Filtrar


Questões por página:
Em finanças, emprega-se uma adaptação da distribuição de probabilidades do tipo DeMoivreLaplace-Gauss para lidar com variações de preços. Para o emprego dessa distribuição, usam-se variações percentuais dos preços ao invés das variações absolutas de preços. Por exemplo, um analista de investimentos resolveu dividir os valores de uma série histórica de preços de tal forma que o preço de fevereiro foi dividido pelo preço de janeiro; o preço de março foi dividido pelo preço de fevereiro e assim sucessivamente. Ao se extrair o logaritmo de base e (2,718281…) de cada um desses resultados tem-se que a distribuição resultante é normal. Não obstante, os dados brutos originais teriam a seguinte característica:
Em economia muitas vezes é necessário estabelecer uma equação de ajuste entre um conjunto de pares ordenados de informações, tais como renda e consumo, por exemplo. Suponha que seja possível fazer passar uma reta próxima a cada um desses pares ordenados, de tal forma que a soma dos desvios verticais dos pontos em relação a esta reta seja nulo. Suponha ainda que, se fosse multiplicado cada um desses desvios pelo seu próprio valor e depois somássemos estes resultados, seria obtida a menor soma possível. Esta seria, então, uma reta especial que estabeleceria uma relação entre as variáveis renda e consumo. A metodologia empregada, neste caso, é conhecida pela denominação:
Qual é o grau de homogeneidade da Função Produção: y = x10,4 x20,3 x30,5?

Uma pesquisadora estima a seguinte relação com base em dados de corte transversal:

i. icmsi = β0 + β1ProdIndi + μi
ii. Eμμ’=σ2Ω

Considere que ICMSi é o valor do imposto sobre circulação de mercadorias e serviços do município i; ProdIndi é a produção industrial do município i; μ é o erro; σ2 é a variância do erro; e Ω é uma matriz diagonal em que os elementos não são a unidade.

Logo, é verdadeiro afirmar:

Suponha dois modelos de previsão de arrecadação tributária com as seguintes características:

n = tamanho da amostra (observações para estimar os parâmetros dos modelos).

m = observações para a previsão.

Resultados



Com base nestes resultados, pode-se afirmar: