Duração:90 minutos

INSTITUTO SUPERIOR DE CONTABILIDADE E

AUDITORIA DE MOÇAMBIQUE
Guião de correcção do II de Teste De Estatística II (Duração : 90 minutos)

Atenção! É permitido, somente, o uso de material de escrita. Durante o teste o estudante está proibido de
ir à casa de banho, falar com os colegas e pedir emprestado qualquer material.

BOM TRABALHO! 01.11.2018

1. Indique, justificando concisamente, se as seguintes afirmações são verdadeiras ou falsas . (3.0

valores)

a) Quer os parâmetros, quer as estatísticas são variáveis aleatórias, embora os primeiros se refiram à
população e as segundas sejam referentes às amostras.
Falso. Os parâmetros são valores fixos embora sejam, em geral, valores desconhecidos, logo não
são variáveis aleatórias
b) Comparando dois estimadores, o mais eficiente é o que tiver menor variância

Falso. O mais eficiente dos estimadores é de facto o que tiver menor variância, mas dentro da classe
dos estimadores não enviesados
c) . Num teste de hipóteses, a formulação da hipótese alternativa não condiciona a função potência do
teste.

Falso. A hipótese alternativa condiciona a definição da região crítica e consequentemente a função

potência do teste
d) Uma vez tomada a decisão relativamente a um teste de hipóteses, devemos ter em consideração a
possibilidade de os erros tipo I e tipo II terem ambos ocorrido

Falso. Os dois tipos de erro não podem ocorrer em simultâneo. Na rejeição da hipótese nula só
pode ocorrer o erro tipo I e a não rejeição da hipótese nula só pode estar associada ao erro tipo II
e) Para o modelo Linear o coeficiente de regressão é constante e coincide com a elasticidade e no modelo
Log-Log o coeficiente de elasticidade é variável e o de regressão é constante.

Falso. No modelo linear o coeficiente de regressão é constante e a elasticidade é variável. No modelo

log log o coeficiente de regressão é variável e a elasticidade é constante.
f) O r2 do modelo Log-Log pode ser comparado com o r2 do modelo Lin-Log.

Falso. O r2 do modelo log log não é comparável com o r2 do modelo lin-log e nem com o lin-lin
porque no modelo log –log o regressando (y) varia em termos percentuais e nos modelos lin –lin e
lin-log o regressando varia em termos absolutos

1
2. Os dados abaixo representam as quantidades vendidas (Y) e os Preço (X) de um certo bem num
período de 10 anos. As quantidades estão em kgs e os preços estão em meticais. (10 valores)

A B C D E F G H I J K K
Vendas (Y) Preços (X) y 2
x 2
xi * y i yˆ yˆ  Y yi  y y i  yˆ i
G*G H*H I*I

1 160 15 25600 225 2400 176.43 1.43 -15.00 -16.43 2.03 225.00 269.82
2 220 13.5 48400 182.25 2970 197.82 22.82 45.00 22.18 520.81 2025.00 491.89
3 140 16.5 19600 272.25 2310 155.03 -19.97 -35.00 -15.03 398.75 1225.00 225.94
4 190 14.5 36100 210.25 2755 183.56 8.56 15.00 6.44 73.24 225.00 41.50
5 130 17 16900 289 2210 147.90 -27.10 -45.00 -17.90 734.43 2025.00 320.40
6 160 16 25600 256 2560 162.16 -12.84 -15.00 -2.16 164.79 225.00 4.68
7 200 13 40000 169 2600 204.95 29.95 25.00 -4.95 897.18 625.00 24.53
8 150 18 22500 324 2700 133.64 -41.36 -25.00 16.36 1710.95 625.00 267.77
9 210 12 44100 144 2520 219.22 44.22 35.00 -9.22 1955.08 1225.00 84.94
10 190 15.5 36100 240.25 2945 169.29 -5.71 15.00 20.71 32.55 225.00 428.71
Total 1750 151 314900 2312 25970 1750.00 0.00 0.00 0.00 6489.81 8650.00 2160.19
Media 175 15.1 31490 231.2 2597 175.00 0.00 0.00 0.00 648.98 865.00 216.02
SQR SQT SQE

Dados
n  10
 x  151
 y  1750
 x  2312
2

 y  314900
2

 xy  25970
u 2  SQE  SSE    y i  yˆ   2160.19
2

  y  y   8650
2
SQT  SST  i

SQR  SSR    yˆ  y   6489.81

2

a) Especifique as equações dos modelos de regressão, populacional e amostral, e explique todos os seus
elementos (2.0 valores)
b) Demonstre que u 2
0 (2.0 valores)

c) Determine a equação de regressão e explique o significado dos seus parâmetros. (3.0 valores)

2
 n xy    x  *   y  10 * 25970  1750 * 151
2    14,26
n x 2    x  10 * 2312  151 *151
2

1 
 y   *  x  1750  (14,26) * 151  390,38
1
n n 10 10

yi  390,38  14,26 X
Como, , logo,

Interpretação:
 1  390,38
Quando o preço é nulo as vendas, situam-se, em média, em 390,38 Mts. Este valor do intercepto
não tem significado económico, uma vez que não vendas sem preços.
 2  14,26 : Quando o preço aumenta em um metical as vendas diminuem, em média, em 14.26
Mts;
d) Qual é o poder explicativo do modelo: 1º determine a partir do coeficiente de correlação e, 2º use a
abordagem da soma dos quadrados (3.0 valores)

1º Pelo princípio do coeficiente de correlação, teremos que o coeficiente de determinação é o quadrado

do coeficiente de correlação

 
r 2  r 2    0,866  0,75
2

Pelo Princípio da soma dos quadrados

SQR SSR 6489.81 SQE 2160.19

R2     0,75 R2  1  1  1  0,2497  0,75
SQT SQT 8650 Ou SQT 8650

Significa que cerca de 75% das vendas são explicadas pelo preço e os restantes 25% são explicados por
outros factores, não observáveis, captados pelo termo “perturbação estocástica”

3
3. Os quadros que seguem resumem os resultados de processamento de dados em SPSS. Para cada caso
faça uma análise apropriada. Nos testes de hipóteses não se esqueça de indicar: o tipo de teste; as
variáveis envolvidas; as hipóteses testadas e as principais conclusões. Nos modelos pretende-se: a
equação de regressão; o coeficiente de determinação e sua interpretação; o significado e a significância
da inclinação. O

Teste 1 (2.0 valores)

One-Sample Statistics
N Mean Std. Std. Error
Deviation Mean
Exportacoe
16 3.0663 1.57821 .39455
s
One-Sample Test
Test Value = 3.05
T df Sig. (2- Mean 95% Confidence Interval of
tailed) Difference the Difference
Lower Upper
Exportacoe
.041 15 .968 .01625 -.8247 .8572
s

i) Tipo de Teste: Teste de Hipótese para uma média;

ii) Variáveis envolvidas: Exportações

iii) Hipóteses Testadas:

iv) Conclusão: De acordo com o teste feito a um nível de significância de 5%, não há evidências
para rejeitar-se a hipótese nula dado que os limites laterais do intervalo de confiança apresentam
sinais contrários.

Teste 2 (2.0 valores)

4
i) Tipo de Teste: Teste de análise de variância com um factor (ONE-WAY-ANOVA);

ii) Variáveis envolvidas: PIB per capita e Regiõess

iii) Hipóteses Testadas:

H 0 :  nor te   cent ro   sul

Ha : H 0 _ é _ Falsa

iv) Conclusão: De acordo com o teste feito a um nível de significância de 5%, rejeitar-se a hipótese
nula dado que o p-value (0.000) é inferior ao nível de significância, o que significa que pelo menos
uma das igualdades não se verifica. Pela análise do Post – Hoc para comparações múltiplas,
conclui-se que a região sul apresenta um PIB estatisticamente diferente do PIB das regiões centro e
norte que, por sua vez, são iguais entre sí em termos do PIB percapita

Modelo 1 (2.0 valores)

5
Neste modelo o y representa o Produto Interno Bruto e x representa o consumo

Model Summary

Model R R Square Adjusted R Std. Error of

Square the Estimate
1 .997a .995 .994 .03356
a. Predictors: (Constant), lnx1
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Error Beta
(Constant) .078 .043 1.808 .092
1
lnx1 .983 .019 .997 50.865 .000
a. Dependent Variable: lny

1. Equação de Regressão:

: 99.5% das variações percentuais do PIB são explicadas pelas variações percentuais do

Consumo, e os restantes 0.5% são explicados por outros factores não considerados no modelo.

2. O significado da inclinação:

Quando o Consumo variar em 1%, o PIB irá variar em média 0.983%.

3. Significância da inclinação:

De acordo com o teste efectuado a um nível de significância de 5% ( , rejeita-se a hipótese

nula porque o p-value do parâmetro (Sig = 0.00) é inferior ao nível de significância, logo o
parâmetro é significativo.

Modelo 2 (2.0 valores)

Neste modelo, x representa o preço de venda de um certo produto em Mts e y representa as quantidades
vendidas em quilogramas

6
 Equação de Regressão:

ln y  6,392  0,082 x

R^2=0,737, significa que 73,7% das variações percentuais das vendas são explicadas pelas variações
absolutas dos preços, e os testantes 26,3.5% são explicados por outros factores, não observáveis,
captados pelo termo erro.

O significado da inclinação:

Inclinação =0,082 significa que quando o preço aumenta em um metical, as vendas aumentam em 8,2%,
mantendo o resto constante

Significância da inclinação:

7
De acordo com o teste efectuado a um nível de significância de 5% ( , não há evidência para
rejeitar a hipótese nula porque o p-value do parâmetro (Sig = 0.859) é superior ao nível de
significância, logo o parâmetro não é significativo.

FIM