Questões de Concurso
Foram encontradas 1.281 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Considere as informações referentes a uma população de tamanho N = 100, dividida em 3 estratos.
Retirando-se uma amostra de tamanho 20 com reposição,
com partilha proporcional entre os estratos, a variância do
estimador é a média amostral de
cada estrato, é dada por
I. Os estimadores de mínimos quadrados usuais são viciados e não têm variância mínima.
II. Uma forma de se detectar a existência de heterocedasticidade é através da análise de resíduos.
III. As estimativas das variâncias dos parâmetros estimados pelo método de mínimos quadrados usuais serão viciadas.
IV. Uma forma de se detectar a existência de heterocedasticidade é através do método de Newton-Raphson.
Está correto o que se afirma APENAS em
Considere o modelo de regressão linear com k variáveis independentes e com intercepto
y = Xβ + ε ,
onde
y e ε são vetores aleatórios bi-dimensionais
X é a matriz de planejamento 2 por (k + 1)
β é o vetor de parâmetros (k + 1) dimensional.
Considere o modelo de regressão linear com k variáveis independentes e com intercepto
y = Xβ + ε ,
onde
y e ε são vetores aleatórios bi-dimensionais
X é a matriz de planejamento 2 por (k + 1)
β é o vetor de parâmetros (k + 1) dimensional.
![Imagem associada para resolução da questão](https://qcon-assets-production.s3.amazonaws.com/images/provas/96647/Captura_de%20Tela%20%282164%29.png)
em que Zt representa o número de pedidos de emissão de passaportes no mês t, εt representa o erro aleatório, dj,t representa a variável dummy ou variável indicadora que representa o mês j (por exemplo, se uma observação no instante t for referente ao mês 1, então d1,t = 1, caso contrário, d0,t = 0). Os demais símbolos — µ, Φ, β, θ e φ — representam os coeficientes dos modelos. De acordo com essas informações, julgue o item que se segue, relativos a séries temporais.
O modelo A é um modelo de regressão linear múltipla, cujos parâmetros µ, Φ, θ1 e θ2 podem ser estimados via mínimos quadrados ordinários.