[MÚSICA] [MÚSICA] Até agora, no curso, nós vimos uma série de questões acerca dos nossos estimadores. Primeiro, definimos o modelo no qual estamos interessados, depois, vimos alguns métodos de estimação dos parâmetros desse modelo. Esses métodos de estimação levam aos estimadores -- vimos alguns exemplos, como os estimadores de mÃnimos quadrados ordinários, de máxima verossimilhança e pelo método dos momentos; vimos, também, como calculamos a variância desses estimadores. Lembre-se sempre de que os nossos estimadores são variáveis aleatórias, então eles têm uma distribuição de probabilidade por trás deles. Assim, podemos observar o primeiro momento dessa distribuição, que, idealmente, deve ser igual ao parâmetro verdadeiro, que é o conceito de viés, e também podemos calcular a variância desses estimadores, que é uma medida de dispersão dessa distribuição. Neste módulo, nós veremos como podemos derivar a distribuição de probabilidade desses estimadores, que é extremamente importante para que façamos teste de hipóteses sobre os parâmetros verdadeiros. Assim, nós podemos responder a algumas perguntas bastante importantes, como, por exemplo, será que os consumidores de cigarro são sensÃveis ao preço do maço? Será que a renda é importante para o consumo de alguns produtos? Será que a escolaridade influencia o retorno salarial dos indivÃduos? Não basta que simplesmente conheçamos o estimador, temos que testar todas essas hipóteses sobre os parâmetros verdadeiros. Assim, é importante derivarmos as distribuições dos estimadores, para que possamos fazer teste de hipóteses. Assim, podemos testar hipóteses sobre esses parâmetros, hipóteses individuais, como as que comentamos agora há pouco, mas também hipóteses múltiplas, que veremos ao final desse módulo. [MÚSICA] [MÚSICA]