Avaliação de opções reais através do método dos mínimos quadrados de monte carlo
|
|
- Cássio da Conceição Melgaço
- 7 Há anos
- Visualizações:
Transcrição
1 XXIV Encontro Nac. de Eng. de Produção - Florianópolis, SC, Brasil, 0 a 05 de nov de 4 Avaliação de opções reais através do método dos mínimos quadrados de monte carlo Rubens Oliveira de Araújo (PUC-Rio) araujorubens@yahoo.com.br Tara Keshar Nanda Baidya (PUC-Rio) baidya@ind.puc-rio.br Resumo O presente trabalho tem como objetivo testar empiricamente a eficiência e a aplicabilidade do método dos mínimos quadrados de Monte Carlo (LSM) na avaliação de projetos envolvendo opções reais. Inicialmente, o método passou por uma série de testes de sensibilidade para validação do mesmo. Em seguida, alguns exemplos de projetos de exploração e produção (E&P) de petróleo com opções reais foram elaborados, e seus valores determinados através do LSM. Estes resultados foram comparados aos resultados obtidos com o modelo binomial que, devido a sua simplicidade e ampla utilização, foi escolhido como benchmark para analisar a eficiência do método LSM. Palavras chave: Opções reais, Simulação de monte carlo, Regressão. 1. Introdução O objetivo mais relevante da teoria de Finanças é o de determinar o preço justo de determinado ativo. Os modelos de apreçamento de ativos, em última análise, buscam descrever a evolução dos preços ao longo do tempo. Se o ativo é negociado em mercados com alguma liquidez, torna-se factível a verificação se determinado modelo está aderente com a realidade. Os modelos de apreçamento de ativos derivativos ganharam destaque devido à sua capacidade de reproduzir os preços praticados nos mercados. Não tardou muito para que tais modelos fossem transladados para o mundo dos ativos reais. Hoje pode-se dizer que existe uma nova disciplina de avaliação econômica de projetos denominada Teoria das Opções Reais. Nesta, o projeto é visto como um ativo derivativo de um ativo subjacente que descreve um processo estocástico conhecido. Assim, a aplicação dos fundamentos de avaliação de opções financeiras à análise de projetos de investimento busca suprir a deficiência dos métodos tradicionais de FCD através da incorporação da flexibilidade gerencial ao longo das interações estratégicas e/ou competitivas, que são de suma importância para os tomadores de decisão. Devido às semelhanças entre oportunidades de investimento em ativos financeiros e reais, muitos estudos são realizados no sentido de adaptar instrumentos financeiros para a avaliação econômica de projetos. Muitas pesquisas sobre opções reais foram desenvolvidas em exploração de recursos naturais, em especial no setor de petróleo (DIAS, 199). Isso ocorre devido ao porte dos investimentos que são realizados neste setor e as suas características peculiares: o mercado de petróleo é bem desenvolvido (presença de mercado futuro, instrumentos de proteção financeira, derivativos etc); os investimentos ocorrem num ambiente de incertezas econômicas e / ou técnicas; os projetos demandam uma série de flexibilidades gerenciais (prazos alternativos para execução dos investimentos, possibilidade de mudanças na escala do projeto, entre outras). Tais características fazem com que seja necessária uma avaliação mais cautelosa e criteriosa destes ativos reais. Uma nova ferramenta desenvolvida neste sentido é o método dos mínimos quadrados de Monte Carlo (LSM), que consiste na avaliação de opções americanas através de simulações e ENEGEP 4 ABEPRO 2248
2 XXIV Encontro Nac. de Eng. de Produção - Florianópolis, SC, Brasil, 0 a 05 de nov de 4 de regressões simples. A maior dificuldade encontrada na utilização de métodos numéricos envolvendo simulações para a avaliação de opções americanas está na definição da data de exercício ótimo da opção. Por definição, a simulação é um processo forward, enquanto a decisão de exercício da opção é um processo backward. A grande contribuição deste método é desenvolver um algoritmo que permite integrar simulações e regressões para definir o exercício ótimo da opção. 2. O Método LSM O método LSM revela-se uma alternativa promissora frente às tradicionais técnicas de diferenças finitas e árvores binomiais. A intuição que está por trás do método é a da programação dinâmica: a cada instante anterior à data de vencimento de uma opção americana, o proprietário desta opção compara o payoff do exercício antecipado com o seu valor de continuação, para assim tomar uma decisão ótima. A estratégia de exercício ótimo de uma opção americana é determinada fundamentalmente pela expectativa condicionada do seu valor de continuação. A grande contribuição dos autores foi identificar que a expectativa condicionada pode ser estimada a partir de informações crosseccionais na simulação usando o método dos mínimos quadrados. Esta técnica é definida pelos autores como método dos mínimos quadrados de Monte Carlo (LSM). O método pode ser utilizado na avaliação de opções que dependem de múltiplos fatores; derivativos com características de opções americanas e dependentes do caminho; e opções cujas variáveis de estado seguem um processo estocástico qualquer (jump diffusion, por exemplo), ou um processo não-markoviano. Recentemente, Gamba (2/0) propôs uma abordagem alternativa para avaliar opções compostas e projetos envolvendo opções reais múltiplas baseada no método LSM. O objetivo do algoritmo LSM é fornecer uma aproximação para a regra de exercício ótimo que maximiza o valor de uma opção americana (LONGSTAFF & SCHWARTZ, 1). Seja C (w, s; t, T) os fluxos de caixa gerados pela opção, condicionada à restrição da opção não ser exercida antes do instante t, onde w corresponde a uma simulação de trajetória de preços. O dono da opção seguirá uma estratégia de exercício ótimo para cada instante s, onde t < s < T. Na data de vencimento da opção (T), o investidor exercerá a opção se ela estiver in-the-money. Em qualquer instante t n anterior à data T, porém, o investidor deve escolher entre exercer imediatamente a opção ou esperar até o instante t n+1 para novamente tomar uma decisão. Em cada trajetória de fluxos de caixa, a opção será maximizada se for exercida quando o valor de exercício antecipado for superior ou igual ao valor de continuação. Em t n, o valor de exercício antecipado é conhecido pelo investidor, mas o valor de continuação não é. A teoria de avaliação de ativos sem arbitragem, porém, indica que o valor de continuação da opção é dado pelo valor esperado dos fluxos de caixa futuros descontados até t n com base numa medida Q de probabilidade neutra ao risco. Assim, o valor de continuação em t n, definido como F (w; t n ), será dado pela seguinte fórmula: F ( w, t ) ( ) n = EQ exp r w, s ds C( w, t j ; tn, T ) I( tn ) N j= n+ 1 t t j n onde r (w, t) é a taxa de desconto livre de risco, I (t n ) corresponde ao conjunto de informações disponíveis em t n para a tomada de decisão, e N é o número de intervalos de tempo entre o instante inicial e T (N = T/ t e t N = T). Para aplicar o método na avaliação de opções, inicialmente são simuladas diversas trajetórias de preços ou de fluxos de caixa, de acordo com a definição do comportamento destas ENEGEP 4 ABEPRO 2249
3 XXIV Encontro Nac. de Eng. de Produção - Florianópolis, SC, Brasil, 0 a 05 de nov de 4 variáveis. Em seguida, o LSM usa o método dos mínimos quadrados para obter uma aproximação da função de expectativas condicionadas. Em t N-1, assumimos que F (w, t N-1 ) é desconhecido, mas pode ser representado como uma combinação linear de um grupo de funções básicas L j (X), onde X é uma variável de estado. Assim, o valor de continuação pode ser escrito da seguinte forma: F ( w, t ) a L ( X ) N 1 = j= 0 onde os coeficientes a j são constantes. As funções básicas podem ser polinômios de Jacobi, de Chebyshev, funções exponenciais, potências, entre outros. Quando há duas ou mais variáveis de estado (preço do petróleo e custo de exploração, por exemplo), as funções básicas devem incluir todas estas variáveis, inclusive envolvendo mais de uma variável simultaneamente. Para aplicar o LSM, obtém-se uma aproximação de F (w, t N-1 ) usando um conjunto M de funções básicas. Esta aproximação, denominada F M (w, t N-1 ), é estimada através da regressão dos valores descontados de C (w, s; t N-1, T) nas funções básicas, para as simulações onde a opção está in-the-money no instante t N-1. Os autores demonstram no artigo que, a medida que aumentamos o número de simulações, a estimativa ( w t) j j F ^ M, converge para F M ( w, t). Uma vez estimada a função de expectativas condicionadas para t N-1, pode-se determinar se o exercício antecipado neste instante é ótimo através da comparação entre o valor de exercício F ) ( w, t ) antecipado e M N 1. Esta comparação é feita separadamente em cada uma das simulações que estão in-the-money em t N-1. Feito isso, repete-se o procedimento para o instante t N-2 e assim por diante, até chegarmos ao instante inicial, quando as decisões de exercício ótimo em todas as simulações terão sido determinadas. O valor da opção será igual à média dos fluxos de caixa provenientes do exercício ótimo em cada simulação, descontados até o instante inicial. A fórmula a seguir indica este procedimento: V OPÇÃO = 1 K r = taxa de desconto livre de risco; K w= 1 FC * ( w, t * ) exp( t r) K = número de trajetórias de preços simuladas; * t = data de exercício ótimo da opção na simulação w; w * FC( w t ) =, w w w, onde: fluxo de caixa gerado pelo exercício da opção no instante * t w na simulação w. O algoritmo LSM mostra-se uma ferramenta simples e elegante de aproximar a regra de exercício ótimo de uma opção do tipo americana. A estrutura do método LSM pode ser resumida nas seguintes etapas, como indica a figura a seguir. ENEGEP 4 ABEPRO 2250
4 XXIV Encontro Nac. de Eng. de Produção - Florianópolis, SC, Brasil, 0 a 05 de nov de 4 SIMULAÇÕES DAS VARIÁVEIS DE ESTADO VALOR DE EXERCÍCIO ANTECIPADO (V.E.A.) De T até T 0 VALOR DE CONTINUAÇÃO (V.C.) (função de expectativas condicionadas) DECISÃO ÓTIMA: Max (V.E.A.; V.C.) VALOR DA OPÇÃO Figura 1 Estrutura do método LSM. Análise de sensibilidade do método LSM Para fazer uma análise de sensibilidade do método LSM, tomamos como base exemplos de call e put americanas. Para os exemplos considerados, assumimos que o valor do ativo base segue um MGB. O método teve sua eficiência testada com relação a dois fatores: número de simulações de trajetórias de preços (m) e número de intervalos de tempo (n). Em todas as análises realizadas, utilizou-se a técnica das variáveis antitéticas para a redução da variância. O modelo binomial foi utilizado em todos os exemplos como referência para a validação dos resultados obtidos através do método LSM. Tais resultados são apresentados nas Tabelas 1 e 2. Nestas tabelas, os valores apresentados nas colunas de Erro Relativo correspondem à diferença (em módulo) entre os resultados do método binomial e do método LSM. Os dados gerais adotados para análise de sensibilidade do método LSM foram: Preço inicial do ativo base (P 0 ): $ 720 Taxa de juros livre de risco (r): 10 % aa Preço de exercício da opção (E): $ 800 Taxa de dividendos (q) 5 % aa Volatilidade (anual) do preço do ativo: σ Data de vencimento da opção: T. Dados Erro Relativo (CALL) σ T m = m = 00 m = m = % 0.12% 0.00% 0.2% 1 0.4% 0.8% 0.1% 0.0% % 0.7% 0.14% 0.10% 4 0.4% 0.4% 0.8% 0.14% % 0.48% 0.11% 0.2% Erro Relativo (PUT) m = m = 00 m = m = % 7.98% 7.9% 12.2% 12.91% 12.97% 12.99%.0% % 5.99% % 8.2% 7.8% 7.5% 7.4% 7.48% Tabela 1 Resultados da análise de sensibilidade. Variável de análise: número de simulações. O método LSM foi aplicado utilizando-se , , e trajetórias de preços. Em todas as situações, o método foi aplicado usando variáveis antitéticas para redução de variância, com n = T (intervalos de tempo anuais) e polinômio linear de 8 o grau na regressão (ou seja, até o termo P 8 ). ENEGEP 4 ABEPRO 2251
5 XXIV Encontro Nac. de Eng. de Produção - Florianópolis, SC, Brasil, 0 a 05 de nov de 4 Dados Erro Relativo (CALL) σ T m = 5000 n = T n = * T n = * T n = 12 * T 0.42% 2.9% 2..22% 1 0.0% 0.97% 1.70% 1.90% 2 0.0% 2.59%.02% % 1.% % % 2.58% 2.08% 2.0% Erro Relativo (PUT) m = 5000 n = T n = * T n = * T n = 12 * T 8.01% 1.99% 0.94% 0.04% 12.97%.% % 0.88% 0.09% 8.57% 2.1% 1.14% 0.07% 7.% 2.02% 0.70% 0.22% Tabela 2 Resultados da análise de sensibilidade. Variável de análise: discretização do tempo. A análise foi realizada considerando-se, respectivamente, intervalos de tempo anuais (n = T), quadrimestrais (n = *T), bimestrais (n = *T) e mensais (n = 12*T). O método LSM foi aplicado usando m = trajetórias de preços (2.500 simulações mais antitéticas) e polinômio linear de 8 o grau na regressão (ou seja, até o termo P 8 ). 4. Avaliação de opções reais através do método LSM Em seguida, o método LSM será utilizado na avaliação de opções reais. Foram elaborados dois projetos (X e Y) envolvendo opções reais, procurando simular características de projetos de E&P de petróleo. Para validar os resultados obtidos com o LSM, utilizou-se também o método binomial, devido à sua fácil e ampla aplicação, comparando-se então os resultados obtidos pelos dois métodos. O objetivo principal desta análise é verificar, empiricamente, a eficiência e aplicabilidade do método LSM na avaliação de opções reais. A abordagem de Gamba (2/0) foi utilizada para avaliar as opções reais dos projetos elaborados. Visando uma melhor validação do método LSM, bem como ilustrar a sua aplicabilidade, os projetos X e Y foram avaliados em dois cenários diferentes, com diferentes graus de incerteza, como ilustra a tabela abaixo: CENÁRIOS Cenário 1 P t segue um MGB Cenário 2 P t segue um MGB FATORES DE INCERTEZA B segue uma distribuição uniforme (B ~ unif(150, 250)) Q segue uma distribuição uniforme (Q ~ unif(18%, 22%)) Tabela Fatores de incerteza dos cenários considerados na avaliação dos projetos O Projeto X apresenta as seguintes características: Trata-se de um projeto já existente que possui uma opção futura de expansão; Devido a restrições técnicas e / ou operacionais, durante o período que vai do instante inicial até o instante T 1, o projeto não poderá ser expandido, mesmo que o cenário (econômico e / ou técnico-geológico) mostre-se favorável; No instante T 1, há a possibilidade de expandir imediatamente o projeto. Ou seja, trata-se de uma opção européia com data de vencimento igual a T 1 ; Caso o cenário não torne interessante expandir o projeto imediatamente em T 1, o mesmo poderá ser expandido a qualquer momento entre os instantes T 1 e T 2. Ou seja, pode-se dizer que o Projeto X apresenta, entre os instantes T 1 e T 2, uma flexibilidade gerencial semelhante a uma opção americana. Os dados do Projeto X são: Taxa de juros livre de risco: r Preço inicial do petróleo: P 0 ENEGEP 4 ABEPRO 2252
6 XXIV Encontro Nac. de Eng. de Produção - Florianópolis, SC, Brasil, 0 a 05 de nov de 4 Volatilidade (anual) do preço do petróleo: σ Custo unitário para expansão do projeto: C UNIT Dividendos (anual): q Qualidade econômica da reserva: Q Volume da reserva: B (em MM bbl) Prazo de vencimento da opção européia de expansão: T 1 Prazo de vencimento da opção americana de expansão: T 2 O valor do projeto X num instante t qualquer (V t ), bem como o investimento necessário para realizar a expansão do projeto (ou seja, o preço de exercício da opção), são dados pelas seguintes fórmulas: V t = P t x Q x B; I = C UNIT x B O Projeto Y consiste numa opção de adiar o investimento, seguida de uma opção de reduzir a escala do projeto. Inicialmente, há uma opção de adiar o projeto, válida até o instante T 1. Ou seja, a qualquer instante entre a data atual e T 1, pode-se realizar o investimento I para execução do projeto, cujo valor é V t. Uma vez realizado o projeto, o mesmo pode ter posteriormente sua escala reduzida (opção de redução). Devido a restrições técnicas e / ou operacionais, a opção de redução poderá ser exercida apenas entre os instantes T 1 e T 2, mesmo que o projeto tenha sido executado numa data bem anterior a T 1. A redução do projeto resulta num resgate de parte do investimento realizado. Os dados do Projeto Y são: Taxa de juros livre de risco: r Preço inicial do petróleo: P 0 Volatilidade (anual) do preço do petróleo: σ Custo unitário para execução do projeto: C UNIT Valor de resgate do investimento inicial: V RESG Dividendos (anual): q Qualidade econômica da reserva: Q Volume da reserva: B (em MM bbl) Fator de redução de escala do projeto: k Prazo de vencimento da opção de adiar o investimento: T 1 Prazo de vencimento da opção de redução: T 2 O valor do projeto Y num instante t qualquer (Vt), o investimento I necessário para realizar o projeto e a parcela resgatada do investimento, caso a opção de redução seja exercida (X), são dados pelas seguintes fórmulas: V t = P t x Q x B; I = C UNIT x B; X = V RESG x B Enquanto a incerteza com relação ao preço do petróleo prevalece ao longo de toda a vida útil dos projetos (P segue um MGB), as incertezas com relação ao volume e a qualidade econômica da reserva existem apenas no início de cada projeto, sendo eliminadas assim que os investimentos para a execução dos projetos forem realizados. Para cada iteração do método ENEGEP 4 ABEPRO 225
7 XXIV Encontro Nac. de Eng. de Produção - Florianópolis, SC, Brasil, 0 a 05 de nov de 4 LSM, sorteiam-se valores únicos para B e Q, dentro das distribuições pré-definidas. Na aplicação do modelo binomial, adotou-se a mesma estratégia: sorteamos valores únicos para B e Q, e aplicamos o modelo. Vale ressaltar que as avaliações através do LSM e do modelo binomial foram realizadas de forma independente, ou seja, os sorteios dos valores de B e Q para cada método foram feitos isoladamente. Os resultados obtidos em cada cenário são apresentados nas tabelas a seguir. PROJETO X PROJETO Y Dados Lattice Least Square Monte Carlo Lattice Least Square Monte Carlo σ q Q B T2 T1 n = 1000 média desv pad erro rel n = 1000 média desv pad erro rel % 0.07% % % 0.0% % 0.57% % -0.21% % 0.8% 2% % % -0.0% 8% % -1.02% % 0.7% % 0.8% % 2.07% % -0.1% % 0.1% % % -0.07% % 0.59% % % 0.77% % -0.9% % 0.10% Tabela 4 Resultados do cenário 1, obtidos com m = trajetórias de preços ( simulações antitéticas), intervalos de tempo anuais e fazendo a regressão com um polinômio de 8o grau. Os resultados do modelo binomial foram obtidos com n = intervalos de tempo. Foram realizadas 20 iterações do método LSM para obtenção da média e desvio padrão para cada exemplo avaliado. Dados: r = 10 % aa; P 0 = $ 18 / bbl; C UNIT = $ 5 / bbl. PROJETO X PROJETO Y Dados Lattice Least Square Monte Carlo Lattice Least Square Monte Carlo s q Q B T2 T1 n = 500 média desv pad erro rel n = 500 média desv pad erro rel % % -9.0% % % 1.9% % 2.8% % % 11.8% % % 1.70% % % -.7% 2% % % -7.1% % % 8% % -0.54% % % -2.47% % % 0.% % % -5.0% % % -5.29% Tabela 5 Resultados do cenário 2, obtidos com m = trajetórias de preços ( simulações antitéticas), com intervalos de tempo bimestrais (Projeto X) e anuais (Projeto Y), e fazendo a regressão com um polinômio de 8 o grau. Estes resultados foram comparados com os resultados do modelo binomial, com n = 500 intervalos de tempo. Foram realizadas 40 iterações tanto do método LSM como do modelo binomial para obtenção da média e desvio padrão para cada exemplo avaliado. Dados: r = 10 % aa; P 0 = $ 18 / bbl; C UNIT = $ 5 / bbl; V RESG = $ 4 / bbl; k = 0,5. ENEGEP 4 ABEPRO 2254
8 XXIV Encontro Nac. de Eng. de Produção - Florianópolis, SC, Brasil, 0 a 05 de nov de 4 5. Conclusões A análise dos resultados dos testes de sensibilidade do método LSM nos permite fazer algumas considerações importantes. Com relação ao número de simulações (Tabela 1), o método LSM não se mostrou completamente satisfatório apenas quando lidamos com opções de venda. Porém, um aspecto a ser considerado é que, nesta análise, dividimos o tempo em intervalos anuais. Como sabemos, a possibilidade de exercer antecipadamente uma opção americana agrega valor. Como este exercício antecipado pode ocorrer a qualquer instante ao longo da vida útil da opção (ou seja, de forma contínua), a aplicação do LSM com uma discretização do tempo em intervalos menores pode levar a resultados mais satisfatórios. Isto ficou evidenciado na análise de sensibilidade com relação ao número de intervalos de tempo (Tabela 2). Assim, a análise destes resultados iniciais sugere que, enquanto as opções de compra americanas são mais sensíveis e convergem mais rapidamente com um aumento no número de simulações, as opções de venda americanas são mais sensíveis e convergem mais rapidamente com uma maior discretização do tempo. De maneira geral, a eficiência do método LSM depende de três fatores: número de simulações, discretização do tempo e, menos importante, das funções básicas usadas na regressão. A definição adequada destes parâmetros permitirá que os resultados obtidos pelo método sejam satisfatórios. Deve-se atentar para o tradeoff entre o custo computacional decorrente da aplicação do método e o nível esperado de precisão dos resultados. Os resultados apresentados nas Tabelas 4 e 5 indicam que o método LSM é uma poderosa ferramenta para a avaliação de opções reais, em especial no setor de E&P de petróleo. A performance do método é praticamente idêntica ao método binomial, com a vantagem de que seu campo de aplicação é bem mais amplo. Os testes de sensibilidade do método LSM alertam para o cuidado que se deve ter na definição dos parâmetros de simulação e de regressão. Este aspecto mostrou-se de fundamental importância para que os resultados obtidos tenham uma precisão e confiabilidade satisfatórias.. Referências ARAÚJO, R.O. Avaliação de Opções Reais Através do Método dos Mínimos Quadrados de Monte Carlo. Dissertação de Mestrado, Departamento de Engenharia Industrial, PUC-Rio, 4. BAIDYA, T. K. N.; CASTRO, A. L. Convergência dos Modelos de Árvores Binomiais para Avaliação de Opções. Pesquisa Operacional, vol 21, 1, pp COX, J.C.; ROSS, S.A.; RUBINSTEIN, M. Option Pricing: A Simplified Approach. Journal of Financial Economics, no 7, 1979, pp DIAS, M. A. G. Investimento sob Incerteza em Exploração e Produção de Petróleo. Dissertação de Mestrado, Departamento de Engenharia Industrial, PUC-Rio, 199. Site de Opções Reais DIXIT, A. K.; PINDYCK, R. S. Investment under uncertainty. Princeton University Press, FROTA, A. E. F. Avaliação de Opções Americanas Tradicionais e Complexas. Dissertação de Mestrado, Departamento de Engenharia Industrial, PUC-Rio,. GAMBA, A. Real Options Valuation: a Monte Carlo Approach. Working Paper Series 2/0, Faculty of Management, University of Calgary. LONGSTAFF, F.A.; SCHWARTZ, E.S. Valuing American Options By Simulation: A Simple Least-Square Approach. Review of Financial Studies, vol.14, no 1, Spring 1, pp TRIGEORGIS, L. Valuing Real Investment Opportunities: an Options Approach to Strategic Capital Budgeting. Tese de Doutorado, Harvard University, 198. ENEGEP 4 ABEPRO 2255
7 Avaliação de Opções Reais Através do Método LSM
Avaliação de Opções Reais Através do Método LSM 88 7 Avaliação de Opções Reais Através do Método LSM Neste capítulo, iremos aplicar o método desenvolvido por Longstaff & Schwartz para a avaliação de opções
Leia mais3 Modelos de Simulação
43 3 Modelos de Simulação 3.1 Simulação de Monte Carlo O método de Monte Carlo foi concebido com este nome nos anos 40 por John Von Neumann, Stanislaw Ulam e Nicholas Metropolis durante o projeto de pesquisa
Leia mais6 Análise de Sensibilidade do Método LSM
Análise de Sensibilidade do Método LSM 72 6 Análise de Sensibilidade do Método LSM Para fazer uma análise de sensibilidade do método LSM, tomamos como base exemplos de call e put americanas 1. Para os
Leia maisOpções Reais: Exemplo Intuitivo do Gatilho
Opções Reais: Teoria e Prática de Análise de Investimentos sob Incertezas Opções Reais: Exemplo Intuitivo do Gatilho Marco Antonio Guimarães Dias, Professor Adjunto, tempo parcial Rio de Janeiro, Outubro
Leia maisOs primeiros modelos de taxa instantânea de juro propostos na literatura eram contínuos no tempo e supunham que a dinâmica da taxa instantânea
11 1 Introdução A avaliação de contratos de opções é um assunto que tem despertado o interesse de pessoas nos meio acadêmico e financeiro. Os acadêmicos se preocuparam com o desenvolvimento de uma teoria
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisUNIPAC Araguari FACAE - Faculdade de Ciências Administrativas e Exatas SISTEMAS DE INFORMAÇÃO
UNIPAC Araguari FACAE - Faculdade de Ciências Administrativas e Exatas SISTEMAS DE INFORMAÇÃO SAD Sistemas de Apoio à Decisão 2011/02 Aula Cinco crishamawaki@yahoo.com.br Modelos de decisão Sistemas de
Leia maisEngenharia Econômica
UNIVERSIDADE FEDERAL DE PERNAMBUCO UFPE CENTRO ACADÊMICO DO AGRESTE NÚCLEO DE TECNOLOGIA ENGENHARIA CIVIL Engenharia Econômica Aula I Professora Jocilene Otilia da Costa, Dra Conteúdo Juros Simples Juros
Leia mais1 Introdução. 1.1 Importância da Utilização da Amostragem
1 Introdução Um dos principais objetivos da maioria dos estudos, análises ou pesquisas estatísticas é fazer generalizações seguras com base em amostras, sobre as populações das quais as amostras foram
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de
Leia maisCAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES
CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES Vamos estudar alguns métodos numéricos para resolver: Equações algébricas (polinómios) não lineares; Equações transcendentais equações que envolvem funções
Leia maisProgramação de Computadores I. Linguagem C Função
Linguagem C Função Prof. Edwar Saliba Júnior Fevereiro de 2011 Unidade 07 Função 1 Conceitos As técnicas de programação dizem que, sempre que possível, evite códigos extensos, separando o mesmo em funções,
Leia maisMétodo Simplex Revisado
Método Simplex Revisado Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP www.feg.unesp.br/~fmarins fmarins@feg.unesp.br Introdução Método
Leia maisPlano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292
Plano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292 Título PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA Código da disciplina SIA CCE0292 16 Número de semanas de aula 4 Número
Leia maisAnálise de Regressão. Notas de Aula
Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas
Leia maisCIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO
IPEF: FILOSOFIA DE TRABALHO DE UMA ELITE DE EMPRESAS FLORESTAIS BRASILEIRAS ISSN 0100-3453 CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO INTRODUÇAO Carlos
Leia maisMétodos Quantitativos Aplicados a Custos Análise Estatística como um auxiliar valioso nas decisões
Métodos Quantitativos Aplicados a Custos Análise Estatística como um auxiliar valioso nas decisões Que métodos estatísticos podem auxiliar as análises de custos? Qual a relação entre regressão e correlação?
Leia maisTécnicas estatísticas para análise de dados e de resultados de modelos de simulação
Parte XIV Técnicas estatísticas para análise de dados e de resultados de modelos de simulação A saída de um modelo de simulação geralmente constitui-se de VA s, muitas das quais podem ter variância grande.
Leia maisPLANEJAMENTO SIMPLIFICADO DE PROJETOS
PLANEJAMENTO SIMPLIFICADO DE PROJETOS Nestor Nogueira de Albuquerque, MsC. Gestão e Desenvolvimento Regional V Encontro de Pós-GraduaP Graduação UNITAU 2005 Necessidade de um processo de Gestão de Projetos
Leia maisMatemática Aplicada às Ciências Sociais
ESCOLA SECUNDÁRIA DE AMORA PLANIFICAÇÃO ANUAL Matemática Aplicada às Ciências Sociais Ensino Regular Curso Geral de Ciências Sociais e Humanas 11º ANO Ano Letivo 2014 / 2015 PLANIFICAÇÃO A LONGO PRAZO
Leia maisEngenharia Econômica
Engenharia Econômica Aula 1: Conceitos Básicos Lucas Motta Universidade Federal de Pernambuco 23 de Março de 2015 Engenharia Econômica Definição Trata-se de um estudo econômico e financeiro de um projeto,
Leia maisContabilometria. Análise Discriminante
Contabilometria Análise Discriminante Fonte: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Contabilidade e Administração, Editora Atlas, São Paulo, 010 Cap. 3 Análise Discriminante
Leia mais25 a 30 de novembro de 2013
LSD Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 LSD 1 2 3 LSD 4 Parte 2 - Conteúdo LSD Quando o F da ANOVA está sendo utilizado
Leia maisUNIVERSIDADE FEDERAL DO CEARÁ
UNIVERSIDADE FEDERAL DO CEARÁ FACULDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA, CONTABILIDADE E SECRETARIADO DEPARTAMENTO DE CIÊNCIAS CONTÁBEIS Orçamento Empresarial Prof. Isidro Copyright Pereira, F. I.
Leia maisCoeficiente de Assimetria e Curtose. Rinaldo Artes. Padronização., tem as seguintes propriedades: Momentos
Coeficiente de Assimetria e Curtose Rinaldo Artes 2014 Padronização Seja X uma variável aleatória com E(X)=µ e Var(X)=σ 2. Então a variável aleatória Z, definida como =, tem as seguintes propriedades:
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisAULA 11 Experimentos Multinomiais e Tabelas de Contingência
1 AULA 11 Experimentos Multinomiais e Tabelas de Contingência Ernesto F. L. Amaral 24 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG)
Leia maisAvaliação de Opções Reais Através do Método dos Mínimos Quadrados de Monte Carlo
Rubens Oliveira de Araújo Avaliação de Opções Reais Através do Método dos Mínimos Quadrados de Monte Carlo Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título
Leia maisRegressão linear múltipla. Prof. Tatiele Lacerda
Regressão linear múltipla Prof Tatiele Lacerda Yi = B + Bx + B3X3 + u Plano de resposta E(Y i ) = 0,00 Y i i 0 (,33;,67) Y i 0 X i Xi X p i, p i 3 Modelo de regressão linear múltipla em termos matriciais,
Leia maisANÁLISE DE FALHAS DE COMPUTADORES
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DANIELE APARECIDA DE OLIVEIRA VERANICE POLATO ANÁLISE DE FALHAS DE COMPUTADORES LINHA DE PESQUISA: Projeto de Pesquisa apresentado à disciplina de
Leia maisMODELAGEM MATEMÁTICA DE UM SISTEMA DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA EM MÉDIA TENSÃO 1. Gabriel Attuati 2, Paulo Sausen 3.
MODELAGEM MATEMÁTICA DE UM SISTEMA DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA EM MÉDIA TENSÃO 1 Gabriel Attuati 2, Paulo Sausen 3. 1 Parte integrante do Projeto de pesquisa Análise, Modelagem e Desenvolvimento
Leia maisAMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA
AMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA META Dimensionar o tamanho ideal de amostra para cada população.
Leia maisXIV SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA APLICATIVO PARA CÁLCULOS DE AVALIAÇÃO ECONÔMICA DE PROGRAMAS DE EFICIÊNCIA ENERGÉTICA
XIV SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA APLICATIVO PARA CÁLCULOS DE AVALIAÇÃO ECONÔMICA DE PROGRAMAS DE EFICIÊNCIA ENERGÉTICA Autor: FERNANDO MONTEIRO DE FIGUEIREDO CEB - COMPANHIA ENERGÉTICA
Leia maisCompreender os conceitos fundamentais e a terminologia no âmbito da contabilidade de custos;
CONTABILIDADE ANALÍTICA I [12003] GERAL Regime: Semestre: OBJETIVOS Pretende-se fornecer um enquadramento teórico e prático da Contabilidade de Custos ou Analítica, em particular, dos objetivos prosseguidos
Leia maisIntrodução em Engenharia. Problemas de Engenharia. Engenharia: Sérgio Haffner SÍNTESE. Conceitos Conceitos fundamentais 30.07.
Introdução à Otimização em Engenharia Problemas de Engenharia ANÁLISE Definido o sistema, determinar o desempenho Sérgio Haffner Conceitos Conceitos fundamentais 30.07.008 SÍNTESE Projetar um sistema para
Leia maisQualidade de Produto. Maria Cláudia F. P. Emer
Qualidade de Produto Maria Cláudia F. P. Emer Introdução Qualidade diretamente ligada ao produto final Controle de qualidade Adequação do produto nas fases finais no processo de produção Software Atividades
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Probabilidade e Estatística The Science of collecting and analyzing data for the purpose of drawing
Leia maisAgenda. O que é Testar? Por que testar? Quando testar? Processo de teste Níveis de teste Tipos de teste Classificação dos testes.
Agenda O que é Testar? Conceitos Por que testar? Quando testar? Custo do defeito Processo de teste Níveis de teste Tipos de teste Classificação dos testes Entendendo o que é TESTAR Testar é analisar um
Leia maisCAPÍTULO 4. 4 - O Método Simplex Pesquisa Operacional
CAPÍTULO 4 O MÉTODO SIMPLEX 4 O Método Simplex caminha pelos vértices da região viável até encontrar uma solução que não possua soluções vizinhas melhores que ela. Esta é a solução ótima. A solução ótima
Leia maisCurso de Sistemas de Informação 8º período Disciplina: Tópicos Especiais Professor: José Maurício S. Pinheiro V. 2009-1
Curso de Sistemas de Informação 8º período Disciplina: Tópicos Especiais Professor: José Maurício S. Pinheiro V. 2009-1 Aula 5 Sistemas Biométricos 1. Sistema Biométrico Típico Qualquer que seja a característica
Leia maisLÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O BNP PARIBAS DIVIDENDOS FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO AÇÕES CNPJ/MF:
LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O BNP PARIBAS DIVIDENDOS FUNDO DE INVESTIMENTO EM COTAS DE FUNDO DE INVESTIMENTO AÇÕES CNPJ/MF: Informações referentes a Dezembro de 2014 Esta lâmina contém um resumo
Leia maisSINTESE DE REDES DE TRATAMENTO DE EFLUENTES APLICADA A UM MODELO DE GERENCIAMENTO DE REÚSO DE ÁGUA
SINTESE DE REDES DE TRATAMENTO DE EFLUENTES APLICADA A UM MODELO DE GERENCIAMENTO DE REÚSO DE ÁGUA P. C. LION 1, M. S. SANTOS 2, F. S. FRANCISCO 2, D. J. S. A. AUDEH 2, R. C. MIRRE 2, F. L. P. PESSOA 2
Leia maisALM Asset & Liability Management
ALM Asset & Liability Management Gestão de Ativos e Passivos Michael Witt, FSA MAAA Milliman do Brasil 12 de agosto de 2009 Agenda O que é ALM? Por que ALM é importante para as seguradoras? Estratégias
Leia maisUMA ABORDAGEM SOBRE ANALISE DO PONTO DE EQUILÍBRIO PARA QUESTÕES DE APREÇAMENTO CONSIDERANDO AS QUANTIDADES TRANSACIONADAS
1 UMA ABORDAGEM SOBRE ANALISE DO PONTO DE EQUILÍBRIO PARA QUESTÕES DE APREÇAMENTO CONSIDERANDO AS QUANTIDADES TRANSACIONADAS SOBREIRO, Vinicius Amorim 1 INTRODUÇÃO A analise de Ponto de Equilíbrio é um
Leia maisPOLÍTICA DE GESTÃO DE RISCOS
POLÍTICA DE GESTÃO DE RISCOS MAIO / 2016 SUMÁRIO POLÍTICA DE GESTÃO DE RISCOS... 3 1.1. Objetivo... 3 1.2. Princípios Gerais... 3 1.3. Metodologia... 3 1.4. Diretor e Organograma da Área de Risco... 6
Leia maisANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior
ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios
Leia maisEstatística Multivariada. Visão Panorâmica. Aplicações: Associação. Classificação. Comparação. Associação. Correlação Bivariada.
Prof. Lorí Viali, Dr. viali@pucrs.br; viali@mat.ufrgs.br; http://www.pucrs.br/famat/viali; http://www.mat.ufrgs.br/~viali/ Embora projetos complexos e métodos sofisticados sejam necessários para responder
Leia maisUniversidade Federal de Itajubá. Instituto de Engenharia de Produção e Gestão. Pesquisa Operacional. Dualidade
Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Pesquisa Operacional Dualidade Prof. Dr. José Arnaldo Barra Montevechi Dualidade 2 1 Dualidade Em determinadas situações, a
Leia maisAGRUPAMENTO DE ESCOLAS DA SÉ GUARDA. MATEMÁTICA B Curso de Artes Visuais
Direção-Geral dos Estabelecimentos Escolares Direção de Serviços da Região Centro AGRUPAMENTO DE ESCOLAS DA SÉ GUARDA MATEMÁTICA B Curso de Artes Visuais ANO LECTIVO: 2015/2016 11º ANO 1º PERÍODO PLANIFICAÇÃO
Leia maisPRIMEIRO SEMINÁRIO DE MARCAS DO SUL DO BRASIL. GERANDO VALOR PARA SUA EMPRESA
PRIMEIRO SEMINÁRIO DE MARCAS DO SUL DO BRASIL. GERANDO VALOR PARA SUA EMPRESA Gerindo Marcas com Base no Valor Marca: Gestão Baseada no Valor Maximização do Valor Econômico da Marca Gestão Baseada em Valor
Leia mais3 Informações para Coordenação da Execução de Testes
Informações para Coordenação da Execução de Testes 32 3 Informações para Coordenação da Execução de Testes Diversas ferramentas oferecidas na literatura têm auxiliado na coordenação da execução dos testes
Leia maisErros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.
Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.) I. INTRODUÇÃO Quando se faz um experimento, deseja-se comparar o resultado obtido
Leia maisRegressão, Interpolação e Extrapolação Numéricas
, e Extrapolação Numéricas Departamento de Física Universidade Federal da Paraíba 29 de Maio de 2009, e Extrapolação Numéricas O problema Introdução Quem é quem Um problema muito comum na física é o de
Leia maisIntrodução. Qualidade de Produto. Introdução. Introdução ISO/IEC 9126. Normas
Qualidade de Produto Maria Cláudia F.P. Emer Introdução z Qualidade diretamente ligada ao produto final z Controle de qualidade Adequação do produto nas fases finais no processo de produção z Software
Leia maisNotas de aula de Lógica para Ciência da Computação. Aula 11, 2012/2
Notas de aula de Lógica para Ciência da Computação Aula 11, 2012/2 Renata de Freitas e Petrucio Viana Departamento de Análise, IME UFF 21 de fevereiro de 2013 Sumário 1 Ineficiência das tabelas de verdade
Leia maisPESQUISA OPERACIONAL: NA TOMADA DE DECISÕES ADMINISTRATIVA
PESQUISA OPERACIONAL: NA TOMADA DE DECISÕES ADMINISTRATIVA Rodrigo de Oliveira SOUZA 1 Letícia Pinheiro Ribeiro da COSTA 1 Camila Pires Cremasco GABRIEL 22 Luís Roberto Almeida GABRIEL-FILHO 2 RESUMO:
Leia maisUniversidade Federal de Santa Maria Centro de Ciências Naturais e Exatas Departamento de Física Laboratório de Teoria da Matéria Condensada
Universidade Federal de Santa Maria Centro de Ciências Naturais e Exatas Departamento de Física Laboratório de Teoria da Matéria Condensada Sistema de equações lineares e não lineares Tiago de Souza Farias
Leia maisO Modelo Econômico da Empresa em Condições de Incerteza - Aplicação do Método de Simulação de Monte Carlo
1 O MODELO ECONÔMICO DA EMPRESA EM CONDIÇÕES DE INCERTEZA APLICAÇÃO DO MÉTODO DE SIMULAÇÃO DE MONTE CARLO Introdução Autor:Luiz João Corrar Mestre e Doutor do Departamento de Contabilidade e Atuária da
Leia maiscuja distribuição é t de Student com n 1 graus de liberdade.
Aula 13 Teste de hipótese sobre a média de uma população normal σ 2 desconhecida Objetivos: Nesta aula você completará seu estudo básico sobre testes de hipóteses, analisando a situação relativa a uma
Leia maisCurso de Análise Estatística Comparação entre variáveis contínuas: correlação e regressão Linear
NÚCLEO DE ESTATÍSTICA E METODOLOGIA APLICADAS Desenvolvendo conhecimento para a excelência dos cuidados em saúde mental UNIVERSIDADE FEDERAL DE SÃO PAULO Curso de Análise Estatística Comparação entre variáveis
Leia maisEstudo comportamental do sistema de uma casa lotérica utilizando técnicas de simulação
Estudo comportamental do sistema de uma casa lotérica utilizando técnicas de simulação Alexandre Navarro da Silva (UFV) - navarrosilva@hotmail.com Renan Eleotério Marques (UFV) - renanmarques46@hotmail.com
Leia maisA. Equações não lineares
A. Equações não lineares 1. Localização de raízes. a) Verifique se as equações seguintes têm pelo menos uma solução nos intervalos dados: i) (x - 2) 2 ln(x) = 0, em [1, 2] e [e, 4]. ii) 2 x cos(x) (x 2)
Leia maistelecomunicações Maria Fernanda Freire de Lima, André Ricardo Noborikawa Paiva Frederico Araujo Turolla (Pezco Pesquisa e Consultoria Ltda)
Regulação pró-concorrencial das telecomunicações Maria Fernanda Freire de Lima, André Ricardo Noborikawa Paiva Frederico Araujo Turolla (Pezco Pesquisa e Consultoria Ltda) Tecnologia e concorrência beneficiam
Leia maisJogos Bayesianos Estratégias e Equilíbrio Aplicações. Jogos Bayesianos. Prof. Leandro Chaves Rêgo
Jogos Bayesianos Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Estatística - UFPE Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 14 de Outubro de 2014 Jogos Bayesianos Jogos
Leia maisElaboração e Análise de Projetos
Elaboração e Análise de Projetos Análise de Mercado Professor: Roberto César ANÁLISE DE MERCADO Além de ser o ponto de partida de qualquer projeto, é um dos aspectos mais importantes para a confecção deste.
Leia maisLÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O BRADESCO FUNDO DE INVESTIMENTO EM AÇÕES DIVIDENDOS 06.916.384/0001-73. Informações referentes a Julho de 2016
LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O BRADESCO FUNDO DE INVESTIMENTO EM AÇÕES DIVIDENDOS 06.916.384/0001-73 Informações referentes a Julho de 2016 Esta lâmina contém um resumo das informações essenciais
Leia maisCampus Capivari Análise e Desenvolvimento de Sistemas (ADS) Prof. André Luís Belini E-mail: prof.andre.luis.belini@gmail.com /
Campus Capivari Análise e Desenvolvimento de Sistemas (ADS) Prof. André Luís Belini E-mail: prof.andre.luis.belini@gmail.com / andre.belini@ifsp.edu.br MATÉRIA: QUALIDADE DE SOFTWARE Tema: Testes de Caixa
Leia maisEstatística. Aula 1 -Fundamentos e conceitos básicos (Notas de aula) Prof. Idemauro Antonio Rodrigues de Lara
Estatística Aula 1 -Fundamentos e conceitos básicos (Notas de aula) Prof. Idemauro Antonio Rodrigues de Lara Objetivo da disciplina Adquirir conhecimento dos fundamentos da Estatística, em seus campos
Leia maisLista de exercício nº 1 Juros simples e compostos*
Lista de exercício nº 1 Juros simples e compostos* 1. Um investidor aplicou $1.000,00 numa instituição financeira que remunera seus depósitos a uma taxa de 5 % ao trimestre, no regime de juros simples.
Leia maisManual do sistema SMARam. Módulo Reavaliação Financeira
Manual do sistema SMARam Módulo Reavaliação Financeira LISTA DE FIGURAS Figura 1. Acesso à Reavaliação Financeira... 6 Figura 2. Tela Inicial da Reavaliação Financeira... 7 Figura 3. Tipo de Patrimônio...
Leia maisPREPARATÓRIO PROFMAT/ AULA 3
PREPARATÓRIO PROFMAT/ AULA 3 Números, Progressões e Lógica Prof. Ronaldo Busse Números Uma questão presente nos exames de seleção até aqui foi a comparação entre grandezas numéricas. O procedimento indicado
Leia maisAula demonstrativa Apresentação... 2 Prova Resolvida Matemática Financeira TRF 3ª Região... 4
Aula demonstrativa Apresentação... 2 Prova Resolvida Matemática Financeira TRF 3ª Região... 4 1 Apresentação Olá, pessoal! Tudo bem com vocês? Saiu o edital para Auditor Fiscal de Teresina. Esta é a aula
Leia maisMAE116 - Noções de Estatística
MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito da Lista de exercícios 10 - Introdução à Estatística Descritiva - CASA Exercício 1. (2 pontos) Sabe-se que, historicamente, 18% dos
Leia mais3º Ano do Ensino Médio. Aula nº09 Prof. Paulo Henrique
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº09 Prof. Paulo Henrique Assunto: Funções do Segundo Grau 1. Conceitos básicos Definição: É uma função que segue a lei: onde, Tipos
Leia maisMINISTÉRIO DA FAZENDA Secretaria de Acompanhamento Econômico Coordenação Geral de Transportes e Logística
MINISTÉRIO DA FAZENDA Secretaria de Acompanhamento Econômico Coordenação Geral de Transportes e Logística Parecer Analítico sobre Regras Regulatórias nº 229/COGTL/SEAE/MF Brasília, 28 de agosto de 2015.
Leia maisTeoria dos Grafos. Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada. antunes@ibilce.unesp.br, socorro@ibilce.unesp.
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br Grafos e Algoritmos Preparado a partir do texto: Rangel, Socorro.
Leia maisAnálise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira
Análise estatística Aula de Bioestatística 17/9/2008 (2.ª Parte) Paulo Nogueira Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs.
Leia maisDistribuições Conjuntas (Tabelas de Contingência)
Cruzamento de Dados Distribuições Conjuntas (Tabelas de Contingência) Lorí Viali, Dr. DESTAT/FAMAT/PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali Distribuição Conjunta Exemplo (tabela um) Suponha
Leia maisInvestigação Operacional
Introdução e Histórico Durante a II Guerra Mundial, lideres militares da Inglaterra e dos Estados Unidos requisitaram um grupo de cientistas de diversas áreas de conhecimento para analisarem alguns problemas
Leia maisCapítulo IX. Carregamento de transformadores
42 Capítulo IX Carregamento de transformadores Por Manuel Luís Barreira Martinez* A tipificação dos transformadores contempla três agrupamentos distintos, o que em tese significa três diferentes tipos
Leia maisGESTÃO DA MANUTENÇÃO
Classificação Nível de Criticidade para Equipamentos S Q W Itens para avaliação Segurança cliente interno cliente externo meio-ambiente Qualidade Condição de trabalho Status Equipamento A B D P M Perdas
Leia maisMedidas de Tendência Central. Introdução Média Aritmética Moda Mediana
Medidas de Tendência Central Introdução Média Aritmética Moda Mediana Introdução A maioria dos dados apresenta uma tendência de se concentrar em torno de um ponto central Portanto, é possível selecionar
Leia maisI-094 - COLIFORMES E ph MÉDIAS ARITMÉTICAS, MÉDIAS GEOMÉTRICAS E MEDIANAS
I-9 - COLIFORMES E ph MÉDIAS ARITMÉTICAS, MÉDIAS GEOMÉTRICAS E MEDIANAS Marcos von Sperling ( 1 ) Engenheiro Civil (UFMG). Doutor em Engenharia Ambiental (Imperial College, Universidade de Londres Inglaterra).
Leia maisMODELOS DE PRECIFICAÇÃO EM FINANÇAS: UMA APLICAÇÃO EM OPÇÕES SOBRE AÇÕES
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO INSTITUTO DE ECONOMIA MBA EM FINANÇAS EMPRESARIAIS TRABALHO DE CONCLUSÃO DE CURSO MODELOS DE PRECIFICAÇÃO EM FINANÇAS: UMA APLICAÇÃO EM OPÇÕES SOBRE AÇÕES FELIPE
Leia maisde rede são comumente utilizadas nos dias de hoje. Um dos grandes desafios para a tecnologia de redes sem fio no momento é o handoff vertical, onde
15 1 Introdução A utilização e a popularidade dos dispositivos móveis crescem a cada dia. Mobilidade, flexibilidade, facilidade de comunicação e entretenimento proporcionado por dispositivos, como laptops,
Leia maisICEI Índice de Confiança do Empresário Industrial Julho/07 Interiorização da Sondagem
Resultado do ICEI - Índice de Confiança do Empresário Industrial - nas Regionais FIESP Projeto de de Opinião CNI (DEPAR/DEPECON) Introdução A Sondagem Industrial é uma pesquisa qualitativa realizada trimestralmente
Leia maisDUAS PARTICULARIDADES NA ANÁLISE DE NOVOS INVESTIMENTOS
DUAS PARTICULARIDADES NA ANÁLISE DE O que pode mudar quando se faz uma análise de sensibilidade da taxa de desconto Depreciação e inflação Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas
Leia maisIntrodução à Matemática Financeira e Análise de Investimentos
Introdução à Matemática Financeira e Análise de Investimentos Aulas 4 Indicadores de avaliação de investimentos Site: tinyurl.com/matfinusp Prof. Adriano Azevedo Filho, Ph.D. USP/ESALQ/DEAS azevedofilho@usp.br
Leia maisProgramação Linear - Parte 4
Mestrado em Modelagem e Otimização - CAC/UFG Programação Linear - Parte 4 Profs. Thiago Alves de Queiroz Muris Lage Júnior 1/2014 Thiago Queiroz (DM) Parte 4 1/2014 1 / 18 Solução Inicial O método simplex
Leia maisAula 12: Correlação e Regressão
Aula 12: Correlação e Regressão Sumário Aula 12: Correlação e Regressão... 1 12.l Correlação... 2 12.2 Diagrama de dispersão... 2 12.3 Correlação linear... 3 12.3.1 Coeficiente de correlação linear...
Leia maisAS CRISES FINANCEIRAS IMPACTAM NAS VENDAS DE JOIAS? 1
AS CRISES FINANCEIRAS IMPACTAM NAS VENDAS DE JOIAS? 1 Guilherme Batista 2, Daniel Knebel Baggio 3, Bruna Faccin 4. 1 Projeto de pesquisa realizado no curso de Mestrado em Desenvolvimento da Unijuí 2 Aluno
Leia maisCapacidade preditiva como critério para determinação do número de componentes principais em Seleção Genômica Ampla
Capacidade preditiva como critério para determinação do número de componentes principais em Seleção Genômica Ampla Filipe Ribeiro Formiga Teixeira 13 Mayra Marques Bandeira 13 Moysés Nascimento 1 Ana Carolina
Leia maisIndicadores de Desempenho: Desafios da Escolha e do Uso
Indicadores de Desempenho: Desafios da Escolha e do Uso por Ronaldo Favero em RevistaRH.com.br Escolha Da mesma forma que no cotidiano das pessoas as medições estão presentes (velocidade dos veículos,
Leia maisPLANEJAMENTO E MODELAGEM
Apresentação 06 Introdução a Engenharia Elétrica COMO CRIAR MODELOS NA ENGENHARIA. PLANEJAMENTO E MODELAGEM Prof. Edgar Alberto de Brito Continuando os conceitos anteriores, nessa apresentação será mostrado
Leia maisFUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO MESTRADO PROFISSIONAL EM FINANÇAS QUANTITATIVAS FLÁVIO RYAN DA SILVA SANTANA
FUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO MESTRADO PROFISSIONAL EM FINANÇAS QUANTITATIVAS FLÁVIO RYAN DA SILVA SANTANA PRECIFICAÇÃO DE OPÇÕES DO MERCADO BRASILEIRO UTILIZANDO PROCESSO DE
Leia maisTeoria de Jogos. Algoritmo Minimax e Alfa-Beta AED - 2002
Teoria de Jogos Algoritmo Minimax e Alfa-Beta AED - 2002 Conceptualização do Problema Jogar pode ser visto como uma generalização do problema de procura em espaço de estados, em que existem agentes hostis
Leia maisAPÊNDICE AO ANEXO V REMUNERAÇÃO DA CONCESSIONÁARIA E MECANISMO DE PAGAMENTO
APÊNDICE AO ANEXO V REMUNERAÇÃO DA CONCESSIONÁARIA E MECANISMO DE PAGAMENTO O modelo de remuneração da Concessionária e seus mecanismos de pagamento desenvolvidos para o projeto de modernização do Complexo
Leia maisLição 5 Medidas Descritivas Medidas de Dispersão
99 Lição 5 Medidas Descritivas Medidas de Dispersão Após concluir o estudo desta lição, esperamos que você possa: identifi car o objetivo das medidas de dispersão; identifi car o conceito de variância;
Leia maisAutoria: Ana Paula Rodrigues da Costa
Teoria das Opções Reais na Otimização de Custos do Transporte Público Urbano: Comprar ou Vender um Ônibus? Autoria: Ana Paula Rodrigues da Costa Resumo Esta pesquisa objetiva apresentar um modelo que propõem
Leia maisPrograma de Previdência Complementar ArcelorMittal Brasil. ArcelorMittal Brasil
Programa de Previdência Complementar ArcelorMittal Brasil ArcelorMittal Brasil 1 Porque ter um Plano de Previdência Complementar? 2 O Novo Programa de Previdência Complementar ArcelorMittal Brasil Conheça
Leia mais