Prévia do material em texto
Estimador de Mínimos Quadrados Prof. Armando Castelar O problema de estimação O problema de estimação Critério de mínimos quadrados Método de Mínimos Quadrados Ordinários (MQO) Método de Mínimos Quadrados Ordinários (MQO) • Problema: dados n pares de observações de Y e X, queremos determinar a FRA de tal forma que fique o mais próximo possível dos Y's observados. • Podemos resolver esse problema adotando o critério dos mínimos quadrados, segundo o qual a FRA pode ser fixada de tal modo que, seja o menor possível, onde os são os resíduos elevados ao quadrado. !̂2" Equações normais ou de primeira ordem Igualando a zero e simplificando … Igualando a zero e simplificando … (3.1.4) 3.1.5) ∑ !" = #$̂1 + $̂2 ∑ %" ∑ !"%" = $̂1 ∑ %" + $̂2 ∑ %2" Estimador do coeficiente angular Estimador do coeficiente angular Resolvendo simultaneamente as equações normais, obtemos: (3.1.6) onde e são as médias amostrais de X e de Y e onde definimos e . Daqui em diante, adotaremos a convenção de usar letras minúsculas para denotar os desvios em relação aos valores médios. !̂2 = "∑ #$%$ −∑ #$ ∑ %$ "∑ #2$ −(∑ #$)² = ∑ (#$−#̄) * (%$ −%̄ ) ∑ (#$ −#̄)² = ∑ &$'$∑ &2$ #̄ %̄ &$ = (#$ −#̄) '$ = (%$ −%̄ ) Estimador do intercepto Estimador do intercepto (3.1.7) !̂1 = ∑ "2# ∑ $# −∑ "# ∑ "#$# %∑ "2# −(∑ "#)² = $̄ −!̂2"̄ Propriedades dos estimadores de MQO Teorema de Gauss-Markov Os estimadores de Mínimos Quadrados Ordinários, sob determinadas condições relativamente gerais, são os estimadores de menor variância na categoria dos estimadores lineares não viciados. Próxima Aula • Estimadores Não Viciados Uniformemente de Menor Variância são a mesma coisa que • Estimadores com a menor variância entre todos os estimadores não viciados • Uniformemente = para todos os valores do parâmetro dentre do espaço paramétrico FIM