Estatstica II Licenciaturas em Economia e Finanas

FORMULRIO DE ESTATSTICA II

VALOR ESPERADO, MOMENTOS E PARMETROS

Var ( X ) = E ( X ) = E ( X 2 ) 2

Cov( X , Y ) = E{( X X )(Y Y )} = E ( XY ) E ( X ) E (Y ) ; X ,Y =

E (aX + bY ) = aE ( X ) + bE (Y ) ; Var (aX + bY ) = a Var ( X ) + b Var (Y ) + 2abCov(X, Y ) com a, b constantes

DISTRIBUIES TERICAS

Cov( X , Y )

XY

UNIFORME (DISCRETA)
1
n +1
n2 1
; E( X ) =
; Var ( X ) =
n
2
12
1
m
m(m + 2)
; E ( X ) = ; Var ( X ) =
- Caso x = 0,1, 2,..., m : f ( x) =
m +1
2
12
BERNOULLI X ~ B(1, )
f ( x | ) = x (1 )1 x , x = 0,1 (0 < < 1) ; E ( X ) = ; Var ( X ) = (1 )

Caso x = 1, 2,..., n : f ( x) =

BINOMIAL X ~ B(n, )
n
f ( x | ) = x (1 ) n x , x = 0,1, 2, ..., n, (0 < < 1) ;
x
n
, n conhecido
E ( X ) = n ; Var ( X ) = n (1 ) ; ( ) =
(1 )
Propriedades:
- X ~ B (n, ) (n X ) ~ B (n,1 )
- X i ~ B(ni , ), independentes (i = 1,2,..., k )

i =1

X i ~ B(n, ), n = i =1 n i
k

POISSON X ~ Po( )
1
e x
f (x | ) =
, x = 0,1,2,..., ( > 0) ; E ( X ) = ; Var( X ) = ; ( ) =

x!
Propriedades:
- X i ~ Po(i ) independentes (i = 1,2,..., k ) X =

i =1

X i ~ Po

( )
k

i =1

- X ~ B(n, ) com n grande e pequeno, ento X ~ Po(n )

a

UNIFORME (CONTNUA) X ~ U( , )
+
( ) 2
1
< x < ; E( X ) =
f (x | , ) =
; Var( X ) =
12
2

NORMAL X ~ N ( , 2 )
1

exp
( x ) 2 , < x < +, < < +, 0 < < + ;
2
2

2
1
1
E ( X ) = ; Var( X ) = 2 ; ( ) = 2 2 conhecido ; 2 = 4 conhecido
2

f ( x | , 2 ) =

( )

Propriedades:
- Normal estandardizada Z =

~ N (0,1) ; ( z ) = ( z ) ; ( z ) = 1 ( z )

- X i ~ N ( , 2 ) independentes (i = 1,2,..., n) Y =

- X i ~ N ( i , i2 ) independentes (i = 1,2,..., k ) Y =

i =1

X i ~ N n , n 2 ; X =

i =1

1
n

i =1

2
X i ~ N ,
n

i X i ~ N ( Y , Y2 ) ; Y = i =1 i i ; Y2 = i =1 i2 i2
k

X ~ Ex( ) X ~ G (1, )
1
1
1
x > 0, > 0; F ( x | ) = 1 e x ; E ( X ) = ; Var( X ) = 2 ; ( ) = 2

EXPONENCIAL X ~ Ex( );
f ( x | ) = e x

Propriedades:
- X i ~ Ex( ) independentes (i = 1,2,..., k )

i =1

X i ~ G (k ; ) e min X i ~ Ex (k )
i

GAMA X ~ G ( , )

Funo gama: ( ) =

e x x 1dx

( > 0) com ( ) = ( 1)( 1), > 1 ; (n) = (n 1)! ; ( 12 ) =

e x x 1

, x > 0, , > 0 ; E ( X ) = ; Var( X ) = 2 ; ( ) = 2

( )

f (x | , ) =

conhecido

Propriedades:

- X i ~ G ( i , ), (i = 1,2,..., k ) independentes

i =1

X i ~ G ( , ) ; =

i =1

- X ~ G ( , ) cX ~ G , c > 0 constante
c

QUI-QUADRADO X ~ 2 (n)
f ( x | n) =

x
2

x2

n
2 2
2
Propriedades:

, x > 0, n > 0 inteiro ; E ( X ) = n ; Var ( X ) = 2n ;

n 1
- X ~ 2 ( n) X ~ G ,
2 2
a

2 2 (n) 2n 1 ~ N (0,1)

- X ~ G (n; ) 2X ~ 2 (2n)

independentes (i = 1,2,..., k )

- X i ~ 2 (ni ), independentes (i = 1,2,..., k )

- X i ~ N (0,1)

i =1

i =1

X i ~ 2 (n ) , n = ik=1 ni

X i2 ~ 2 (n) ; X ~ N (0,1) X 2 ~ 2 (1)

t-STUDENT T ~ t (n)
T=

U
V n

~ t (n) com U ~ N (0,1) e V ~ 2 (n) independentes;

E (T ) = 0 ; Var(T ) =

n
(n > 2)
n2

F-SNEDCOR X ~ F (m, n)
F=

U /m
~ F (m, n) com U ~ 2 (m) , V ~ 2 (n) independentes
V n

2n 2 (m + n 2)
n
(n > 4)
(n > 2) ; Var ( X ) =
n2
m(n 2) 2 (n 4)
1
~ F (n, m)
- T ~ t (n) T 2 ~ F (1, n)
Propriedades:
- X ~ F (m, n)
X
E( X ) =

TEOREMA DO LIMITE CENTRAL E COROLRIOS

X i iid, com E ( X i ) = e Var ( X i ) = 2
Corolrio: X i ~ B(1; ) , independentes ento

i =1

X i n
n

i =1

X i n

n (1 )

~ N (0,1)

~ N (0,1)

1
b + 1 n

2
a 2 n com a e b inteiros
Correco de continuidade: P(a X b)
n (1 )
n (1 )

X a
Corolrio: X ~ Po( )
~ N (0,1) , quando +

 a 12
b + 12

Correco de continuidade: P(a X b)

AMOSTRAGEM. DISTRIBUIES POR AMOSTRAGEM

MDIA E VARINCIA AMOSTRAIS
X =

n
1 n
1 n
n 1 2
2
2
2
2
2
2

S
=
S
X
X
=

; E (S 2 ) = 2
X
S
=
Var
(
)
X
E
(
X
)
=

;
;
;
;
; E (S 2 ) =
i
i

i =1
i =1
n
n
n
n 1
n

DISTRIBUIES POR AMOSTRAGEM

POPULAES NORMAIS
X
~ N (0,1)
Mdia
n

X
~ t (n 1)
S n

Varincias conhecidas
( X 1 X 2 ) ( 1 2 )

12

Diferena de
mdias

Varincia

22

~ N (0,1)

+
m
n
Varincias desconhecidas mas iguais
X 1 X 2 ( 1 2 )
T=
~ t (m + n 2)
1 1 (m 1) S1 2 + (n 1) S 2 2
+
m n
m+n2
nS 2

(n 1) S 2

~ 2 (n 1)

Relao de
varincias

S1 2 22
~ F (m 1, n 1)
S 2 2 12

Amostras
emparelhadas

Z X Y
~ t (n 1) ,
S Z n

ou

S 2 2 12
~ F (n 1, m 1)
S1 2 22

( X i , Yi ) - amostra emparelhada, Z i = X i Yi ;

GRANDES AMOSTRAS: CASO GERAL

X a
~ N (0,1)
Mdia
n
Diferena
de mdias

( X 1 X 2 ) ( 1 2 )

12
m

22

Z = X Y

X a
~ N (0,1)
S/ n
~ N (0,1)
a

( X 1 X 2 ) ( 1 2 )
S1'2 S 2'2
+
m
n

~ N (0,1)

GRANDES AMOSTRAS: POPULAO DE BERNOULLI

a
X
X a
~ N (0,1)
~ N (0,1)
Proporo
(1 )
X (1 X )
n
Diferena de
propores
Igualdade de
propores

X 1 X 2 (1 2 )

1 (1 1 ) 2 (1 2 )
m

~ N (0,1)

X1 X 2
1 1
+ (1 )
m n

~ N (0,1)

X 1 X 2 (1 2 )
X 1 (1 X 1 ) X 2 (1 X 2 )
+
m
n

~ N (0,1)

mX 1 + nX 2
com =
m+n

GRANDES AMOSTRAS: POPULAO DE POISSON

X a
X a
~ N (0,1)
~ N (0,1)
Mdia

X
n
X 1 X 2 (1 2 )

Diferena de
mdias

1
m

X 1 X 2 (1 2 )

~ N (0,1)

com X =

~ N (0,1)

1 1
+ X
m n

~ N (0,1)

X1 X 2
+
m
n

X1 X 2

Igualdade de
mdias

n
a

mX 1 + nX 2
m+n

ESTATSTICA-TESTE DO 2

TESTE DE AJUSTAMENTO
m

( N j fe j ) 2

j =1

fe j

Q=

~ 2 (m 1) ; fe j = np j - frequncia esperada da classe j ;

a

Com estimao de k parmetros para obter as estimativas p j : Q ~ 2 (m k 1)

TESTE DE INDEPENDNCIA:
r

Q =

( N ij feij ) 2
feij

i =1 j =1

~ 2 ((r 1)( s 1)) ; feij =

N i N j

- frequncia esperada da classe ij

MODELO REGRESSO LINEAR (MRL)

yi = 0 + 1 xi1 + ... + k xik + ui , i = 1,2,..., n yi = x i + ui , i = 1,2,..., n y = X + u

OLS (estimadores dos mnimos quadrados)

Caso particular: yi = 0 + 1 xi + ui

Caso geral

= ( X X) X y

0 = y 1 x

y i = 0 + 1 xi1 + ... + k xik

Var ( 0 | X ) =

ui = yi y i

2 =

1 =

2
i

(x

(x x) y
(x x)
i

x)2

Var ( 1 | X) =

Var ( | X) = 2 ( XT X) 1

Nota:

(n k 1)

Var ( j | X) =

2 xi2

2 =

SST j (1 R 2j )

(x

x)2

2
i

n2

R 2j - R 2 da regresso de x j sobre todos os outros regressores; SST j =

i =1

( xij x j ) 2 .

Propriedades:
1.

2.

3.

4.

u = 0

(com termo independente)

i =1 i

x u = 0 ( j = 1,2,..., k ) ;

i =1 ij i

i =1

i =1

y i ui = 0

yi2 =

i =1

y i2 +

n
2
i =1 i

(com termo independente)

Coeficiente de Determinao:

R =
2

( ( y
i

y )( y i y )

= ry2, y com ry , y o coeficiente de correlao entre y e y

i( yi y ) 2 i( y i y ) 2

Coeficiente de Determinao no modelo com termo independente:

SST = SSE + SSR ; SST =

R2 =

SSE
SSR
=1
;
SST
SST

i =1

( yi y ) 2 ; SSE =

R2 =1

i =1

( y i y ) 2 ; SSR =

n
2
i =1 i

SSR /(n k 1)
n 1
= 1 (1 R 2 )
.
SST /(n 1)
n k 1

INFERNCIA ESTATSTICA DO MRL:

y i ~ N (x i , 2 ) ; u ~ N (0, 2 )

j ~ N j , Var ( j )

2
i =1 i
2

(n k 1) 2

j j

tj =

~ 2 (n k 1)

~ t (n k 1)

se( j )

ou F j = t j

(
=

j
~ F (1, n k 1)
se( ) 2
j

Casos particulares:
H0 : j = 0

tj =

j
se( j )

~ t (n k 1)

H 0 : j = 0j
tj =

j 0j
se( j )

~ t (n k 1)

Testes de q restries lineares sobre os coeficientes de regresso, H 0 : R = r ,

F=

SSRr SSRur n k 1

~ F (q, n k 1)
SSRur
q

Nota: SSRr = soma dos quadrados dos resduos do modelo com as q restries lineares;
SSRur = soma dos quadrados dos resduos do modelo sem restries.
Casos particulares
Uma nica restrio (q=1) H 0 : R = r H 0 : = 0 com = R r ,
R r

t=
~ t (n k 1) ou t =
~ t (n k 1) com = R r
)

se
(

Var R

( )

Nulidade conjunta dos coeficientes de declive

F=

R2
n k 1

~ F (k , n k 1)
2
k
1 R

Nulidade conjunta de um subconjunto de q coeficientes

F=

F=

SSRr SSRur n k 1

~ F (q, n k 1) ou
SSRur
q

Rur2 Rr2
1 Rur

Notas:

n k 1
~ F (q, n k 1)
q

Rr2 = Coeficiente de determinao do modelo com as q restries

R ur2 = Coeficiente de determinao do modelo sem restries

 HETEROCEDASTICIDADE:
Var ( | X) = ( XT X) 1 XT Var (u | X) X( XT X) 1 = ( XT X) 1

i =1 i

i2 xTi x i ( XT X) 1

Inferncia sobre j :

tj =

i =1

Estimador robusto de White (estimador da varincia consistente com heterocedasticidade)

n
Var ( | X) = ( XT X) 1
u 2 xT x ( XT X) 1 .

j j
se * ( j )

~ t (n k 1) com se * ( j ) = erro-padro consistente com heterocedasticidade

Testes de Heterocedasticidade:
a

Estatstica-teste LM: LM = nRu2 ~ 2 ( p ) com Ru22 e p respectivamente o coeficiente de determinao e o n de

2

regressores (excluindo o termo independente) da regresso auxiliar de teste.

PREVISO

Previso em Mdia: E ( y | x1 = x10 ,..., xk = xk0 ) = 0 + 1 x10 + ... + k xk0 = 0 ;

0
t = 0
~ t (n k 1)
se(0 )

Previso pontual:

t =

y 0 = 0 + 1 x10 + ... + k xk0 + u 0 ;

0 = 0 + 1 x10 + ... + k xk0

y 0 = 0 + 1 x10 + ... + k xk0 = 0

y 0 y 0
~ t (n k 1)
se( ) 2 + 2
0

Varivel dependente log( y ) :

log y 0 = + x 0 + ... + x 0
0

1 1

- se u ~ N (0, ) y 0 = exp( 2 / 2) exp(log y 0 )

- outras situaes y 0 = exp(log y 0 ) com obtido numa regresso auxiliar
2

TESTE RESET
y = 0 + 1 x1 + ... + k xk + y 2 + u - testar H 0 : = 0
y = 0 + 1 x1 + ... + k xk + 1 y 2 + 2 y 3 + u - testar H 0 : 1 = 2 = 0