ECONOMETRIA EXERCICIO A1

Prévia do material em texto

Para ajudá-lo a refletir sobre os temas propostos para esta atividade, leia o texto que se segue, extraído de Pagliarussi (2018, p. 2).
“Muito provavelmente, um professor de econometria básica que segue os bons livros existentes sobre o assunto irá desenvolver aulas que requerem um nível razoavelmente elevado de raciocínio teórico e matemático. Tal abordagem é comum inclusive em cursos direcionados ao público da área de negócios. Este mesmo professor, ao abordar o conceito de distribuição amostral de um estimador, provavelmente irá perceber nos olhos dos seus alunos a dificuldade de compreender o seu significado. [...] Os alunos têm imensa dificuldade em entender que as estatísticas calculadas a partir de tal amostra são igualmente fruto do acaso. [...] Os alunos aprendem a realizar procedimentos, como calcular a variância, executar uma regressão, testar uma hipótese, e eles sabem que serão aprovados no curso se memorizarem como tais técnicas funcionam. Entretanto, usualmente os cursos levam os alunos à percepção de que a estatística é um ramo da matemática, e estes não desenvolvem a habilidade de usar a estatística como uma lente para enxergar o mundo.”
O texto destaca, assim, a necessidade de uma compreensão mais efetiva sobre os conceitos de inferência estatística, que são utilizados não apenas para a resolução de problemas matemáticos, mas para a investigação, a análise e a qualificação de dados, que podem ser traduzidos em informações economicamente relevantes de acordo com os critérios estabelecidos pelo pesquisador.
Desse modo, considerando o conteúdo apresentado e os seus conhecimentos sobre inferência estatística, elabore um texto, com o conteúdo médio de vinte linhas, no qual você deve apresentar:
• as diferenças entre os conceitos de estimador, estimativa, amostragem aleatória e parâmetro, trazendo alguns exemplos e suas notações algébricas;
• as fases específicas de construção de um modelo econométrico, incluindo a sua forma básica de apresentação, baseando-se em um modelo de regressão linear simples. Apresente o significado de cada um dos termos apresentados;
• algumas situações objetivas (ao menos duas) aplicadas ao seu cotidiano pessoal e profissional que justifiquem a adoção de um modelo econométrico.
Referência:PAGLIARUSSI, M. S. O ensino do modelo clássico de regressão linear por meio de simulação de Monte Carlo. Revista de Contabilidade e Organizações, Ribeirão Preto, v. 12, p. 1-23, 2018. Disponível em https://www.redalyc.org/articulo.oa?id=235257403013. Acesso em: 14 jan. 2021.
A estimativa é um valor que atribuído a um parâmetro de uma população baseado em um valor da estatística correspondente da amostra. O estimador é a estatística da amostra utilizada para estimar um parâmetro da população.
Quando é extraída uma amostra aleatória de uma população distribuída normalmente, a média da amostra é uma estatística. O valor da média da amostra com base na amostra em questão é uma estimativa.
Por exemplo, um influencer precisa saber o tempo médio de duração de um vídeo o TikTok, onde a população seriam todos os vídeos. No entanto, como não é viável analisar toda a população, é calculado uma estimativa, a partir de uma amostra representativa da população.
Os parâmetros são medidas descritivas de toda uma população que podem ser usadas como entradas para uma função de distribuição de probabilidade (FDP) para gerar curvas de distribuição. 
A estimação de parâmetros é um processo que consiste em utilizar dados amostrais para estimar parâmetros populacionais desconhecidos. Um exemplo seria uma cervejaria deseja estimar a média de consumo de bebidas alcoolicas em um determinado país que pretende abrir uma fábrica.
A amostragem aleatória consiste em enumerar os elementos da população e selecionar aleatoriamente os elementos que integrarão a amostra. Nesse tipo de amostragem probabilística, cada membro da população tem a mesma possibilidade de ser selecionado.
O modelo de regressão corresponde a uma equação matemática que descreve a relação entre duas ou mais variáveis. Se ocorrer os efeitos de duas ou mais variáveis independentes sobre uma variável dependente, é utilizada a análise de regressão múltipla. Quando ocorre uma única variável independente (geralmente a mais importante) sobre uma variável dependente, chamamos de regressão simples.
Um modelo de regressão simples inclui somente duas variáveis: uma independente e uma dependente. A variável dependente é aquela que está sendo explicada, enquanto a variável independente é aquela que é utilizada para explicar a variação na variável dependente.
Por exemplo, Nota de uma prova pode ser explicada pelo tempo de estudo do aluno, ou uma venda pode ser explicada pelo número de clientes.
Fontes
Barbetta, Pedro Alberto. “Estatística Aplicada às Ciências Sociais”. UFSC, 2014, 315p.: http://amzn.to/2cwqx34. Acesso em 12/08/2021
Mann, Prem S. “Introdução à Estatística”. Capítulo 8: Estimativa da Média Aritmética e da Proporção. LTC, edição 8ª (2015), 788p.: http://amzn.to/2eqJGVw. Acesso em 12/08/2021
Moretin, Pedro. “Estatística Básica”. Saraiva, edição 8ª (2014), 568p.: http://amzn.to/2cip0l6. Acesso em 12/08/2021
O Estatístico. “Amostragem aleatória – conheça agora suas características”. Disponível em: <https://www.questionpro.com/blog/pt-br/amostragem-aleatoria/>. Acesso em 12/08/2021
Ramos , Raniere . “Estimativa e Estimador. Vamos extrapolar?” Disponível em: https://oestatistico.com.br/estimativa-e-estimador/. Acesso em 12/08/2021
Ramos , Raniere . “Regressão Linear Simples: O Que é? Para Que Serve? Como Funciona?” Disponível em:< https://oestatistico.com.br/regressao-linear-simples/>. Acesso em 12/08/2021
Suporte ao Minitab. “O que são parâmetros, estimativas de parâmetros e distribuições de amostragem?”Disponível em: <https://support.minitab.com/pt-br/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/data-concepts/what-are-parameters-parameter-estimates-and-sampling-distributions/>. Acesso em 12/08/2021