Para ajudá-lo a refletir sobre os temas propostos para esta atividade, leia o texto que se segue,

extraído de Pagliarussi (2018, p. 2).“Muito provavelmente, um professor de econometria básica

que segue os bons livros existentes sobre o assunto irá desenvolver aulas que requerem um nível
razoavelmente elevado de raciocínio teórico e matemático. Tal abordagem é comum inclusive
em cursos direcionados ao público da área de negócios. Este mesmo professor, ao abordar o
conceito de distribuição amostral de um estimador, provavelmente irá perceber nos olhos dos
seus alunos a dificuldade de compreender o seu significado. [...] Os alunos têm imensa
dificuldade em entender que as estatísticas calculadas a partir de tal amostra são igualmente fruto
do acaso. [...] Os alunos aprendem a realizar procedimentos, como calcular a variância, executar
uma regressão, testar uma hipótese, e eles sabem que serão aprovados no curso se memorizarem
como tais técnicas funcionam. Entretanto, usualmente os cursos levam os alunos à percepção de
que a estatística é um ramo da matemática, e estes não desenvolvem a habilidade de usar a
estatística como uma lente para enxergar o mundo”.O texto destaca, assim, a necessidade de uma
compreensão mais efetiva sobre os conceitos de inferência estatística, que são utilizados não
apenas para a resolução de problemas matemáticos, mas para a investigação, a análise e a
qualificação de dados, que podem ser traduzidos em informações economicamente relevantes de
acordo com os critérios estabelecidos pelo pesquisador.Desse modo, considerando o conteúdo
apresentado e os seus conhecimentos sobre inferência estatística, elabore um texto, com o
conteúdo médio de vinte linhas, no qual você deve apresentar:
• as diferenças entre os conceitos de estimador, estimativa, amostragem aleatória e parâmetro,
trazendo alguns exemplos e suas notações algébricas;
• as fases específicas de construção de um modelo econométrico, incluindo a sua forma básica de
apresentação, baseando-se em um modelo de regressão linear simples. Apresente o significado
de cada um dos termos apresentados;
• algumas situações objetivas (ao menos duas) aplicadas ao seu cotidiano pessoal e profissional
que justifiquem a adoção de um modelo econométrico.
Referência:PAGLIARUSSI, M. S. O ensino do modelo clássico de regressão linear por meio de
simulação de Monte Carlo. Revista de Contabilidade e Organizações, Ribeirão Preto, v. 12, p. 1-
23, 2018. Disponível em https://www.redalyc.org/articulo.oa?id=235257403013. Acesso em: 14
jan. 2021.

A inferência estatística é uma área de conhecimento que utiliza argumentos e unidades

de medidas para elaborar afirmações a respeito de algum dado ou característica de
uma população a partir de um conjunto de dados coletados na forma de uma amostra.

Com base nessa ideia de amostra e população, vamos entender melhor como funciona
o conceito. Sabemos que uma população é demasiadamente grande para retirarmos
qualquer conclusão em sua totalidade, dessa maneira tentamos retirar alguma
conclusão de um subconjunto desta população, denominado de amostra e assim não
precisaríamos ter os dados de cada indivíduo.

Porém, surgiria a pergunta: as conclusões para diferentes amostras seriam iguais,

próximas ou diferentes? Isso conclui que quanto maior for minha amostra mais próximo
estarei da realidade. Sabemos que nem sempre é possível ter acesso ao total da
população por isso o principal objetivo é avaliar o comportamento das amostras de uma
população, descrevendo a distribuição de cada uma.

Para ilustrar a ideia, vamos para um caso simples:

Considerando uma população total {1,3,5,5,7} teremos uma média µ = 4,2
Abaixo escreveremos três amostras aleatórias de tamanho três para calcularmos as
suas médias:
Amostra 1 {1,3,7} x̅ = 3,67 Amostra 2 {3,5,5} x̅ = 4,33 Amostra 3 {3,5,7}
x̅ = 5
x̅ (é utilizado para representar a média de uma amostra)

Neste caso percebemos que a amostra 2 foi a que mais se aproximou da realidade do
conjunto total. Evidentemente temos médias diferentes em cada amostra, surge a
pergunta: poderíamos inferir algo sobre o comportamento da média para essa
população?

Antes de continuarmos vamos adotar uma terminologia para facilitar nosso

entendimento. Definiremos uma amostra aleatória simples (AAS) de tamanho n é um
conjunto de variáveis aleatórias (X1,X2,X3...n) que são independentes entre si e com a
mesma distribuição, pois pertence a mesma população. As quantidades de uma
população, em geral desconhecida, sobre as quais temos interesse, são denominados
parâmetros. Usualmente são representados por letras gregas (µ, σ 2, ρ ...)
Exemplo de parâmetros: média população, mediana, variância, desvio padrão etc.

À combinação dos elementos de uma amostra com a finalidade de representar, ou

estimar, um parâmetro de interesse da população, denominamos estimador. Em geral,
representamos um estimador pela letra grega correspondente ao parâmetro de
interesse acrescida de um acento circunflexo. ( ^μ,σ^ ² , ^ρ )
Aos valores numéricos assumidos pelos estimadores da amostra especifica
denominamos de estimativas

Segue um exemplo para ficar claro a diferença entre ambos

Considere uma AAS {1,3,5,5,7}
Estimador Estimativa
X 1+ X 2 1+ 7
^μ= ^μ(1,7)= =4
2 2

^f = X 1²+ X 2² ^f (3,5)= 3²+5² = 17

2 2
Estimadores populares:
n
1
^μ= ∑ Xi
n i=1
media amostral = X
n
1
σ^ ²= ∑ ¿ ¿)² variância amostral = S²
n−1 i=1
nº itens comuma caracteristica
^ρ = proporção amostral
nº total de itens

Vamos a uma ilustração do conceito na prática. Segue uma notícia no jornal:

Economia
Só 4 em cada10 são capazes de arcar com despesa inesperada, diz pesquisa

Ainda nessa matéria...

Conforme a pesquisa, somente 42,1% dos entrevistados se declaram capazes de
enfrentar um imprevisto sem recorrer a um empréstimo ou pedir a ajuda de terceiros.
Para 39,5%, isso não seria possível. Outros 18,4% não souberam responder
(42,1 % é uma estimativa da proporção dos entrevistados)

A pesquisa foi feita com base em 804 entrevistas com pessoas acima de 18 anos, de
todas as classes sociais e estados. A margem de erro é de 3.5% pontos percentuais,
em um intervalo de confiança de 95%
(42,1% ± 3,5%: estamos 95% confiantes de que 38,6% a 45,6% dos brasileiros não
são capazes de arcar com despesas inesperadas) Representa minha estimativa
com uma margem de confiabilidade, denominado intervalo de confiança.

Modelos Econométricos

O modelo de regressão corresponde a uma equação matemática que

descreve a relação entre duas ou mais variáveis. Se ocorrer os efeitos de duas
ou mais vari áveis independentes sobre uma variável dependente, é
utilizada a
análise de regressão múltipla . Quando ocorre uma única variável
independente (geralmente a mais importante) sobre uma variável
dependente,
chamamos de regressão simples.
Um modelo de regressão simples inclui some nte duas variáveis: uma
independente e uma dependente. A variável dependente é aquela que
está
sendo explicada, enquanto a variável independente é aquela que é
utilizada
para explicar a variação na variável dependente.
Por exemplo, Nota de uma prova pode ser explicada pelo tempo de
estudo do aluno, ou uma venda pode ser explicada pelo número de clientes
O modelo de regressão corresponde a uma equação matemática que
descreve a relação entre duas ou mais variáveis. Se ocorrer os efeitos de duas
ou mais vari áveis independentes sobre uma variável dependente, é
utilizada a
análise de regressão múltipla . Quando ocorre uma única variável
independente (geralmente a mais importante) sobre uma variável
dependente,
chamamos de regressão simples.
Um modelo de regressão simples inclui some nte duas variáveis: uma
independente e uma dependente. A variável dependente é aquela que
está
sendo explicada, enquanto a variável independente é aquela que é
utilizada
para explicar a variação na variável dependente.
Por exemplo, Nota de uma prova pode ser explicada pelo tempo de
estudo do aluno, ou uma venda pode ser explicada pelo número de clientes
O modelo de regressão corresponde a uma equação matemática que descreve a
relação entre duas ou mais variáveis.
Quando ocorre uma única variável independente (geralmente a mais importante) sobre
uma variável dependente, chamamos de regressão simples. Um modelo de regressão
simples inclui somente duas variáveis: uma independente e uma dependente. A
variável dependente é aquela que está sendo explicada, enquanto a variável
independente é aquela que é utilizada para explicar a variação na variável dependente.
Se ocorrer os efeitos de duas ou mais variáveis independentes sobre uma variável
dependente, é utilizada a análise de regressão múltipla.

Há, ainda, outros perfis de modelos e formas funcionais que precisam ser avaliados,
especialmente no caso das regressões, haja vista que nem sempre as relações entre
variáveis independentes e dependentes são absolutamente lineares.

Temos o modelo log-lin, que possuem estruturas de característica exponencial, os

quais podem ser operacionalizados ao transformar a variável dependente Y em seu
logaritmo natural, expresso por In Y. Assim, o modelo que tinha uma dinâmica
exponencial passa a caracterizar-se como um modelo linear.

Uma segunda forma funcional é o modelo lin-log. No modelo log-lin, a ocorrência de

variações relativas em Y(exponenciais tendendo a zero ou a infinito) a partir das
variações absolutas (pontuais/lineares) em X . O modelo lin-log, por sua vez,
pressupõe que Y apresenta variações absolutas, ou seja, constantes, diante de
variações relativas sobre a variável independente X.

Um terceiro tipo de modelo é conhecido como log-log ou log-duplo, muito utilizado em

análises econômicas. De acordo com esse modelo, as variações relativas da variável
independente X implicarão em variações relativas constantes da variável dependente
Y. Desse modo, torna-se necessário realizar uma transformação para o logaritmo
natural de Y (ln Y ) e de X (In X).

Por fim, o modelo lin-lin ou nível-nível pressupõe uma relação especificamente linear
entre variáveis, sendo comum aos casos de regressão simples.

A construção do modelo econométrico determina as suas características, a partir do

conjunto de informações criado pelo pesquisador. No entanto, a expressão desse
modelo irá depender de seus coeficientes linear e angular, estruturados a partir de uma
rotina de procedimentos algébricos

As fases que compõem o procedimento para a elaboração de uma regressão simples

se iniciam com a obtenção das estimativas que estão relacionadas aos parâmetros
linear e angular, respectivamente dados por alfa e beta. Esses coeficientes irão
determinar aspectos importantes, como o ponto de interceptação das variáveis (se ele
existir) e a inclinação da reta de regressão. As estimativas ligadas aos coeficientes
linear e angular serão criadas com base nos coeficientes amostrais que são dados por
alfa e beta, a partir de uma amostra de n pares ordenados relacionados a duas
variáveis, isto é, às variáveis independente e dependente X,Y, gerando valores
estimados para a variável Y

Esses conceitos podem ser utilizados para criar uma estimativa pontual, um intervalo
de confiança como no exemplo citado anteriormente, teste de hipótese, predições e
estabelecer decisões. Podemos citar atualmente as pesquisas sobre intenção de votos
dos candidatos aos cargos políticos do brasil, a confiança dos empresários, economia
entre inúmeros casos do cotidiano