Matemática, perguntado por Grazielifrias, 11 meses atrás

Pressupostos são ideias não expressas de maneira explícita num discurso, mas que podem ser percebidas a partir de certas palavras ou expressões que foram utilizadas.

Sobre os pressupostos básico do MQO assinale V (verdadeiro) ou F (falso)

( ) Linearidade: O modelo afirma-se que a relação de linearidade deve ser entre os parâmetros e não necessariamente entre as variáveis.

( ) Rank ou posto Completo: Não pode haver relacionamento linear perfeito entre as variáveis independentes.

( ) Exogeneidade das variáveis independentes: Indica que o valor esperado do erro não é uma função das variáveis independentes observadas.

( ) Homocedasticidade e não autocorrelação: cada perturbação, εi tem a mesma finita variância σ2, e é não correlacionado com todos os outros distúrbios, εj.

Assinale a alternativa correta:

Alternativas:

a)
F – F – F – F

b)
F – V – V – F

c)
V – F – V – F

d)
V – F – F – V

e)
V – V – V – V

Soluções para a tarefa

Respondido por reinaldodeolivera1
9

Resposta:

e) V-V-V-V

Explicação passo-a-passo:

1 – Linearidade: O modelo especifica um relacionamento linear entre y e x1, ..., xk. Greene (2003) esclarece que no contexto da regressão, a linearidade se refere à maneira pela qual os parâmetros e as perturbações entram na equação, não necessariamente à relação entre as variáveis. Então, afirma-se que a relação de linearidade deve ser entre os parâmetros e não necessariamente entre as variáveis.

2 – Rank ou posto Completo: Não pode haver relacionamento linear perfeito entre as variáveis independentes, pois neste caso o modelo não se justifica. (exemplo X2 não pode ser resultado de 2X1). Outro complemento a este pressuposto é que o número de observações tem de ser no mínimo tão grande quanto o número de parâmetros a serem estimados. As variáveis independentes têm de variar.

3 – Exogeneidade das variáveis independentes que é expressa e termos de notação matemática como: E [εi | xj1, xj2. . . ,xjK ]= 0 esta notação indica que o valor esperado do erro amostral  na observação i da amostra não é uma função das variáveis independentes observadas em qualquer observação.. Isso significa que as variáveis independentes não carregam informações úteis para a previsão de εi.

4 – Homocedasticidade e não autocorrelação: cada perturbação εi tem a mesma finita variância σ2, e é não correlacionado com todos os outros distúrbios εj. Esta suposição limita a generalidade do modelo.

Perguntas interessantes