A análise econômica dos fluxos financeiros é crucial para fundamentar as decisões de investimento dos agentes econômicos. A esse respeito, julgue o item abaixo.

No modelo de formação de preços para bens de capital — capital asset pricing model (CAPM) —, se a constante beta, que mensura o risco não- diversificável do ativo, for nula, então a taxa de desconto de um determinado ativo é igual à taxa de desconto sem risco.

A análise econômica dos fluxos financeiros é crucial para fundamentar as decisões de investimento dos agentes econômicos. A esse respeito, julgue o item abaixo.

Políticas monetárias restritivas que aumentem a taxa de juros reduzem o valor presente de uma perpetuidade.

Ainda com respeito à teoria econométrica, julgue o item a seguir.

O coeficiente de correlação linear entre duas variáveis aleatórias é uma medida do grau de associação linear entre elas e é sempre maior ou igual a zero e menor ou igual a um.

Ainda com respeito à teoria econométrica, julgue o item a seguir.

Um estimador é dito ser assintoticamente não-viesado se o limite, quando o número de observações tende a infinito, de seu valor esperado, é igual ao parâmetro verdadeiro.

Ainda com respeito à teoria econométrica, julgue o item a seguir.

Em um teste de hipótese, o poder é dado por 1 menos a soma das probabilidades de erro do tipo I e do tipo II.

Ainda com respeito à teoria econométrica, julgue o item a seguir.

Em um teste de hipótese, a probabilidade de erro do tipo I é a probabilidade de se aceitar a hipótese nula em teste quando esta é falsa.

Ainda com respeito à teoria econométrica, julgue o item a seguir.

Nem todo estimador consistente é não-viesado (não-tendencioso).

Considere um modelo simples de regressão linear do tipo !$ y = \alpha+ \beta\,x + \varepsilon !$, em que y é a variável dependente, x é a variável independente não- estocástica e g é um termo de erro aleatório que possui média zero. A respeito desse modelo, julgue o item subsequente.

No modelo em apreço, e considerando o teste da hipótese nula !$ H_0: \beta = 0 !$, a estatística de teste t é dada por !$ \mathbf{ { \large b \over v(b)}} !$, em que b é o estimador de mínimos quadrados de !$ \beta !$ e v(b) é a variância estimada de b dada pela soma dos quadrados dos resíduos dividida por !$ (n -2)x \sum x_t^2 !$ , em que n denota o número de observações.

Considere um modelo simples de regressão linear do tipo !$ y = \alpha+ \beta\,x + \varepsilon !$, em que y é a variável dependente, x é a variável independente não- estocástica e g é um termo de erro aleatório que possui média zero. A respeito desse modelo, julgue o item subsequente.

O coeficiente de determinação ajustado da regressão R² pode ser negativo.

Considere um modelo simples de regressão linear do tipo !$ y = \alpha+ \beta\,x + \varepsilon !$, em que y é a variável dependente, x é a variável independente não- estocástica e g é um termo de erro aleatório que possui média zero. A respeito desse modelo, julgue o item subsequente.

O estimador de mínimos quadrados ordinários do parâmetro de inclinação !$ \beta !$ pode ser escrito como !$ \mathbf{ { \large \sum (x_t- \bar{x}) (y_t- \bar{y})\over \sum (x_t- \bar{x})^2}} !$, em que !$ \bar{x} !$ e !$ \bar{y} !$denotam as médias amostrais das variáveis independente e dependente, respectivamente, e o índice t varia no conjunto das observações.