1

Capítulo 10 Soluções dos Exercícios

Soluções para os Exercícios do Capítulo 10

10.1 Os coeficientes estimados e seus erros padrão (nos parênteses) para várias partes dessa questão
são dados na seguinte tabela.

Variável (a) (b) (c) (f) (g)

constante (1) 128,98* 342,88* 161,47 109,72 98,48

(34,59) (72,34) (120,7) (135,6) (179,1)

AGE (IDADE)(2) 7,5756* 2,9774 2,0383 1,7200

(2,317) (3,352) (3,542) (4,842)
Y (3) 1,4577* 2,3822* 9,0739* 18,325 22,104
(0,5974) (0,6036) (3,670) (11,49) (40,26)
AGE  Y (4) 0,1602 0,6115 0,9087
(0,0867) (0,5381) (3,079)
AGE 2  Y (5) 0,0055 0,0131
(0,0064) (0,0784)
AGE 3  Y (6) 0,000065
(0,000663)
SQE 819286 635637 580609 568869 568708
TK 38 37 36 35 34

* indica um valor t maior do que 2.

(a) Veja a tabela.

(b) Os sinais dos coeficientes estimados sugerem que o consumo de pizza responde
positivamente à renda e negativamente à idade, como nós esperávamos. Todos os
coeficientes estimados são maiores do que o dobro de seus erros padrão, indicando que eles
são significativamente diferentes de zero por testes unicaudais ou bicaudais. Comparando
a equação 9.7.8 no livro com a coluna (b) da tabela, nós observamos que o
reescalonamento da variável renda (dividindo por 1000) aumentou o coeficiente 1000
vezes.
(c) Para comentar os sinais, nós precisamos considerar os efeitos marginais
E  PIZZA  E  PIZZA 
 2  4Y  3  4 IDADE
  AGE  Y
Nós esperamos 3 > 0 e 4 < 0, implicando que a resposta do consumo de pizza em relação
à renda é positivo, mas que ele declina com a idade. As estimativas estão de acordo com as
nossas expectativas. Os sinais negativos para b2 e b4 implicam que, à medida que alguém
 2

Capítulo 10 Soluções dos Exercícios

fica mais velho, seu consumo de pizza diminuirá e a queda será tanto maior quanto maior
for o nível de renda.
O valor t para a variável de interação idade-renda é t = 0,1602/0,0867 = 1,847. Os
valores críticos ao nível de significância de 5% para os testes unicaudal e bicaudal são,
respectivamente, tc = 1,689 e tc = 2,028. Assim, se nós utilizamos a informação à
priori que 4 < 0, então nós encontraremos que o coeficiente da variável de interação é
significativo. Contudo, se um teste bicaudal é aplicado, o coeficiente estimado não é
significativo. Uma comparação da Equação 9.7.9 com a coluna (c) da tabela revela o efeito
do reescalonamento. Os coeficientes de Y e (Y  AGE) aumentaram 1000 vezes.
(d) As hipóteses são
H0: 2 = 4 = 0 e H1: 2  0 e/ou 4  0
O valor da estatística F sob a hipótese de que H0 é verdadeira é

F
 SQER  SQEU  J

 819286  580609  2
 7,40
SQEU  T - K  580609 36

O valor crítico à 5% para (2, 36) graus de liberdade é Fc = 3,26 e o valor-p do teste é
0,002. Assim, nós rejeitamos H0 e concluímos que a idade afeta os gastos com pizza.
(e) A propensão marginal a consumir pizza é dada por
E  PIZZA
  3   4 AGE
Y
As estimativas pontuais, erros padrão e estimativas de intervalo de 95% para essa
quantidade e para diferentes idades são dadas na tabela abaixo.

Idade Estimativa Erro Intervalo de Confiança

Pontual Padrão Inferior Superior
20 5,870 1,977 1,861 9,878
30 4,268 1,176 1,882 6,653
40 2,665 0,605 1,439 3,892
50 1,063 0,923 0,809 2,935

As estimativas de intervalo foram calculadas utilizando tc = 2,0281. Como um exemplo de

como os erros padrão foram calculados, considere a idade de 30 anos. Nós temos
ˆ  b3  30b4   var
var ˆ  b3   302 var
ˆ  b4   2  30 cov
ˆ  b3 , b4 
 13, 466  900  0,0075228  60  0,31421  1,38392
ep  b3  30b4   var
ˆ  b3  30b4   1,176

O intervalo estimado correspondente é

4,268  2,028  1,176 = (1,882, 6,653)
As estimativas pontuais para a propensão marginal a consumir pizza caem à medida que a
idade aumenta, como nós esperamos. Contudo, os intervalos de confiança são
relativamente amplos, indicando que nossa informação sobre propensões marginais não é
muito confiável. Na verdade, todos os intervalos de confiança se sobrepõem.
 3

Capítulo 10 Soluções dos Exercícios

(f) Esse modelo é dado por

PIZZA = 1 + 2Y + 3AGE + 4 AGE.Y + 5 AGE2.Y + e
O efeito marginal da renda é dado agora por
E  PIZZA
  2   4 AGE + 5 AGE 2
Y
Se esse efeito marginal é crescente com a idade, até certo ponto, e depois declina, então 5
< 0. O sinal do coeficiente estimado b5 = 0,0055 não está de acordo com esse raciocínio.
Contudo, com um valor t de t = 0,0055/0,0064 = 0,85, ele não é significativamente
diferente de zero.
(g) Dois modos de verificar a colinearidade são (i) examinando a correlação simples entre
cada par das variáveis da regressão, e (ii) examinando os valores de R2 das regressões
auxiliares.

Correlações Simples
AGE AGE  Y AGE 2  Y AGE 3  Y
Y 0,4685 0,9812 0,9436 0,8975
AGE 0,5862 0,6504 0,6887
AGE  Y 0,9893 0,9636
AGE2  Y 0,9921

Valores de R2 das Regressões Auxiliares

Variáveis R2 na parte (f) R2 na parte (g)
Y 0,9980 0,9998
AGE 0,6840 0,8260
AGE  Y 0,9996 1,0000
AGE 2  Y 0,9986 1,0000
AGE 3  Y 0,9999

Os modelos para ambas às partes, (f) e (g), parecem sofrer de colinearidade, sendo mais
severo o caso na parte (g). Em ambos os casos, nenhum dos coeficientes são
significativamente diferentes de zero; não existem valores t maiores do que 2. Nenhum dos
coeficientes é estimado de forma muito confiável. É provável que a falta de confiabilidade
se deva à colinearidade. Na parte (f), existem 3 correlações simples maiores do que 0,94;
esse número cresce para 5 na parte (g). O número de regressões auxiliares com R2s
maiores do que 0,99 é 3 para a parte (f) e 4 para a parte (g). Na parte (g), depois do
arredondamento da quarta casa decimal, existem 2 valores de R2 igual a um. (Esses valores
seriam menores do que um se mais casas decimais fossem colocadas, se não a estimação
não teria solução). De um modo geral, a inclusão de variáveis ao quadrado e ao cubo pode
levar a colinearidade, se existe uma variação inadequada na variável.
10.2 (a) Depois de reescalonar a renda, dividindo-a por 1000, a equação estimada com sexo
incluído, tendo os erros padrão nos parênteses, é

PIZZA = 380,42  182,86 S  6,212 AGE + 5,243 Y  0,0678 AGEY
(89,66) (28,48) (2,358) (2,591) (0,0613)
 4

Capítulo 10 Soluções dos Exercícios

O valor t para sexo é t  182,86 28, 48  6, 42 , indicando que ela é uma variável
explanatória relevante. Incluí-la no modelo leva a mudanças substanciais nos coeficientes
das outras variáveis.
(b) Quando o nível educacional é incluído, o modelo estimado passa a ser

PIZZA = 144,89 + 61,08 E1  44,18 E2  116,18 E3  3,385 AGE + 10,559 Y  0,1794 AGEY
(115,7) (57,13) (63,34) (90,44) (3,264) (3,782) (0,0872)
Nenhum dos coeficientes das variáveis binárias é significativo, o que coloca dúvidas sobre
a relevância da educação como variável explanatória. Além do mais, a inclusão das
dummies de educação teve um pequeno impacto sobre os outros coeficientes estimados.
Para confirmar a falta de evidência na inclusão da educação, nós necessitamos utilizar um
teste F para conjuntamente testar se os coeficientes de E1, E2 e E3 são todos zero. O valor
dessa estatística é
 SQER  SQEU  J  580609  478133 3
F   2,36
SQEU  T  K  478133 33

O valor crítico para um nível de significância de 5% e (3, 33) graus de liberdade é Fc =

3,05; o valor-p é 0,090. Nós não podemos concluir que o nível educacional atingido
influencia o consumo de pizza.
(c) Para testar essa hipótese, nós estimamos um modelo onde a variável binária de sexo (S)
interage com todas as outras variáveis na equação. A equação estimada é

PIZZA = 430,64  173,43S  8,751 AGE + 1,905 (AGES) + 4,222Y
(141,3) (185,7) (4,19) (5,315) (3,980)
 3,091(YS)  0,0177(AGEY) + 0,0327 (AGEYS)
(6,003) (0,1066) (0,1465)
Para testar a hipótese de que as equações de regressão para homens e mulheres são
idênticas, nós testamos conjuntamente se os coeficientes de S, AGES, YS e AGEYS
são todos zero. Observe que testes t individuais em cada um desses coeficientes não
sugerem que sexo é relevante. Contudo, quando nós tomamos todas as variáveis em
questão, o valor F para testar conjuntamente seus coeficientes é
 SQER  SQEU  J   580609  244086  4
F  11,03
SQEU  T  K  244086 32

Esse valor é maior do que Fc = 2,72, que é o valor crítico à 5% para (4, 32) graus de
liberdade. O valor-p é 0,00001. Assim, nós rejeitamos a hipótese nula de que homens e
mulheres têm equações de gastos com pizza idênticas. Esse resultado implica que equações
diferentes deveriam ser usadas para modelar os gastos com pizza de homens e de mulheres.
Ele não afirma quão diferentes são as equações. Por exemplo, todos os seus coeficientes
poderiam ser diferentes, ou simplesmente somente seus interceptos.
10.3 (a) É conveniente expressar a renda em unidades de milhares de dólares. Depois de feito isso,
a versão comparável da equação R10.2, com erros padrão nos parênteses, é

PIZZA = 161,47  2,977 AGE + 9,074 Y  0,16021 (AGE  Y)
(120,7) (3,352) (3,670) (0,08673)
 5

Capítulo 10 Soluções dos Exercícios

(b) Da amostra, nós obtemos a média de idade = 33,475 e a renda média= 42,925. Assim, o
efeito marginal exigido da renda é
E ( PIZZA)
= 9,074  0,16021 AGE = 9,074  0,16021  33,475 = 3,711
Y
Utilizando um software, nós achamos que o erro padrão dessa estimativa é 0,927, e o valor
t para testar se o efeito marginal é significativamente diferente de zero é t 
3,711 0,927  4,00 . O valor-p correspondente é 0,0003, levando-nos a concluir que o
efeito marginal da renda é estatísticamente diferente de zero ao nível de significância de
1%.
(c) Uma estimativa de intervalo de 95% para o efeito marginal da renda é dado por
3,711  2,0281  0,927 = (1,831, 5,591)
(d) O efeito marginal da idade para um indivíduo de renda média é dado por
E ( PIZZA)
= 2,977  0,16021 Y = 2,977  0,16021  42,925 = 9,855
( AGE )
Utilizando um software, nós encontramos que o erro padrão dessa estimativa é 2,562, e o
valor t para testar se o efeito marginal da idade é significativamente diferente de zero é t 
9,855 2,562  3,85 . O valor-p do teste é 0,00047, implicando que o efeito marginal da
idade é estatísticamente diferente de zero ao nível de significância de 1%.
(e) Uma estimativa de intervalo de 95% para o efeito marginal da idade é dada por
9,8545  2,0281  2,5616 = (15,05, 4,66)
(f) Uma importante peça de informação para Gutbusters é a resposta do consumo de pizza à
idade e à renda. É proveitoso conhecer a demanda por pizzas em comunidades jovens e
velhas e em regiões de alta e baixa renda. Um bom ponto de partida em investigações desse
tipo é avaliar as respostas para a idade média e renda média. Tal avaliação irá indicar se
existem respostas importantes e, se assim for, fornecer alguma idéia de suas magnitudes.
As duas respostas são estimadas como
E ( PIZZA) E ( PIZZA)
= 3,711 = 9,855
Y ( AGE )
Ambas estimativas são estatísticamente diferentes de zero ao nível de significância de 1%.
Elas sugerem que aumentos de renda elevarão o consumo de pizza, mas, à medida que as
comunidades ficam velhas, sua demanda por pizza cai. As estimativas de intervalo dão
uma indicação da confiabilidade das respostas estimadas. Nesse contexto, nós estimamos
que a resposta da renda fica entre 1,831 e 5,591, enquanto que a resposta da idade fica
entre 15,05 e 4,66.

10.4 (a) A resposta marginal da safra ao nitrogênio é dada por

 Yt
  2  2 4 N t  6 Pt
 Nt

As respostas estimadas, dado b2  8,0111, b4  1,9444, b6  0,5667 , são

 6

Capítulo 10 Soluções dos Exercícios

P Resposta estimada
1 7,4444  3,8888 N t
2 6,8777  3,8888 N t
3 6,3111  3,8888 N t

Todas as funções de resposta marginal exibem produtos marginais decrescentes. À medida

que o nível de nitrogênio aumenta, a produção acrescida da elevação do nitrogênio diminui.
Além do mais, o impacto marginal do aumento de N é tanto menor quando maior o nível de
aplicação de fósforo.
(b) De modo semelhante, a resposta marginal da safra ao fósforo é dada por
 Yt
 3  25 Pt  6 N t
 Pt

As respostas marginais, dado b3  4,8, b5  0,7778, b6  0,5667 , são

N Resposta estimada
1 4, 2333  1,5556 Pt
2 3,6666  1,5556 Pt
3 3,0999  1,5556 Pt

Comentários semelhantes feitos na parte (a) podem ser aplicados aqui. A resposta marginal
da safra ao fósforo declina à medida que o nível de P aumenta. Além do mais, ela declina à
medida que o nível de N aumenta.

 Yt  Yt
10.5 A safra é máxima no ponto onde e são iguais a zero; isto é
 Nt  Pt

 2  2 4 N t  6 Pt  0

e 3  25 Pt   6 N t  0

Dessas duas equações, nós podemos resolver para os nível de N t e Pt , onde a safra é máxima.
Utilizando as estimativas obtidas, o nível máximo da safra ocorre quando
b3b6  2b2b5 1
Nt   1,701 e Pt   b3  b6 Nt   2, 466
4b4b5  b62 2b5

 Yt  Yt
O nível máximo de safra ocorre quando 0 e  0 . Os níveis ótimos de aplicação dos
 Nt  Pt
 Yt PN  Yt PP
fertilizantes são  e  , onde PN , PP e PY são os preços do fertilizante de
 N t PY  Pt PY
nitrogênio, do fertilizante de fósforo e do amendoim, respectivamente. Portanto, os níveis de N e
P que dão a safra máxima não fornecerão os níveis ótimos a menos que os preços dos dois
fertilizantes sejam zero.
 7

Capítulo 10 Soluções dos Exercícios

10.6 A resposta marginal da safra ao nitrogênio é dada por

 Yt
  2  2 4 N t  6 Pt
 Nt

Utilizando as estimativas b2  8,0111, b4  1,9444 e b6  0,5667 , e as diferentes

combinações de P e N, as hipóteses nulas, as estatísticas t e as decisões de teste são dadas na
tabela seguinte. Ao nível de significância de 5%, o valor crítico é 2,08 . Nós rejeitamos as
hipóteses nulas (a) e (c) mas falhamos em rejeitar a hipótese nula (b). Nós concluímos que a
combinação de P e N que dá uma resposta marginal igual a zero é P=1 e N = 2.

H0 Erro padrão da estatística t decisão

resposta (dado da
questão)
(a)
P  1, N  1 2  24  6  0 0,4829 7,3630 rejeitada

(b)
P  1, N  2 2  44  6  0 0,2005 -1,6618 aceita

(c)
P  1, N  3 2  64  6  0 0,4829 -8,7430 rejeitada

10.7 O modelo estimado é

Yˆt   39,594  47,024 At  20, 222 At2  2,749 At3
(  1,406) (1,691) (  2,272) (2,972) t
As previsões dentro da amostra, com a idade expressa em anos (não em unidades de 10 anos),
são dadas na tabela abaixo.
(a) Para testar a hipótese de que uma função quadrática é adequada, nós testamos H 0 : 4  0 .
A estatística t é 2,972 e é maior do que 2. Nós, portanto, rejeitamos H 0 e concluímos que
a função quadrática não é adequada. Para os valores adequados de 2 , 3 e 4 , a função
cúbica pode decrescer à taxas crescentes, então irá passar por um ponto de inflexão,
depois do qual decrescerá à taxas decrescentes e, assim, alcançará um ponto mínimo e
aumentará. Essas são características típicas para um jogador de golfe. Assim, o jogador de
golfe melhora à uma taxa crescente, depois à uma taxa decrescente e, então, cai em termos
de habilidade.
(b) (i) Na idade de 30, onde o escore previsto é o mínimo (-6,29).
(ii) Entre as idades de 20 e 25, onde as diferenças entre as previsões estão aumentando.
(iii) Entre as idades de 25 e 30 anos, onde as diferenças entre as previsões estão caindo.
(iv) Com 36 anos.
(v) Com 40 anos.
 8

Capítulo 10 Soluções dos Exercícios

(c) Com a idade de 70 anos, o escore previsto (em relação à média) para Lion Forrest é
241,71. Para bater os 100, seria necessário ter menos do que 28. Assim, Forest não será
capaz de bater os 100 quando ele tiver 70 anos.

idade escores previstos

20 -4,4403
21 -4,5621
22 -4,7420
23 -4,9633
24 -5,2097
25 -5,4646
26 -5,7116
27 -5,9341
28 -6,1157
29 -6,2398
30 -6,2900
31 -6,2497
32 -6,1025
33 -5,8319
34 -5,4213
35 -4,8544
36 -4,1145
37 -3,1852
38 -2,0500
39 -0,6923
40 0,9042
41 2,7561
42 4,8799
43 7,2921
44 10,0092

10.8 (a) Como mencionado no livro, diferentes pacotes estatísticos produzirão diferentes erros
padrão. Na verdade, podemos encontrar diferentes erros padrão utilizando até o mesmo
pacote estatístico com valores iniciais diferentes para os parâmetros. Isso não é causa de
alarme. Os erros padrão vêm de uma aproximação da taxa de variação da inclinação da
função de soma dos quadrados. Diferentes aproximações dão resultados ligeiramente
diferentes. Os coeficientes estimados de mínimos quadrados não lineares e os erros padrão
do SAS, SHAZAM e EViews são os seguintes:

   
Estimativa do Coeficiente 1,555 0,3629 0,1475 1,204
Erro Padrão (SHAZAM) 0,109 0,0418 1,3643 0,230
Erro Padrão (SAS) 0,111 0,0420 1,5866 0,238
Erro Padrão (Eviews) 0,124 0,0469 1,7735 0,266
 9

Capítulo 10 Soluções dos Exercícios

Com exceção de , os parâmetros parecem que são estimados com relativa precisão.
Contudo, de um ponto de vista econômico, as magnitudes de alguns dos parâmetros devem
ser considerados com desconfiança. Um retorno de escala de  = 0,3629 é relativamente
baixo e incomum, e o valor  = 1,204 cai fora do intervalo adequado 0 <  < 1. Seria uma
boa idéia procurar uma especificação melhor.
(b) (i) O valor t para testar H0:  = 0 contra a alternativa H1:   0 é muito baixo (t =
0,1). Assim, não existe evidência estatística para sugerir que a função de produção
Cobb-Douglas não é adequada.
(ii) A função Cobb-Douglas estimada é
ln( Q t ) = 1,555 + 0,438 ln(Lt)  0,076 ln(Kt)
(0,120) (0,073) (0,081)
O coeficiente negativo para ln(Kt) coloca dúvidas na especificação e/ou na qualidade
da estimação. Contudo, os resultados do teste F concordam com o resultado do teste
t da parte (i). Especificamente, o valor calculado para o teste F é F = 0,0092, que
está bem abaixo do valor crítico para qualquer nível de significância convencional.

10.9 (a) (i) A elasticidade demanda para lã em relação ao seu preço é

qt pt p p
p     2 pt 1 t   2 t
pt qt qt qt
(ii) A elasticidade em relação ao preço dos sintéticos é
q t st s s
s     3st 1 t   3 t
st q t qt qt
(b) Se  = 1, então
q t  1   2  pt  1   3  st  1  et   1   2   3    2 pt   3st  et

Assim, a equação é uma função linear de p e s se  = 1.

(c) Os parâmetros estimados e os erros padrão de diferentes pacotes estatísticos estão na
tabela abaixo.

1 2  3
Estimativa do Coeficiente 922,82 13,3120 0,6802 5,4655
Erro Padrão (SHAZAM) 16,06 1,7666 0,0244 0,7052
Erro Padrão (SAS) 16,06 1,7636 0,0244 0,7037
Erro Padrão (Eviews) 16,82 1,8472 0,0255 0,7370

Esse conjunto de parâmetros estimados é obtido da estimação não linear que utiliza os
valores iniciais de 1, 2, 3 e  calculados da estimação de q como uma função linear de p
e s (1 = 784, 2 = 2,32, 3 = 1,02 e  = 1).
No valor médio de p (= 250,91) e de q (= 381,84), a elasticidade da demanda da lã em
relação ao seu preço é
 10

Capítulo 10 Soluções dos Exercícios

 250,91
0,6802
p
 p  2  t  13,312  1, 495
qt 381,84
No valor médio de s (= 180,13) e de q (= 381,84), a elasticidade em relação ao preço dos
sintéticos é

 180,13
0,6802
s
s  3  t  5,4655   0, 4898
qt 381,84

O valor p = 1,495 implica que a demanda é elástica; se o preço da lã sobe em 1%, a

quantidade demandada cai mais do que 1%. Além do mais, ela implica que a receita total
poderia ser aumentada pela redução do preço da lã. A elasticidade cruzada s = 0,4898
indica que à medida que o preço dos sintéticos aumenta, a quantidade de lã demandada se
eleva, mas o aumento na demanda será proporcionalmente menor do que a elevação do
preço.
0,6802  1
(d) Para testar a hipótese que  = 1, nós calculamos t  = 13,107. Utilizando um
0,0244
nível de significância de 5% para 41 graus de liberdade, o valor crítico é tc = 2,02. Assim,
nós rejeitamos H0 e concluímos que os dado não dão suporte a hipótese de que  = 1. A
importância do teste é determinar se uma função simples linear pode ser adequada. Se  =
1, então q é uma função linear de p e s. Os resultados aqui indicam que o modelo linear
não é correto.
(e) Para testar a hipótese H0: 2 = 3 contra a alternativa H1: 2  3 , nós calculamos,
utilizando a matriz de covariância estimada pelo SHAZAM, a estatística do teste
b2  b3 b2  b3
t 
ep  b2  b3  ˆ  b2   var
var ˆ  b3   2cov
ˆ  b2 , b3 

13,312  5, 4655
  7,195
3, 2283  0,5127  2  1, 2758

Como 7,195 é menor do que o valor crítico de 2,02, ao nível de significância de 5% ,

nós rejeitamos H0 e concluímos que 2  3. Para a matriz de covariância estimada pelo
SAS, nós obtemos va r(b2 ) = 3,1103, va r(b3 ) = 0,4951 e co v(b2 , b3 ) = 1,2303,
produzindo um valor t de 7,33. A conclusão do teste é a mesma.
Se um comando de teste automático é empregado em seu programa de computador, o valor
calculado de uma estatística para um teste Wald qui-quadrado será calculado. Para as partes (d)
e (e), esses valores serão aproximadamente iguais ao quadrado de 13,107 e 7,195,
respectivamente. O valor crítico ao nível de significância de 5% para o teste  2(1) é 3,84; ambas
as hipóteses nulas são rejeitadas. Por exemplo, os valores do Eviews para a estatística de Wald
são 157 e 49 para as partes (d) e (e), respectivamente.

10.10 As previsões para os próximos dez anos são apresentadas na tabela abaixo. As previsões
mostram um aumento na produção de aço à uma taxa decrescente. A aproximação do nível de
saturação de 0,46 é muito gradual; levarão alguns anos para ele ser alcançado.
 11

Capítulo 10 Soluções dos Exercícios

t ŷ0 t ŷ0
29 0,4265 34 0,4416
30 0,4302 35 0,4438
31 0,4335 36 0,4458
32 0,4365 37 0,4475
33 0,4392 38 0,4491

10.11 A saturação estimada é ˆ  0,36076 . O ponto de inflexão é estimado como

ˆ ˆ  0, 44784 0,10546  4, 2 . Isso ocorre aproximadamente no ano de 1973. As previsões
para as participações nos próximos dez anos são apresentadas na tabela abaixo. Nós
observamos que levarão 7 anos para a participação aumentar de 0,34 em 2000 para 0,35 em
2006. A participação também aumenta à uma taxa decrescente. Portanto, para alcançar o nível
de saturação de 0,36076, levarão pelo menos mais 15 à 20 anos.
ano ŷ0 ano ŷ0
1998 0,336 2003 0,346
1999 0,338 2004 0,347
2000 0,340 2005 0,349
2001 0,342 2006 0,350
2002 0,344 2007 0,351
 12

Capítulo 10 Soluções dos Exercícios

10.12 (a) Os resultados da estimação e os intervalos de confiança de 95% para cada parâmetro são
apresentados na tabela abaixo. Diferentes programas não dão os mesmos resultados para
os erros padrão em virtude da diferença de algoritmos utilizados para os mínimos
quadrados não lineares. Os intervalos de confiança apresentados na tabela são calculados
com os erros padrão dados pelo EViews. Qualquer que seja o programa utilizado, os
intervalos de confiança calculados são baseados nos erros padrão obtidos com apenas 9
observações. Como os erros padrão do método não linear somente têm boas propriedades
em grandes amostras, os intervalos de confiança baseados em somente 9 observações não
são confiáveis.
1 2 3 4
Estimativa do Coeficiente 0,7184 -1,2052 1374,5 0,0455
Erro Padrão (SHAZAM) 0,0196 0,0746 131,38 0,0059
Erro Padrão (SAS) 0,0264 0,1006 178,52 0,0079
Erro Padrão (EViews) 0,0264 0,1006 178,55 0,0079
Intervalo de Confiança (EViews) (0,651, 0,786) (-1,46, -0,95) (915,4, 1833,6) (0,025, 0,066)

(b) Para x1  1000 e x2  5 , o peso ganho é

 1374, 466 
y0  0,7184  1, 2052exp   0,0455(5)   0,4755
 1000 
Para x1  250 e x2  0 , o peso ganho é

 1374, 466 
y0  0,7184  1,2052exp   0,0455(0)   0,7135
 250 
Com o mesmo custo, a opção da taxa de estocagem de 250 e nenhuma alimentação
suplementar é a melhor escolha.
(c) A hipótese nula é H 0 : (1  2 )  0 e 4  0 . Da saída do EViews, a estatística F e a
estatística  2 são 16,96 e 33,92, respectivamente. Seus valores-p respectivos de 0,0059 e
0,0000 são muito pequenos. Nós, portanto, rejeitamos H 0 e concluímos que o modelo
simples não descreve adequadamente o ganho de peso.
 13

Capítulo 10 Soluções dos Exercícios

10.13 (a) O resultado da estimação está na tabela abaixo.

Coeficiente Erro Padrão estatística t
1 0,9845 0,1997 4,9292
2 -0,8840 0,3911 -2,2603
3 0,1513 0,1746 0,8663

(b) Nós esperamos que 2 seja negativo e 3 seja positivo. As estimativas têm os sinais
esperados.
(c) Como ele é um jogo fora, home =0. Com o record=0,873, a previsão  é
  exp(0,9845  0,8840(0,873))  1,237
Então, utilizando a distribuição de Poisson, nós temos
(1, 237)2 exp(1, 237)
P( y  2)   0, 222
2!
(1, 237)3 exp( 1, 237)
e P( y  3)   0,092
3!

(d) Para home = 1, e record = 0,237

  exp(0,9845  0,884(0, 237)  0,1513)  2,525
E as probabilidades para y = 2 e y = 3 são:
(2,525) 2 exp( 2,525)
P( y  2)   0, 255
2!
(2,525)3 exp(2,525)
P( y  3)   0, 215
3!
(e) Os resultados de (c) e (d) mostram que a probabilidade de Laurie marcar 2 touchdowns é
semelhante, não importa se ele está jogando contra um bom time fora de casa ou contra um
time ruim em casa. Contudo, para Laurie marcar três touchdowns, a probabilidade é muito
maior se ele jogar contra um time ruim em casa. Naturalmente, nós esperaríamos que
subisse a probabilidade de marcar touchdowns nessas circunstâncias.