Estimador de Mínimos

Quadrados

Prof. Armando Castelar

O problema de estimação
O problema de estimação
Critério de mínimos quadrados
 Método de
Método de Mínimos
Mínimos Quadrados
QuadradosOrdinários
Ordinários(MQO)
(MQO)

• Problema: dados n pares de observações de Y e X, queremos

determinar a FRA de tal forma que fique o mais próximo
possível dos Y's observados.
• Podemos resolver esse problema adotando o critério dos
mínimos quadrados, segundo o qual a FRA pode ser fixada de
tal modo que,

2
^
seja o menor possível, onde os 𝑢𝑖 são os resíduos
elevados ao quadrado.
Equações normais ou de primeira ordem
Igualando a zero e simplificando …
Igualando a zero e simplificando …

𝑌𝑖 = 𝑛𝛽^1 + 𝛽^2
∑ ∑
𝑋𝑖 (3.1.4)

𝑌𝑖𝑋𝑖 = 𝛽^1 𝑋𝑖 + 𝛽^2 𝑋𝑖2

∑ ∑ ∑
3.1.5)
 Estimador do coeficiente angular
Estimador do coeficiente angular
Resolvendo simultaneamente as equações normais, obtemos:

^𝛽 = 𝑛 ∑ 𝑋𝑖𝑌𝑖 −∑ 𝑋𝑖 ∑ 𝑌𝑖
2
𝑛 ∑ 𝑋𝑖2 −( ∑ 𝑋𝑖)²
¯ * (𝑌𝑖 −𝑌¯ )
∑ (𝑋𝑖−𝑋)
= (3.1.6)
¯
∑ (𝑋𝑖 −𝑋)²
∑ 𝑥𝑖𝑦𝑖
=
∑ 𝑥𝑖2
¯ e 𝑌¯ são as médias amostrais de X e de Y e onde definimos
onde 𝑋
¯ e 𝑦𝑖 = (𝑌𝑖 −𝑌¯ ). Daqui em diante, adotaremos a convenção
𝑥𝑖 = (𝑋𝑖 −𝑋)
de usar letras minúsculas para denotar os desvios em relação aos valores

médios.
Estimador do intercepto
Estimador do intercepto

2
^𝛽 = ∑ 𝑋 𝑖 ∑ 𝑌𝑖 −∑ 𝑋𝑖 ∑ 𝑋𝑖𝑌𝑖
1 (3.1.7)
𝑛 ∑ 𝑋𝑖2 −( ∑ 𝑋𝑖)²

= 𝑌¯ −𝛽^2𝑋
¯
Propriedades dos estimadores de MQO

Teorema de Gauss-Markov
Os estimadores de Mínimos Quadrados Ordinários,
sob determinadas condições relativamente gerais,
são os estimadores de menor variância na categoria
dos estimadores lineares não viciados.
 Próxima Aula

• Estimadores Não Viciados Uniformemente de Menor

Variância
são a mesma coisa que

• Estimadores com a menor variância entre todos os

estimadores não viciados
• Uniformemente = para todos os valores do parâmetro
dentre do espaço paramétrico
FIM