4 - ANÁLISE DE SÉRIES TEMPORAIS

Tamanho: px
Começar a partir da página:

Download "4 - ANÁLISE DE SÉRIES TEMPORAIS"

Transcrição

1 INE 700 Aálse de Séres Temporas 4 - ANÁLISE DE SÉRIES TEMPORAIS Sére Temporal é um cojuo de observações sobre uma varável, ordeado o empo, e regsrado em períodos regulares. Podemos eumerar os segues exemplos de séres emporas: emperauras máxmas e mímas dáras em uma cdade, vedas mesas de uma empresa, valores mesas do IPC-A, valores de fechameo dáros do IBOVESPA, resulado de um eleroecefalograma, gráfco de corole de um processo produvo. A suposção básca que orea a aálse de séres emporas é que há um ssema causal mas ou meos cosae, relacoado com o empo, que exerceu fluêca sobre os dados o passado e pode couar a fazê-lo o fuuro. Ese ssema causal cosuma auar crado padrões ão aleaóros que podem ser deecados em um gráfco da sére emporal, ou medae algum ouro processo esaísco. O objevo da aálse de séres emporas é defcar padrões ão aleaóros a sére emporal de uma varável de eresse, e a observação dese comporameo passado pode permr fazer prevsões sobre o fuuro, oreado a omada de decsões. Vamos ver algus gráfcos de séres emporas. 700 Compaha aérea Número de passageros Meses Fgura - Número de passageros rasporados Que padrões ão aleaóros podemos defcar a fgura? - observe que há uma edêca crescee o úmero de passageros rasporados (ou pelo meos hava aes de de seembro de ). - há uma sucessão regular de "pcos e vales" o úmero de passageros rasporados, sso deve ser causado pelas osclações devdo a ferados, períodos de féras escolares, ec., que esão geralmee relacoados às esações do ao, e que se repeem odo ao (com maor ou meor esdade). Em ouras palavras, defcamos dos padrões que podem orar a ocorrer o fuuro: crescmeo o úmero de passageros rasporados, fluuações sazoas. Tas padrões poderam ser corporados a um modelo esaísco, possblado fazer prevsões que auxlarão a omada de decsões.

2 ja/87 mar/87 ma/87 jul/87 se/87 ov/87 ja/88 mar/88 ma/88 jul/88 se/88 ov/88 ja/89 mar/89 ma/89 jul/89 se/89 ov/89 ja/90 mar/90 ma/90 jul/90 se/90 ov/90 ja/9 mar/9 ma/9 jul/9 se/9 ov/9 INE 700 Aálse de Séres Temporas 2 Gráfco de Corole p - amosras com 300 elemeos Amosras Fgura 2 - Gráfco de corole: fração de defeuosos Na fgura 2 emos uma sére emporal parcular, raa-se de um gráfco de corole de fração de defeuosos, basae ulzado em Corole Esaísco da Qualdade para avalar se um processo produvo esá esável, e, porao, prevsível. Nese caso, ão queremos que haja padrões ão aleaóros, se eles exsrem o processo esá fora de corole esaísco, sável e mprevsível, e ão podemos garar a qualdade dos produos resulaes: precsamos auar sobre o processo e fazer as correções ecessáras. Ouro exemplo: Méro de ferro Meses Fgura 3 - Produção mesal de méro de ferro o Brasl No caso da fgura 3 a sére aparea comporar-se de forma erráca. Em vermelho pode-se ver uma lha que possbla defcar o ível da produção de méro de ferro, uma edêca, Veremos poserormee que se raa de uma méda móvel.

3 INE 700 Aálse de Séres Temporas 3 que se sua ere 0000 e 2000 mlhares de oeladas: ese caso ão há edêca crescee ou decrescee, mas é possível defcar o comporameo de logo prazo da sére. Apareemee ão há varações regulares, como o caso da fgura, que cofgurem sazoaldade. O problema fudameal é ulzar um modelo que perma clur os város pos de padrões, possblado realzar prevsões. O poo de parda é realzar a decomposção da sére em padrões Modelo Clássco das Séres Temporas Segudo o modelo clássco odas as séres emporas são composas de quaro padrões: - edêca (T), que é o comporameo de logo prazo da sére, que pode ser causada pelo crescmeo demográfco, ou mudaça gradual de hábos de cosumo, ou qualquer ouro aspeco que afee a varável de eresse o logo prazo; - varações cíclcas ou cclos (C), fluuações os valores da varável com duração superor a um ao, e que se repeem com cera perodcdade 2, que podem ser resulado de varações da ecooma como períodos de crescmeo ou recessão, ou feômeos clmácos como o El Nño (que se repee com perodcdade superor a um ao); - varações sazoas ou sazoaldade (S), fluuações os valores da varável com duração feror a um ao, e que se repeem odos os aos, geralmee em fução das esações do ao (ou em fução de ferados ou fesas populares, ou por exgêcas legas, como o período para erega da declaração de Imposo de Reda); se os dados forem regsrados aualmee NÃO haverá fluêca da sazoaldade a sére 3 ; - varações rregulares (I), que são as fluuações explcáves, resulado de faos foruos e esperados como caásrofes auras, aeados errorsas como o de de seembro de 200, decsões empesvas de goveros, ec. Aqu é mporae salear que em sempre uma sére emporal, mesmo que o modelo clássco seja cosderado aproprado para aalsá-la, rá apresear odos os compoees cados acma: - a sére pode apresear apeas varações rregulares: ão se percebe comporameo crescee ou decrescee de logo prazo (edêca), ou fluuações sazoas ou cíclcas (como as séres das fguras 2 e 3). - a sére pode apresear apeas edêca e varações rregulares 4 : ão são defcadas fluuações sazoas ou cíclcas, apeas o comporameo crescee/decrescee de logo prazo e as varações aleaóras. - a sére pode apresea apeas varações sazoas e rregulares: o comporameo de logo prazo da sére é aproxmadamee cosae, mas observam-se fluuações dero dos períodos de um ao, que se repeem odos os aos. - quasquer ouras combações possíves. A decomposção da sére permrá defcar quas compoees esão auado aquele cojuo em parcular, além de possblar ober ídces e/ou equações para realzar prevsões para períodos fuuros da sére. 2 Algus auores ão cluem as varações cíclcas o modelo clássco da sére emporal. 3 Pos ão será possível observar se as fluuações se repeem ssemacamee dero dos aos. 4 Não há como se lvrar das varações rregulares...

4 INE 700 Aálse de Séres Temporas 4 A quesão crucal do modelo clássco é decdr como será a equação que relacoa as compoees com a varável. Há duas opções: o modelo advo ou o modelo mulplcavo: - No modelo advo o valor da sére (Y) será o resulado da soma dos valores das compoees (que apreseam a mesma udade da varável): Y = T + C + S + I ou Y = T + C + I (se os dados forem regsrados aualmee) Nas prevsões ão emos como clur a compoee rregular o modelo, pos ela é resulado de faos foruos, eorcamee mprevsíves. Todas as compoees êm a mesma udade da sére: se esa for em mlhões de reas odas ambém erão al udade. - Pode ser usado ambém o modelo mulplcavo, o qual o produo das compoees resulará a varável da sére: Y = T C S I ou Y = T C I (se os dados forem regsrados aualmee) Novamee, ão cluímos a compoee rregular. Há, porém, uma dfereça crucal: apeas a edêca em a mesma udade da varável. As demas compoees êm valores que modfcam a edêca: assumem valores em oro de (se maores do que aumeam a edêca, se meores dmuem a edêca, se exaamee guas a ão causam efeo). Na fgura 5 observe a escala vercal do gráfco das compoees cíclcas, sazoas e rregulares: são valores próxmos de, equao a escala da fgura 4 em a mesma escala para o valor orgal da sére e a edêca (em mlhões de dólares). Isso ocorreu porque decompusemos a sére emporal usado um modelo mulplcavo. Chamado a varável de eresse de Y, a equação de sua sére emporal sera: Y = f(t,c,s,i) Podemos observar as compoees as fguras 4 e 5. Vedas e edêca lear Vedas Tedêca jaero-65 jaero-70 jaero-75 jaero-80 jaero-85 jaero-90 jaero-95 jaero-00 Fgura 4 - Sére orgal e edêca lear Na fgura 4 podemos observar uma sére emporal de vedas (em mlhões de dólares), e a edêca, o caso uma rea (edêca lear), que mosra um crescmeo o logo prazo. Na fgura 5 podemos observar as rês ouras compoees. Observe que a cada 5 ou 6 aos ocorre um cclo, uma mudaça os valores da varável (a lha azul). Há ambém varações sazoas, que se repeem odos os aos, devdo provavelmee às esações (a lha vermelha). Por fm, há varações errácas, que ão apreseam regulardade, mas que alvez se relacoem com eveos esperados ocorrdos o período, as varações rregulares (lha verde).

5 INE 700 Aálse de Séres Temporas 5 Varações cíclcas, sazoas e rregulares Cclos Sazoas Irregulares jaero-65 jaero-70 jaero-75 jaero-80 jaero-85 jaero-90 jaero-95 jaero-00 Fgura 5 - Compoees cíclcas, sazoas e rregulares. Qual é o melhor modelo? Depederá dos dados da própra sére, das caraceríscas rísecas do problema. Apresearemos poserormee meddas que possblam avalar a adequação das prevsões feas por um modelo Obeção da Tedêca A edêca descreve o comporameo da varável reraada a sére emporal o logo prazo. Há rês objevos báscos a sua defcação: avalar o seu comporameo para ulzá-lo em prevsões, removê-la da sére para faclar a vsualzação das ouras compoees, ou ada defcar o ível da sére (o valor ou faxa ípca de valores que a varável pode assumr, se ão for observado comporameo crescee ou decrescee o logo prazo). A obeção da edêca pode ser fea de rês formas: aravés de um modelo de regressão (como o modelo lear - rea), aravés de médas móves, ou aravés de ajuse expoecal (que ão dexa de ser uma méda móvel) Obeção de edêca lear Ulza o méodo dos mímos quadrados para ober os coefcees da rea que melhor se ajusa aos dados (ver seção 3.2.4). A dfereça aqu é que a varável depedee será sempre o empo (mesurado dreamee, por exemplo, aos de 970, 97, ou aravés de coagem de períodos,, 2, 3). É mporae ressalar que aravés de programas esaíscos, ou mesmo uma plalha elerôca como o Mcrosof Excel é possível ajusar ouros modelos que ão o lear. Para o caso lear, a rea de edêca será: T = a + b Ode T é o valor da edêca, é o valor do empo, b é o coefcee agular da rea (se posvo dca edêca crescee, se egavo a edêca é decrescee) e a é o coefcee lear da rea. As equações dos coefcees esão expressas a segur.

6 INE 700 Aálse de Séres Temporas 6 b y 2 2 y a y b Ode y é um valor qualquer da varável regsrada a sére emporal, é o período assocado a y, e é o úmero de períodos da sére. Para ecorar os coefcees basa calcular os somaóros (al como em aálse de regressão lear smples). Exemplo 4. - Os dados a segur apreseam o parmôo líqudo (em mlhões de reas) de um baco de 985 a 995. Supodo que o modelo lear seja aproprado para descrever a edêca da sére, ecore os coefcees da rea de mímos quadrados. Faça a prevsão de edêca para os aos de 996 e 997. Ao Parmôo (R$ ) A varável depedee é o saldo de vedas: será o Y. Há períodos: =. O próxmo passo é ecorar os somaóros ecessáros para ober os coefcees. Mas ao vés de usarmos os aos, o que podera complcar ossos cálculos, vamos rabalhar com períodos, sedo 985 o período, 986 o 2 e assm por dae. A abela fcara eão (já cludo as coluas y e 2 ): Ao Parmôo (Y) (R$ ) Tempo ().Y Soma Subsudo os valores as equações:

7 parmôo (US$ ,00) INE 700 Aálse de Séres Temporas 7 y y y b (,76 66) b,76 a 27, (66) 2 Eão a equação de edêca é: T = 27,96 +,76 O ao de 996 correspoderá ao período 2, e 997 ao período 3 da sére emporal. Subsudo eses valores a equação acma: T 996 = 27,96 + (,76 2) = 49,08 T 997 = 27,96 + (,76 3) = 50,84 Podemos eão apresear um gráfco (feo o Mcrosof Excel) da sére orgal, a rea de edêca e a projeção para os aos de 996 e sére projeção edêca ao Fgura 6 - Parmôo líqudo de um baco: sére aual, edêca lear e projeção Obeção de edêca por médas móves As médas móves são uma forma alerava de obeção da edêca ou ível de uma sére emporal. Calcula-se a méda dos prmeros períodos da sére, colocado o resulado o período exaamee o cero deles. Progressvamee, vamos acresceado um período segue e desprezado o prmero da méda medaamee aeror, e calculado ovas médas, que vão se movedo aé o fm da sére. O úmero de períodos () é chamado de ordem da sére. Exemplo Os dados a segur, que represeam as vedas auas das fábrcas (em mlhões de udades), em odo o mudo, de carros, camhões e ôbus fabrcados pela Geeral Moors Corporao de 970 a 992. Obeha a edêca da sére por médas móves de 3, 5 e 7 períodos, e ploe-as em um gráfco juo com os dados orgas 5. 5 Adapado de LEVINE, D. M., BERENSON, M. L. e STEPHAN, D. Esaísca: Teora e Aplcações usado o Excel. Ro de Jaero: LTC, 2000.

8 Vedas (mlhões de udades) INE 700 Aálse de Séres Temporas 8 Ao Vedas Ao Vedas Ao Vedas 970 5, , ,6 97 7, , , , , 988 8, 973 8,7 98 6, , , , , , ,8 99 7, , , , , 985 9,3 Prmeramee vamos apresear um gráfco da sére orgal, para observar se ão sera possível ajusar uma rea como edêca da sére. Veja a fgura Aos Fgura 7 - Vedas da GM (mlhões de udades) Não parece haver um comporameo crescee, ou decrescee, o logo prazo. Podera se afrmar que a sére ão em edêca, e que ão sera aproprado ajusar uma equação de rea aos dados. Não obsae, há eresse em ober o ível da sére, em que paamar esão as vedas da GM. Vamos aplcar médas móves de 3, 5 e 7 períodos e observar os resulados. Médas Móves de 3 períodos Devemos juar os períodos de 3 em 3, sempre acresceado o próxmo e desprezado o prmero do grupo aeror, colocado o resulado o período ceral (2 o período): com resulado em 97; com resulado em 972; com resulado em 973; com resulado em 974; com resulado em 975; com resulado em 976; com resulado em 977; e assm por dae, aé chegar a com resulado em 99. A abela com os resulados:

9 INE 700 Aálse de Séres Temporas 9 Ao Vedas (Y) - em Toal Móvel 3 períodos Méda Móvel 3 períodos mlhões 970 5, ,8 20,9 6, ,8 24,3 8, ,7 23,2 7, ,7 22 7, ,6 2,9 7, ,6 24,3 8, , 27,2 9, ,5 27,6 9, ,6 8, , 22,9 7, ,8 20, 6, ,2 20,8 6, ,8 22,3 7, ,3 25,4 8, ,3 26,2 8, ,6 25,7 8, ,8 24,5 8, , 23,8 7, ,9 23,5 7, ,5 22,4 7, ,7 7, ,2 - - Observe que ao calcularmos médas móves algus períodos fcam sem edêca, porque os resulados das médas são posos o cero dos períodos. Méda móvel de 5 períodos Devemos juar os períodos de 5 em 5, sempre acresceado o próxmo e desprezado o prmero do grupo aeror, colocado o resulado o período ceral (3 o período): com resulado em 972; com resulado em 973; com resulado em 974; com resulado em 975; com resulado em 976; e assm por dae, aé chegar a com resulado em 990. A abela com os resulados:

10 INE 700 Aálse de Séres Temporas 0 Ao Vedas (Y) - em Toal Móvel 5 períodos Méda Móvel 5 períodos mlhões 970 5, , ,8 36,3 7, ,7 37,6 7, ,7 38,4 7, ,6 39,7 7, ,6 40,5 8, 977 9, 42,8 8, ,5 43,3 8, ,5 8, , 38,6 7, ,8 36,9 7, ,2 36,2 7, ,8 38,4 7, ,3 40,2 8, ,3 4,8 8, ,6 42, 8, ,8 4,7 8, , 39,9 7, ,9 38,3 7, ,5 37,7 7, ,2 - - Novamee, algus períodos fcam sem edêca, porque os resulados das médas são posos o cero dos períodos. Aqu, como as médas agrupam 5 períodos, dos fcam sem edêca o íco e dos ao fal da sére. Méda móvel de 7 períodos Devemos juar os períodos de 7 em 7, sempre acresceado o próxmo e desprezado o prmero do grupo aeror, colocado o resulado o período ceral (5 o período): com resulado em 973; com resulado em 974; com resulado em 975; com resulado em 976; com resulado em 977; com resulado em 978; e assm por dae, aé chegar a com resulado em 989. A abela com os resulados:

11 Vedas (mlhões de udades) INE 700 Aálse de Séres Temporas Ao Vedas (Y) - em mlhões Toal Móvel 7 períodos Méda Móvel 7 períodos 970 5, , , ,7 5,5 7, ,7 55,3 7, ,6 57 8, ,6 58,2 8, , 56,6 8, ,5 56,7 8, ,3 8, , 55,5 7, ,8 54,7 7, ,2 54,5 7, ,8 54, 7, ,3 54,8 7, ,3 56, 8, ,6 57,8 8, ,8 57,5 8, , 56,2 8, ,9 54, 7, , ,2 - - Aqu, como as médas agrupam 7 períodos, rês fcam sem edêca o íco e rês ao fal da sére. Cosrudo o gráfco da sére orgal com as médas móves: Vedas Médas Móves de 5 períodos Médas móves de 3 períodos Médas Móves de 7 períodos Fgura 8 - Vedas da GM e médas móves de 3, 5 e 7 períodos Quao maor o úmero de períodos da sére agrupados pela méda móvel mas "alsada" fca a lha de edêca (méda móvel de 7 períodos): esa represea melhor o comporameo de logo prazo, dcado uma lgera osclação em oro de 8 mlhões de udades veddas (ese é o ível da sére). E quao meor o úmero de períodos mas a edêca acompahará os dados orgas (méda móvel de 3 períodos). Por ese movo, quado uma sére apresea muas rregulardades é comum "alsá-la" aravés de médas móves.

12 INE 700 Aálse de Séres Temporas 2 Mas o que acoecera se o úmero de períodos fosse par? Se possível, devemos escolher um úmero ímpar de períodos, para que o resulado seja colocado em um período ceral que em correspodee a sére emporal. Coudo, se a sére emporal for regsrada rmesralmee, e queremos ober a sua edêca por médas móves, devemos ulzar médas móves de 4 períodos (porque há 4 rmesres o ao), para que possamos ober a edêca sem fluêca da sazoaldade. Se a sére for regsrada mesalmee, devemos ulzar médas móves de 2 períodos. Neses dos casos os períodos "ceras" (que começaram em 2,5 o e 6,5 o respecvamee) ão êm correspodee a sére orgal, o que orará mpossível remover a edêca da sére para observar ouras compoees. As médas móves precsam ser ceralzadas: calculam-se ovas médas móves, a parr das calculadas com 4 ou 2 períodos, mas agora de 2 períodos, colocado seus resulados em períodos que êm correspodees a sére. Exemplo Uma correora de seguros esá avalado os coraos obdos ao logo de város aos. A sére fo regsrada rmesralmee. Obeha a edêca da sére ulzado médas móves. Trmesre Ao I II III IV Como a sére é regsrada rmesralmee, e a edêca deve ser obda por médas móves, é precso calcular médas móves de 4 períodos, pos há 4 rmesres o ao. Coudo, como ese úmero de períodos é par, médas móves de 2 períodos, calculadas a parr daquelas de 4 períodos, precsam ser obdas para ober resulados cerados. Trm. Co. Toal móvel 4 per. Toal móvel 2 per. (cerado) Méda Móvel 2 per. (cerada) 993 I II III 26 5, IV 9 2 5, I , II , III 7 0 2, IV 6 90, I , II III , IV , I 3 7 8, II , III IV

13 INE 700 Aálse de Séres Temporas 3 As lhas mas escuras a abela acma dcam os períodos "ceras" das médas móves de ordem 4, que ão êm correspodee a sére orgal. Para faclar o osso rabalho calculamos apeas os oas móves de 4 períodos, acompahe: - os prmeros 4 períodos são os 4 rmesres de 993: 993 I, 993 II, 993 III, 993 IV; o oal móvel deles (gual a 65) deve fcar o cero deses períodos, ou seja ere 993 II e 993 III, que é um período exsee a sére orgal; - em seguda desprezamos 993 I e cluímos 994 I: 993 II, 993 III, 993 IV, 994 I; o oal móvel (gual a 6) deve fcar ere 993 III e 993 IV, ovamee exsee a sére orgal; - prossegumos aé os 4 úlmos períodos: 996I, 996II, 996 III, 996 IV; o oal móvel (gual a 34) deve fcar ere 996 II e 996 III. Agora precsamos ceralzar ober as médas móves ceradas. Prmeramee calculamos os oas móves de 2 períodos, juado 2 oas móves de 4 períodos calculados aerormee: - o oal móvel de 4 períodos que esá ere 993 II e 993 III, com o que esá ere 993 III e 993 IV, cujo resulado (26) deverá fcar em 993 III (passado a er correspodee a sére orgal); - o oal móvel de 4 períodos que esá ere 993 III e 993 IV, com o que esá ere 993 IV e 994 I, cujo resulado (2) deverá fcar em 993 IV (passado a er correspodee a sére orgal); - prossegumos aé os úlmos 2 oas móves de 4 períodos: ere 996 I e 996 II, e ere 996 II e 996 III, cujo resulado (69) deverá fcar em 996 II. Dvdmos os oas móves de 2 períodos por oo (porque agrupamos dos cojuos de 4 períodos), e obemos as médas móves ceradas. Repare que falam médas móves para exaamee 2 períodos o íco da sére e para exaamee 2 o fal, porque as médas móves cas evolvem 4 períodos (porque há 4 rmesres o ao). Se a sére fosse mesal falaram 6 períodos o íco e 6 o fal. Vamos ver como fcam a sére orgal e a edêca em um gráfco: I 993 III 994 I 994 III 995 I 995 III 996 I 996 III Sére orgal Méda móvel cerada Fgura 9 - Número de coraos: sére orgal e médas móves de 4 períodos (ceradas) É eressae observar que a edêca do úmero de coraos é decrescee. Supodo que fossem dados auas e desejássemos fazer prevsões para o fuuro, raa-se de um queae sal para a correora de seguros. Se o mercado ecora-se reraído o mau desempeho sera explcável, mas mesmo assm é preocupae que o logo prazo o úmero de coraos esá cado, a ão ser que o valor dvdual dos coraos compese esa redução.

14 INE 700 Aálse de Séres Temporas Ajuse Expoecal O ajuse expoecal é uma oura forma de ober a edêca de uma sére emporal. Apresea algumas vaages em relação às médas móves: - perme realzar prevsões de curo prazo (para o período segue da sére), o que ão é possível por médas móves. - leva em coa odos os valores prevamee observados ao período sob aálse, e ão somee os "mas próxmos" dele, como ocorre as médas móves. Na realdade o ajuse expoecal forece uma méda móvel expoecalmee poderada ao logo da sére emporal: ou seja, cada prevsão ou valor ajusado depede de odos os valores prévos. Os pesos desgados para os valores observados decrescem ao logo do empo, ou seja, o valor observado mas receemee recebe o maor peso, o valor aeror o segudo maor e o valor observado calmee recebe o meor peso: sso é bom seso, maga-se que os dados mas recees devam er mas fluêca as prevsões do que os mas agos. O ajuse expoecal é uma das ferrameas dspoíves o suplemeo Aálse de Dados do Mcrosof Excel. Para realzar o ajuse expoecal basa aplcar a segue fórmula para um período de empo qualquer: E WY ( W) E Ode: - um período de empo qualquer; Y - valor da sére orgal o período ; E - valor da sére expoecalmee ajusada o período ; E - - valor da sére expoecalmee ajusada o período - (período aeror); W - cosae de regularzação ou coefcee de ajuse (0 < W < ); Cosdera-se que o prmero valor da sére orgal será gual ao prmero valor ajusado, so sgfca que o ajuse realmee começa a parr do segudo período da sére. Como cada valor ajusado leva em coa o valor ajusado medaamee aeror (mulplcado pela cosae de regularzação) eorcamee odos os valores prévos da sére corbuem para o valor ajusado. A escolha da cosae de regularzação W é crucal para o ajuse expoecal, mas é um processo subjevo. Não obsae, é possível esabelecer uma regra de escolha: - se o eresse é smplesmee ober a edêca, elmado o efeo das ouras compoees, o valor de W deverá ser próxmo de zero; - se houver eresse, porém, em realzar prevsão com a sére é recomedável que o valor de W seja mas próxmo de, de maera a refler melhor o comporameo da sére o curo prazo. Exemplo Faça o ajuse expoecal da sére de vedas do Exemplo 4.2 (usado W = 0,25; W = 0,5; W = 0,75 e W = 0,0). Cosrua um gráfco cojuo da sére orgal com os quaro ajuses. Ao Vedas (Y) Ao Vedas (Y) Ao Vedas (Y) 970 5, , ,6 97 7, , , , , 988 8, 973 8,7 98 6, , , , , , ,8 99 7, , , , , 985 9,3 Vamos demosrar os cálculos para W = 0,25.

15 Vedas (mlhões de udades) INE 700 Aálse de Séres Temporas 5 Vamos cosderar que o prmero valor da sére, Y 970, será gual ao prmero valor ajusado, E 970. Podemos eão realzar o ajuse para o ao de 97: E 97 WY97 ( W) E970 (0,257,8) ( 0,25) (5,3) 5,93 mlhões Para o ao de 972: E 972 W Y972 ( W) E97 (0,25 7,8) ( 0,25) (5,93) 6,39 mlhões O processo segue aé o fal da sére. De maera aáloga podemos ober o ajuse para W = 0,5 e W = 0,75. Os valores ajusados esão a abela a segur: Ao Vedas (Y) - em mlhões W = 0,25 W = 0,50 W = 0,75 W = 0, ,3 5,3 5,3 5,3 5,3 97 7,8 5,93 6,55 7,8 5, ,8 6,39 7,8 7,64 5, ,7 6,97 7,94 8,44 6, ,7 6,90 7,32 7,3 6, ,6 6,83 6,96 6,73 6, ,6 7,27 7,78 8,3 6, , 7,73 8,44 8,86 6, ,5 8,7 8,97 9,34 6, ,38 8,98 9,08 7, , 8,06 8,04 7,60 7,6 98 6,8 7,74 7,42 7,00 7, ,2 7,36 6,8 6,40 7, ,8 7,47 7,3 7,45 7, 984 8,3 7,68 7,80 8,09 7, ,3 8,08 8,55 9,00 7, ,6 8,2 8,58 8,70 7, ,8 8, 8,9 8,02 7, , 8, 8,4 8,08 7, ,9 8,05 8,02 7,95 7, ,5 7,92 7,76 7,6 7, ,69 7,38 7,5 7, ,2 7,57 7,29 7,9 7,54 E o gráfco é mosrado a fgura 0: Aos Vedas W = 0,25 W = 0,50 W = 0,75 W = 0,0 Fgura 0 - Ajuse expoecal com város valores de W

16 INE 700 Aálse de Séres Temporas 6 Quao meor o valor de W mas "alsada" é a sére, com as varações de curo prazo sedo amorzadas, possblado vsualzar o comporameo de logo prazo da sére, seja ele crescee/decrescee ou esacoáro: para W = 0, é fácl perceber uma edêca crescee as vedas, mas que parece esar se esablzado. À medda que o valor de W aproxma-se de o ajuse expoecal ora-se mas próxmo da sére orgal, o que pode ser úl a prevsão para o ao de 993. Por exemplo, se quséssemos realzar a prevsão para o ao de 993, o valor prevso sera aquele ajusado para o ao medaamee aeror (992): para W = 0,25 Vedas 993 = 7,57 mlhões; para W = 0,50 Vedas 993 = 7,29 mlhões; para W = 0,75 Vedas 993 = 7,9 mlhões; para W = 0,0 Vedas 993 = 7,59 mlhões. Qual desas prevsões é a mas aproprada? Como se raa de uma prevsão de curo prazo é recomedável escolher as prevsões feas para valores mas alos de W, 0,5 ou 0,75, que mosram melhor as fluuações. Sedo assm, espera-se que as vedas em 993 esejam ere em 7,29 e 7,9 mlhões de udades. Assm que os dados de 993 esvessem dspoíves poderíamos fazer a prevsão sobre 994, e assm por dae. Compare a curva para W = 0,0 da fgura 0, que dca uma edêca crescee de vedas, com a méda móvel de 7 períodos da fgura 8, que dca esablzação em oro de 8 mlhões. Em qual das duas cofar? Lembre-se de que o ajuse expoecal leva em coa odos os valores aerores ao período, e que a méda móvel apeas aqueles defdos o seu período (3, 5, 7), e que maor peso é dado aos valores dos períodos mas próxmos, o que pode represear maor acuracdade, pos são mas recees Remoção da Tedêca Uma vez defcada a edêca, seja por equações ou por médas móves, ela pode ser removda da sére, para faclar a vsualzação das ouras compoees: Y T CS I para um modelo advo Y CS I para um modelo mulplcavo T Vejamos como fcara a sére mosrada a fgura 5 com a remoção da edêca, pelos modelos advo e mulplcavo (ambas supodo uma edêca lear): Vedas sem edêca - modelo advo ja/65 ja/70 ja/75 ja/80 ja/85 ja/90 ja/95 ja/ Fgura - Sére emporal de vedas (fgura 5) com edêca removda modelo advo

17 INE 700 Aálse de Séres Temporas 7 Observe a escala do gráfco. Os valores osclam em oro de zero: se maores do que zero dcam compoees que aumeam a edêca, se meores que dmuem. A escala do gráfco é semelhae a da fgura 5 (mlhões de dólares). Fgura 2 - Sére emporal de vedas (fgura 5) com edêca removda modelo mulplcavo Observe a escala do gráfco, com valores em oro de : a edêca fo removda, resaram apeas as compoees cíclcas, sazoas e rregulares que modfcam a edêca em um modelo mulplcavo Obeção das varações sazoas Coforme vso a seção 4. as varações sazoas são osclações de curo prazo, que ocorrem sempre dero do ao, e que se repeem ssemacamee ao após ao. Obvamee uma sére emporal regsrada aualmee (ou seja, os valores dos das, meses, rmesres, são resumdos em um valor aual) ão em compoee sazoal. No modelo mulplcavo as varações sazoas são represeadas pelos ídces sazoas, ou faores sazoas, um para cada período em que o ao é dvddo (se a sére é regsrada mesalmee há 2 ídces, se rmesralmee há 4 ídces, ec.). Os ídces sazoas modfcam a edêca, ao serem somados (modelo advo) ou mulplcados por ela: - o modelo advo, se odos os ídces forem próxmos ou exaamee guas a zero eão as compoees sazoas parecem ão exercer grade efeo sobre a sére; se os ídces forem subsacalmee dferees de zero, ao posvos como egavos, o valor da edêca será modfcado por eles, dcado fluêca das compoees sazoas a sére. - o modelo mulplcavo, se odos os ídces sazoas forem aproxmadamee guas a eão as compoees sazoas parecem ão exercer grade efeo sobre a sére; se os ídces forem subsacalmee dferees de, pelo meos 5% acma ou abaxo em algus dos meses ou rmesres, o valor da edêca será modfcado por eles, dcado que as compoees sazoas afeam a sére. Quado se usa o modelo advo a soma de odos os ídces sazoas precsa ser gual, ou

18 INE 700 Aálse de Séres Temporas 8 muo próxma, de zero. Quado se usa o modelo mulplcavo a soma precsa ser gual ao período da sazoaldade: se a sére é rmesral deve ser gual a 4 (4 rmesres o ao), se é mesal deve ser gual a 2, e assm por dae. Em algus casos é precso fazer pequeas correções para garar al comporameo. Para ober as varações sazoas recomeda-se que a sére emporal eha, o mímo, quaro aos compleos (6 rmesres, 48 meses, por exemplo). Caso coráro, será mas dfícl cofrmar a exsêca da regulardade eree às varações sazoas (algus programas esaíscos smplesmee ão apreseam os resulados para séres meores). Há város méodos para a obeção dos ídces sazoas, ere eles o méodo da razão para a méda móvel (ou méodo da méda móvel perceual). Ele cosse em: ) ober médas móves de ordem gual ao úmero de períodos sazoas (4 se a sére é rmesral, 2 se é mesal); 2) ober médas móves de 2 períodos, ceradas, a parr das médas móves calculadas o passo ; 3) ober os ídces sazoas para cada período: - o modelo ADITIVO, subrado dos valores orgas da sére as médas móves ceradas calculadas o passo 2; - o modelo MULTIPLICATIVO, dvddo os valores orgas da sére pelas médas móves ceradas calculadas o passo 2; 4) ober meddas de síese dos ídces calculados o passo 3, que represearão cada período sazoal (por exemplo, a medaa dos ídces sazoas de odos os jaeros exsees a sére). - o modelo ADITIVO, calcular a méda arméca smples dos valores correspodees ao período sazoal (méda dos ídces obdos em odos os jaeros da sére, por exemplo); - o modelo MULTIPLICATIVO, calcular a méda arméca smples dos valores correspodees ao período sazoal, sem clur os valores máxmo e mímo 6 (mage que há os ídces,05;,054;,06;,07;,072;,08, a méda sera calculada excludo os valores,05 e,08, mímo e máxmo respecvamee); uma solução alerava sera calcular a medaa dos ídces de cada período. 5) fazer as correções ecessáras para que a soma dos ídces seja coeree (gual a zero para o advo e gual à ordem da sazoaldade o mulplcavo): - o modelo ADITIVO, somar odos os ídces calculados o passo 4 e dvdr a soma pela ordem da sazoaldade (4 se rmesral, 2 se mesal, ec.); o resulado deverá ser subraído de cada um dos ídces, garado que a soma deles seja gual a zero. - o modelo MULTIPLICATIVO, somar odos os ídces calculados o passo 4, subrar da soma a ordem da sazoaldade (4 se rmesral, 2 se mesal, ec.), e dvdr a subração pela ordem da sazoaldade (ovamee, 4 se rmesral, 2 se mesal, ec.); subrar o resulado de ; o resulado deverá ser mulplcado por cada um dos ídces, garado que a soma deles seja gual à ordem da sazoaldade. Os passos e 2 são vrualmee dêcos ao procedmeo para obeção de edêca por médas móves vso a seção (quado o úmero de períodos é par). Exemplo Obeha os ídces sazoas, ao pelo modelo advo quao pelo mulplcavo, para a sére de coraos de seguros apreseada o Exemplo 4.3. Ierpree os resulados ecorados. Há dados dspoíves para quaro aos compleos, de 993 a 996. Veja os resulados a abela abaxo: 6 Também chamada de méda era, ou medal average (em glês).

19 INE 700 Aálse de Séres Temporas 9 Pelo modelo advo. Trmesre No. de Coraos Toas Móves 4 períodos 993 I 24 Toas Móves 2 períodos (cerados) Médas Móves 2 períodos (ceradas) Ídces sazoas 993 II III 26 5,75-4, IV 9 2 5,25-6, I ,5 5, II ,625 6, III 7 0 2,625-5, IV 6 90,25-5, I ,25 4, II , III ,75-4, IV ,25-3, I 3 7 8,875 4, II ,625 3, III IV 5 Temos que ecorar 4 ídces sazoas, já que há 4 rmesres o ao. Como a sére é regsrada rmesralmee, e a edêca deve ser obda por médas móves, é precso calcular médas móves de 4 períodos, pos há 4 rmesres o ao. Coudo, como ese úmero de períodos é par, médas móves de 2 períodos, calculadas a parr daquelas de 4 períodos, precsam ser obdas para ober resulados cerados. O procedmeo cal é semelhae ao feo o Exemplo 4.3, aé a obeção das médas móves de 2 períodos ceradas. Para ober os ídces sazoas devemos dvdr os valores orgas da sére pelas médas móves ceradas, a parr de 993 III aé 996 II, cujos resulados esão a úlma colua da abela acma. Os ídces para cada rmesre serão: Trmesre I => 5,500 4,750 4,000 Trmesre II => 6,375 4,000 3,375 Trmesre III=> -4,750-5,625-4,75 Trmesre IV=> -6,25-5,250-3,25 Os ídces somee foram calculados para os períodos em que hava médas móves de 2 períodos ceradas. Como é um modelo advo precsamos calcular a méda de cada rmesre. Eão os ídces sazoas serão: Trmesre I = 4,792 Trmesre II = 4,583 Trmesre III = -5,042 Trmesre IV = -4,875

20 INE 700 Aálse de Séres Temporas 20 Observe que há uma dfereça cosderável ere os ídces. No prmero rmesre do ao o úmero de coraos aumea em cerca de 5, o segudo aumea ouros 5, e o ercero e quaro rmesres sofre uma queda de 5. Esas osclações são grades demas para er ocorrdo por acaso, há fluêca da sazoaldade a sére de coraos. Somado os ídces vamos ober -0,547, dcado que é precso realzar uma correção. Como a sazoaldade em ordem 4, dvde-se a soma por 4 obedo -0,3547. Subrado de cada ídce ese valor: Trmesre I = 4,792 (-0, 3547) = 4,927 Trmesre II = 4,583 (-0, 3547) = 4,788 Trmesre III = -5,042 (-0, 3547) = - 4,9063 Trmesre IV = -4,875 (-0, 3547) = -4,7396 E a soma dos quaro ídces é vrualmee gual a zero. Pelo modelo mulplcavo: Trmesre No. de Coraos Toas Móves 4 períodos 993 I 24 Toas Móves 2 períodos (cerados) Médas Móves 2 períodos (ceradas) Ídces sazoas 993 II III 26 5,75 0, IV 9 2 5,25 0, I ,5, II ,625, III 7 0 2,625 0, IV 6 90,25 0, I ,25, II , III ,75 0, IV ,25 0, I 3 7 8,875, II ,625, III IV 5 Temos que ecorar 4 ídces sazoas, já que há 4 rmesres o ao. Como a sére é regsrada rmesralmee, e a edêca deve ser obda por médas móves, é precso calcular médas móves de 4 períodos, pos há 4 rmesres o ao. Coudo, como ese úmero de períodos é par, médas móves de 2 períodos, calculadas a parr daquelas de 4 períodos, precsam ser obdas para ober resulados cerados. O procedmeo cal é semelhae ao feo o Exemplo 4.3, aé a obeção das médas móves de 2 períodos ceradas. Para ober os ídces sazoas devemos dvdr os valores orgas da sére pelas médas móves ceradas, a parr de 993 III aé 995 II, cujos resulados esão a úlma colua da abela acma. Os ídces para cada rmesre serão:

21 INE 700 Aálse de Séres Temporas 2 Trmesre I =>,379,463,465 Trmesre II =>,468,400,39 Trmesre III=> 0,698 0,554 0,53 Trmesre IV=> 0,595 0,533 0,649 Os ídces somee foram calculados para os períodos em que hava médas móves de 2 períodos ceradas. Precsamos calcular a méda de cada rmesre, excludo os valores máxmo e mímo.. Nese caso, como há apeas 3 valores basa exclur os exremos. Eão os ídces sazoas serão: Trmesre I =,463 Trmesre II =,400 Trmesre III = 0,554 Trmesre IV = 0,595 Observe que há uma dfereça cosderável ere os ídces. No prmero rmesre do ao o úmero de coraos aumea cerca de 46,3% ([,463 - ] 00), o segudo aumea 40%, o ercero rmesre sofre uma queda de 44,6% ([0,554 - ] 00), e o quaro a queda é de 40,5%. Esas osclações são grades demas para er ocorrdo por acaso, há fluêca da sazoaldade a sére de coraos. Somado os ídces vamos ober 4,03, dcado que é precso realzar uma correção. Como a sazoaldade em ordem 4, subra-se a soma de 4 e dvde-se o resulado por 4 obedo 0,0032. Subrado ese valor de, eremos 0,9968, mulplcado ese resulado pelos ídces obemos os ídces corrgdos: Trmesre I =,463 0,9968 =,459 Trmesre II =,400 0,9968 =,395 Trmesre III = 0,554 0,9968 = 0,553 Trmesre IV = 0,595 0,9968 = 0,593 E a soma dos quaro ídces é vrualmee gual a 4. Podemos remover a sazoaldade da sére, dvddo os valores orgas de cada período por seu respecvo ídce sazoal, pelos modelos advo e mulplcavo, e podemos ver o resulado em dos gráfcos: Trmesre Y S (mulplcavo) T C I = Y/ S S (advo) T + C + I = Y - S 993 I 24,459 6,453 4,927 9, II 2,395 5,049 4,79 6, III 0,553 9,904-4,906 5, IV 9 0,593 5,74-4,740 3, I 20,459 3,7 4,927 5, II 20,395 4,332 4,79 5, III 7 0,553 2,666-4,906, IV 6 0,593 0,6-4,740 0, I 5,459 0,283 4,927 0, II 4,395 0,032 4,79 9, III 5 0,553 9,047-4,906 9, IV 6 0,593 0,6-4,740 0, I 3,459 8,92 4,927 8, II 2,395 8,599 4,79 7, III 4 0,553 7,238-4,906 8, IV 5 0,593 8,430-4,740 9,740

22 993 I 993 III 994 I 994 III 995 I 995 III 996 I 996 III INE 700 Aálse de Séres Temporas 22 Advo Ídces sazoas - advo ,000 4,000 2,000 0, I 993 III 994 I 994 III 995 I 995 III 996 I 996 III -2,000-4,000 Y T + C + I = Y - S -6,000 Fgura 3 - Sére sem sazoaldade modelo advo Fgura 4 - Ídces Sazoas rm. modelo advo Mulplcavo I 993 III 994 I 994 III 995 I 995 III 996 I 996 III Y T x C x I = Y/ S Ídces sazoas - mulplcavo 2,000,500,000 0,500 0, I 993 III 994 I 994 III 995 I 995 III 996 I 996 III Fgura 5 Sére sem sazoaldade modelo mulplc. Fgura 6 - Ídces sazoas - modelo mulplcavo Qual dos dos modelos é o mas aproprado? Veremos poserormee meddas da acuracdade dos modelos, que permrá escolher o mas adequado Obeção de varações cíclcas e rregulares 7 7 Embora odos os auores cocordem com a preseça das compoees rregulares o modelo clássco das séres emporas, ão há uamdade sobre as compoees cíclcas. Assm, o leor pode ecorar referêcas sobre séres emporas que descosderam por compleo os cclos.

23 INE 700 Aálse de Séres Temporas 23 Geralmee as varações cíclcas e rregulares são avaladas em cojuo. Coforme vso aerormee as varações cíclcas são padrões de logo prazo (superores a um ao), como por exemplo períodos de crescmeo e recessão da ecooma. Já as varações rregulares são resulado de faos foruos, esperados. Algus auores ão mecoam as varações cíclcas porque em ceros casos a sére emporal precsa abrager décadas para que seja possível defcar o comporameo cíclco, e, especalmee em séres sóco-ecoômcas os dados mas agos podem esar realmee ulrapassados e corbur para a cosrução de um modelo rreal. Não obsae, opou-se por levá-las em coa ese exo para ober um modelo compleo. As varações cíclcas e rregulares são obdas aravés da remoção das compoees edêca e sazoaldade (esa úlma apeas se os dados ão forem auas). No modelo advo: CI Y T S No modelo mulplcavo: Y CI TS Ode Y é o valor orgal da sére, T é a edêca, e S é a compoee sazoal (represeada aravés dos ídces sazoas). É cosume cosrur um gráfco de lhas com as varações cíclcas e rregulares, aravés do qual podemos defcar se os cclos realmee fluecam a sére, qual é sua perodcdade, e ada se o efeo das varações rregulares é muo grade (e se é possível relacoá-lo com faos específcos). Às vezes as varações rregulares oram dfícl a vsualzação dos cclos, o que pode exgr a aplcação de médas móves às varações cíclcas e rregulares para "alsá-la", de modo a faclar a sua defcação. Para defcar se há cclos a sére os segues padrões devem ser observados o gráfco das varações cíclcas e rregulares: - o modelo advo, se há alerâcas ssemácas ere valores maores e meores do que zero ao logo dos períodos, e se os valores permaecem predomaemee maores/meores do que zero durae pelo meos ao (por exemplo: 2 aos acma de zero, segudo por 3 abaxo de zero, e assm sucessvamee); - o modelo mulplcavo, se há alerâcas ssemácas ere valores maores e meores do que ao logo dos períodos, e se os valores permaecem predomaemee maores/meores do que durae pelo meos ao (por exemplo: 2 aos acma de, segudo por 3 abaxo de, e assm sucessvamee); Os valores zero e são os poos euros os modelos advo e mulplcavo respecvamee, se as varações ão se afasarem muo de zero (o modelo advo) ou de (o modelo mulplcavo) elas ão causarão modfcações agíves a edêca, e porao ão fluecarão a sére. A alerâca ssemáca precsa ser defcada, caso coráro o efeo dos cclos ou é exsee ou é feror ao das compoees rregulares, podedo eão ser desprezado o processo de prevsão. Se os cclos fluecam a sére emporal eles precsam ser levados em cosderação o modelo. Precsamos calcular ídces para os cclos ambém, para os períodos de baxa e de ala, havedo dos procedmeos: - calcula-se a medaa 8, ou a méda sem os valores máxmo e mímo, das varações cíclcas e rregulares para odos os períodos de ala (e baxa) exsees a sére; ese procedmeo agrega formações de oda a sére 8 Usamos a medaa ao vés da méda para evar que valores dscrepaes, causados por varações rregulares, dsorçam os resulados.

24 INE 700 Aálse de Séres Temporas 24 - calcula-se a medaa, ou a méda sem os valores máxmo e mímo, apeas para o úlmo período de ala (e baxa); ese procedmeo prvlega as formações mas recees, que podem ser mas úes em prevsões. Também podemos observar os efeos das varações rregulares, basa defcarmos eveuas quedas e alas o gráfco e relacoar as eveos com faos ocorrdos o mesmo período. É mporae observar que muas vezes as acoecmeos ão causam efeo medao, ou mesmo ão causam efeo algum, o que pode surpreeder o aalsa desavsado. Na fgura 7 podemos observar ovamee a sére emporal da fgura 4. Na fgura 8 emos esa sére após a remoção da edêca e sazoaldade, supodo um modelo advo, resulado apeas as varações cíclcas e sazoas. Na fgura 20 emos a mesma suação, mas com o modelo mulplcavo. Fgura 7 - Sére emporal de vedas (fgura 3) Dados após a remoção da edêca e sazoaldade (apeas varações cíclcas e rregulares) - modelo advo ja/65 ja/69 ja/73 ja/77 ja/8 ja/85 ja/89 ja/93 ja/ Fgura 8 - Sére emporal de vedas - apeas varações cíclcas e rregulares - modelo advo Com alguma aeção cosegumos defcar a exsêca de cclos, relavamee logos. Observe a alerâca ssemáca de valores meores e maores do que zero, por períodos superores a ao: jaero de 965 a dezembro de 97 baxa, de jaero de 972 a dezembro de 978 ala, ec. Observe, porém, que há poos que mesmo os períodos de baxa agem valores

25 INE 700 Aálse de Séres Temporas 25 acma de zero, e em períodos de ala abaxo de zero. Isso ocorre devdo à fluêca das varações rregulares. Coudo, se o efeo das varações rregulares fosse suavzado a vsualzação sera mas fácl. Aplcado médas móves de 2 períodos, poserormee ceradas, emos a fgura 9: Médas móves das varações cíclcas e rregulares (ceradas) - modelo advo ja/65-50 ja/69 ja/73 ja/77 ja/8 ja/85 ja/89 ja/93 ja/ Fgura 9 - Sére emporal de vedas - médas móves de 2 períodos das varações cíclcas e rregulares - modelo advo Com o modelo mulplcavo: Dados após a remoção da edêca e sazoaldade (apeas varações cíclcas e rregulares) - modelo mulplcavo,6,5,4,3,2, 0,9 0,8 0,7 0,6 ja/65 ja/69 ja/73 ja/77 ja/8 ja/85 ja/89 ja/93 ja/97 Fgura 20 - Sére emporal de vedas - apeas varações cíclcas e rregulares modelo mulplcavo Com alguma aeção cosegumos defcar a exsêca de cclos, relavamee logos. Observe a alerâca ssemáca de valores meores e maores do que, por períodos superores a ao: jaero de 965 a dezembro de 97 baxa, de jaero de 972 a dezembro de 978 ala, ec. Novamee, se o efeo das varações rregulares fosse suavzado a vsualzação sera mas fácl. Aplcado médas móves de 2 períodos, poserormee ceradas, emos a fgura 2:

26 INE 700 Aálse de Séres Temporas 26 Médas móves das varações cíclcas e rregulares (ceradas) - modelo mulplcavo,25,2,5,,05 0,95 0,9 0,85 0,8 ja/65 ja/69 ja/73 ja/77 ja/8 ja/85 ja/89 ja/93 ja/97 Fgura 2 - Sére emporal de vedas - médas móves de 2 períodos das varações cíclcas e rregulares modelo mulplcavo. Fo possível verfcar, ao pelo modelo advo quao pelo mulplcavo que as varações cíclcas êm fluêca sobre os valores da sére. Isso obrga a sua cosderação ao realzar a prevsão dos valores fuuros da sére: é ecessáro defcar se os períodos para os quas se quer fazer a prevsão serão de ala ou baxa, e ober ídces cíclcos (semelhaes aos ídces sazoas) para os períodos. Para o caso do exemplo acma a sére ermou em dezembro de Image-se que há eresse em fazer a prevsão para os aos medaamee segues, 200 e Eses dos aos, de acordo com as fguras 8 a 2, serão aos de ala ou baxa? Coforme vso aerormee, os períodos de ala e baxa cosumam verer-se a cada 7 aos, 84 meses: em 993 cou-se um período de baxa, que durou aé fs de 999, passado a haver um aumeo os ídces a parr de 2000, como o período de ala dura cerca de 7 aos espera-se que os aos de 2000 a 2006 sejam períodos de ala. Como ober os ídces cíclcos? Vamos ober um valor apeas, que represeará os períodos de ala: podemos calcular a medaa dos valores de odos os períodos de ala (972 a 978; 986 a 992; 2000); ou ober a medaa dos valores do úlmo período compleo de ala (986 a 992), que seram dados mas recees e alvez com maor fluêca sobre a sére. Oura quesão mporae. Vamos ulzar os dados das varações cíclcas e rregulares orgas (fguras 8 e 20), ou após a aplcação das médas móves (fguras 9 e 2). A prmera opção perme clur mas dados (ão são excluídos os 6 prmeros e 6 úlmos valores da sére devdo aos cálculos das médas móves). Coudo, os valores esão basae coamados pelas varações rregulares. A ulzação da medaa para calcular o ídce pode mmzar ese problema, mas porque ão usar os dados já depurados (após a aplcação das médas móves)? No presee caso, como se raa de uma sére sóco-ecoômca, e há eresse em mosrar o seu comporameo cíclco, poderíamos escolher os resulados do úlmo período compleo de ala, após a aplcação das médas móves, pos: - os dados mas agos podem esar obsoleos; - as médas móves alsaram a sére, reduzdo a fluêca das varações rregulares. Resa ada a dúvda: modelo advo ou mulplcavo? Mas adae apresearemos meddas para verfcar qual dos dos apresea melhores resulados.

27 INE 700 Aálse de Séres Temporas 27 Exemplo Os dados a segur represeam as vedas líqudas (em blhões de dólares), e a edêca (obda por uma equação de rea) da Kodak. Remova a edêca da sére usado os modelos advo e mulplcavo. Você defca varações cíclcas? Ao Vedas Tedêca CI = Vedas - Tedêca 978,60 0, ,8564 2, ,00, ,43354, ,70 2, ,3066, ,70 3,2223 0,48779, ,60 4, ,5649, ,62 4, , , ,00 5, , , ,78 6, , , ,30 7, , , ,00 8, ,4947 0, ,25 8,972342,27766, ,50 9, ,70478, ,90 0,6809,289, ,20, , , ,60 2, , , ,60 3, , , ,50 3, , , ,30 4, , , ,00 5,55535,44465, ,40 6, ,0278, ,90 7,20,69890, ,90 8, ,87603, ,94 8, ,0935,00494 CI = Vedas/Tedêca CI Advo Como a sére é aual NÃO HÁ fluêca da sazoaldade. Podemos smplesmee subrar a Tedêca das vedas (modelo advo) ou dvdr as Vedas pela Tedêca (modelo mulplcavo), obedo as compoees CI. Os resulados ao lado permem observar os valores da sére com a edêca lear removda. Observe que há alerâca ere valores maores e meores do que zero o modelo advo, e o modelo mulplcavo, ao logo dos aos. Coudo al cosaação pode se orar dfícl para séres maores. É precso cosrur os gráfcos das varações cíclcas e rregulares. 2, ,00000,50000, , , , , , , , ,00000 Fgura 22 - Vedas líqudas da Kodak - varações cíclcas e rregulares modelo advo Pelo modelo advo é possível defcar uma varação ssemáca: os aos de 978 a 982 (5 aos) êm valores MAIORES DO QUE ZERO para as varações CI. De 983 a 987 (ouros 5 aos), os valores de CI são MENORES DO QUE ZERO. Em 988 ocorre oura versão, valores maores do que zero aé 990. Em 99, as varações CI volam a fcar meores do que zero, permaecedo assm aé 995 (5 aos). No ao de 996 ocorre a úlma versão da sére, com os

28 INE 700 Aálse de Séres Temporas 28 valores orado a ser maores do que zero aé o ao Coclu-se eão que HÁ VARIAÇÃO CÍCLICA esa sére, pos se pode perceber uma alerâca ere valores maores e meores do que zero (das varações CI) a cada 5 aos. CI Mulplcavo 2,25 2,75,5,25 0,75 Fgura 23 - Vedas líqudas da Kodak - varações cíclcas e rregulares modelo mulplcavo Pelo modelo mulplcavo ambém é possível defcar uma varação ssemáca: os aos de 978 a 982 (5 aos) êm valores MAIORES DO QUE para as varações CI. De 983 a 987 (ouros 5 aos), os valores de CI são MENORES DO QUE. Em 988 ocorre oura versão, valores maores do que aé 990. Em 99, as varações CI volam a fcar meores do que, permaecedo assm aé 995 (5 aos). No ao de 996 ocorre a úlma versão da sére, com os valores orado a ser maores do que aé o ao Coclu-se eão que HÁ VARIAÇÃO CÍCLICA esa sére, pos pode-se perceber uma alerâca ere valores maores e meores do que (das varações CI) a cada 5 aos. Como há varações cíclcas a sére elas devem ser levadas em coa a prevsão que será fea. Observado os gráfcos das varações CI acma, o ao de 2000 parece ser o úlmo de um cclo de ala. É razoável magar que os aos de 200 a 2005 serão aos de baxa: a edêca precsará ser mulplcada pelos ídces de cclos de baxa. Mas quas ídces de cclos de baxa escolher? Observe que ao os cclos de ala, quao os de baxa NÃO HÁ grade varação ere os valores de CI: se calcularmos a medaa dos valores de CI para um grupo de cco aos (referee a um cclo de baxa) eremos uma boa esmava da compoee CI para ulzar a prevsão. Devemos ulzar o úlmo cclo de baxa dspoível, que va de 99 a 995, com os segues valores: - pelo modelo advo, -,24097;-,66384;-2,48672;-2,40959;-, Ordeado os 5 valores e calculado a medaa obemos -,66384: ese deverá ser o valor de CI que será somado à edêca da sére, se o modelo advo for usado. - pelo modelo mulplcavo, 0,895; 0,8643; 0,800; 0,8268; 0,9028. Ordeado os 5 valores e calculado a medaa obemos 0,8643: ese deverá ser o valor de CI que será mulplcado pela edêca da sére, se o modelo mulplcavo for usado.

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

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

Leia mais

Análise de Eficiência Energética em Sistemas Industriais de Ventilação

Análise de Eficiência Energética em Sistemas Industriais de Ventilação Aálse de Efcêca Eergéca em Ssemas Idusras de elação Kleber Davd Belovsk, Déco Bspo, Aôo Carlos Delaba, Sérgo Ferrera de aula Slva Faculdade de Egehara Elérca da Uversdade Federal de Uberlâda UFU, Aveda

Leia mais

2.4. Grandezas Nominais e Reais

2.4. Grandezas Nominais e Reais 2.4. Gradezas Nomas e Reas rcpas varáves macroecoómcas (IB, C, G, I, X, Q,...): sedo agregações, são ecessaramee valores moeáros Calculadas a preços correes / em valor / em ermos omas, Mas eressa, frequeemee,

Leia mais

PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004

PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004 PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004 SUMÁRIO 1. INRODUÇÃO... 1 2. FONE DE DADOS... 1 3. PROJEÇÃO DO NÚMERO DE DOMICÍLIOS... 2 3.1 Mucípo emacpado em 2001... 5 3.2 População

Leia mais

CAP. 6 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÃO DE RISCO

CAP. 6 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÃO DE RISCO CAP. 6 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÃO DE RISCO 1. APRESENTAÇÃO Nese capíulo serão abordados vários méodos que levam em coa o uso das probabilidades a aálise de ivesimeos. Eses méodos visam subsidiar

Leia mais

4 Sondagem do canal de propagação rádio-móvel

4 Sondagem do canal de propagação rádio-móvel 4 Sodagem do caal de propagação rádo-móvel O desempeho dos ssemas de comucações móves é eremamee depedee do comporameo do caal de propagação. O percurso ere uma esação ase e um ermal móvel pode apresear

Leia mais

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

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

Leia mais

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal.

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal. Grpe: Época de grpe; acvdade grpal; cálculo da lnha de ase e do respecvo nervalo de confança a 95%; e área de acvdade asal. ÉPOCA DE GRPE Para maor facldade de compreensão será desgnado por época de grpe

Leia mais

A Estrutura a Termo da Taxa de Juros: Uma Síntese *

A Estrutura a Termo da Taxa de Juros: Uma Síntese * TEXTO PARA DISCUSSÃO Nº 447 A Esruura a Termo da Taxa de Juros: Uma Síese * José W. Ross ** Ro de Jaero, dezembro de 996 * Esse esudo eve apoo facero do CNPq (Proc. 522436/96-0). ** Da Dreora de Pesqusa

Leia mais

Escola de Engenharia de Lorena - USP Cinética Química Capítulo 03 Métodos Cinéticos

Escola de Engenharia de Lorena - USP Cinética Química Capítulo 03 Métodos Cinéticos Escola de Egeharia de Lorea - USP iéica Química aíulo 03 Méodos iéicos Irodução O esudo ciéico, usualmee, é feio a arir de dados exerimeais coleados durae a evolução de uma reação química. Eses dados coleados

Leia mais

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO 2-TANSFOMAÇÃO DE COODENADAS: PAÂMETOS DE EPESENTAÇÃO 2.1 Cosseos Dreores e a Mar de oação Seam dos ssemas caresaos um de referêca e ouro fo um corpo rígdo defdos pelos ssemas ( e ( respecvamee que são

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

Análise tributária das formas de remuneração dos sócios: uma abordagem com cálculo atuarial

Análise tributária das formas de remuneração dos sócios: uma abordagem com cálculo atuarial Aálse rbuára das formas de remueração dos sócos: uma abordagem com cálculo auaral Resumo A redução dos cusos de emresas or meo de laejameo rbuáro é óco recorree, ao a esqusa coábl acadêmca, como a ráca

Leia mais

Métodos de Amortização

Métodos de Amortização Méodos de Amorização Rui Assis Egeheiro Mecâico IST rassis@rassis.com www.rassis.com Fevereiro de 2006 Reviso em Seembro de 20 Méodos de Amorização Irodução Na perspeciva coabilísica, a amorização referese

Leia mais

Contabilometria. Números-Índices

Contabilometria. Números-Índices Coablomera Números-Ídces Foes: Seveso (1981) Esaísca Alcada à Admsração Ca. 15 Foseca, Mars e Toledo (1991) Esaísca Alcada Ca. 5 Números-Ídces Sezam modfcações em varáves ecoômcas durae um eríodo de emo

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

CAPÍTULO 2 DINÂMICA DA PARTÍCULA: FORÇA E ACELERAÇÃO

CAPÍTULO 2 DINÂMICA DA PARTÍCULA: FORÇA E ACELERAÇÃO 13 CAPÍTULO 2 DINÂMICA DA PATÍCULA: OÇA E ACELEAÇÃO Nese capíulo seá aalsada a le de Newo a sua foma dfeecal, aplcada ao movmeo de paículas. Nesa foma a foça esulae das foças aplcadas uma paícula esá elacoada

Leia mais

S&P Dow Jones Indices: Metodologia da matemática dos índices

S&P Dow Jones Indices: Metodologia da matemática dos índices S&P Dow Jones Indces: Meodologa da maemáca dos índces S&P Dow Jones Indces: Meodologa do índce Ouubro 2013 Índce Inrodução 3 Dferenes varedades de índces 3 O dvsor do índce 4 Índces ponderados por capalzação

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

ECONOMETRIA CLÁSSICA

ECONOMETRIA CLÁSSICA Méodos Quaavos II Mesrado em Ecooma Aplcada Faculdade de Ecooma e Admsração Pro. Rogéro Slva de Maos ECONOMETRIA CLÁSSICA Noas de Aula . INTRODUÇÃO. OBJETIVOS Modelos ecoomércos Mesuração Vercação de eoras

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa A TORRE DE HANÓI Carlos Yuzo Shie - Colégio Etapa Artigo baseado em aula miistrada a IV Semaa Olímpica, Salvador - BA Nível Iiciate. A Torre de Haói é um dos quebra-cabeças matemáticos mais populares.

Leia mais

UNIVERSIDADE FEDERAL DO CEARÁ DEPARTAMENTO DE ENGENHARIA DE TRANSPORTES PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES

UNIVERSIDADE FEDERAL DO CEARÁ DEPARTAMENTO DE ENGENHARIA DE TRANSPORTES PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES UNIVSIDAD FDAL DO CAÁ DPATAMNTO D NGNHAIA D TANSPOTS POGAMA D PÓS-GADUAÇÃO M NGNHAIA D TANSPOTS ANÁLIS VISCOLÁSTICA D MATIAIS ASFÁLTICOS CONSIDANDO OS FITOS DA TMPATUA DO DANO so de Lma Porela OINTADOA:

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)

Leia mais

2 Programação Matemática Princípios Básicos

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

Leia mais

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625 Capíulo Problema 0 Nº de sucessos 0 4 5 0,0 0, 0,4 0,6 0,8,0 P 0,77 0,4096 0,048 0,05 0,0064 0,000 E 0, p ; 0,0 5 Problema 0 4 0 5 00 400 Lme superor de 0,05 0,0 0,005 0,00065 Lme superor de p^ 0,00 0,05

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

Capítulo 1 PORCENTAGEM

Capítulo 1 PORCENTAGEM Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,

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

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

DETERMINAÇÃO EXPERIMENTAL DAS PROPRIEDADES DINÂMICAS DE TRANSDUTORES DE PRESSÃO PIEZORRESISTIVOS

DETERMINAÇÃO EXPERIMENTAL DAS PROPRIEDADES DINÂMICAS DE TRANSDUTORES DE PRESSÃO PIEZORRESISTIVOS DETERMINAÇÃO EXPERIMENTAL DAS PROPRIEDADES DINÂMICAS 15 DETERMINAÇÃO EXPERIMENTAL DAS PROPRIEDADES DINÂMICAS DE TRANSDUTORES DE PRESSÃO PIEZORRESISTIVOS Evaldo Ferezi Luiz Carlos Felicio EESC-USP, Av.

Leia mais

Sistemas Série-Paralelo e

Sistemas Série-Paralelo e Capíulo 5 Cofabldade de semas ére-paralelo e Msos Flávo. Foglao uposções comus a odos os ssemas aalsados Cofabldade de ssemas é avalada um poo o empo; ou seja, compoees apreseam cofabldades esácas em.

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

2 Estrutura a Termo de Taxa de Juros

2 Estrutura a Termo de Taxa de Juros Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre

Leia mais

TESTE DE VIDA SEQÜENCIAL COM DISTRIBUIÇÕES DE AMOSTRAGEM WEIBULL E WEIBULL INVERTIDA

TESTE DE VIDA SEQÜENCIAL COM DISTRIBUIÇÕES DE AMOSTRAGEM WEIBULL E WEIBULL INVERTIDA TST VI SQÜNCI CM ISTRIBUIÇÕS MSTRGM WIBU WIBU INVRTI ael I. e Souza Jr. Resumo: mecasmo de ese de vda seqüecal represea uma suação de ese de hpóese a qual é omada uma decsão de se acear ou se rejear uma

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

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

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

Leia mais

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma

Leia mais

Sistema de vigilância para detecção de interação espaçotempo de eventos pontuais

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

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

VII Equações Diferenciais Ordinárias de Primeira Ordem

VII Equações Diferenciais Ordinárias de Primeira Ordem VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,

Leia mais

Análise do Desempenho dos Gestores de Fundos, baseada nas Transações e nas Participações das Carteiras

Análise do Desempenho dos Gestores de Fundos, baseada nas Transações e nas Participações das Carteiras Vâna Sofa Sequera Umbelno Análse do Desempenho dos Gesores de Fundos, baseada nas Transações e nas Parcpações das Careras Dsseração de Mesrado apresenado à Faculdade de Economa da Unversdade de Combra

Leia mais

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno. Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado

Leia mais

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade

Leia mais

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros. JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00

Leia mais

Análise Discriminante: classificação com 2 populações

Análise Discriminante: classificação com 2 populações Análse Dscrmnane: classcação com oulações Eemlo : Proreáros de coradores de rama oram avalados seundo duas varáves: Renda U$ ; Tamanho da roredade m. Eemlo : unção dscrmnane unvarada ~ ama4 4 3 e ~ ama8.5

Leia mais

UFRGS 2007 - MATEMÁTICA

UFRGS 2007 - MATEMÁTICA - MATEMÁTICA 01) Em 2006, segudo otícias veiculadas a impresa, a dívida itera brasileira superou um trilhão de reais. Em otas de R$ 50, um trilhão de reais tem massa de 20.000 toeladas. Com base essas

Leia mais

SIMULAÇÃO NUMÉRICA DA DISTRIBUIÇÃO DE TEMPERATURAS EM

SIMULAÇÃO NUMÉRICA DA DISTRIBUIÇÃO DE TEMPERATURAS EM SIMUAÇÃO NUMÉRICA DA DISRIBUIÇÃO DE EMPERAURAS EM UMA BARRA UNIFORME DE AÇO-CARBONO COM O MÉODO DE CRANK-NICOSON J. C. ARAÚJO R. G. MÁRQUEZ Resumo Nesse abalho é desevolvda uma solução uméca po dfeeças

Leia mais

12 Integral Indefinida

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

Leia mais

1 Princípios da entropia e da energia

1 Princípios da entropia e da energia 1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

VaR t = valor em risco, em reais, do conjunto das exposições de que trata o caput para o dia "t", obtido de acordo com a seguinte fórmula:

VaR t = valor em risco, em reais, do conjunto das exposições de que trata o caput para o dia t, obtido de acordo com a seguinte fórmula: CIRCULAR Nº 3.568, DE 21 DE DEZEMBRO DE 2011 Documeo ormavo revogado, a parr de 1º/10/2013, pela Crcular º 3.634, de 4/3/2013. Alera dsposvos das Crculares s. 3.361, de 12 de seembro de 2007, 3.388, de

Leia mais

conceito de análise de investimento

conceito de análise de investimento 1. coceio de aálise de ivesimeo Aálise de Ivesimeos Prof. Uério Cruz O coceio de aálise de ivesimeo pode hoje ser um cojuo de écicas que permiem a comparação ere resulados de omada de decisões referees

Leia mais

1- Testes Acelerados. Como nível usual entende-se o nível da variável stress a que o componente ou aparelho será submetido no dia-adia.

1- Testes Acelerados. Como nível usual entende-se o nível da variável stress a que o componente ou aparelho será submetido no dia-adia. - Teses Aelerados São de rande mporâna na ndúsra espealmene na ndúsra elero-elerôna em que eses de empos de vda demandam muo empo. (os produos são muo onfáves) Inorporação de uma arável-sress adonada a

Leia mais

Interpolação e Extrapolação da Estrutura a Termo de Taxas de Juros para Utilização pelo Mercado Segurador Brasileiro

Interpolação e Extrapolação da Estrutura a Termo de Taxas de Juros para Utilização pelo Mercado Segurador Brasileiro Inerpolação e Exrapolação da Esruura a Termo de Taxas de Juros para Ulzação pelo Mercado Segurador Braslero Sergo Lus Frankln Jr. Thago Baraa Duare César da Rocha Neves + Eduardo Fraga L. de Melo ++ M.Sc.,

Leia mais

Aula 4 Estatística Conceitos básicos

Aula 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 mais

2 Métodos de previsão de vendas de itens de estoque 2.1 Introdução

2 Métodos de previsão de vendas de itens de estoque 2.1 Introdução 8 Méodos de previsão de vedas de ies de esoque. Irodução A previsão de demada é processo comum o plaejameo das empresas e poderá ser basae úil o corole de esoques e egociações de preços. Ao se rabalhar

Leia mais

INDICADORES DE DESEMPENHO PARA SISTEMAS CENTRALIZADOS DE CONTROLE DO TRÁFEGO URBANO EM TEMPO REAL

INDICADORES DE DESEMPENHO PARA SISTEMAS CENTRALIZADOS DE CONTROLE DO TRÁFEGO URBANO EM TEMPO REAL INDICADORES DE DESEMPENO PARA SISTEMAS CENTRALIZADOS DE CONTROLE DO TRÁFEGO URBANO EM TEMPO REAL amfracy Bro Meeses Carlos erque Pres Leadro Ssema Ceralzado de Corole de Tráfego de Foraleza CTAFOR Auarqua

Leia mais

Teoria de Potência Ativa e Reativa Instantânea e Aplicações Filtros Ativos e FACTS

Teoria de Potência Ativa e Reativa Instantânea e Aplicações Filtros Ativos e FACTS Teora de Poêca Aa e Reaa Isaâea e Aplcações Flros Aos e FACTS (GRQ:DWDQDEH COPPE/UFRJ DXUFLR$UHGH COPPE/EE/UFRJ Laboraóro de Elerôca de Poêca Caxa Posal 6854,.945-97 Ro de Jaero RJ, Brazl E-mals: waaabe@coe.ufrj.br,

Leia mais

exercício e o preço do ativo são iguais, é dito que a opção está no dinheiro (at-themoney).

exercício e o preço do ativo são iguais, é dito que a opção está no dinheiro (at-themoney). 4. Mercado de Opções O mercado de opções é um mercado no qual o iular (comprador) de uma opção em o direio de exercer a mesma, mas não a obrigação, mediane o pagameno de um prêmio ao lançador da opção

Leia mais

MATEMATICA Vestibular UFU 2ª Fase 17 de Janeiro de 2011

MATEMATICA Vestibular UFU 2ª Fase 17 de Janeiro de 2011 Vesibular UFU ª Fase 17 de Janeiro de 011 PRIMEIRA QUESTÃO A realidade mosra que as favelas já fazem pare do cenário urbano de muias cidades brasileiras. Suponha que se deseja realizar uma esimaiva quano

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

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

LISTA DE EXERCÍCIOS 3 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO

LISTA DE EXERCÍCIOS 3 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO LISTA DE EXERCÍCIOS 3 INE 700 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO ) A que compoees de uma série emporal (pelo modelo clássico) esariam pricipalmee associados cada um dos seguies

Leia mais

FUNDO DE COMÉRCIO * Pedro Schubert

FUNDO DE COMÉRCIO * Pedro Schubert FUNDO DE COMÉRCIO * Pedro Schuber Esa maéria que ão em bibliografia e o seu coceio o ambiee coábil refere-se aos bes iagíveis e os auores ficam com os ies iagíveis possíveis de serem regisrados pela coabilidade

Leia mais

CAPÍTULO 9. y(t). y Medidor. Figura 9.1: Controlador Analógico

CAPÍTULO 9. y(t). y Medidor. Figura 9.1: Controlador Analógico 146 CAPÍULO 9 Inrodução ao Conrole Discreo 9.1 Inrodução Os sisemas de conrole esudados aé ese pono envolvem conroladores analógicos, que produzem sinais de conrole conínuos no empo a parir de sinais da

Leia mais

Universidade Federal de Lavras

Universidade Federal de Lavras Universidade Federal de Lavras Deparameno de Ciências Exaas Prof. Daniel Furado Ferreira 8 a Lisa de Exercícios Disribuição de Amosragem 1) O empo de vida de uma lâmpada possui disribuição normal com média

Leia mais

ANÁLISE DO EFEITO DO PESO DOS VEÍCULOS NAS ESTRADAS

ANÁLISE DO EFEITO DO PESO DOS VEÍCULOS NAS ESTRADAS ANÁLISE DO EFEITO DO PESO DOS VEÍCULOS NAS ESTADAS Luciao Bruo Faruolo 1, Divisão de Isrumeos de Medição de Massa, Direoria de Merologia Legal, Isiuo de Nacioal de Merologia, Normalização e ualidade Idusrial,

Leia mais

Métodos AiBi e Logístico para projeção de pequenas áreas: uma aplicação para a microrregião de Angicos RN

Métodos AiBi e Logístico para projeção de pequenas áreas: uma aplicação para a microrregião de Angicos RN Méodos AB e Logísco para projeção de pequeas áreas: uma aplcação para a mcrorregão de Agcos RN Crsae Slva Corrêa CEDELAR/UFMG e UFRN Luaa Juquera Das Myrrha CEDELAR/UFMG e UFRN Moema Fígol CEDELAR/UFMG.

Leia mais

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

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

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://wwwuematbr/eugeio SISTEMAS DE AMORTIZAÇÃO A ecessidade de recursos obriga aqueles que querem fazer ivestimetos a tomar empréstimos e assumir dívidas que são pagas com juros que variam de acordo

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

Equações Diferenciais

Equações 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 mais

MOSFET: A Dedução da equação da corrente Aula 2

MOSFET: A Dedução da equação da corrente Aula 2 MOSFET: A edução da equação da corree Aula 31 Aula Maéra Cap./pága 1ª 03/08 Elerôca PS33 Programação para a Prmera Prova Esruura e operação dos rassores de efeo de campo caal, caraceríscas esão-corree.

Leia mais

TESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS

TESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS TESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS A hipóese ula (Ho) usualmee esaa é a e que as uas amosras eham sio obias e populações om méias iguais,

Leia mais

Capítulo. Associação de resistores. Resoluções dos exercícios propostos. P.135 a) R s R 1 R 2 R s 4 6 R s 10 Ω. b) U R s i U 10 2 U 20 V

Capítulo. Associação de resistores. Resoluções dos exercícios propostos. P.135 a) R s R 1 R 2 R s 4 6 R s 10 Ω. b) U R s i U 10 2 U 20 V apítulo 7 da físca Exercícos propostos Undade apítulo 7 ssocação de resstores ssocação de resstores esoluções dos exercícos propostos 1 P.15 a) s 1 s 6 s b) U s U 10 U 0 V c) U 1 1 U 1 U 1 8 V U U 6 U

Leia mais

Sistemas Dinâmicos. Sistema massa-mola-atrito. O que é um sistema? Sistemas Lineares e Invariantes no Tempo

Sistemas Dinâmicos. Sistema massa-mola-atrito. O que é um sistema? Sistemas Lineares e Invariantes no Tempo Sisemas Diâmicos Sisemas Lieares e Ivariaes o Tempo O que é um sisema? Sisema massa-mola-ario Um sisema é um objeco ou grupo de objecos que ieragem com o mudo. Essa ieracção é represeada aravés de eradas

Leia mais

Notas de Cálculo Numérico

Notas 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 mais

NOVAS ABORDAGENS PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUES COM MÚLTIPLOS VEÍCULOS

NOVAS ABORDAGENS PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUES COM MÚLTIPLOS VEÍCULOS NOVAS ABORDAGENS PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUES COM MÚLTIPLOS VEÍCULOS Thago Adré Gumarães Cero Uversáro Fracscao do Paraá hadgu@gmal.com Cassus Tadeu Scar Dearameo de Egehara de Produção Uversdade

Leia mais

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13. SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação

Leia mais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre

Leia mais

Conceitos básicos População É constutuida por todos os elementos que são passíveis de ser analisados de tamanho N

Conceitos básicos População É constutuida por todos os elementos que são passíveis de ser analisados de tamanho N sísc Coceos áscos opulção É cosuud por odos os elemeos que são pssíves de ser lsdos de mho mosrgem Sucojuo d populção que é eecvmee lsdo com um ddo mho mosr leór mosr ode cd elemeo d populção êm hpóeses

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

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

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

Leia mais

Curso de Óptica Aplicada

Curso de Óptica Aplicada Curso de Ópca Aplcada Faculdade de Cêcas e Tecologa Uversdade Nova de Lsboa AT 4 Propagação Deparameo Aula Teórca de Físca 5 Ópca Geomérca Curso de Ópca Aplcada Aula Teórca 4 Propagação Curso de Ópca Aplcada

Leia mais

Universidade Federal de Pelotas UFPEL Departamento de Economia - DECON. Economia Ecológica. Professor Rodrigo Nobre Fernandez

Universidade Federal de Pelotas UFPEL Departamento de Economia - DECON. Economia Ecológica. Professor Rodrigo Nobre Fernandez Universidade Federal de Peloas UFPEL Deparameno de Economia - DECON Economia Ecológica Professor Rodrigo Nobre Fernandez Capíulo 6 Conabilidade Ambienal Nacional Peloas, 2010 6.1 Inrodução O lado moneário

Leia mais

Juros Compostos 2016

Juros Compostos 2016 Juros Composos 2016 1. (G1 - ifal 2016) Em 2000, cero país da América Laia pediu um emprésimo de 1 milhão de dólares ao FMI (Fudo Moeário Ieracioal) para pagar em 100 aos. Porém, por problemas políicos

Leia mais

RIO DE JANEIRO, RJ BRASIL MARÇO DE 2009

RIO DE JANEIRO, RJ BRASIL MARÇO DE 2009 1 METODOLOGIA PARA ESTUDOS DE CIRCULAÇÃO NATURAL EM CIRCUITOS FECHADOS Rafael de Olvera Pessoa de Araujo DISSERTAÇÃO SUBMETIDA AO PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E TECNOLOGIA NUCLEARES DO INSTITUTO

Leia mais

Figura 1 Carga de um circuito RC série

Figura 1 Carga de um circuito RC série ASSOIAÇÃO EDUAIONAL DOM BOSO FAULDADE DE ENGENHAIA DE ESENDE ENGENHAIA ELÉTIA ELETÔNIA Disciplina: Laboraório de ircuios Eléricos orrene onínua 1. Objeivo Sempre que um capacior é carregado ou descarregado

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