas, O volume de leite consumido medido em itros ¢ a renda em reais Corsican os resltedesobidos responds A quests abso (T=35) = f Fee ae aRenda coed Gepeln dp. «a’3s0) 031) % 7 2) Representégrficamente« equiao estima, discuta os snas eperads eefetivanente Cheontfades para o: parametrs, e a confcbilidade dessasestimativas. by Qual bau exdmativa pera a varagdo esperada do volume consumido de leit restate de jum aumento da renda RS30% AB) usa clr pian don eps desing md 250 essfo He eens com os datos de ends dividides por 10, ou soja, Rendall @ Taste hipotese de que para cada RS] de vaio na nda ha uma varacso de 0,2 ltrs no oa aaa aercaigo delete Adote um nivel de.5% de sgnficincia ees de estimagdo de um modelo de regressii linear simples entre 2) Considere os resultados abaixo eX, quantidade froduzida, tl que Y.= Bi + PX * & as variévels Y, custo de produgo, 8 \ . suo bos kesutranoe J ? Tiaiiies epee op. ge H 555 AL=0,12 >>>> AL=3,6.litros. aR, 30 ° c) “L= 815 + -0,12R* + dp.(1,380) (0,031) * 7 Re Rilo PPPOE Uy n AL 815 + O/L2x10) RAO), 42.03,80) (00,31) z I~ Oa % proponceio = OP @) Ho:p2= 0,2 vs He mS = b2~§2 =0,12~0.2=.0.08 =-2,58 dpb2 0031-0031 \ o 0,045 Folk T ee : euwdos ¢ = 7 2) RESUMO DOS RESULTADOS. ica de regressd0._—__ 0.9082 a i ANOVA 7 ere eee eee Si Mm al R T 129,549" 129,548, ; 2 Eee 14 12,935 ; cB 15142486 eee Coeficintes Ero Sati valor-P ; padirao eee 4 Tntersegio T3AGS 0,542 17,852 49 4 Vaciével X 0,003895 0,000329 11,841 1,11E-08 923929 fa ayo? = SQEICE-D) >opve> “0% = 12,9350(16-2) Bee SORSQT = 129,548/142,484 = 0,9092 bytue=tefdp(hy >eP>> U,84T =by0,000829 >>>> br = 0.008895 ter = byldp(bi) >>>>> dp (CD.= $3,465/17,852 = 0,7542 o? Sey G22) = 13.465 + 0,003895 x 3222= 26,01 =. *y G22) wey, Formule pig. 127 varie" | LUT Grom xmédio)' (xt —xmédio) ogxs9n9 [1+ 1116+ @222-2172,491(0,923929/0,000329)" }= 1.100919 049247 pp =Twea® = V1, 100919 = Xo = 3222 rt = ‘X médio = 2172,4 Yaetay. °C! Beat xméaoy? >poe n>>>290220293> DG —amédioy" AG? fvr(b2) >>> >4 10,973929/(0,000329* anl% \ci2=0,005 0,003895 + 2,977 x 9,000329 = 0,004874 6. gl = 16.2 =14 0,003895 - 2,977 x 0,000329=0,002916. | To=2,977 T ssce = (0, 002916; 0,004874 j 09 & ©) Ho:g%9 ws Ho: p2'¢o aH1% — (monocaudaly : Rejelta-sea hipétese nua, Obs: Neste caso, basta verificar o stat tp L841 &= 2,624 a ae an0 je += 200285 , rc Speen” ANGE stout a © f) Xo=3222 +y=26,01 AC(AQ=b2 =0,003895 = b2 x (QIC) = 0,003895 x (8222/26 01) = 0,482495 Dist. Newrod, Me 416 Vo = O15 LAK os ho a \. Ze MoM 2 45-46 Pee oe 0,05 ba Ab Vit. yy MODELOS DE REGRESSAO E FREVISKO (2004/1) ; bas seek S ONSEN a) “us Y=2 : : SReutOs estimou uma relagto linear entre 0 montante do seguro de vida, fo.0s.resultados-obtidos responda day Bur bay 4 ey bee eS ‘sua estimativa ies ¢ a'respectiva renda: Seguro, = 4,855> ap. (7,3835) ° < a7) x0 Testa d Ddx. 612 OCDGlS9 t HAxe 16x. U9 0,0U00. : Vaden (4) = pL) =O 1OSF wb. 4 te dpb: ie “eee Sptbe) te DI deasany [= 19s = 00S teeo ve MO ats Broa l\ aa a OES, = xe 4/2 fai pa ; : i oe Z PEHEaPerHieeeer EtOH “aa asRa, | 2a! Wo. Cee aad oilist ots! aie edoacin = QO wro 0 nivel de Bis GcBy yee WC oun PVA EC 2 Roses : tlio eer 7 rene tece Cua ate — HAD ce Beaueboo Reject Wo tyes Ay he Nee Poumon > Es sa Bu Ls =2a1weo5a. 1s = 05046 Fata Mo ote bio) 0,0866 343 ADRES “OSOUCE ANGE ie 907, 2 SZ boos ASL Bis Pe Pra sd xs SRE | Fe ie z o ! sf 222048, 1 ro Vint JUS. 1) 28 Mea2 3,338.0. 44. ©) eee) 2 EC ug t haem), - A oe EQx) = Ce) S pe i 7 a cen Boo £ exeenanr so ¥ a Le) vee C6) © var [e Het va WA] J vere. Ux) vara) = 6? WRG) = vier (vox) fet 5 wee) ss wlio 1 - VOU) = vetted < 62 4 : ie 3. ? ; - 1 tilibra ela, A'--401 05 1.2004. )Tsd — Sigune = 4,855 + 38802 x Purda, dp (4/3835) (0,444) 2 tn * Tmtinpatario nordeniia: © cofoamte Orgulan signifta, qut, quarde exe. sun TRAE ole 4 Umictacke Ma strde, Ki um qurmunlo de 3,88 ro Segue. Gm auimeumlo Se 4000 trey unde, Sucre osm eunmemto de. 4000 x 3,88 = 3830 ‘Saguro Ys fa x YL = 318803 » S000 = Oty 20-000, PQs ae j L* S24 0,97 = Azy Avy=0,d41 ~ BY y Axx 03 IN np = O,05- 6,0 = D-a= oad wdal a> se 0,835 gt D-L=18 ~§B4 ~ aor ©] 2404 t= 3,8802-5 - _9,qG84 Pajpta, Ho. A propergo do auments 0,444 No a ds B Noljrot= $06 | 10% 9172359 = O06, BIA y rh 28 wy VAX (ba) = (2p b2) Yas = 001800252 + 0,176 2FF0F 49,2 = AGO 34S4ay dpled= Vier TOSCO pide do axstn ot pray | | | | (bs) = (0, 005904)" = 0,0000344, Wale) = Ag? if +44 (x0-%)* a) 2 Sle) = 0, 006452 . [ 24+ (Q0- 55348) | El oroHes ee WE SVE iple) = Jojo 1406 = 0,105 1e06y ve¥imotn, ums. Xo & XMM , THI HO Yasmin £0 deo Wwor ae ; msde 9 oowo te moiov for tae torGiobibidade -Se © Xo St apron, $F x gai , L ereuncay SO ado AOI ) fo? Pa=0 tes Ato4 ka pave montana 3 el sSA gh 30-8=38 - ee t= OF GaRIT-O= JQ ,d5t ©, 008904 Pape, Ho. O coxficimle Staci Taser do que zane, Tce be & £ dploa)| [Cop © 4% GAT? + 1/704, 0,005904 LCqsz.= | - 0,166235% 5 0, 186396 5 O81 4 Vio a pare teed, 762 ees | Dds bimudal = 091 = 0,005 gh a8 [ a ~d,163 ~ 006) Sep oo ee eee pee a 0,03 56770 Nao Paste No * Quomde © Po vatios Lov creamer que © of wad Saysiteu Ro Se fou aKe 150 epku - ) Tc fee ie OF O27906s 515348 - 4,04 827 0,05 77 4 QOx b= BX 1-00 =967- yas OY OT 046 a, ln 7 Mit dpz 5s Fates ge) - (#- eS) Wz 6 mn Vn 225+ 065 if 6s oo (wie) Von Yon Bad. mersn — Ia = youn Sim = 19380 t ae 25212816 y Da) E(6) = © (xa tug tut xe) /4 E(6) = 4 (4x) 4 Et = € (6) = 4 Visenda = sapinamgas do G ab 9pC Np. UT x bY Von (6) = Van (xy nrgexee xg) /y Vow (H) = Won (402) /A9 tons Avan x) ow (We A, von{tax) 4 0 Vow (6) = 62 Vav(BY = A j lo ba (x) =67 MODELOS DE REGRESSAO E PREVISAO (2008/1) Prova 2- 17/06/2008 Nome ¢ DRE: 1) Um modelo de regressio simples foi estimado, usando a forma funcional log-log, com 20 observagdes. A variavel dependente é a quantidade vendida de asparyos ¢ a variavel independente o prego unitario dos aspargos. O coeficiente estimado para a variavel independente é igual a -0,832 e seu desvio-padrao 0,069 a) Formule um teste de hipdtese monocaudal adequado para a hipotese de que a elasti prego das vendas é igual a—1, no nivel de significdncia de 1%. bb) Calcule um intervalo de confianga de 95% para o verdadeiro parémetro associado & variavel prego. ¢) Qual seria a variagao da quantidade vendida de asparuos se o prego fosse reduzido 3%? idade- 2) 0 modelo Y:= Bi + Bs Xe + Ba Xu +s Xu te foi estimado com estimado para 9 desvio-padrao do erro é 0,232 0 observagées. O valor a) Sabendo que a variagéo quadritica total de Y em relagao a sua média amostral é igual 21,72,, calcule 0 coeficiente de determinagio do modelo estimado, by Na tabela de andlise de varidncia, quais seriam os graus de liberdade associados, respectivamente, & regressfo € 20 erro? c) Suspeita-se de existéncia de heterocedasticidade nos residuos. Restima-se o modelo pare Guas subamostras de igual tamanho, obtidas a partir do ordenamento dos dados em relagao } variavel Xp. As variancias dos erros obtidas sao, respectivamente, 0,0687 ¢ 0,0175. Utilize o teste de Goldfeld-Quandt para testar a hipétese nula de homocedasticidade, para um valor critico de 5%. 4) Admite-se a possibilidade do residuo seguir um modelo de autocorrelagio de primeira ordem, Estima-se que 0 coeficiente de correlago entre dois residuos separados por um periodo p é igual a 0,216. Utilize o teste de Durbin-Watson para verificar a presenga de Jatocorrelagdo: especifique as hipdteses nula ¢ alternativa, a estatistica de teste, ¢ 08 valores limites oriticos para um nivel de significancia de 5%. ¢) Suponha que se queira testar conjuntamente a hipotese de que as variaveis Xa ¢ Xu ndo influem na variavel Y,, Formule a hipotese nula conjunta e a hipotese alternativa Descreva detathadamente um procedimento para testar essa hipdtese, inclusive a statistica de teste, como esta seria obtida, e qual seria o valor critico de comparagao para um nivel de significdncia de 5%. 3) Uma variavel w é distribuida normalmente com media 30 e varidncia 16, Responda: qual é a probabilidade de { w> 42}; e qual é a probabilidade de (26 < w < 38} 4) Os residuos de um modelo de regressao estimado com 48 observagSes apresentam catimativas de assimetria e curtose iguais a 0,29 2,9, respectivamente, Utilize a estatistica de Sarque-Bera para testar se 0s residuos sto distribuidos normalmente, considerando um valor critico de 5%. Gabarito da prova do semestre passado 1) aPag. 112 T=20 gle T2=18 Ho: B2=-1 vs Ho: B2 #-! t= -0,832- (-1)/0,069 = 2,434 te= 2,552 2,434 < 2,552 / esposta: Nao podemos rejitar a hipdtese nula de que B2= -! b) Pag. 111 IC gpue B2 = b2 + te. dp (02) = -0,832 + 2,101 x 0,069 = (-0,97 ; -0,694 ) p aao> AQ=-0,832 x (3% ) = 2.496% 2) T=50 dp(e)= 0,232 a) Pag. 143 LI 2 sor =21,72 dp (62° yar (62) SQ A 12,4759 (Rip 1 —SQEISQT = I~ (2,4759/21,72) = 0,886 ee bey iene A gi eee by Pag. 142 Fonte de variancia aia Explicada’ Hee rine] oy Nido explicada c) Pag. 233 © teste de Goldfeld-Quandt serve para testar a hipdtese de heterocedasticidade do modelo. O modelo seré netcracedastico se a varidneia do erro néo for constante. 1° passo: Divida a amostra em duas sub- amostras. 2° passo: Faga a regresstio dessas duas subamostras € encontre a variéncia do ferro de cada uma. 3° passo: Encontre GQ = oy8/ 627= 0,0687/0,0175 3,925 {> paseo: Compare esse resultado com 0 Fe crasray™ Fo gian 2 210 ‘Resposta: GO > Fe. Portanto Rejeita-se hipotese nula de variéncla constante, d) Pag. 314 Ho: p=0 vs Hi:p>0 p= 0,216 DW = d=2(1-p)=2(1- 0,216) = 1,568 dp = 1,421 du= 1,674 Resposta: 1,421 < 1,568 < 1,674. O teste ¢ inconclusivo. ©) Pag. 197. 199 Ho: B3=0, B4=0 ouambos=0 vs HI: B3 40, B4 40 ou ambos #0 Regressto nao restrita : Yi= Bi + Ba Xa * Bs Xe +P Xu te Regressio restrita: Yi= Bi + P2 Xu +e J= 2 porque sdo duas hipétese sendo testadas simultaneamente T-K=46 Encontraremos 0 SQE da regressio no restrita eo SQE da regresséo restrita¢a partir disso encontraremos F. F = (SQEx - SQEu)/3 SQEuAT-K) Apés calcularmos F, compararemos com Fey 3x) = Fe @46) Se F > Fe g,4 , Rejeita-se a hipétese nula, caso contrério, nfo rejeita. 3)Pag. 34 n=30 c= 16 P ( w>42) =P (2> 42-30/4) = P (> 3) = 0,5 - 0,4987 = 0,0013 (26 < w < 38) = P((26-30)/4 < w < (38-30)/4) = PC -1 < w <2) = 0,341340,4773 = 0,8186 4) Pag. 160 S = assimetri JB = T/6 (S? + k-3)¥/4) = 0,693 0,693 < 5,99. Portanto, nao se rejeita a hipétese de ser normal. MODELOS DE REGRESSAO E PREVISAO (2008/2) Prova 2-1VIN2008 Nome e DRE: 1) O modelo linear ¥, =B, +B,%, +852, + &; foi estimado com 30 observagdes, obtendo-se os seguintes resultados: desvio padro(y)=11,4; SQE = 8363. 2) Calcule 2 coeficiente de determinagao e uma estimativa nao viesada do desvio padredo erro, Teste a hipotese nuta conjunta de que B =B; = contra a altemativa de que pelo menos um dos coeficientes niio é zero, a0 nivel de significancia de 1%, Be O modelo linear ¥1= Pi + Bz Xa + Bs Xu + e° foi estimado com observagdes de 40 }domicilios distribuldos em varios municipios, relicionando o consumo em uri dado més de * gasolina,-¥, com 0 prego desse combustivel, Xe, € a renda do domicitio, Xa Como voo8 modificaria 0 modelo para verificar se 0 consumo de gasolina é afetado (tanto 0 Yintercepto como o coéficiente angular da renda) pelo sexo do chefe da familia? @ Hi a suspeita de que 0 modelo inicial explica melhor o consumo de gasolina dos domicilios ‘chefiados por mulheres, Assim, estimou-se o modelo inicial para duas subamostras distintas pelo sexo do chete da familia, com tamanhos Ty=22 ¢ T:.=18. Sabendo que as somas dos quadrados dos erros dessas duas regtessdes foram, respectivamente, 622 ¢ 431, teste ahipétese de igualdade das variaicias dos residuos da duas regressdes. Formule adequadamente o teste unilateral de hipétese e trabalhe como nivel de significincia de 5%. \Suponha qie voos faga uma regresséo com tima amostra de 50 observagées, estimando um Faodelo com quiatra parimetros, Em se tratando de uma série temporal, teste a possibilidade de existéncia de autocotrelagSo positiva de primeira ordem no-erro, sabendo que re 5459 Bee ar Ee = 6845 NG) Uma série temporal mensal do inflagdo, Y, cobrinds 0 periodo de 01/2001 a 12/2005 6 testada \ Spare estacionariedade com um teste de raiz unitiria de Dickey Fuller sem ¢ com a presenga de uma constante. @) Mostre © modelo estimado ea hipétese testada, em cada caso: Jociadas aos parfimetros da variével inflago defasada‘de um @ Sabendo que as estatisticas tau ass Detiodo so, respectivamente, ~2,08 ¢-2,90, qual 62 conclusio sobre a estacionariedade? 5) Um modelo de regressio simples foi estimado, usando a forma funcional lineas, com 15 “CS, observacies. A variincia do erro estimada'¢ 6,7, a variancia de bz 6 0,7 ea varidncia de bi 65233. ( Og valores de Yast 187-, Xaais=39 eb —L,5 a) Caloule um intervalo'de confianga de 99% para o intercept. b) No ponto médio da amostra, qual seri a variagdo percentual de ¥ para uma variag#o boree(- percentual de Xde~ 4%. : 1p ©) Formule e faga.um teste unilateral adequado para a hipotese de que 0 coeficiente angular da |” reta de cegressao € igual a~1,2 , no nivel de significdncia de 5%. “iW a a 142 ws r - Nothoitie, Noo, Z Pe za PQ. 4% [Ad 13008 - Zz Ne @ T=20 90T A ., dp = M4 Roe 4- SOE “ SG6 = 836.3 oe Aes 1-8363 = 0,478 y a 3 768,84 (14.4) = SOT HOT = 3FG8:84 30-4 SEE = Nox (e) 826 = 20,06 dple)= F156 y oe mi #0. +0 ow Ps 6) fo: Pa=Ps=o vs Hes Paro +Pa#O aw fa ‘fe J XN 7 mt de pagdtmtare tadso « ET ait Fe s0€- S06, /7') Fe 3F68,84 - 836,3/2 = 47,33 836,3 /(20-3) be M/. 4 Le =5,49 Ruste Ho - 6 Fe (a, a3) @ t= 40 a) Ye= Bat wrt Batre + Paxey ty em D +e. pare © Dat oe bomum 2 Dt=O a muthen: ) D) twsaa Tue 48 FLO = Bay t86 ~ ae | 44-349 gs aas- x 28,73 | 18-3 15 (eas jl t F< Fe. Ai suigh, « hash. de homeadoshei S66 = o* +h 1 OAL 68a = 39786 Osh 434. 26,733 | 21-3 18-3 Vers é ware ee j < L 5459 = 0,44 aS 6845 ([ 7 dyn AR) = BC O12 14% (086 = BY. of dh < di Kae dus 14a" ' 750 dy 2 410% Paypila~ oe & hipste. oh C=O @a Pegi 390 | Hodder dobimado of cantante = AV ™ BY bt A higstoe qua caus? pol 7 BHO O% yso | Heddle setrrrade 72,08 < 494 ap bspstese (cl canola) ~ spite 2 - 2,90 < = 3,86 ~d 60 @a Ys pre Pax gy = Pe 249-39 => pare 345,5 TCgqy.2 put te-dpbs = 245, 5 £ 3,04% 7/23 = Lana, 52, 26% dy oz AY. ote . ye 1% by) Ws bak > We -5 32 * ~ 0,38 + 7 137 ~0, 13+ 4 NIB Ly \ ) { c) be: Po end we He pot ue | ‘ \ oh=5/ be -8-(-9) = - 0/3644 : ge? 0,83 sa} i A vay 4s tes AFA ¢ Noo sujsitoy Woy MODELOS DE REGRESSAO E PREVISAO (2008/2) Prova 2~ 13/11/2008 Nome e DRE: 1) O modelo linear Y, = By +B. + B32, + ¢ foi estimado com 30 observagées, obtendo-se os seguintes resultados: desvio padrio(y)=114; SQE =836,3 2) Calcule 0 cocficiente de determinaglo ¢ uma estimativa no viesada do desyio padito do-erra b) Teste a hipétese nula conjunta de que B, =P; =0 contra a alternativa de que pelo menos um dos coeficientes no ¢ zero, ao nivel de significdncia de 1%, 2) O modelo linear Yi = Bi + B2 Xo + Bs Xe +e foi estimado com observagies de 40 Gomicilios distributdos em varios municipios, relacionando o consumo em um dado més de gasolina, ¥, com o prego desse combustivel, ‘X2, ea renda do domicilio, Xs - 2) Como voeé modificaria 0 modelo para verfcar se 0 consumo de gasolina ¢ afetado (tanto 0 Fotercepto como o coeficiente angular da renda) pelo sexo do chefe da familia? b) Fi. suspeita de que 0 modelo inicial explica melhor o consumo de gasoline dos domicilios Chefiados por mulheres. Assim, estimou-se o modelo inicial para duas subamostras distintas pelo sexo do chefe da familia, com tamanhos TH=22 ¢ Ty=18. Sabendo que as somas dos quadrados Jos eros dessas duas regress6es foram, respectivamente, 622 ¢ 431, testea hipdtese deigualdade des vasiancias dos residuos da duas regressées. Formule adequadamente o teste unilateral de hipétese c trabalhe com o nivel de significéncia de S%. 3) Suponha qiie vocé faga uma regressdo com uma amostra de $0 observagdes, estimando unt modelo com quatzo parametros, Em se tratando de uma série temporal, teste & possibilidade de enistincia de autocorrelacéo positiva de primeira ordem ro erro, sabendo que TAA Lee = 5459 ee eet Le = 6845 4) Uma série temporal mensal de inflaco, ¥, cobrindo 0 pertodo de 01/2001 a 12/2005 6 testada tata estacionariedade com um teste de raz unitaria de Dickey Fuller srm ¢ com a presenga de uma constante, 2) Mostre 0 modelo estimado a hipétese tesiada, em cada caso, b) Sabendo que as estatsticas tau sssociadas 20s pardmetros da variével inflagéo defasada de um periodo so, respectivamente, ~2,08 e-2,90, qual éa conclusio sobre # estacionariedade? 5) Um modelo de regressio simples foi estimado, usando a forme funcional linear, com 15, Sbservagbes. A varidncia do erro estimada 6 6,7, a variéncia de bz € 0,7 ea variéncia de bi €52.3.. Os-valores de Ymuio“187 , Xmais™39 © by=—L5 Hee a 8) Calcule um intervalo de confianga de 99% para 0 intercepto. 77% b) No ponto médio da amostra, qual seri a variagZo percentual de ¥ para uma variagfo by 9 +99 L percentual de X de~ 4%, : ©) Formule efaca um teste unilateral adequado para a hipétese de que 0 coeficiente angular da” z eta de regressio é igual a—1,2 , no nivel de significancia de 5%. tr. ae ae o on. i vou sy vou 2a Says i ; BETS => HOS =e 1 Ven = SRR a ea “£'s 2333 AR. OB 73 oie OR. Yon cadet odads | ae t, = 45a: + z 2h OBIS Mmeddo; estiwrode of ene Rite tues ole 4% Wee * Ne ; G8 mala) = S813 eal ECR soloas OF NE 183 bp = = B> EEX aati IN Cm el Bx Gh: . he tole > bu 4034 58:5 > ( 1 ce ‘v- eal ye PUL POR oid . yor - Belew lo >> SQES 135,6 R= 1 (SQE/SQT) = > 0,3: 222,29 1- (135,6/SQq) = >> -0,61 = -135,6/SAT => SQT= R? = SQR/SAT = > 0,39 = SQR/222,29 = > SQR = 86,69 (Obs.: A variagiio quadrética total de D em relagdo & sua média amostral = SQT 9 G@w_ [sa Qmédio, | Explicada 2 86,69 | 86,69/2 Nao explicada 15__|135,6 | 135,6/15 Total a7__| 222,29 ‘T= 24 observagées d BO =>>> var= 7,84 SQT = 350 a) R=? SQE/(T-2) = 8 =>>>>> SQE/22= 7,84 =>>> SQE= 172,48 R?= 1-(SQE/SQT) = 1~(172,48/350) = 1— 0,492! 5072 b) Var {b.) = 8°/Elx—xmédia) ? => 0,37 = 7,84/ Elx—xmédia)* = E(x— xmédia) * = 7,84/0,37 = 21,19 od) YeBitBkete 9,3 =B, + 0,23. 14,4=> 9,3 =B, +3,312 => Bi= 5,988 : 3 =he Gt 7 1. Com dados om corte transversal de insumo ¢ produto de(200 spresas CExtcis foi cstimads a ano de produto ata, ulizando a foro fancional pr tagsea}ver pes 1306 Lats IaGi]) = ~4,475 £653 40,087 ifea)+0,046 tua) 10.255 ing) 330156 tan) 0,67 te) ps” 40.646) (0,092) (141) 084) (075) (0,034) (6,058) R= 098] Shotentan, See credo ea Pitt de teido em 1000 m0), Sade capital om 1.060 Roy A | lt Freceaan Gintmer de pestoas); 24 consine de cletedade (em 10.000 lower) Fm concurs fe pede om metros cibicos ym consumo de corantt (em qullograncoy 41 consumo de fo simétic (em toncladas) Ye Caleule um intervalo de.confa \ea de 959% para os cocficientes dese gr nivel de signiicéncia (5%) testes hipitece de que a cochcidnte te vatavel epi) igual «0,30 versus. hipévesealiemative doe sendfieehte dese valon ne 6) Formule ua teste de hipdtese mot Gauast adequate pare veilicons gelapto causal entre $ caltsumo de 6 siftético:e a produsdo, no afvel de significdncia, 61%) i Bo “@isaia © resultado obtide para o cdeficiente de determinago em termos da vficatia do Ife estimado, levando ni conta o tio de dado uilizado, O que yooe pode ahr: ‘\ySobre a precisto dos pacimettds éstimados? -» "wh ©) Intesprete os cocficientes, Qual sent umageductoWe 4% no uso, : 907 2% Lae SPSS *Gory eae Eiafado [Sal | ae ea vhol DORIS, G,OOUE. _- Beee| TIF ON i Be Ac) S8I89] ease] are] > aaa PSPNefolb de questoes, complete os resultados da tibela ANOVA (Gis de Ubccdade, “4 ‘Somas de quadraos e quadrados médias). Complete as extanatives de cocficicate, erro- Bediilo e estatistica t 8 be S (U4) Caloule a variancia do exo Ag? . pete os resultados (cocfiientese rspoctivgs desvios-padefo) qi scant ‘Obédes se p- fodos os valores de(Yp Re Fassem divididos por((Dnates da cstimacto £5). 3) Suponha que numa Tepressto simp 4G EGd? = 182,85, Ache R27 thks Ae ic a SEES 4) Suponha que nunia regresstio slinples tena ‘quantidades T= 20; 2053 = plo. vaniogio do capi 1d9 fabatho, 1 de jonsume de. Myimicleds , obyste , .¥ mamts 2 Go imtibco O maces yan OBO pain de axpbtats mas sislern gauoo pardmrshos sign tio 2). Pr erniub'ch producpo tonsa toda 09 wasn Gur ero Pars voriarfio ds Af mo Copilab, Ginia. & yantogeo de 0, 3% 4 ma predation, fae" cv Toabathe + Oneg7 on 5: “ ce 0, AEB Bre 8 8 Rosita [ete fey flo > Y= pa (p%, 1) Auiuce oh 448 na. ptaduog Ys 1370 O51 «Gh = = 48% O (Pi 42 ©) [font artigo | GL 38 oA] To 15H ic ¥ R22 0,054 Evotioxts, (Pug) 3 |soa= 01334 | 01143 | Daxpbiada (8) | joist! love. 5453, yrearel earates ‘Tott 1613 |gor- 6,007 | Se de Crawls TED © intuspte $4 Trump ome de paimutres Jo rodeo PE 4-996 -0,0044=4- 5753 Gute 608% ea oe SOre 58 +862, Stont T= lorhuamte ayo guid 19,0 5 a04 Boe : 660% =0,0%76 dp =0,0042 dp ~ 6,962 > by 0009 bgt = 0, 044 OC) Vie 0, 0004 4 00896 %2 ~ 0/0014 Xs ~ 0/0183 (09,0191) (e042) (0, 0002) (0, 0933) + YE = @,c0004 + 0,00876 xa, ~0,00044 x3 ~0,00183 46 (ocoras — (0,004 2) (e, 0000.2) (6,000 38) ® sors 634163 ase ats f= 1BBAS 20,4408 56E> 189185 sor G34, © 1% Zly-a's E _ SeT= €Or-¥ ye TH = 5490, 94 ~20- (16,038) SOR= 666,73 aaagA BOz GOR = BO5)79 ~ 0/2455y + Sor 788,54 i -MODELOS DE REGRESSAO E PREVISAO Prova monitoria - dee/2010 Nome e DRE: 1) 0 modelo linear Y. = B+ Bz Xa+ Bs Xu +e foi estimado com S6 observagdes mensais telacionando as vendas de uma marca de atum em lata, Y, com o prego dessa marca, X2,¢ 0 prego de uma marca concorrente, Xs , Foram obtidos os seguintes resultados: AY =92 ~ 4,5 Xn+ 3,4Xy dp) 61) (L724) PO=114 R™=0,68 a) Monte a tabela de andlise de variancia. b) Em se tratando de uma série temporal, teste a possibilidade de existéncia de antocorrelagio positiva de primeira ordem no erro, sabendo que 0 coeficiente de correlacao entre dois erros separados por um periodo é igual a 0,45, Explicite os valores criticos de comparago do teste para um nivel de significdncia de 5%, ©) Teste a hipétese Ho: B2 = Bs= 0, no nivel de significdncia de 1%. 4) Teste a hipotese de que fi» =-3,0 no nivel de significdncia de 5%, ©) No ponto X2=3 ¢ Xs=2, estime qual serd a variagao percentual de Y para uma variagao percentual de Xa de ~ 4%. £) Como vocé modificaria o modelo para verificar se as vendas de atum em lata sio afetadas (tanto o intercepto como o coeficiente angular do prego da marca) nos meses de inverno? 2) O resultado de um teste Dickey-Fuller com constante ¢ sem tendéncia para a hipétese nula de que uma série de tempo tenha uma raiz.unitaria resultou em uma estatistica tau igual 4-1,65. No contexto, teste a estacionariedade da série para um valor critico de 1% 3. Com dados em corte transversal de insumos e produto de 200 empresas téxteis foi estimada a fungio de produgio abaixo, utilizando a forma funcional tipo log-log In(§,)= 4,475 + 0,370 In(x2)+0,166 In(xa)+0,047 In(ar4)+0,087 In(x,s)+0,046 Int) dp: (0,646) (0,092) 0,141) (0,084) (0,075) (0,034) Onde: y = produgo de tecido (em 1000 m2); x2 ~ capital (em 1.000 RS), x1= trabalho (em mimero de pessoas), x4 ~ consumo de eletricidade (em 10.000 kilowatts ); 1x5 = consumo de algodao (em metros cibicos); x= consumo de corantes (em quilogramas). a) Calcule um intervalo de confianga de 95% para o coeficiente de x2 b) Interprete os coeficientes. Qual sera a variagio percentual esperada da produgao para uma redugdo de 6% no uso de capital? 4) Considere 0 modelo DISP = -343,85 + 24,39DUR, em que DISP representa as vendas de trituradores de lixo e DUR a despesa com bens duraveis, estimado por minimos quadrados generalizados para corrigir a autocorrelagdo de primeira ordem, em que “0,419. Dado que esse modelo foi estimado com dados anuais de 1961 a 1985, que o erro estimado para este Liltimo ano é igual a~277,2 , e que as despesas com bens duraveis estimadas para 1986 é de 190, faca a melhor previsio para as vendas de trituradores em 1986. & iwersmace © B CulrS Nag, rrimeirg, toi Givuigada ¢ prego das casas | PRICE, em $) em relaggo ao tamanho em metros quadrades (SQFT) ea idade em gros das casas IAGE}. Os resultados foram: PRICE = 3423089 +85,72SQFT-285,264GE Interprets os coeficientes; Calcule a elasticidade médis de tamanho das casas em reta¢o ao prage (PRICE médio= 247655,72; SQFT médio 2520.96), imerprete-a. b) Sendo © erro-padrle de AGE igual 3 113,647, fagaum teste para s hipdtese nula de que 0 cedficiente azsociade & wariével AGE é igual 3 ~100,0, ne nivel de significancia de 534 2, © modelo foi amplisdo 2 acrescertado nova: veriaveis bingriss de intercepta: POOL = 4 se 8 casa possui piscing, Fplace = 1 se tem lareira, Utown = 1 pera casas priximas 2 Universidade; ¢ umaveriavel de interacio entre Utown = SQFT jutewn.sqfdtl, a) Escrewa sequagSe econométrica. b) Osdados dasaida do Excel so apresentados abaixo, celeule os veloresomitido: ANOVS Regressdo {aly Residuo {bj ich Coeficientes = Era padriin Statt 24499,58 €191,72142 7612177 2451764659 -189,086 51,20980724 1186,691644 1669,176 utown.sgfdt — 12,99405 2320677828 Utown 27682,95 8422,580367 c} Do neve modelo quais coeficientes so significativamente diferentes de ter. Calcule o R* de modelo ampliads e do primeim medele [sende a $O Residun de primeira modelo igual 2 1,14229E+12) d) Teste a hipétese mula que as vandveis acrescentadas ne modelo ampliade so Ber, no nivel designificaneia de 154, 8) Faca um teme de Significdnca Global pars o modelo ampliade, ne nivel de Significdncia de 13, Teor urns dam compton orvan dom eos pedir aie de eemdeie dake pee jm Bey ba Se Be ts Se ey ET ihe Crone Sarre, Toate Kemer de pte: Alegre de cmbathe Peprepe de Pte es aktoy Pode ah oo ete i a a a, wear, ale os putes de beets de Pepe, Pride = Tiwi a tale ANTES pleads é aa Ws ie van a es ae 22 [a een de ape Seaton Teenie de aide com terse wowe mde a oanaee PL oe diss gedbvie eerie Eaphote an eared: fea emo miele te Sy gerd coherent aemetie a care dK. ae re ie econo ie Ts Saga nan tent: mara o bagi rade de ge ce comicande amocads a cmuvel To grani.n~ ed * lene a omughe or vewtaal de sade ome Erne me ee de awe peg Seimea media de von die Hh eae fe eave Ge ace ticieecee Be Se bi Rae aarrana: cata i ames ma mee aw. flly © ym | Thee Th cea seria ame Ingeomian ie (re eee Om Ce aba P SHR OR cape hi ati 2) aa er F Thc ae cate weave! eg aihmde pe eae etuage cate ¢ vsersn ple Te hae aan de omer! pede e’ [Pees Ss Oe ee do ona cure! 1 kee SRE BA OOH A REE a oe sreeayphes LAS wemnqaa de commas 2; pags de mike" BS cage fox mater OP pres ke embeeoae EL A deve a mindin de oemevit ETT fs Oesvulade de um (erie Dee Pde coe, leer em ode pare at bg wool, (2 pe eta vier Ge Segal Gels new NE ROTA eral ea ae mene, opsal SV mete es eae eens Ste ig a em eine ere he, MODELOS DF REGRESSAO E PREVISAO (201172) Prova 1 - 31/8001) Nome © DRE: 1) Os administradores do Supermercado SA. estudam o efeito da renda (R} ¢ do nuimero de motadores () sobre os gastos com alimentagdo (¥) de 38 domicilios Os resultados so Y = 2.243 +O,164R + 1, 145N SQT117043 R*=0.449 Y © R sao expressos em inilhares de reaisiano, a) Interprete os resultados encomtradas em relagau an modelo Proposto Estime e interprete os ¢feitos marginals da rend © do mimero de moradores sobre os gastos com alimemtado ~b) Teste a hipstese de que auriento de um morador acarreta wm aumento de 2.000 nos gastos com alimrentagio, 0 nivel de significiacia de $%, sabenddo que warty) 0.172 —£) Uma versio mais, completa do models aeima foi estimada com varidveis binarias de ave! de insteugdo (1). Fe para individuos com a segundo graw; [21 para individuos com graduagto: € Fat pars pos-graduados, 14, Ey e Fy sli nutos para individises sem o seguade au. Os resultados sig datos por NS 2013 1438 3,381 1 8326, 10,7878 15,398) SORHGIN,S0 Teste a hipatese de que nivel de instrugo no afeta os gastos com alitnentagin (cc > 1%) od) Para testar a hipotese igualdade da varidncia do erro entre absors shefiades per homens e por mulheres, estimarant-se dois mud (usando & especificagio completa acimat, sn para cada grupo: Subendo que hii 23 domivilion chettades por homens « quilts Gas eri dhs dias re uy ae seta ese Rota, cwspyct fe divs enras (a ~ $8), Eplicite a para ini donnicilio cont 4 phuradaes elute homavedstici biporese as hipateses fo por um fo} Estime ox gastos enim alinenta individue poo-gradhead, ¢ renda de RS10:1 NUD. Caleule a elasticidade dere wart ean relayie pura esse donsicilio. bean conto 6 satiigho pereentual esperala des gasto paca uma re onda de 7% 2) Raia investigar a relayio ete woves constiugies, NC fern milhares), 4 tava de jars Hipotecis, R (cm Sik, @ tava de desempreuo U (em a), unit aluna estitna an modelo com nporais mensals, ¢ absem as seyuinies resultados 208 APR LIE R018 Peasg 73) Tomado-se a serie dos residuion resutamtes, estima-se a regeessdo ¢y = pee © +, ebtendoose i USSF Poste a existéncia de gutucurrelagto positiva de primeira orden nw etsw ter = So) Admitindo que os erros sigani um processo AR(1), mostre com transformar as varidvels de forma a obter un nove modelo estatistica conta erro nde carrelacionade serialmente by A.série novas construgies NC, ¢ testada pera estacionariedade com um teste de raiz unitizia coma presenga de canstante ¢ tendéncia, Qual é a conelusio solite a estacionariedade dado as segutntes resultados: (especifique as hipoteses aula e altesuativa, adote a's = te $6) NC) NCuro 14,89 0,09977 NC, ~ 0.00885 TREND a 65.03) 1,51) 6) 0 modelo fos reestimado sem intercepto ¢ eom 12 variiveis binarins, wma para cada més (Dian. Dfex, _. Diez). Os resultados sto, NC» 2,00 R- 12,07 + 180,03 Djan > + 155,81 Ddex. Imenprete os resultados, em particular os pardmetros das variavels bindyios, 3) Estima-se um modelo pars explicar’a escotha de individans de focal de firine (Brasil ou exterior), As estimativas de um modelo prob’ da probabilidade paI(B; + PoRir Bald) de ‘tue © valor abservado J tome o valor 1 (lérias 00 Brasil) & F(088 ~ 0.08822, + 0.2168%), onde Fy ¢ Ji sto, respectivamente, a renda e a idade do individuo. ®) Explique os sinsis entcontrados para ox coeficientes © estime a probabilidade de um ingividuo com rendn igual a 250 e 66 unos escother ferias no exterior. Prediga a escolha 5) Calcule ¢ exemplifique o efeito merginal eon prde ust aumento na idade desse individuo MovcLos 94 REGRESSAO F EREVESO (2002 a ova T= a7ate/n00% #40 nermal com média ue vatiancia @ probabilidade de uma observ: ue (ie 5.05) Qual é Me S183 e364 de W798) (46,70) fore 50 pb) Q2330,11 fuxeare pocinsd to i a : 1) Rrossene seFameric ts litte, dicta ie experts eefetivamemte: | at 2 “, ox 3 esieee*s 0 iB Sfcomados per os patimctros. ory 5 ve ROME pds 2S < Lb vod 104 Hb Peedieno sti i cial pore uty in ee EB wn | aM Sebsado que x, No € igual a zetia “wins estimativa ds intsrvale de 95% pata 0 verdadcico cocficicnte fy de vartavel X No nivel de significacia de 5%, face uta teste, *Rionocaudal apropriado da hi qe Br € igual a zero. a0 “Plbeias iess Calotilé retasiteised dy setads esis tclapto 4 educacio no Ponto da réta de regress + fdedtiticado no iter (y, ‘ 2 BD Nesse pata tiein dy, eet 1 ameda de"2% tras ada, 1, 1000 observagées foram coletadas sobre duas vizinhancas semelhantes, uma préxima a universidade @ a outra no, Primeiro, foi divulgado preco das casas (PRICE, em $) fem relacdo ao tamanho em metros quadrados (SQFT) e a idade em anos das casas (AGE). Os resultados foram PRICE = 34230,89 +85,72SQFT -285,26AGE a) Interprete os coeficientes; Calcule a elasticidade média do tamanho das casas em relacdo ao preco (PRICE médiio = 247655,72; SQFT médio 2520,96), interprete-< b) Sendo o erro-padrdo de AGE igual a 113,647, faca um teste para a hipétese nula de que 0 coeficiente associado a varidvel AGE é igual a -100,0, no nivel de significdncia de 5%. 2. O modelo foi ampliado e acrescentado novas variveis bindrias de intercepto: POOL 1 se a casa possui piscina, Fplace = 1 se tem lareira, Utown = 1 para casas préximas a universidade; uma varidvel de interago entre Utown e SQFT (utown.sqfidt) a) Escreva a equacao econométrica. b) Os dados da saida do Excel sio apresentados abaixo, calcule 0s valores omitidos: ANOVA, at $0 Regressiio (a) (a) Residuo —(b) 0,230184E+12 Total Cc) 1,778 45E+12 Coeficientes Erropadrao__Statt_| Intersegio 24499,98, 619172142 3,956894 saft 76,1217 2,451764659 31,0775 age -190,086 5120460724 -3,71229 Pool e 1196,691644 3,65772 Fplace 1649,176 (f) 1,696758 uutown.sqfdt 12,9405 3320477528 3,913307 Utown 27452,95 8422582357 (a) ©) Do novo modelo quais coeficientes sio significativamente diferentes de zero. Calcule 0 R? do modelo ampliado e do primeiro modelo (sendo a SQ Residuo do primeira modelo igual a 1,14229E+12) d) Teste a hipdtese nula que as variéveis acrescentadas na modelo ampliado so zero, no nivel de significéncia de 1%. @) Faca um teste de Significdncia Global para o modelo ampliado, no nivel de significdncia de 1%. 2 = el “ye TUMO © produia de 200) én \2 8 98% paca os cocficientes ety eee este ahipsiese de que o cacy MODELOS DE REGRESSAO E PREVISAO (2010/1) Ine Prova 1 - 08/06/2010 Nomee DRE: QU 204) SE Caley TIG 0259 1) Mixon ¢ Ressler (Review of Industrial Organization 17, Dec., p. 465-470) investigaram os pregos de CDs e observam que é comum estabelecer pregos mais baixos para os langamentos “do que para CDs antigos. A explicacao deles para esse esquema de precificagdo sio as diferengas na elasticidade de prego da nda. O ntimero de substitutos para os CDs antigos € menor do que para os novos (e.g., musica mais nova pode ser ouivida em divulgagao tais como internet, rédio, ete.), No modelo estimado, as varidveis sio: * Prego = prego de varejo do CD, em USD; 7 Iade = idade da gravacdo, em anos (1999 ~ data do copyright); ~ Velho = uma varidvel bindria = 1 se a gravagio nfo é um langamento; ~ Rede = uma varidvel bindria ~ 1 para pregos da Internet (Tower Records e Amazon). Os resultados da estimacdo do mudelo com 118 observagdes so apresentados abaixo. |. ~ ANOVA beget ey : ‘/ SQ MG y eo deg 4 Peo. * by A Regresso 176,188 2 y 4 [Residuo wad 8 7 (Total 397,816 a ~ Y Hts fa Ero padrao| Stat t f 1 a Interseqaio 60,813 “I lidade 0,156 He . felho 0,462 0873) i : Rede 72,386] 0.263 ie ring elite ify - 2) Caleule os graus de libordade da Regressdo, Residuo e Total da jabela, ANON Alcatel og, Coeficiente de determinagdioje a estimativa da varidncia do emo. vale | gS oS ») Calcule goefigiente da variavel, Velho © 0 desvio padrio da interseeao. Explicite ag formulas utilizadas.7= 22.0 —y Sy PARES sponges ©) Sabendo que Idade = 2,4 e que a gravagio nao é um langamento, estime o ‘rego do CD para venda da Internet ¢ do varejo normal. 4) Construa uma estimativa de intervalo de 99% para o coeficiente da varidvel Idade. ©) No nivel de significdincia de 5%, faga um teste para a hipétese nula de que o coeficiente da variavel Rede 6 igual a~ 3, Estime as variagdes percentuais de prego esperadas resultantes de uma redugdio na Idade de ~82%, na situarao do item (6), para venda da Intemet e do varejo normal. Comente por que a elasticidade do Prego em relago a Idade se altera nas duas situagées. 8) Teste a hipétese nula de que todos os pardmetros do modelo sao zero, exceto 0 intercepto, no nivel de signifiedncia de 5%. +h) Qual ¢ sua estimativa para a variagao esperada no Prego resultante de um aumento da Idade de 14 anosY‘0 fato do CD ser vendido na Internet altera sua estimativa? -> 2s) f i) Teste a hipétese de que para cada 1 de variagio na Idade hd uma variagdo de 0,22 délares no Prego. Adote um nivel de significéncia de 5%. J) Mostre como testar a significdncia conjunta de Velho e Rede. Estabelega as hipéteses nula alternativa ¢ indique a estatistica de teste a utilizar. Com base nos resultados obtides por Mixon e Ressler, qu. resultado serja esperado para o teste? L leodee 1 Ct 2 GY eta = 0,196 84 “lan Yo P2? Ton Fa se ~ fae ¥ Hat Bis Gis fee 0" Na) Dh fe (33 F 230407 Faye ms Bild foe Lm, enn * hy pata pat dD ie at ec Hy giodk 5 PQ ED 0, | Pye? Ta ) a bacga econo 1b ~ 194 64253 Od? (~8y)- - Aare res ee fe ays fa Kale Hy —> yaya Yor ditoy hy : efi OdFNM DLO 7045 % ) 78 MODELOS DE REGI Prova: 7RESSAO E PREVISAO 20102) 1 = 277102010 ‘A questio 1 se bascia no.ex.8.14 (dados anexo) e na tabela $.8/9/10 (pg. 228) 1) Os custos varidveis das companhias aéreas foram investigados através do modelo dado por: In(VC) = Bi + Bs In(¥) + Bs In(K) + By In(PL) + Bs In(PM) + Bc In(PF) + B7In(ST) +e, As variaveis sao: VC = custo variavel, Y=produgiio; K=estoque de capital; PL=preco do trabalho, PF=prego do combustivel; PM=prego dos materiais; e ST=distancia média de véo. Os resultados da estimagao do modelo com 268 observacées so apresentados abaixo. ANOVA gi SQ MQ Regres 6 340,55] Sao [Residu 261 lo Total 267 | 344,16) | Coeficien| Erro Stat t tes padrao Interse 7,529) 12,932] 10. in 0,679 .0,053| 12,719] in(K) 0,35 0,053} 6,625] In(PL) | 0,044 6,286 lIn(PM) -0,068} 0,100] -0,681 In(PF) 0,322] 0,036) 8,916) In(ST) 0,194] 0,029} -6,802] 2) R2=340,55/344,16-0,9895 Var(ey'=3,67261=0,138 ) os coef, sio as elastcidades do custo vatiével em relagio is variaveis explicativas (ver ex. 3.5 itemby ex 3.8 item b) ‘extos coef. so signiticaivamente diftrente de zero exceto 0 one! de PM. (eres. 8:14 item) 6) b=0,044N6,286-0,275 ‘dpb 1=7,529/12,932-0 582 0,3542,576(0,053) €3(0,194-(0,23))0,0291 2416, logo ni rejeto Ho DYVC=8%x(-0,194)H1 55% a) Calcule os graus de liberdade da Regressao, Residuo e Total da tabela ANOVA. Calcule 0 coeficiente de determinagao e a estimativa da variancia do erro. b) Interprete os coeficientes e indique quais coeficientes sao significativamente diferentes de zero. MODELOS DE REGRESSAO E PREVISAO 1) Os custos varidveis das companhias aéreas foram investigados através do modelo dado por: Io(VC) + Br + Az LOC) + (55 In(K) + Be lo(PL.) + Bs In(PM) + i, In(PF) + By In(ST) + e As varidveis sto: 7 = _ 7 ed VC ~ custo varidvel; Y=produyo; Kvestoque de capital; PL«prego do trabalho; PF= prego do combustivel; PM=preco dos materials; ¢ STedistincia média de véo. Os resultados da estimagso do modelo com 268 observagdes. sho aptesentados abaixo. a) Calcule os graus de liberdade da Regressdo, Res{duo e Total da tbela ANOVA. Calcale 0 cocficiente de determinagio ¢ a estimativa da variancia do erro. ae diferentes des - b) Interprete 0s coeficieptes ¢ indique quais copficientes siio zero, Cot ss ¢. tof On taNina dnt le VOL. €) Calrule cocficiente associndo & Vane Pee 6 desvio MadMOaS oerGebo, Lxplicite as“ “ férmulas utilizadas, hf \4) Construs uma estimativa de intervalo de 99% para 0 cocficiente associado A varidvel IL. = * ge) No nivel de significincia de $%, faga um teste para a hipétese nula de que 0 cocficiente « ussociado & varidvel ST ¢ igual a= 0,23. 1) Estinie a varis¢do percentual de custo variavel esperada resultante de uma redugdo da distincia média de vou de 8%. x) Teste a hipetese nula de que todos 0s parimetros do modelo so zero, exceto v intercepto, no nivel de significdneia de 1%. h) Retomos constantes de escala existem se (3; + fy 7 1. Detalhe como testar essa hipdtese, 1) H& algumas compant:ias agreas com capital aberto ¢ outras com capital fechado. Como voce modificaria o modelo para verifica: s¢ 0 custo variivel seria afetado por essa situngiic (tanto o intcrcepto como o coeficiente angular da varidvel produs%o)? J) Estime 0 valor esperado do custo variivel de uma companhla aérea com as seguintes caracter{sticas: productlo=4,043; estoque de capital2,022; prego do trabalho~1,64; preso dos materinis=0,869: prego do combustivel=283,4; ¢ distincia média de vdo-G96,817. 3) Estims-se um modelo para explicar a escolha por domicilios de tipo de peovedor dc internet (peg0 04 no). As estimativas de de um modelo logit da probabilidade p=F(f; + > 4) de que 0 valor obscrvado } tome 0 valor I (provedor pago) € h + 8x, = - 132 + 0,0082 x, ,onde x4€0 renda do domicilio. 2) Explique @s sinais encontrados pura os cocficientes ¢ estime a probabilidade de um domicilio com renda igual n 229 escolher um provedor pogo. Preveja a escotha, b, ¥) WHAs 350,44 « orl): 30,44. \ieeor 03 Agi = 126,9 © 1,990.44,9 Teasy « | 47,903 ; 225s] y “ewer fez 41604 _ th pao Toone jaro [ie tac Bh weazo * 3.06% i yes at # Rajusta Ye yo pa x 436,40 . dt O,4*84 = pao u + B69. at = y L Yy alte 36%) 2 AERIS 2) ‘es AA OF = by Avy: 0,01556 y ATK 00% dbus eA REMUTAAR is cesta A bas BL aattregeee + ee 78 (th oc 6 ey . mes 7 oA Sf Sep : “hier PA Bary a sone guebiveia = ye) 21> PomBex rs e Nave) = o%e vou (yd ak 7 : : 6 {y= fc = pus + Caw leredd > Gardyi yids o fe iH 2 Me Na Ree a wa eaten ete i areas mon genes, ceoiipwrrnch ayroducolsin (2 en ee Sen tea beaney Aivewinan volte ton Presa nates opare? es 8 Gatictand RETA BASETERELA ASSTADA | Eeosidody Mae Gu spit ae ay oF womodas hue LA AAD pes tandlin soos Mo SA by emer quae t Show aw Oe f a+ Bi sabe enpliny es . en paseeuseuiets ee a i Bhosbcidade aguToded = 7 traces Ne, BOP Bad 2 dates Cte ae) : : Pe > -6 umdrSicon i He cay Thwowmds qpadcadey SC fur fo) = Eye Gap — eons. quaveanca ” Gm Pounty Gunpthas AU -olimiies aso Fen Bec z by «bade see Gore 4 Saks « (agp): loys ye he tva i i { j j A> Qurombe oo rend mM Saw ol LE WN diac Quomko smoee Tb dos CAG : la 5, = sone Oy veins eo pia aks Se & Rook VR RY [ ges Séok ) Coa) ( Saecnrahe Gee nownns ae SL pede RUE oy AU pod» STIMEL: BSUNROAD Lanois precde) day MO OES dou, onenestnas) arnein sperms ASLO OUT os open de Kadi Cat) 2 Y= ROO chad: zo GW © OXEN) cae a peers oe Voc s vase (x4) « der 7 Guomts ome GU pemaia oy BEC cio Que -Onmadnodsi ARAL Matos Newnat) : Gow Onalice (SE A ay SLUG 9 Awe des nomidicry > Ye treat a i PON tayo? , Xeeay 8 aa Ea g eee eee D> Quomde ay 798 SAAT La ules t Tae os eunay Cetoasy Conictin, ae ‘da 7 A@icRuDAL) @ vo: gr=0 4 @) wn: BK Qo ce Bt gk te ERS Ousomde 9 JaALL Bicauvar, voter du te. Quando Man bu oY/2) tponds srcms © SA L umreaveny wos! Pit bette dabi = C > Aches Go mete: TABELA, rr 8 w Qt pete abe oe Molar Sorilage ap) oof 2 AS po mee ‘| Ferhat ABA ke (mo HY # eat! SSUES TR tea yuyu beet ae be g Foi estimada uma relagio linear entre 2 0 consumo de cite em domicilios, por ano, eas : respectivas readas. O voluime de teite consumido é medido em litros ea renda cm reais, 5 Consideando os rsutados obides spond is qustons abixo, (235) eH * Acie = 81S ¢ 0,2 Renda cong. “ 4p. (1,380) (0,032) eaters 2). Represeate praficamente a equaida estimads, discula os sinais esperades e efetivamtente x - + etitontéados para os parimetros, ¢ a confiabilidade dessas estimativas. ; a ©) Quel é sua estimativa para a variaco esperada do volume consumide de leite resiiltante de yum aumenté da renda RS3OT GE 9), Quais seriam os valores,dos pardnetros ¢ dos respectivos desvias-padido, se > regressto S—" foase estima com os dados de renda divididos por 10, ou seja, Reada/t0, 4) Teste a hipétese de que para cada RSI de varigf2o na renda ha unta variagao de 0, oad volume consumido de leite. Adote um nivel de 5% de significancia. 2) Constiere.os resultados abaino de estimacio dé um modelo de regressioFnear simples entre a5 varidvels Y, custo de produgdo, e X_ quantidade produzida, tal que tras no esto nod nesterAsos pot, lpi. we w Le eae Ts TR SSMS — ‘east (@ OS SSI ae 2) Calcule “07 ¢ RoQuairato. Exp! b) Caloute cocficiente bz da variavel Xe 0 Aesvio padedo da interserdo. Bxolicite 2s formulas ufilizadas. . + ©) Sabendo que Xmmétio=2172,4 e Ymé desvio-padrao do exto de previsto. 24,9 caleuleo valor previsto para X,-$222 0 ) Construs uma estimativa de intervalo de 99% para o cbeficiente fly da varidve! X. ©) No,nivel de significdncia de 1%, fara um feste monocaudal adequado para a hip6tese nla de que.o coeficieats fs é igual a zero, a a sR ae f) Calcule a clasticidade-do custg em relago & quantidade produzida iio ponto da previsic do | item @) ao e 7 by x _ get Ga byt bra %e Ke : } 0700033 Ge (AGH 22-2--0, 0003.36 a if WBAGS (8S 4j —— g a’ 2 co ona) Gx '< 4,036 0,01990 - 00636 Kesolucéo Prova Bxeninto * Respoita f inal en negrito - 7 Dae. a fez A corretasio eatve R dae Cousumy de Léite & J besitiva’. As Waviveis se relacionan dicctamente. Ouseja,o aumento de uma acarreta o aumento da outra. ¥un celasio & confiabilidade,quanto menor o desvio padrio em relagzo a0 parameteo, raator | 2 confiabilidade! b)b2= AL =019 au G12 2>>> atas,ésiteos. | By = a | ee PSE | 2 AL sis + square 2 Ht ep.{1,380) 031) « e 10 >>s>>>; e ; : dil pecetee lll dpti= dpb: ALS 81S + OL) REO) ono 0443.80) (60,31) daba= debs - 1-62 9 Peopencan 4)Mo:62= 02 vs Ho: 2402 te=2,035 : Rejeltaze a hipStese nuts 7 = 008 = 2,58 ce = 031 sobhon T ETE aE Serer 2) RESUMO DOS RESULTADOS _ . Extatistica de regressGo RQuadrado 0,9092 Exro padrio - Observagiies 16 129,545 14 12,935 15 142484 Cogficientes Erro Stat’ valor-P Se ee 13,465 0,7542 17,852 4,99E-17 08 ,003895 0.000329 __t1,841 LL : kK 7 2)'o* = SQEICE-D} >oveee Act = 12,935/(16-2) = 0,923929 RE=SQHISQT= 129,549/142,484 = 0,9092, b) ten = beldp(ig) >>>>> 11,841 =/0,000329 .>>>>> by —0,003805 é SZ tay billie) >>>5> dp (bs) = 13. 465/17,852 = 0,7502 x Bee ma ©) *y 4222) = 13,465 + 0,002895 x 3222 = 26,01 eee Poratuis pig. 127 vad) =" (: HIT (Ga zmétio)'M(at~xmbeio} | _ 0,923929 [1+ 16 + 3222-2172,4)°(0,923929/(0,090329)") Dp (9 vant = Vi,100919= 1.049247 Xq= 3222 X médio=2172,4 ‘Var(b2)= “07 fat — xmédio)” >>>>5 >>ps>oooaaaage kt + xmédio)’ = “a? /vas(b2) >>>>40,923929/0,000329}7 ‘ z by 1,109929 ooas74 ,002916. | 0,003895 + 2,977 x 0,003: 0,003895 -2,977 x 0,00032¢ 9 ve Ho: f2i 4 LGRESSKO 6 EREVISKO Cadet) Preava t= 10/0522000 Gequros catinou vine relagig linear entre o moutante do senuro de vida (gcendo.08 resultados obtides responda 3s, WMe 84 fay as ¢ 2 wespectiva ronda Cpa sabarxo:® “Sopuro, = 4,855" +, 4.880, dp. 3835) OHI Piro tee A I63 | eo Pr ro 4 diesel v= O01 ~ 0,005 gi =a8 i y a& i : 1s ~9.0480028%-9 _ 0, 5045 | 9,03 56490 Aldo Pujsile Ho j < Blonde Pr Walon fare enemy gus © of wood sufbitey Ro ae ov Train, Fo sajla. } tt pu & i ONF CAINE. 55346 © 4104817 i oo 4 qay ~ aL 9% (oud Ww, OAS 6, 0,45 wo. tinder | H+ Kidpe 2-6 2552048 Qin = 423 80 ged hens fa = Wiha" 5 (mEBE, BE ,) } dn ia eee ea De) E61 = © (neg trata / E(6\=4 (4x) E09? € (6) = sspnorgns Jo G 2 Lape 19% 40 5451. \isendie = i BY Yor) = Vow (xermaenst xe) Ze You (4) = von (0x) Ao vas 4 «vow, Ube) tos (=, sonll) 4 @ tw (6) = 62 Tonle = - 10 ibn Ga = 6" 10 | EEO RRRrupe °O RERUN Pe ERE Home ¢ DRE: # p) .Calculeum intervalo de confianga de: © com20 AroDELos DEREGRESSAO £ PREVISAO 2008/1) Peova 217002008 1) Um modelo de regressio simples fot cestimado, usando a forma funcional log-log, Ga quantidade vendida de aspargos © variével” rel < olsservagies. A varidvel dependente Fndependente o prego unit&ria dos aspargos. O cocficicnteestimada para 8 V2 H ie-padeio 0,069.“ Seunee f- Pat? ou ndependente & gual 20,832 ¢ sede be um teste de hipbtese monseaudalafequado para hipotese de queaclasticidade” %. =L, no nivel de significdncia de 1%. parmetco associado & 2) Formul (95% para o verdadciro propo das vendas é igual a varidvel proce. ©) Qual deca a variagZ da quantidadé vendida de asparzos 5 0 PC? fesse reduaido 3%? © modelo ¥e= Bi + Bz Xa * Bs Xo +B Karte. foi estimado com 50 observagses. O valor estimado para desvio-padcio do erro é 0,232, eee 2 ook Sabendo que a ica quads ola de Yen rapfoais mmédia amostral 2g caloat’o cochcienle de determinagte Go GEO ‘estimado. “OL Fis tabéla de andlise de varifincia, quais seaiam 0s gra Tiberdade associados, essio ¢ 00 crr0?}, : gual dade nos restduos. Restinia-se’0 modelo para fccamento dos dados em relaco iveiméhte, 0,0687,¢ 9,0875.: > idade, para ) Supoitha que’ 5 de que a varidveis Xo & Xu nko iafluem na varidvel Ye. ‘a hipétese altemnativa.’> Descreva detalhadamente wn procediniento para testar essa hipdtese, inclusive a: valstics de (ese, coz esta seria obtida,¢ qual seria 0 valor ‘cxitico de comparseao part tum nfvel de significdincia de 5¥62 5 : : . tribuida notmatmente com média 30 ¢-variéncia 16. Responda: : Jpabilidade de (26 < w <38)- 3) Uma variavel w é dist {> 42}; equal 6a prot quai é a probabilidade de (Os resfduas de um modelo de fegresio estimado com 48 observagSesapresentam vcotimativas de assimetria ¢ curtose iguais a 0,29 ¢. 2,9, respectivamente. Utili otica de Sarquc-Dera para testar se os residuos sé listibuldos omialmente, considerando wa valor cxitico de 5% cae = Uni importante problema de mensuragio em marketing Miz cespeito a relagao entre prego & qualidade. O primciro estuilo emipttico estudanda a relagso entre prego e qualidade & aparentemente 0 de Waugh (1928) que (enta explicar as variagdes nos pregos de porgées de aspargos vendidos no miereado alacado do centro de Boston. Para o periodo entre 6 de miaio a2 de jullio de 1927, 200 porgbes individuals de aspargos foram inspecionadas. Os dados registrados foram (1) 0 prego de verida de uma caixa de magos de aspargos P, (2) 0 nimiero de polegadas verdes nos asparcos VERDE , (2) 0 nimero de tales em vin mago de 18 ongas. TALOS ¢ (A) um cocficiente de disperstio dos difmmetros das talos DISPERSAO. As tres bttinas variiv idicadoces de qualidade, dos aspargos. Quanto maior 0 tamanto da area verde, mellior, aspargos de talos maiores stio,preferiveis a aspargos de talos menores ¢, portanto, quanto menor 0 nlimero de talos por niaco, metlor a qualidade. Homogencidade nos tamanhos dos talos tembém € um fator preferivel ¢, portant, quanto maior a dispersdo dos ditimetros dos ~ talos, menor. qualidade da aspaige: ¥/ . Considers 0 models F,= fl: A VERDE, + QsTALOS, + B.DISPERSE 2) Bstimne'o'modelo e analise os resultarios da tabela ANOVA. (graus de liberdade, somes de quadrados ¢ quadradios médios). b) Hateepréte,os sinais ¢ enalise,2s estimativas de coeficiente, erro-padcao e estatistica ¢) Calcule‘estimativas para'a Variancia do erro ¢ para o perceatual da variancia do preso, explicddo pete modelo. 158 7 Coustnia intervalos dé confiauga de 95% para os pardmetros. ©) "No.contexto, formule ¢ hipSteseé monocaitdals edequados para verilicar a cel caitgal atte as yeridveis explicatives do modeld:t 0 prego dé vende de aspargos. 2). No nivel de significéaci ate Batdgual a-1 vereys ehipstese.altemetiva dele serdiferente dessé Supoitha que Vick seji um prédutor que produza aspacges com parte verde de 5 potegades, £.40.dos itinetro# dot fslos de 20. Para um ouio adicioaal é= parte verde de 7'polegades, a >. Seria lucrative voce 160 ste a hipétése dé que d coeficie 20 talos por mago e disse a ie aco: Po 8100 sore: woot bods produzis acpe-gos con i {os por mago. dispersio dos dianiotosdes talos d&10, nizateddo%29, passar a produzir aspargos de tielhores qualidade) z h) Supondo que o desvio-padrad db'citc da previsis do prego eja igual A 46. para u observagiio VERDES, 7 0, DISPERSAQ'=20, caleulé um intervato de 99% de confienga pare essa previsio.*! : ee Galcule os resultados {coeficientes ¢ respectives desvids-piadrfo) que seiiam obtidos se todos os valoves de F, fossem divididos por 16 aates da estityacao"""s “" 4) Ulilizando 0 conceito de elasticidade, calcule si vaciagio percentual do prera para una ‘variagio percentual de 2% da dispersao dos ditmetros dos talus, no ponto do item (i) 7 RG ay — Reraio 9312 106 12008 @ T=20 / fonly) = Ba + 32 Um xz) Vat. deparctons = )3< Ql wnaiden You. trdeporden b = Pa, -» pugs @) Hoe Bas <4 vs Hy fa >4 a oa 1% moneaudal. g fe peaet7, Fe = 2552 Gi 0-2=48 0; 833~ (-1) — 3,434 = ©, 06% = ‘Néio saggtlo Hoy Oe 8) Tag, = bt tesdplea) [-0,9F ; 70, 6845 y ogy, = - 085.2 59,401 0,009 = 2 ob BL. 9,57 fem ABEL BDA 4 B)= OT a 16 o.4 Wren, Ze de ary egual € probebiiaade Be (26-< 9 <38h qual 6 aprobabilidede de che *@) Os residuos de um modelo de regressio estimado Om 48 observaghes apresentam Oe es de assim © cumtoe BNI Go e 29, re=pectivament®. Ue ‘estatistica Je saumye Bera pare testa so 05 fests i) dist ibuidos normalmente, ‘considerando wm Valor ‘eritico de 5%, . i ‘Um importante problema de mensuragtio em marketing diz respeito & relaio entre prego e qualidade. O primeira estudo enipltico estudando arelacto entre prego ¢ qualidade € sparentemente o de Waugh (1928) que tenta explicar as variagtes nos pregos de porgdes de aspargos vendidos no mercado atacado do centro de Boston. Para o perfodo entre 6 de maioa2 de julio de 1927, 200 porgdes individuais de aspargos forem inspecionadas. Os dedos registrados foram (1) 0 prego'de venda de uma caixade magos de aspargos P, (2) o niniero de polegadas verdes nos aspargos VERDE , (2) 0 nimero de talos em um mago de 18 ongas. TALOS e (4) um coeficiente de dispersso dos didmetros dos talos DISPERSAO. As tcés sltimas variaveis sio indicadores de qualidade dos espargos. Quanto maior o tamanho da érea verde, melhor; aspargos de talos maiores sto,preferiveis a aspargos de talos menores e, portanto, quanto menor 0 ntimero de tales por mago, melhor a qualidade, Homogeneidade nos tamanhos dos talos também é um fator preferivel ¢, portanto, quanto maior a dispersdo dos diimetros dos talos, menor,a qualidade do aspaige Considere 0 modelo Pr Bik BaVERDE: + PsTALOS, + BaDISPERSAO, + e @) Estime'0 modelo ¢ anise os resultados da tabela ANOVA (eraus de liberdade, somas de quadrados ¢ quedrados médios). b) Interprets os sinais e analise as estimetivas de coeficiente, erro-padtio e estatistica t ©) Calcule estimativas parda.var¥éneia do erro e para o pereentual da variéncia do prero nto explicado pelo modelo. 4) Consirua intervalos d¢ confianga de 95% para os parametros, ¢) No contexto, formule testes de hipétese monocaudais edequados para verifider arelagto ‘causal entre as varidveis explicativas do modelo e 0 prego dé venda de aspargos. No nivel de significtncia de 1%, teste ahipotise de que o cocficiente Bréigual a-1 versus 9 ahipéteseltemativa dele ser diferente deace valor. #8) Suponkia que Vict sejaum produoc que produza espargos com parte vide de 5 polegades, o ! 20 talos por mago e dispersi dos diémetros dos talos de 20. Para um custo adicional de $100 por eaixa de magos, vocé pode produzic aspargos com parte verde de 7 polegadas, Aispersdo dos diémetrosidos tales de 10, riantendoi20 {alos por mare, Serie lucrative voce \ _ passar a produzir aspargos de melhores qualidade? © fh) Supondo que o desvio-padrio do erro da previs8s do prego seja igual a 46, paraa bservagto VERDE~S, TALOS-20, DISPERSAO™20, caleule um intervalo de 99% de confiaxga para essa previsio, : |) Calcute os resultados (coeticiestes e respectivas derviospudrée) que setiam obtidos se todos 08 valores de Py fossem divididos par 10 antes da estimagio i) Utilizando 0 conceito de elasticidade, caleule a veringao percentual do prero para uma vvariagio percentual de 2% da dispersao dos dimetros dos talos, uo ponto do item (h). f FO REG Pew ~ Nothdtia Nout 93 54% 106 /s008. One gmt) = Pe * Pa Cine) Alas. deporte = you. tindipandants = Poa 9 e362 O) tos Pas n4 vs am Pa #4 le At momen, Ba sgt wiraider te aunt? fox 2,952 gh 20-4 18 That 553, fe -0)83a~ (+1) = 4434 0,060" Ao angle Woy DY TCgor, = bat 4edpls) = - 07832 Eaytor 01009 [7 O10 j - 0 6%] y Ke fem t8 BES Q5% ws te 3)= 0, 4987 O,5 ~ORUST EMD waa zz 4-20.23 oe Gi a6

    You might also like