Considere o gráfico a seguir.

A curva II resulta de um deslocamento para cima da curva de oferta I após a aplicação de um tributo sobre o consumo do bem cujo mercado se analisa. A demanda por esse bem é representada pela curva III. O chamado “peso morto da tributação” é dado pela área

Considerando o modelo de regressão linear múltipla y = Xβ + e , sendo y_nx1 o vetor de valores observados para a variável resposta, X_nxp a matriz de regressores, β_px1 o vetor de parâmetros e e_nx1 o vetor de erros aleatórios, analise as proposições abaixo.
1) Quando os elementos não diagonais da matriz de variâncias-covariâncias (Var(e)) forem todos não nulos, tem-se presença de correlação não nula entre os elementos de y. 2) Assumindo e_l =0,1e_i-1-1 + u_i,i = 1,...,n, sendo u_i um ruído branco, tem-se uma estrutura de autocorrelação dos erros, baseada em um modelo AR(1). 3) Sob autocorrelação, o estimador de mínimos quadrados para β permanece não viesado, atendendo ao Teorema de Gauss-Marcov. 4) Sob heteroscedasticidade, o estimador de mínimos quadrados para p permanece não viesado, porém não satisfaz o Teorema de Gauss-Marcov.
Estão corretas:

Considerando o modelo IS-LM para uma economia fechada, um aumento dos gastos do governo provocará na taxa real de juros e na renda real, respectivamente:

Considere o modelo de regressão linear múltipla Y = xβ +u, em que X denota a matriz de regressores, β é o vetor de parâmetros e u representa o vetor de erros aleatórios, tendo vetor de médias igual ao vetor nulo. Com base nesses dados, é correto afirmar que:

Acerca da análise de séries temporais, assinale a alternativa correta.

Sobre os modelos de regressão linear com erros normais, é correto afirmar que:

Considerando dados x = (x1,x2, ...,xn), em uma amostra de tamanho n, é correto afirmar que:

Uma variável aleatória Y é definida tal que , sendo X uma variável aleatória que tem distribuição exponencial com média 20. A variável Y é utilizada em uma política de seguro com dedução de franquia d = 2. Assinale a alternativa que mostra o valor mais próximo da esperança matemática de Y.