REGIÃO DE VIABILIDADE E COMPARAÇÃO DE GRUPOS PARA A PERFORMANCE DEA NÃO ARQUIMEDIANA VIA REGRESSÃO FRACIONADA

Tamanho: px
Começar a partir da página:

Download "REGIÃO DE VIABILIDADE E COMPARAÇÃO DE GRUPOS PARA A PERFORMANCE DEA NÃO ARQUIMEDIANA VIA REGRESSÃO FRACIONADA"

Transcrição

1 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 REGIÃO DE VIABILIDADE E COMPARAÇÃO DE GRUPOS PARA A PERFORMANCE DEA NÃO ARQUIMEDIANA VIA REGRESSÃO FRACIONADA Geald da Slva e Suza Elae Gçalves Gmes Empesa Baslea de Pesqusa Agpecuáa Embapa Paque Estaçã Blógca, Av. W3 Nte fal, , Basíla, DF, Basl geald.suza@embapa.b elae.gmes@embapa.b RESUMO Csdea-se a utlzaçã da cstate ã aqumedaa ε em mdels DEA-CCR. A aplcaçã de teesse é defda pela medda de pefmace ds cets de pesqusa da Empesa Baslea de Pesqusa Agpecuáa. Caacteza-se uma egã de vabldade e sugee-se um val paa a cstate ε. Tps de DMUs sã, etã, cmpaads p me d us de egessã facada e d métd da máxma quase-vessmlhaça. Cclu-se pela dmâca ds cets de pesqusa d tp pdut. As meddas de pefmace clássca DEA-CCR e cm estções de flga ã ula pela cstate ã aqumedaa têm celaçã de Speama supe a 90%. Palavas-chave: DEA ã aqumeda; Pess ã uls; Regessã facada. Áea pcpal: DEA - Aálse Evltóa de Dads ABSTRACT I ths pape we csde the use f the -Achmedea cstat ε DEA-CCR mdels. The applcat f teest s defed as the pefmace measue f the Bazla Agcultual Reseach Cpat eseach cetes. We chaactezed a assuace eg ad suggest a value f the cstat ε. Tpes f DMUs ae the cmpaed b usg factal egess mdels ad the quas-maxmum lelhd appach. We cclude that the eseach cetes whse mss s t eseach specfc pducts pefmed bette. The classc DEA-CCR pefmace measues ad the slut pvded b -Achmedea mdel have Speama celat hghe tha 90%. Ke-wds: N-Achmedea DEA mdels; N-ze weghts; Factal egess. Ma aea: DEA - Data Evelpmet Aalss 780

2 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03. Itduçã Desde 996, a Empesa Baslea de Pesqusa Agpecuáa (Embapa) mta a pduçã de seus cets de pesqusa cm a utlzaçã de um sstema de avalaçã cm base em um pdut e tês sums. Os sums d pcess de pduçã sã captal, custe e mã de ba. O pdut (utput), udmesal, é uma méda pdeada de 8 atbuts de pduçã, classfcads em quat categas de pduçã: (a) pduçã técc-cetífca; (b) pduçã de publcações téccas; c) tasfeêca de teclgas e pmçã da magem; (d) desevlvmet de teclgas, pduts e pcesss. Uma medda de efcêca é, etã, calculada va mdels de aálse de evltóa de dads (DEA). Vea Suza et al. (999) paa mas detalhes, tadamete ctext DEA. O sstema de pess utlzad paa ta s cets de pesqusa (DMUs) cmpaáves é cmplex. Tma p base a Le ds Julgamets Categócs de Thuste (Tges, 958; Suza, 00) e é depedete de um sstema de malzaçã que ta as gadezas de pduçã admesas. A subetvdade ds pess utlzads e a eduçã dmesal dástca têm sd questadas âmbt da gazaçã. Recetemete sugeu-se us de um vet de pduts de dmesã tês, eagupad s atbuts em tês categas pduçã técc-cetífca, pduçã de publcações téccas e utas atvdades. O sstema de pess utlzad esses agupamets é betv e basea-se a Aálse Fatal. Tda a classfcaçã de pefmace basea-se s as das vaáves de pduçã, meddas de fma pe capta e mtvam us da sluçã DEA-CCR cm tês sums e tês pduts. Tpcamete, as sluções de desempeh utá btdas apesetam flgas e, ptat, ã satsfazem a ccet de efcêca de Paet-Kpmas (Cpe et al., 007). A exstêca de pduts u sums cm pess uls a sluçã d pblema ds multplcades d mdel DEA-CCR clássc sugee us da cstate ã aqumedaa pcess de avalaçã. Em mutas aplcações DEA têm-se usad vales peques (0-6 e mees) paa esta cstate. Vea-se, p exempl, Chaes et al. (996). A esclha abtáa desta cstate ã é acselhável, ps pde cduz a sluções eôeas (pblemas umécs), cm efatzad em Al e Sefd (993a, 993b) e Cpe et al. (007). Mehaba et al. (000) apesetam um métd paa cálcul de uma egã de vabldade paa a cstate ã aqumedaa ε. Cm base a egã de vabldade e a dscussã de Cpe et al. (007) sugee-se a utlzaçã d extem supe da egã cm val adequad paa a cstate ã aqumedaa. O estud da sgfcâca estatístca de paâmets em mdels em que uma medda d tp DEA é tmada cm espsta apeseta dfculdades téccas em ds ctexts. Pmeamete, métd de cálcul evlvd a detemaçã da medda de pefmace duz celaçã ete as udades (DMUs) avaladas. Mas pblemátc em aplcações mas cmplexas é a asscaçã de vaáves ctextuas cm as meddas de e ds mdels de egessã. Sma e Wls (007) dscutem esses pblemas em detalhes. Ramalh et al. (00) sugeem us da abdagem de Pape e Wlddge (996) paa tatamet smultâe ds pblemas de espstas tucadas (vales em (0,]) e celaçã ete DMUs. Utlza-se esta abdagem este atg paa a cmpaaçã de tps de DMUs. Nssa expsçã pssegue cm segue. Na Seçã apeseta-se mdel de avalaçã atualmete em dscussã a Embapa. Na Seçã 3 apeseta-se a técca utlzada s mdels DEA paa a caactezaçã de uma egã de vabldade paa a cstate ã aqumedaa ε. A Seçã 4 desceve s mdels de egessã facada. Na Seçã 5 apesetam-se s esultads estatístcs e de pgamaçã btds. Falmete, a Seçã 6 apesetam-se um esum e as cclusões d tabalh, seguda da lsta de efeêcas.. O Mdel de Desempeh da Embapa O mdel de pefmace atualmete em dscussã a Embapa basea-se em uma medda DEA-CCR que se utlza de tês sums e tês pduts e é calculada aqu paa 37 cets de pesqusa cmpetes da sttuçã. Atualmete, a empesa cta cm 4 udades de pesqusa classfcadas em tês tps cets de pesqusa de pdut, ecegas e 78

3 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 temátcs. Os cets de pesqusa de pdut têm cm mssã vablza sluções de pesqusa, desevlvmet e vaçã em pduts agíclas específcs (ex.: sa, mlh e sg, algdã, gad de lete etc.). Os cets ecegas e temátcs dedcam-se, espectvamete, à pesqusa paa sustetabldade da agcultua as dfeetes ecegões basleas (ex.: pataal, tabules cstes, cead etc.) e em temas báscs de teesse (ex.: mtamet p satélte, sls, fmátca e stumetaçã agpecuáas etc.). Cc das 4 udades fam ecetemete cadas e ã cstam de ssa aálse. As cmpetes de sums d mdel de pefmace sã custs cm pessal, custe e captal. As cmpetes de pduçã sã as categas de pduçã técc-cetífca PTC, pduçã de publcações téccas PPT, e utas atvdades de pduçã POUT. A catega PTC clu atgs em peódc dexad, capítul de lv, atg e esum em aas de cgesss e etaçã de teses. A cmpete PPT clu as vaáves ccula técca, cmucad técc/ecmedações téccas, bletm de pesqusa e desevlvmet e dcumets. A catega POUT é defda pelas vaáves das de camp, gazaçã de evets, udade demstatva e de bsevaçã, estágs de pósgaduaçã, metdlga cetífca e mtamet. Tdas as vaáves sã malzadas pel quattatv de pessal e, pstemete, tasfmadas em as. A malzaçã eduz vaabldade e faclta cmpaações, eduzd dfeeças de escala. A tasfmaçã em as elma a fluêca de bsevações atípcas, defe espstas admesas e empesta ppedades ã paamétcas as métds cm base em maldade utlzads a detemaçã ds pess ds atbuts det das dmesões. Esses métds se utlzam de Aálse Fatal e pdem se vsts em detalhes em Suza e Gmes (03); ã seã dscutds aqu. A Tabela apeseta s vales ds ses atbuts de pduçã paa a de DEA e Mdels Nã Aqumedas 3.. Ccets geas Dad um cut de udades pdutvas (Decs Mag Uts DMUs), paa as quas sã checds s íves de ecuss empegads (puts) e de esultads btds (utputs), s mdels DEA têm cm faldade calcula uma medda de efcêca paa cada DMU. Em ctaste às fuções de pduçã clásscas, DEA destaca cada bsevaçã dvdual cm betv de calcula uma ftea de efcêca, detemada pelas udades Paet-efcetes. Essas udades sevem de bechma paa aquelas efcetes. Geecamete, a medda de efcêca é dada pela azã ete a sma pdeada de pduts e a sma pdeada de sums ecessás paa geá-ls. Os pess usads essas pdeações sã btds, ctext de DEA, p pblemas de pgamaçã matemátca, que atbuem a cada DMU s pess que maxmzam a sua efcêca. Os ds mdels DEA mas efeecads a lteatua sã CCR e BCC (Cpe et al., 007), s quas dfeem quat às hpóteses de cvexdade da ftea de efcêca (cvexa cas BCC) e ets de escala (cstates CCR u vaáves BCC). Na busca da ftea de efcêca sã pssíves duas etações adas paa esses mdels: a puts (mmzaçã ds puts, sem alteaçã d ível de utputs) e a utputs (aumet ds utputs, sem mudaça s puts). Sb a hpótese de ets cstates (mdel DEA-CRR), as duas etações sã equvaletes setd de que duzem à mesma medda de efcêca. Em () e em () apesetam-se, espectvamete, mdel DEA CCR ds Multplcades e d Evelpe (duas), cm etaçã a puts. Csdea-se que cada DMU, =..., é uma udade de pduçã que utlza puts x,, =... s ; x e sã s puts e utputs da DMU ; v e =..., paa pduz s utputs u sã s pess calculads pel θ é a efcêca da DMU em aálse e mdel paa puts e utputs, espectvamete. Em (5), λ epeseta a ctbuçã da DMU a fmaçã d alv da DMU. As fmulações pmal e dual d mdel DEA BCC sã btdas adcad-se um fat de escala à fuçã betv e à = desgualdade de (), e a estçã λ = a PPL (). Uma tepetaçã d mdel d evelpe é a que segue: se X epeseta a matz de utlzaçã de sums e Y a matz de 78

4 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 pduts, etã pa ( ) λ Yλ X, epeseta vet de pduçã de um pseudpdut, sed λ vet cm cmpetes λ. Deste md, uma udade é csdeada efcete se ã exste pseudpdut que sea capaz de pduz pel mes que a udade pduzu, gastad mes. O cut ds pseudpdutes clu tdas as udades em avalaçã. Tabela : Vaáves de pduçã d mdel DEA e tps de cets de pesqusa. Iputs Outputs Udade Tp Pessal Captal Custe PTC PPT POUT DMU Temátc ,53,96 3,69 DMU Pdut 6 7, 6,9 8,47 DMU3 Temátc ,7 30,88,57 DMU4 Pdut 4 9 3,88 7,99,6 DMU5 Temátc ,88 8,3 3,0 DMU6 Pdut ,89 8,96 8,0 DMU7 Temátc ,67 3,4 3,45 DMU8 Pdut ,6,55 7,69 DMU9 Pdut ,80 5,33,88 DMU0 Pdut 4 3 0,4 8,46 6,86 DMU Pdut ,89 7,95,8 DMU Temátc ,75 4,78 4,89 DMU3 Temátc ,09 3,3 7,68 DMU4 Pdut ,59 3,5 5,9 DMU5 Pdut ,48,0 4,88 DMU6 Temátc ,88 3,7 7,3 DMU7 Pdut 3,3 7,76,9 DMU8 Pdut ,4 8, 5,5 DMU9 Pdut 0 9 8,70 6,47 3,69 DMU0 Temátc ,40,35,0 DMU Pdut ,9 0,85 9,84 DMU Ecegal ,40 3,39,6 DMU3 Ecegal 3 0 3, 3,0 4,44 DMU4 Ecegal 7 6 4,44 7, 5,95 DMU5 Ecegal , 5,7,34 DMU6 Ecegal ,55 7,56 9,46 DMU7 Ecegal 8 3,64 5,03 7,4 DMU8 Ecegal 6 7,95 33,7,78 DMU9 Ecegal 3 5 6,0 5,60 3,6 DMU30 Ecegal ,0 8,5 6,7 DMU3 Ecegal 7 8 6,6 4,8 8,69 DMU3 Ecegal 4 5 4,65 8,63 4,93 DMU33 Ecegal 7 4,5 7,89 8, DMU34 Ecegal 0 4 5,73 6,98 9,88 DMU35 Pdut ,8 5,73 3,73 DMU36 Pdut 6 7,00 5,09 33,39 DMU37 Temátc ,69,03 9,77 783

5 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 Max suet a v x v x u u, v 0,, = = s = = s = u 0, () M θ x λ θ suet a 0, = = x λ 0, λ 0, () 3.. Mdels DEA ã aqumedas e egã de vabldade paa ε Os mdels clásscs de DEA pdem atbu efcêca a udades ã vedadeamete efcetes (efcêca faca devd à peseça de flgas ã ulas; ve Cpe et al., 007). Paa cta essa caacteístca estã ppsts a lteatua s chamads mdels ã aqumedas, s quas tetam elma a pssbldade de mdel d evelpe se lmtad e, csequetemete, a fmulaçã ds multplcades se vável. Nestes mdels sã cpadas flgas à fuçã betv da fmulaçã d evelpe u estções as pess mdel ds multplcades. Neste últm cas, s multplcades devem se maes que ε, um úme mut peque u ftesmal (cstate ã aqumedaa). Nte-se que a cpa estções as pess, elma-se pblema de pess ze em DEA (paa dscussões sbe este tema ve, p exempl, Agul Meza e Ls, 00; Thaassuls et al., 004; Ptela e Thaassuls, 006) Os equvaletes ã aqumedas ds mdels () e () sã apesetads em (3) e (4), de Max suet v x v x s e u s epesetam as flgas paa puts e utputs, espectvamete. u, v ε > 0,, = = s = a = s = u 0, (3) M suet θ x λ, s, s θ ε a = = s ( s s ) x λ s λ s 0,,, = = = 0, = 0, Cfme dscutd em Al e Sefd (993b) e Cpe et al. (007) é bastate tetad epeseta ε > 0 p um úme val uméc explíct e mut peque, cm 0-5 u 0-6. N etat, pdem se btds esultads eôes, que pdem se pes cm a mpsçã de vales ada mees. Al (990) faz uma aálse de sesbldade paa dfeetes vales de ε > 0 e msta suas mplcações cálcul das meddas de efcêca DEA. Gmes Ju (006) usu cm cté de esclha de ε > 0 val que ã tu s pblemas de pgamaçã lea (PPLs) de DEA váves, em mpssbltu a dstçã das vaáves de utput em tems ds pess a elas atbuíds. Suc (004), a ccepçã de seu sftwae DEA-SAED, usu teema de Al e Sefd (993a), que estabelece um lmte supe paa elemet ã aqumeda ε. Segud esses autes, s PPLs de DEA têm sluções ótmas ftas quad ε < m x. ( ) =... =... Mehaa et al. (000) pvaam, cm um ctaexempl, que lmte ppst p Al e Sefd (993a) é váld e ppuseam uma egã de vabldade (assuace eg) paa val de ε. Jahashahl e Khdabahsh (004), Alezaee (005) e MHassa e Alezaee (005) apesetaam abdages alteatvas paa cálcul de tevals de seguaça paa ε. Neste atg ptu-se pela abdagem ppsta p Mehaba et al. (000). De fat, a pesqusa bblgáfca feta sugee que esta é a abdagem base paa as demas que tatam de (4) 784

6 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 egões de vabldade paa ε. Segud essa ppsta, busca-se ma val de ε que gaata a vabldade d mdel ds multplcades, que mplca em que mdel d evelpe ã sea lmtad. A fmulaçã (5) é epesetatva desta ppsta e a fmulaçã (6) é seu dual. Max ε suet = u, ε v, ε v x = a v x = s = u 0, (5) M suet a s θ x λ, s, s s s = = = β λ s = x λ s = = 0, 0,,, O teval de vabldade é defd p [ 0, ε ], de O teval de vabldade glbal é dad p [ 0, ε ], de ε = m{ ε,..., ε } = 0, (6) ε é val ótm d mdel (5).. Cada elemet teval glbal de vabldade defe um val de vabldade paa ε. O Teema de 0, ε ' é ma teval de vabldade paa ε, etã Mehaba et al. (000) afma que se [ ] ε ' = ε. 4. Mdels de Regessã Facada A cmpaaçã de tatamets (gups) em pblemas de aálse de vaâca cm espstas DEA pde se fluecada pela celaçã duzda ete as DMUs pel cálcul da medda de pefmace. Ramalh et al. (00) dscutem a utlzaçã de mdels de egessã facada em ctexts mas geas de um vet x de vaáves ctextuas afeta leamete a espsta DEA. Ramalh et al. (00) csdeam duas alteatvas de mdelagem. Csdea-se aqu aquela devada d mdel de Pape e Wlddge (996). Se epeseta a espsta DEA, x vet de atbuts ctextuas (a aplcaçã aqu em apeç defd um cut de vaáves dcadas), e G(.) uma fuçã ã lea cm vales em [0,] pstula-se (7). E( x) ( ) = G xθ (7) Esclhas usuas paa a fuçã G(.) sã defdas pela epesetaçã lgístca (8) e p G. = Φ (.), sed Φ (.) a vesa da fuçã de dstbuçã da mal padã. Pape e ( ) Wlddge (996), a ealdade, sugeem cm especfcações pssíves qualque fuçã de dstbuçã adequada paa estud de dads bás. xθ e G ( xθ ) = (8) xθ e O mdel de egessã facada pstula, ptat, que val espead da medda de pefmace é uma fuçã móta d cstut µ = xθ. Paa estma θ a pat das bsevações ( x, ) =, K, pcua-se pel vet ˆ θ que maxmza a fuçã de quasevessmlhaça (9). ( lg ( G ( xθ )) ( )lg ( G ( xθ ))) (9) = 785

7 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 Demsta-se que se a fuçã da méda f especfcada cetamete, etã ˆ d θ θ N(0, V ), de V é estmada p (0). Este é esultad que pemte feêca ( ) estatístca válda evlved paâmet θ. A hpótese de bsevações ã celacadas ã é ecessáa. Vˆ = Â= ( Aˆ ) BA ˆ ˆ gˆ x x = Gˆ ( ˆ G ) uˆ gˆ ˆB= = ˆ ˆ ( G ( G )) Gˆ = G( x ˆ θ ), gˆ = G ( x ˆ θ ), uˆ = Gˆ x x (0) 5. Resultads Estatístcs e de Pgamaçã A Tabela apeseta s esultads das meddas de desempeh DEA padã (DEA- CCR) e s vales ds multplcades. Paa tal usu-se sftwae SIAD (Agul Meza et al., 005). A esclha d mdel DEA-CCR deve-se a fat da ã exstêca de pblemas de escala a espsta (vaáves expessas cm as) e d us de DEA cm uma medda de pefmace a vés de caacteístca de uma ftea de pduçã empíca. Neste ctext favece-se uma abdagem stumetalsta e mes beevlete. Testes fmas de et à escala ã sã ecessás. A Tabela 3 msta s esces de desempeh d mdel DEA ã aqumeda (Desemp), assm cm s vales ds multplcades. Esses esultads fam btds p pcedmets de pgamaçã va SAS, cm adaptaçã da mac ORDEA apesetada em Emuzead e H (0) e desevlvmet de macs paa cálcul de meddas DEA cm estções as pess. A medda de desempeh Desemp tem celaçã de psçã de 0,99 cm a medda DEA-CCR. O val máxm da cstate ã aqumedaa que pde se utlzada é de 0,0065 levad a egã de vabldade [0;,65x0 - ] (clua Epsl da Tabela 3). Paa esse val da cstate btêm-se as meddas Desemp. Na sluçã ã aqumedaa s pess elatvs de pessal, custe e captal sã, espectvamete, 9,4%, 4,6% e 56,0%. Pessal é a cmpete elatvamete mas baata paa sstema. Em elaçã às cmpetes de pdut btêm-se 66,9%, 0,3% e,8% paa a pduçã técc-cetífca, publcações téccas e de utas atvdades. Os peçs smba da pduçã técc-cetífca dmam cálcul da medda de desempeh. Cetes pabus, DMUs cm ba pduçã técc-cetífca e baxs vales de gasts cm captal têm melh pefmace. Nte-se que ã há pess uls essa sluçã, haa vsta a clusã das estções as pess ds multplcades mdel ã aqumeda. Os vales mas baxs da medda Desemp sã espeads a sluçã cm estções as pess, ps fçam as DMUs a peaem cmpetes de pduçã que ã cduzem à sua efcêca máxma, btda cm pess uls a sluçã DEA gal. A dstbuçã da medda de desempeh é mstada a Fgua, de se apeseta um estmad ã-paamétc da fuçã desdade de pbabldades. O gáfc sugee a supepsçã de ppulações, cm um gup cm desempeh tdamete supe. A Fgua apeseta s gáfcs de caxa (desehs esquemátcs) cespdetes à dstbuçã d desempeh p tp de DMU. As dstbuções p tp dfeem e DMUS classfcadas cm d tp pdut têm pefmace supe, segudas das ecegas e temátcas. As medaas de pefmace sã, espectvamete, 0,60, 0,4 e 0,60. Nã se bsevam atpcdades as dstbuções. 786

8 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 Tabela : Resultads da aálse de desempeh DEA usual sb a hpótese de ets cstates de escala (DEA-CCR) e multplcades. Udade DEA- CCR Multplcades Pessal Captal Custe PTC PPT POUT DMU 0,3934 0,0065 0,074 0,004 0,05 0,0000 0,0000 DMU,0000 0,008 0,055 0,035 0,0409 0,0054 0,0000 DMU3 0,5997 0,009 0,045 0,0058 0,075 0,0000 0,0000 DMU4,0000 0,068 0,0640 0,054 0,0699 0,0094 0,0000 DMU5 0,487 0,0075 0,00 0,0047 0,044 0,0000 0,0000 DMU6 0,338 0,0585 0,038 0,0000 0,087 0,007 0,0000 DMU7 0,455 0,0065 0,07 0,004 0,03 0,0000 0,0000 DMU8 0,767 0,0096 0,0386 0,079 0,04 0,0000 0,0037 DMU9 0,433 0,0694 0,00 0,0000 0,078 0,0000 0,0000 DMU0,0000 0,006 0,0359 0,088 0,040 0,0000 0,0065 DMU 0,6555 0,0498 0,0304 0,033 0,080 0,033 0,0000 DMU 0,4 0,0056 0,043 0,0088 0,0 0,005 0,0000 DMU3 0,466 0,005 0,049 0,0365 0,070 0,0000 0,007 DMU4 0,98 0,038 0,057 0,0069 0,098 0,0000 0,0000 DMU5 0,330 0,0483 0,096 0,0000 0,055 0,0058 0,0000 DMU6 0,3968 0,005 0,050 0,0368 0,07 0,0000 0,007 DMU7 0,3476 0,090 0,0039 0,059 0,0000 0,0000 0,05 DMU8 0,578 0,003 0,078 0,0000 0,094 0,0000 0,0000 DMU9 0,805 0,084 0,0465 0,088 0,036 0,0048 0,0000 DMU0 0,338 0,0063 0,059 0,0098 0,04 0,006 0,0000 DMU 0,449 0,0839 0,033 0,0000 0,05 0,0000 0,0000 DMU 0,3053 0,037 0,990 0,0000 0,057 0,0000 0,06 DMU3 0,649 0,047 0,039 0,009 0,080 0,0000 0,0000 DMU4,0000 0,0570 0,0377 0,0505 0,033 0,066 0,0037 DMU5 0,3487 0,0096 0,055 0,0060 0,08 0,0000 0,0000 DMU6 0,9 0,0078 0,0573 0,007 0,055 0,0000 0,008 DMU7,0000 0,059 0,59 0,0000 0,0000 0,0400 0,0000 DMU8 0,4037 0,0078 0,096 0,0 0,053 0,000 0,0000 DMU9,0000 0,750 0,0680 0,0678 0,0000 0,064 0,0000 DMU30 0,306 0,034 0,0358 0,0084 0,056 0,0000 0,0000 DMU3 0,465 0,005 0,08 0,0487 0,034 0,005 0,000 DMU3,0000 0,0 0,080 0,053 0,0365 0,0000 0,0040 DMU33,0000 0,067 0,069 0,0496 0,067 0,0000 0,00 DMU34 0,453 0,087 0,567 0,0000 0,0407 0,0000 0,009 DMU35 0,5395 0,0089 0,06 0,040 0,076 0,003 0,0000 DMU36 0,645 0,0749 0,06 0,0000 0,0000 0,009 0,070 DMU37 0,477 0,0075 0,00 0,0047 0,044 0,0000 0,

9 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 Tabela 3: Resultads da aálse de desempeh ã aqumedaa e multplcades. Desemp é a medda ã aqumedaa de pefmace, Epsl é multplcad ótm da flga. Udade Desemp Multplcades Pessal Captal Custe PTC PPT POUT Epsl DMU 0,808 0,008 0, , , ,0065 0,0065 0,0065 DMU,0000 0,0065 0, ,0485 0, ,0065 0,0065 0,00773 DMU3 0,4795 0,0366 0,0580 0,0358 0, ,0065 0,0065 0, DMU4,0000 0, ,0065 0, , , ,0065 0,048 DMU5 0,446 0,0533 0, ,0008 0, ,0065 0,0065 0,00307 DMU6 0,3 0,0537 0,0966 0,0065 0,0445 0,006 0,0065 0,00606 DMU7 0,654 0,030 0, , ,0038 0,0065 0,0065 0,00739 DMU8 0,600 0, ,0694 0,0759 0, ,0065 0,0065 0, DMU9 0,3550 0, , ,0065 0,0886 0,0065 0,0065 0,0056 DMU0,0000 0,0065 0,0065 0, , ,0065 0,0065 0,0803 DMU 0,688 0, ,0963 0, ,0455 0,099 0,0065 0,04 DMU 0,88 0,0388 0, , , ,0065 0,0065 0,0080 DMU3 0,3773 0, , , ,0657 0,0065 0,0065 0,00407 DMU4 0,6545 0,0487 0, ,0769 0,0746 0,0065 0,0065 0, DMU5 0,3049 0, ,0850 0,0065 0,0694 0, ,0065 0, DMU6 0,3305 0, , , , ,0065 0,0065 0,00374 DMU7 0,34 0,0446 0, ,0386 0,0065 0,0065 0,0839 0, DMU8 0,380 0, ,0854 0,0065 0, ,0065 0,0065 0, DMU9 0,7738 0,067 0, , , ,0065 0,0065 0, DMU0 0,87 0,059 0, ,005 0, ,0065 0,0065 0,0098 DMU 0,3868 0, ,068 0,0065 0, ,0065 0,0065 0, DMU 0,979 0, , ,0065 0, ,0065 0, ,00903 DMU3 0,57 0, , , , ,0065 0,0065 0,0055 DMU4,0000 0, ,0065 0,580 0, ,0564 0,0454 0,0486 DMU5 0,74 0,0794 0,059 0,059 0, ,0065 0,0065 0,00336 DMU6 0,765 0,0386 0,0646 0,0065 0, ,0065 0,0065 0,00490 DMU7,0000 0,0065 0,0065 0, ,0065 0, ,0065 0,0783 DMU8 0,3398 0,030 0,0436 0,0499 0, ,0065 0,0065 0,00384 DMU9,0000 0,4346 0, ,086 0,0676 0, , ,0838 DMU30 0,69 0, , ,0530 0, ,0065 0,0065 0,00459 DMU3 0,407 0, , ,0438 0, ,0065 0,0065 0, DMU3,0000 0, ,0458 0,0047 0, ,0065 0,0065 0, DMU33,0000 0,0906 0,0537 0, , ,0065 0,0065 0,04939 DMU34 0,3589 0,0940 0, ,0065 0,0469 0,0065 0, , DMU35 0,4659 0, ,0908 0, ,069 0,0065 0,0065 0,0048 DMU36 0,649 0, ,0558 0,0065 0,0065 0, , , DMU37 0,596 0,0708 0,0045 0,009 0, ,0065 0,0065 0,

10 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 Fgua : Fuçã desdade de pbabldade estmada paa desempeh ã aqumeda. Fgua : Desehs esquemátcs das meddas de desempeh, segud mdel ã aqumeda, p tp de DMU. A aálse estatístca fmal cm estmad de máxma quase-vessmlhaça cba a mpessã ds gáfcs dstbucas. Austu-se mdel cm espsta lgístca, cm espsta espeada depedete d cstut lea µ = b b d b d. Nesta expessã, as vaáves d e 0 d sã vaáves dcadas ds tps pdut e temátc, espectvamete, e s b sã paâmets deschecds. O vet de estmatvas de ( b, b b ) ( 0,48, 0,34, 0,8395) b = vem dad p 0, b ˆ = evdecad a baxa pefmace ds cets temátcs. A 0, , ,67953 matz de cvaâcas V é estmada p V ˆ = 0, ,5008 0, , , ,968 A sgfcâca cuta ds paâmets d mdel é avalada atavés da estatístca l = bˆ Vˆ bˆ, que se dstbu cm qu-quadad cm 3 gaus de lbedade sb a hpótese ( ) 789

11 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 b = 0. Na stâca aqu em apeç, l = 8, 34, cm p-val de 0,04. As dfeeças ete cets temátcs e de pdut, cets ecegas e temátcs e de temátcs e de pdut têm bu ˆ bu ˆ 3 bu ˆ 3 cm estatístcas de teste z =, z =, z =,, u = ( 0,, ), u Vu ˆ u Vu ˆ u Vu ˆ u = (,0, ) e u = ( 0,, ) 3, que se dstbuem cm a mal padã sb as hpóteses de dfeeças ulas. Os vales btds paa essas estatístcas fam 3 z =, 66, z =, 550 e z = 0, 40, cm p-vales 0,004, 0,06 e 0,344, espectvamete. Vê-se que s cets de pdut dmam. A dfeeça ete s cets ecegas e de pdut é magal. 6. Resum e Csdeações Fas Neste atg utlzu-se a cstate ã aqumedaa ε em mdels DEA-CCR. Os mdels DEA ã aqumedas elmam a pssbldade de mdel d evelpe se lmtad e mdel ds multplcades se vável. A seem cpadas flgas à fuçã betv da fmulaçã d evelpe, u estções as pess mdel ds multplcades, elma-se tat pblema de pess ze em DEA quat a pssbldade de DMUs falsamete efcetes. Cm base as dscussões de Mehaba et al. (000) f ppsta uma egã de vabldade paa ε, sugeu-se um val paa a cstate e fam calculadas tat as meddas de desempeh quat s multplcades paa puts e utputs. A aplcaçã de teesse f defda pela medda de pefmace ds cets de pesqusa da Embapa, csdead-se gasts cm pessal, custe e captal cm puts, e pduçã técc-cetífca, de publcações téccas e utas atvdades cm utputs. As meddas de desempeh DEA-CCR e cm estções de flga ã ula pela cstate ε apesetaam celaçã de Speama de ceca de 93%. Na sluçã d mdel DEA ã aqumeda, pessal f a cmpete elatvamete mas baata paa sstema. Os peçs smba da pduçã técc-cetífca dmaam cálcul da medda de desempeh. Etedeu-se, assm, que DMUs cm alta pduçã técc-cetífca e gasts cm captal eduzds têm melh desempeh. Os tps de cets de pesqusa fam cmpaads p me de mdels de egessã facada e d métd da máxma quase-vessmlhaça. Vefcu-se a dmâca ds cets de pesqusa d tp pdut, cm dfeeça magal paa s cets ecegas. A utlzaçã da cstate ã aqumedaa mdel DEA dstbuu melh s pess d pblema pmal (fmulaçã ds multplcades) as sluções ótmas, sem afasta-se demasadamete da classfcaçã gal. Iss f vedade tadamete cas das vaáves de pdut (utputs), de s peçs-smba elatvs passaam de 76,4%, 5,6% e 7,8% paa pduçã técc-cetífca, publcações téccas e utas atvdades, paa 66,9%, 0,3% e 8,8%, espectvamete, amezad a fluêca da cmpete técc-cetífca e mpd pefmace em utas atvdades. A dstbuçã paa vet de sums passu de 36,6%, 47,0% e,4% paa pessal, captal e custe, paa 9,4%, 56,4% e 4,6%, espectvamete. Fca bem mas evdete cas ã aqumeda a sugestã de ctle as cmpetes de custe e captal. Os peçs-smba ds utputs sevem também a ppóst de def um sstema de avalaçã de betvs em que metas sã cmpaadas cm ealzações de um a base, pdeadas p pess tes e, falmete, agegadas va s multplcades elatvs ã aqumedas paa pduz um esce fal de avalaçã. 7. Refeêcas Al, A.I. Data Evelpmet Aalss - Cmputatal Issues. Cmputes, Evmet ad Uba Sstems, v. 4, p , 990. Al, A.I.; Sefd, L.M. Cmputatal accuac ad ftesmals data evelpmet aalss. INFOR, v. 3,. 4, p , 993a

12 Smpós Basle de Pesqusa Opeacal A Pesqusa Opeacal a busca de efcêca s sevçs públcs e/u pvads 6 a 9 Setemb de 03 Al, A.I.; Sefd, L.M. The mathematcal pgammg appach t effcec aalss. I: Fed, H.O.; Lvell, C.A.K.; Schmdt, S.S. (eds.) The Measuemet f Pductve Effcec: Techques ad Applcats. Oxfd Uvest Pess: Oxfd, pp. 0-59, 993b. Alezaee, M.R. The veall assuace teval f the -achmedea epsl DEA mdels: A patt base algthm. Appled Mathematcs ad Cmputat, v. 64,. 3, p , 005. Agul Meza, L.; Ls, M.P.E. Revew f methds f ceasg dscmat data evelpmet aalss. Aals f Opeats Reseach, v. 6, p. 5-4, 00. Agul Meza, L.; Bd Net, L.; Saes de Mell, J.C.C.B.; Gmes, E.G. ISYDS - Itegated Sstem f Decs Suppt (SIAD - Sstema Itegad de Ap à Decsã): a sftwae pacage f Data Evelpmet Aalss mdel. Pesqusa Opeacal, v. 5,.3, p , 005. Chaes, A.; Cpe, W.W.; Lew, A.Y.; Sefd, L.M. Data Evelpmet Aalss: The, Methdlg ad Applcat. Kluwe Academc Publshes: Bst, 996. Cpe, W.W.; Sefd, L.M.; Te, K. Data Evelpmet Aalss: A Cmpehesve Text wth Mdels, Applcats, Refeeces ad DEA-Slve Sftwae. d Ed. Spge: New Y, 007. Emuzead, A.; H, W. Appled Opeatal Reseach wth SAS. CRC Pess: New Y, 0. Gmes Ju, S.F. Métds ã cvecas de estções as pess em DEA aplcads a Campeat Mudal de Fómula. Dssetaçã (Mestad em Egehaa de Pduçã), Uvesdade Fedeal Flumese Jahashahl, G.R.; Khdabahsh, M. Detemg assuace teval f -achmedea elemet the mpvg utputs mdel DEA. Appled Mathematcs ad Cmputat, v. 5,., p , 004. Mehaba, S.; Jahashahl, G.R.; Alezaee, M.R.; Am, G.R. A assuace teval f the -Achmedea epsl DEA mdels. Opeats Reseach, v. 48,., p , 000. MHassa, S.A.; Alezaee, M.R. A effcet appach f cmputg -achmedea epsl DEA based tegated mdels. Appled Mathematcs ad Cmputat, v. 66,., p , 005. Pape, L.E.; Wlddge, J.M. Ecmetc methds f factal espse vaables wth a applcat t 40() pla patcpat ates. Jual f Appled Ecmcs, v.,. 6, p , 996. Ptela, M.C.A.S.; Thaassuls, E. Ze weghts ad -ze slacs: Dffeet sluts t the same pblem. Aals f Opeats Reseach, v. 45,., p. 9-47, 006. Ramalh, E.A.; Ramalh, J.J.S.; Heques, P.D. Factal egess mdels f secd stage DEA effcec aalses. Jual f Pductvt Aalss, v. 34, p , 00. Sma, L.; Wls, P.W. Estmat ad feece tw-stage, sem-paametc mdels f pduct pcesses. Jual f Ecmetcs, v. 36,., p. 3-64, 007. Suza, G.S.; Avla, A.F.D.; Alves, E.R. Techcal effcec f pduct agcultual eseach. Scetmetcs, v. 46,., p. 4-60, 999. Suza, G.S.; Gmes, E.G. Aálse fatal e aálse de evltóa de dads a cstuçã de dcades e pess em mdels de pduçã cm espstas múltplas. Embapa/SGE: Basíla, 03 (dcumet ã publcad). Suza, G.S.; Mea, T.B.S.; Pt, M.B.P. Uma metdlga alteatva paa mesuaçã de pessã sbe mecad de câmb. Estuds Ecômcs. v. 34,., p , 004. Suc, D.F. Desevlvmet de uma feameta cmputacal paa avalaçã da efcêca técca baseada em DEA Dssetaçã (Mestad em Métds Numécs em Egehaa) Uvesdade Fedeal d Paaá Thaassuls, E.; Ptela, M.C.A.S.; Alle, R. Icpatg value udgmets DEA. I: Cpe, W.W.; Sefd, L.W.; Zhu, J. (eds.) Hadb Data Evelpmet Aalss. Kluwe Academc Publshes: Bst, pp , 004. Tges, W.S. The ad Methds f Scalg. New Y: Wle

UMA AVALIAÇÃO DE CURSOS DE MESTRADO EM ENGENHARIA DE PRODUÇÃO CONSIDERANDO VARIÁVEIS NÃO CONTROLÁVEIS

UMA AVALIAÇÃO DE CURSOS DE MESTRADO EM ENGENHARIA DE PRODUÇÃO CONSIDERANDO VARIÁVEIS NÃO CONTROLÁVEIS ISSN 275-6295 R de Jae- Basl, 08 e 09 vemb de 2007. SPOLM 2007 UMA AVALIAÇÃO DE URSOS DE MESTRADO EM ENGENHARIA DE PRODUÇÃO ONSIDERANDO VARIÁVEIS NÃO ONTROLÁVEIS Feada Rdgues ds Sats us de Egehaa de Pduçã

Leia mais

FORMULAÇÃO VETORIAL PARA EFICIÊNCIAS NÃO RADIAIS EM DEA

FORMULAÇÃO VETORIAL PARA EFICIÊNCIAS NÃO RADIAIS EM DEA FORMULAÇÃO VETORIAL PARA EFICIÊNCIAS NÃO RADIAIS EM DEA Jã Cals Cea Baptsta Saes de Mell Depatamet de egehaa de Pduçã Uesdade fedeal Flumese Rua Pass da Páta 56, 40-40, Sã Dmgs, Nteó, RJ csmell@pduca.uff.b

Leia mais

MODELOS DEA COM VARIAVEIS NÃO CONTROLÁVEIS NA AVALIAÇÃO DE VEÍCULOS DO SEGMENTO B

MODELOS DEA COM VARIAVEIS NÃO CONTROLÁVEIS NA AVALIAÇÃO DE VEÍCULOS DO SEGMENTO B MODELOS DEA OM VARIAVEIS NÃO ONTROLÁVEIS NA AVALIAÇÃO DE VEÍULOS DO SEGMENTO B Feada Rdgues ds Sats us de Egehaa de Pduçã - Uvesdade Fedeal Flumese Av. ds Tabalhades 420, 27255-25, Vlta Redda, RJ feada.sats@ah.cm.b

Leia mais

Aluno(a): Professor: Chiquinho

Aluno(a): Professor: Chiquinho Aluo(a): Pofesso: Chquho Estatístca Básca É a cêca que tem po objetvo oeta a coleta, o esumo, a apesetação, a aálse e a tepetação de dados. População e amosta - População é um cojuto de sees com uma dada

Leia mais

4 Métodos de previsão cobertura em áreas urbanas

4 Métodos de previsão cobertura em áreas urbanas 4 Métds de pevisã cbetua em áeas ubanas 4.1. Intduçã Em egiões ubanas teen sbe qual se dá à ppagaçã apesenta tpgafia vaiada, vegetaçã e cnstuções distibuídas de fma aleatóia. Emba cálcul da peda de ppagaçã

Leia mais

5/21/2015. Prof. Marcio R. Loos. Revisão: Campo Magnético. Revisão: Campo Magnético. Ímãs existem apenas em pares de polos N e S (não há monopolos*).

5/21/2015. Prof. Marcio R. Loos. Revisão: Campo Magnético. Revisão: Campo Magnético. Ímãs existem apenas em pares de polos N e S (não há monopolos*). 5/1/15 Físca Geal III Aula Teóca 16 (Cap. 1 pate 1/): 1) evsã: Camp Magnétc ) Le de t-savat ) devd a um f etlíne lng ) Lnhas de camp pduzds p um f 5) n cent de cuvatua de um ac de f 6) Fça ente centes

Leia mais

Distribuição de frequências de variáveis discretas

Distribuição de frequências de variáveis discretas rmulár de Estatístca Códg 89 Este rmulár ã será recd em exame, em tã puc permtda a sua utlzaçã durate a realzaçã d mesm. Dstrbuçã de requêcas Ccets udametas Ppulaçã cjut de dvídus, elemets u bjects que

Leia mais

APLICAÇÃO DE TÉCNICAS PROBABILÍSTICAS ÀS TARIFAS DE USO DO SISTEMA DE TRANSMISSÃO. Djalma M. Falcão COPPE/UFRJ

APLICAÇÃO DE TÉCNICAS PROBABILÍSTICAS ÀS TARIFAS DE USO DO SISTEMA DE TRANSMISSÃO. Djalma M. Falcão COPPE/UFRJ GPL/026 2 a 26 de Outubo de 200 Campas - São Paulo - Basl GRUPO VII PLANEJAMENTO DE SISTEMAS ELÉTRICOS APLICAÇÃO DE TÉCNICAS PROBABILÍSTICAS ÀS TARIFAS DE USO DO SISTEMA DE TRANSMISSÃO Yu S.B. Wllmesdof

Leia mais

A ab = 1 pol 2 A bd = 2 pol 2. L AB = 2,0 pés = 24 pol L BC = 1,5 pés = 18 pol L CD = 1,0 pés = 12 pol

A ab = 1 pol 2 A bd = 2 pol 2. L AB = 2,0 pés = 24 pol L BC = 1,5 pés = 18 pol L CD = 1,0 pés = 12 pol Resstêca dos Mateas ecícos de Foças as emplo - baa composta de -3 (=9 ks) mostada a fgua abao está composta po dos segmetos, B e BD, com áeas da seção tasvesal B = pol e BD = pol. Detema o deslocameto

Leia mais

Credenciada e Autorizada pelo MEC, Portaria n. o. 644 de 28 de março de 2001 Publicado no D.O.U. em 02/04/2001

Credenciada e Autorizada pelo MEC, Portaria n. o. 644 de 28 de março de 2001 Publicado no D.O.U. em 02/04/2001 Ceecaa e Autozaa pelo MEC, Potaa. o. 644 e 8 e maço e 00 Publcao o D.O.U. em 0/04/00 ESTATÍSTICA Pelo Poesso Gealo Pacheco A Estatístca é uma pate a Matemátca Aplcaa que oece métoos paa coleta, ogazação,

Leia mais

Aula-09 Campos Magnéticos Produzidos por Correntes. Curso de Física Geral F-328 2 o semestre, 2013

Aula-09 Campos Magnéticos Produzidos por Correntes. Curso de Física Geral F-328 2 o semestre, 2013 Aula-9 ampos Magnétcos Poduzdos po oentes uso de Físca Geal F-38 o semeste, 13 Le de Bot - Savat Assm como o campo elétco de poduzdo po cagas é: 1 dq 1 dq db de ˆ, 3 ε ε de manea análoga, o campo magnétco

Leia mais

UM MÉTODO PARA CONDUÇÃO DE INVENTÁRIOS FLORESTAIS SEM O USO DE EQUAÇÕES VOLUMÉTRICAS 1

UM MÉTODO PARA CONDUÇÃO DE INVENTÁRIOS FLORESTAIS SEM O USO DE EQUAÇÕES VOLUMÉTRICAS 1 Um Método paa Codução de Ivetáos Floestas sem 3 UM MÉTODO PARA CONDUÇÃO DE INVENTÁRIOS FLORESTAIS SEM O USO DE EQUAÇÕES VOLUMÉTRICAS Helo Gaca Lete e Vald Calos Lma de Adade 3 RESUMO - Neste tabalho foam

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

TARIFAS NO SETOR DE SANEAMENTO E CUSTO INCREMENTAL DE DESENVOLVIMENTO: UMA ANÁLISE PRELIMINAR

TARIFAS NO SETOR DE SANEAMENTO E CUSTO INCREMENTAL DE DESENVOLVIMENTO: UMA ANÁLISE PRELIMINAR TARFAS NO SETOR DE SANEAMENTO E CUSTO NCREMENTAL DE DESENVOLVMENTO: UMA ANÁLSE PRELMNAR Ecmsta Ma August Paete Mte Agêca Regulada ds Sevçs Públcs Delegads d Estad d Ceaá ARCE mamte@ace.ce.gv.b Resum O

Leia mais

CÁLCULO VETORIAL E GEOMETRIA ANALÍTICA Luiz Francisco da Cruz Departamento de Matemática Unesp/Bauru CAPÍTULO 5 RETA

CÁLCULO VETORIAL E GEOMETRIA ANALÍTICA Luiz Francisco da Cruz Departamento de Matemática Unesp/Bauru CAPÍTULO 5 RETA Lui Fancisc da Cu Depatament de Matemática Unesp/Bauu CAPÍTULO RETA Definiçã: Seja () uma eta que cntém um pnt A e tem a dieçã de um vet v, cm v. Paa que um pnt X d R petença à eta () deve ce que s vetes

Leia mais

4/10/2015. Física Geral III

4/10/2015. Física Geral III Físa Geal III Aula Teóa 07 (Cap. 26 pate 1/3): 1) Enea ptenal eléta de uma aa. 2) Ptenal em um pnt. 3) Deença de ptenal ente pnts. 4) Supeíe equptenal. 5) Cálul d ptenal a pat d amp P. Ma R. Ls Tabalh

Leia mais

Modelos DEA com variáveis não controláveis na avaliação de veículos do segmento B

Modelos DEA com variáveis não controláveis na avaliação de veículos do segmento B Sistemas & Gestã 2 (3) 248-257 Pgama de Pós-gaduaçã em Sistemas de Gestã, TEP/TE/T/PROPP/UFF Mdels DEA cm vaiáveis ã ctláveis a avaliaçã de veículs d segmet B Feada Rdigues ds Sats, feada.sats@ah.cm.b

Leia mais

Sobre a classe de diferenciabilidade de quocientes de polinômios homogêneos.

Sobre a classe de diferenciabilidade de quocientes de polinômios homogêneos. Uvesdade Regoal do Ca - URCA CADERNO DE CULTURA E CIÊNCIA VOLUME Nº - 008 IN 980-586 obe a classe de dfeecabldade de quocetes de polômos homogêeos About the Dffeetablty Class of the Quotet of Homogeeous

Leia mais

F G. m 2. Figura 32- Lei da gravitação Universal de Newton e Lei de Coulomb.

F G. m 2. Figura 32- Lei da gravitação Universal de Newton e Lei de Coulomb. apítul 3-Ptencal eletc PÍTULO 3 POTEIL ELÉTRIO Intduçã Sabems ue é pssível ntduz cncet de enega ptencal gavtacnal pue a fça gavtacnal é cnsevatva Le de Gavtaçã Unvesal de ewtn e a Le de ulmb sã mut paecdas

Leia mais

2 o CONGRESSO BRASILEIRO DE P&D EM PETRÓLEO & GÁS

2 o CONGRESSO BRASILEIRO DE P&D EM PETRÓLEO & GÁS o CONGRESSO BRASILEIRO DE &D EM ETRÓLEO & GÁS ANÁLISE DESCRITIVA DE DADOS DE VENTOS VISANDO ALICAÇÕES EM LATAFORMAS G. M. G. Leal, F. A. M. Souza UFCG/CCT/DME/) Av. Apígo Veloso, 88 Bodocogó, 5809-970

Leia mais

E d A E d A E d A E d A

E d A E d A E d A E d A X R Í I OS: Lei de Gauss 1. Uma supefície fechada, na fma de um cilind et, encnta-se imes em um camp elétic unifme. O eix d cilind é paalel a camp elétic. Usand a fma integal paa flux d camp elétic, mste

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

Instituto Tecnológico de Aeronáutica. Prof. Carlos Henrique Q. Forster Sala 121 IEC. ramal 5981

Instituto Tecnológico de Aeronáutica. Prof. Carlos Henrique Q. Forster Sala 121 IEC. ramal 5981 CC Vsã Cputacnal Câeas Insttut ecnlógc de Aenáutca P. Cals Henque Q. Fste Sala IEC aal 598 ópcs da aula Mdels de câeas Aqusçã de agens Paâets da câea Recupeaçã da atz de pjeçã Calbaçã de sa Lv paa acpanha

Leia mais

Testes Propostos de Geometria Plana: Ângulos

Testes Propostos de Geometria Plana: Ângulos u de Matemática Tete Ppt de Gemetia Plana: Ângul 01. Sejam, e epectivamente a medida d cmplement, uplement e eplement d ângul de 40, têm-e 05. i ângul adjacente ã cmplementae. ntã, ângul fmad pela bietize

Leia mais

ÁREA DE COBERTURA EM AMBIENTE DE PROPAGAÇÃO MODELADO COM A DISTRIBUIÇÃO κ µ

ÁREA DE COBERTURA EM AMBIENTE DE PROPAGAÇÃO MODELADO COM A DISTRIBUIÇÃO κ µ ÁREA DE COBERTURA EM AMBIENTE DE PROPAGAÇÃO MODELADO COM A DISTRIBUIÇÃO κµ κµ JAMIL RIBEIRO ANTÔNIO Dssetação apesetada ao Isttuto Nacoal de Telecomucações INATEL como pate dos equstos paa obteção do Título

Leia mais

Regressão Linear Simples uma revisão

Regressão Linear Simples uma revisão Regressã Lear mples uma revsã A regressã lear é útl quad a varável de teresse (depedete se relaca e é afetada pr uma u mas varáves (depedetes. Cmecems pel mdel que da frma mas smples pssível pde represetar

Leia mais

5. ÓPTICA GEOMÉTRICA. REFLEXÃO E REFRACÇÃO

5. ÓPTICA GEOMÉTRICA. REFLEXÃO E REFRACÇÃO 5. ÓPTICA GEOMÉTRICA. REFLEXÃO E REFRACÇÃO 5. OBJECTIVO Vefcaçã expemental das les de eflexã, de efacçã e da eflexã ttal. Vefcaçã da le de Snell-Descates; detemnaçã d índce de efacçã d acílc. Vefcaçã da

Leia mais

FÍSICA MODERNA I AULA 09

FÍSICA MODERNA I AULA 09 Uivesidade de Sã Paul Istitut de Física FÍSICA MODRNA I AULA 9 Pfa. Mácia de Almeida Rizzutt Pellet sala izzutt@if.usp.b. Semeste de 5 Mit: Gabiel M. de Suza Sats Págia d cus: http://disciplias.sta.usp.b/cuse/view.php?id=55

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

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

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo? AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade

Leia mais

15. Efeito de Alavanca

15. Efeito de Alavanca Lgações Apaafusadas Pate I Pogama de Pós-Gaduação em Egehaa Cvl PGECI - Mestado Acadêmco Faculdade de Egehaa FEN/UERJ Dscpla: Lgações em Estutuas de Aço e Mstas Pofesso: Lucao Rodgues Oelas de Lma 5. Efeto

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

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

3 O Método de Partículas MPS

3 O Método de Partículas MPS O Método de Patículas MPS 9 3 O Método de Patículas MPS O método MPS fo apesetado calmete po Koshzuka e Oka (1996). Este método, de atueza Lagageaa, fo deseoldo paa esole escoametos de fludos compessíes

Leia mais

Física B Semi-Extensivo V. 2

Física B Semi-Extensivo V. 2 ísca Sem-Extesv V. Exercícs 0) 0. Crreta. º C V 0. Crreta. 5º C V O ra lums, quad passa d me mes refrgete pa me mas refrgete, aprxma-se da rmal e, quat mas refrgete fr me, mas ra lums aprxma-se da rmal.

Leia mais

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC) Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação

Leia mais

Os fundamentos da física Volume 2 1. Resumo do capítulo. Instrumentos ópticos

Os fundamentos da física Volume 2 1. Resumo do capítulo. Instrumentos ópticos s fundaments da físca Vlume 1 Capítul 15 Instruments óptcs A aberraçã crmátca de uma lente é defet decrrente da decmpsçã da luz branca a atravessar sstema. A crreçã desse defet é feta pr me da asscaçã

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

Medidas de Localização

Medidas de Localização 07/08/013 Udade : Estatístca Descrtva Meddas de Localzação João Garbald Almeda Vaa Cojuto de dados utlzação de alguma medda de represetação resumo dos dados. E: Um cojuto com 400 observações como aalsar

Leia mais

Capítulo 2 O conceito de Função de Regressão Populacional (FRP) e Função de Regressão Amostral (FRA)

Capítulo 2 O conceito de Função de Regressão Populacional (FRP) e Função de Regressão Amostral (FRA) I Metodologa da Ecoometra O MODELO CLÁSSICO DE REGRESSÃO LINEAR. Formulação da teora ou da hpótese.. Especfcação do modelo matemátco da teora. 3. Especfcação do modelo ecoométrco da teora. 4. Obteção de

Leia mais

Regressão Linear - Introdução

Regressão Linear - Introdução Regressão Lear - Itrodução Na aálse de regressão lear pretede-se estudar e modelar a relação (lear) etre duas ou mas varáves. Na regressão lear smples relacoam-se duas varáves, x e Y, através do modelo

Leia mais

PROPRIEDADES DE ÓLEO E GÁS. Pseudo-Componente GÁS: mistura de hidrocarbonetos que se encontra na fase gasosa nas condições padrão;

PROPRIEDADES DE ÓLEO E GÁS. Pseudo-Componente GÁS: mistura de hidrocarbonetos que se encontra na fase gasosa nas condições padrão; RORIEDADES DE ÓLEO E GÁS ÓLEOS DE BAIXO ENCOLHIMENO (BLACK OIL) DEFINIÇÕES: seud-cmpnente ÓLEO: mstura de hdrcarbnets que se encntra na fase líquda nas cndções padrã; seud-cmpnente GÁS: mstura de hdrcarbnets

Leia mais

ANÁLISE DAS RELAÇÕES INTERSETORIAIS NA ECONOMIA MINEIRA

ANÁLISE DAS RELAÇÕES INTERSETORIAIS NA ECONOMIA MINEIRA ANÁLISE DAS RELAÇÕES INTERSETORIAIS NA ECONOMIA MINEIRA Ale Csta da Cuz Ely Cadoso Texea 2 Vva Slva Lo 3 RESUMO Nesta pesqusa detfcam-se setoes-chave paa vestmetos a estutua podutva de Mas Geas utlzado

Leia mais

Lugar Geométrico das Raízes. Lugar Geométrico das Raízes. Lugar Geométrico das Raízes

Lugar Geométrico das Raízes. Lugar Geométrico das Raízes. Lugar Geométrico das Raízes Cnstruíd dretamente a partr ds póls e zers da funçã de transferênca de malha aberta H(. Os póls de malha fechada sã sluçã da equaçã + H( = 0, u: arg( H( ) = ± 80 (k+), k = 0,,,... H( = Para cada pnt s

Leia mais

i CC gerador tg = P U = U.i o i i r.i 0 i CC i i i

i CC gerador tg = P U = U.i o i i r.i 0 i CC i i i GEDO ELÉTIO "Levao-se em cota a esstêca tea o geao, pecebemos que a p ete os temas é meo o que a foça eletomotz (fem), evo à pea e p a esstêca tea." - + = -. OENTE DE TO-IITO Se lgamos os os temas e um

Leia mais

2-Geometria da Programação Linear

2-Geometria da Programação Linear I 88 Otmzação Lear -Geometra da Programação Lear ProfFeradoGomde DC-FEEC-Ucamp Coteúdo. Poledros e cojutos coveos. Potos etremos vértces soluções báscas factíves 3. Poledros a forma padrão 4. Degeeração

Leia mais

MODELAGEM DO ERRO DE CENTRAGEM NO ESPAÇO TRIDIMENSIONAL R 3

MODELAGEM DO ERRO DE CENTRAGEM NO ESPAÇO TRIDIMENSIONAL R 3 MODELAGEM DO ERRO DE CENTRAGEM NO ESPAÇO TRIDIMENSIONAL R Modelg of ceteg eos o the o the thee-dmesoal space (R ). JAIR MENDES MARQUES Uvesdade Tuut do Paaá Rua Macelo Champagat,55 CEP 87-5 Cutba PR ja.maques@utp.b

Leia mais

)25d$0$*1e7,&$62%5( &21'8725(6

)25d$0$*1e7,&$62%5( &21'8725(6 73 )5d$0$*1e7,&$6%5( &1'875(6 Ao final deste capítulo você deveá se capaz de: ½ Explica a ação de um campo magnético sobe um conduto conduzindo coente. ½ Calcula foças sobe condutoes pecoidos po coentes,

Leia mais

Balanço de Massa e Energia Aula 3 Temperatura

Balanço de Massa e Energia Aula 3 Temperatura Balaç de Massa e Eerga Aula 3 emperatura A temperatura é uma gradeza extremamete mprtate estud de balaçs de massa e eerga Esta gradeza pde ser represetada pr quatr escalas, duas escalas relatas areet (

Leia mais

Avaliação da Eficiência Técnica Relativa de Unidades Básicas de Saúde Empregando a Análise por Envoltória de Dados - DEA

Avaliação da Eficiência Técnica Relativa de Unidades Básicas de Saúde Empregando a Análise por Envoltória de Dados - DEA Avalação da Efcêca Técca Relatva de Udades Báscas de Saúde Epegado a Aálse po Evoltóa de Dados - DEA Bábaa de Cássa Xave Casss Agua Depataeto de Mateátca, UFPR 853-99, Cutba, P E-al: babateatca@ahoo.co.b

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

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Resoluções dos exercícios propostos

Resoluções dos exercícios propostos os fudametos da físa Udade E Capítulo efação lumosa esoluções dos eeíos popostos P.85 Como, temos: 8 0 0 8,5 P.86 De, em: 0 8,5 0 8 m/s P.87 elodade da luz a plaa de do oespode a 75% da elodade da luz

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

Resoluções dos testes propostos

Resoluções dos testes propostos s undaments da ísca 2 Undade E Capítul 4 Lentes esércas delgadas esluções ds testes prpsts T.37 T.36 espsta: b As lentes devem ser cnvergentes. Send de vdr e mersas n ar, tems: n lente n me Assm, estudante

Leia mais

Marco Aurélio Reis dos Santos - Fernando Augusto Silva Marins -

Marco Aurélio Reis dos Santos - Fernando Augusto Silva Marins - A Utlzação da Fução Abtage de Nash os Modelos DEA CCR: Ua abodage a oetação cobada put/output sob a ótca da Teoa dos Jogos de Bagaha. Maco Auélo Res dos Satos - acoaueloes@ahoo.co.b Feado Augusto Slva

Leia mais

Distribuição Qui-Quadrado: teste de Hipótese para a Variância Populacional

Distribuição Qui-Quadrado: teste de Hipótese para a Variância Populacional /09/06 Estatístca Aplcada II Dstrbuçã Qu-Quadrad teste de pótese para a Varâca Ppulacal AULA /09/5 Prf a Lla M. Lma Cuha Dstrbuçã Qu-Quadrad testad a varâca -Fazams teste para a méda ps ã checams a cert

Leia mais

O diagrama em blocos contém vários itens na sua representação. São estes: Seta - É usada para representar o sentido do fluxo de sinal.

O diagrama em blocos contém vários itens na sua representação. São estes: Seta - É usada para representar o sentido do fluxo de sinal. Dagrama de Blc Verfcand mdel para tema cmplex, pde-e ntar que ele ã reultante de ubtema u element, cada qual cm ua funçã de tranferênca. O dagrama em blc pdem er uad para repreentar cada um dete ubtema,

Leia mais

5. DIAGRAMA EM BLOCOS

5. DIAGRAMA EM BLOCOS Stema de Cntrle 5. DIAGRAMA EM BLOCOS Verfcand mdel para tema cmplex, pde-e ntar que ele ã reultante de ubtema u element, cada qual cm ua funçã de tranferênca. O dagrama em blc pdem er uad para repreentar

Leia mais

Objetivo. Estudo do efeito de sistemas de forças concorrentes.

Objetivo. Estudo do efeito de sistemas de forças concorrentes. Univesidade Fedeal de Alagas Cent de Tecnlgia Cus de Engenhaia Civil Disciplina: Mecânica ds Sólids 1 Códig: ECIV018 Pfess: Eduad Nbe Lages Estática das Patículas Maceió/AL Objetiv Estud d efeit de sistemas

Leia mais

Efeitos da incorporação de julgamentos na avaliação da eficiência de clubes de futebol: uma abordagem por Data Envelopment Analysis

Efeitos da incorporação de julgamentos na avaliação da eficiência de clubes de futebol: uma abordagem por Data Envelopment Analysis Efets da crpraçã de ulgamets a avalaçã da efcêca de clubes de futebl: uma abrdagem pr Data Evelpmet Aalyss Alexadre de Cáss Rdrgues (Uversdade FUMEC) alexadrerdrgues.egprd@gmal.cm Carls Albert Gçalves

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

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

Leia mais

Diagnóstico 2013 dos cursos de graduação em História da Universidade Federal do Paraná

Diagnóstico 2013 dos cursos de graduação em História da Universidade Federal do Paraná Dagóstc 2013 ds css de gadaçã em Hstóa da Uvesdade Fedeal d Paaá PET Hstóa UFPR O Dagóstc é ma feameta qe vsa stmetalza dcetes e dscetes a cstçã de m melh ambete de es apedzagem, aptad qestões qe pdem

Leia mais

RESOLUÇÃO SIMULADO ITA FÍSICA E REDAÇÃO - CICLO 7 FÍSICA GM G M GM GM. T g

RESOLUÇÃO SIMULADO ITA FÍSICA E REDAÇÃO - CICLO 7 FÍSICA GM G M GM GM. T g RESOLUÇÃO SIMULADO ITA FÍSICA E REDAÇÃO - CICLO 7 FÍSICA Questão M a) A desdade é a azão ete a massa e o volume: d. V Se as desdades fossem guas: MP MT MT MT dp dt. V 4 4 P VT RT R T GM b) A gavdade a

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

A Base Termodinâmica da Pressão Osmótica

A Base Termodinâmica da Pressão Osmótica 59087 Bofísca II FFCLRP P Pof. Atôo Roque Aula 7 A Base emodâmca da Pessão Osmótca Elemetos de emodâmca As les báscas da temodâmca dzem espeto à covesão de eega de uma foma em outa e à tasfeêca de eega

Leia mais

Coordenação de Semáforos

Coordenação de Semáforos Paragem dos Veículos Veículos "Lbertados" Paragem dos Veículos Veículos "Lbertados" "Agrupamento " Pelotões "Agrupamento " Pelotões C O O R D E N A Ç Ã O Onda Verde... IST/ Lcencaturas em Engª Cvl & Terrtóro

Leia mais

Derivada de uma matriz em ordem a um escalar. Derivada de um escalar em ordem a uma matriz DERIVAÇÃO COM MATRIZES. Y = y m. X = x m X = y = = b.

Derivada de uma matriz em ordem a um escalar. Derivada de um escalar em ordem a uma matriz DERIVAÇÃO COM MATRIZES. Y = y m. X = x m X = y = = b. DEFINIÇÃO Dervada de uma matrz em ordem a um escalar [ ] Y = y m : ; y = f() z Y z = y : m z DEFINIÇÃO 2 Dervada de um escalar em ordem a uma matrz h = f( X ) ; [ ]: X = x m EXEMPLO [ y] h h m X = x :

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

CAPÍTULO I EQUAÇÕES DA RETA

CAPÍTULO I EQUAÇÕES DA RETA CAPÍTULO I EQUAÇÕES DA RETA Equaçã vetial Um ds aximas da gemetia euclidiana diz que dis pnts distints deteminam uma eta Seja a eta deteminada pels pnts P e P P P Um pnt P petence à eta se, e smente se,

Leia mais

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M.

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M. Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas do Tâgulo de Pascal ao do EM Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas

Leia mais

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M.

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M. Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas do Tâgulo de Pascal ao do EM Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas

Leia mais

Casos de estimação do modelo de ajustamento da dívida com o xtabond2 do Stata

Casos de estimação do modelo de ajustamento da dívida com o xtabond2 do Stata Lus Fernandes Rodrgues Casos de estmação do modelo de ajustamento da dívda com o xtabond do Stata Arellano-Bond (99) nspraram-se na forma de nstrumentar de Holtz-Eakn, Newe, e Rosen (988) que preconzam,

Leia mais

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade. Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,

Leia mais

Capítulo 6 Corpo Rígido, Estática e Elasticidade

Capítulo 6 Corpo Rígido, Estática e Elasticidade Capítulo 6 Copo Rígdo, Estátca e Elastcdade 6. Noção de Copo Rígdo Estudamos já os movmetos de copos cujas dmesões eam despezáves face às meddas das suas tajectóas ou po coveêca e smplfcação, tomados como

Leia mais

COMPARAÇÃO DAS DIFERENTES TÉCNICAS PARA A EXCLUSÃO DE OUTLIERS

COMPARAÇÃO DAS DIFERENTES TÉCNICAS PARA A EXCLUSÃO DE OUTLIERS ENQUALAB-008 Cress da Qualdade em Metrla Rede Metrlóca d Estad de ã Paul - REMEP 09 a de uh de 008, ã Paul, Brasl COMPARAÇÃO DA DIFERENTE TÉCNICA PARA A EXCLUÃO DE OUTLIER Elc Cruz de Olvera PETROBRA TRANPORTE.A.

Leia mais

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

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

Leia mais

Teste de Hipótese sobre o coeficiente de coancestria de populações haplóides (1)

Teste de Hipótese sobre o coeficiente de coancestria de populações haplóides (1) TESTE DE HIPÓTESE SOBRE O COEICIENTE DE COANCESTRIA Teste de Hpótese sobe o coefcete de coacesta de populações haplódes () Joel Augusto Muz (), Slvo Césa Sato Ito (), Dael utado eea () e Rube Delly Vega

Leia mais

Amplificadores Ópticos - Amplificadores de fibra dopada com érbio (EDFA) -

Amplificadores Ópticos - Amplificadores de fibra dopada com érbio (EDFA) - Amplificadres Óptics - Amplificadres de fibra dpada cm érbi (EDFA) - Vatages :: Amplificadres óptics (AO) peram smete dmíi óptic sem quaisquer cversões para dmíi eléctric regeeradres implicam cversões

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

Revisão de Estatística X = X n

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

Leia mais

I, determine a matriz inversa de A. Como A 3 3 A = 2 I; fatorando o membro esquerdo dessa igualdade por A, temos a expressão

I, determine a matriz inversa de A. Como A 3 3 A = 2 I; fatorando o membro esquerdo dessa igualdade por A, temos a expressão VTB 008 ª ETAPA Sluçã Cmentada da Prva de Matemática 0 Em uma turma de aluns que estudam Gemetria, há 00 aluns Dentre estes, 0% fram aprvads pr média e s demais ficaram em recuperaçã Dentre s que ficaram

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

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

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

Leia mais

Funções de base nebulosas e modelagem de dinâmica não-linear

Funções de base nebulosas e modelagem de dinâmica não-linear Unvesdade Fedeal de Mnas Geas Fom the SelectedWoks of 2004 Funções de base nebulosas e modelagem de dnâmca não-lnea, Unvesdade Fedeal de Mnas Geas Avalable at: https://woks.bepess.com/gladstone/7/ Cento

Leia mais

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

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

Leia mais

CAPÍTULO 7 DISTÂNCIAS E ÂNGULOS

CAPÍTULO 7 DISTÂNCIAS E ÂNGULOS Luiz Fancisc da Cuz epatament de Matemática Unesp/Bauu CPÍTULO 7 ISTÂNCIS E ÂNGULOS 1 ISTÂNCIS Tds s cnceits vetiais que sã necessáis paa cálcul de distâncias e ânguls, de ceta fma, já fam estudads ns

Leia mais

Medidas de Tendência Central

Medidas de Tendência Central Meddas de Tedêca Cetral Meddas de tedêca cetral dã valr d pt e tr d qual s dads se dstrbue. Ex: Méda Artétca, edaa e a da. Pdes calcular essas eddas para dads: 1. ã agrupads; 2. agrupads se tervals de

Leia mais

/(,'(%,276$9$57()/8;2 0$*1e7,&2

/(,'(%,276$9$57()/8;2 0$*1e7,&2 67 /(,'(%,76$9$57()/8; 0$*1e7,& Ao final deste capítulo você deveá se capaz de: ½ Explica a elação ente coente elética e campo magnético. ½ Equaciona a elação ente coente elética e campo magnético, atavés

Leia mais

[ η. lim. RECAPITULANDO: Soluções diluídas de polímeros. Equação de Mark-Houwink-Sakurada: a = 0.5 (solvente θ )

[ η. lim. RECAPITULANDO: Soluções diluídas de polímeros. Equação de Mark-Houwink-Sakurada: a = 0.5 (solvente θ ) RECPITULNDO: Soluções dluíds de polímeros Vsosdde tríse do polímero: 5 N V 5 (4 / 3) R 3 v h π h N v [ η ] v 5 Pode ser obtd prtr de: [ η ] lm η 0 sp / V Equção de rk-houwk-skurd: [η] K ode K e são osttes

Leia mais

Testes para comparação de médias

Testes para comparação de médias 7 /03/018 Rtei de Aula Aula 5 Expeimentaçã Ztécnica Pfa. Da. Amanda Liz Pacífic Manfim Peticaai Tete paa cmpaaçã de média Cntate de média: Y = c 1 m 1 + c m + + c I m I e i=1 c i = c 1 + c + +c I = 0 I

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

Leia mais

DETERMINAÇÃO DE ATITUDE DE SATÉLITES ARTIFICIAIS COM FILTRO DE KALMAN E MÉTODO DA MÁXIMA VEROSSIMILHANÇA

DETERMINAÇÃO DE ATITUDE DE SATÉLITES ARTIFICIAIS COM FILTRO DE KALMAN E MÉTODO DA MÁXIMA VEROSSIMILHANÇA INPE-5-PRE/88 DEERMINÇÃO DE IDE DE SÉIES RIFICIIS COM FIRO DE MN E MÉODO D MÁXIM EROSSIMIHNÇ Julaa Guastal haes* *Bolssta FEG/NESP Relatóo Fal de Pojeto de Icação Cetífca PIBIC/CNP/INPE, oetado pelo D.

Leia mais

Análise Multivariada

Análise Multivariada Análse Multvaada Aula 8: Análse de Coespondêna (AC) Pof. Adm Antono Betaell Juno Juz de Foa AC Téna exploatóa que busa dentfa assoações ente vaáves ategóas (ao nvés de ontínuas). Repesentação geométa das

Leia mais

Antenas. Antena = transição entre propagação guiada (circuitos) e propagação não-guiada (espaço). Antena Isotrópica

Antenas. Antena = transição entre propagação guiada (circuitos) e propagação não-guiada (espaço). Antena Isotrópica Antenas Antena tansição ente popagação guiada (cicuitos) e popagação não-guiada (espaço). Antena tansmissoa: Antena eceptoa: tansfoma elétons em fótons; tansfoma fótons em elétons. Antena sotópica Fonte

Leia mais

ATENUAÇÃO DE RUIDO COERENTE COM FILTRO FX EM DADOS SÍSMICOS ORGANIZADOS EM FAMÍLIAS DE RECEPTOR COMUM

ATENUAÇÃO DE RUIDO COERENTE COM FILTRO FX EM DADOS SÍSMICOS ORGANIZADOS EM FAMÍLIAS DE RECEPTOR COMUM Copyght 24, Isttuto Basleo de Petóleo e Gás - IBP ste Tabalho Técco Cetífco fo pepaado paa apesetação o 3 Cogesso Basleo de P&D em Petóleo e Gás, a se ealzado o peíodo de 2 a 5 de outubo de 25, em Salvado

Leia mais

Instruções sobre a placa de interface ISDN BRI 1 porta (WIC-1B-U-V2, WIC-1B-U ou WIC36-1B- U)

Instruções sobre a placa de interface ISDN BRI 1 porta (WIC-1B-U-V2, WIC-1B-U ou WIC36-1B- U) Instuções sbe a placa de inteface ISDN BRI 1 p (-1B--V2, -1B- u 36-1B- ) Índice Intduçã Antes de Cmeça Cnvenções Pé-equisits Cmpnentes tilizads Númes de pdut Recuss Supte à platafma Infmações Relacinad

Leia mais

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

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

Leia mais