Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula 07.03.2024
• Análise de Regressão;
• Componente Estocástica;
f(x) = ax+b
• Soma de Matrizes:
𝒂 𝒃 𝒆 𝒇 𝒂+𝒆 𝒃+𝒇
+ =
𝒄 𝒅 𝒈 𝒉 𝒄+𝒈 𝒅+𝒉
• Multiplicação Matricial
𝒂 𝒃 𝒆 𝒇 𝒂∗𝒆+𝒃∗𝒈 𝒂∗𝒇+𝒃∗𝒉
∗ =
𝒄 𝒅 𝒈 𝒉 𝒄∗𝒆+𝒅∗𝒈 𝒄∗𝒇+𝒅∗𝒉
• Matriz Transposta:
𝑻
𝒂 𝒃 𝒂 𝒄
=
𝒄 𝒅 𝒃 𝒅
Tipos
Discretas Contínuas
(...) (...)
Valor Esperado: De uma forma simples, o valor esperado de uma variável aleatória pode ser entendido como o
seu valor médio. Em uma definição mais formal, é uma medida central obtida pela ponderação dos valores da
variável aleatória de acordo com a distribuição de probabilidade.
𝐸 𝑋 = 𝑥𝑖 ∗ 𝑝𝑋 (𝑥𝑖 )
δ
+∞
𝐸𝑋 = න 𝑥 𝑓 𝑥 𝑑𝑥
−∞
Variância: A variância de uma variável aleatória nos fornece uma medida do grau de dispersão dos valores ao
redor de sua média. Vale lembrar que a raiz quadrada da variância é o desvio padrão..
A distribuição Normal também conhecida como distribuição Gaussiana, possui função de densidade de
probabilidade é definida com base nos parâmetros μ e 𝜕 2 .
1 𝑥−𝜇 2 /(2𝜕2 ) ,
𝑓(𝑥|μ, 𝜕 2 ) = 𝑒− −∞ < 𝑥 < ∞
2𝜋𝜕
Com:
• 𝐸 𝑋 =𝜇
• Var(X) = 𝜕 2
É uma metodologia estatística que auxilia o tomador de decisão se um determinado parâmetro populacional é
verdadeiro baseado na informação obtida de uma amostra. Em outras palavras é uma regra de decisão.
Conceitos Fundamentais:
• Hipótese Nula (H0): É uma hipótese sobre um determinado parâmetro a ser testado;
• Hipótese Alternativa (H1): É uma hipótese sobre um determinado parâmetro caso a hipótese H0 seja
rejeitada.
• Erro Tipo 1: Probabilidade de se rejeitar a hipótese nula quando ela é verdadeira. Também conhecido como
nível de significância (𝛼).
Tipos de Testes:
De forma geral, um valor-p pequeno significa que a probabilidade de obter um valor da estatística de teste como
o observado é muito improvável, levando assim à rejeição da hipótese nula.
Assim, definimos o valor-p como a menor escolha que teríamos feito para o nível de significância, de forma que
rejeitaríamos H0.
Exemplo:
“A econometria pode ser definida como a ciência social em que as ferramentas da teoria
econômica, da matemática e da inferência estatística são aplicadas à análise dos
fenômenos econômicos ”.
(Goldberger , Arthur S.)
• Econometria Aplicada, as ferramentas da Economia Teórica são utilizadas para estudar algumas partes
específicas da economia e de negócios, tais como: função de produção, função de investimento, função de
demanda e oferta e teoria de carteiras. Você verá diversos exemplos no decorrer da disciplina
• Teste de Hipótese;
• Projeção ou Previsão;
• Utilização do Modelo;
Keynes afirmou:
“A lei psicológica fundamental é que os homens e as mulheres estão dispostos, como regra em média, a
aumentar o seu consumo conforme a sua renda aumenta, mas não na mesma proporção que o aumento
na renda.”
4) Testes de Hipóteses;
5) Projeção de Previsão;
O Termo de regressão foi criado por Francis Golton em um dos seus artigos.
Embora exista a tendência de pais alto terem filhos altos e pais baixos terem filhos baixos, a estatura média das crianças move-se (“regride”) a
altura média da população. “Lei da regressão universal de Galton”.
Análise da regressão é o estudo da dependência de uma variável (“variável dependente”) em relação a uma ou mais variáveis ( variável explicativa)
com o objetivo de estimar/prever o valor da primeira com base na observação da segunda.
Estatística
Nas relações estatísticas entre variáveis lidamos com variáveis aleatórias ou estocásticas ou seja variáveis que possuem distribuição de
probabilidade.
Exemplo: O rendimento de uma lavoura depende da temperatura, pluviosidade, luz solar, fertilizantes etc
Determinística:
Nas relações determinísticas, lidamos com variáveis porém estas não são de natureza aleatória ou estocásticas.
F = K(m1m2/R²)
Para apresentar os conceitos básicos de modelo de regressão de duas variáveis, consideraremos o conjunto hipotético de dados, referentes
ao consumo e a renda familiar de uma pequena população de uma cidade.
Total 325 462 445 707 678 750 685 1043 966 1211
Médias Condicionais 65 77 89 101 113 125 137 149 161 173
Dessa maneira:
Em termos geométricos uma curva de regressão é apenas o local geométrico das médias condicionais da variável dependente para os
valores fixados das variáveis explicativas.
Ou ainda:
A Análise de Regressão preocupa-se em estimar ou prever a média da população ou os valores médios das variáveis dependentes, a partir
dos valores conhecidos ou fixados de uma ou mais variáveis explicativas.
Assim,
E(Y|X) = f(xi)
Podemos postular que f(x) se relaciona linearmente com E(Y|X). Então, como primeira hipótese de trabalho, podemos supor que E(Y|X) seja uma
função linear de Xi , do tipo:
O termo linear se caracteriza, classicamente, em funções, com o intuito de representar uma evolução de proporcionalidade entre uma
variável dependente e a(s) independente(s).
De agora em diante o termo “Linear” significará sempre uma regressão linear nos parâmetros. Podendo ser ou não lineares nas variáveis
explicativas “X”
.
É considerado como sendo um substituto de todas as variáveis omitidas ou abandonadas que podem afetar Y, mas que não estão (ou não
podem ser) incluídas no modelo de regressão.
Em outras palavras, pode-se expressar o desvio de uma Yi individual em torno de seu valor esperado como sendo:
Até agora falamos de uma população como um todo. Na prática o que temos são amostras de uma população Y com alguns valores de X fixados.
Nosso objetivo agora passa a ser estimar a função e regressão linear com base nas informações amostrais. Então perguntas como: