3.2 Processo de Wiener

Tamanho: px
Começar a partir da página:

Download "3.2 Processo de Wiener"

Transcrição

1 3. Proceo de Wener Proceo de Wener, ou Movmeno Brownano, é um po parcular de Proceo de Markov, muo ulzado na fíca para decrever o movmeno de uma parícula que eá ujea a um grande número de pequeno choque moleculare. Grande pare do modelo deenvolvdo nee lvro ão baeado nee proceo de empo conínuo. Proceo de Wener é um proceo em empo conínuo com rê propredade mporane:. É um Proceo de Markov (mua veze o Proceo de Wener é conderado como um Proceo de Markov de empo conínuo). Am, udo que e preca para fazer uma prevão do valor fuuro da varável é a ua drbução de probabldade e o eu valor aual.. Pou ncremeno ndependene. 3. Mudança no proceo obre qualquer nervalo de empo ão normalmene drbuída, com uma varânca que aumena lnearmene com o nervalo de empo. A rê propredade acma decra podem parecer er rerva, po abemo, por eemplo, que o preço da açõe egue uma drbução log-normal (preço de uma ação nunca ca abao de zero). Para conornarmo ee problema, baa modelarmo o logarmo do preço como um Proceo de Wener. Ma formalmene, condere que agora que ) eja um Proceo de Wener. Enão qualquer varação em z, z (correpondene a um nervalo de empo ), afaz a egune condçõe: ~. A relação enre z e é dada por z ~, onde ~ ~ (,). A varável aleaóra não pou correlação eral, o é, ), para. Dea forma, o valore de z para do quaquer do nervalo dferene ão ndependene, de forma que ) egue um proceo de Markov. Probabldade,4 Drbução de (,), Drbução Cumulava de (,),3,75,,5,,5 Valor de, -4, -3, -, -,,,, 3, 4,, -4, -3, -, -,,,, 3, 4, D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho 6

2 Da propredade egue que z em drbução normal com: Méda: ~ z) ~ ) ~ ) Varânca: ~ z ) ~ ) ~ ). ~ z ) Podemo conclur enão que o ncremeno do Proceo de Wener eguem uma drbução normal com parâmero ~ z ~ (, ) Já a propredade mplca que ) egue um Proceo de Markov. Iremo a egur demonrar a propredade que dz que a varável aleaóra não pou correlação eral. Já abemo do Proceo de Wener que eu ncremeno ão ndependene un do ouro para nervalo de empo dferene. Am abemo que Corr ( z, z ) Ma ambém abemo que Enão Corr( z, z ) Cov( a, b) Corr( a, b) ρab, a. b Cov( z, z) z ). z ) Subundo o valore de z, eremo Cov( ~ ~, ) Corr( z, z ) (, ) ( ~ Corr z, ~ ) ( ~ z Cov Cov, ~ ) b gb g podemo lembrando da defnção de covarânca que Cov( a, b) E a a) b b) ecrever: Cov(, ) E [( )][ )] Cov(, ) El[( ][ ] q Cov(, ) ) ) l q Agora remo verfcar como o Proceo e compora em um nervalo de empo longo. Condere um ncremeno no valor de z durane um nervalo de empo relavamene longo. D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho 7

3 Moraremo que ) ), onde é o número de nervalo de empo. Supondo que,,,..., enha nervalo de empo enão ) ) ) ) ) 3 ) z ( ) z ( ) omando oda ea epreõe eremo 3 ) ) ) ) Equação 4 como o ão ndependene un do ouro, eremo: E[ ) )] E[ E[ ) )] E[ ) )] E[ ) E[ ) )] e agora calcularemo a varânca ] ] Var ) ) Var Var M Var ) ). Var Ma abemo que Var E E QP e E E. E E. E Fcamo enão com M QP Var E D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho 8

4 embrando que: ( + y + z) + y + z y + y + yz z + z + yz + y + z + (y + z + yz) ( ) Enão M j j+ j QP + e j + M E E j E E j M QP + j + Q P + j + Var E Volando a equação orgnal da varânca, emo: Var ) ). Var Var ) ). Var ) ) ura manera de fazer, lembrando que a) E a a) Varz [ ( ) )] E[ z ( ) )] Ez [ ( ) )] Varz [( ) )] E[( z) )] M Q P Varz [( ) )] E Varz [( ) )] E + Varz [( ) )] ) + R S M j + j+ j Q P ) j U V W j D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho 9

5 como do anerormene, chegarmo à epreão ) j enão podemo elmnar o omaóro duplo e Var[ ) )] j ) vmo ambém que ), e fnalmene enconramo Var[ ) )] Var[ ) )] Com a méda e varânca de )-) podemo nferr que ) )~ (, ) onde ( µ, ) Am, devemo conclur que o Proceo de Wener é um proceo eocáco nãoeaconáro, po ua varânca crece lnearmene com o horzone de empo. Se conderarmo um nervalo de empo, poderemo repreenar o ncremeno do Proceo de Wener em empo conínuo: dz Equação 5 Edz ( ) dz) d dz ~ (, d ) ( dz) d R S 3... Proceo de Wener Generalzado Proceo de Wener Generalzado, ambém conhecdo como Movmeno Brownano com drf, para uma varável pode er defndo em ermo de dz (ncremeno de Wener) como a egur: onde d α d + dz Equação 6 dz d e ~ (,) α é conhecdo como parâmero drf, e como parâmero de varânca, ambo ão conane. Condere um nervalo de empo, a mudança em, denoada por pou drbução normal e com o egune parâmero D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho

6 Méda ) α + z) ) α ) + z) ) α + z) ) α e Varânca ) E[ )] ) E[ α ] ) E[ α + z α ] ) E[ z] ) E[ ] ) ) ) am ~ ( α, ). ura manera de calcular a varânca: Ma ) Var α + z ) Var α + Cov α, z + Var z α ) α conane M Cov α, z E ( α E ( α ))( z z)) P P Q Enão: ) Var z Var ) Var ) Como eemplo, condere α. por ano e. por ano um camnho aleaóro egundo o Proceo de Wener Generalzado. Ee camnho mora uma varação ao longo de 5 ano no preço de uma commody qualquer. nervalo de empo do dado e do gráfco é de mê, porano, devemo dvdr o nervalo de empo anual em mee ( /). ogo a equação que modela ee camnho é dada por: D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho

7 α + z, +, Equação 7 onde e. Valor de é o reulado da nerção de uma varável aleaóra enre (,) na Drbução ormal Padrão Cumulava, conforme gráfco a egur:, Drbução Cumulava de,75,5,5 Varável Aleaóra, Valor de -4, -3, -, -,,,, 3, 4, A fgura 3. mora 3 camnho gerado ulzando a equação de e a lnha de endênca, o é, a equação de quando. BS: dz d z α + z α $, /ano mê / ano, /ano. ano /, / + z D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho

8 Movmeno Arméco Brownano - Fg (5) Agora, remo upor que a equação de rá gerar um camnho para o egune nervalo de empo (95,974). A parr de Dez/974 remo prever a varação do preço aé. Pela propredade de Markov, omene o valor de para dezembro de 974 é neceáro para modelar a prevão. Am o valor emado de para um empo mee a frene de Dez/74 ( 974+ ) é dado por: E974+ E974 + E Eα + z E + E, 667 +, E , 667 +, Podemo ambém modelar ea prevão ulzando um nervalo de confança, de por eemplo 66%, aí eremo a egune equação α ± z66% ± z66% ± ± A fgura abao mora o camnho, agora com valore prevo a parr de janero de 975, com um nervalo de confança de 66%. D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho 3

9 4 Movmeno Arméco Brownano - Fg 3.3 Inervalo de Confança de 66% () Da dua fgura anerore, nó podemo obervar que no longo prazo a endênca de crecmeno é domnane, já no curo prazo a volaldade do proceo é domnane Repreenação de Camnho Aleaóro de Movmeno Brownano ó moramo no em aneror que o Proceo de Wener, ambém conhecdo como Movmeno Brownano é regdo pela egune equação: d α d + dz, onde dz d e ~ (,) Agora, moraremo que o Proceo de Wener pode er obdo como lme conínuo de um camnho aleaóro (Random Walk) dcreo. Dcrezaremo o empo em período de comprmeno e, em cada período, a varável move-e para cma ou para bao. A probabldade de ubda é p e de decda q-p. A fgura a egur mora o valore poíve de em cada um do período, aumndo que começa em. berve que de um período para ouro, é uma varável aleaóra que pode aumr o valore ±. D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho 4

10 X +3Dh X +Dh X +Dh p p p 3 3p q ) ) ) ( p + p) ) ( p + p) ) p( p + ( p q) ) ( p q) ) ( p q) + ) + ( p)( + p + ( p) ) ( p) + ( p + p) + ( p + p) X pq Agora podemo calcular E[( ) ] X -Dh q 3pq E[( ) ] p( ) + ( p)( ) X -Dh q E[( ) ] ( p + p)( ) E[( ) ] ( ) X -3Dh q 3 ambém: p p () ( ) q q ( ) E[ ] p+ q( ) ( p q) E[( ) ] p( ) + q( ) E[( ) ] ( p+ q)( ) ( ) Com o valore acma podemo calcular ) : ) E{[ )] } ) E{( ) ) + [ )] } ) E[( ) ] ) ) + [ )] ) E[( ) ] [ )] ) ( ) [( p q)( )] ) [ ( p q) ]( ) embrando que: a - b (a+b)(a-b) D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho 5

11 emo: - (p-q) (p+q) (p-q) (p + q + p - q) ( p + q - (p - q)) p.q 4pq Enao: ) 4 pq( ) Equação 8 Se conderarmo um nervalo de empo com n /, podemo calcular a méda e varânca de uma drbução bnomal para -. Condere a repreenação de Random Walk aneror. omando o Valor Eperado de cada nervalo, podemo ober: E [ ] E[ ] ( p q) E [ ] E[ ] ( p q) E [ 3 ] E[ ] ( p q)... E [ ] E[ ] ( p q) Somando cada uma da parcela, oberemo E [ ] + E [ ] +... E [ ] np ( q) E [ ] E [ ] + E [ ] E [ ] +... E [ ] E [ ] n( p q) E [ ] E [ ] np ( q) E [ ] np ( q) E ( ) p ( q) A varânca de - pode er obda e conderarmo Como o ncremeno ão ndependene, o é, o ão d, ρ, e marz var/covar ó erá valore na dagonal, e enão podemo aplcar ) e obermo: ) ) ) + ) 4 pq( ) ) 4npq( ) pq( ) ) ) pq( ) ) ) pq( ) ubundo o valor de n eremo: D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho 6

12 ( ) ) (4 pq) Sera nereane e pudéemo ecolher valore de p, q, e al que a méda e varânca de - permaneceem nalerada e foem ndependene dee valore. Além do goaríamo de angr a equação d α d + dz no lme, quando, e onde dz d e ~ (,). Eabelecendo o egune valor para : Equação 9 podemo em eguda calcular o valore de p e q que afazem: ) ( p q) α ( p q) α ( p ) α α α p p + q [ α ] [ α ] Equação eremo α α p q Subundo o valore acma na equaçõe enconrada para a méda e varânca de -, além do valor de poderemo enconrar: α α ) ( ) α e α ) [ ( ) ]( ) α ) [ ( ) ]( ) α ) [ ( )]( ) α ) [ ( )] D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho 7

13 Se rabalharmo com nervalo de empo nfnamene pequeno, ou eja, e levarmo, enconraremo lm ) Ao compararmo ee valore com o parâmero do Movmeno Brownano, veremo que ão o memo, onde α é o parâmero drf e o parâmero de varânca. oe que no lme ambo, a varânca e a méda de ( - ), ão ndependene de p, q, e. Am pudemo morar que quando o nervalo de empo ende para zero, o Random Walk ende para o Movmeno Brownano, preervando a equação. A relação enre e não é arbrára, é uma manera de não ermo a varânca de ( - ) dependendo do número de pao, ma m, dependendo de. Com o, fca claro o movo pelo qual na equação do Movmeno Brownano d depende da raz quadrada de d e não de d omene. Uma propredade nereane do Movmeno Brownano é que quando, a dânca oal percorrda em qualquer nervalo de empo orna-e nfna. Como vmo anerormene e ) logo o comprmeno oal eperado do camnho para um nervalo de empo de comprmeno é dado por: n Quando enão o comprmeno oal eperado do camnho ende para o nfno. Do memo modo, + e e + Am, podemo confrmar a forma de um camnho que egue um movmeno Brownano, como na fgura e 3, pouem mua ubda e decda e ão ponagudo (não ão dferencáve). D and Pndyck Ch 3..doc uz Brandão/PUC-Ro Julho 8

Modulações digitais. Espaços de sinal e regiões de decisão. Funções ortogonais. Ortogonalização de Gram-Schmidt

Modulações digitais. Espaços de sinal e regiões de decisão. Funções ortogonais. Ortogonalização de Gram-Schmidt Modulaçõe dga Epaço de nal e regõe de decão Funçõe orogona Orogonalzação de Gram-Schmd Uma perpecva geomérca do na e ruído (Koelnkov) Um epaço orogonal de dmenõe é caracerzado por um conjuno de ψ () funçõe

Leia mais

t c L S Troço 1 S 1 = 3 km = 3000 m

t c L S Troço 1 S 1 = 3 km = 3000 m . DETERMINAÇÃO DO TEMPO DE CONCENTRAÇÃO Para o cálculo do empo de concenração ( c ) da baca hdrográfca eudada recorreu-e ao valore obdo no rabalho práco (Quadro ). Am, emo que, Quadro Parâmero do rabalho

Leia mais

AGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES

AGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES AGG-3 SÍSMICA I 0 SÍSMICA DE REFLEXÃO AÁLISE DE ELOCIDADES O objevo da análse de velocdades é deermnar as velocdades sísmcas das camadas geológcas em subsuperfíce. As velocdades sísmcas são ulzadas em

Leia mais

4 Teste do Modelo CAPM considerando o pagamento de impostos

4 Teste do Modelo CAPM considerando o pagamento de impostos 4 Tee do Modelo CAPM conderando o pagameno de mpoo Com o objevo de emar o CAPM depo de mpoo, remo ulzar a meodologa propoa por Lzenberger e Ramawamy (979. A eqüênca do méodo egue rê pao para emação do

Leia mais

Aprendizagem Estatística de Dados. Francisco Carvalho

Aprendizagem Estatística de Dados. Francisco Carvalho Aprendzagem Esaísca de Dados Francsco Carvalho A função de Densdade Normal Valor Esperado Caso conínuo [ f ] Caso dscreo f p d [ f ] f p D A função de Densdade Normal Caso Unvarado função de densdade p

Leia mais

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira) Módulo : Méodos Numércos Equações dferencas ordnáras problemas de valores ncas e problemas de condções-fronera Modelação Compuaconal de Maeras -5. Equações dferencas ordnáras - Inrodução Uma equação algébrca

Leia mais

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos MECÂNICA CÁSSICA AUA N o 3 agrangeano Prncípo da Mínma Ação Exemplos Todas as les da Físca êm uma esruura em comum: as les de uma parícula em movmeno sob a ação da gravdade, o movmeno dado pela equação

Leia mais

Esse capítulo fornece o embasamento teórico aos capítulos que se

Esse capítulo fornece o embasamento teórico aos capítulos que se Base Teórca Base Teórca seguem. Esse capíulo ornece o embasameno eórco aos capíulos que se.. Processos Esocáscos Uma varável segue um processo esocásco quando ela se desenvolve ao longo do empo de manera

Leia mais

Resumindo e concluindo

Resumindo e concluindo Reumndo e conclundo eleexo de bolo e de razer por caa, uavemene, uavemene Conelaçõe no Epaço (em modulaçõe dga) Sílvo A. Abrane Deparameno de Engenhara Elecroécnca e de Compuadore Faculdade de Engenhara,

Leia mais

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton 9 CPÍTUL 4 DINÂMIC D PRTÍCUL: IMPULS E QUNTIDDE DE MVIMENT Nese capíulo será analsada a le de Newon na forma de negral no domíno do empo, aplcada ao momeno de parículas. Defne-se o conceo de mpulso e quandade

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina:

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Deparameno de Informáca Dscplna: Modelagem Analíca do Desempenho de Ssemas de Compuação Fluxos de Enrada Fluxos de Saída Le de Lle Faor de Ulzação rof. Sérgo Colcher colcher@nf.puc-ro.br rocesso de Chegada

Leia mais

V - Modelo de onda cinemática

V - Modelo de onda cinemática Capíulo V - Onda cnemáca V - Modelo de onda cnemáca V. - Euaçõe do modelo de onda cnemáca Como e demonrou no capíulo IV, a euaçõe ue decrevem o modelo de Onda Cnemáca ão a euação da connudade: forma: e

Leia mais

Aplicações à Teoria da Confiabilidade

Aplicações à Teoria da Confiabilidade Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. 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 mais

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI) Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas

Leia mais

v t Unidade de Medida: Como a aceleração é dada pela razão entre velocidade e tempo, dividi-se também suas unidades de medida.

v t Unidade de Medida: Como a aceleração é dada pela razão entre velocidade e tempo, dividi-se também suas unidades de medida. Diciplina de Fíica Aplicada A / Curo de Tecnólogo em Geão Ambienal Profeora M. Valéria Epíndola Lea. Aceleração Média Já imo que quando eamo andando de carro em muio momeno é neceário reduzir a elocidade,

Leia mais

figura 1 Vamos encontrar, em primeiro lugar, a velocidade do som da explosão (v E) no ar que será dada pela fórmula = v

figura 1 Vamos encontrar, em primeiro lugar, a velocidade do som da explosão (v E) no ar que será dada pela fórmula = v Dispara-se, segundo um ângulo de 6 com o horizone, um projéil que explode ao aingir o solo e oue-se o ruído da explosão, no pono de parida do projéil, 8 segundos após o disparo. Deerminar a elocidade inicial

Leia mais

Revisão: Notações Tensorial e Simbólica. e assim, o resultado de um produto escalar dois vetores é um escalar. Na notação tensorial, ter-se-ia u

Revisão: Notações Tensorial e Simbólica. e assim, o resultado de um produto escalar dois vetores é um escalar. Na notação tensorial, ter-se-ia u Apêndce B Reão: Noaçõe enoral e mbólca Ee apêndce complemena a reão maemáca ncada no Apêndce A. A relaçõe aq dedda e aplcam a ema de coordenada reanglare, para eore no epaço rdmenonal. O dero po de prodo

Leia mais

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas.

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas. 1 INTRODUÇÃO E CONCEITOS INICIAIS 1.1 Mecânca É a pare da Físca que esuda os movmenos dos corpos. 1. -Cnemáca É a pare da mecânca que descreve os movmenos, sem se preocupar com suas causas. 1.3 - Pono

Leia mais

Física I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães

Física I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães Físca I º Semesre de 03 Insuo de Físca- Unversdade de São Paulo Aula 5 Trabalho e energa Proessor: Valdr Gumarães E-mal: valdrg@.usp.br Fone: 309.704 Trabalho realzado por uma orça consane Derenemene

Leia mais

5 Apreçamento de ESOs com preço de exercício fixo

5 Apreçamento de ESOs com preço de exercício fixo 5 Apreçameno de ESOs com preço de exercíco fxo Ese capíulo rá explorar os prncpas modelos de apreçameno das ESOs ulzados hoje em da. Neses modelos a regra de decsão é esruurada em orno da maxmzação do

Leia mais

3 Revisão Teórica dos principais modelos de previsão

3 Revisão Teórica dos principais modelos de previsão Revião Teórica do principai modelo de previão 18 3 Revião Teórica do principai modelo de previão Denre o divero méodo e modelo de previão eine, enconramo aqui o modelo univariado e o modelo com variávei

Leia mais

1. O movimento uniforme de uma partícula tem sua função horária representada no diagrama a seguir: e (m) t (s)

1. O movimento uniforme de uma partícula tem sua função horária representada no diagrama a seguir: e (m) t (s) . O moimeno uniforme de uma parícula em ua função horária repreenada no diagrama a eguir: e (m) - 6 7 - Deerminar: a) o epaço inicial e a elocidade ecalar; a função horária do epaço.. É dado o gráfico

Leia mais

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n 1 CAPÍTULO 1 REPREENTAÇÃO E CLAIFICAÇÃO DE ITEMA 1.1. Represenação de ssemas 1.1.1. semas com uma enrada e uma saída (IO) e sema monovarável IO = ngle Inpu ngle Oupu s e = enrada s = saída = ssema 1.1..

Leia mais

UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO UNIDADE ACADÊMICA DO CABO DE SANTO AGOSTINHO CÁLCULO DIFERENCIAL E INTEGRAL

UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO UNIDADE ACADÊMICA DO CABO DE SANTO AGOSTINHO CÁLCULO DIFERENCIAL E INTEGRAL UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO UNIDADE ACADÊMICA DO CABO DE SANTO AGOSTINHO CÁLCULO DIFERENCIAL E INTEGRAL 4-018.1 EXAME FINAL Nome Legível Turma RG CPF Repoa em juificaiva ou com fórmula prona

Leia mais

CIRCUITOS ELÉTRICOS EXERCÍCIOS ) Para o circuito da figura, determinar a tensão de saída V out, utilizando a linearidade.

CIRCUITOS ELÉTRICOS EXERCÍCIOS ) Para o circuito da figura, determinar a tensão de saída V out, utilizando a linearidade. FISP CIRCUITOS ELÉTRICOS EXERCÍCIOS RESOLVIDOS 00 CIRCUITOS ELÉTRICOS EXERCÍCIOS 00 Para o crcuo da fgura, deermnar a ensão de saída V ou, ulzando a lneardade. Assumremos que a ensão de saída seja V ou

Leia mais

5 Sistemas Lineares com Coecientes Periódicos

5 Sistemas Lineares com Coecientes Periódicos 5 Ssemas Lneares com Coecenes Peródcos Ese capíulo raa de forma suscna do esudo da esabldade de soluções peródcas de ssemas dnâmcos não-lneares. Segundo Rand [83], a eora de Floque é a eora mas geral que

Leia mais

TENSÕES E CORRENTES TRANSITÓRIAS E TRANSFORMADA LAPLACE

TENSÕES E CORRENTES TRANSITÓRIAS E TRANSFORMADA LAPLACE TNSÕS CONTS TANSTÓAS TANSFOMADA D APAC PNCPAS SNAS NÃO SNODAS Degrau de ampliude - É um inal que vale vol para < e vale vol, conane, para >. Ver fig. -a. v (a) (b) v Fig. A fig. -b mora um exemplo da geração

Leia mais

2.1. Modelos Baseados em Premissas de Distribuições Simulação de Monte Carlo

2.1. Modelos Baseados em Premissas de Distribuições Simulação de Monte Carlo 2 Value-a-Rsk Anes de adenrar na seara que raa o ermo cenral dese capíulo, é neressane realzar uma cação da evolução hsórca do esudo do rsco. Joron (2003, p. 10) resume os prncpas rabalhos aravés da abela

Leia mais

Conceitos fundamentais

Conceitos fundamentais CF Coceo fdamea Exem parâmero qe caracerzam o a e qe permem a comparação ere ele. Valor médo Para m al qe e repee com m deermado ervalo peródco a expreão para calclar o valor médo ambém é ea. < < Ex: A

Leia mais

Questões básicas sobre o M.U.V. Função horária dos espaços:

Questões básicas sobre o M.U.V. Função horária dos espaços: Queõe báica obre o MUV Função horária do epaço: (MUV) (MU) Um foguee é lançado ericalmene a parir do repouo com aceleração ecalar conane, em módulo, igual a 6, m/, qual é a diância por ele percorrida apó

Leia mais

5 Avaliação da Eficiência Computacional

5 Avaliação da Eficiência Computacional 5 Avalação da fcênca Compuaconal 5.1 Inrodução É desejado ncorporar o cálculo dos índces de adequação de ações de conrole de ensão ao programa SAN. O programa SAN esá sendo mplemenado com a esruura aual

Leia mais

Instituto de Física USP. Física V Aula 30. Professora: Mazé Bechara

Instituto de Física USP. Física V Aula 30. Professora: Mazé Bechara Insuo de Físca USP Físca V Aula 30 Professora: Maé Bechara Aula 30 Tópco IV - Posulados e equação básca da Mecânca quânca 1. Os posulados báscos da Mecânca Quânca e a nerpreação probablísca de Ma Born.

Leia mais

Tabela: Variáveis reais e nominais

Tabela: Variáveis reais e nominais Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas

Leia mais

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU 1 PUCPR- Ponfíca Unversdade Caólca Do Paraná PPGIA- Programa de Pós-Graduação Em Informáca Aplcada PROF. DR. JACQUES FACON IMIARIZAÇÃO POR ENTROPIA DE WUU Resumo: Uma nova écnca de marzação baseada em

Leia mais

Projeto de Inversores e Conversores CC-CC

Projeto de Inversores e Conversores CC-CC eparameno de Engenhara Elérca Aula. onversor Buck Prof. João Amérco lela Bblografa BAB, vo. & MANS enzar ruz. onversores - Báscos Não-solados. ª edção, UFS,. MOHAN Ned; UNEAN ore M.; OBBNS Wllam P. Power

Leia mais

Escoamento em Regime Turbulento Aproximações de Reynolds (RANS equations)

Escoamento em Regime Turbulento Aproximações de Reynolds (RANS equations) Méda emporal aplcada às varáves dependenes e aos prncípos de conservação lm T o T o d T Φ represena qalqer ma das varáves dependenes (escoameno ncompressível,v,w,p) Mesrado Inegrado em Engenhara Mecânca

Leia mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Parca Mara Borolon. Sc. Modelos de ados em Panel Fone: GUJARATI;. N. Economera Básca: 4ª Edção. Ro de Janero. Elsever- Campus 006 efnções Geras Nos dados em panel a mesma undade de core

Leia mais

ESPAÇO VETORIAL REAL DE DIMENSÃO FINITA

ESPAÇO VETORIAL REAL DE DIMENSÃO FINITA EPÇO ETORIL REL DE DIMENÃO FINIT Defnção ejam um conjuno não ao o conjuno do númeo ea R e dua opeaçõe bnáa adção e mulplcação po ecala : : R u a u a é um Epaço eoal obe R ou Epaço eoal Real ou um R-epaço

Leia mais

Física Geral Nos problemas abaixo, considere g = 9,8 m/s 2 e, salvo indicação em contrário, dê as suas respostas em unidades SI.

Física Geral Nos problemas abaixo, considere g = 9,8 m/s 2 e, salvo indicação em contrário, dê as suas respostas em unidades SI. Fíica Geral 21048 Inruçõe para elaboração dee e-fólio Documeno de exo,.doc,.pdf ou.ps; fone 11 ou 12; epaçameno livre; máximo 6 página. Pode incluir deenho, vária core e pode incluive junar elemeno ao

Leia mais

Propagação de dano no modelo de Ising unidimensional

Propagação de dano no modelo de Ising unidimensional Capíulo 4 Propagação de dano no modelo de Isng undmensonal 4. Propagação de dano O méodo da propagação de dano é uma écnca relavamene nova, nroduzda por Kauffman 68 no conexo dos auômaos celulares, que

Leia mais

Conidere uma rampa plana, inclinada de um ângulo em relação à horizonal, no início da qual enconra-e um carrinho. Ele enão recebe uma pancada que o fa

Conidere uma rampa plana, inclinada de um ângulo em relação à horizonal, no início da qual enconra-e um carrinho. Ele enão recebe uma pancada que o fa Onda acúica ão onda de compreenão, ou eja, propagam-e em meio compreívei. Quando uma barra meálica é golpeada em ua exremidade, uma onda longiudinal propaga-e por ela com velocidade v p. A grandeza E é

Leia mais

Henrique M. J. Barbosa Instituto de Física USP

Henrique M. J. Barbosa Instituto de Física USP Henrque M. J. Barbosa Insuo de Físca USP hbarbosa@f.usp.br Conservação A equação de conservação de massa é semelhane a conservação de momeno: S F D v q q q S F q D q q v g v v v v P Equações Dferencas

Leia mais

Henrique M. J. Barbosa Instituto de Física USP

Henrique M. J. Barbosa Instituto de Física USP Henrque M. J. Barbosa Insuo de Físca USP hbarbosa@f.usp.br Amosfera Esem odas as freqüêncas e odas podem ser mporanes devdo as nerações não lneares E.: vórces urbulenos e convecção aconecem em escalas

Leia mais

Tipos de Processos Estocásticos

Tipos de Processos Estocásticos Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 7: Inrodução ao álculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável

Leia mais

Características dos Processos ARMA

Características dos Processos ARMA Caracerísicas dos Processos ARMA Aula 0 Bueno, 0, Capíulos e 3 Enders, 009, Capíulo. a.6 Morein e Toloi, 006, Capíulo 5. Inrodução A expressão geral de uma série emporal, para o caso univariado, é dada

Leia mais

Ecologia Geral Riqueza e Diversidade de Espécies

Ecologia Geral Riqueza e Diversidade de Espécies Ecologa Geral Rqueza e Dverdade de Epéce Prof. Wllam Cota Rodrgue Pó-Doutor em Entomologa/Ecologa Unverdade Severno Sombra Tranparênca Extra I 1 Conceto A dverdade de epéce refere-e à varedade de epéce

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R 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 mais

Aula 7 de FT II. Prof. Gerônimo

Aula 7 de FT II. Prof. Gerônimo Aula 7 de FT II Prof. Gerônimo Condução Traniene Quando energia érmica é adicionada ou removida de um corpo (volume de conrole), eu eado não pode er conane e, aim, a emperaura do corpo variará em geral

Leia mais

x () ξ de uma variável aleatória X ser um número real, enquanto que uma realização do

x () ξ de uma variável aleatória X ser um número real, enquanto que uma realização do 3 Snas Aleaóros em empo Conínuo. Pare II: Modelos de Fones de Informação e de uído. No capíulo aneror vemos oporundade de recordar os conceos báscos da eora das probabldades e das varáves aleaóras. Nese

Leia mais

Séries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial

Séries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na

Leia mais

Notas de Aula de Probabilidade A

Notas de Aula de Probabilidade A VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável

Leia mais

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12 Traaeno de Dados º Seesre 5/6 Tópcos de Resolução do Trabalho Quesão a Para agrupar os dados e classes ora consderados os valores das rendas aé 5. ua vez que a parr dese valor os dados se enconra basane

Leia mais

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO 0 INTRODUÇÃO A medda de varação ou dperão, avalam a dperão ou a varabldade da eqüênca numérca em anále, ão medda que fornecem nformaçõe

Leia mais

TRANSFORMADA DE LAPLACE Conceitos e exemplos

TRANSFORMADA DE LAPLACE Conceitos e exemplos TRANSFORMADA DE LAPLACE Conceio e exemplo Diciplina MR7 A finalidade dea apoila é dar o conceio da ranformada de Laplace, eu uo na olução de problema e por fim um aprendizado do méodo de reoluçõe. Muia

Leia mais

ESPAÇO VETORIAL REAL DE DIMENSÃO FINITA

ESPAÇO VETORIAL REAL DE DIMENSÃO FINITA EPÇO ETORIL REL DE DIMENÃO FINIT Defnção ejam um conjuno não vao o conjuno do númeo ea R e dua opeaçõe bnáa adção e mulplcação po ecala : : R v u a v u v a v é um Epaço eoal obe R ou Epaço eoal Real ou

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

11 Apêndice A Estrutura a termo e risco de taxa de juros

11 Apêndice A Estrutura a termo e risco de taxa de juros 70 pêndce.. Esruura a ermo e rsco de aa de juros s aplcações de munzação esão nmamene lgadas ao rsco de aa de juros. Por sso, remos eplcar mas dealhadamene o que é ese rsco. Para se enender o rsco de aa

Leia mais

UFGD 2015 DANIEL KICHESE

UFGD 2015 DANIEL KICHESE Quesão 59: º) Deermnação dos ponos de nerseção: 5 5 º Pono : B 5 5 º Pono : C 5 5 º Pono : B C C º) Deermnação da Área: B 5 5 5 / e 0 e 5 5 5 5 e 0 5 5/ 5 5 0 0 0 5 5 Resposa: E Quesão 60: Número de blhees

Leia mais

Teoria de Opções Aplicada ao Apreçamento de Linhas de Crédito Contingentes

Teoria de Opções Aplicada ao Apreçamento de Linhas de Crédito Contingentes MESTRADO EM GESTÃO ECONÔMICA DE NEGÓCIOS Teora de Opções Aplcada ao Apreçameno de Lnhas de Crédo Conngenes Angela Macel Aranha Brasíla - DF 007 Angela Macel Aranha Teora de Opções Aplcada ao Apreçameno

Leia mais

F-128 Física Geral I. Aula exploratória-10a UNICAMP IFGW

F-128 Física Geral I. Aula exploratória-10a UNICAMP IFGW F-8 Físca Geral I Aula exploraóra-a UNICAMP IFGW username@f.uncamp.br Varáves roaconas Cada pono do corpo rígdo execua um movmeno crcular de rao r em orno do exo. Fgura: s=r Deslocameno angular: em radanos

Leia mais

Iluminação e FotoRealismo: Radiosidade

Iluminação e FotoRealismo: Radiosidade Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções dos obecos com a luz são dfusas L( x Θ) = L( x), Θ Ω Podemos enão quanfcar a radosdade

Leia mais

Tipos de Processos Estocásticos

Tipos de Processos Estocásticos Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 6: Inrodução ao Cálculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

AEP FISCAL ESTATÍSTICA

AEP 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 mais

2 Programação Matemática Princípios Básicos

2 Programação Matemática Princípios Básicos Programação Maemáca Prncípos Báscos. Consderações Geras Os objevos dese capíulo são apresenar os conceos de Programação Maemáca (PM) necessáros à compreensão do processo de omzação de dmensões e descrever

Leia mais

Análise Energética para Sistemas Abertos (Volumes de Controles)

Análise Energética para Sistemas Abertos (Volumes de Controles) UTFPR Termodinâmica 1 Análie Energéica para Siema Abero (Volume de Conrole) Princípio de Termodinâmica para Engenharia Capíulo 4 Análie Traniene Pare V Operação Traniene É a operação na qual a propriedade

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Teoremas Básicos de Equações a Diferenças Lineares

Teoremas Básicos de Equações a Diferenças Lineares Teoremas Básicos de Equações a Diferenças Lineares (Chiang e Wainwrigh Capíulos 17 e 18) Caracerização Geral de Equações a diferenças Lineares: Seja a seguine especificação geral de uma equação a diferença

Leia mais

Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido.

Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. A Prevsão com o Modelo de Regressão.... Inrodução ao Modelo de Regressão.... Exemplos de Modelos Lneares... 3. Dervação dos Mínmos Quadrados no Modelo de Regressão... 6 4. A Naureza Probablísca do Modelo

Leia mais

Controle Cinemático de Robôs Manipuladores

Controle Cinemático de Robôs Manipuladores Conrole Cnemáco de Robôs Manpuladores Funconameno Básco pos de rajeóra rajeóras Pono a Pono rajeóras Coordenadas ou Isócronas rajeóras Conínuas Geração de rajeóras Caresanas Inerpolação de rajeóras Inerpoladores

Leia mais

Cap. 11 Correlação e Regressão

Cap. 11 Correlação e Regressão Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa

Leia mais

Análise da Confiabilidade de Componentes Não Reparáveis

Análise da Confiabilidade de Componentes Não Reparáveis Análse da onfabldade de omponenes Não Reparáves. omponenes versus Ssemas! Ssema é um conjuno de dos ou mas componenes nerconecados para a realzação de uma ou mas funções! A dsnção enre ssema, sub-ssema

Leia mais

Iluminação e FotoRealismo: Radiosidade

Iluminação e FotoRealismo: Radiosidade Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções da luz com os obecos são dfusas L x Θ L x, Θ Ω Expressa em ermos de radosdade W/m 2 r

Leia mais

MECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação

MECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação MECÂNIC CLÁSSIC UL N o 4 Carga de Noeher- Smeras e Conservação Vamos ver o caso de uma parícula movendo-se no plano, porém descrevendo-a agora em coordenadas polares: r r d dr T T m dr m d r d d m r m

Leia mais

TRANSFORMADOR DE POTÊNCIA MONOFÁSICO

TRANSFORMADOR DE POTÊNCIA MONOFÁSICO URSDAD STADUAL PAULSTA JULO D MSQUTA FLHO FACULDAD D GHARA - DP. D GHARA LÉTRCA L 094 - LTROTÉCCA CAPÍTULO TRASFORMADOR D POTÊCA MOOFÁSCO.0 nrodução O ranforador que eudareo erá o ranforador de oênca,

Leia mais

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida

Leia mais

EEL-001 CIRCUITOS ELÉTRICOS ENGENHARIA DA COMPUTAÇÃO

EEL-001 CIRCUITOS ELÉTRICOS ENGENHARIA DA COMPUTAÇÃO L IRUITOS LÉTRIOS 8 UNIFI,VFS, Re. BDB PRT L IRUITOS LÉTRIOS NGNHRI D OMPUTÇÃO PÍTULO 5 PITORS INDUTORS: omporameno com Snas onínuos e com Snas lernaos 5. INTRODUÇÃO Ressor elemeno que sspa poênca. 5.

Leia mais

12 Integral Indefinida

12 Integral Indefinida Inegral Indefinida Em muios problemas, a derivada de uma função é conhecida e o objeivo é enconrar a própria função. Por eemplo, se a aa de crescimeno de uma deerminada população é conhecida, pode-se desejar

Leia mais

PME 2556 Dinâmica dos Fluidos Computacional. Aula 9 - Modelo k-ε Standard

PME 2556 Dinâmica dos Fluidos Computacional. Aula 9 - Modelo k-ε Standard ME 556 Dnâmca dos Fldos Compaconal Ala 9 - Modelo - Sandard Decomposção de Reynolds Decomposção de Reynolds Eqações de Reynolds (1) ( ) ( ) p Eqação de Naver-Soes na forma conservava para m fldo ncompressível:

Leia mais

5 Avaliação do Título Conversível pelo Método de Diferenças Finitas Implícito (DFI)

5 Avaliação do Título Conversível pelo Método de Diferenças Finitas Implícito (DFI) 5 Avalação do Tíulo Conversível pelo Méodo de Dferenças Fnas Implíco (DFI) 5. Meodologa - Premssas Ese modelo desenvolvdo para apreçameno do LYON faz uso da eora de opções desenvolvda por Black and Scholes

Leia mais

Antes de mais nada, é importante notar que isso nem sempre faz sentido do ponto de vista biológico.

Antes de mais nada, é importante notar que isso nem sempre faz sentido do ponto de vista biológico. O modelo malusiano para empo conínuo: uma inrodução não rigorosa ao cálculo A dinâmica de populações ambém pode ser modelada usando-se empo conínuo, o que é mais realisa para populações que se reproduzem

Leia mais

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000 Noa Técnca sobre a rcular nº 2.972, de 23 de março de 2000 Meodologa ulzada no processo de apuração do valor da volaldade padrão e do mulplcador para o da, dvulgados daramene pelo Banco enral do Brasl.

Leia mais

SISTEMAS DE EQUAÇÕES A DIFERENÇAS LINEARES

SISTEMAS DE EQUAÇÕES A DIFERENÇAS LINEARES 8//7 SISTEMAS DE EQUAÇÕES A DIFERENÇAS LINEARES Teorema: Considere o seguine sisema de k equações a diferenças lineares de primeira ordem, homogêneo: x a x a x... a x k k x a x a x... a x k k x a x a x...

Leia mais

Amplificadores Operacionais Aula 4

Amplificadores Operacionais Aula 4 Amplfcadore peracona Aula 4 Aula Maéra Cap./págna ª 6/02 2ª 9/02 3ª 23/02 4ª 26/02 5ª 0/03 6ª 04/03 7ª 08/03 8ª /03 9ª 5/03 0ª 8/03 Elerônca I PSI332 Programação para a Prmera Prova Inrodução, Revão de

Leia mais

3 Modelos de Apreçamento de Opções

3 Modelos de Apreçamento de Opções 3 Modelos de Apreçameno de Opções Preços de fuuros na Bolsa de Valores, na práca, são defndos de forma lvre na BM&FBOVESPA a parr das relações apresenadas enre ofera e demanda. Para que a formação de as

Leia mais

Índices Físicos ÍNDICES

Índices Físicos ÍNDICES Ínice Fíico ÍNDICES = volume oal a amora; = volume a fae ólia a amora; = volume a fae líquia; a = volume a fae aoa; v = volume e vazio a amora = a + ; = peo oal a amora ; a = peo a fae aoa a amora; = peo

Leia mais

Neo-fisherianos e teoria fiscal do nível de preços

Neo-fisherianos e teoria fiscal do nível de preços Anono Lcha 4/março/07 Neo-fsheranos e eora fscal do nível de preços O objevo desas noas é desacar os prncpas elemenos da abordagem neofsherana e da eora fscal do nível de preços. Desacamos 4 pequenos modelos

Leia mais

Capítulo 3. Dinâmica crítica do modelo de Baxter-Wu. 3.1 O Modelo

Capítulo 3. Dinâmica crítica do modelo de Baxter-Wu. 3.1 O Modelo Capíulo 3 Dnâmca críca do modelo de Baxer-Wu 3.1 O Modelo O modelo de Baxer-Wu fo nroduzdo por Wood e Grffhs 56 e resolvdo exaameno no conexo de mecânca esaísca de equlíbro por R.J. Baxer e F.Y.Wu em 1973

Leia mais

6 Processos Estocásticos

6 Processos Estocásticos 6 Processos Esocásicos Um processo esocásico X { X ( ), T } é uma coleção de variáveis aleaórias. Ou seja, para cada no conjuno de índices T, X() é uma variável aleaória. Geralmene é inerpreado como empo

Leia mais

PRIMEIRO RELATÓRIO DE FÍSICA EXPERIMENTAL PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA

PRIMEIRO RELATÓRIO DE FÍSICA EXPERIMENTAL PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA UIVERSIDDE DE PERMUCO / ESCOL POLITÉCIC DE PERMUCO EPP/UPE DEPRTMETO ITERDISCIPLIR ESIO ÁSICO ÍSIC EPERIMETL LUO(): TURM: OT: PROESSOR(): DT: / / PRIMEIRO RELTÓRIO DE ÍSIC EPERIMETL PROCESSOS DE ÁLISE

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z) Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

SOMAS ALEATÓRIAS EM MODELOS DE RUÍNAS

SOMAS ALEATÓRIAS EM MODELOS DE RUÍNAS 0 de dezembro, 011 OMA ALEATÓRIA EM MODELO DE RUÍNA Andréa Mchel Alzugur Lucana chmd Blaer Morera OMA ALEATÓRIA EM MODELO DE RUÍNA Alunas: Andréa Mchel Alzugur Lucana chmd Blaer Morera Orenador: Crsano

Leia mais

Sistema de vigilância para detecção de interação espaçotempo de eventos pontuais

Sistema de vigilância para detecção de interação espaçotempo de eventos pontuais Sema de vglâca para deecção de eração epaçoempo de eveo poua Taãa C. Smõe Reao M. Aução Deparameo de Eaíca Uverdade Federal de Ma Gera UFMG Caa Poal: 70 370-90 Belo Horzoe MG Bral a_eaca@ahoo.com.braucao@e.ufmg.br

Leia mais