Curso de especialização em Finanças e Economia Disciplina: Incerteza e Risco Prof: Sabino da Silva Porto Júnior Sabino@ppge.ufrgs.
|
|
- Anna Fialho Gomes
- 8 Há anos
- Visualizações:
Transcrição
1 Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br Introdução Até agora: conseqüêncas das escolhas dos consumdores são conhecdas com certeza. Nova suposção: consumdores e produtores tem apenas uma déa aproxmada dos resultados possíves e atrbuem probabldades para dstntos cenáros possíves. DECISÃO SOB INCERTEZA Probabldades (objetva e subjetva): permtem analsar decsão sob ncerteza. Aplcações: Mercado de seguros ampla-se o conjunto de commodtes. 2 [PPGE/UFRGS]
2 Perfl do tomador de rsco: A decsão por correr mas rsco e maxmzar ganhos (títulos na bolsa de valores) ou correr menos rsco e mnmzar os ganhos depende do perfl do tomador de rsco e de suas preferêncas pessoas. A teora da Utldade possblta ao tomador de decsão ncorporar ao processo decsóro suas preferêncas em relação ao rsco: aversão, neutraldade ou propensão ao rsco e outros fatores subjetvos. Para cada tomador de decsão uma função de utldade 3 Teora da Probabldade Mundo com certeza: Ação resultado certo = ocorre com certeza Agora: Mundo com ncerteza: Ação resultado ncerto = dferentes resultados possíves Se for possível atrbur probabldade postva para esses resultados ncertos é possível analsar decsão de rsco de forma semelhante a analse de decsões em jogos de azar. 4 [PPGE/UFRGS] 2
3 Teora da Probabldade Probabldade objetva: observável va expermento Ex: moeda não-vcada arremessada mutas vezes (000 a 0000 vezes) Moeda justa: p(ca)=p(co)= 50%. Obtém-se, portanto, uma dstrbução de probabldades sobre resultados que é objetva e sso permte fazer prevsões. 5 Teora da Probabldade Moeda Justa: Cara com probabldade ½ Coroa com probabldade ½ Dado justo: ponto pr /6 2 pontos pr /6 3 pontos pr /6 4 pontos pr /6 5 pontos pr /6 6 pontos pr /6 6 [PPGE/UFRGS] 3
4 Teora da Probabldade Probabldade subjetva: experênca; formação/pesqus (nformações a pror); crença. Ex: decdr entre dos atvos; decdr entre dos empregos; tratamento médco. Palpte do Gerente: Um Atvo para R$ 6 por ação com pr /3 e nada com pr zero. Outro Atvo paga R$ 3 com pr ½ e R$ com pr ½ Outro Gerente: tera outro conjunto de palptes. 7 O que devemos saber sobre probabldades? Somam Valor esperado Varânca Independênca 8 [PPGE/UFRGS] 4
5 O que devemos saber sobre probabldades?. Probabldades somam : Moeda: ½ + ½ = Dado: /6 + /6 + /6 + /6 + /6 + /6 = Atvos: /3 + 2/3 = Eventos são mutuamente exclusvos Exaurem todos os resultados possíves Apenas um evento ocorrerá 9 O que devemos saber sobre probabldades? 2. Valor esperado: valor médo dos resultados possíves. Num jogo jogado mutas vezes esse resultado é o esperado. Multplca-se cada resultado por sua probabldade e somam-se os produtos Aposta justa: o preço pago para partcpar do jogo (gamble) é gual ao valor esperado do jogo. 0 [PPGE/UFRGS] 5
6 E[A] = valor esperado do Atvo Se os atvos custam R$ 2, então, a aposta é justa: 2 E [ A ] = (6) + (0) = E [ A2 ] = (3) + () = Proposção: o valor esperado de um resultado certo (pr = ) é o própro valor do resultado. 3. Varânca: jogos dferentes com o mesmo valor esperado podem dferr na dspersão em relação a meda Varânca = é a soma da dferença ao quadrado entre os resultados possíves e o valor esperado da lotera, cada uma, multplcada por suas respectvas probabldades. 2 [PPGE/UFRGS] 6
7 Varânca: dspersão méda dos resultados em relação à méda. Var Var Var = (3 2) + ( 2) [ A ] = ( 6 2) ( 0 2) [ A ] = + = 8 [ A ], 0 2 = 3 4. Independênca Cada vez que o jogo é jogado a dstrbução de probabldades dos resultados é a mesma do jogo sendo uma únca vez. Resultados possíves são ndependentes: A ocorrênca de um evento não tem nfluênca sobre a probabldade de ocorrênca de outro evento. Toda vez que uma moeda justa é arremessada, a probabldade de ocorrer cara contnua sendo de ½ não mportando quantas coroas tenha ocorrdo ate então. 4 [PPGE/UFRGS] 7
8 Proposção: Se dos eventos são ndependentes então a probabldade de que ambos ocorram juntos é a multplcação de ambas as probabldades. Probabldade de obter cara e cara em dos arremessos sucessvos é: Pr(ca, ca) = (/2)(/2) = ¼ Pr(ca, co)= ¼ Pr(co, ca)= ¼ Pr(co, co)= ¼ 5 3 Arremessos: há 8 seqüêncas gualmente prováves Pr(ca, ca, ca)= (/2)(/2)(/2)= (/8) n-arremessos: Há 2 n seqüêncas gualmente prováves cada uma ocorrendo com probabldade (/2) n. Suposção: cada ação n-resultados ndependentes e dferentes. x = valor do - ésmo resultado p = probabld ade do - ésmo resultado ocorrerá. 6 [PPGE/UFRGS] 8
9 Propredades da probabldade n. p =, 0 = 2. pr ( x, x ) = j 3. E [ x ] n [ x ] = p ( x x ) 2 4. Var x = ( = n = p )( p x p ); n j = x = 2. 7 Função Utldade Esperada ou Funcao Utldade de von Neumann- Morgenstern. Lvro: Theory of Games and Economc Behavour Autores: John(y) Von Neumann e Oskar Morgenstern (944; 947) 8 [PPGE/UFRGS] 9
10 Paradoxo de São Petersburgo Voce deve pagar R$ 00 para jogar um dos seguntes jogos, qual voce escolhera? Jogo : Voce recebe de volta R$00. Jogo 2: arremessa-se uma Moeda justa e: Se sar Cara, voce ganha R$ 200. Se sar Coroa, voce ganha R$ 0. 9 Qual jogo, você escolhera? Jogo 3: Arremesso de um dado Justo que paga os seguntes premos: Se sar, voce ganha R$ 400 Se sar 2, voce ganha R$ 70 Se sar 3, voce ganha R$ 55 Se sar 4, voce ganha R$ 25 Se sar 5, voce ganha R$ 40 Se sar 6, voce ganha R$ 0 20 [PPGE/UFRGS] 0
11 Usando o crtéro do Valor Esperado: Todos os jogos têm valor esperado dêntco e gual a R$ 00. Nova questao: voce escolhera gualmente todos os jogos ou voce é ndferente aos tres jogos? Vamos calcular a varanca dos jogos: Jogo : varânca zero 2 2 Jogo 2: Var( jogo2) = ( ) + (0 00) = Jogo 3: Var( jogo3) = ( ) = Portanto, você podera optar pelo jogo que é o que apresenta a menor varânca. 22 [PPGE/UFRGS]
12 Paradoxo de São Petersburgo Danel Bernoull (738) Matemátco suíço do século XVIII. Fo Introduzdo pelo seu prmo Ncolaus Bernoull em 73. Hstora do jogo: uma moeda justa é arremessada até que cara aparece pela prmera vez. O payoff do jogador depende do numero de arremessos antes de cara aparecer pela prmera vez. 23 Payoffs do jogo: Se cara aparece na a tentatva: R$ 2 (p=/2) Se cara aparece na 2a tentatva: R$ 4 (p=/4) Se cara aparece na 3a tentatva: R$ 8 (p=/8) Se cara aparece na 4a tentatva: R$ 6 (p=/6) Se cara aparece na n-ésma tentatva: R$ 2 n (p=/ 2 n ) 24 [PPGE/UFRGS] 2
13 Valor Esperado desse Jogo: VE ( jogo VE ( jogo VE ( jogo ) = = n ) 2 n n = 2 ) = = Paradoxo: nnguém pagara uma quantdade nfnta para jogar esse jogo proposto, mesmo esperando ganha uma fortuna. Alás, poucos pagaram pouco mas do que alguns reas para jogar esse jogo. Motvo: a varânca também é nfnta. E mutos preferem menos ncerteza a mas ncerteza. 25 Motvação para Utldade Esperada: Paradoxo de São Petersburgo: sugere que precsamos de outro conceto além do valor esperado para tomar decsão num ambente envolvendo Incerteza e Rsco. Usamos a Utldade Esperada (EU): que se consttu numa representação das preferêncas sob ncerteza em termos de valor esperado de um conjunto de utldades sobre os resultados ou conseqüêncas possíves de uma ação ou escolha. A função utldade assoca aos prêmos monetáros valores de uma quantdade abstrata chamada utldade de modo a representar o comportamento do tomador de decsão em relação ao rsco. 26 [PPGE/UFRGS] 3
14 Utldade Esperada U vn M = EU = { } pu( x) = Lnear em Probabldades (p ) n Passos necessáros: a. Defnr um conjunto de suposções razoáves que o índce de Utldade Esperada deve satsfazer. b. Construr um Índce de Utldade Esperada. 27 Utldade Esperada- Axomas báscos (suposções). Preferêncas sobre resultados possíves são completas, reflexvas e transtvas. Supor rank de resultados:. X = por resultado Subscrto ndca ordem de 2. Xn = melhor resultado preferênca 2. Loteras compostas podem ser reduzdas a loteras smples x~. A lotera composta tem a mesma probabldade fnal sobre resultados que a lotera smples. 28 [PPGE/UFRGS] 4
15 Exemplo de Lotera composta: reduconsmo Prmero jogo (gamble): Regras ou hstóra do jogo: Arremesse uma moeda: se CARA aparece, você deve arremessar outra moeda, se CARA aparece novamente você ganha R$,00. Se aparece COROA você ganha R$ 0,75. Se aparece coroa no prmero arremesso: você deve jogar um dado. Seu prêmo agora é R$ 0,0 por ponto no dado, ou seja, você ganha: R$ 0,0 Ponto; R$ 0,20 2 Pontos; (...); R$ 0,60 6 Pontos. 29 Fgura ou representação gráfca do jogo Game : Pr (ca)= Pr(co)= 05 0,5 P(ca,ca)= (/2)(/2) = (¼) chance de obter R$,00 P(ca,co)=(/2)(/2) = (/4) chance do obter R$ 0,75 Game 2: Coroa na prmera rodada: P(co, )= (/2)(/6) = (/2) chance de obter R$ 0,0 P(co, 2)= (/2)(/6) = (/2) chance de obter R$ 0,20 P(co, 3)= (/2)(/6) = (/2) chance de obter R$ 0,30 P(co, 4)= (/2)(/6) = (/2) chance de obter R$ 0,40 P(co, 5)= (/2)(/6) = (/2) chance de obter R$ 0,50 P(co, 6)= (/2)(/6) = (/2) chance de obter R$ 0,60 30 [PPGE/UFRGS] 5
16 Nova Lotera: reduzda Oferece: R$,00 com pr =/4 R$ 0,75 com pr= ¼ R$ 0,60 com pr= /2 R$ 0,50 com pr= /2 R$ 0,40 com pr= /2 R$ 0,30 com pr= /2 R$ 0,20 com pr= /2 R$ 0,0 com pr= /2 Fgura do jogo: Lotera composta 3 lotera reduzda roda da fortuna Grar a RODA DA FORTUNA: ganha o prêmo assocado com a quantdade mostrada onde o pontero para. Pedaços de pzza Probabldade da Lotera smples. Axoma 2: dz que o consumdor é ndferente entre joga o prmero ou segundo jogo. Os dos jogos propcam a mesma utldade. 32 [PPGE/UFRGS] 6
17 Segundo jogo: roda da fortuna 33 Utldade Esperada: axomas báscos 3. Axoma da contnudade: para cada resultado x entre x ex n o consumdor pode atrbur uma probabldade p, tal que ele é ndferente entre obter x com certeza e jogar uma lotera (que envolve obter x n com probabldade p ex com probabldade (- p )). Vamos chama-la de lotera x~ Notação : x~ = lotera x = ( x, x n p = probabld ade de sar o resultado ( - p ) = probabld ade de obter o resultado ) = resultados possíves da lotera. x x n 34 [PPGE/UFRGS] 7
18 Axoma da Substtutbldade: a lotera x~ x sempre pode ser substtuída por seu Equvalente certo (EC) x em qualquer outra lotera, pos o consumdor é ndferente entre eles. 5. Preferêncas sobre loteras são transtvas 6. Axoma da monotoncdade: se duas loteras têm 2 alternatvas t dêntcas, cada uma dferndo d em probabldades, então a lotera que dá maor probabldade para a alternatva mas preferda é preferda à outra lotera. px + p) x p x + ( p ) x sse p [ ] [ ] p n ( n 35 Indvíduo raconal: escolhe a alternatva de rsco que maxmza utldade esperada Proposção: se preferêncas sobre loteras satsfazem os axomas () a (6) então podemos assnalar números U(x ) assocados com x, tal que se compararmos 2 loteras L e L que oferecem probabldade (p...p n ) e (p...p n ) de obter os mesmos resultados, L será preferível a L sse: n pu ( x ) > pu ( x ) = n = 36 [PPGE/UFRGS] 8
19 Interpretações: I. A ordem de classfcação no rankng de Utldades Esperadas, reflete a ordem no rankng de classfcação sobre Loteras. II. Indvduo raconal: Maxmza Utldade esperada ao escolher alternatvas quem envolvem rsco ou ncerteza. 37 O Índce de Utldade de vn-m Forma de construção: 38 [PPGE/UFRGS] 9
20 ) Constura o Rankng de todos os resultados possíves: x x 2 x3... x n x n Atrbua, ao resultado menos-preferdo, valor utldade zero: u(x )= 0; Atrbua, ao resultado mas-preferdo, valor utldade um: u(x n )= ; Atrbua, a todos os resultados ntermedáros possíves x um valor utldade p : 39 Resumo: U ( x ) 0 U ( x n U ( x ) ) p Onde: x = é um Equvalente Certo de uma lotera que gera o premo x n com probabldade p e x com probabldade p. Equvalente Certo: é a quantdade de dnhero pela qual o ndvduo é ndferente entre a lotera e a quantdade certa. 40 [PPGE/UFRGS] 20
21 Reforçando: x é o Equvalente Certo (EC) de uma lotera envolvendo x n com probabldade p e x com probabldade (-p ). Esse índce de utldade equvale a tomar valores esperados das utldades de x n e x usando as probabldades p e (-p ) assocadas com a lotera para a qual x é o EC: U ( x ) = pu ( xn) + ( p ) U ( x) = p + 0 = p (2) 4 Esse índce de utldade descrto em () e (2) é únco em transformações lneares ou afns: Uma transformação lnear preserva o EC. Consdere U(x ), então: V ( x ) = c + du ( x ) (3) Substtun V ( x ) = c + d.0 = c V ( x ) = c + d. = c + d n De (4) a Utldade do () em (3) : Esperada de x, dad o p V ( x ) = p ( c + d ) + ( p ) c = c + dp O valor de V(x ) é o mesmo da utldade transformada de x. Portanto, (5) mostra que quando avalamos a utldade esperada de x va transformação lneares das utldades de x e x n obtemos de volta a utldade transformada de x e sso sgnfca que transformações lneares preservam o EC. (4) (5) : 42 [PPGE/UFRGS] 2
22 Axoma da Independênca: Axoma da Independênca : a relação de preferêncas no espaço de loteras smples satsfaz o axoma da Independênca se para três loteras dstntas L, L' e L"pertencente ao espaço de Loteras,e tomando-se a dstrbução de Probabldades sobre resultados p [0,], temos que : se L L', então, p L + (- p )L" p L' + ( p ) L". Em palavras: Se combnarmos cada uma das duas loteras L e L com uma tercera lotera L, então a ordem das duas msturas resultantes não depende (ndependênca) da tercera lotera utlzada L. Ou seja, a ordem de preferêncas entre loteras L e L não se altera. 43 Comportamento em relação ao rsco Comportamento dos ndvíduos, que são defndos pela forma da UE:. Rsk averse: para uma rqueza constante um resultado certo é sempre preferível a uma lotera com o mesmo valor esperado, mas com alguma varânca postva 2. Rsk neutro: o ndvduo ndferente entre o resultadocertoealoterademesmovaloresperado. 3. Rsk lover: ndvduo prefere a lotera ao resultado certo. 44 [PPGE/UFRGS] 22
23 Aversão ao rsco 3 resultados possíves 2 ações que podem ser tomadas e que rendem os resultados com probabldades dferentes Resultado : R$ 50 U(50) = 30 Resultado 2: R$ 00 U(00) = 80 Resultado 3: R$ 50 U(50) = 0 (6) Ação A: rende R$ 00 e tem uma EU de 80: E{U(ação A)}= ().U(00)= 80. (7) Ação B: rende R$ 50 com pr. ½ e rende R$ 50 com pr. ½. 45 { ( ação B) } E U = U (50) + 2 E U 2 E U ( ação B) < E U ( ação A) 2 { ( ação B) } = (30 + 0) = 70 U (50) { } { } (8) Mesmo cada ação rendendo um payoff esperado de R$ 00, a Utldade Esperada da ação B é menor que a Utldade Esperada da ação A. Isso ocorre porque a função Utldade desse ndvduo é côncava. Questão: qual a forma R$ 00 U(00) = 80 funconal da função Utldade R$ 50 U(50) = 30 de Bernoull? R$ 50 U(50) = 0 Dca: é uma função Côncava 46 [PPGE/UFRGS] 23
24 Indvduo Avesso ao Rsco: Função Utldade U(x) côncava. $50 $00 $50 A EU do gamble 50/50 em [00+50] e [00-50] está no ponto médo da combnação lnear da utldade de R$ 50 e R$ 50. Essa EU = 70, é menor do que recebe R$ 00 com certeza, EU = 80. Proposção: ndvíduos que tem função utldade côncava são avessos ao rsco. 47 Aversão ao rsco: Este ndvduo, que é avesso ao rsco, estara dsposto a pagar a quantdade γ para evtar o rsco: Com um payoff de [00- γ] o ndvíduo obtém uma U(00- γ)= 70 e não tem que tomar qualquer rsco. Defnmos: γ = prêmo de rsco: é a quantdade que um ndvduo avesso ao rsco está dsposto a pagar para não correr rscos. [00- γ]= Equvalente certo 48 [PPGE/UFRGS] 24
25 Attudes em relação ao rsco: U (x) E{U(x)\ U x a x x + a x ã x x 4- a x-a x x + a x Rsk Neutro Rsk Averse Rsk Lover 49 Rsk Averse Utldade margnal dmnu com aumento da renda Prefere uma renda certa de 20 a uma lotera que oferece 0 com probabldade ½ e 30 com probabldade de ½. 50 [PPGE/UFRGS] 25
26 Rsk Lover A lotera propca mas utldade que o resultado certo (20). 0,5 5 [PPGE/UFRGS] 26
DECISÃO SOB INCERTEZA
PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br 1 Introdução
Leia maisEscolha do Consumidor sob condições de Risco e de Incerteza
9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera
Leia maisIntrodução. Incerteza: o básico. Perfil do tomador de risco: Teoria da Probabilidade. Prof: Sabino da Silva Porto Júnior
Icerteza: o básco Prof: Sabo da Slva Porto Júor Sabo@ppge.ufrgs.br Itrodução Até agora: coseqüêcas das escolhas dos cosumdores são cohecdas com certeza. Nova suposção: cosumdores e produtores tem apeas
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES
O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 4.3. Decisão Intertemporal do Consumidor O Mercado de Capital
Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 4.3 Decsão Intertemporal do Consumdor O Mercado de Captal Isabel Mendes 2007-2008 4/17/2008 Isabel Mendes/MICRO II 1 3. EQUILÍBRIO
Leia mais1 Princípios da entropia e da energia
1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia
CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da
Leia maisUNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR
Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão
Microeconomia II Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 3.2 Utilidade Esperada Von Neumann-Morgenstern: Aplicação ao Mercado de Seguros Isabel Mendes 2007-2008 18-03-2008
Leia maisRegressão e Correlação Linear
Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,
Leia maisCovariância e Correlação Linear
TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento
Leia maisDespacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos
Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade
Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisJogos. Redes Sociais e Econômicas. Prof. André Vignatti
Jogos Redes Sociais e Econômicas Prof. André Vignatti Teoria dos Jogos Neste curso, queremos olhar para redes a partir de duas perspectivas: 1) uma estrutura subjacente dos links de conexão 2) o comportamentos
Leia maisRastreando Algoritmos
Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos
Leia maisSistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001
Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)
Leia maisY X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)
Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisPolos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa
Polos Olímpcos de Trenamento Curso de Teora dos Números - Nível 2 Prof. Samuel Fetosa Aula 10 Dvsores Suponha que n = p α 1 2...pα é a fatoração em prmos do ntero n. Todos os dvsores de n são da forma
Leia maisPROVA DE MATEMÁTICA DO VESTIBULAR 2013 DA UNICAMP-FASE 1. RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA
PROVA DE MATEMÁTICA DO VESTIBULAR 03 DA UNICAMP-FASE. PROFA. MARIA ANTÔNIA C. GOUVEIA QUESTÃO 37 A fgura abaxo exbe, em porcentagem, a prevsão da oferta de energa no Brasl em 030, segundo o Plano Naconal
Leia maisObjetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO ESPECIALIZAÇÃO EM MERCADO DE CAPITAIS
UNIVESIDADE FEDEAL DO IO GANDE DO SUL ESCOLA DE ADMINISTAÇÃO OGAMA DE ÓS-GADUAÇÃO EM ADMINISTAÇÃO ESECIALIZAÇÃO EM MECADO DE CAITAIS MODENA TEOIA DE CATEIAS: DESENVOLVIMENTO E ANÁLISE DE UM MODELO DE SELEÇÃO
Leia maisCAPÍTULO IV TEORIA DE JOGOS
CAPÍTULO IV TEORIA DE JOGOS 66 Teora de Jogos Caracterzação:. Cenáro determnístco.. v. Um conjunto de agentes de decsão (jogadores) Um conjunto de estratégas (acções) puras Uma função utldade para cada
Leia maisUm protótipo de mercado de ações usando Algoritmos Genéticos
> REVISA DE INELIGÊNCIA COMPUACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-10 1 Um protótpo de mercado de ações usando Algortmos Genétcos W. Fretas Departamento de Físca, PUC-Ro Resumo O modelo
Leia maisCAPÍTULO 1 Exercícios Propostos
CAPÍTULO 1 Exercícos Propostos Atenção: Na resolução dos exercícos consderar, salvo menção em contráro, ano comercal de das. 1. Qual é a taxa anual de juros smples obtda em uma aplcação de $1.0 que produz,
Leia maisProbabilidade nas Ciências da Saúde
UNIVERSIDDE ESTDUL DE GOIÁS Undade Unverstára de Cêncas Exatas e Tecnológcas Curso de Lcencatura em Matemátca robabldade nas Cêncas da Saúde Rafaela Fernandes da Slva Santos NÁOLIS 014 Rafaela Fernandes
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisEnergia de deformação na flexão
- UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Energa de deformação na
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisImplementação Bayesiana
Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisJogos Equilíbrio de Nash
Jogos Equilíbrio de Nash Redes Sociais e Econômicas Prof. André Vignatti Aula Passada Definição de Jogos Jogos do tipo Dilema do Prisioneiro Estratégias dominantes fácil entender o resultado do jogo Exemplos
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia mais7. Resolução Numérica de Equações Diferenciais Ordinárias
7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisCAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Leia mais1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.
A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.
Leia maisPARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.
EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve
Leia maisCENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG
1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o
Leia maisAplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2
Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer
Leia maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson
Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens
Leia maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o
Leia maisLQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05
LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos 04-05 CONCEITO DE ERRO ALGARISMOS SIGNIFICATIVOS Embora uma análse detalhada do erro em Químca Analítca esteja fora do âmbto desta cadera, sendo abordada
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia mais2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6:
Lsta de Exercícos - Probabldade INE 700 GABARITO LISTA DE EXERÍIOS PROBABILIDADE ) Vamos medr o tempo de duração da lâmpada. Ao lgarmos a lâmpada ela pode não funconar, ou durar um tempo ndetermnado. a)
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia mais1. Conceitos básicos de estatística descritiva. A ciência descobre relações de causa efeito entre fenómenos. Há fenómenos que são muito complexos
2 Matemátca Fnancera e Instrumentos de Gestão Sumáro 1. Concetos báscos de estatístca descrtva 1.1. 2ª Aula 1.2. 1.2.1. Frequênca relatva 1.2.2. Frequênca relatva acumulada 3 4 A cênca descobre relações
Leia maisForma extensiva: Jogos na forma extensiva: Definições: Observações
Forma extensva: Jogos na forma extensva: Drew Fudenberg e Jean Trole (993, cap. 3) Chrstan Montet e Danel Serra (003, cap. ) Descrção exata dos sucessvos movmentos dos jogadores em conexão com a nformação
Leia maisApostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna
Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade
Leia maisAula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisPROBABILIDADE - CONCEITOS BÁSICOS
ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo
Leia maisInfluência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção
Influênca dos Procedmentos de Ensaos e Tratamento de Dados em Análse Probablístca de Estrutura de Contenção Mara Fatma Mranda UENF, Campos dos Goytacazes, RJ, Brasl. Paulo César de Almeda Maa UENF, Campos
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisSistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?
Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda
Leia maisUniversidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações.
A CONSTRUÇÃO DE CARTEIRAS EFICIENTES POR INTERMÉDIO DO CAPM NO MERCADO ACIONÁRIO BRASILEIRO: UM ESTUDO DE CASO PARA O PERÍODO 006-010 Rodrgo Augusto Vera (PROVIC/UEPG), Emerson Martns Hlgemberg (Orentador),
Leia maisGST0045 MATEMÁTICA FINANCEIRA
GST0045 MATEMÁTICA FINANCEIRA Concetos Báscos e Smbologa HP-12C Prof. Antono Sérgo A. do Nascmento asergo@lve.estaco.br GST0045 Matemátca Fnancera 2 Valor do dnhero no tempo q O dnhero cresce no tempo
Leia mais2. VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo
Leia maisFísica. Física Módulo 1 Vetores, escalares e movimento em 2-D
Físca Módulo 1 Vetores, escalares e movmento em 2-D Vetores, Escalares... O que são? Para que servem? Por que aprender? Escalar Defnção: Escalar Grandea sem dreção assocada. Eemplos: Massa de uma bola,
Leia maisCOMO PARTICIPAR EM UMA RODADA DE NEGÓCIOS: Sugestões para as comunidades e associações
COMO PARTICIPAR EM UMA RODADA DE NEGÓCIOS: Sugestões para as comunidades e associações R E A L I Z A Ç Ã O A P O I O COMO PARTICIPAR EM UMA RODADA DE NEGÓCIOS: Sugestões para as comunidades e associações
Leia maisElaboração: Fevereiro/2008
Elaboração: Feverero/2008 Últma atualzação: 19/02/2008 E ste Caderno de Fórmulas tem por objetvo esclarecer aos usuáros a metodologa de cálculo e os crtéros de precsão utlzados na atualzação das Letras
Leia maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.4
Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.4 Provsão de Bens Públcos de forma descentralzada: a solução de Lndahl Isabel Mendes 2007-2008 13-05-2008 Isabel Mendes/MICRO
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisSinopse da Teoria da Escolha
14.126 Teoria dos Jogos Sergei Izmalkov e Muhamet Yildiz Outono de 2001 Sinopse da Teoria da Escolha Esta nota resume os elementos da teoria da utilidade esperada. Para uma exposição em detalhes dos quatro
Leia maisREGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como:
REGRESSÃO LOGÍSTCA. ntrodução Defnmos varáves categórcas como aquelas varáves que podem ser mensurados usando apenas um número lmtado de valores ou categoras. Esta defnção dstngue varáves categórcas de
Leia maisCAPÍTULO 4 - Variáveis aleatórias e distribuições de probabilidade
CAPÍTULO 4 - Varáves aleatóras e dstrbuções de probabldade Conceto de varável aleatóra Uma função cujo valor é um número real determnado por cada elemento em um espaço amostral é chamado uma varável aleatóra
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisSempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.
Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca
Leia maisPROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ
GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisMercados de Publicidade
Mercados de Publicidade em Busca Web Redes Sociais e Econômicas Prof. André Vignatti O Princípio da VCG para um Mercado de Emparelhamento Geral Vamos generalizar o exemplo para obtermos um método genérico
Leia maisCaderno de Exercícios Resolvidos
Estatístca Descrtva Exercíco 1. Caderno de Exercícos Resolvdos A fgura segunte representa, através de um polígono ntegral, a dstrbução do rendmento nas famílas dos alunos de duas turmas. 1,,75 Turma B
Leia maisQuem quer ser um milionário? Série Matemática na Escola
Quem quer ser um milionário? Série Matemática na Escola Objetivos. Apresentar o famoso Paradoxo de São Petersburgo 2. Definir esperança matemática 3. Introduzir a teoria da escolha envolvendo o risco Quem
Leia maisCOMO GANHAR DINHEIRO COM AS APOSTAS?
COMO GANHAR DINHEIRO COM AS APOSTAS? Para ganhar dinheiro com as apostas temos de apostar com valor esperado Para compreender este conceito temos de entender o conceito de valor esperado nulo (ou justo).
Leia maisDocumento Explicativo
Decisão de Preço do Suco de Laranja 13 de junho de 2013 Visão Geral O Comitê de Critérios tomou uma decisão em relação ao projeto de Revisão de Preços do Suco de Laranja. O resultado disso é que novos
Leia maisCálculo do Conceito ENADE
Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação
Leia maisDiferença entre a classificação do PIB per capita e a classificação do IDH
Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca
Leia maisMicroeconomia I. Licenciaturas em Administração e Gestão de Empresas e em Economia
Mcroeconoma I Lcencaturas em Admnstração e Gestão de Empresas e em Economa Ano lectvo 010-011 Teste Intermédo 1º Semestre 5 de Outubro de 010 Regente: Fernando Branco (fbranco@ucppt) Catarna Slva, Danel
Leia maisAV2 - MA 12-2012. (a) De quantos modos diferentes posso empilhá-los de modo que todos os CDs de rock fiquem juntos?
Questão 1. Num porta-cds, cabem 10 CDs colocados um sobre o outro, formando uma pilha vertical. Tenho 3 CDs de MPB, 5 de rock e 2 de música clássica. (a) De quantos modos diferentes posso empilhá-los de
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisNúmeros Complexos. Conceito, formas algébrica e trigonométrica e operações. Autor: Gilmar Bornatto
Números Complexos Conceto, formas algébrca e trgonométrca e operações. Autor: Glmar Bornatto Conceto (parte I) Os números complexos surgram para sanar uma das maores dúvdas que atormentavam os matemátcos:
Leia maisNúcleo de Pesquisas em Qualidade de Vida FCECA 4 MENSURAÇÃO DO BEM-ESTAR SOCIAL: ALTERNATIVA METODOLÓGICA E REQUERIMENTO DE DADOS
Núcleo de Pesqusas em Qualdade de Vda FCECA 4 MENSURAÇÃO DO BEM-ESTAR SOCIAL: ALTERNATIVA METODOLÓGICA E REQUERIMENTO DE DADOS 1. Introdução A busca de uma base concetual para a obtenção de meddas de bem-estar
Leia mais01. Em porcentagem das emissões totais de gases do efeito estufa, o Brasil é o quarto maior poluidor, conforme a tabela abaixo:
PROCESSO SELETIVO 7 RESOLUÇÃO MATEMÁTICA Rosane Soares Morera Vana, Luz Cláudo Perera, Lucy Tem Takahash, Olímpo Hrosh Myagak QUESTÕES OBJETIVAS Em porcentagem das emssões totas de gases do efeto estufa,
Leia maisLista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.
Lsta de Exercícos de Recuperação do Bmestre Instruções geras: Resolver os exercícos à caneta e em folha de papel almaço ou monobloco (folha de fcháro). Copar os enuncados das questões. Entregar a lsta
Leia maisAssociação de resistores em série
Assocação de resstores em sére Fg.... Na Fg.. está representada uma assocação de resstores. Chamemos de I, B, C e D. as correntes que, num mesmo nstante, passam, respectvamente pelos pontos A, B, C e D.
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia maisTomada de Decisão e Distribuições de Probabilidade. Lupércio França Bessegato
Tomada de Decisão e Distribuições de Probabilidade Lupércio França Bessegato Introdução Roteiro Tabela de Retorno e Árvore de Decisão Critérios para Tomada de Decisão Exemplos de Aplicação Referências
Leia maisContagem (2) Anjolina Grisi de Oliveira. 2007.1 / CIn-UFPE. Centro de Informática Universidade Federal de Pernambuco
1 / 24 Contagem (2) Anjolina Grisi de Oliveira Centro de Informática Universidade Federal de Pernambuco 2007.1 / CIn-UFPE 2 / 24 O princípio da multiplicação de outra forma O princípio da multiplicação
Leia maisVE = (0.1)($100) + (0.2)($50) + (0.7)($10) = $27.
Pindyck & Rubinfeld, Capítulo 5, Incerteza :: EXERCÍCIOS 1. Considere uma loteria com três possíveis resultados: uma probabilidade de 0,1 para o recebimento de $100, uma probabilidade de 0,2 para o recebimento
Leia mais