Escolar Documentos
Profissional Documentos
Cultura Documentos
Ou ento
= + Onde o desvio ui uma varivel aleatria no observvel que assume valores positivos ou negativos. O termo ui tambm conhecido como distrbio estocstico ou termo de erro estocstico.
Assim, a pressuposio de que a linha de regresso passa pelas mdias condicionais de Y implica que os valores mdios condicionais de ui so iguais a zero.
Porm como a FRP no pode ser observada diretamente. Temos que estim-la a partir da FRA:
X u i Yi 1 2 i u o valor estimado de Y i , sendo Y Y i i i
X Yi 1 2 i
Ou seja, os resduos so simplesmente a diferena entre os valores observados e estimados de Y. Agora nosso objetivo estimar a FRA de tal forma que a mesma fique o mais prximo possvel do Y observado.
Embora intuitivamente seja um bom critrio ele no funciona, pois a soma dos resduos se anulam. Para resolver esse problema utilizamos a soma do quadrado dos resduos.
i2 u
X) (Y
2 (Yi Yi ) i 1 2 i
min
2 ui
Considerando
i2 Q u
Y Y
( )
E (ui | X i ) 0
Homocedasticidade ou varincia igual de ui. A varincia de ui a mesma para todas as observaes, isto , as varincias condicionais de ui so idnticas. Simbolicamente, temos: var(ui | X i ) E[ui E (ui | X i )]2
E (ui2 | X i ), em decorrncia de 3 2
cov(ui , u j | X i , X j ) E{[ui E (ui )]| X i }{[u j E (u j )]| X j } E (ui | X i )(u j | X j ) 0 6) Ausncia de covarincia entre ui e Xi ou E(ui|Xi)=0
cov(ui , X i ) E[ui E (ui )][ X i E ( X i )] E (ui ( X i E ( X i )), j que E (ui ) 0 E (ui X i ) j que E (ui ) 0 0 por hiptese
Uma estimativa vivel da varincia do erro 2 pode ser obtida pela Soma do Quadrado dos Resduos (SQR). Assim tem-se: 2 2 = 2 2 Onde o valor de n-2 o grau de liberdade e o a SQR.
2 que substituindo na
2
Portanto, podemos afirmar que a SQR composta pela Soma de Quadrados Total (SQT= 2 ) menos a soma de 2 quadrados explicada (SQE= 2 ).
1) Linear: ou seja, trata-se de uma funo linear de uma varivel aleatria. 2) No Viesado (ou no TENDENCIOSO): ou seja, seu valor mdio ou esperado (2 ) igual ao verdadeiro valor de 2 . 3) Tem VARINCIA MNIMA na classe de todos os estimadores lineares no viesados: um estimador no viesado com a menor varincia conhecido como ESTIMADOR EFICIENTE.
=
2 = 2
2 +
2 +
2 2