Introdução em Probabilidade e Estatística II
Lista 9
Exercicio 1
ˆ
y = 95.3 + 2.53t
(a) Dê a interpretação do resultado. O coeciente a tem uma interpretação signicada?
Resolução:
O termo 2.53 (coeciente de inclinação) signica que cada ano o gasto em alimento aumenta 2.53 bilhões com respeito do ano anterior. O termo a = 95.3 pode-se interpretar como o ano base do modelo.
(b) Supomos que erro padrão de coeciente de inclinação é de 0.15. Com 1% de nível de signicância pode-se armar que dependência de tempo é insignicante?
Resolução:
Como o problema nao fala o tamanho da amostra, vamos supor que amostra e do ano 1959 até o 2013, isto é, N = 55. Erro padrão de coeciente de inclinação: 0.15
Se α = 1%. Estamos interesados em testar as hipotese:
H0: β = 0 A: β 6= 0. Sob hipotese H0 temos
b − β
s.e.(b) = 2.53
0.15 = 16.8667 ∼ t53. Logo
0.99 = P(−t53,99% < t < t53,99%) ⇒ t53,99% ≈ 2.665.
1
Então a região crítica será RC = (∞,−2.665]∪[2.665,∞). Como t( ˆβ) = 16.8667 ∈ RC então rejeitamos a hipotese H0, isto é, a dependência do tempo é signicativa.
(c) Em condições de item anterior, pode-se armar a hipótese que cada ano durante período estudado o aumento de gastos em alimentos é de 3 biliões de dólares, em média?
Resolução:
Erro padrão de coeciente de inclinação: 0.15
Se α = 1%. Estamos interesados em testar as hipotese:
H0: β = 3 A: β 6= 3. Sob hipotese H0 temos
b − β
s.e.(b) = 2.53 − 3
0.15 = −3.1333 ∼ t53. Logo
0.99 = P(−t53,99% < t < t53,99%) ⇒ t53,99% ≈ 2.665.
Então a região crítica será RC = (∞,−2.665]∪[2.665,∞). Como t( ˆβ) = −3.1333 ∈ RC então rejeitamos a hipotese H0, isto é, existe evidencia na amostra que o aumento de gastos em alimentos nao é de 3 bilhões de dolares.
Exercicio 2
y = 369 + 116.8x (190) (17.1)
(a) Hipótese que o coeciente α é igual à 500 pode ser aceita com o nível de signicância de 5%?
2
Resolução:
Tamanho da amostra N = 20.
Erro padrão de coeciente α : 190
O nivel de signicância é α = 5%. Estamos interesados em testar as hipotese:
H0: α = 500 A: α 6= 500. Sob hipotese H0 temos
a − α
s.e.(a) = 369 − 500
190 = −0.6895 ∼ t18. Logo
0.95 = P(−t18,95% < t < t18,95%) ⇒ t18,95% ≈ 2.101.
Então a região crítica será RC = (∞,−2.101]∪[2.101,∞). Como t( ˆα) = −0.6895 ∈/ RC então aceitamos a hipotese H0.
(b) A hipótese que o coeciente de inclinação é igual à 100 pode ser aceita com o nível de signicância de 5%?
Resolução:
Tamanho da amostra N = 20.
Erro padrão de coeciente β : 17.1
O nivel de signicância é α = 5%. Estamos interesados em testar as hipotese:
H0: β = 100 A: β 6= 500. Sob hipotese H0 temos
b − β
s.e.(b) = 116.8 − 100
17.1 = 0.9825 ∼ t18. Logo
0.95 = P(−t18,95% < t < t18,95%) ⇒ t18,95% ≈ 2.101.
3
Então a região crítica será RC = (∞,−2.101]∪[2.101,∞). Como t( ˆβ) = 0.9825 ∈/ RC então aceitamos a hipotese H0. (c) Construir o 99% intervalo de conança para coeciente de
inclinação.
Resolução:
IC99% = b ± t18,99%s.e.(b).
Usando o nivel de signicância α = 1% calculamos t18,99%: 0.99 = P(−t18,99% < t < t18,99%) ⇒ t18,99% ≈ 2.878.
Portanto
IC99% = 116.8 ± 2.878 · 17.1 = 116.8 ± 49.2138.
(d) Sabendo que V ar(x) = 33.25 achar covariância amostral entre x e y.
Resolução:
b = cov(x, y)
V ar(x) ⇒ cov(x, y) = b · V ar(x), assim cov(x, y) = 116.8 · 33.35 = 3883.6.
(e) Sabendo que V ar(x) = 33.25 achar a variância amostral s2e.
Resolução:
s.e.(b) = s
s2e
nV ar(x) ⇒ s2e = nV ar(x)(s.e.(b))2, assim s2e = 20 · 33.25 · (17.1)2 = 194452.65.
4
Exercicio 3
(1) lny = 1.2 + 0.55 ln x R2 = 0.98 (0.11) (0.02)
(2) lny = −3.48 + 1.23 ln x R2 = 0.99 (0.16) (0.02)
(a) Dar interpretação adequada para coecientes. Qual inter- pretação você daria para coeciente intercepto?
Resolução:
Tamanho da amostra N = 25. Caso (1)
Transformando pela função potência temos y = 3, 32x0.55
esse resultado sugere que elasticidade de gastos agregados em moradia em relacão á renda individual é 0.55, o que signica que aumento em 1% de salario leva ao aumento de gastos agregados em moradia em 0.55%.
Fator multiplicativo 3.32 não tem a interpretação direta.
Esse valor ajuda prever
o valor de y quando valor do x é dado.
Caso (2)
Transformando pela função potência temos y = 0, 031x1.23
esse resultado sugere que elasticidade de gastos agregados em moradia em relacão á renda individual é 1.23, o que
5
signica que aumento em 1% de salario leva ao aumento de gastos agregados em moradia em 1.23%.
Fator multiplicativo 0.31 não tem a interpretação direta.
Esse valor ajuda prever o valor de y quando valor do x é dado.
(b) Como obter o valor de elasticidade em relação a renda em dois casos? Efetuar testes estatísticos adequados e calcular o intervalo de conança de 95% para elasticidades em dois casos.
Resolução:
Elas = dy/y dx/x. Caso (1): Elas = 0.55
Tamanho da amostra N = 25. O nivel de signicância é α = 5%.
IC95% = b ± t23,95%s.e.(b).
Usando o nivel de signicância α = 5% calculamos t18,95%: 0.95 = P(−t18,95% < t < t18,95%) ⇒ t18,95% ≈ 2.069.
Portanto
IC95% = 0.55 ± 2.069 · 0.02 = 0.55 ± 0,04138.
O nivel de signicância é α = 5%. Estamos interesados em testar as hipotese:
H0: β = 0 A: β 6= 0. 6
Sob hipotese H0 temos b − β
s.e.(b) = 0.55
0.02 = 27.5 ∼ t23.
Logo Então a região crítica será RC = (∞, −2.069] ∪ [2.069,∞). Como t( ˆβ) = 27.5 ∈ RC então rejeitamos a hipotese H0.
Caso (2): Elas = 1.23
Tamanho da amostra N = 25. O nivel de signicância é α = 5%.
IC95% = b ± t23,95%s.e.(b).
Usando o nivel de signicância α = 5% calculamos t18,95%: 0.95 = P(−t18,95% < t < t18,95%) ⇒ t18,95% ≈ 2.069.
Portanto
IC95% = 1.23 ± 2.069 · 0.02 = 1.23 ± 0,04138.
O nivel de signicância é α = 5%. Estamos interesados em testar as hipotese:
H0: β = 0 A: β 6= 0. Sob hipotese H0 temos
b − β
s.e.(b) = 1.23
0.02 = 61.5 ∼ t23.
Logo Então a região crítica será RC = (∞, −2.069] ∪ [2.069,∞). Como t( ˆβ) = 61.5 ∈ RC então rejeitamos a hipotese H0.
7
Exercicio 4
(1)house = −27.6 + 0.178dpi (3.4) (0.004) (2)house = 48.9 + 4.84t
(1.5) (0.10)
(a) Hipótese que o coeciente α é igual à 500 pode ser aceita com o nível de signicância de 5%?
Resolução:
Tamanho da amostra N = 25.
O nivel de signicância é α = 5%. Estamos interesados em testar as hipotese:
H0: β = 0 A: β 6= 0. Caso (1)
Sob hipotese H0 temos b − β
s.e.(b) = 0.178
0.004 = 44.5 ∼ t23. Logo
0.95 = P(−t23,95% < t < t23,95%) ⇒ t23,95% ≈ 2.069.
Então a região crítica será RC = (∞,−2.069]∪[2.069,∞). Como t( ˆβ) = 44.5 ∈ RC então rejeitamos a hipotese H0. Caso (2)
Sob hipotese H0 temos b − β
s.e.(b) = 4.84
0.10 = 48.4 ∼ t23. 8
Logo
0.95 = P(−t23,95% < t < t23,95%) ⇒ t23,95% ≈ 2.069.
Então a região crítica será RC = (∞,−2.069]∪[2.069,∞). Como t( ˆβ) = 48.4 ∈ RC então rejeitamos a hipotese H0. (b) Alguém acha que mais de que 10% de salário líquido gasta-
se em serviços de moradia. Teste este hipótese. Formule hipótese nula e alternativa.
Resolução:
(1)house = −27.6 + 0.178dpi (3.4) (0.004) Tamanho da amostra N = 25.
O nivel de signicância é α = 5%. Estamos interesados em testar as hipotese:
H0: β = 0.10 A: β 6= 0.10. Sob hipotese H0 temos
b − β
s.e.(b) = 0.178 − 0.1
0.004 = 19.5 ∼ t23. Logo
0.95 = P(−t23,95% < t < t23,95%) ⇒ t23,95% ≈ 2.069.
Então a região crítica será RC = (∞,−2.069]∪[2.069,∞). Como t( ˆβ) = 19.5 ∈ RC então rejeitamos a hipotese H0.
9