CENTRO UNIVERSITÁRIO FUNDAÇÃO SANTO ANDRÉ THYELLE TERUYA. ECONOFÍSICA Estudo de Elementos de Física aplicada a Economia
|
|
- Benedita Flores Palha
- 8 Há anos
- Visualizações:
Transcrição
1 CENTRO UNIVERSITÁRIO FUNDAÇÃO SANTO ANDRÉ THYELLE TERUYA ECONOFÍSICA Estudo de Elementos de Física aplicada a Economia Santo André 2012
2 THYELLE TERUYA ECONOFÍSICA Estudo de Elementos de Física aplicada a Economia Trabalho de Iniciação Científica, apresentado a Faculdade de Engenharia Celso Daniel cumprindo especificações para obtenção de bolsa parcial, com orientações do professor Mauricio Bernardino Magro. Santo André 2012
3 SUMÁRIO INTRODUÇÃO... 4 OBJETIVO... 5 METODOLOGIA... 6 DESENVOLVIMENTO DO TRABALHO E RESULTADOS... 7 DISCUSSÃO E CONCLUSÃO REFERÊNCIAS... 27
4 INTRODUÇÃO Recentemente os estudos da física aplicada à economia têm gerado grandes avanços em relação aos modelos aplicados ao mercado financeiro, principalmente no mercado de ações, e em particular na análise das séries temporais econômicas deu origem a uma nova área de pesquisa chamada de Econofísica, a qual foi desenvolvida a partir de 1990, a fim de aplicar ferramentas e métodos da física para obter o comportamento dos dados financeiros e então explicar os fenômenos gerais da Economia. A complexidade do mercado ações, como por exemplo, as variações dos preços das ações, desperta um enorme interesse de pesquisadores para obter conhecimento e o desenvolvimento de análises científicas quanto a essas variações. Os mais interessados nestes estudos são físicos pelo fato do mercado ser assim um exemplo de sistema que apresenta um tipo de comportamento complexo, muito estudado na física. Neste projeto será abordada uma introdução à Econofísica, adquirindo conhecimentos básicos para aplicação em modelos do mercado de ações e também conhecimentos econômicos, para prever através de métodos matemáticos as possíveis variações. As ações decorrentes do estudo poderão ser de qualquer tipo de ativo financeiro, pois a análise geral é a previsão de futuras variações do respectivo ativo estudado.
5 OBJETIVO O objetivo deste projeto em primeiro lugar é assimilar os conhecimentos de física estatística e matemática necessários para sua compreensão, e posteriormente, buscar ligação entre a teoria estudada e, por exemplo, o mercado de ações. Inicialmente, pretendia-se realizar estudos cuidadosos para adquirir conhecimentos da chamada Física Estatística, para que se obtenha o embasamento teórico necessário para aplicação prática em exemplos reais do mercado financeiro, como a modelagem do comportamento do valor de uma ação na bolsa de valores. Alguns dos conhecimentos básicos necessários da física estatística são: Conceitos estatísticos básicos; teorema do limite central; movimento browniano geométrico; análise fundamentalista; transformada de Fourier, expansão de Taylor, processos estocásticos, etc. Posteriormente, pretende-se aplicar os modelos matemáticos estudados em exemplos do mercado financeiro.
6 METODOLOGIA Foi utilizado um método de pesquisa teórico, pois tinha como objetivo estruturar e desenvolver modelos teóricos, e um tipo de pesquisa exploratória, devido à pesquisa bibliográfica e estudos de caso. Realizou-se um plano de estudo baseado em seminários os quais foram apresentados de forma periódica, supervisionados e lecionados pelo orientador do projeto baseado em livros disponíveis e em meios eletrônicos como a Internet. A internet foi extremamente necessária, para a consulta de: métodos matemáticos; aulas de econofísica da USP; artigos científicos. Foi utilizado como bibliografia básica sobre econofísica o livro: An Introduction to Econophysics Correlations and Complexity in Finance, de Rosario Mantegna and H. Eugene Stanley. Alguns dos livros utilizados na pesquisa foram do acervo da biblioteca da FSA, complementado por outros acervos, como o da Universidade de São Paulo, levando em conta também o desenvolvimento de pesquisas na internet.
7 DESENVOLVIMENTO DO TRABALHO E RESULTADOS Dos objetivos traçados, alguns dos resultados primeiramente esperados foram obtidos como os conhecimentos de alguns conceitos necessários para estudar as variações e flutuações de preços de ativos financeiros, vale ressaltar, porém, vale que os estudos ainda estavam em andamento para aprendizado de mais conceitos, pois é uma matéria que abrange múltiplas áreas na matemática e explicações da física. 1 - Análise Fundamentalista e Técnica De acordo com Napolitano (2011) para entender as flutuações e variações de uma determinada ação, é necessária uma base teórica como a análise fundamentalista que analisa a previsão do valor intrínseco para uma ação e quem propôs a primeira fórmula para esse cálculo foi John Burr Williams: onde D n é o dividendo pago no n-ésimo ano e t é a taxa de desconto já incluindo o prêmio pelo risco, houve variações e sofisticações dessa fórmula com o passar do tempo. Se o preço atual de uma ação for menor que seu valor intrínseco, a recomendação é de compra, caso o investidor creia na análise. Segundo Napolitano (2011) a análise técnica também é necessária para entender as variações, pois os analistas tentam prever as tendências dos preços dos ativos financeiros em registros históricos de preços do passado, ou seja, é através de uma certa quantidade de flutuações e variações de preços de ativos financeiros que os analistas estudam para tentar prever futuras variações, sendo assim este método é denominado de análise quantitativa. 2 O Movimento Browniano O movimento Browniano é o movimento aleatório de partículas, porém Bachelier propôs este movimento em 1900 para a dinâmica do preço de um ativo financeiro, o qual foi a sua tese de PhD A Teoria da Especulação. Seguindo a idéia de Napolitano deve-se, primeiramente estudar o movimento aleatório em uma dimensão e
8 posteriormente o seu limite contínuo, definido, assim, o movimento Browniano unidimensional. 3 Movimento Aleatório em uma dimensão Na visão de Kwok (2008) considera-se o movimento de uma partícula apenas ao longo do eixo x, em qualquer um dos seus sentidos, com passos do tamanho δ fixo. A partícula parte da origem e a cada passo existe a probabilidade p de dar um passo no sentido positivo (+δ) e a probabilidade q (sendo p+q=1) de dar um passo negativo (-δ). Cada passo da partícula é independente do passo anterior, considerando p e q constantes. Portanto o valor esperado, x i do i-ésimo passo, independendo de i, é: Após n passos, a partícula tem a posição dada pela somatória de todos os n deslocamentos. 4 Limite contínuo do movimento aleatório Quando δ 0 a partícula pode deslocar-se continuamente, e em cada passo infinitesimal ainda possui probabilidade p de mover-se +δ e probabilidade q de mover-se δ. Seja u(x,t) a probabilidade de que a partícula esteja na posição x no instante t. Suponhamos que a partícula da r passos por unidade de tempo. Assim, o intervalo de tempo entre dois passos é dado por: E, portanto, no limite contínuo, isto é, quando δ 0, temos r e λ 0. Antes de tomarmos o limite, podemos dizer que o número de passos no instante t é dado por Ou ainda, podemos dizer que o instante de tempo t é dado por Com isso, podemos dizer também que, depois de n passos, a partícula tem probabilidade u(x,t) de encontrar-se em x = X n, no instante t. no próximo passo, que ocorre no instante t + λ, a probabilidade de a partícula encontrar-se em x é dada por Para entendermos essa equação, basta pensarmos que, para a partícula estar em x no instante t, pode ter vindo da posição x δ, dando um passo no sentido positivo do eixo x, deslocando-se de + δ, ou pode ter vindo de x + δ, deslocando-se de δ. No primeiro caso, a probabilidade de a partícula estar em x- δ no instante t, anterior a t + δ, é u(x- δ,t) e a
9 probabilidade de deslocar-se + δ é p. Logo, a probabilidade de que a partícula tenha vindo da posição x δ é o produto pu(x- δ,t), já que para dar um passo no sentido positivo e parar em x, a partícula precisa, antes, estar em x δ. Analogamente, qu(x+ δ,t) é a probabilidade de a partícula vir da posição x + δ. Como, em t + λ, a partícula pode ter vindo de x δ ou de x + δ, segue que a probabilidade de estar em x é a soma de pu(x- δ,t) com qu(x+ δ,t). Como temos em mente tomar o limite contínuo fazendo δ 0 e λ 0, podemos expandir a equação acima em série de Taylor para as variáveis δ e λ. (NAPOLITANO, 2011, p.8) Considerando as variáveis acima temos que a equação para a probabilidade u(x,t) fica: Esta é a equação de Fokker-Planck. Verificamos que a solução dessa equação é dada pela distribuição gaussiana: e podemos provar a afirmação acima, sendo: Derivando a equação (1) em relação a t: Derivando a equação (1) em relação a x e multiplicando-a por µ: Derivando a equação (1) pela segunda vez e multiplicando-a pelo termo σ²/2: Simplificando e somando as equações (2), (3) e (4) temos:
10 5 Modelo de Bachelier Na concepção de Napolitano (2011) Bachelier propôs que a primeira dinâmica de um ativo financeiro e para entendermos o modelo proposto é necessário estudar o movimento aleatório em uma dimensão e posteriormente tomar seu limite contínuo. Porém este modelo possui algumas características não desejáveis, como por exemplo, o modelo da probabilidade não nula para o preço do ativo (x) assumir valores negativos, contrariando a condição de responsabilidades limitadas; Bachelier supôs µ=0, sugerindo uma taxa de juros nula, o que nem sempre é verdade. 6 O Movimento Browniano Geométrico No entendimento de Napolitano (2011) o modelo de Bachelier contém uma falha, que ele não pode prever preços negativos de um lote de ação. Por exemplo, quando compramos um lote de ação de uma certa empresa, ela pode ficar devendo muito aos seus credores, fazendo com que as ações comprada possam chegar a um valor 0, porém nunca será negativo, pois simplesmente não poderíamos assumir a dívida da empresa, o que é chamado de responsabilidade limitada, por parte do dono da companhia. Porém, o retorno diário R i pode ser positivo ou negativo se o preço de fechamento de um ativo era S i ontem e hoje é S i+1, então o retorno relativo de um dia fica como: E pode até ser expresso por uma porcentagem e a equação pode ser escrita assim: 1+ R i+ 1 Si = S i
11 Como os preços são positivos (é muito raro o preço ser zero), podemos tomar o logaritmo de ambos os membros da equação acima, e quando o retorno for muito pequeno, podemos escrever: ln ( 1 + R i + 1) R ou Si i+ 1 R i+ 1 ln Si A expressão acima, para retornos pequenos, sugere que uma variável interessante é dada pelo logaritmo do quociente entre os preços de fechamento: Si X = i+ 1 ln Si Caso o preço hoje tender a zero, X i + 1 irá tender a valores negativos muito grandes e caso o preço hoje tender a valores muito altos, X i + 1 também irá tender a valores positivos imensos. Caso seja contínuo, a variável pode ser definida assim: S(t) X(t) = ln S0 Considerando S 0, o preço no instante t=0 e S(t) no instante t>0. O modelo da dinâmica de preços pode ser obtido se supormos que X(t) faz o movimento browniano unidimensional, caracterizado --pelos parâmetros µ e X(t) tenha o valor x no instante t é dada pela distribuição gaussiana: 2 σ. Então a probabilidade de que Podemos provar a integral gaussiana acima: Substituindo (1) em (2): Fazendo a substituição de variável, para a resolução da integral:
12 Porém a equação deve ser positiva, por se tratar de uma probabilidade, então: Por se tratar de coordenadas polares, a substituição pode ser feita da seguinte maneira: Fazendo as substituições: Enfim, temos: Substituindo (3) em (2): Ou seja: Para descobrirmos como é a probabilidade de que o preço,s(t), tenha o valor s no instante t, precisamos levar em consideração que a equação gaussiana mostrada acima não pode descrever a probabilidade no caso contínuo, e sim a densidade de probabilidade de que a variável x assuma um valor entre x e x+dx no instante t, efetuando todos os passos matemáticos pode necessários como: a sua integral; somatória das probabilidades de todos os possíveis eventos; levar em consideração que para cada valor de X(t) existe um valor correspondente de S(t); Definindo a unidade
13 de preços como sendo o valor S 0 e em termos dessa unidade S 0 =1 é possível chegar na equação abaixo : g s, t) = s 2 ( lns µt) 1 exp 2 2πσ t 2σ t ( 2 Que é a densidade de probabilidade de que S(t) tenha o valor s no instante e é a equação que caracteriza o movimento browniano geométrico. As distribuições dos preços dos ativos financeiros muitas vezes são paroximadas por esta equação. 7 O Teorema do Limite Central A teoria do limite central (teoria central do limite) afirma que conforme aumentase o tamanho da amostra a sua distribuição amostral da média se aproximará cada vez mais de uma distribuição normal e na visão de Bussab (2002) a sua variância é igual a viariância populacional dividida pelo tamanho da amostra. Com base em Napolitano, considerando N variáveis reais, aleatórias, identicamente distribuídas na reta real, com densidade de probabilidade dada por p(xi), Para cada i=1,2,...,n, consideramos também que a densidade p seja arbitrária, porém todos os valores médios das potências de xi devem ser finitos: A densidade de probabilidade para a variável: x i, com i = 1,2,..., N X = 1 N N x i i= 1 Para exemplificar um caso discreto, suponhamos uma série de N números de lançamentos de um determinado dado. Cada um desses lançamentos poderá resultar em uma das seis possíveis faces, ou seja, a probabilidade de sair uma das faces é igual a um sexto, então é provável a ocorrência das faces de cada um dos números do dado. Após N lançamentos, foram obtidos os seguintes números: x 1=1, x 2 =5, x 3=4 e a média (1) é a seguinte: 1 X = ( ) =
14 É possível repetir os lançamentos muitas vezes e estimar a sua distribuição de probabilidades de que um determinado valor X ocorra para a média dos valores de face. Para o exemplo feito acima a distribuição não é gaussiana, porém se fizermos esse mesmo exemplo levando em conta o teorema do limite central, se o número de lançamentos N for bem maior, então a distribuição da ocorrência de X será gaussiana. Podemos provar o teorema do limite central, considerando que P(x) é a densidade de probabilidade de que a variável X, definida pela equação (1), e que resulte com um valor entre X e X+dX. Sabendo que Q(K) é a transformada de Fourier de P(x), segue a prova do teorema do limite central: A sua exponencial pode ser escrita como uma série infinita: Logo, Onde denotamos o valor esperado de X n por Depois de desenvolver a equação (4), a densidade de probabilidade pode ser dada por: Usando a equação acima e a aplicação de alguns métodos matemáticos, como, por exemplo, o uso das propriedades da função delta de Dirac e o seu desenvolvimento, foi possível obter um resultado aplicado a equação (4), temos:
15 Utilizando essa igualdade na Equação (3), vem: Reconhecemos a série infinita acima como uma exponencial: Logo, Como estamos supondo que N é muito grande, podemos expandir: Depois da expansão, a Equação (5) pode ser escrita como: Para N muito grande, podemos expandir o logaritmo, então: Essa é a transformada de Fourier da densidade de probabilidade P(X) que procuramos e podemos inverter a Equação (2): E a partir do desenvolvimento total da equação acima concluímos que podemos obter P(X) a partir de Q(K): Então, da Equação (6), e completando o quadrado no argumento da exponencial no integrando, podemos escrever a densidade de probabilidade para a variável X, quando N é muito grande, como um gaussiana:
16 7.1 - Transformada de Fourier Para o entendimento deste tópico, é necessário uma breve explicação sobre a Transformada de Fourier que é tipicamente utilizada para decompor um sinal nas suas componentes em frequência e suas amplitudes. Para chegar na transformada é preciso de alguns conhecimento matemáticos como por exemplo entender a relação de Euler: Para Sodré (2002) a transformada de Fourier é uma função h=h(t) que é absolutamente integrável definida por: E sua inversa: H 1 1 ( g( w)) = + g( w) e 2π Porém aplicado ao teorema do limite central explicado acima a transformada fica: iwt dw E a sua inversa fica: F( x) = f ( k). e No desenvolvimento deste teorema, foi considerado a frequência angular como K e a sua amplitude complexa como Q(K). ixk dk 8 Passeio Aleatório ou The Random Walk A teoria random walk afirma que não é possível prever o futuro com base nos dados do passado, como por exemplo não quer dizer que pelo fato do preço da ação ter aumentado hoje, ontem, ou em outros dias que esse preço irá aumentar amnhã também, pois o mercado funciona de maneira irracional portanto o preço de uma ação seria imprevisível.
17 9 Processos Estocásticos de Lévy e teoremas limite. 9.1 Distribuições estáveis (I) Mantegna e Stanley provaram que as distribuições lorentziana e gaussiana são estáveis, isto é, suas funções densidade de probabilidade têm as mesmas características matemáticas que suas distribuições. Para variáveis aleatórias Lorentzianas, a função da densidade de probabilidade fica: A transformada de Fourier da função da densidade de probabilidade fica: Que é chamada de função característica do processo estocástico. Para distribuições Lorentzianas, a integral é elementar. Se substituirmos (1) em (2), obtemos O teorema da convolução afirma que a transformada de Fourier de uma convolução de duas funções é o produto das transformadas de Fourier de duas funções, para variáveis aleatórias de distribuições independentes e identicamente distribuídas, considera-se: A função da densidade de probabilidade da soma de duas variáveis aleatórias, independentes e identicamente distribuídas é dada pela convolução de duas funções de probabilidade de densidade de cada variável aleatória
18 O teorema da convolução implica então, que a função característica de é dado por: Em casos gerais, (7) Então, A vantagem da função característica aproximada pode ser mostrada através da soma de duas variáveis aleatórias, independentes e identicamente distribuídas, cada uma das quais obedecendo a equação (1). Aplicar a equação (6) seria desagradável, enquanto a função característica aproximada é bastante direta, desde que para a distribuição Lorentziana, fazendo a inversa da transformada de Fourier obtemos a função de probabilidade de densidade A forma funcional de, e geralmente de, é Lorentziana. Por isso uma distribuição Lorentziana é uma distribuição estável. Para variáveis aleatórias gaussianas, a analogia da equação (1) é a seguinte função da densidade de probabilidade:
19 A função característica é: onde por isso a partir da equação (7) temos: Fazendo a inversa da transformada de Fourier, obtemos: Assim a distribuição gaussiana é também uma distribuição estável. Escrevendo a equação acima na forma, obtemos: encontramos a seguinte resposta: Mantegna e Stanley verificaram que dois processos estocásticos existem: Lorentziana e a Gaussiana. As funções características dos dois processos têm a mesma forma funcional: onde para a Lorentziana da equação (3), e para a Gaussiana da equação (8).
20 Paul Pierre Lévy e Aleksandr Khinchin resolveram o problema geral para determinar a classe inteira de distribuições estáveis. Eles encontraram que a forma mais geral de uma função característica de um processo estável é dada por: onde, é um fator de escala positivo, µ é um número real qualquer, e β é um parâmetro de assimetria que varia no intervalo de -1 a 1. A forma analítica da distribuição estável de Lévy é conhecida somente por poucos parâmetros de α e β: α = ½, β = 1 (Lévy Smirnov) α = 1, β = 0 (Lorentziana) α = 2 (Gaussiana) O livro-texto de Lévy e Khinchin informa que, no caso simétrico, isto é, quando β=0 e com µ=0, tem a variância finita: α=2 β=0 µ=0 (Simétrico) com E a distribuição estável tem a forma assintótica, quando x é muito grande: E considerando uma conseqüência do resultado acima, é que o valor esperado de, acaba divergindo para, quando α < 2: Assim, particularmente, todos os processos estáveis de Lévy com α < 2 tem variâncias infinitas, como, por exemplo, a distribuição lorentziana da equação (1):
21 9.2 Distribuições estáveis (II) Analogamente, há uma outra prova, mais formal, para as distribuições estáveis, que pode ser obtida em NAPOLITANO. Considerando uma distribuição lorentziana: Onde N é uma constante real positiva, calculemos N: Então : A integral no denominador pode ser escrita se simplificarmos seu integrando, fica: E então obtêm-se: Considerando o contorno no plano complexo e o teorema dos resíduos:
22 E levando em conta que: Segue o cálculo do resíduo: Pólo simples: Então: Para as variáveis aleatórias lorentzianas, a função normalizada da densidade de probabilidade fica: distribuídas: Considerando variáveis estocásticas independentes e indenticamente Assim: Calculemos a densidade de probabilidade para essa X segundo a equação (1).
23 Então, considerando a transformada de Fourier de P(X), conhecida também como função característica da densidade de probabilidade P(X): Agora vamos calcular a transformada de Fourier, ou a função característica, da lorentziana da equação (1): Então, devemos considerar dois casos q>0 e q<0. Para q>0, temos: E para q<0, temos: Portanto: Logo:
24 E para obtermos a distribuição da variável X, basta somente calcular a transformada de Fourier inversa: Logo, podemos presumir que a densidade de probabilidade para a variável X é também lorentziana, com apenas uma mudança de escala: Segundo a visão de Napolitano, podemos dizer, nesse caso, que a densidade de probabilidade lorentziana é uma distribuição estável, pois sua convolução resulta na mesma distribuição, com uma mudança de escala apenas. Para variáveis aleatórias gaussianas, a função da densidade de probabilidade é: E a sua função característica: Mas, como: Então: Calculando a transformada de Fourier inversa, obtemos:
25 Portanto, a distribuição gaussiana também é uma distribuição estável, porém com uma escala diferente: Assim, particularmente, todos os processos estáveis de Lévy com α < 2 tem variâncias infinitas, como por exemplo a distribuição lorentziana da equação (1):
26 DISCUSSÃO E CONCLUSÃO A partir das matérias estudadas para entender a econofísica, foi possível adquirir alguns conhecimentos de conceitos teóricos mostrados na introdução, entendendo perfeitamente que o preço de uma determinada ação tem a probabilidade de estar em um certo ponto e mudar tanto positivamente quanto negativamente sendo que a densidade de probabilidade para seu valor num dado momento é representada pela função gaussiana. Deve-se levar em conta, para o aperfeiçoamento do modelo, a situação da economia atual do mercado financeiro. É possível acreditar que a partir do embasamento teórico estudado e mais alguns, a variação do preço de uma ação poderá ser calculado e previsto. Pode-se concluir que a econofísica é um assunto complexo, embasando-se fundamentalmente nos princípios matemáticos da estatística. Tais modelos assemelham-se a outros fenômenos da natureza como, por exemplo, o movimento browniano das partículas de um gás. Desse modo, é possível modelar os processos econômicos através das equações e resultados de processos físicos conhecidos da natureza. Como o estudo não será continuado, uma vez que a bolsa não será renovada, os próximos passos a serem seguidos para que se possa chegar a algum resultado seriam: refinar mais alguns princípios matemáticos envolvidos, analisar alguns dados financeiros e assim começar a aplicação prática em alguns exemplos.
27 REFERÊNCIAS BUSSAB, Wilton de O; MORETTIN, Pedro A. Estatística Básica. 5ª edição. São Paulo: Saraiva, BUTKOV, Eugene Física Matemática, 1ª edição. Rio de Janeiro: LTC (1988). BUTKOV, Eugene Física Matemática. Rio de Janeiro: Guanabara Dois (1983). GUERRA, José Mauri; DONAIRE, Denis. Estatística Indutiva, teoria e aplicações. 5ª edição. São Paulo: Livraria Ciência e Tecnologia LTDA, KWOK, Yue-Kuen. Mathematical Models of Financial Derivatives. 2ª edição. Hong Kong: Springer Finance, LORETO, Ana Célia da Costa; Armando Pereira; PAGLIARDE, José Emílio. Cálculo Diferencia e Integral 3 Resumo Teórico e Exercícios Resolvidos e Propostos. São Paulo: LCTE Editora, MANTEGNA, Rosario; STANLEY, Eugene. An Introduction to Econophysics Correlations and Complexity in Finance, Cambridge: Univ. Press, NAPOLITANO, Reginaldo de Jesus. Notas de aula do curso Introdução a Econofísica, ministrado na Universidade de São Paulo, São Carlos, Disponível em: < RODRIGUES, Willian Costa. Apostila de Metodologia Científica. FAETEC, Paracambi, Disponível em: < sta%20rodrigues_metodologia_cientifica.pdf>. Acesso em: 1 de ago SALINAS, Silvio R. A. Introdução a Física Estatística. 2ª edição. São Paulo: Edusp, 2005.
28 VALENTE, Diego Castelo Branco. Modelos estocásticos para a volatilidade do mercado de ações brasileiro Tese de Mestrado Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Disponível em: < =5850@1>. Acesso em 1 de Ago
Exercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística SEFAZ - Analista em Finanças Públicas Prova realizada em 04/12/2011 pelo CEPERJ
Resoluções comentadas de Raciocínio Lógico e Estatística SEFAZ - Analista em Finanças Públicas Prova realizada em 04/1/011 pelo CEPERJ 59. O cartão de crédito que João utiliza cobra 10% de juros ao mês,
Leia maisProcessos Estocásticos
Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte
Leia maispor séries de potências
Seção 23: Resolução de equações diferenciais por séries de potências Até este ponto, quando resolvemos equações diferenciais ordinárias, nosso objetivo foi sempre encontrar as soluções expressas por meio
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisMD Sequências e Indução Matemática 1
Sequências Indução Matemática Renato Martins Assunção assuncao@dcc.ufmg.br Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br MD Sequências e Indução Matemática 1 Introdução Uma das tarefas mais importantes
Leia maisMétodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo. Funções Exponenciais e Logarítmicas Progressões Matemáticas
Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo Funções Exponenciais e Logarítmicas Progressões Matemáticas Funções Exponenciais e Logarítmicas. Progressões Matemáticas Objetivos
Leia maisAula 5 Distribuição amostral da média
Aula 5 Distribuição amostral da média Nesta aula você irá aprofundar seus conhecimentos sobre a distribuição amostral da média amostral. Na aula anterior analisamos, por meio de alguns exemplos, o comportamento
Leia maisLista 1 para a P2. Operações com subespaços
Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos
Leia mais1) Eficiência e Equilíbrio Walrasiano: Uma Empresa
1) Eficiência e Equilíbrio Walrasiano: Uma Empresa Suponha que há dois consumidores, Roberto e Tomás, dois bens abóbora (bem 1) e bananas (bem ), e uma empresa. Suponha que a empresa 1 transforme 1 abóbora
Leia maisDistribuição de probabilidades
Luiz Carlos Terra Para que você possa compreender a parte da estatística que trata de estimação de valores, é necessário que tenha uma boa noção sobre o conceito de distribuição de probabilidades e curva
Leia maisUnidade 3 Função Logarítmica. Definição de logaritmos de um número Propriedades operatórias Mudança de base Logaritmos decimais Função Logarítmica
Unidade 3 Função Logarítmica Definição de aritmos de um número Propriedades operatórias Mudança de base Logaritmos decimais Função Logarítmica Definição de Logaritmo de um número Suponha que certo medicamento,
Leia maisEstatística II Antonio Roque Aula 9. Testes de Hipóteses
Testes de Hipóteses Os problemas de inferência estatística tratados nas aulas anteriores podem ser enfocados de um ponto de vista um pouco diferente: ao invés de se construir intervalos de confiança para
Leia maisExercícios Adicionais
Exercícios Adicionais Observação: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós recomendamos
Leia maisNotas de Cálculo Numérico
Notas de Cálculo Numérico Túlio Carvalho 6 de novembro de 2002 2 Cálculo Numérico Capítulo 1 Elementos sobre erros numéricos Neste primeiro capítulo, vamos falar de uma limitação importante do cálculo
Leia maisDistribuição Gaussiana. Modelo Probabilístico para Variáveis Contínuas
Distribuição Gaussiana Modelo Probabilístico para Variáveis Contínuas Distribuição de Frequências do Peso, em gramas, de 10000 recém-nascidos Frequencia 0 500 1000 1500 2000 2500 3000 3500 1000 2000 3000
Leia maisFração como porcentagem. Sexto Ano do Ensino Fundamental. Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M.
Material Teórico - Módulo de FRAÇÕES COMO PORCENTAGEM E PROBABILIDADE Fração como porcentagem Sexto Ano do Ensino Fundamental Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M. Neto
Leia mais3 Matemática financeira e atuarial
3 Matemática financeira e atuarial A teoria dos juros compostos em conjunto com a teoria da probabilidade associada à questão da sobrevivência e morte de um indivíduo são os fundamentos do presente trabalho.
Leia maisUm estudo sobre funções contínuas que não são diferenciáveis em nenhum ponto
Um estudo sobre funções contínuas que não são diferenciáveis em nenhum ponto Maria Angélica Araújo Universidade Federal de Uberlândia - Faculdade de Matemática Graduanda em Matemática - Programa de Educação
Leia maisCurvas em coordenadas polares
1 Curvas em coordenadas polares As coordenadas polares nos dão uma maneira alternativa de localizar pontos no plano e são especialmente adequadas para expressar certas situações, como veremos a seguir.
Leia maisEquações Diferenciais Ordinárias
Equações Diferenciais Ordinárias Uma equação diferencial é uma equação que relaciona uma ou mais funções (desconhecidas com uma ou mais das suas derivadas. Eemplos: ( t dt ( t, u t d u ( cos( ( t d u +
Leia mais1 A Integral por Partes
Métodos de Integração Notas de aula relativas aos dias 14 e 16/01/2004 Já conhecemos as regras de derivação e o Teorema Fundamental do Cálculo. Este diz essencialmente que se f for uma função bem comportada,
Leia maisUm jogo de preencher casas
Um jogo de preencher casas 12 de Janeiro de 2015 Resumo Objetivos principais da aula de hoje: resolver um jogo com a ajuda de problemas de divisibilidade. Descrevemos nestas notas um jogo que estudamos
Leia maisAnálise de Arredondamento em Ponto Flutuante
Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto
Leia maisMatemática para Engenharia
Matemática para Engenharia Profa. Grace S. Deaecto Faculdade de Engenharia Mecânica / UNICAMP 13083-860, Campinas, SP, Brasil. grace@fem.unicamp.br Segundo Semestre de 2013 Profa. Grace S. Deaecto ES401
Leia mais1. Os métodos Não-Paramétricos podem ser aplicados a uma ampla diversidade de situações, porque não exigem populações distribuídas normalmente.
TESTES NÃO - PARAMÉTRICOS As técnicas da Estatística Não-Paramétrica são, particularmente, adaptáveis aos dados das ciências do comportamento. A aplicação dessas técnicas não exige suposições quanto à
Leia mais4Distribuição de. freqüência
4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva
Leia maisUnidade 5: Sistemas de Representação
Arquitetura e Organização de Computadores Atualização: 9/8/ Unidade 5: Sistemas de Representação Números de Ponto Flutuante IEEE 754/8 e Caracteres ASCII Prof. Daniel Caetano Objetivo: Compreender a representação
Leia maisFaculdade Sagrada Família
AULA 12 - AJUSTAMENTO DE CURVAS E O MÉTODO DOS MÍNIMOS QUADRADOS Ajustamento de Curvas Sempre que desejamos estudar determinada variável em função de outra, fazemos uma análise de regressão. Podemos dizer
Leia maisExercícios 1. Determinar x de modo que a matriz
setor 08 080509 080509-SP Aula 35 MATRIZ INVERSA Uma matriz quadrada A de ordem n diz-se invertível, ou não singular, se, e somente se, existir uma matriz que indicamos por A, tal que: A A = A A = I n
Leia maisEventos independentes
Eventos independentes Adaptado do artigo de Flávio Wagner Rodrigues Neste artigo são discutidos alguns aspectos ligados à noção de independência de dois eventos na Teoria das Probabilidades. Os objetivos
Leia maisMatemática Básica - 08. Função Logarítmica
Matemática Básica Função Logarítmica 08 Versão: Provisória 0. Introdução Quando calculamos as equações exponenciais, o método usado consistia em reduzirmos os dois termos da equação à mesma base, como
Leia maisResolução dos Exercícios sobre Derivadas
Resolução dos Eercícios sobre Derivadas Eercício Utilizando a idéia do eemplo anterior, encontre a reta tangente à curva nos pontos onde e Vamos determinar a reta tangente à curva nos pontos de abscissas
Leia maisO mercado de bens CAPÍTULO 3. Olivier Blanchard Pearson Education. 2006 Pearson Education Macroeconomia, 4/e Olivier Blanchard
O mercado de bens Olivier Blanchard Pearson Education CAPÍTULO 3 3.1 A composição do PIB A composição do PIB Consumo (C) são os bens e serviços adquiridos pelos consumidores. Investimento (I), às vezes
Leia maisKarine Nayara F. Valle. Métodos Numéricos de Euler e Runge-Kutta
Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Professor Orientador: Alberto Berly Sarmiento Vera Belo Horizonte 2012 Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Monografia
Leia mais1 Propagação de Onda Livre ao Longo de um Guia de Ondas Estreito.
1 I-projeto do campus Programa Sobre Mecânica dos Fluidos Módulos Sobre Ondas em Fluidos T. R. Akylas & C. C. Mei CAPÍTULO SEIS ONDAS DISPERSIVAS FORÇADAS AO LONGO DE UM CANAL ESTREITO As ondas de gravidade
Leia maisDinâmica de um Sistema de Partículas Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Dinâmica de um Sistema de Partículas Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Profa. Dra. Diana Andrade & Prof. Dr. Sergio Pilling Parte 1 - Movimento Retilíneo Coordenada de posição, trajetória,
Leia maisEstudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisSomatórias e produtórias
Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +
Leia maisÁlgebra. SeM MiSTéRio
Álgebra SeM MiSTéRio Série SeM MiSTéRio Alemão Sem Mistério Álgebra Sem Mistério Cálculo Sem Mistério Conversação em Alemão Sem Mistério Conversação em Espanhol Sem Mistério Conversação em Francês Sem
Leia maisDisponibilizo a íntegra das 8 questões elaboradas para o Simulado, no qual foram aproveitadas 4 questões, com as respectivas resoluções comentadas.
Disponibilizo a íntegra das 8 questões elaboradas para o Simulado, no qual foram aproveitadas questões, com as respectivas resoluções comentadas. Amigos, para responder às questões deste Simulado, vamos
Leia maisTexto 07 - Sistemas de Partículas. A figura ao lado mostra uma bola lançada por um malabarista, descrevendo uma trajetória parabólica.
Texto 07 - Sistemas de Partículas Um ponto especial A figura ao lado mostra uma bola lançada por um malabarista, descrevendo uma trajetória parabólica. Porém objetos que apresentam uma geometria, diferenciada,
Leia maisEquações Diferenciais
Equações Diferenciais EQUAÇÕES DIFERENCIAS Em qualquer processo natural, as variáveis envolvidas e suas taxas de variação estão interligadas com uma ou outras por meio de princípios básicos científicos
Leia maisCurso destinado à preparação para Concursos Públicos e Aprimoramento Profissional via INTERNET www.concursosecursos.com.br. Aula Gratuita PORCENTAGEM
MATEMÁTICA FINANCEIRA ON LINE Aula Gratuita PORCENTAGEM Introdução (Clique aqui para assistir à aula gravada) A porcentagem é o estudo da matemática financeira mais aplicado ao nosso dia-a-dia. É freqüente
Leia maisUniversidade Federal do Rio Grande do Norte. Centro De Ciências Exatas e da Terra. Departamento de Física Teórica e Experimental
Universidade Federal do Rio Grande do Norte Centro De Ciências Exatas e da Terra Departamento de Física Teórica e Experimental Programa de Educação Tutorial Curso de Nivelamento: Pré-Cálculo PET DE FÍSICA:
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia maisExemplos de Testes de Hipóteses para Médias Populacionais
Exemplos de Testes de Hipóteses para Médias Populacionais Vamos considerar exemplos de testes de hipóteses para a média de uma população para os dois casos mais importantes na prática: O tamanho da amostra
Leia maisAV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980
Questão 1. Uma venda imobiliária envolve o pagamento de 12 prestações mensais iguais a R$ 10.000,00, a primeira no ato da venda, acrescidas de uma parcela final de R$ 100.000,00, 12 meses após a venda.
Leia maisUniversidade Federal de São Carlos Departamento de Matemática 083020 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/04/2008
Universidade Federal de São Carlos Departamento de Matemática 08300 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/0/008 1. (0 pts.) Considere o sistema de ponto flutuante normalizado
Leia mais3º Ano do Ensino Médio. Aula nº10 Prof. Daniel Szente
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº10 Prof. Daniel Szente Assunto: Função exponencial e logarítmica 1. Potenciação e suas propriedades Definição: Potenciação é a operação
Leia mais3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar
3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar Vimos que as previsões sobre as capacidades caloríficas molares baseadas na teoria cinética estão de acordo com o comportamento
Leia maisMaterial Teórico - Aplicações das Técnicas Desenvolvidas. Exercícios e Tópicos Relacionados a Combinatória. Segundo Ano do Ensino Médio
Material Teórico - Aplicações das Técnicas Desenvolvidas Exercícios e Tópicos Relacionados a Combinatória Segundo Ano do Ensino Médio Prof Cícero Thiago Bernardino Magalhães Prof Antonio Caminha Muniz
Leia maisEste procedimento gera contribuições não só a φ 2 e φ 4, mas também a ordens superiores. O termo por exemplo:
Teoria Quântica de Campos II 168 Este procedimento gera contribuições não só a φ 2 e φ 4, mas também a ordens superiores. O termo por exemplo: Obtemos acoplamentos com derivadas também. Para o diagrama
Leia maisO comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
Leia maisNotas sobre a Fórmula de Taylor e o estudo de extremos
Notas sobre a Fórmula de Taylor e o estudo de etremos O Teorema de Taylor estabelece que sob certas condições) uma função pode ser aproimada na proimidade de algum ponto dado) por um polinómio, de modo
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - APO
Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - APO 11. O Dia do Trabalho, dia 1º de maio, é o 11º dia do ano quando o ano não é bissexto. No ano de 1958, ano em que o Brasil ganhou,
Leia maisAULAS 14, 15 E 16 Análise de Regressão Múltipla: Problemas Adicionais
1 AULAS 14, 15 E 16 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 20 e 22 de abril e 04 de maio de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte:
Leia maisPotenciação no Conjunto dos Números Inteiros - Z
Rua Oto de Alencar nº 5-9, Maracanã/RJ - tel. 04-98/4-98 Potenciação no Conjunto dos Números Inteiros - Z Podemos epressar o produto de quatro fatores iguais a.... por meio de uma potência de base e epoente
Leia maisMINICURSO DE MATEMÁTICA FINANCEIRA NO DIA A DIA
PORCENTAGEM MINICURSO DE MATEMÁTICA FINANCEIRA NO DIA A DIA Quando é dito que 40% das pessoas entrevistadas votaram no candidato A, esta sendo afirmado que, em média, de cada pessoas, 40 votaram no candidato
Leia maisCap. 7 - Fontes de Campo Magnético
Universidade Federal do Rio de Janeiro Instituto de Física Física III 2014/2 Cap. 7 - Fontes de Campo Magnético Prof. Elvis Soares Nesse capítulo, exploramos a origem do campo magnético - cargas em movimento.
Leia maisFUNÇÃO DE 1º GRAU. = mx + n, sendo m e n números reais. Questão 01 Dadas as funções f de IR em IR, identifique com um X, aquelas que são do 1º grau.
FUNÇÃO DE 1º GRAU Veremos, a partir daqui algumas funções elementares, a primeira delas é a função de 1º grau, que estabelece uma relação de proporcionalidade. Podemos então, definir a função de 1º grau
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisVariáveis aleatórias contínuas e distribuiçao Normal. Henrique Dantas Neder
Variáveis aleatórias contínuas e distribuiçao Normal Henrique Dantas Neder Definições gerais Até o momento discutimos o caso das variáveis aleatórias discretas. Agora vamos tratar das variáveis aleatórias
Leia maisIndicamos inicialmente os números de cada item do questionário e, em seguida, apresentamos os dados com os comentários dos alunos.
Os dados e resultados abaixo se referem ao preenchimento do questionário Das Práticas de Ensino na percepção de estudantes de Licenciaturas da UFSJ por dez estudantes do curso de Licenciatura Plena em
Leia maisAula 2 - Cálculo Numérico
Aula 2 - Cálculo Numérico Erros Prof. Phelipe Fabres Anhanguera Prof. Phelipe Fabres (Anhanguera) Aula 2 - Cálculo Numérico 1 / 41 Sumário Sumário 1 Sumário 2 Erros Modelagem Truncamento Representação
Leia maisTeorema de Taylor. Prof. Doherty Andrade. 1 Fórmula de Taylor com Resto de Lagrange. 2 Exemplos 2. 3 Exercícios 3. 4 A Fórmula de Taylor 4
Teorema de Taylor Prof. Doherty Andrade Sumário 1 Fórmula de Taylor com Resto de Lagrange 1 2 Exemplos 2 3 Exercícios 3 4 A Fórmula de Taylor 4 5 Observação 5 1 Fórmula de Taylor com Resto de Lagrange
Leia maisUniversidade Federal do Paraná. Setor de Ciências Exatas. Departamento de Matemática
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Matemática Oficina de Calculadora PIBID Matemática Grupo do Laboratório de Ensino de Matemática Curitiba Agosto de 2013 Duração:
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = =
Energia Potencial Elétrica Física I revisitada 1 Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha. O trabalho feito pela força para deslocar o corpo
Leia maisPropriedades das Funções Deriváveis. Prof. Doherty Andrade
Propriedades das Funções Deriváveis Prof Doerty Andrade 2005 Sumário Funções Deriváveis 2 Introdução 2 2 Propriedades 3 3 Teste da derivada segunda para máimos e mínimos 7 2 Formas indeterminadas 8 2 Introdução
Leia maisfx-82ms fx-83ms fx-85ms fx-270ms fx-300ms fx-350ms
O uso da Calculadora Científica (Casio fx) fx-82ms fx-83ms fx-85ms fx-270ms fx-300ms fx-350ms Prof. Ms. Renato Francisco Merli 2013 1 Sumário 1. Antes de Começar... 2 2. Cálculos Básicos... 8 3. Cálculos
Leia maisComo erguer um piano sem fazer força
A U A UL LA Como erguer um piano sem fazer força Como vimos na aula sobre as leis de Newton, podemos olhar o movimento das coisas sob o ponto de vista da Dinâmica, ou melhor, olhando os motivos que levam
Leia mais24/Abril/2013 Aula 19. Equação de Schrödinger. Aplicações: 1º partícula numa caixa de potencial. 22/Abr/2013 Aula 18
/Abr/013 Aula 18 Princípio de Incerteza de Heisenberg. Probabilidade de encontrar uma partícula numa certa região. Posição média de uma partícula. Partícula numa caixa de potencial: funções de onda e níveis
Leia maisO ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO
O ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO Prof. Leugim Corteze Romio Universidade Regional Integrada URI Campus Santiago-RS leugimcr@urisantiago.br Prof.
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) II Métodos numéricos para encontrar raízes (zeros) de funções reais. Objetivos:
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisINSTITUTO TECNOLÓGICO
PAC - PROGRAMA DE APRIMORAMENTO DE CONTEÚDOS. ATIVIDADES DE NIVELAMENTO BÁSICO. DISCIPLINAS: MATEMÁTICA & ESTATÍSTICA. PROFº.: PROF. DR. AUSTER RUZANTE 1ª SEMANA DE ATIVIDADES DOS CURSOS DE TECNOLOGIA
Leia maisUniversidade Federal de São João Del Rei - UFSJ
Universidade Federal de São João Del Rei - UFSJ Instituída pela Lei 0.45, de 9/04/00 - D.O.U. de /04/00 Pró-Reitoria de Ensino de Graduação - PROEN Disciplina: Cálculo Numérico Ano: 03 Prof: Natã Goulart
Leia maisQUANTIFICADORES. Existem frases declarativas que não há como decidir se são verdadeiras ou falsas. Por exemplo: (a) Ele é um campeão da Fórmula 1.
LIÇÃO 4 QUANTIFICADORES Existem frases declarativas que não há como decidir se são verdadeiras ou falsas. Por exemplo: (a) Ele é um campeão da Fórmula 1. (b) x 2 2x + 1 = 0. (c) x é um país. (d) Ele e
Leia maisDois eventos são disjuntos ou mutuamente exclusivos quando não tem elementos em comum. Isto é, A B = Φ
Probabilidade Vimos anteriormente como caracterizar uma massa de dados, como o objetivo de organizar e resumir informações. Agora, apresentamos a teoria matemática que dá base teórica para o desenvolvimento
Leia maisUniversidade Federal Fluminense ICEx Volta Redonda Introdução a Matemática Superior Professora: Marina Sequeiros
. Conjuntos numéricos Objetivo: aprender sobre conjuntos numéricos, suas operações e propriedades..1 Conjunto dos números naturais (IN) O conjunto dos números naturais é representado por IN e IΝ{0;1;;;...}.
Leia maisCircuito RC: Processo de Carga e Descarga de Capacitores
Departamento de Física - IE - UFJF As tarefas desta prática têm valor de prova! Leia além deste roteiro também os comentários sobre elaboração de gráficos e principalmente sobre determinação de inclinações
Leia maisCálculo em Computadores - 2007 - trajectórias 1. Trajectórias Planas. 1 Trajectórias. 4.3 exercícios... 6. 4 Coordenadas polares 5
Cálculo em Computadores - 2007 - trajectórias Trajectórias Planas Índice Trajectórias. exercícios............................................... 2 2 Velocidade, pontos regulares e singulares 2 2. exercícios...............................................
Leia maisUma introdução à Teoria das Filas
Uma introdução à Teoria das Filas Introdução aos Processos Estocásticos 13/06/2012 Quem nunca pegou fila na vida? Figura: Experiência no bandejão Motivação As filas estão presentes em nosso cotidiano,
Leia maisProbabilidade - aula I
e 27 de Fevereiro de 2015 e e Experimentos Aleatórios e Objetivos Ao final deste capítulo você deve ser capaz de: Entender e descrever espaços amostrais e eventos para experimentos aleatórios. Interpretar
Leia mais5 Um simulador estocástico para o fluxo de caixa
5 Um simulador estocástico para o fluxo de caixa O objetivo desse capítulo é o de apresentar um simulador estocástico para o fluxo de caixa de um plano de previdência do tipo PGBL de um único indivíduo.
Leia maisSOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT
SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT GABARITO da 3 a Avaliação Nacional de Aritmética - MA14-21/12/2013 Questão 1. (pontuação: 2) (1,0) a) Enuncie e demonstre
Leia maisINE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/59 2 - FUNDAMENTOS 2.1) Teoria dos Conjuntos 2.2) Números
Leia maisEA616B Análise Linear de Sistemas Resposta em Frequência
EA616B Análise Linear de Sistemas Resposta em Frequência Prof. Pedro L. D. Peres Faculdade de Engenharia Elétrica e de Computação Universidade Estadual de Campinas 2 o Semestre 2013 Resposta em Frequência
Leia maisCAPITAL DE GIRO: ESSÊNCIA DA VIDA EMPRESARIAL
CAPITAL DE GIRO: ESSÊNCIA DA VIDA EMPRESARIAL Renara Tavares da Silva* RESUMO: Trata-se de maneira ampla da vitalidade da empresa fazer referência ao Capital de Giro, pois é através deste que a mesma pode
Leia maisAula 9 Plano tangente, diferencial e gradiente
MÓDULO 1 AULA 9 Aula 9 Plano tangente, diferencial e gradiente Objetivos Aprender o conceito de plano tangente ao gráfico de uma função diferenciável de duas variáveis. Conhecer a notação clássica para
Leia maisUnidade 11 - Probabilidade. Probabilidade Empírica Probabilidade Teórica
Unidade 11 - Probabilidade Probabilidade Empírica Probabilidade Teórica Probabilidade Empírica Existem probabilidade que são baseadas apenas uma experiência de fatos, sem necessariamente apresentar uma
Leia maisRoot Locus (Método do Lugar das Raízes)
Root Locus (Método do Lugar das Raízes) Ambos a estabilidade e o comportamento da resposta transitória em um sistema de controle em malha fechada estão diretamente relacionadas com a localização das raízes
Leia maisContabilidade Gerencial PROFESSOR: Salomão Soares VPL E TIR
Contabilidade Gerencial PROFESSOR: Salomão Soares VPL E TIR Data: VPL(VAL) Valor Presente Líquido ou Valor Atual Líquido O valor presente líquido (VPL), também conhecido como valor atual líquido (VAL)
Leia maisQual o melhor caminho?
Qual o melhor caminho? Série Matemática na Escola Objetivos 1. Introduzir a métrica do taxista através de um exemplo cotidiano; 2. Aplicar o conceito de permutação com repetição; 3. Mostrar algumas identidades
Leia maisIntrodução às equações diferenciais
Introdução às equações diferenciais Professor Leonardo Crochik Notas de aula 1 O que é 1. é uma equação:... =... 2. a incógnita não é um número x R, mas uma função x(t) : R R 3. na equação estão presentes,
Leia maisAula 3 CONSTRUÇÃO DE GRÁFICOS EM PAPEL DILOG. Menilton Menezes. META Expandir o estudo da utilização de gráficos em escala logarítmica.
Aula 3 CONSTRUÇÃO DE GRÁFICOS EM PAPEL DILOG META Expandir o estudo da utilização de gráficos em escala logarítmica. OBJETIVOS Ao final desta aula, o aluno deverá: Construir gráficos em escala di-logarítmica.
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia mais4. Revisão Bibliográfica - Trabalhos sobre Opções Reais no Mercado Imobiliário
44 4. Revisão Bibliográfica - Trabalhos sobre Opções Reais no Mercado Imobiliário 4.1. Urban Land Prices under Uncertainty (Titman 1985) No artigo publicado em Junho de 1985, Sheridan Titman, ao observar
Leia maisCotagem de dimensões básicas
Cotagem de dimensões básicas Introdução Observe as vistas ortográficas a seguir. Com toda certeza, você já sabe interpretar as formas da peça representada neste desenho. E, você já deve ser capaz de imaginar
Leia maisCampos Vetoriais e Integrais de Linha
Cálculo III Departamento de Matemática - ICEx - UFMG Marcelo Terra Cunha Campos Vetoriais e Integrais de Linha Um segundo objeto de interesse do Cálculo Vetorial são os campos de vetores, que surgem principalmente
Leia mais