Escolar Documentos
Profissional Documentos
Cultura Documentos
SUMRIO PGINA
3. Tabela ANOVA 15
6. Gabarito 43
Ol pessoal! Esto prontos para embarcarmos juntos nesta difcil jornada que leva
aprovao em um concurso pblico? Ento vamos l! Bom pessoal, primeiro que
gostaria de bater um papinho com vocs.
Boa pergunta! Meu nome Jeronymo Marcondes Pinto e j tenho uma grande
bagagem no que se refere a concursos pblicos. Sou Economista, Mestre e Doutor
em Economia Aplicada pela Universidade de So Paulo (USP) e, atualmente, sou
Auditor Fiscal do Trabalho (AFT), atuando na rea de planejamento e anlise
econmica e estatstica da Secretaria de Inspeo do Trabalho (SIT MTE sede).
J fiz muitos concursos, tendo sido aprovado em vrios, como Auditor Fiscal do
- Professor, por que voc est nos contando de reprovaes, isso no te diminui?
Muito pelo contrrio! Posso dizer que a maior parte da minha experincia deriva do
no sucesso! Aprendi muita coisa ao no ser aprovado, coisas que fizeram com que
eu me tornasse um verdadeiro concurseiro! Ao longo do curso estarei dando dicas
de concurseiro para vocs, o que os ajudar nos seus planejamentos, estratgias,
etc.
DICA DE UM CONCURSEIRO
Gente, o perdedor no aquele que no vence, mas aquele
que no tenta por ter medo de perder! No tenha medo de
no ser aprovado, faa o seu melhor! O medo far com que
voc desperdice chances que podem mudar a sua vida, alm
de fazer com que voc se esforce menos... o que , de longe,
o principal para ser aprovado!
Vamos falar um pouquinho do Banco Central (BACEN). Sem dvida nenhum, uma
das melhores instituies para se trabalhar no Brasil, tima remunerao, condies
de trabalho e grandes possibilidades para crescimento na carreira! Em
contrapartida, concurso muito concorrido e com candidatos de altssimo nvel!
Vou deixar isso muito claro: NO! Isso boato dos grandes, tire isso da sua cabea
agora! Tenho vrios conhecidos no BACEN que sequer tm inteno de fazer
mestrado. Isso bobeira!
Vamos falar do edital de Econometria, afinal, para isso que estamos aqui!
Quem est pensando isso, pense de novo! Esta , provavelmente, a matria mais
difcil da rea 2. H contedos neste edital que so muito complexos, como o vetor
autoregressivo, por exemplo. Eu tenho duas notcias para vocs, uma boa e uma
ruim.
DICA DE UM CONCURSEIRO
Muita gente no presta ateno nos editais. As pessoas do
uma lida por cima e acham que est bom. Elas esto
erradas! Leia o edital com MUITA calma (mais de uma vez),
pois, se voc no o fizer, muito provvel que voc acabe
estudando matrias inteis para a prova. O que o seu inimigo
(a banca) vai fazer est no edital. Ao longo do curso voc vai
ver porque estou falando isso, apesar de parecer bvio, mas,
garanto, no !
Cointegrao e Correo
07 de Erro e Vetor 28/05/2013
Autoregressivo
Veja que a rea Regresso Mltipla leva 4 aulas! Isso porque o edital no diz, mas
as provas cobram violao das hipteses bsicas em regresso mltipla, mas no
falam isso no edital. Grande sacanagem! Alm disso, ser necessrio um
conhecimento prvio de lgebra matricial, cobrado, inclusive, no ltimo concurso,
que terei que dar uma base para vocs!
y = f(x).
Uma das formas de se expressar tal funo a partir de uma relao linear, tal
como:
y = 2 + 3x.
y = + x. (1)
- Professor, timo, mas por que voc est falando tudo isso?
Porm, perceba que muito raro que uma varivel do mundo real, ainda mais
quando ligada economia ou a fenmenos sociais, consiga ser representada por
uma reta. Vamos supor que estamos tratando do exemplo (a) acima descrito para o
ano de 2012 e que possumos dados de todas as vendas de todas as empresas de
um determinado setor e de todos os gastos de propaganda efetuados por estas
empresas.1 Colocando tal relao em um grfico:
14
12
10
8
6
4
2
0
0 10 20 30 40 50 60
Gente, s para chamar a ateno, por enquanto estamos trabalhando com dados coletados em um
1
nico perodo de tempo, no caso uma nica observao por empresa no ano de 2012 (pode ser a soma
de todo o ano, ou de um determinado ms, etc.) Este tipo de disposio de dados chamado de dados em
cortes transversais ou cross section. Ns s veremos observaes ao longo do tempo na seo de sries
temporais.
Assim, se uma verso linear e simples da equao de reta for a mais bem ajustada
srie de dados, pode-se inferir que a equao que representa a real dinmica do
fenmeno em estudo, no caso, as vendas da empresa dada por:
Sendo o termo que representa o erro, ou seja, os desvios das observaes com
relao reta (pensem comigo, o erro a distncia da reta at cada um daqueles
pontos no grfico acima). O subscrito i se refere cada uma das empresas
analisadas em 2012, isto , a empresa representada no primeiro ponto no grfico
tem subscrito (1), a segunda subscrito (2) e assim por diante.
Vocs concordam comigo que no d para levar em conta todas as variveis que
afetam o comportamento das vendas de todas as empresas? Pode ser que um
gerente comercial muito bom de servio tenha pedido demisso da empresa (4), o
que puxaria suas vendas para baixo, apesar do investimento em propaganda, etc.
Assim, o erro leva em conta estes efeitos impossveis de se mensurar, mas que
afetam a dinmica de y.
Bom, apesar do fato de que este erro algo que ns temos que aprender a viver
com ele, o mesmo possui uma caracterstica interessante que ns temos que levar
em conta:
( )
Isto , a mdia dos erros igual a zero. Ou seja, os desvios para cima da reta
igualam o valor dos desvios para baixo da reta na mdia.
( )
E a rapaziada, que cara de sono esta? Vamos acordando, pois um futuro analista
do BACEN no pode dormir em servio! Voc ser bem remunerado e com status,
mas com muita responsabilidade.
Vamos ver se vocs esto realmente atentos: lembram-se quando eu disse que a
regresso tinha a ver com todas as empresas, todas as receitas de vendas e todos
os gastos em propaganda? Ento, hora de lembrar um pouquinho do curso de
estatstica do Estratgia, o conceito de populao e amostra.
timo! Tente imaginar um momento: a estimativa dos parmetros deve ser feita de
forma a garantir o que?
isso! De forma a minimizar os erros. Isso feito pelo mtodo dos Mnimos
Quadrados Ordinrios (MQO) que nos d um valor estimado para e , que,
chamaremos, a partir daqui, de e .
Com base no fato de que a mdia dos erros igual a zero, no h como se
minimizar a soma dos erros, dado que o valor sempre ser zero. Assim, o objetivo
do mtodo minimizar a soma dos quadrados dos erros, o que feito pelo
estimador de MQO. Gente, sejamos prticos, nunca caiu e, provavelmente, nunca
vai cair a derivao do estimador de MQO, assim, decorem:
( )
( )
Exerccio 1.
S para vocs ficarem contentes em ver uma aplicao prtica, vamos fazer
um exemplo. Vamos l! Dada a seguinte srie de dados, estime a regresso
linear Y = f(X), ou costumeiramente chamada de Y contra X.
Variveis X Y
103 160
123 167
145 207
126 173
189 256
211 290
178 237
155 209
141 193
156 219
166 235
179 234
197 273
204 272
125 181
112 166
107 161
135 195
144 201
188 255
Soma 3084 4284
Mdia 154,2 214,2
Resoluo
X Y
Variveis X Y X(centrado)*Y(centrado) (X centrado) (Y centrado)
centrado centrado
103 160 -51,2 -54,2 2775,04 2621,44 2937,64
123 167 -31,2 -47,2 1472,64 973,44 2227,84
145 207 -9,2 -7,2 66,24 84,64 51,84
126 173 -28,2 -41,2 1161,84 795,24 1697,44
189 256 34,8 41,8 1454,64 1211,04 1747,24
211 290 56,8 75,8 4305,44 3226,24 5745,64
178 237 23,8 22,8 542,64 566,44 519,84
155 209 0,8 -5,2 -4,16 0,64 27,04
141 193 -13,2 -21,2 279,84 174,24 449,44
156 219 1,8 4,8 8,64 3,24 23,04
166 235 11,8 20,8 245,44 139,24 432,64
179 234 24,8 19,8 491,04 615,04 392,04
197 273 42,8 58,8 2516,64 1831,84 3457,44
204 272 49,8 57,8 2878,44 2480,04 3340,84
125 181 -29,2 -33,2 969,44 852,64 1102,24
112 166 -42,2 -48,2 2034,04 1780,84 2323,24
107 161 -47,2 -53,2 2511,04 2227,84 2830,24
135 195 -19,2 -19,2 368,64 368,64 368,64
144 201 -10,2 -13,2 134,64 104,04 174,24
188 255 33,8 40,8 1379,04 1142,44 1664,64
Soma 3084 4284 21199,2 31513,2
Mdia 154,2 214,2 1059,96 1575,66
Voltando aula!
(2)
Meus amigos, vocs conseguem enxergar que este resduo tem mais um problema
alm dos j citados para os erros? Lembra do gerente comercial eficiente que pediu
demisso? Ento, este um desvio natural de se interpretar um comportamento
econmico, derivado de influncias de infinitas variveis, a partir de uma reta.
Agora, h outro fator em cena, h um erro decorrente de se inferir uma estimativa
da reta (1) a partir de (2). Ou seja, o fato de ns s termos uma amostra leva a
desvios com relao estimativa dos parmetros. Dado que, com base na nossa
regresso estimada, o valor esperado de y :
( )
Bom pessoal, ns j temos uma estimativa de uma regresso, agora vocs podem
estar se perguntando: Ser que isso est bom? Ser que esta reta representa bem
a situao ocorrida no mundo real?
Ento, h diversas formas, que devem ser avaliadas de forma conjunta, para
responder tal pergunta, mas vamos adiantar algumas.
Exerccio 2
Utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, tem-
se que, caso haja um gasto anual com propaganda de 80 mil reais, a previso
do lucro bruto anual, em mil reais, ser de:
a) 158
b) 128,4
c) 121
d) 102,5
e) 84
Resoluo
( )
( )
3. Tabela ANOVA
Agora vamos falar sobre o grau de ajustamento de uma regresso. Isso , quanto
uma reta explica dos dados?
Bom, fcil pensar que h uma parcela da variao explicada pela regresso, ou
seja, aqueles parmetros que ns estimamos devem explicar parte da variao real
nas observaes da amostra, excluda a parte explicada pelos resduos.
Ok. Acho que esta parte que fica mais intuitiva com a matemtica. E a, qual a
expresso que vocs acham que representa a parcela explicada por uma
regresso? Claro que :
Dado que constante, ela no compe a parte da varincia explicada. Assim, com
o intuito de se definir uma expresso para a varincia explicada pode-se descart-
la:
Portanto, trata-se da parte estimada da reta que d o valor previsto de y para cada
x, que costumeiramente descrita como a varivel dependente com um acento
circunflexo em cima.
E a parte no explicada?
Vamos, primeiro, pelo mais fcil. A soma dos quadrados totais (SQT) :
( )
( ) ( )
| |
Esta , somente, uma das formas de se encontrar o R. Mas, ela j caiu vrias
vezes, ento, meus amigos, vou simplificar para vocs: decorem! No exerccio (10),
vou ensinar outra forma importante tambm. Mas, aconselho tentar faz-lo primeiro!
Quadrados
Soma dos Quadrados Graus de Liberdade Teste F
Mdios
SQE K
SQR Nk1
SQT N1
O que voc est buscando? Bom, quando voc estima uma regresso, voc busca
encontrar uma relao estatisticamente significante que explique o fenmeno que
est em estudo. Assim, se voc concluir que no h como rejeitar a hiptese nula
de que a varincia explicada pela sua regresso igual varincia dos resduos, na
verdade, voc no encontrou nada! Isso deriva do fato de que, se isso aconteceu,
muito provvel que toda parcela que voc conseguiu explicar da varivel
dependente foi por acaso, o que deve ter acontecido somente em virtude da
variao dos erros e no de uma especificao correta de uma reta. Ou seja, toda
sua regresso no tem grande validade em termos de explicar a dinmica da
varivel dependente em estudo.
Isso possvel se voc pensar em termos de desvios de uma mdia. Veja, por
exemplo, o caso em que voc queira testar a diferena da produtividade mdia de
vrias empresas. Primeiramente, voc vai dividir estas empresas por grupos de
atividade e a sua suposio inicial ser de que no h diferenas na mdia de
produtividade entre os diversos setores. Assim, voc pode decompor a variabilidade
das produtividades encontradas com relao mdia em duas parcelas:
( )
Assim, ao se utilizar da Soma dos Quadrados dos DM entre setores como nosso
SQE e da Soma de Quadrados dos DM dentro dos setores como nosso SQR,
podemos construir a tabela ANOVA. A anlise desta tabela e do teste F nos permite
inferir se h diferenas entre os quadrados destes dois desvios, que nada mais
que a varincia. Caso no seja possvel rejeitar a hiptese nula de que as varincias
so iguais, voc concluiu que as mdias dos setores so iguais mdia da amostra
e, portanto, iguais entre si.
Exerccio 3.
(CESGANRIO BACEN/2010)
Fator 6752,0 2
Erro 30178,0
Total 36930,0 29
a) I
b) III
c) I e II
d) I e III
e) II e III
Resoluo
Com base em toda aquela discusso sobre o teste F e na sua capacidade de ser
utilizado para testar se as mdias de uma determinada populao so iguais,
vejamos:
c) Falso. Sejam espertos, voc nem precisa calcular nada, o teste F tem seus graus
de liberdade determinados pelo nmero de graus de liberdade do numerador e do
Exerccio 4
Resoluo
( )
620,08 18 34,45
31513,2 19 1658,59
Voltando aula!
J que y composto de uma parte fixa (reta) e de uma parte aleatria (erro), a
varincia da varivel explicada igual varincia do erro. Assim, a hiptese de
normalidade de y equivalente a se afirmar que o erro tem de ser normalmente
distribudo. Portanto, esta ser nossa segunda hiptese sobre o modelo de
regresso.
Exerccio 5.
Resoluo
( )
Assim, chega-se ao gabarito (e). Sabe-se que a alternativa (c) est incorreta porque
o R surge da diviso da variao explicada pela total, enquanto que a alternativa
(d) advm da diviso dos quadrados mdios explicados e dos resduos e no
somente da variao.
Dica de um Concurseiro
Lembrem-se, a quantidade de horas estudadas no to
importante quanto a regularidade de estudo. Voc precisa
se condicionar, acostumar seu crebro com as
informaes. O que eu quero dizer : no adianta estudar
12 horas em um dia e depois ficar 2 semanas sem
estudar. Voc vai perder o ritmo. Tente ter alguma
regularidade nos seus estudos. Crie uma rotina. Viva,
coma e respire concurso pblico. No estou dizendo que
uma boa rachada no ajuda, s estou pregando a
necessidade de uma regularidade no planejamento de
seus estudos. Isso o bsico da teoria da Administrao:
primeiro planejar, depois executar. Isso serve para
concursos.
Bom, vamos l!
Na ltima seo ns vimos como o teste F avalia a hiptese conjunta de que todos
os coeficientes tm valor igual a zero. Agora vamos avaliar a significncia estatstica
dos coeficientes, um por um. Com efeito, vamos avaliar a significncia estatstica de
b isoladamente, tal como na equao (2)
Assim, por exemplo, as vendas de uma empresa podem ser funo no somente
dos gastos em propaganda, mas tambm do investimento em treinamento de
pessoal, da parcela do mercado dominada por ela, etc. Este um caso de
Regresso Linear Mltipla.
Ento meus amigos, agora que vocs entenderam o porqu do teste de hipteses,
alm do teste F, vamos entender como operacionaliz-lo.
Novamente, vamos nos lembrar das aulas de estatstica. Mas, vamos dar uma
pincelada de forma genrica primeiro.
Vamos para um exemplo prtico de nossa aula. Com base na nossa amostra e na
regresso estimada, ser que os gastos em propaganda realmente afetam as
vendas da empresa? Isso seria equivalente a estipular duas hipteses, uma
hiptese nula ( ) e outra alternativa ( ) de tal forma que:
Sendo s o valor estimado para o desvio padro do parmetro, que, por se tratar de
uma amostra, desconhecida.2
( )
2
Lembrem-se, o desvio padro igual raiz quadrada da varincia.
A consulta na tabela ir depender dos graus de liberdade dos quadrados mdios dos resduos e da
3
significncia estatstica que o pesquisador achar relevante, como 5%, por exemplo, o que se escreve como
t(N-k-1, 5%).
Caso o valor calculado supere o valor tabelado (rea cinza grfico), rejeita-se a
hiptese nula de que o coeficiente igual a zero. Ou seja, como aquele cantinho
improvvel no caso de a hiptese nula ser verdadeira e como a estatstica de teste
nos diz que o valor encontrado est l, a hiptese nula deve estar errada.
Entenderam?
Vamos lembrar a aula de estatstica de novo? H uma coisa importante demais para
se saber. Respondam-me: o que o p-valor? Bom, vocs tm que me responder
o seguinte:
O que isso?
Vejamos, se voc obtm um valor de 0,04 para seu p-valor, isso significa que a
hiptese nula pode ser rejeitada a 4% de significncia. Mas, se voc escolheu 5%
como seu nvel de significncia, ou seja, voc definiu que 5% muita coincidncia,
voc deve rejeitar a hiptese nula. Entenderam? Dem uma pensada, olhe seus
materiais de estatstica, matutem! Matutar parte do estudar!
X(i) = 8;
X(i) = 12
X(i)*Y(i) = 26
Y(i) = 29
Y(i) = 100
Exerccio 6
a) 0,5 dias
b) 1,0 dias
c) 3,0 dias
d) 5,0 dias
e) 4,5 dias
Resoluo
Sabendo-se que:
( )
Dado que o X medido em 1.000 km, o aumento previsto de uma unidade, o que
gera um aumento no tempo de entrega de 0,5 dias.
Exerccio 7
a) 1,77
b) 1,81
c) 0,40
d) 1,22
e) 1,13
Resoluo
( ) ( )
Assim:
Exerccio 8
Resoluo
Exerccio 9
(SUSEP 2010 Aturia) A partir de uma amostra aleatria [x(1), y(1)], [x(2),
y(2)]...[x(20), y(20)] foram obtidas as estatsticas:
Mdia de X = 12,5
Mdia de Y = 19
Varincia de X = 30
Varincia de Y = 54
Covarincia entre X e Y = 36
a) Y = 19 + 0,667*X
b) Y = 12,5 + 1,2*X
c) Y = 4 + 1,2 X
d) Y = 19 + 1,2 X
e) Y = 80 + 22,8X
Resoluo
Vamos l!
( )
( )
( ) ( )
Assim:
Exerccio 10
a) 144
b) 18
c) 36
d) 72
e) 48
Resoluo
Bom, essa complicada. Agora vamos ter que para pensar um pouquinho. Vamos
nos relembrar de como calculada a estatstica F:
( ) ( )
( )
( ) ( )
Exerccio 11
a)
b)
c)
d)
e)
[ ( )] ( )
O gabarito (a), mas est incorreto, pois deveria haver um sinal de + antes de .
Portanto, foi anulada.
Exerccio 2
Utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, tem-
se que, caso haja um gasto anual com propaganda de 80 mil reais, a previso
do lucro bruto anual, em mil reais, ser de:
a) 158
b) 128,4
c) 121
d) 102,5
e) 84
(CESGANRIO BACEN/2010)
Fator 6752,0 2
Erro 30178,0
Total 36930,0 29
a) I
b) III
c) I e II
d) I e III
e) II e III
X(i) = 8;
X(i) = 12
X(i)*Y(i) = 26
Y(i) = 29
Y(i) = 100
Exerccio 6
a) 0,5 dias
b) 1,0 dias
c) 3,0 dias
d) 5,0 dias
e) 4,5 dias
a) 1,77
b) 1,81
c) 0,40
d) 1,22
e) 1,13
Exerccio 8
Exerccio 9
(SUSEP 2010 Aturia) A partir de uma amostra aleatria [x(1), y(1)], [x(2),
y(2)]...[x(20), y(20)] foram obtidas as estatsticas:
Mdia de X = 12,5
Mdia de Y = 19
Varincia de X = 30
Varincia de Y = 54
Covarincia entre X e Y = 36
a) Y = 19 + 0,667*X
b) Y = 12,5 + 1,2*X
c) Y = 4 + 1,2 X
d) Y = 19 + 1,2 X
e) Y = 80 + 22,8X
Exerccio 10
a) 144
b) 18
c) 36
d) 72
e) 48
Exerccio 11
a)
b)
c)
d)
e)
2-d
3-c
5-e
6-a
7-b
8-e
9-c
10 - d
11 - a
isso a pessoal.
Um forte abrao.
jeronymo@estrategiaconcursos.com.br