Baixe o app para aproveitar ainda mais
Prévia do material em texto
Econometria – Hill, Grifith e Judge – Editora Saraiva Capítulo 5 Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Econometria – Hill, Grifith e Judge – Editora Saraiva Hipóteses do Modelo de Regressão Linear Simples 1 2t t ty x e= β + β +RS1. RS2. RS3. RS4. RS5. RS6. ( ) 0tE e = ⇔ 1 2( )t tE y x= β + β 2var( ) var( )t te y= σ = cov( , ) cov( , ) 0i j i je e y y= = não é variável aleatória e assume pelo menos dois valores distintos tx 2~ (0, )te N σ ⇔ 21 2~ [( ), ]t ty N xβ + β σ (opcional) Econometria – Hill, Grifith e Judge – Editora Saraiva Do Capítulo 4 2 2 1 1 2 2 2 2 2 ~ , ( ) ~ , ( ) t t t x b N T x x b N x x σβ − σβ − ∑ ∑ ∑ 2 2 ˆˆ 2 te T σ = − ∑ Este Capítulo introduz ferramentas adicionais da inferência estatística: estimação de intervalos, previsão, intervalos de previsão e testes de hipóteses. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.1 Estimação de Intervalos 5.1.1 A Teoria Obtemos, de b2 , uma variável aleatória normal padronizada, subtraindo sua média e dividindo o resultado pelo seu desvio padrão: 2 2 2 ~ (0,1) var( ) bZ N b − β = (5.1.1) A variável aleatória padronizada Z é normalmente distribuída com média 0 e variância 1. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.5.1a A Distribuição Qui-Quadrada • Variáveis aleatórias com distribuição qui-quadrada surgem quando elevamos ao quadrado variáveis aleatória normais, N(0,1). Se Z1, Z2 , ..., Zm denotam m variáveis aleatórias independentes N(0,1), então 2 2 2 2 1 2 ( )~m mV Z Z Z= + + + χK (5.1.2) • A notação é lida como: a variável aleatória V tem uma distribuição qui-quadrada com m graus de liberdade. 2 ( )~ mV χ Econometria – Hill, Grifith e Judge – Editora Saraiva 2 ( ) 2 ( ) [ ] var[ ] var 2 m m E V E m V m = χ = = χ = (5.1.3) • V não deve ser negativa, v ≥ 0 • A distribuição tem uma longa calda, ou é assimétrica à direita. • À medida que os graus de liberdade m aumentam, a distribuição se torna mais simétrica e com o forma de um “sino”. • À medida que m aumenta, a distribuição qui-quadrada converge para (e essencialmente se torna) uma distribuição normal. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.5.1b A distribuição de probabilidade de 2σˆ • O termo de erro aleatório et tem uma distribuição normal, 2~ (0, )te N σ • Padronize a variável aleatória dividindo-a pelo seu desvio padrão, de tal forma que / ~ (0,1)te Nσ 2 2 (1)( / ) ~te σ χ• • Se todos os erros aleatórios são independentes, então 2 2 2 2 21 2 ( )~t T T t e e e e = + + + χ σ σ σ σ ∑ L (5.1.4) • V não tem uma distribuição porque os resíduos de mínimos quadrados não são variáveis aleatórias independentes. 2 ( )Tχ Econometria – Hill, Grifith e Judge – Editora Saraiva • Todos resíduos T , , dependem dos estimadores de mínimos quadrados b1 e b2. Isso pode ser mostrado pelo fato de apenas T−2 dos resíduos de mínimos quadrados serem independentes no modelo de regressão linear simples. 1 2tˆ t te y b b x= − − 2 2 ( 2)2 ˆ( 2) ~ T TV − − σ = χ σ • Nós não estabelecemos que a variável aleatória qui- quadrada V é estatisticamente independente dos estimadores de mínimos quadrados, mas agora afirmamos que é. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.1.1c A Distribuição t • Uma variável aleatória “t” (minúscula) é formada pela divisão de uma variável aleatória normal padronizada, Z~N(0,1), pela raiz quadrada de uma variável aleatória independente qui-quadrada, , que é dividida por seus graus de liberdade, m. 2 ( )~ mV χ Se Z~N(0,1) e , e se Z e V são independentes, então 2 ( )~ mV χ ( )~ m Zt t V m = (5.1.7) • O formato da distribuição t é completamente determinada pelos graus de liberdade, m, e a distribuição é representada por t(m). • A distribuição t tem um “pico menos agudo” e é mais dispersa do que a N(0,1). Econometria – Hill, Grifith e Judge – Editora Saraiva • A distribuição t é simétrica, com média E[t(m)]=0 e variância var[t(m)]=m/(m−2). • À medida que os graus de liberdade m→∞, a t(m) distribuição se aproxima de uma normal padronizada, N(0,1). Econometria – Hill, Grifith e Judge – Editora Saraiva 5.1.1d Um Resultado Chave 2 2 2 2 2 2 2 2 2 2 2 2 2 2 22 ( ) ˆ ˆ( 2) 2 ( ) 2 ep( )ˆvar( ) t t b x xZ bt V TT x x T b b bb − β σ − − β = = = − σ σ − σ − − − β − β = = ∑ ∑ (5.1.8) Econometria – Hill, Grifith e Judge – Editora Saraiva 5.1.2 Obtenção de Estimativas de Intervalo Se as hipótese RS1-RS6 do modelo de regressão linear simples são mantidas, então ( 2)~ , 1,2ep( ) k k T k bt t k b − − β = = (5.1.9) Para k=2 2 2 ( 2) 2 ~ ep( ) T bt t b − − β = (5.1.10) onde 2 2 2 22 ˆˆ ˆvar( ) e ep( ) var( ) ( )t b b b x x σ = = −∑ Econometria – Hill, Grifith e Judge – Editora Saraiva Podemos encontrar valores críticos tc de uma distribuição t(m) , de tal modo que ( ) ( ) 2c c P t t P t t α≥ = ≤ − = onde α é um valor de probabilidade, em geral considerado para ser α=0,01 ou α=0,05. • Conseqüentemente, nós podemos afirmar ( ) 1c cP t t t− ≤ ≤ = − α (5.1.11) 2 2 2 [ ] 1 ep( )c c bP t t b − β − ≤ ≤ = − α 2 2 2 2 2[ ep( ) ep( )] 1c cP b t b b t b− ≤ β ≤ + = − α (5.1.7) Econometria – Hill, Grifith e Judge – Editora Saraiva 5.1.3 O Contexto da Amostragem Repetida Tabela 5.1 Estimativas de Mínimos Quadrados extraídas de 10 amostras aleatórias n b1 ep(b1) b2 ep(b2) 1 51,1314 27,4260 0,1442 0,0378 2193,4597 2 61,2045 24,9177 0,1286 0,0344 1810,5972 3 40,7882 17,6670 0,1417 0,0244 910,1835 4 80,1396 23,8146 0,0886 0,0329 1653,8324 5 31,0110 22,8126 0,1669 0,0315 1517,5837 6 54,3099 26,9317 0,1086 0,0372 2115,1085 7 69,6749 19,2903 0,1003 0,0266 1085,1312 8 71,1541 26,1807 0,1009 0,0361 1998,7880 9 18,8290 22,4234 0,1758 0,0309 1466,2541 10 36,1433 23,5531 0,1626 0,0325 1617,7087 2σˆ Econometria – Hill, Grifith e Judge – Editora Saraiva • As estimativas dos intervalos de confiança de 95% para os parâmetros β1 e β2 são dados na Tabela 5.2. Tabela 5.2 Estimativas dos Intervalos extraídas de 10 amostras aleatórias. n 1 -4,3897 106,6524 0,0676 0,2207 2 10,7612 111,6479 0,0590 0,1982 3 5,0233 76,5531 0,0923 0,1910 4 31,9294 128,3498 0,0221 0,1551 5 -15,1706 77,1926 0,1032 0,2306 6 -0,2105 108,8303 0,0334 0,1838 7 30,6237 108,7261 0,0464 0,1542 8 18,1541 124,1542 0,0278 0,1741 9 -26,5649 64,2229 0,1131 0,2384 10-11,5374 83,8240 0,0968 0,2284 1 1ep( ) cb t b− 1 1ep( ) cb t b+ 2 2ep( ) cb t b− 2 2ep( ) cb t b+ Econometria – Hill, Grifith e Judge – Editora Saraiva 5.1.4 Uma Ilustração • Para os dados das despesas com alimentação 2 2 2 2 2[ 2,024ep( ) 2,024ep( )] 0,95P b b b b− ≤ β ≤ + = (5.1.14) • O valor crítico tc = 2,024, o qual é apropriado para α = 0,05 e 38 graus de liberdade. • Ele pode ser calculado com um pacote estatístico. • Para construir uma estimativa de intervalo para β2 , nós utilizamos a estimativa de mínimos quadrados b2 = 0,1283 , que tem um erro padrão 2 2ˆep( ) var( ) 0,0009326 0,0305b b= = = Um intervalo de confiança estimado de 95% para β2: 2 2ep( ) 0,1283 2,024(0,0305)=[0,0666,0,1900]cb t b± = ± Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2 Teste de Hipótese Componentes dos Testes de Hipóteses 1. Uma hipótese nula, H0 2. Uma hipótese alternativa, H1 3. Um teste estatístico 4. Uma região de rejeição Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.1 A Hipótese Nula A hipótese “nula”, que é denotada por H0 (H-zero), especifica um valor para um parâmetro. A hipótese nula pode ser escrita como , onde c é uma constante e é um importante valor no contexto de um modelo específico de regressão. 0 2:H cβ = 5.2.2 A Hipótese Alternativa Para a hipótese nula H0: β2 = c , três possibilidades de hipóteses alternativas são: H1: β2 ≠ c. H1: β2 > c H1: β2 < c. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.3 O Teste Estatístico 2 2 ( 2) 2 ~ ep( ) T bt t b − − β = (5.2.1) Se a hipótese nula H0: β2 = c é verdadeira, então 2 ( 2) 2 ~ ep( ) T b ct t b − − = (5.2.2) Se a hipótese nula não for verdadeira, então a estatística t na equação 5.2.2 não tem uma distribuição t com T−2 graus de liberdade. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.4 A Região de Rejeição • O nível de significância do teste α é usualmente escolhido como 0,01,0,05 ou 0,10. • A região de rejeição é determinada ao encontrar os valores críticos tc tais como ( ) ( ) / 2c cP t t P t t≥ = ≤ − = α Regra de rejeição para um teste bicaudal: Se o valor da estatística do teste cair na região de rejeição, em qualquer uma das caudas da distribuição t, então nós rejeitamos a hipótese nula e não rejeitamos a alternativa. Econometria – Hill, Grifith e Judge – Editora Saraiva • Os valores amostrais da estatística do teste na região central de não-rejeição são compatíveis com a hipótese nula e não constituem evidência contra sua veracidade. • Encontrar um valor amostral da estatística do teste na região de não-rejeição não faz da hipótese nula verdadeira num sentido absoluto! Se o valor da estatística do teste cair entre os valores críticos −tc e tc, na região de não-rejeição, então nós não rejeitamos a hipótese nula. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.5 O Exemplo da Despesa com Alimentação Teste a hipótese nula que contra a alternativa que 2 0,10β = 2 0,10β ≠ , no modelo da despesa com alimentação. Formato para o Teste de Hipóteses 1. Determine as hipóteses nula e alternativa. 2. Especifique a estatística do teste e sua distribuição se a hipótese nula for verdadeira. 3. Selecione α e determine a região de rejeição. 4. Calcule o valor amostral da estatística do teste. 5. Faça sua conclusão. Econometria – Hill, Grifith e Judge – Editora Saraiva Aplicação no exemplo da Despesa com Alimentação, 1. A hipótese nula é H0: β2 =0,10. A hipótese alternativa é H1: β2 ≠ 0,10. 2. A estatística do teste , se a hipótese nula é verdadeira. 2 ( 2) 2 0,10 ~ ep( ) T bt t b − − = 3. Selecionando α=0,05. O valor crítico tc é 2,024 para a distribuição t com (T−2) = 38 graus de liberdade. 4. Utilizando os dados da Tabela 3.1, a estimativa de mínimos quadrados de β2 é b2 = 0,1283, com erro padrão ep(b2)=0,0305. O valor da estatística do teste é 0,1283 0,10 0,93 0,0305 t −= = 5. Conclusão: como t=0,93 < tc=2,024, nós não rejeitamos a hipótese nula. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.6 Erros do Tipo I e Tipo II Nós tomamos a decisão correta se: • A hipótese nula é falsa e nós decidimos rejeitá-la. • A hipótese nula é verdadeira e nós decidimos não rejeitá-la. Nossa decisão é incorreta se: • A hipótese nula é verdadeira e nós decidimos rejeitá-la (um erro do Tipo I) • A hipótese nula é falsa e nós decidimos não rejeitá-la (um erro do Tipo II) Econometria – Hill, Grifith e Judge – Editora Saraiva Fatos sobre a probabilidade de cometer um erro do Tipo II: • A probabilidade de cometer um erro do Tipo II varia inversamente ao nível de significância do teste, α. • Quanto mais perto estiver o valor verdadeiro do parâmetro do valor definido para ele na hipótese, maior a probabilidade de cometer um erro do Tipo II. • Quanto maior o tamanho da amostra T, menor a probabilidade de ocorrência de erro do Tipo II, dado o nível de significância α, que é a probabilidade de cometer erro do Tipo I. • O teste baseado na distribuição t que nós descrevemos é um teste muito bom. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.7 O Valor-p do Teste de Hipótese O valor-p do teste é calculado encontrando qual é a probabilidade da distribuição t tomar um valor igual ou maior do que o valor absoluto do valor amostral da estatística do teste. Regra de rejeição para um teste bicaudal: quando o valor-p do teste de hipótese é menor do que o valor escolhido de α, então o procedimento do teste leva a rejeição da hipótese nula. • Se o valor-p for maior do que α, nós não rejeitamos a hipótese nula. • No exemplo da despesa com alimentação, o valor-p para o teste de H0: β2 = 0,10 contra H1: β2 ≠ 0,10 é • p=0,3601, no qual é a área nas caldas da distribuição t(38), onde |t|≥0,9263 Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.8 Testes de Significância • No modelo da despesa com alimentação uma importante hipótese nula é H0: β2 = 0. • A hipótese alternativa geral é H1: β2 ≠ 0. • Rejeitar a hipótese nula implica que existe uma relação “ estatisticamente significante” entre y e x. 5.2.8a Um Teste de Significância no Modelo de Despesa com Alimentação 1. A hipótese nula é H0: β2 = 0. A hipótese alternativa é H1: β2 ≠ 0. 2. A estatística do teste é , se a hipótese nula for verdadeira. 2 ( 2) 2 ~ ep( ) T bt t b − = Econometria – Hill, Grifith e Judge – Editora Saraiva 3. Seja α=0,05. O valor crítico tc é 2,024 para uma distribuição t com (T−2) = 38 graus de liberdade. 4. A estimativa de mínimos quadrados de β2 é b2 = 0,1283, com erro padrão ep(b2)=0,0305. O valor da estatística do teste é . 5. Conclusão: Já que t=4,20 > tc=2,024, nós rejeitamos a hipótese nula e não rejeitamos a alternativa. Assim, existe uma relação entre a renda semanal e a despesa semanal com alimentação. O valor-p para o teste de hipótese é p=0,000155, que é a área nas caudas da distribuição t(38), onde |t|≥4,20. Já que p ≤ α, nós rejeitamos a hipótese nula de que β2 = 0 e não rejeitamos a alternativa de que β2 ≠ 0. Assim, existe uma relação “estatisticamente significante” entre y e x. 0,1283 0,0305 4,20t = = Econometria – Hill, Grifith e Judge – Editora Saraiva Observação: “Estatisticamente significante”, contudo, não implica necessariamente em “economicamente significante”. • Por exemplo, suponha que uma cadeia de supermercados planeja uma certa estratégia se . 2 0β ≠ • Adicionalmente, suponha que uma grande amostra de dados sejacoletada, do qual se obtenha a estimativa b2 = 0,0001, com ep(b2) = 0,00001, produzindo a estatística t = 10,0. • Nós rejeitaríamos a hipótese nula de que e não rejeitaríamos a alternativa de que . Onde b2 = 0,0001 é estatisticamente diferente de zero. 2 0β = 2 0β ≠ • Contudo, 0,0001 pode não ser economicamente diferente de zero e a cadeia de supermercados pode decidir pelo cancelamento da estratégia planejada. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.8b Analisando a Saída do Computador Variable Coefficient Std. Error t-Statistic Prob. C 40.76756 22.13865 1.841465 0.0734 INCOME 0.128289 0.030539 4.200777 0.0002 Dependent Variable: DESP.ALIM Method: Least Squares Sample: 1 40 Included Observations: 40 Figura 5.7 Saída da Regressão do EViews Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.9 Uma Relação entre os Testes de Hipóteses e a Estimação de Intervalos •Existe uma relação algébrica entre testes de hipóteses bicaudais e estimativas de intervalos de confiança que em alguns casos é útil. •Suponha que nós estamos testando a hipótese nula contra a alternativa . 0 : kH cβ = 1 : kH cβ ≠ •Se nós falharmos em rejeitar a hipótese nula ao nível de significância α, então o valor c cairá dentro de um intervalo de (1−α)×100% de confiança de βk. •Inversamente, se nós rejeitarmos a hipótese nula, então c cairá fora do intervalo de (1−α)×100% de confiança de βk. •Essa relação algébrica é verdadeira porque nós falhamos em rejeitar a hipótese nula quando , ou quandoc ct t t− ≤ ≤ ep( ) k c c k b ct t b − − ≤ ≤ ep( ) ep( )k c k k c kb t b c b t b− ≤ ≤ + Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.10 Testes Unicaudais • Testes unicaudais são utilizados para testar H0: βk = c contra a hipótese alternativa H1: βk > c, ou H1: βk < c. • Para testar H0: βk = c contra a alternativa H1: βk > c, nós selecionamos a região de rejeição para valores da estatística do teste t que suportem a hipótese alternativa. • Nós definimos a região de rejeição para valores de t maiores do que um valor crítico tc, extraído de uma distribuição t com T−2 graus de liberdade, tal como ( )cP t t≥ = α onde α é o nível de significância do teste. •A regra de decisão para um teste unicaudal é, “Rejeita-se H0: βk = c e não se rejeita a alternativa H1: βk > c se t ≥ tc.” Se t < tc, então nós não rejeitamos a hipótese nula. •O cálculo do valor-p está analogamente confinado a uma calda da distribuição Econometria – Hill, Grifith e Judge – Editora Saraiva No exemplo da despesa com alimentação, teste H0: β2 = 0 contra a alternativa H1: β2 > 0. 1. A hipótese nula é H0: β2 = 0. A hipótese alternativa é H1: β2 > 0. 2. A estatística do teste é , se a hipótese nula for verdadeira. 2 ( 2) 2 ~ ep( ) T bt t b − = 3. Para o nível de significância α=0,05, o valor crítico tc é 1,686 para uma distribuição t com T−2=38 graus de liberdade. 4. A estimativa de mínimos quadrados de β2 é b2 = 0,1283, com erro padrão ep(b2)=0,0305. Exatamente como no teste bicaudal, o valor da estatística do teste t é 0,1283 4,20 0,0305 t = = Econometria – Hill, Grifith e Judge – Editora Saraiva 5. Conclusão: Como t=4,20 > tc=1,686, nós rejeitamos a hipótese nula e aceitamos a alternativa. Assim, existe uma relação positiva entre renda semanal e despesa semanal com alimentação. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.2.11 Um Comentário na Construção das Hipóteses Nula e Alternativa • A hipótese nula é geralmente escrita de tal modo que se nossa teoria estiver correta, então nós a rejeitaremos. • Nós estabelecemos a hipótese nula para o caso de não existir relação entre as variáveis, H0: β2 = 0. Na hipótese alternativa, nós colocamos a conjuntura que nós gostaríamos de estabelecer, H1: β2 > 0. • É importante estabelecer as hipóteses nula e alternativa antes de conduzirmos a análise da regressão. Econometria – Hill, Grifith e Judge – Editora Saraiva 5.3 O Previsor de Mínimos Quadrados Nós queremos prever o valor da variável dependente y0, dado um valor da variável explanatória x0, o qual é dado por 0 1 2 0 0y x e= β + β + (5.3.1) onde e0 é um erro aleatório. Esse erro aleatório tem média E(e0)=0 e variância var(e0)= . Nós também assumimos que cov(e0, et)=0. 2σ O previsor de mínimos quadrados de y0 é 0 1 2 0yˆ b b x= + (5.3.2) Econometria – Hill, Grifith e Judge – Editora Saraiva o erro de previsão é 0 0 1 2 0 1 2 0 0 1 1 2 2 0 0 ˆ ( ) ( ) ( ) f y y b b x x e b b x e = − = + − β + β + = − β + − β − (5.3.3) O valor esperado de f é: 0 0 1 1 2 2 0 0ˆ( ) ( ) ( ) ( ) ( ) 0 0 0 0 E f E y y E b E b x E e= − = − β + − β − = + − = (5.3.4) Pode ser demonstrado que 2 2 0 0 0 2 1 ( )ˆvar( ) var( ) 1 ( )t x xf y y T x x − = − = σ + + − ∑ (5.3.5) Econometria – Hill, Grifith e Judge – Editora Saraiva A variância do erro de previsão é estimada pela substituição de pelo seu estimador ,2σ 2σˆ 2 2 0 2 1 ( )ˆ ˆvar( ) 1 ( )t x xf T x x − = σ + + − ∑ (5.3.6) A raiz quadrada da variância estimada é o erro padrão da previsão, ( ) ( )ˆvarep f f= (5.3.7) Conseqüentemente, nós podemos construir uma variável aleatória normal padronizada como ~ (0,1) var( ) f N f (5.3.8) Econometria – Hill, Grifith e Judge – Editora Saraiva Então, ( 2)~ep( )ˆvar( ) T f f t ff − = (5.3.9) Se tc é um valor crítico da distribuição , tal que P(t ≥ tc) = α/2, então ( 2)Tt − ( ) 1c cP t t t− ≤ ≤ = − α (5.3.10) Então, 0 0ˆ[ ] 1 ep( )c c y yP t t f − − ≤ ≤ = − α Simplificando essa expressão, obtemos 0 0 0ˆ ˆ[ ep( ) ep( )] 1c cP y t f y y t f− ≤ ≤ + = − α (5.3.11) Econometria – Hill, Grifith e Judge – Editora Saraiva Um intervalo de (1-α)×100% de confiança, ou intervalo de previsão, para y0 é 0ˆ ep( )cy t f± (5.3.12) •Equação 5.3.5 implica que, quanto mais afastado for x0 da média amostral , maior será a variância do erro de previsão x •Como a variância de previsão aumenta quanto maior é a distância de x0 da média amostral , os limites de confiança aumentam à medida que cresce. x 0| |x x− Econometria – Hill, Grifith e Judge – Editora Saraiva 5.3.1 Previsão no Modelo da Despesa com Alimentação A despesa semanal prevista com alimentação para um domicílio com renda semanal de x0 = $750 é 0 1 2 0ˆ 40,7676 0,1283(750) 136,98y b b x= + = + = A variância estimada do erro de previsão é 2 2 2 0 2 ( )1 1 (750 698)ˆ ˆvar( ) 1 1429,2456 1 1467,4986 ( ) 40 1532463t x xf T x x − − = σ + + = + + = − ∑ O erro padrão de previsão é então ˆep( ) var( ) 1467,4986 38,3079f f= = = Econometria – Hill, Grifith e Judge – Editora Saraiva O intervalo de 95% de confiança para y0 é 0ˆ ep( ) 136,98 2,024(38,3079) [59,44 a 214,52] cy t f± = ± • Nosso intervalo de previsão sugere que um domicílio com renda semanal de $750 gastará alguma coisa entre $59,44 e $214,52 com alimentação. • Um intervalo muito amplo significa que nosso ponto de previsão, $136,98, não é confiável. • Nós podemos melhorá-lo, mensurando o efeito de que outros fatores, além da renda, pode ter. Slide 1 Slide 2 Slide 3 Slide 4 Slide 5 Slide 6 Slide 7 Slide 8 Slide 9 Slide 10 Slide 11 Slide 12 Slide 13 Slide 14 Slide 15 Slide 16 Slide 17 Slide 18 Slide 19 Slide 20 Slide 21 Slide 22 Slide 23Slide 24 Slide 25 Slide 26 Slide 27 Slide 28 Slide 29 Slide 30 Slide 31 Slide 32 Slide 33 Slide 34 Slide 35 Slide 36 Slide 37 Slide 38 Slide 39 Slide 40 Slide 41 Slide 42
Compartilhar