Matrícula: 14106359

Questão 01

a) Sabendo que a covariância é determinada por:

𝐶𝑜𝑣(𝑍|𝑊 ) = 𝐸𝑍𝑊 − 𝜇 𝑧 𝜇𝑤

A esperança do produto:
W Z WZ P(WZ) WZ x P(WZ)
-2 0 0 0 0
-1 0 0 0 0
0 0 0 1/5 0
1 0 0 0 0
2 0 0 0 0
-2 1 -2 0 0
-1 1 -1 1/5 -1/5
0 1 0 0 0
1 1 1 1/5 1/5
2 1 2 0 0
-2 4 -8 1/5 -8/5
-1 4 -1 0 0
0 4 0 0 0
1 4 4 0 0
2 4 8 1/5 8/15

E(ZW) = -1/5 + 1/5 -8/5 +8/5 =0

As constantes:
4
1 1 1
𝐸 (𝑍) = 𝜇 𝑧 = ∑ 𝑧 𝑓(𝑧) = (0) ( ) + (1) ( ) + (4) ( ) = 1
5 5 5
𝑤=0

2
1 1 1 1 1
𝐸 (𝑊 ) = 𝜇 𝑤 = ∑ 𝑤 𝑓 (𝑤) = (−2) ( ) + (−1) ( ) + (0) ( ) + (1) ( ) + (2) ( ) = 0
5 5 5 5 5
𝑤=−2

Conclui-se que a covariância entre Z e W é zero.

𝐶𝑜𝑣(𝑍|𝑊) = 0 − 1 ⋅ 0

A tabela de probabilidade conjunta segue:

Z/W -2 -1 0 1 2 P(Z=z)
0 0 0 1/5 0 0 1/5
 1 0 1/5 0 1/5 0 2/5
4 1/5 0 0 0 1/5 2/5
P(W=w) 1/5 1/5 1/5 1/5 1/5 1

Para saber se as variáveis W e Z são independentes é necessário calcular o coeficiente

de correlação, se 𝜌𝑤𝑧 = 0 então as variáveis são independentes. Neste caso, como:

𝐶𝑜𝑣(𝑤𝑧) 0
𝜌𝑤𝑧 = =𝜎 =0
𝜎𝑤 𝜎𝑧 𝑤 𝜎𝑧

Então as variáveis são independentes . A exogeneidade estrita refere-se a não correlação

da(s) variável(is) com qualquer erro, nesse sentido, como a correlação é zero podemos
concluir que as variáveis são exógenas, mesmo que fracamente.

b) Quando a homoscedasticidade não for válida, poderemos lidar com diferentes

problemas na estimação. Dentre eles, poderemos obter erros padrões dos
estimadores incorretos, dependentes das variáveis utilizadas para explicar o
fenômeno:
(𝑋𝑖 − 𝑋̅)
̂1 = 𝑏1 + ∑
𝛽 ⋅𝑢
(𝑋𝑖 − 𝑋̅)2 𝑖
Isso significa que a variância do erro do estimador que deveria ser a mais próxima
da variância do verdadeiro parâmetro populacional não é independente da variável
explicativa. A equação abaixo, explica justamente essa afirmativa:
𝜎2
̂1 ) =
𝑣𝑎𝑟(𝛽
(𝑋𝑖 − 𝑋̅)2

Questão 02

a)- Nos casos listados o coeficiente 𝛽𝑖 expressa à sensibilidade da autoridade monetária

em relação ao desvio da inflação e têm sinal condizente com a teoria. Os erros padrões
expressam o desvio da inflação em relação a meta, e o R-quadrado a significância
estatística do modelo. A constante implicaria na hipótese de que a variação percentual da
taxa de juros não varia ao longo do tempo, assim faz sentido que tal termo seja omitido.

b) Hipóteses:

̂1 = 0
𝐻0 : 𝛽

̂1 ≠ 0
𝐻1 : 𝛽
A estatística t é utilizada como parâmetro para avaliarmos as hipóteses acima e é definida
por:

̂1 − 0
𝛽
𝑡= ~𝑡{𝑛−2}
𝜎̂ 2
√∑𝑛 (𝑥 − 𝑥̅ )2
𝑖 =1 1

Fixando o nível de significância em α, (a fim de obter 95% de chances de acertar ao testar

a hipótese, determina-se α=0,05) 𝐻0 será rejeitada se |𝑡| > | 𝑡{𝑛−2} ;𝛼 |
2

O valor-p do teste, isto é , o nível descritivo é determinado por:

𝑝 = 2 × 𝑃(𝑋 > |𝑡|) em que 𝑋~𝑡{𝑛−2}

Assim, um intervalo de confiança para 𝛽1 é definido pelo par de limites:

𝜎̂ 2
̂1 ± 𝑡{𝑛−2} ;𝛼/2 √ 𝑛
𝛽
∑𝑖 =1 (𝑥1 − 𝑥̅ )2

c) (necessário valor de (𝑥 1 − 𝑥̅ )2 para calcular);

d) Depende da resposta anterior.
Questão 03
O Melhor Estimador Linear Não Objetivado (BLUE) pode ser definido como o estimador
que entre todos os lineares estimadores imparciais, tem a menor variação. Um coeficiente
estimado pelo método de mínimos quadrados ordinários é um estimador BLUE.

a) (Requer informações sobre os modelos)

b) (Requere informações sobre os modelos)

Questão 04

a) O modelo CAPM deriva o retorno em excesso esperado dos ativos de risco como
função única do seu risco sistemático. Assim, pressupondo a forma básica
̂1 seja negativo, indicando que quanto maior é o
apresentada espera-se que 𝛽
excesso de retorno do mercado acima da taxa de juros livre de risco menor é a
sensibilidade do retorno do mercado em relação ao retorno do ativo i.
 b)

c) Histograma dos resíduos:

O teste Jarque-Bera testa as seguintes hipóteses:

H0: o erro do modelo de regressão linear possui distribuição normal.

H1: o erro do modelo de regressão linear possui distribuição não-normal na família de

Pearson.
Desta forma, o procedimento do teste consiste em calcular os valores d a assimetria e da
curtose da amostra e utilizar a seguinte estatística de teste:

̂1 (𝛼̂2 − 3)2
𝛼
𝐽𝐵 = 𝑇 ( + )
6 24

Onde 𝛼
̂1 e 𝛼̂2 são os coeficientes amostrais de assimetria e de curtose e T é o tamanho da
amostra. Probabilidades de rejeição da hipótese nula para o teste Jarque-Bera.

Assim analisando os resíduos da regressão temos:

Desvio padrão 0.02

Mediana 0
Curtose -1.09
Min e Max (-0.04, 0.04)

Executando o teste no R temos:

O resultado indica que a nível de significância 5% e 1% rejeita-se a hipótese de

normalidade, a 10%, no entanto, não rejeitamos a hipótese de normalidade.

d) A estatística utilizada para avaliar a significância do modelo podemos utilizar o

R-quadrado. No caso do modelo estimado:
 O R-quadrado é igual a 73% o que indica uma boa aderência empírica. A
estatística t obtida para os coeficientes indicam que o coeficiente estimado é
significativo considerando α=0.05. De fato, o coeficiente é significativo a níveis
ainda menores de erros.
e) A variância e erros aparentam ser grandes, podendo indicar algum viés nos dados.

Questão 05

(a) (F) No modelo de regressão linear simples, quando a propriedade de

homocedasticidade é violada, o estimador de mínimos quadrados será viesado e
ineficiente.
(b) (F ) Dentre várias formas de avaliação, testes estatísticos também são avaliados por
meio do seu “poder” ou “potência”. Nesse contexto, sabe-se que o teste de normalidade
de Jarque-Bera é mais adequado na presença de um número relativamente pequeno de
observações, enquanto o teste de Shapiro-Wilk é mais indicado para um contexto de
grandes amostras.
(c) (V) O procedimento de erros robustos de White corrige o problema de
heterocedasticidade de um modelo de regressão linear simples.
(d) ( V) Um estimador linear de mínimos quadrados será BLUE sempre que as hipóteses
relacionadas à consistência, ausência de viés e eficiência forem satisfeitas.