| FSJES Mohammedia Méthodes Econométriques Pr.AHefnaoui
Licence Fondamentale $6 Contréle final EN LIGNE Pr.ZLakhyar
Question 1:
Soit le modéle linéaire suivante : Yi=ant ar xt az xx+ a3 Xot ei ; i
estimation du modéle par la méthode des MCO nous donne les 1
suivants :
Yi=45,5+2,5x1 43,5x2410.25x3
Les écart-types des paramétres sont perspectivement 4.45 ;1.15 ; 2.75 et 2.5
On veut tester I’hypothése suivante : H0 ;a3=0 et H1 ; 2340
SS La valeur de t statistique est égale
SS Veuillez choisir une réponse :
— A.42
= B. 4.02
——) C.4.10
=
=
Sot:
D. 4.01
Question 2:
Soit le modéle linéaire simple Yi=artaixitei, n=15
Les données numériques de cet échantillon sont :
Yai = 210 ; Dxi = 3530; Lxiyi = 3542 ; Vy = 225
=
==
SS _Lavaleur ded oest égate’
j Veuillez choisir une réponse
EB as
=
ceC.6.75
D. 6.57
Question 3
Soit le modéle linéaire simple suivant xit+b+ei
Les résultats de Pestimation économétrique est yi=1,251 xt — 32,95 +
Avec n=20 ; r=0,23 et ce=10,66 qui I’écart type des résidus.
Dans ce cas la somme des cas la somme des carrées des résidus est égale 4
Veuillez choisir une réponse :
A. 2054,45
B, 2045.44
C, 204,45
D. 204,54
L’estimation du modéle nous donne les résultats suivants :
Yi=1176,08+0,78xi 5 n=10
Les valeurs entre parenthése sont les t de student (0,21) (14,7) dea oet de 1
Dans ce cas la valeur de r? est égale & :
Veuillez. choisir une réponse :
A. aucune bonne réponse
B. 0,954
C..0,964
D. 0,950Question
On vous donne les données statistique suivantes suivantes :
100; Lx? = 1000; Dy? = 600000;x_bar=5 . SCreg = 100000
La valeur estimée de f est égale 4 :
Y
YUU)
Veuillez choisir une réponse :
‘A. aucune bonne réponse
B. 100
i=
l>
a
g
3
2
re multiple suivant : yi = ag + ay X Li + ay X 2i + ay x 31+ ef
L L’estimation du modéle par la méthode des MCO sur un échantillon de 35 individus
a donné les résultats suivants ; yi = 35 +2 x 1i+1.5 x 2i+3,5x3ij;n=
35; SCRes = 73,5; SCReg = 1580,5
rr De oryyy
La valeur de R? ajusté (R'aj) est égale A
tf
| Veuillez choisir une réponse :
A. 0,90
B. 0,85
C..0,95
D.0,92
at
COCO TTQuestion 7:
Soit le modéle linéaire suivant : yi = dy + ay x ef
Lrexpression de lui covg; y= E=((ag + ao) (ds — 1)] elle est égale aussi A +
Veuillez choisir une réponse :
A.-(x_bat)*var(a)
B.—(1/n)*var(4 1)
C. -var(4)
D. -n*var(a 1)
Question 8:
On considére le modéle linéaire suivant :
Yi=a0+alxitei
Lrexpression de t de student est de t=[(Al-a)/o4 1] :
(0=a1=2*20 ; HI :al#2*a0
Nous voulons tester ’hypothase suivante :
Dans ce cas ’écart-type relative au t des student est donnée par expression
suivante :
Veuillez choisir une réponse :
A. var(a 1)#2* Var (40)-2*cov(ail;40)
B. 4 var(@l)+4var(al)-4eov(Al;40)
C. var(al)+4*var(do)-4*cov(41;40)
D. var(4l)+var(a0)-2cov(41;40)
82Question 9 :
Un observation dispose de quatre séries statistiques X1, X2,X3 et X4 pour expliquer
Vévolution d’une variable Y .
SN De combien d’ observations a-t-il besoin au minimum pour estimer une relation linéaire
= entre ces variables ?
= Veuillez choisir une réponse ;
A6
B. au moins 7
C4
D.S
Question 10
On considére la relation suivante : y; =~ + b + €; on peut estimer les paramétres a et b
x
Leer ey
sans linéariser la relation
BF sétectionnez une réponse :
A. Vrai
=F iB. Faux
l
} Question 11
Soit le modéle linéaire suivant : Yi=a0+alxi+ei ; la taille de ’échantillon n=120
A partir des données onibles, on obtient les valeurs numériques suivantes
pour le modéle
@=2,457 6 =1,232 R*=0,937 — Y(y,- 9)? = 317,46
La valeur de la variance résiduelle v(éi) est égale a:
83
WUUEOEENous voulons tester Phypothése suivant : H0=al=2*ao ; HI :al#2*a0
Dans ce cas I’écart-type relative au t des student est donnée par expression
suivante :
Veuillez choisir une réponse :
A.0,240
B. aucune bonne réponse
C.0,304
D. 0,204
On considére le modéle linéaire suivant xitb+ei ou i-
On dispose d’un échantillon de huit observations des variables X et Y a partir
duquel, on a déterminé les quantités suivantes :
Box = 37; Vay = 83; Do xy, = 430; Vix =193; Dy; = 968
ition pat la méthode des MCO on a les résultats
Aprés estimation de l’éqi
suivants :
SCres = 2,7143 ;yi=1.69xi+2.83
Nous voulons réaliser le test suivant : HO b=2 ; H1b#2
La valeur de t de student calculé est égale 4 :
Veuillez choisir une réponse :
A.LI7
B. 1,07
C.1,37
D.1,27yiraxitb+ei ; on va donne les quantités suivantes
ny = (4175 249) 0 yry — (20087 2 84
xx= (M5 aah) xy = (“or ) sachant que r'=0,75 et SCT=86050
La valeur de var() estimateur de la avance résiduelle est égale 4 :
B. 500,29
C. aucune bonne réponse
D. 529, 50
Soit la méthode linéaire suivante : Yi=a0+alx1+el; Soit r le coefficient de
corrélation entre X et Y :
Lestimateur 4 de a peut s*écrire en fonction de r de la fagon suivante
Veuillez choisir une réponse :
A. a=r*[var(y)/var(x)]
B. é=r*[var(x)/var(y)]
C. drto(xV/oly)
D. dr*oty)/o(x)
85FSJES Mohammedia Méthodes Econométriques Pr.AHefnaoui
Licence Fondamentale $6 Contréle final EN LIGNE Pr.ZLakhyar
ion 1:
Soit le modile linéaire simple : yi = ao + a1xi + ei. On suppose que
V’hypothése d’absence d’autocorrélation du terme d’erreur n’est pas vé
Quel est effet de la violation de cette hypothése ?
Veuillez choisir une réponse :
A. Lataille de lintervalle de prévision augmente.
B. Les termes en dehors de la diagonale de la matrice de variance-covariance du terme
d’erreur sont non nuls.
C. La matrice des variables explicatives n’est plus certaine.
D. L*estimateur MCO est biaisé.
Soit le modéle linéaire simple : yi = ao + aixi + ei. On suppose que
Phypothése d’homoscédasticité du terme d’erreur n’est pas vérifiée. Quel est
Peffet de la violation de cette hypothése ?
Veuillez choisir une réponse :
A. L’estimateur MCO est biaisé.
B. Les t-stat (statistique de Student) ne sont plus fiables.
C. aucune bonne réponse.
D. Les termes en dehors de la diagonale de la matrice de variance-covariance du terme
erreur sont non nuls.
86
CML CL LL DW ddd sds Docs Ket)
ion 3:
Soit le modéle linéaire simple : yi = ao + a1xi + ei. Le vecteur V
Veuillez choisir une réponse :
A. paralléle avec le vecteur des résidus estimés &
B. coupe le vecteur des résidus estimés &
C. est orthogonal au vecteur des résidus estimés &
yyy’
fy
JD. aucune bonne réponse
Question 4:
Soit le modéle linéaire simple : yi=ao+alxitei ; i=1,
On suppose que Var‘
set var(x)=
0. Dans ce cas
Veuillez choisir une réponse :
A. E(Al)=1/2
BB. E(41)=0
S39 cc@a)=1
D.E(al)=1/4
Question 5:
Soit le modéle linéaire simple : yi=aotalxitei ; i=1.....120.
A partir des données disponibles, on obtient les valeurs numériques suivantes
pour le modéle A0=1,23 ;41=2,46 ; r=0,94 ;SCT=317,46. Dans ce cas la
variance résiduelle est égale 4 :
COCO EEVeuillez choisir une réponse :
A. 0,06
B. aucune bonne réponse
C.20
D. 0,16
Question 6:
Woks
Soit le modéle linéaire simple : Yizaotei 5
Dans ce cas
Veuillez choisir une réponse :
A
0,5
B. aucune bonne réponse
Question
Soit le modéle linéaire simple
point (& 59)
i-aotalxitei. La droite des MCO passe par le
Veuillez choisir une réponse :
~annnaninlh
A. toujours
B. parfois
C.siP=I
D. si °=0
88Question & ;
Soit le modéte linéaire simple : yienosat ite.
Que se passe-t-il si Mhypothése de nullité de Mespérance du terme d'errer n'est
pas vérifige ?
Veuillez choisir une réponse
aucune bonne réponse
J. fa variance de l'estimatent n'est pas ta ph
« faible
K. L’estimateur MCO est biaise
L. il nest pas possible d'obtenit Pestimatent MCO.
Question
DY YYYY YTD
On réalise une régression de y sur deux variables explicatives «et 3 partir
un échantillon den in
duis, cest-a-dire que X=[Lrv], oit Lest Ie secteur
de taille n composé de 1. Ona obtenn fe résultat suivant concernant la matrice
tant
dans ce cas t le coefficient de corrélation linéaire empirique \ et z est égale a:
Veuillez choisir une réponse
A0,50
BO91
co
D.-0,50.
Ree et tetQuestion 1
Soit le modéle linéaire simple y1 = ao + a1xi + ei.L'amplitude de Vintervalle
de confiance du paramatre a varie en fonction du risque de premiére espéce noté
Sélectionnez une réponse
D. Vrai
E. Faux
ite
nit
Soit le modéle linéaire multiple yi = ao + a1xil + a2xi2 + a3xi3 + et;
Source de variation
‘Somme des carrées ddl
Régression due 4X1 981.326 1
Régression du & X2 190.232
Régression due 4 X3 129.292 1
Résiduelle 442.292 18
Totale 1743.281 a
La proportion expliquée par les trois variables est égale A:
Veuillez choisir une réponse :
A. 0,75
B. 0,95
C.0,25
D. aucune bonne réponse
90
~_nnoannfnt andiQuestion 12:
Soit le modéle linéaire de régression simple : yi = ao + a1xi + et; sir?
Les points du nuages xiyi sont :
t Veillezchoisir une réponse :
Y A. horizontaux
B. verticaux
DC. alignés
YD. dispersés aléatoirement
errr
bin
1
POCO OEEFSJES Mohammedia Méthodes Econométriques Pr.AHefnaoui/ZLakhyar
Licence Fondamentale Sé Contréle final EN LIGNE 2019-2020
Question 1:
Soit le modéle linéaire de régression simple yi = axi + b + ei; ei est un bruit blanc
gaussien (ei ; suit une loi normale). Aprés estimation du modéle par la méthode des
MCO ; I’expression de 4 est donnée par :
Veuillez choisir une réponse :
A. n*cov(x,y)/var(x)
B. aucune bonne réponse
C.n*cov(x,y)/(n*var(x))
D. cov(x,y)/(n*var(x))
m2.
le modéle linéaire suivant yi = axi + b + ei; on réalise une estimation par
intervalle
Uamplitude de lintervalle de confiance du paramétre a varie en fonction du risque
de espace noté alpha.
Sélectionnez une réponse
A. Vrai
B. Faux
Question 3 :
Soit le modéle linéaire multiple suivant : Yi = a0 + a2 x 2i +. a3 x 3i tein = 20.
Les valeurs de t statistiques de student des paramétres 41 ;42 et 43 sont
respectivement :
92
mo TTT a va2.3 33.5 et 1.75
La valeur de F statistique de Fisher est égale 4:
Veuillez choisir une réponse :
At
B. aucune bonne réponse
C.racine carré (t)
D.t?
Question 4:
Soit le modéle linéaire de régression multiple (M1)
14
VicaOtalxlita2x2i+a3x3itel ;i:
Lestimation par méthode des mco du modéle (M1); nous donne les résultats suivants
Yi=32,90+0.81x1-0.3x2+0.037x3 ; R? ajusté=0.61 ; Dy(y; — y)? = 226.86
La valeur de R? est égale a:
Sélectionnez une réponse
A0.70
B.0.67
C.0.65
UUTOTTOTTTGdevuddede
0.0.76
boston Ss
On considére la relation linéaire suivante yi = axi + b + ei. Sila variable résiduelle ei
est hétéroscédastique, les estimateurs des MCO sont sans biais.
93
ooSélectionnez une réponse
A. Vrai
B. Faux
uestion 6 :
On considére le modéle linéaire suivant : yl = axi +h + ¢i;i = 1.....120.
estimation du modéle par la méthode des MCO nous donne les résultats suivants :
yi = 2.457xi + 1.232;1? = 0.
7; SCT = 317.46.
La valeur de la somme des carrées des résidus (SCRes) est de :
Veuillez choisir une réponse :
A.18
B.21
c.19
D.20
Question 7:
Nous considérerons la relation yi = axi +b + ei
AVaide de ces 10 observations, les quantités suivants sont obtenues :
Eyi= 19.98; Sy?i = $3.82; Exi = 62; Ex?i = 484,23; Sxiyi
Lavaleur de 4 est :
Veuillez choisir une réponse :
A.<0
B. aucune bonne réponse
C20
D.=0
AAA eeAAAnAKX XAestimation du modéle par les méthodes des MCO sur un échantillon de 35
individus a donné les résultats suivants :
Yi = 35 + 2xli + 1.5x2i + 3.5xg;n = 35; SCReg=1580.5;
le seuil de risque alpha est de 5%.
La valeur statistique de F de Fischer est :
Veuillez choisir une réponse :
PUUUULUY
A. 220.22
B. 222.20
€. 220.20
D. 222.22
‘Question 9
Se
les modéles linéaires suivants :
xi = a0 + alxi + ei et yi = a0 + a’2xi + ui,ui et ei sont deux bruits blancs
gaussiens. Apras estimations des deux équations par la méthode des MCO , on peut
obtenir la valeur de rpar:
Veuillez choisir une réponse :
A. al-a’d
B. al*a’1
C. al+a’l
D. al/a’1
=
5
IS
Is
Question 10:
Soit le modele suivant :yi = ag + a,x, + e,javec yi
‘onsommation finale des
N(0;0).
Uestimation du modéle par les MCO nous donne les résultats suivants :
3
&
=
a
a
&
¥
le revenu national et ei un bruit blanc gaussien ; e
95
WYNWUUUDOEEDODUUYyi = 1176.08 + 0.78xi pour le n=10 ; var(x)=23.35 ; la moyenne arithmétique de
x=0,
la cov(ao ;81) est égale a:
Veuillez choisir une réponse
A.-23.5
8. aucune bonne réponse
C.23.5
D.O—
commpemcrmtrens.. | a
fewan peepee ern tote tg ppt ls
Sunt a Cet toe bint a as
‘ete Rede Shenae
Examen de rattrapape :
Z.LKHYAR et A.HEFNAOUL
Semestre 6
vuuuUs
‘On dispote d'un éehantition de hult abtervtions des variables X et 12 partic duqel, ona termine
les quantités suivantes :
: . 2
yyw Ey=83 Lay,
430
(On considére le moddle (M) suivant
yea + baer ob fel
1. Sous les hypotheses des MCO déterminer la variance de 6 et Mb. Montrer qu
cestimateurs sont efficaces.
Estimer les paramétres du modéle (M) en utilisant Ia méthode des MCO.
2
3. On trouve SCRes = 2.7143, Caleuler la SCReg ?
4. En dédvire la matrice de variances-covariances des estimateurs notse 9.4 08 ACF)
‘5. Donner un intervalle de confiance pour le paramétre a pour wn niveau de risque de 5%
6. Tester Phypothdse selon laquelle le paramétre b= 2 pour un niveau de risque de St
7, Montrer que le coefficient de dstermination ct le carré du cocfficient de corrélation Hinavre
centre X et Y-
8 Calevler le coefficient de détermination de cette relation et en dédvire Ie coefficient de
corrélation linéaire entre X et ¥.
9. Pour un niveau de 5% ; tester Ia signification globale du modéte (M).
10. Donner un intervalle de prévision pour Xo=12 ; le niveau de risque est 5%
{Masson Atahomondtn Fanmail gs
{20650-thoee [yen - 20880
syasaymi dean /m) f 221282031 4642/23 a
sesiysiten | 22125 2931 4681: ysl
um
VeIEW ~YeRy.
WESTER | Aa syiton nia
Sse | Sagi
EXAMEN ECONOMETRIE
SEMESTREG = DUREE?1H30
Exerciee 1: On consid le mode lindsire suivant:
Apu
ir des données.
isponibles, on obtient les valeurs numériques suivantes pour le modéle :
a= Esty)? = 317.46
457;5 = 1.2327? = 0.93
Cuxyts (00745, 04231
03438
1. Déterminer la Somme des Carrées cela régression (SCRep) et In Somme ces Carrdes des
Résidus (SCRes) 83 modile,
CConstriz le tableau de dézomposiion de Ia variance
Donner une estimation de ls variance résiduelle du modale natée
Retrowver Inmate de vranesr-covaines de extn
Procter au test uivant pour un risque ce = 5%; (“Ora 2?
Ypour 4.
Fournic un intervalle de confiance au risque c.
Exercice 2: Soit le modele suivant: yieatayxcte, aver yi
‘ational ete un bruit blanc ganssien ; e--> N(O:0).
1. Monier que 8 est un estimateur sans baie de
2. Montrer que cov(80;81) = ~2 Var (81)
‘Soit In relation estimée entre la consommation et le revem :
‘onsommation finale det ménanes ; xi: Ie reven
¥F° 1176.08 + 0.78 xi; n=10 ; période entre 1983 et 1992. Les valeurs entre navenhtse sont Jes te Student,
(021) (14.3)
2
Calculer te coefficient de determination et restr 1a validté du modéle.
Colenler ta volewr de le consommation te evens augmente de 12%
‘
En onde 1993 ct 1994 ; on prévoit respectivement 16500 et 17000 de reve Déterminer la prévision
cde consommation ponr ces devce années ainsi que ‘interval de révision au seul de 95%.
La stotstique ce Durbin et Watson ext égale 8: 1,82 Tester existence d'ume outocarrélation det
a mn nna onnnhi dX.ESE Seeley eee
Examen : Introduction &I'éeonométrie
Semestre 6
Session de mai 2018
Durée (139)
Professcurs : A. Hefnaoui et 7.Lakhyar
imate dea par la
- Quel est I'incident sur & si toutes les observations de la variable X sont épales, soit xt=»*
vr?
2. Montrez que dans le modéle linéaire simple yr= axt+b+er ,I'égalité suivante est vérifice
geo Retneen
Beta
Malheureusement, 'erreur du modele est positivement corrélée avec la variahle explicative %.
3. Que peut-on dire des propriétés de I'estimateur des MCO dans un tel contexte ?
Démontrez. vos affirmations.
Exercice 2 : Nous considérerons la relation yi
it b +e
Montrer que Eeixin0 ; Deie0 sCViRLY:.,Montrer que la droite de régression passe par
le couple
2. AT'aide de 10 observations, les quantités suivantes sont obtenues
Dyin 19.98 ; Dy*i=53.82 ; Dxi-62 ; Dx7-484.23 ; Pxiyi=159.35
3.
4, Quel est le signe attendu pour le paramétre a ? Justifier votre réponse.
5.
6
Procéder a I'estimation de Ia relation par la méthode des moindres carrés ordinaire
. Verifier que o =0,40. Tester Ia signification statistique de Ta varinble x. (a~S%),
994
Examen de rattrapage
Semestre 6
Fillare : Economie et Gestion
Méthodes économétriques.
purge a heure
zo et les tobles stot sont autor/s
cation =
ensemble des tests stotistiaue
Soit le modéle linéaire de régression multiple : yi
‘a. Exprimer le modéle sous Ja forme matricielle en pr
Tess
jon de chaque
rag ay xirtaaxarteaXsitc
récisant Ia dimer
élément.
b. Montrer que V(A)=a*CCXY
Et (X°X)" inverse de la matrice des variances et covariane
M1) ; nous donne les résultats
? la variance résiduelle.
javec A= (40; Al ; 22:03); et
Lrestimation par la méthode des meo du modéle (1
suivants : Yi=32.90+0.81X;-0,38X2-0.037Xs ; R°=0.70 5 5 (yi-ybat) 2=226.86 ; et
20.169 0.015 -0.231 = 0.076
7 -1 0.015 0013+ 0.001 -0.001
(A'XY =|_9231 0.001 0.004 0.001
0.076 -0:001 0.001 0.000401
(a) Tester la contribution marginale de chaque variable. Seuil de risque a=
(b) Calculer te R® ajusté et donner son expression en fonction de R’.
(6) Présenter le tableau de Manalyse de la variance et tester la significativité
globale du modéle.
Une estimation du modéle (M2) : Yizac*arXrte;, ; nous donne le
52.
résultat :suivant :11,57+1.011X1 57
a) Tester la signification statistique de X1.
b) Tester la validité de l'ajout des variables x2 et x3.
i-Xy ; et T=Xri.
|. Onaestimé un autre modéle (M3) : Zi=aqtaiTitei; avec Zi
Zi=21.607 40.26Ti ; 1°=0.28 ; V(ci)=6.52
a) Expliciter les contraintes de modéle (M3)
b) Tester la validité statistique de ces contrainies
es des variables exogtnes.
AAAHRAORHELEAE UU PA NAWUuuduuY
WYUUYUUNU
Université Hinssan II Casablanes
Faculté des sciences juridiques Economiques et sociales Mobammedin,
‘Année Universitaire 2016-2017
Filiere : Economie et Gestion
Matiare : Econométrie
Semestre : 6
Session de MAT
‘Durée : 1430
Tables statistiques et ealentatrice sont autorisées
Exerele 1 Sot le modtle thtoriqne suivant y,~ 05 0,3, +4, A patird'une dude staitiqne
Portant sur RS semaines de relevés, un économatre foumit I'estimation suivante :
Ye132.8041 A Fe'= 623432: Fsbabar)?=6570,3
1) Tester hypothése Hy: a, =0 et conelure sur In sigmifientvité de In régression. Seuil de
risque est égal 85%.
2) Construice le trbteau danslyse de Ia variance et vérifier le résultat obtents en (1), Senil de
risque est pal 5%, Caleuler le pourcentage explicnif du mode.
3) Construire un intervalle de confiance pour ay au seul de risque o-5%
4) Lecoefficient a, ext.il signifeativement inférieur 8-1 7
Exereice 2 Soit le modéle linéaire suivant : Yim act arXr¥es,iet 2,26
1, Montrer que ay s'écrit combinaison linéaire de ¥ ; ct que E(fo) =o:
2. Montrer que cov (ds i)"0 si # = 0.
3. Soit le modéle linéaire multiple suivant :
Exereice 3:
On souhaite prévoir Yo a partir de observation Xo. La nouvelle obser
vation Yo est générée & partir de la relation: Yy =a +11Xo + to.
AX +e; Montrer que
(a) Montrez que: E (Yo) = a + Xo et Yoest une estimation sans
Diais de B(¥)
(b) Montrez que
Var (%) = Var (@uco)+X3¥ ar (Breco)+2XeCov (S1rco. Barco)
En déduire que:
a, (=X)
7 Ba
Var (¥o )Université Hassan TI Casablanca
Faculté des sciences juridiques économiques et sociales Mohammedia
Filidre : Economie et Gestion
Matidre : Introduction & l’économétrie
Semestre : 6
Annales des examens économétrie
. Examen 2016
Exercice 1 : Soit le modéle linéaire suivant : Yrantarxr+axx2tasxstel ; i=1.
‘Nous voulons examiner si les variables exogénes ont un effet sur la variable y.
Le tableau d’anslyse de la variance indique l'apport de chaque variable intreduite dans l'ordre
nyn=22.
indigue.
‘Source de variation ‘Somme des earrés eal
Régression due & XT 981,326 i
| Regression dua X2 190.232, 1
Regression due & XI 129.292 i
Résiduelle 442.292 18
totale 1743.281 ei
1. Quelle est la somme des carrés due & Ta régression pour l'ensemble des trois variables
cexogines. 7
2. Quelle est Ia proportion expliquée par les trois variables.
3. Tester la signification globale des trois variables. (0=5%).
4, En prenant en considération l'effet de la seule variable X1 sur Y. Compléter le tableau
i d’analyse de la variance correspondant,
Source de variation Somme des cards a
Régression due 4X7 981.326
Résiduelle
totale
j=22=0 ; Ho : al=a3=0 ; Ho : a2=a3~0.
5. Tester les hypothéses sui
(o=5%).
6. Quel est selon vous le meilleur modele.
Exercice 2 : Soit le modéle linéaire simple suivant : Yi= a+Bxi tei 1
1. Montrer que Pi peut s’écrire comme combinaison linéaire de y.
2. Montrer que a et B sont des estimateurs sans biais.
3, Montrer que si ¥ = 0; done cov(a;f) = 0
Exercice 3: Une étude de la fonction de production d'une entreprise industrielle de type
Cobb Douglass yi= Ak*lF a donné les résultats suivants :
. 052 4 062) ay _
log(vi) = 100 + (329 lor(hi) + (9,22) oa lt) : n= 35:SCT = 500;SCReg = $80.
Les chiffres entre parenthéses sont les écart-types des paramétres.
1, Tester la significati statistiques des variables ct tester I"hypothése Ho :
(a=5%).
‘Nous voulons tester l'existence dune élasticité unitaire et on a estimé le modéle suivant sous
Vhypothése Ho, ZiraQtalWi, Z= 4554112 Win ‘CT = 480;5CReg = 320.
2, Exprimer les variables Z et W en fonction des variables du mode initial
3. Tester la validité de hypothése d’élasticité unitaire.
==0,
REA ALAA