ER – 24 de Junho de 2010.

1 – Teste de ajustamento do qui-quadrado

5 x
H 0 : X ~ f ( x)  , x  0,1,2,3,4 H 1 : H 0 falsa
15

4 ( N j  fe j ) 2 5 xj
Estatística de teste: Q   ~ aprox. (251) ; com n=125 , fe j  *125 .
j 0 fe j 15

RC5%  {qobs : qobs   (24 ),0.05  9,488}

(35  41,667) 2 (6  8,333) 2

qobs   ...   1,0667  2,3533  1  1,3067  0,6533  6,28
41,667 8,333

Conclusão: não se rejeita H 0 a 5% (tb. a 10%).

2 – X “atraso ou adiantamento de um relógio ...” ; X ~ N (  , 2 ) ; na amostra, com:

n=9 , x  0.75 , s '2  1 .

Testar afirmação do fabricante: H 0 :   0 contra H 1 :   0

X  0
Estatística de teste: t  ~ t (9 1) (amostra pequena)
S' n
 0.75
RC5%  {t obs : t obs  t (8),0.025  2.306} ; t obs   2.25
1 9
Conclusão: não se rejeita H 0 , a garantia do fabricante, a 5%.

3 – a) X “número de golos por jogo”; na amostra: n=225, x  3.15 , s 2  9.6 .

Intervalo de confiança a 80% para  , amostra grande

X  s
Variável fulcral: Z  ~ (aprox.) ~ N (0,1) ; IC a 80%: x  z 0.10 * onde
S n n
z 0.10  1.282
Assim, IC: 3.15  1.282 * 0.20656 ou (2.885 ; 3.415) .

1
3- b) Testar H 0 :  P   S contra H 1 :  P   S (amostras grandes)

X p  XS 3.15  2.53
Estatística de teste: ~ aprox. ~ N (0,1) ; z obs   2.368
S P2 S S2 9.6 7.25

 225 280
n P ns

Valor  p  P( Z  2.368)  0.009  0.01 , logo rejeita-se H 0 a 1% (tb. 5%),

concluindo-se pela existência de forte evidência estatística de que  P   S .

  x
4 - X ~ f (x | )  e ,   0,   x  
2

2 2
Var ( X )  , logo o estimador MV de Var ( X )  (pela propriedade da invariãncia
 2
ˆ2
dos estimadores MV).

ˆ  ?
n
   x n
L ( )   e  ( ) n e  i ; logaritmizando: ln L( )  n ln   ln 2    xi
 xi

i 1 2 2 i 1

d ln L( ) n n n
   xi  0  ˆ  .
d  i 1 n

x
i 1
i

2
 n 
  xi 
Assim, o estimador MV de Var ( X )  2  2 i 1  .
2
ˆ  n 
 
 

2
5- a) Objectivos e conclusões dos testes à Equação 1:

1 – Teste de White: analisar heterocedasticidade no modelo da Eq. 1

Regressão auxiliar de teste: uˆ 2   0  1educ   2 educ 2  ...  14tenure * numdep  v
H 0 : Homocedasticidade  1   2  ...   14  0
H 1 : Heterocedasticidade ou algum  i  0
2
Estatística de teste: nRaux ~ 142 ou estatística F correspondente à nulidade conjunta dos
coeficientes das variáveis explicativas da regressão auxiliar ( ~ F(14, 236) ). Em qualquer
dos casos, os respectivos valor-p ( Prob.(F14,236) e Prob.Chi-Square(14)) são inferiores
a 0.05, e mesmo 0.01, concluindo-se que se rejeita H 0 e que existe forte evidência de
heterocedasticidade.

2- Teste RESET de Ramsey: analisar má especificação do modelo

Regressão auxiliar de teste: log(wage)   0  1educ  ...   4 numdep  FITTED 2  v
H 0 : modelo bem especificado (ou   0 , na regressão auxiliar)
H 1 : modelo mal especificado (ou   0, na regressão auxiliar)
2
 ˆ 
Estatística de teste: F    ~ F(1, 245) . Como Fobs.  18.154 e respectivo valor-p
 se(ˆ ) 
inferior a 5% ou 1%, rejeita-se H 0 e conclui-se pela existência de forte evidência de má
especificação no modelo da Eq. 1.

5- b) Na Equação 2:

SSR 29.4967
S.E. of regression= ˆ  ˆ 2    0.3484
n  k 1 243

SSR 29.4967
R2  1  1  0.349
SST 45.30938

onde SST  ( S .D.dependent var) 2 * 250  45.30938

(Nota: também é possível obter SST a partir das equações 1 ou 3)

5-c) Variável NUMDEP na Equação2:

log(wage)   0  ...   7 NUMDEP  u

Relação parcial do tipo log/lin:  7  100%  % wage /(Numdep  1) (semi-
elasticidade)
Relação negativa: cada familiar dependente adicional implicará um decréscimo salarial
médio da ordem dos 5,4%, tudo o mais constante.

Relevância estatística da variável no modelo: testar H 0 :  7  0 contra H 1 :  7  0

3
 ˆ7
~ t ( 2518) ~ aprox.Z ~ N (0,1) ; RC5%  {t obs : t obs  1,96}
se( ˆ7 )
 0.053743
Como t obs   2.648 , rejeita-se H 0 e conclui-se que NUMDEP é relevante
0.020296
para o modelo.

5- d)

No modelo da equação 1: educ  1  % wage  7.36% , isto é,

 educ é uma semi-elasticidade constante, 1 ano de escolaridade adicional, qualquer que
seja o nível de EDUC, representa, em média, um salário adicional de +7,36%, ceteris
paribus.

No modelo da equação 2: educ  1  % wage  (0.0912  2 * 0.00697 * educ) *100 ,

ou seja, o efeito parcial de educ sobre o salário depende do nível de educ (a relação de
semi-elasticidade é variável, crescendo com o nível de educ).
Quando educ=15, 1 ano de escolaridade adicional implica, em média, uma variação
salarial percentual de:  (0.0912  2 * 0.00697 *15) *100  11.8% , ceteris paribus.

5- e)
Restrições: H 0 :  TENURE  2 EXPER e  TENURE ^ 2  2 EXPER ^ 2

Modelo inicial:
log(wage)   0  ...   3 EXPER   4 EXPER ^ 2   5TENURE   6TENURE ^ 2  ...

Impondo as restrições:  5  2 3 e  6  2  4 fica:

log(wage)   0  ...   3 EXPER   4 EXPER ^ 2  2 3TENURE  2 4TENURE ^ 2  ... e

log(wage)   0  ...   3 ( EXPER  2TENURE )   5 ( EXPER ^ 2  2TENURE ^ 2)  ... cqd.

Teste H 0 :  TENURE  2 EXPER e  TENURE ^ 2  2 EXPER ^ 2 (2 restrições)

( SSRr  SSRur ) / 2
Estatística de teste: se H 0 verdadeira F  ~ F( 2, 243) .
SSRur /(n  k  1)
Rejeita-se H 0 , a 5%, se Fobs.  F( 2, 243),0.05  F( 2, ),0.05  3 .

(29.775  29.4967) / 2 0.13915

Como Fobs    1.146  3 , não se rejeita H 0 a 5%, as
29.4967 /(243) 0.12139
restrições são “aceitáveis”, a evidência estatística não as contraria.