Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula 04
situações.
x3
x1
y •
variável resposta
•
•
x2
xk
i = 1, 2, ..., n
ou
i = 1, 2, ..., n.
n n
y β
i 1
i
2
i 1
i 0 β1 x1i βk xki
2
7
Método dos Mínimos Quadrados
O mínimo da função
n n
S(β0 , β1, , βk ) i yi β0 β1 x1i βk xki
2 2
i 1 i 1
S(β0 , β1, , βk ) 0 S(β0 , β1, , βk ) 0
β0 βk
Equações Normais
n
S(β0 , β1, , βk ) 2 yi βˆ0 βˆ1 x1i βˆk xki 0
β0 i 1
n
S(β0 , β1, , βk ) 2 yi βˆ0 βˆ1 x1i βˆk xki x1i 0
β1 i 1
n
S(β0 , β1, , βk ) 2 yi βˆ0 βˆ1 x1i βˆk xki xki 0
βk i 1
9
Abordagem Matricial
y1 0 1 x11 k xk1 1
y2 0 1 x12 k xk 2 2
y x x
n 0
1 1n
k kn n
n1 n1
12
Abordagem Matricial
Ainda,
y1 0 1 x11 k xk1 1
y2 0 1 x12 k xk 2 2
y x x
n 0
1 1n k kn n
n1 n1 n1
13
Abordagem Matricial
Finalmente,
y1 1 x11 xk1 0 1
y2 1 x12 xk 2 1 2
y 1 x x
n
1n kn k
n
n1 nk 1 k 11 n1
14
Abordagem Matricial
Vamos definir:
y1 1 x11 xk1
y2 1 x12 xk 2
y X
i 1 x1i xki
~
~
y 1 x x
kn
n 1n
~
0 1
1 2
β ε
~
~
k n 15
Modelo de regressão linear múltipla
y X β ε,
~ ~ ~ ~
16
Estimação
Método dos Mínimos Quadrados Ordinários
(MQO)
Estimação
Método dos Mínimos Quadrados Ordinários
ou, ainda,
S ε' ε y X β ' y X β
~ ~ ~ ~ ~~ ~ ~ 18
Estimação
Método dos Mínimos Quadrados Ordinários
S y X β ' y X β y' β' X' y X β
~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~
19
Estimação
Método dos Mínimos Quadrados Ordinários
Como
y' X β e β' X' y
~ ~ ~ ~ ~
~
são escalares e
y' X β β' X' y '
~ ~ ~ ~ ~ ~
então
y' X β β' X' y
~ ~ ~ ~ ~ ~ 20
Estimação
Método dos Mínimos Quadrados Ordinários
Assim
S
β
21
~
Derivadas
de
Formas Lineares
e
Formas Quadráticas
22
Derivadas de Formas Lineares e Quadráticas
Definição.
Considere o vetor coluna x x1 , x 2 , ..., x n ' e f x , uma função real
~ ~
dada por: f ( x)
~
x1
f ( x)
f ( x) ~
~
x
x 2
~
f ( x )
~
x
n
23
Derivadas de Formas Lineares e Quadráticas
~
Se a a1, a 2 , ..., a n ' um vetor coluna de constantes e se f x a ' x , x ' a
~ ~ ~ ~ ~
f ( x )
então ~
a.
x ~
~
S β
~ 2 X ' y 2 X ' X β
β ~ ~ ~ ~ ~
~
25
Voltando à Estimação (MQO)
~
βˆ X ' X
~ ~
1
X'y
~ ~
27
Regressão Múltipla
EY | X1 x1 , , X k xk 0 1 x1 k xk
Modelo Estimado
ˆ
y ˆ0 ˆ1 x1 ˆk xk
abuso de notação
Interpretação do Intercepto
Valor médio estimado para a variável resposta, condicionado
a x1 = x2 = ... = xk = 0.
Considerando
yˆ ˆ
1
x1
29
Aplicação
30
Aplicação
35
Aplicação
Modelo estimado
yi = 0 + 1 x1i + i
~
ˆβ X' X 1 X ' y
~ ~ ~ ~
38
Posto de uma Matriz
Propriedades:
(i) O determinante de uma matriz quadrada é diferente de
zero se, e somente se, a matriz tiver posto completo;
(ii) Caso uma matriz quadrada apresente determinante
igual a zero, então tal matriz será dita singular;
(iii) r(A) = r(AA’) = r(A’A). 39
Posto de uma Matriz
Conseqüências:
(i) Se r(A) = p, então A contém pelo menos um menor p x p não
nulo e nenhum menor não nulo de dimensão maior que p;
(ii) Se n > k, r(A) é o número de colunas linearmente
independentes de A, portanto r(A) k:
• Se r(A) = k, A é de posto completo;
(iii) Se n < k, r(A) é o número de linhas linearmente
independentes de A, portanto r(A) n:
• Se r(A) = n, A é de posto completo.
40
Observação
seja, nenhum dos regressores pode ser expresso como uma combinação
linearmente independentes).
41