ANPEC 2026 — Estatística – Anpec 2026 — Questão 08
Enunciado da questão
Considere o seguinte modelo de regressão linear simples: y_i=\beta_0+\beta_1x_i+u_i, onde E[u\mid x]=0 e Var[u\mid x]=\sigma^2. Considere uma amostra aleatória da população com n observações, {(x_i,y_i): i=1,2,\ldots,n}, e que a variável independente não é constante. Defina \hat\beta_0 como o estimador de Mínimos Quadrados Ordinários (MQO) para \beta_0, e \hat\beta_1 como o estimador de MQO para \beta_1. Defina também \bar{x}=\frac{\sum_{i=1}^n x_i}{n}. Avalie como verdadeiras ou falsas as seguintes assertivas:
Analise a afirmativa
Var(\hat\beta_1\mid x)=\frac{\sigma^2}{\sum_{i=1}^n (x_i-\bar{x})^2}.
Este item foi marcado como cancelado pela ANPEC.
Analise a afirmativa
Var(hatbeta_0\mid x)=\sigma^2\left(\frac{1}{n}+\frac{\bar{x}^2}{\sum_{i=1}^n (x_i-\bar{x})^2}\right).
Este item foi marcado como cancelado pela ANPEC.
Analise a afirmativa
Condicionando em x, a covariância entre hatbeta_0 e hatbeta_1 é dada por: -\bar{x},\frac{\sigma^2}{\sum_{i=1}^n (x_i-\bar{x})^2}.
Este item foi marcado como cancelado pela ANPEC.
Analise a afirmativa
Definindo k_i=\frac{1}{n}-\bar{x}\frac{x_i-\bar{x}}{\sum_{j=1}^n (x_j-\bar{x})^2}, podemos escrever: \hat\beta_0=\sum_{i=1}^n k_i x_i.
Analise a afirmativa
Seja tildebeta_0=\sum_{i=1}^n d_i y_i um estimador para o parâmetro \beta_0. Se \sum_{i=1}^n d_i=1 e \sum_{i=1}^n d_i x_i=0, esse estimador é não viesado.
Este item foi marcado como cancelado pela ANPEC.