COMPOSIÇÃO DE PREÇOS DE UMA CESTA DE PRODUTOS: UM MODELO MATEMÁTICO NAS CIÊNCIAS CONTÁBEIS

Tamanho: px
Começar a partir da página:

Download "COMPOSIÇÃO DE PREÇOS DE UMA CESTA DE PRODUTOS: UM MODELO MATEMÁTICO NAS CIÊNCIAS CONTÁBEIS"

Transcrição

1 COMPOSIÇÃO DE PREÇOS DE UMA CESTA DE PRODUTOS: UM MODELO MATEMÁTICO NAS CIÊNCIAS CONTÁBEIS Modelagem Matemátca Nelso He Adraa Kroeke Moacr Maoel Rodrgues Júor Resumo: Atualmete, as emresas se reocuam com maor tesdade a olítca de formação de reço e mx de edas de seus rodutos, assado a ser um fator decso ara o sucesso da emresa o atual ambete dos egócos; orém ão exste uma abordagem terdsclardade sobre o tema, a ual se faz ecessára, deda a sua comlexdade e o ter-relacoameto etre as dersas aráes uattatas e ualtatas ue fluecam a tomada de decsão. Como a formação dos reços e mx de edas ecessta de uma abordagem mas amla e ue cotemle um maor úmero de aráes ossíes, este trabalho tem como objeto aalsar algus cocetos mortates ara o estudo e deseoler um modelo matemátco de rogramação uadrátca, ue reresete as relações exstetes etre os dersos rodutos e suas aráes, e ue ateda os objetos reteddos ela emresa, atraés da determação dos reços (e mx) de edas, obserado as restrções de caacdade stalada e de mercado. Palaras-chaes: Preço. Vedas. Modelagem matemátca. Programação matemátca.. INTRODUÇÃO Para ue as emresas alcacem seus objetos, obrgatoramete, elas deem se reocuar com a olítca de formação de reço e mx de edas de seus rodutos. Porém, esse tema tora-se comlcado dedo ao grade úmero de aráes a serem cosderadas o seu estudo, sedo comum ue cada emresa deseola o seu róro mecasmo de formação, Doutor em Egehara de Produção (UFSC); Professor da Uersdade Regoal de Blumeau (FURB) he@furb.br Mestre em Cêcas Cotábes; Professora do Deartameto de Matemátca da Uersdade Regoal de Blumeau (FURB); Doutorada em Métodos Numércos e Egehara ela Uersdade Federal do Paraá (UFPR); ddle@terra.com.br Mestre em Cêcas Cotábes; Professor do Deartameto de Matemátca da Uersdade Regoal de Blumeau (FURB); Doutorado em Métodos Numércos e Egehara ela Uersdade Federal do Paraá (UFPR); moacr_ro@hotmal.com

2 orteada em formações teras e exteras, torado assm, dfícl a elaboração de uma regra ou modelo úco. Nas teoras exstetes etre os dersos camos ue abordam tal tema, obsera-se a exstêca de um deseolmeto terdsclar, a ual se faz dsesáel, deda à comlexdade do tema e o ter-relacoameto etre as aráes uattatas e ualtatas ue fluecam a olítca de formação do reço e mx de eda dos rodutos. O deseolmeto terdsclar, segudo Berard (996,.), se justfca os, o fato de a euea e méda emresa oucos executos admstrarem e a grade emresa os esecalstas terem são ou área de atuação restrtas, usualmete com tegração defcete. Berard (996,.) retera afrmado ue outra razão ara esta abordagem terdsclar é o fato de ue o róro estudate recebe uma carga teórca de cohecmetos fragmetados, ormalmete ão trasmtdos de forma terata, tedo or coseüêca dfculdades de eteder o todo, as artes e a oção de eulíbro. Etão a falta de deseolmeto terdsclar é dedo a: () a falta do cohecmeto tegrado da emresa or arte dos executos, e () o cohecmeto cetífco fragmetado. Outra dfculdade ecotrada é ue uma grade arte dos estudos efetuados são deseoldos somete sobre a hótese de um úco roduto, a ual ão se euadraram a realdade da maora das emresas, os estas geralmete trabalham com mas de um roduto, torado assm, falha a alcação dos métodos e téccas roostas or tas estudos. Para ue se ossa ter êxto em ualuer atdade, a emresa dee ossur uma ótma olítca de formação do reço e mx de edas ara os seus rodutos e/ou serços, mas ue or s só ão garate o sucesso da emresa, deda a comlexdade e certeza do mercado. Geralmete, os métodos de formação de reço e mx de edas são abordados soladamete, ou sobre mercado, ou sobre os custos; orém mercado e custo são duas fotes de formações searáes ara ue ossa obter sucesso a tomada de decsões. A formação do reço e mx de edas atualmete, ão ode ser uma decsão extraída de lalhas de cálculos ue cotemlam somete dados sobre custos, rodução e edas, ou uma smles comaração etre reda e custo margal, como também, o reço ão ode ser tratado algo a ser smlesmete mosto elo mercado, dedo ao aumeto da lberdade de escolha do cosumdor.. REFERENCIAL TEÓRICO O custo do roduto ode ser estabelecdo de dferetes formas, deededo do to de formações ecessáras ara a tomada de decsão, exstdo ara sto, dersos métodos,

3 sstemas e crtéros ara custear o roduto. O custo do roduto deederá calmete do sstema de rodução ue determará o sstema de acumulação dos custos, odedo ser: or ordem de rodução, or rocesso ou msto. Posterormete a escolha do sstema de acumulação dos custos, são escolhdos o método de custeo (or absorção ou custeo aráel) e as téccas de custeo, e outros dados ue fluecam a determação dos custos. Porém, ara ateder o objeto deste trabalho ue é a elaboração de um modelo de formação do reço e mx de edas ara multrodutos codcoados à multrestrções, em decsões de curto razo e mercado de cocorrêca erfeta, aalsa-se os métodos de custeo or absorção e aráel. Segudo Padoeze (000,.4), método de custeo dca uas os custos deem fazer arte da auração do custo dos rodutos. O custeo or absorção é um método ue cororar os custos fxos e aráes, sejam dretos ou dretos, ao roduto. Detro deste método se euadram dersos crtéros de custeo como deartametalzação, taxas rédetermadas, custeo or atdades, udade de esforço adrão, etc. O custeo aráel é um método ue aala os rodutos com base os custos e desesas aráes. Atkso, et. al. (000,.7) coloca ue em 0 (três) crcustâcas exstem justfcata ecoômca ara utlzação do método de custeo or absorção: (a) Mutos cotratos, rcalmete, frmados com o setor úblco, os reços são determados elos custos totas mas um mark-u, cluse ara aueles reços ue tem um cotrole dreto or algum órgão goerametal; (b) Em relacoameto de logo razo com clete ara forecmeto de bes e/ou serços, os o custeo or absorção corora todos os recursos deseddos, sedo releate ara as decsões de reço; e (c) Utlzado ara estabelecmeto do reço-meta, ou seja, o reço é estabelecdo sobre os custos totas mas um mark-u, sedo o reço real ratcado flutuara em toro do reço-meta, coforme a aração da demada e outras aráes exteras. No etato, o custeo or absorção areseta-se adeuado em mutas crcustâcas, como strumeto gerecal de tomada de decsão a curto razo, os tem como rcal dfculdade o tratameto a ser dado aos custos fxos, ue odem lear a alocações arbtráras e até egaosas, se ão forem efetuados em bases cetífcas. Ideedete do crtéro a ser adotado (deartametalzação, taxas ré-determadas, custeo or atdades, etc.), ehum elmará a subjetdade da alocação dos custos fxos aos rodutos, sedo ue a escolha do crtéro dee ser tomada com base a relação custo-beefíco roorcoado a cada stuação esecífca.

4 A adoção do custeo or absorção lea outra desatagem em relação ao custeo aráel, os ão será ossíel o cohecmeto da margem de cotrbução de cada roduto detro do rocesso roduto e de comercalzação. Porém é bom lembrar ue, tal desatagem refere-se a tomada de decsão de curto razo, os ara decsões de logo razo tora-se mas acoselháel do ue o uso do custeo aráel. Para determar o reço de eda a artr do custo, é utlzado a metodologa baseada a utlzação de um ídce multlcador ou dsor alcado sobre o custo do roduto, mercadora ou serço ara se atgr o reço de eda, esse ídce é deomado de Mark-u. Satos (000,.90) defe Mark-u com sedo um ídce alcado sobre o custo de um bem ou serço ara formação do reço de eda. Um oto a ser obserado, é ue o custo do catal róro ão é abordado a comosção o Mark-u, tem ue se julga de grade releâca, rcalmete os estudos de alteratas de oos estmetos ou rojetos. O custo do catal róro ode ser o custo de oortudade da emresa, ue é a uata de lucro erddo uado a oortudade roorcoada or uma alterata é sacrfcada ela escolha da outra (Athso, et al, 000,.65). O lucro será o adcoal roorcoado elo reço de eda, aós ser descotado todos os gastos, cluse o custo do catal róro. O lucro (ou rêmo) rereseta em grade arte, o rsco assumdo elo estdor ela oção de dsoblzar o seu catal a atdade da emresa, ortato ode assumr dferetes alores ou ercetuas.. MATERIAIS E MÉTODOS As emresas êm trabalhado como um modelo smlfcado ara estabelecer um reço ue maxmze os seus lucros, ode somete é cosderada a exstêca de um úco roduto, mas ue a realdade, esta stuação é dfclmete obserada as emresas, sedo ue ormalmete oera-se com dersos rodutos. Na formação do reço e mx de edas de seus rodutos, a emresa sofre fluêcas de dersas aráes de mercado e de sua caacdade roduta, cluse o reço e mx de um determado roduto afeta a formação do reço e mx de outros rodutos, uado estes são cocorretes ou comlemetares. Dee-se estabelecer etão, um modelo matemátco ue reresete as relações exstetes etre os dersos rodutos e as dersas aráes exstetes, e ue maxmze os resultados da emresa, determado os reços de eda e uatdades a ser eddas ara os multrodutos, atededo as restrções de caacdade stalada e de mercado. São chamadas de restrções de mercado, auelas restrções exteras da emresa, e ue codcoam a comercalzação dos rodutos, em termos de uatdade e reço, euadrado-se estas,

5 restrções ue edecam as relações de oferta e demada, de rodutos cocorretes e de rodutos comlemetares. As restrções de caacdade stalada são restrções teras da emresa, e ue lmtam a fabrcação ou a comercalzação dos rodutos, como or exemlo, úmero de horas dsoíes da rodução, caacdade de estocar ou de trasortar a matérarma, estocar ou dstrbur rodutos rotos. Com o roblema areseta um grade coteúdo de aráes e de restrções, dee-se utlzar os strumetos de aálse uattata, esecfcamete ara este roblema, os estudos de rogramação ão-lear. Programação ão-lear é um modelo matemátco ue deseole relações dersas, ue objetam a dstrbução dos recursos lmtados, sob restrções mostos elos dersos asectos, como tecológcos e de mercado, auxlam o rocesso decsóro das orgazações., sedo ue uma das mas comus é a rogramação uadrátca. A aálse uattata, atraés da rogramação uadrátca, cosste em determar o roblema, deseoler um modelo, adurr dados, deseoler uma solução, testar a solução e mlemetar os resultados. Para ue haja a utlzação coerete da aálse uattata, deese obserar os segutes assos:. Formulação do roblema - Prmeramete, dee-se cohecer bem o roblema roosto, destacado-se o objeto reteddo. A formulação do roblema dee ser dada de forma clara e coerete, sedo essecal determar uas as aráes ue terferem o roblema e de ue forma as mesmas se teragem.. Costrução do modelo - Estado o roblema e as aráes dedamete detfcadas, o róxmo asso é deseoler um modelo. Modelo é uma reresetação (ormalmete matemátca) de uma stuação. Se faz ecessáro coletar dados recsos ara o modelo refletr a realdade, os mesmo ue o modelo seja uma reresetação erfeta de realdade, dados mróros resultarão em resultados egaosos.. Aálse da solução - Date da solução do roblema elo modelo roosto, dee-se testar a sua alcabldade aos casos cocretos, ara erfcar a efcêca e a efcáca do modelo, sedo ue a solução deede dos dados e do modelo, e ambos reuerem ser testados, determado a recsão e erfeção do modelo. Um modelo é só uma aroxmação de realdade, a sesbldade da solução ara mudaças o modelo e trodução de dados, são artes muto mortate da aálse dos resultados. 4. Imlemetação do resultados - Aós a aálse da solução extraída do modelo, falmete chega-se a mlatação dos resultados obtdos. Aesar de aaretar ser uma etaa fácl, mutas ezes a utlzação da aálse uattata tem falhado exatamete

6 esta etaa. Aós a mlatação da solução, a mesma deerá ser motorada, os o decorrer do temo odem ocorrer mudaças ue reuerem modfcações a solução orgal do roblema.. ANÁLISE DOS RESULTADOS O resultado de uma emresa é determado ela dfereça etre as recetas totas (RT) e os custos e desesas totas (CT), sedo ue uado a dfereça for osta, ou seja, RT > CT, sto dca resultado osta ou lucro, orém uado a dfereça for egata, ou seja, RT < CT, sto dca resultado egato ou rejuízo. Assm, tem-se a maxmzação do resultado, ou seja, o maor lucro, uado a dfereça osta etre RT e CT for a maor ossíel. Para tato, ecessta-se deseoler as fuções matemátcas ue reresetem a receta total (RT) e o custo e desesa total (CT). Receta Total A receta total de uma emresa é dada ela segute fução: RT em ue: = uatdade a ser roduzda e edda de cada roduto = reço de eda de cada roduto or exemlo: RT Custo Total O custo e a desesa total é dada or: CT F em ue: = uatdade a ser roduzda e edda de cada roduto = custo aráel de cada roduto F = custo fxo total Por exemlo: CT F Custo de Oortudade (CO)

7 O custo de oortudade (CO) será cluído ara ue ossa ser aalsado o seu efeto sobre a formação do reço e mx dos rodutos, e ode ser reresetada or: CO IK em ue: I = taxa de custo de oortudade K = catal estdo Lucro Com base as euações aterores tera-se etão, a fução de lucro abaxo descrta: L RT CT CO L P ( F) IK Nosso objeto au é determar: as aráes e, os os demas dados do roblema são cohecdos ela emresa, ue são os custos aráes de cada roduto ( ), o custo fxo total (F), a taxa de custo de oortudade (I) e o catal estdo (K). Restrções de caacdade stalada Podem exstr áras restrções de caacdade stalada, o ue codcoa a emresa à ateder arte da demada do mercado. Estas restrções odem ser, or exemlo, o total de horas dsoíes ara trabalho, o cosumo de uma determada matéra-rma, etc. Pode-se ter etão, úmeras fuções de restrção de caacdade de rodução e comercalzação, odem ser reresetadas or fuções de uatdades a serem roduzdas e eddas de cada roduto atededo a restrção ou fator lmtate de rodução, sedo:, em ue em ue: b é uma costate ue rereseta o lmte máxmo a ser assumdo do fator lmtate. Restrções de mercado Podem exstr áras restrções de mercado, ue reresetem relações exstetes etre aração de reço e demada/oferta, rodutos substtutos ou comlemetares, etc, reresetadas or fuções de e, sedo: F, b ; F, b ; F b, ; ; em ue: b é uma costate ue rereseta o lmte máxmo, mímo ou codção de gualdade a ser assumdo do fator lmtate. A fução de demada é a mas comum das restrções de mercado, rereseta or: T, em ue: = uatdade a ser edda do roduto o eríodo

8 T = demada máxma o eríodo = costate ue rereseta a elastcdade = reço de eda do roduto Smlfcado a Fução de Lucro Sedo a fução de demada baseada o íel de reço ratcado, a mas sgfcata das restrções de mercado e, ue todas as restrções de caacdade stalada e as demas restrções de mercado são dadas or fuções de uatdade edda e roduzda ( ), ode-se smlfcar a fução de lucro, trasformado esta fução como uma fução somete de uatdades a serem roduzdas e eddas, já ue os demas termos são costates. O reço de eda será determado ela substtução a fórmula de demada da uatdade calculada. A fução de reço fcará: T T T Substtudo a fução de lucro, tem-se: IK F L P ) ( IK F L T ) ( IK F L T Sedo F, I e K assumem alores costates e ue a fução-objeta será maxmzar L, ode-se etão elmar as aráes F, I e K da fução L; torado-se esta uma reresetação da Cotrbução Margal Total (M) dos rodutos, os em rogramação matemátca, maxmzar (ou mmzar) uma fução-objeta ue ossua tem-se costates (o osso caso F, I e K alores costates), o resultado das aráes ajustáes a serem calculadas será o mesmo ue maxmzar (ou mmzar) esta fução-objeta sem estes termos costates. Etão, smlfcado: T M

9 E sedo M T M M, tem-se: T T O modelo matemátco geérco de maxmzação do lucro de uma emresa ue trabalha com dersos rodutos e com ossua um ou mas restrções, será descrta da segute forma: Sujeto a: em ue:, = uatdade a ser roduzda e edda do roduto o eríodo T = demada máxma o eríodo = costate ue rereseta a elastcdade = custo aráel utáro do roduto = reço de eda do roduto Lembrado ue a aráel ue rereseta o reço de eda de cada roduto fo substtuído a fução-objeta, ue as demas restrções são fuções de uatdade edda e roduzda dos rodutos. Com o tuto de melhor comreesão, deseole-se o modelo com base em um exemlo. Uma determada emresa fabrca (três) rodutos, e tem os segutes dados: Produto A Produto B Produto C Custo e desesa aráel utáro $40 $60 $80 Temo ecessáro ara roduzr uma h h 5 h udade Matéra-rma A utlzada ara roduzr uma 5k k 4k udade Matéra-rma B utlzada ara roduzr uma k k k udade Demada máxma do roduto/mês 000u 500u 000u Costate da relação reço/demada (elastcdade)

10 A emresa ossu um caacdade roduta de 800 horas mesas, e o cosumo das matéras-rmas A e B ão odem ultraassar o cosumo mesal de 500 kg e 000kg, resectamete. Dedo aos rodutos A e C serem rodutos comlemetares do roduto B, as uatdades de A e C deem ser o mímo a metade da uatdade de B, ara ue ão ocasoe roblemas de abastecmeto dos três rodutos. Com sto, as aráes das fuções serão: = uatdade a ser roduzda e edda do roduto A = uatdade a ser roduzda e edda do roduto B = uatdade a ser roduzda e edda do roduto C = reço de eda do roduto A = reço de eda do roduto B = reço de eda do roduto C = custo aráel utáro do roduto A = custo aráel utáro do roduto B = custo aráel utáro do roduto C Receta Total A receta total de uma emresa é dada ela segute fução: RT Custo Varáel Total (CVT) O custo e desesa aráel total é dada or: CVT CVT Cotrbução Margal Total (M) Cotrbução Margal Total dos rodutos é dada ela dfereça etre somatóro das recetas totas (RT) e somatóro dos custo e desesas aráes totas (CVT): M RT CVT M Restrção de horas trabalhadas O total de horas trabalhadas os rodutos A, B e C ão ode ser sueror a 800 horas trabalhadas mesas. A restrção de horas trabalhas é dada or: Restrção de matéra-rma A

11 O total de cosumo mesal de matéra-rma A elos rodutos A, B e C ão ode ser sueror a 500 kg.. A restrção de matéra-rma A é dada or: Restrção de matéra-rma B O total de cosumo mesal de matéra-rma B elos rodutos A, B e C ão ode ser sueror a 000 kg. A restrção de matéra-rma B é dada or: 000 Restrção de mercado As fuções de demada dos rodutos A, B e C são dadas elas fuções abaxo: Restrção de egatdade Nehuma das aráes ode assumr úmero egato 0 0; 0; Smlfcado a Fução-Objeta A fução de demada fcará: Substtudo a fução-objeta: M M M

12 M comroado a fórmula geérca aterormete descrta: max M Modelo Matemátco T O modelo matemátco ara maxmzação de resultado atraés da reço de eda e mx de multrodutos com multrestrções será: sujeto a 5 0; max M 5 4 0; Solução do Modelo Matemátco O modelo matemátco ara maxmzação de resultado acma aresetado, tem a característca de ser uma fução lear uadrátca, sedo ue ara sua solução utlza-se o software MatLab, descreedo o roblema da segute maera (as exressões abaxo referem-se as staxes róras utlzadas elo software ara solucoar roblema ãolear):descreedo o roblema da segute maera: A 5 0 0,5 0, ; b 000 ; f 440 ; ( f, A, b) ;» al = -.5*(x'*H*x) - f'*x 90 O rograma retorará as uatdades 6, e 6, resectamete ara, e ue maxmzam o roblema acma; tedo como resultado ótmo o alor de 556, ou seja, ara maxmzar o resultado da emresa atraés das aráes aresetadas, as

13 uatdades do roduto A, B e C são resectamete, 6, e 6, ao reço de eda de $469,50, $459,00 e $969,50, resectamete, e a cotrbução margal ótma será $5.56,00. Lembrado ue o reço de eda dee ser ecotrado substtudo as uatdades do roduto A, B e C, elas suas fuções de reços de cada roduto. 4. CONSIDERAÇÕES FINAIS A determação do reço e mx de eda de rodutos sofrem dersas fluêcas dos múltlos teresses ue ressoam os reços e alteram o íel de demada, estabelecedo a erdade um ambete de stabldade a gestão emresaral. A formação do reço e mx de edas exge um gerecameto artcato os dersos estágos de rocesso, desde da esusa e deseolmeto de um oo roduto até a fase ós-eda do mesmo. É acetáel ue os agetes teros refram obter o reço mas alto, orém se o reço ão for bom ara o mercado sua demada ecolherá; a outra ota, o mercado certamete rocurará o meor reço (acomahado de outros atrbutos do roduto), e ara ateder a essa motação, baterá de frete com o custo do rocesso roduto. O mercado é uem alda o reço de eda. Etede-se ue o reço básco de eda assa ecessaramete ela aálse cojuta do custo do roduto e das aráes de mercada e de rodução. Mutas emresas alcam o Mark-u sobre os custos de seu roduto ara extrar o reço de eda, orém, cosdera-se ue exstem outras aráes mortates a tomada de decsão ue ão estão reresetadas em sua comosção, como a relação de demada-oferta, lmtações de caacdade stalada, mas ue odem ser aaladas atraés de modelos matemátcos, dado uma melhor cotrbução ara a formação do reço e mx de eda dos rodutos. Aresetou-se, etão um modelo matemátco de rogramação uadrátca, ue determa a maxmzação de resultados, atraés das aráes, reços e mx de rodutos, obedecdas as restrções de caacdade stalada e mercado. O modelo au aresetado fo deseoldo sob codções de cocorrêca erfeta, ou seja, auela em ue ehuma emresa soladamete fluêca sgfcatamete o comortameto da demada e rocura do mercado. Outra lmtação mortate a ser cosderada sobre o modelo é ue, a emresa coheça as fuções ue reresetem o comortameto do custo total e demada de seus rodutos, e ue estas, jutamete com a fução reresetata da receta total, assumam característcas leares. Modelos de rogramação ão-lear odem ser deseoldos e alcados ara formação de reço e mx de edas ara dersos rodutos, utlzado-se a teora

14 deseolda este trabalho, ecesstado a aálse sobre a alcabldade destes modelos em casos cocretos, ara ue se ossa aalar o grau de efcêca e efcáca. 5. REFERÊNCIAS ATKINSON, Athoy; et al.. Cotabldade gerecal. São Paulo: Atlas, 000. BERNARDI, Luz A. Maual de formação de reço. São Paulo: Atlas, 996. BRUNI, Adrao L.; FAMÁ, Rubes. Gestão de custos e formação de reços. São Paulo: Atlas, 00. COGAN, Samuel. Custos e reços: formação e aálse. São Paulo: Poera, 999. CORRAR, Luz João; SANTOS, Edlee Sataa. Cotroladora: mesuração em decsões com certeza. Aas do VI Cogresso Braslero de Custos. São Paulo, ju.000. CRC-SP. Curso sobre cotabldade de custos. São Paulo: Atlas, 99. CRC-SP. Custo como ferrameta gerecal. São Paulo: Atlas, 995. DOLAN, Robert J.; SIMON, Herma. O oder dos reços: as melhores estratégas ara ter lucro. São Paulo: Futura, 998. HORNGREN, Charles t.; DATA, Srkat M.; FOSTER, George. Cotabldade de custos: uma abordagem gerecal.. ed. São Paulo: Pretce Hall, 004. IUDÍCIBUS, Sérgo de. Aálse de custos. São Paulo: Atlas, 988. KAPLAN, Robert S. Adaced maagemet accoutg. New Jersey: Pretce-Hall, 98. LEONE, George Sebastão Guerra. Curso de cotabldade de custos. São Paulo: Atlas, 997. NAGLE, Thomas T.; HOLDEN, Reed K. The strategy ad tactcs of rcg.. ed. New Jersey: Pretce Hall, 995. MARTINS, Elseu. Cotabldade de custos.. 9. ed. São Paulo: Atlas, 00. MONTORO FILHO, Adré Fraco; et al. Maual de ecooma..ed. São Paulo: Saraa, 998. MORRIS, Mchael H. Polítca de reço em um mercado cometto e flacoado. São Paulo: Atlas, 994. PADOVEZE, Clós Luís. O aradoxo da utlzação do método de custeo: custeo aráel ersus custeo or absorção. Resta de Cotabldade do CRC-SP,., ju.000. SAMUELSON, Paul Athoy. Itrodução à aálse ecoômca. 7.ed. Ro de Jaero: Agr, 97. SANTOS, Joel José dos. Formação do reço e do lucro. 4 ed. São Paulo: Atlas, 995. WELSCH, Gle Albert. Orçameto emresaral. 4 ed. São Paulo: Atlas, 996.

15 WINSTON, Waye L.; ALBRIGHT, S. Chrsta; BROADIE, Mark.. Practcal maagemet scece.. ed. New Jersey: Thomso Learg, 00.

PROGRAMAÇÃO QUADRÁTICA NA DETERMINAÇÃO DE PREÇO DE MULTIPRODUTOS EM UM CENÁRIO DE CURTO PRAZO

PROGRAMAÇÃO QUADRÁTICA NA DETERMINAÇÃO DE PREÇO DE MULTIPRODUTOS EM UM CENÁRIO DE CURTO PRAZO PROGRAMAÇÃO QUADRÁICA NA DEERMINAÇÃO DE PREÇO DE MULIPRODUOS EM UM CENÁRIO DE CURO PRAZO Edlso Paulo Doutorado em Cotroladora e Cotabldade FEA/USP Professor da Uersdade Presbteraa Mackeze Edereço: Rua

Leia mais

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

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Deartameto de Iformátca Dscla: do Desemeho de Sstemas de Comutação Processos de ascmeto e Morte Prof. Sérgo Colcher colcher@f.uc-ro.br Processos de ascmeto e Morte CMTC Homogêea a ual trasções acotecem

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

Métodos tipo quadratura de Gauss

Métodos tipo quadratura de Gauss COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível

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. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I MÉTOO OSS Seja agora uma estrutura de ós fxos duas vezes hergeométrca,.e. tal que os ós ão sofrem qualquer deslocameto de traslação e cotem ós com cógtas de rotação.. cos. cos etermemos os esforços mometos

Leia mais

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

Estudo e Aplicação de Redes Neuronais na Implementação de Memórias Associativas

Estudo e Aplicação de Redes Neuronais na Implementação de Memórias Associativas Estudo e Alcação de Redes Neuroas a Imlemetação de Memóras Assocatas Eo R. Mars Deartameto de Iformátca e Cêca da Comutação Isttuto de Matemátca e Estatístca Uersdade do Estado do Ro de Jaero, Brasl eoromao@oelk.com.br

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

5 Algoritmo para integração da relação tensão deformação

5 Algoritmo para integração da relação tensão deformação 5 Algortmo ara tegração da relação tesão deformação A aálse de materas com comortameto elastolástco or elemetos ftos é feta de forma cremetal e teratva. A cada estágo do rocesso de solução, cremetos de

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes?

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes? Estatístca descrtva bdmesoal (Tabelas, Gráfcos e Estatístcas) Aálse bvarada (ou bdmesoal): avala o comportameto de uma varável em fução da outra, por exemplo: Quatas vedas da Marca Phlps a regão Norte?

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

A desigualdade de Kraft e correlatos

A desigualdade de Kraft e correlatos A desguadade de Kraft e correatos Defções remares Códgo ão sguar: símboos dferetes s são reresetados or códgos dferetes c ; Códgo uvocamete decodfcáve: se símboos cocateados (s s s 3... s k) são reresetados

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS UIVERIDADE FEDERAL DO RIO GRADE DO ORE CERO DE CIÊCIA EXAA E DA ERRA DEARAEO DE EAÍICA DICILIA: E ROCEO EOCÁICO ROCEO EOCÁICO ª EAA ROFEOR: FERADO CÉAR DE IRADA AAL/R EADO ABORVEE Defção. Um estado de

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

Aula 6. Plano da aula. Bibliografia:

Aula 6. Plano da aula. Bibliografia: Aula 6 Bblografa: Farrel & Shapro, 1990, Horzotal Mergers: A Equlbrum Aalyss, AER; Wsto, 2008, Lectures o Attrust Ecoomcs, MIT Press; Motta (2005), Cap 5. Plao da aula I. Cocetrações horzotas (cotução)

Leia mais

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Adre Gadolpho Uversdade Católca de Petrópols alvesga@gbl.com.br Rcardo

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

Análise de Correspondência

Análise de Correspondência MA 0330 ANÁS MUTVARAA AOS Aálse de orresodêca úla M Pava Soler ava@me.us.br Sem/016 Obetvos: Aálse de orresodêca Varável olua u.a. / Varável ha 1 1 Y 11 Y 1 Y 1 Y 1 Y 1 Y Y Y Y 1 Y Y Y Y 1 Y Y Y detfcar

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução

3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução 40 3 Relações costtutvas ara fluxo em meos ão saturados 3.1. Itrodução Na atureza, a maora dos rocessos de fluxo ocorre em meos ão saturados. Em um solo calmete seco, or exemlo, sujeto à fltração de água

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete

Leia mais

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1 NOTA BREVE SOBRE O CONCEITO DE MÉDIA O coceto de méda surge de modo abudate a dscla de Métodos Estatístcos, resete em mutos cursos de lcecatura de sttuções de eso sueror. Surge, de gual modo, em domíos

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

Reconhecimento de Padrões. Reconhecimento de Padrões

Reconhecimento de Padrões. Reconhecimento de Padrões Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:

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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

2.0 - MODELAGEM DA CARGA

2.0 - MODELAGEM DA CARGA GAT-23 2 a 26 de ubro de 2 Campas - São Paulo - Brasl G R U P O I V GRUPO DE ESTUDO DE ANÁLISE E TÉCNICAS DE SISTEMAS DE POTÊNCIA GAT RESERVA DE POTÊNCIA OPERATIVA - UMA METODOLOGIA DE TRANSIÇÃO A. A.

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

Leia mais

OTIMIZAÇÃO DO USO DA ÁGUA NO PERÍMETRO IRRIGADO FORMOSO UTILIZANDO LÂMINAS MÁXIMAS DE ÁGUA 1

OTIMIZAÇÃO DO USO DA ÁGUA NO PERÍMETRO IRRIGADO FORMOSO UTILIZANDO LÂMINAS MÁXIMAS DE ÁGUA 1 OTIMIZAÇÃO DO USO DA ÁGUA NO PERÍMETRO IRRIGADO FORMOSO UTILIZANDO LÂMINAS MÁXIMAS DE ÁGUA 1 J. L. C. Satos Júor 2, J. A. Frzzoe 3, V. P. S. Paz 4 RESUMO: A otmzação do uso da água é um desafo para os

Leia mais

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO Uversdade Federal do Ro Grade FURG Isttuto de Matemátca, Estatístca e Físca IMEF Edtal CAPES INTERPOLAÇÃO Pro. Atôo Mauríco Mederos Alves Proª Dese Mara Varella Martez Matemátca Básca ara Cêcas Socas II

Leia mais

Caderno de Fórmulas. Swap

Caderno de Fórmulas. Swap Swap Elaboração: Abrl/25 Últma Atualzação: 5/4/216 Apresetação O adero de Fórmulas tem por objetvo oretar os usuáros do Módulo de, a compreesão da metodologa de cálculo e dos crtéros de precsão usados

Leia mais

As seguintes variáveis são propriedades extensivas e funções do estado: (2.4) Já vimos que para um sistema fechado, da equação (1.1) podemos escrever

As seguintes variáveis são propriedades extensivas e funções do estado: (2.4) Já vimos que para um sistema fechado, da equação (1.1) podemos escrever 2. Fuções Auxlares e odções de Equlíbro As segutes varáves são roredades extesvas e fuções do estado: Etala: H (2.) Eerga lvre de Helmholtz: A (2.2) Eerga lvre de Gbbs: G G H (2.3) G A Proredades da Etala

Leia mais

ANÁLISE MATRICIAL DE ESTRUTURAS: APLICADA A MODELOS LINEARES

ANÁLISE MATRICIAL DE ESTRUTURAS: APLICADA A MODELOS LINEARES ANÁLISE MATRICIAL E ESTRUTURAS: APLICAA A MOELOS LINEARES Luz erado Martha Potfíca Uversdade Católca do Ro de Jaero PUC-Ro epartameto de Egehara Cvl Rua Marquês de São Vcete - Gávea CEP - Ro de Jaero RJ

Leia mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio Materal Teórco - Módulo de MATEMÁTICA FINANCEIRA Facametos Prmero Ao do Eso Médo Autor: Prof Fracsco Bruo Holada Autor: Prof Atoo Camha Muz Neto 20 de agosto de 2018 1 Itrodução Neste materal, remos aplcar

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete

Leia mais

Capítulo 4. FLUXO DE TRÁFEGO - RELAÇÕES BÁSICAS

Capítulo 4. FLUXO DE TRÁFEGO - RELAÇÕES BÁSICAS 1 Capítulo 4. FLUXO DE RÁFEGO - RELAÇÕES BÁSICAS A tarefa fudametal de uma eora do Fluxo de ráfego é o estabelecmeto de relações áldas etre as aráes de teresse. Os resultados báscos deste esforço são o

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração

Leia mais

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte Itrodução a Sstemas Itelgetes ópcos em Redes Neuras II: Redes Neuras RBF ª Parte Prof. Rcardo J. G. B. Campello Aula de Hoje Neurôos de Resposta Radal Modelos Neuras RBF Úca Saída Múltplas Saídas Represetação

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos oderados (MRP) tora-se dsesável um estudo mesmo que

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade Computacional da Determinação da Correspondência entre Imagens Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

6. MÉTODOS APROXIMADOS DE ANÁLISE DE SISTEMAS CONTÍNUOS

6. MÉTODOS APROXIMADOS DE ANÁLISE DE SISTEMAS CONTÍNUOS 6. ÉOOS APROXAOS ANÁS SSAS CONÍNUOS Nos dos capítulos aterores, estudaram-se métodos exactos de aálse de sstemas dscretos e de sstemas cotíuos. Agora, serão aalsados algus métodos aproxmados da solução

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

Leia mais

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo. Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

VI - Integração Numérica

VI - Integração Numérica V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino Plao de Eso Uversdade Federal do Espírto Sato Campus: São Mateus Curso: Egehara de Produção Departameto Resposável: Departameto de Egeharas e Tecologa Data de Aprovação (Art. º 91): Docete resposável:

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

Uma Calculadora Financeira usando métodos numéricos e software livre

Uma Calculadora Financeira usando métodos numéricos e software livre Uma Calculadora Facera usado métos umércos e software lvre Jorge edraza Arpas, Julao Sott, Depto de Cêcas e Egeharas, Uversdade Regoal ItegradaI, URI 98400-000-, Frederco Westphale, RS Resumo.- Neste trabalho

Leia mais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

MÉTODO DUAL SIMPLEX COM A REGRA STEEPEST-EDGE PARA RESOLVER PROBLEMAS LINEARES CANALIZADOS

MÉTODO DUAL SIMPLEX COM A REGRA STEEPEST-EDGE PARA RESOLVER PROBLEMAS LINEARES CANALIZADOS A esusa Oeracoal e os Recursos Reováves 4 a 7 de ovembro de 3, atal-r MÉODO DUAL SIMPLEX COM A REGRA SEEPES-EDGE PARA RESOLVER PROLEMAS LIEARES CAALIZADOS Rcardo Slvera Sousa Marcos ereu Areales Deartameto

Leia mais