Cap 3. Modelo de regressão de duas variáveis: o problema da estimação Prof. MSc. Saulo Jardim Modelagem Estatística.

Apresentação em tema: "Cap 3. Modelo de regressão de duas variáveis: o problema da estimação Prof. MSc. Saulo Jardim Modelagem Estatística."— Transcrição da apresentação:

1 Cap 3. Modelo de regressão de duas variáveis: o problema da estimação Prof. MSc. Saulo Jardim Modelagem Estatística

2 Prof. Saulo Jardim – saulojardim@id.uff.br MÉTODO DOS MÍNIMOS QUADRADOS ORDINÁRIOS

3 Prof. Saulo Jardim – saulojardim@id.uff.br

4

5

6

7

8

9

10  Os estimadores obtidos anteriormente são conhecidos como estimadores de mínimos quadrados, pois são derivados do princípio dos mínimos quadrados.  Note as seguintes propriedades numéricas dos estimadores obtidos por meio do método dos MQO: 1.Os estimadores de MQO são expressos unicamente em termos de quantidades observáveis (amostrais), como X e Y. 2.São estimadores pontuais, isto é, dada a amostra, cada estimador proporciona apenas um único valor (ponto) do parâmetro populacional relevante. 3.Uma vez obtidas as estimativas de MQO para os dados amostrais, a linha de regressão amostral (Figura 3.1) pode ser obtida facilmente.

11 Prof. Saulo Jardim – saulojardim@id.uff.br

12  O modelo clássico de regressão linear: as hipóteses subjacentes aos método dos mínimos quadrados:

13 Prof. Saulo Jardim – saulojardim@id.uff.br

14

15

16  A pergunta fundamental é: até que ponto todas essas hipóteses são realistas? A “realidade das hipóteses” é uma questão antiga na filosofia da ciência. Alguns argumentam que não importa se são realistas;  O que importa são as previsões feitas com base nelas. Um notável dentre os defensores da “tese da irrelevância das hipóteses” é Milton Friedman.  Para ele, a irrealidade das premissas é uma vantagem positiva: “para ser importante [...] uma hipótese deve ser descritivamente falsa em suas premissas”.

17 Prof. Saulo Jardim – saulojardim@id.uff.br