ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
|
|
- Leonardo Graça Filipe
- 7 Há anos
- Visualizações:
Transcrição
1 ECONOMETRIA Prof. Patrca Mara Bortolon, D. Sc.
2 Modlos d Escolha Qualtatva Font: GUJARATI; D. N. Economtra Básca: 4ª Edção. Ro d Janro. Elsvr- Campus, 2006
3 Modlos d scolha qualtatva Varávl dpndnt: bnára Varávl ndpndnt: métrcas ou bnáras Exmplos: Probabldad d falênca Probabldad d snstro Probabldad d adrr a sgmnto dfrncado d govrnança corporatva Probabldad d abrr captal
4 Modlos d scolha qualtatva Quando Y é quanttatvo, através dos modlos d rgrssão lnar stmamos o valor sprado ou valor médo, dados os valors das varávs ndpndnts E( Y X, X 2,..., X k ) Quando Y é qualtatvo, o objtvo é ncontrar a probabldad d qu algo acontça Modlos d Probabldad
5 O qu vamos studar: Como stmar modlos d scolha qualtatva? Podmos usar MQO? Há problmas spcas d nfrênca? Como mdr a qualdad do ajustamnto? Podmos usar o R 2? Como ntrprtar os cofcnts do modlo?
6 O qu não vamos studar mas são xtnsõs do assunto: Dados contávs ou vntos raros como varávl dpndnt = procssos d probabldad d Posson. x.: no. d artgos publcados por um docnt, no. d patnts rgstradas por uma mprsa, tc... Modlos logt probt ordnas. Ex.: quando a varávl dpndnt é nívl d scolardad, ou varávs m trmos d scala do tpo Lkrt ( concordo totalmnt a dscordo totalmnt ) Modlos logt probt multnomas: quando a varávl d rsposta tm mas d duas catgoras mas não são ordnadas ou hrarquzadas. Modlos d duração: x.: o qu dtrmna a duração d uma lâmpada; a sobrvvênca d mcro-mprsas. Esss casos são tratados m Análs d Sobrvvênca.
7 Modlos d Escolha Qualtatva Há três abordagns para formular um modlo probablístco para uma varávl d scolha bnára: O modlo d probabldad lnar O modlo logt O modlo probt
8 Modlo d Probabldad Lnar Y 2 X u = tm casa própra 0 = c. c. Rnda famlar É um modlo lnar d probabldad porqu: Y X PrY X E
9 Modlo d Probabldad Lnar Supondo E(u )=0, para obtr stmadors não tndncosos. A varânca d Y tm a sgunt dstrbução d probabldad: Y Prob. 0 P P Total S P = probabldad d qu Y = Podmos usar MQO? Dst. d Probabldad Bnomal (np ; np(-p)) 0 E( Y X )
10 Modlo d probabldad lnar Problmas na utlzação d MQO. Ausênca d normaldad dos trmos d rro u. Porqu assm como Y, u também assumm dos valors: u Y 2 X Y u Prob. Qdo. Y = β β 2 X P Qdo. Y = 0 β β 2 X - P Também sgu dstrbução bnomal => u não s dstrbum normalmnt
11 Modlo d probabldad lnar Problmas na utlzação d MQO Entrtanto, lmbr qu a mdda qu o tamanho da amostra aumnta a dstrbução bnomal convrg para a Normal. Portanto, no caso d grands amostras, a nfrênca statístca dos modlos d probabldad lnar sgu os procdmntos habtuas d MQO sob prmssa d normaldad.
12 Modlo d probabldad lnar Problmas na utlzação d MQO 2. Varâncas htrocdástcas dos trmos d rro. Como u sgu dstrbução bnomal com méda P varânca gual a P (-P ), vmos qu a varânca dpnd da méda var( u ) P A varânca d u dpnd, m últma nstânca, dos valors d X, portanto, não é homocdástca. Estmadors d MQO não tndncosos, porém não são fcnts. Solução: mínmos quadrados pondrados (MQP) Y w ond X 2 w w w E( Y E(Y P( P) X u X w ) X 2 E(Y X ) P P )
13 Modlo d probabldad lnar Problmas na utlzação d MQO 3. Impossblldad d satsfazr 0 E(Y X ) Problma ral da stmatva por MQO!!! Não há como garantr qu s stu ntr 0. Duas formas d agr: Calcular os Yˆ os qu form < 0 consdrar = 0 os qu form > consdrar = Usar técnca qu garanta qu as probabldads condconas d Y s stum ntr 0 (logt probt) Yˆ
14 Modlo d probabldad lnar Problmas na utlzação d MQO 4. O valor d R 2 como mdda da qualdad do ajustamnto é qustonávl Y st. R 2 stará muto abaxo d (m gral ntr 0,2 0,6) X Do ponto d vsta lógco o Modlo d Probabldad Lnar prssupõ qu P = E(Y = X) aumnta lnarmnt com X, sto é, o fto margnal ou ncrmntal d X prmanc constant.
15 Modlo d probabldad lnar Problmas na utlzação d MQO No xmplo da amostra d 40 famílas os dados d rnda casa própra (Gujarat, Cap. 5) tmos: Quando X aumnta uma undad (US$.000) a prob. d tr casa própra aumnta smpr na msma quanta d 0,0. Indpnd da rnda sr US$8.000, US$0.000 ou US$ O qu sra sprado? Yˆ 0,9457 0, 02 X Qu a nívs muto baxos ou muto altos a probabldad d tr casa própra não foss tão aftada.
16 Modlo d probabldad lnar Problmas na utlzação d MQO Prcsamos d um modlo d probabldad qu tnha duas caractrístcas:. A mdda qu X aumnta P = E(Y = X ) aumnta mas nunca sa da faxa 0 2. A rlação ntr P X é não lnar, s aproxma d zro a taxas cada vz mnors à mdda qu X s rduz, s aproxma d a taxas cada vz mnors à mdda qu X aumnta muto.
17 Modlo d probabldad lnar Problmas na utlzação d MQO Prcsamos d uma curva sgmód, ou m S, smlhant a FDA d uma v.a.: FDA 0 X Em gral são scolhdos os modlos () logístco (2) normal, o prmro dando orgm ao modlo logt o sngundo ao probt (ou normt).
18 Modlo Logt O modlo d probabldad lnar no caso da casa própra ra: P E Y X) 2 ( X A Função d Dstrbução Logístca P E( Y X ) ( 2 X )
19 Modlo Logt Rsumndo chamando Z = β + β 2 X trmos: Problma: P é não lnar m X m β => não podmos usar MQO Solução: lnarzar 0 quando 0 quando Z Z Z P P Z P Z P
20 Modlo Logt Z Z Z Z P P Z Z Z P P A razão d chancs a favor da poss da casa própra. P = 0,8 => há 4 chancs contra a favor d a famíla possur casa própra. X P P L Z P P L 2 ln ln Trando o logartmo: Dnomnado Logt
21 Modlo Logt - Caractrístcas. Quando passa d 0 a (sto é, quando Z vara d - a + ), o logt L vara d - a +. As probabldads são lmtadas ntr 0, os logts não. 2. Embora L sja lnar m X as probabldads não o são. 3. Podmos nclur quantos rgrssors form ncssáros. 4. O cofcnt angular md a varação d L m rsposta a uma undad d varação m X, sto é, nos dz o quanto o logartmo das chancs favorávs ao vnto d ntrss varam m rsposta a uma undad d varação na varávl ndpndnt. 5. O ntrcpto dá as chancs favorávs quando a varávl ndpndnt é gual a zro. Como na rgrssão lnar pod não tr sntdo prátco.
22 Modlo Logt - Caractrístcas 6. S qusrmos não as chancs favorávs ao vnto d ntrss mas a própra probabldad do vnto sso pod sr fto pla xprssão: P Z Z Z 7. A rlação lnar não é ntr P X, sm ntr o logartmo da razão d chancs X.
23 Modlo Logt - Estmação. Dados m nívl ndvdual A stmatva por MQO é nvávl Imagn P = s a famíla tm casa própra P = 0 c.c. Ao calcular os logts para stmar o modlo L L ln 0 ln 0 L c.c. P ln P 2 sa famíla Ao nvés d MQO usar Máxma Vrossmlhança para stmar os parâmtros tm casa X própra u Exprssõs não fazm sntdo
24 Modlo Logt Dados Agrupados - Estmação. Dados agrupados ou rplcados X US$ ml N n Pˆ n N é a frquênca rlatva Com os P é possívl obtr os logts stmados Podmos usar MQO? Não!!
25 Modlo Logt Dados Agrupados - Estmação É possívl dmonstrar qu, s N for sufcntmnt grand cada obsrvação m uma dada class d rnda X s dstrbu ndpndntmnt como uma varávl bnomal, ntão: u ~ N 0, NP ( P ) Usar MQP Estmatva da varânca: ˆ 2 N Pˆ ( Pˆ )
26 Modlo Logt Dados Agrupados - Estmação Etapas para stmação da rgrssão logt:. Para cada nívl d rnda: n Pˆ N 2. Para cada nívl d rnda obtr o logt: Lˆ Pˆ ln Pˆ
27 Modlo Logt Dados Agrupados - Estmação Etapas para stmação da rgrssão logt: 3. Transformamos: trmo d rro transformado transformado transformado ) ˆ ( ˆ ond : m ln * * * 2 * 2 2 v X X L L P N P w v X w L w u X w w w L u X P P L
28 Modlo Logt Dados Agrupados - Estmação Etapas para stmação da rgrssão logt: 4. Estmamos por MQO sm ntrcpto. 5. Avalar cofcnt plos métodos tradconas d ntrvalo d confança ou tst d hpótss. Lmbrando qu as conclusõs srão váldas s as amostras form grands. Exmplo da casa própra com dados agrupados na pag. 485 do Gujarat.
29 Modlo Logt Dados Agrupados - Intrprtação L *,59474 w p (0,046) t ( 4,4369) 2 R 0,9642 0,07862X * (0,00539) (4,56675) Intrprtação do logt: para uma undad (US$000) d aumnto na rnda o logartmo pondrado das chancs favorávs à poss da casa própra aumnta m 0,08 undad. Intrprtação das chancs: tomando o antlogartmo do logt stmado, obtmos P / ( P ), sto é, a razão d chancs. Pˆ Pˆ,59474,59474 w 0,07862X w * 0,07862X *
30 Modlo Logt Dados Agrupados - Intrprtação Pˆ Pˆ,59474,59474 w 0,07862X w * 0,07862X * 0,07862 =,087 Para cada undad d aumnto da rnda pondrada, as chancs pondradas favorávs a poss da casa própra aumntam m crca d 8,7%. S tomarmos o ant-logartmo do j-ésmo cofcnt angular, subtraímos dl multplcamos o rsultado por 00, obtmos a varação prcntual das chancs m favor d um aumnto d uma undad no j-ésmo rgrssor.
31 Modlo Logt Dados Agrupados - Intrprtação Cálculo das probabldads: no nosso xmplo, s qusrmos calcular a probabldad d tr casa própra s a rnda é X = 20 (US$20.000). L * X L L L * * *,59474 w 4,825 83,6506,594744,825 0, ,6506 0,093 L * w w 0, ,07862X *
32 Modlo Logt Dados Agrupados - Intrprtação Cálculo das probabldads: no nosso xmplo, s qusrmos calcular a probabldad d tr casa própra s a rnda é X = 20 (US$20.000). L 0,02226 Portanto, Pˆ Pˆ Pˆ L * w 0,02226 Pˆ ln ˆ P 0, , ,02226,0225 0,4944 Dada a rnda d US$20.000, a probabldad d qu a famíla tnha uma casa própra é d crca d 49%.
33 Modlo Logt Dados Agrupados - Intrprtação Cálculo da varação da probabldad: nvolv não apnas β 2, mas também o nívl d probabldad m rlação ao qual a varação é mdda. dp dx P( P) 2 Para o nívl d rnda d US$ trmos dp/dx = 0,0965
34 Modlo Logt Dados Não Agrupados Como Y = ou 0, nsts casos, trmos qu rcorrr a procdmntos d stmação não lnars usando o método da máxma vrossmlhança. É um método para grands amostras, os rrospadrão stmados são assntótcos Ao nvés da statístca t usamos a statístca z. O R 2 não é adquado como mdda d ajustamnto. O Evws aprsnta o R 2 d McFaddn qu também vara ntr 0. Outra mdda d ajustamnto é o Count R 2.
35 Modlo Logt Dados Não Agrupados Fávro t. al. aprsntam outras mddas d ajustamnto: Psudo R2 Cox & Snll R2 Naglkrk R2 Tst qu-quadrado: para avalar s há dfrnças sgnfcatvas ntr o sprado o obsrvado Hosmr Lmshow Goodnss of ft Tst: outra mdda do podr prdtvo do modlo
36 Modlo Logt Dados Não Agrupados Para tstar a sgnfcânca do modlo como um todo o quvalnt ao tst F da rgrssão múltpla é a statístca da razão d vrossmlhança. Esta statístca sgu a dstrbução qu-quadrado com g.l. gual ao no. d varávs xplanatóras (o ntrcpto não conta).
37 Modlo Logt Dados Não Agrupados - Intrprtação Gujarat usa um xmplo sobr prvsão d notas d alunos, com Y = s a nota é A Y = 0 c.c. GPA = pontuação méda; TUCE = pontuação no níco do curso; PSI = s utlzado novo método d nsno. O modlo os rsultados foram: L L P GPA TUCE PSI u P 3,023 2,826GPA 0,095TUCE 2,3786PSI p valus McFaddnR 0, ,3740 0,0252 0,504 LRstatstc (3df 0,0255 ) 5,4049
38 Modlo Logt Dados Não Agrupados - Intrprtação L L P GPA TUCE PSI u P 3,023 2,826GPA 0,095TUCE 2,3786PSI p valus McFaddnR 0, ,3740 0,0252 0,504 LRstatstc (3df 0,0255 ) 5,4049 Os rgrssors m conjunto tm mpacto postvo sobr a nota fnal pos LR = 5,40 cujo valor p é d crca d 0,005, muto pquno. As três varávs têm fto postvo sobr o logt mbora TUCE sja não sgnfcatvo. O cofcnt 2,826 d GPA sgnfca qu para cada aumnto d na nota méda o logt stmado aumnta, m méda crca d 2,83 un. A ntrprtação m rlação às chancs faz-s tomando o antlogartmo dos cofcnts. Ex.: o antlog. d PSI é 0,7897 ( 2,3786 ). Estudants submtdos ao novo método d nsno têm crca d dz vzs mas chancs d trar uma nota A.
39 Modlo Logt Dados Não Agrupados - Intrprtação L L P GPA TUCE PSI u P 3,023 2,826GPA 0,095TUCE 2,3786PSI p valus McFaddnR 0, ,3740 0,0252 0,504 LRstatstc (3df Para obtr a probabldad d um studant tr nota A, obsrva-s os dados dst studant (GPA, TUCE PSI) calcula-s L, ou sja, o logt stmado. Ex.: logt stmado gual a 0,878 Para obtr a probabldad usa-s a xprssão: P P Z Z 0,878 Z 0,6937 0,0255 ) 5,4049 A probabldad stmada do studant trar nota A é aproxmadamnt 69%. Como o obsrvado fo Y = para st studant podmos assumr qu a prvsão stá próxma.
40 Modlo Probt Utlza ao nvés da função logístca acumulada a função d dstrbução acumulada (FDA) da normal. Para o xmplo da casa própra: ) ( 2 2 ) ( X X X F ) ( ) ( ) ( 2 2 X F X Z P X P Y P
41 Modlo Probt Dados Agrupados - Intrprtação Rsultados do modlo probt para o xmplo da casa própra: β = -,066 β 2 = 0,04846 Para conhcr o fto d uma varação untára m X sobr a probabldad d Y =, sto é, tr casa própra drvamos a quação antror : dp dx f ( 2X ) Ond f ( 2X ) é a função d dnsdad d probabldad normal padrão m 2 X Portanto, ssa avalação dpndrá do valor d X 2
42 Modlo Probt Dados Agrupados - Intrprtação Rsultados do modlo probt para o xmplo da casa própra: β = -,066 β 2 = 0,04846 Para X = 6 trmos na função d dnsdad normal f[-,066+0,04846(6)] = f(-0,72548). Para Z = -0,72548 a dnsdad normal é d crca d 0,3066, qu multplcado por β 2, dará 0,0485. Ou sja, partndo d um nívl d rnda d US$6.000, quando a rnda aumnta US$.000 a probabldad d uma famíla tr casa própra aumnta m,4%.
43 Efto margnal d uma varação untára d um rgrssor nos város modlos d rgrssão Modlo d Rgrssão Lnar Modlo d Probabldad Lnar Modlo Logt Modlo Probt O cofcnt angular md a varação do valor médo do rgrssando para uma varação untára no valor d um rgrssor, mantdas constants as dmas varávs. O cofcnt angular md drtamnt a varação da probabldad d ocorrênca d um vnto m consquênca d uma varação untára no valor d um rgrssor, tudo o mas constant. O cofcnt angular nos dá a varação no logartmo das chancs dada uma varação untára d um rgrssor. Entrtanto, a taxa d varação na probabldad d ocorrênca do vnto é dada por β j P (-P ), ond β j é o cofcnt do j-ésmo rgrssor a avalação d P lva m conta todas as varávs do modlo. A taxa d varação da probabldad é mas complcada. Dada por β j f(z ), ond f(z ) é a função d dnsdad da normal padrão Z = β +β 2 X β k X k, ou sja, o modlo d rgrssão usado na análs.
44 Entr os modlos logt probt, qual é o prfrívl? Na maora das aplcaçõs são bastant parcdos A dstrbução logístca tm caudas mas gordas => a prob. condconal P aproxma-s d 0 ou mas lntamnt Logt é mas smpls para ntrprtar!! Os cofcnts dos dos modlos não podm sr comparados drtamnt. Embora a dstrbução logístca padrão a normal padrão tnham ambas méda zro, suas varâncas são dfrnts.
45 Modlo Tobt No xmplo da casa própra, s stvéssmos ntrssados não na probabldad da famíla tr casa própra, mas sm na rlação ntr o montant gasto para adqur-la m rlação a varávs sóco-conômcas. Dlma: s a famíla não tm casa própra não há dados sobr o montant gasto!! Amostra cnsurada: quando m part da amostra só tmos nformaçõs sobr os rgrssors, mas não sobr o rgrssando. Também dnomnados modlos d rgrssão com varávl dpndnt lmtada
46 Modlo Tobt - Estmação Y X 2 u s LD 0 0 c. c. Podmos stmar a rgrssão usando apnas a part da amostra para a qual tmos dados da varávl dpndnt? Não! Os stmadors sram tndncosos nconsstnts. Solução: método da máxma vrossmlhança Exmplo: pag. 498 Gujarat modlo dos casos xtraconjugas d Ray Far
MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson
MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM O modlo log-lnar d Posson Intrss m modlar a dstrbução d uma varávl rfrnt a algum tpo d contagm m função d covarávs. A stratéga mas comum para modlagm nssas stuaçõs
Leia maisAnálise de regressão
Análs d rgrssão Slvana Lags Rbro Garca FDV Hlo Garca Lt UFV Um dos usos da análs d rgrssão é vrfcar s, como, uma ou mas varávs ndpndnts nfluncam o comportamnto d outra varávl dpndnt Y. As varávs ndpndnts
Leia mais3. VARIÁVEIS ALEATÓRIAS
3. VARIÁVEIS ALEATÓRIAS 0 Varávl alatóra Ω é o spaço amostral d um prmnto alatóro. Uma varávl alatóra,, é uma função qu atrbu um númro ral a cada rsultado m Ω. Emplo. Rtra-s, ao acaso, um tm produzdo d
Leia maisMODELOS DE REGRESSÃO PARA DADOS BINÁRIOS
MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS Introdução Intrss m modlar algum fnômno alatóro com dos dsfchos possívs ( sucsso ou fracasso ) m função d uma ou mas covarávs. Assoca-s ao rsultado do fnômno uma
Leia mais30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas
Dstrbuçõs Dscrtas Dstrbuçõs 30/09/05 Contínuas DISTRIBUIÇÃO DE PROBABILIDADE Dscrtas DISTRIBUIÇÃO BIOMIAL Bnomal Posson Consdramos n tntatvas ndpndnts, d um msmo prmnto alatóro. Cada tntatva admt dos rsultados:
Leia maissendo classificado como modelo de primeira ordem com (p) variáveis independentes.
RGRSSAO MULTIPLA - comlmtação Itrodução O modlo lar d rgrssão múltla é da forma: sdo classfcado como modlo d rmra ordm com () varávs ddts. od: é a varávl d studo (ddt, xlcada, rsosta ou dóga); é o cofct
Leia maisTeste do Qui-Quadrado( ) 2 x
Tst do Qui-Quadrado( ) Tst do Qui-Quadrado É usado quando qurmos comparar Frqüências Obsrvadas (F ) com Frqüências Espradas (F ). Divid-s m três tipos: Tst d adquação do ajustamnto Tst d adrência Tst d
Leia maisn = η = / 2 = 0, c
PTC4 - TEORIA DA COMUNICAÇÕE II - //5 - PJEJ REOLUÇÃO DA EGUNDA LITA DE EXERCÍCIO QUETÃO Consdr sstmas bnáros om transmssão d ormaçõs quprovávs λ >>. Compar os dsmpnhos om sm odfação dos sstmas a sgur,
Leia maisAnálise de dados industriais
Análs d dados ndustras Escola Poltécnca Dpartamnto d Engnhara Químca Robrto Guardan 014 ANÁLISE DE COMPONENES PRINCIPAIS 3.1. Introdução Componnts prncpas são combnaçõs lnars das varávs orgnas d procsso,
Leia maisRegressão logística politômica: revisão teórica e aplicações
Cêncas Naturas Exatas Rgrssão logístca poltômca: rvsão tórca aplcaçõs Hélo Radk Bttncourt Rsumo O tradconal modlo d rgrssão logístca tornou-s um método padrão d análs na ára das cêncas da saúd, spcalmnt
Leia maisAÇÕES BÁSICAS DE CONTROLE E CONTROLADORES AUTOMÁTICOS INDUSTRIAIS
Projto Rng - Eng. Elétrca Apostla d stmas d Control I V- &$3Ì78/ 9 AÇÕE BÁICA DE CONTROLE E CONTROLADORE AUTOMÁTICO INDUTRIAI Conform havíamos mnconado no Capítulo I, a busca da qualdad, fcênca prcsão
Leia mais1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Ára d uma Suprfíc
Leia maisEconometria: Regressão por Variáveis Instrumentais (VI)
Economtra: Rgrssão por Varávs Instrmntas VI Slds do crso d conomtra d Marco Cavalcant da Pontfíca Unvrsdad Católca do Ro d Janro PUC-Ro Smáro Motvação para o so d VI Prncpas casas do vés do stmador d MQO
Leia mais28 a Aula AMIV LEAN, LEC Apontamentos
8 a Aula 49 AMIV LEAN, LEC Apontamntos (RcardoCoutnho@mathstutlpt) 8 Exponncal d matrzs smlhants Proposção 8 S A SJS ond A, S J são matrzs n n,(comdt S 6 ), ntão A S J S Dmonstração Tmos A SJS, dond por
Leia mais/ d0) e economicamente (descrevendo a cadeia de causação
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 26 Macroconoma I º Smstr 27 Profssor Frnano Rugtsky Lsta Exrcícos [] Consr uma macroconoma scrta
Leia maisProblemas Numéricos: 1) Desde que a taxa natural de desemprego é 0.06, π = π e 2 (u 0.06), então u 0.06 = 0.5(π e π), ou u =
Capitulo 12 (ABD) Prguntas para rvisão: 5) Os formuladors d políticas dsjam mantr a inflação baixa porqu a inflação impõ psados custos sobr a conomia. Os custos da inflação antcipado inclum custos d mnu,
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO
II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO
II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício
Leia maisOscilações amortecidas
Oscilaçõs amortcidas Uso d variávl complxa para obtr a solução harmônica ral A grand vantagm d podr utilizar númros complxos para rsolvr a quação do oscilador harmônico stá associada com o fato d qu ssa
Leia maisGERADORES E RECEPTORES eléctricos
GADOS CPTOS léctrcos No momnto d lgarmos a chav d gnção, a batra fornc nrga léctrca ao motor d arranqu, pondo st m funconamnto. nrga químca nrga léctrca Quando um lmnto do crcuto é capaz d transformar
Leia maisEstudo de diversidade populacional: efeito da taxa de mutação
IA369 - Guwn & Von Zubn (s/98) Estuo vrsa populaconal: fto a taxa mutação. Ausênca prssão sltva ausênca mutação é assumo qu caa nvíuo a população é ao por um cromossomo hapló qu o crossovr é unform. um
Leia maisAlgumas distribuições de variáveis aleatórias discretas importantes:
Algumas distribuiçõs d variávis alatórias discrtas importants: Distribuição Uniform Discrta Enquadram-s aqui as distribuiçõs m qu os possívis valors da variávl alatória tnham todos a msma probabilidad
Leia maisEletrônica III (ELO III) Prof. Victor Sonnenberg PROGRAMA
ltrônca (LO ) Prof. ctor Sonnnbrg PROGRAMA 0. Aprsntação do programa da dscplna: Amplfcador Dfrncal. 0. Amplfcador Dfrncal xrcícos. Sdra 5 o d.- Cap. 7 - pag. 48 a 448. 03. Rsposta m Frqüênca d amplfcadors
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia mais/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P
26 a Aula 20065 AMIV 26 Exponncial d matrizs smlhants Proposição 26 S A SJS ntão Dmonstração Tmos A SJS A % SJS SJS SJ % S ond A, S J são matrizs n n ", (com dt S 0), # S $ S, dond ; A & SJ % S SJS SJ
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisCapítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b)
Capítulo Problma. Ω{C C C C C5 C R R R R R5 R} Od: Ccara Rcoroa 5 P 5 5 P 7 7 7 7 7 7 c Sm pos P j P P j j d 5 5 5 / / Problma. P 5 P 5 9 5 7 9 c Não pos P P P 9 d P / P / 5 P 5 P 5 Problma. Prchdo os
Leia maisPROPAGAÇÃO EM RÁDIO MÓVEL Prof. Waldecir J. Perrella. Desvanescimento em Pequena Escala e Multipercurso.
PROPAGAÇÃO EM RÁDIO MÓVEL Prof. Waldcr J. Prrlla Dsvanscmnto m Pquna Escala Multprcurso. Dsvanscmnto m pquna scala ou smplsmnt dsvancmnto (fadng), é usado para dscrvr a rápda flutuação da ampltud d um
Leia maisRI406 - Análise Macroeconômica
Fdral Univrsity of Roraima, Brazil From th SlctdWorks of Elói Martins Snhoras Fall Novmbr 18, 2008 RI406 - Anális Macroconômica Eloi Martins Snhoras Availabl at: http://works.bprss.com/loi/54/ Anális Macroconômica
Leia maisResolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra.
Dscplna: SComLMol Numann, Ulam Mtropols (945-947) Numann Ulam [945] prcbram qu problmas dtrmnístcos podm sr transormados num análogo probablístco qu pod sr rsolvdo com amostragm alatóra. Els studavam dusão
Leia maisUNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 26 Macroconoma I º Smstr 27 Príoo Durno Profssors: lbrto Tau Lma Pro arca Duart Lsta Exrcícos
Leia maisCap. 7. Princípio dos trabalhos virtuais
Cap. 7. Prncípo dos trabalhos vrtuas. Enrga d dformação ntrna. Dfnção prssupostos adoptados. Dnsdad da nrga d dformação ntrna.3 Caso partcular: L consttutva é rprsntada pla rcta.4 Enrga d dformação ntrna.
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Univrsidad Fdral d Minas Grais Instituto d Ciências Exatas Dpartamnto d Estatística Métodos Estatísticos Avançados m Epidmiologia Aula 2- Rgrssão Logística: Modlando Rspostas Dicotômicas Lmbrando... No
Leia maisλ, para x 0. Outras Distribuições de Probabilidade Contínuas
abilidad Estatística I Antonio Roqu Aula 3 Outras Distribuiçõs d abilidad Contínuas Vamos agora studar mais algumas distribuiçõs d probabilidads para variávis contínuas. Distribuição Eponncial Uma variávl
Leia mais2 x. ydydx. dydx 1)INTEGRAIS DUPLAS: RESUMO. , sendo R a região que. Exemplo 5. Calcule integral dupla. xda, no retângulo
Intgração Múltipla Prof. M.Sc. Armando Paulo da Silva UTFP Campus Cornélio Procópio )INTEGAIS DUPLAS: ESUMO Emplo Emplo Calcul 6 Calcul 6 dd dd O fato das intgrais rsolvidas nos mplos srm iguais Não é
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia mais5.10 EXERCÍCIO pg. 215
EXERCÍCIO pg Em cada um dos sguints casos, vriicar s o Torma do Valor Médio s aplica Em caso airmativo, achar um númro c m (a, b, tal qu (c ( a - ( a b - a a ( ; a,b A unção ( é contínua m [,] A unção
Leia maisModelosProbabilísticos paravariáveis Discretas. Modelo de Poisson
ModlosProbabilísticos paravariávis Discrtas Modlo d Poisson Na aula passada 1 Dfinimos o concito d modlo probabilístico. 2 Aprndmos a utilizar o Modlo Binomial. 3 Vimos como o Modlo Binomial pod facilitar
Leia maisTransistor Bipolar de Junção TBJ Cap. 4 Sedra/Smith Cap. 8 Boylestad Cap. 11 Malvino
Trantor Bpolar d Junção TBJ Cap. 4 Sdra/Smth Cap. 8 Boyltad Cap. 11 Malno Amplfcador BC CC Nota d Aula SEL 313 Crcuto Eltrônco 1 Part 7 1 o Sm/216 Prof. Manol Amplfcador m Ba-Comum ( BC ) Nta confguração,
Leia maisEstatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade
Estatístca ultvarada Normal ultvarada Função dnsdad conjunta contorno d robabldad Prof. José Francsco orra Pssanha rofssorjfm@hotmal.com Dstrbução normal unvarada Sja uma varávl alatóra normalmnt dstrbuída
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisEstatística II. Aula 8. Prof. Patricia Maria Bortolon, D. Sc.
Estatística II Aula 8 Pro. Patricia Maria Bortolon, D. Sc. Tsts Qui Quadrado Objtivos da Aula 8 Nsta aula, você aprndrá: Como quando utilizar o tst qui-quadrado para tablas d contingência Como utilizar
Leia maisTÓPICOS. ordem; grau; curvas integrais; condições iniciais e fronteira. 1. Equações Diferenciais. Conceitos Gerais.
Not bm, a litura dsts apontamntos não dispnsa d modo algum a litura atnta da bibliografia principal da cadira hama-s à atnção para a importância do trabalho pssoal a ralizar plo aluno rsolvndo os problmas
Leia maisRepresentação de Números no Computador e Erros
Rprsntação d Númros no Computador Erros Anális Numérica Patrícia Ribiro Artur igul Cruz Escola Suprior d Tcnologia Instituto Politécnico d Stúbal 2015/2016 1 1 vrsão 23 d Fvriro d 2017 Contúdo 1 Introdução...................................
Leia maisTESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Leia maisEnunciados equivalentes
Lógica para Ciência da Computação I Lógica Matmática Txto 6 Enunciados quivalnts Sumário 1 Equivalência d nunciados 2 1.1 Obsrvaçõs................................ 5 1.2 Exrcícios rsolvidos...........................
Leia maisPág Circunferência: ( ) ( ) 5.4. Circunferência: ( ) ( ) A reta r passa nos pontos de coordenadas (0, 1) e (2, 2).
Númros complxos Atvdad d dagnóstco AB + + + AB ( ) ( ) ( ) + + + 9+ A, ; B, ; P x, y Pág AP BP x+ y x + y + x + x + + y x + x x + + y + x + yx y x A bsstr dos quadrants ímpars é a mdatr d [AB] B(, ) ;
Leia maisANOVA Modelos de Efeitos Aleatórios
O Modlos d Eftos latóros Modlos d Eftos latóros Ex. Tmpratura Corporal (ºC d mas Rpl 3 4 5 6 3 5 8 3 8 8 7 3 3 5 4 4 9 8 4 9 7 3 3 Obtvo do Exprmto: Estmar a tmpratura corporal dos amas d crta spéc m codçõs
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisAnálise Matemática IV
Anális Matmática IV Problmas para as Aulas Práticas Smana 7 1. Dtrmin a solução da quação difrncial d y d t = t2 + 3y 2 2ty, t > 0 qu vrifica a condição inicial y(1) = 1 indiqu o intrvalo máximo d dfinição
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisVOLUME DE PRODUÇÃO, PREÇOS E A DECISÃO DE COMERCIALIZAÇÃO INFORMAL DO LEITE: UM ESTUDO NO ESTADO DO RIO DE JANEIRO
VOLUME DE PRODUÇÃO, PREÇOS E A DECISÃO DE COMERCIALIZAÇÃO INFORMAL DO LEITE: UM ESTUDO NO ESTADO DO RIO DE JANEIRO Volum d produção, prços a dcsão d comrcalzação... 405 Producton volum, prcs and th dcson
Leia maisA trajetória sob a ação de uma força central inversamente proporcional ao quadrado da distância
A trajtória sob a ação d uma força cntral invrsamnt proporcional ao quadrado da distância A força gravitacional a força ltrostática são cntrais proporcionais ao invrso do quadrado da distância ao cntro
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisPág , isto é, é o número Pretende-se mostrar que x [ ] f ( x) Seja h a restrição da função f ao intervalo ],0].
Fca d tst global Dado um spaço d rsultados E, fnto, s os acontcmntos lmntars form quprovávs, a probabldad d um acontcmnto A ( E quocnt nr o númro d casos favorávs ao Pág P, é gual ao acontcmnto A o númro
Leia maisComparação entre Gráficos de Controle para Resíduos de Modelos
Comparação ntr Gráfcos d Control para Rsíduos d Modlos Danlo Cuzzuol Pdrn (PPGEP/UFRGS) danlo@producao.ufrgs.br Carla Schwngbr tn Catn (PPGEP/UFRGS) tncatn@producao.ufrgs.br Rsumo: Os gráfcos d control
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisa) (0.2 v) Justifique que a sucessão é uma progressão aritmética e indique o valor da razão.
MatPrp / Matmática Prparatória () unidad tra curricular / E-Fólio B 8 dzmbro a janiro Critérios d corrção orintaçõs d rsposta Qustão ( val) Considr a sucssão d númros rais dfinida por a) ( v) Justifiqu
Leia maisONDAS ELETROMAGNÉTICAS EM MEIOS CONDUTORES
LTROMAGNTISMO II 3 ONDAS LTROMAGNÉTICAS M MIOS CONDUTORS A quação d onda dduida no capítulo antrior é para mios sm prdas ( = ). Vamos agora ncontrar a quação da onda m um mio qu aprsnta condutividad não
Leia maisMicroeconomia II. Prof. Elaine Toldo Pazello. Capítulo 24
Microconomia II Rsolução 4 a Lista d Exrcícios Prof. Elain Toldo Pazllo Capítulo 24 1. Exrcícios 2, 3, 4, 7, 8, 9, 11 12 do Capítulo 24 do Varian. s no final do livro. 2. Uma mprsa monopolista opra com
Leia mais3 O Método Híbrido dos Elementos de Contorno e sua formulação simplificada aplicados a problemas estáticos em domínio infinito e multiplamente conexo
3 O Método Hírdo dos Elmntos d Contorno sua formulação smplfcada aplcados a prolmas státcos m domíno nfnto multplamnt conxo A valdad d amas as formulaçõs hírdas aprsntadas no capítulo antror stá na possldad
Leia maisPrincipais Modelos Contínuos
rincipais Modlos Contínuos . Modlo uniform Uma v.a. contínua tm distribuição uniform com parâmtros < s sua função dnsidad d probabilidad é dada por c c f. 0. Var E F 0 0 A função d distribuição acumulada
Leia maisDocumentos Técnico-Científicos. Resumo. Palavras-chave: Paulo Amilton Maia Leite Filho. Adriano Nascimento da Paixão.
Documntos Técnco-Cntífcos Estmação da Dsposção a Pagar Plos Srvços d Abastcmnto d Água Esgotamnto Santáro d João Pssoa-PB, Utlzando o Método d Avalação Contngnt Paulo Amlton Maa Lt Flho. * Profssor do
Leia mais1.1 O Círculo Trigonométrico
Elmntos d Cálculo I - 06/ - Drivada das Funçõs Trigonométricas Logarítmicas Prof Carlos Albrto S Soars Funçõs Trigonométricas. O Círculo Trigonométrico Considrmos no plano a cirncunfrência d quação + =,
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisDeformações devidas a carregamentos verticais
Dformaçõs dvdas a carrgamntos vrtcas GEOTECNIA II SLIDES 07 Prof. MSc. Douglas M. A. Bttncourt prof.douglas.pucgo@gmal.com Rcalqus dvdo a carrgamntos na suprfíc Exmplos: Rcalqus d fundaçõs (sapatas ou
Leia maisAula 25: O Amplificador Emissor Comum com Resistor de Emissor (EC c/ R E ) (p )
ula 25: O mplfcado Emsso Comum com ssto d Emsso (EC c/ E ) (p.293-295) 160 160 Eltônca I PSI3321 Pogamação paa a Sgunda Poa (cont.) Sda, Cap. 5 p. 246 + 264-269 21ª 02/06 náls cc d ccutos com tansstos,
Leia maisMATRIZES 04) (FATEC-SP) Seja A a ij uma matriz quadrada de . Nessas ordem 2 tal que
MATRIZES www.profssortnan.com.br 0) (PUC) A matrz A d ordm dfnda por a. é dada por: 4 6 4 6 b) 4 4 6 4 6 ) 0) (UFBA) A matrz, com 0 4 b) 0 4 0 ) 4 a, s, é: a, s 0) S A ( a ) é a matrz quadrada d ordm,
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisTransistor de junção bipolar Sedra & Smith, 4 a edição, capítulo 4
ransstor d junção bpolar Sdra & Smth, 4 a dção, capítulo 4 http://c-www.colorado.du/~bart/book/book/toc5.htm ransstor npn ransstor d junção bpolar () ransstor pnp Fgura 4. Estrutura smplfcada do transstor
Leia maisFenômenos de adsorção em interfaces sólido/solução. Fenômenos de adsorção em interfaces sólido/solução
Fnômnos d adsorção m Construção modlagm d isotrmas d adsorção no quilíbrio químico Fnômnos d adsorção m Para procssos qu ocorrm no quilíbrio químico, podm-s obtr curvas d adsorção, ou isotrmas d adsorção,
Leia maisUNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Departamento de Economia
UNIVERSIDADE DE SÃO PAULO Faculdad d Economia, Administração Contabilidad d Ribirão Prto Dpartamnto d Economia Nom: Númro: REC200 MICROECONOMIA II PRIMEIRA PROVA (20) () Para cada uma das funçõs d produção
Leia maisUNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Departamento de Economia
UNIVERSIDADE DE SÃO PAULO Faculdad d Economia, Administração Contabilidad d Ribirão Prto Dpartamnto d Economia Nom: Númro: REC00 MICROECONOMIA II PRIMEIRA PROVA (0) () Para cada uma das funçõs d produção
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisTRANSMISSÃO DE CALOR II. Prof. Eduardo C. M. Loureiro, DSc.
TRANSMISSÃO DE CALOR II Prof. Eduardo C. M. Lourro, DSc. ANÁLISE TÉRMICA Dtrmnação da ára rqurda para transfrr o calor, numa dtrmnada quantdad por undad d tmpo, dadas as vlocdads d scoamnto as tmpraturas
Leia maisRESOLUÇÃO. Revisão 03 ( ) ( ) ( ) ( ) 0,8 J= t ,3 milhões de toneladas é aproximadamente. mmc 12,20,18 = 180
Rvisão 03 RESOLUÇÃO Rsposta da qustão : Sndo XA = AB = K = HI = u, sgu qu 3 Y = X+ 0u = + 0u 6 u =. 5 Rsposta da qustão 6: Considr o diagrama, m qu U é o conjunto univrso do grupo d tradutors, I é o conjunto
Leia maisGeometria Analítica - Aula
Gomtria Analítica - Aula 0 60 K. Frnsl - J. Dlgado Aula 1 1. Rotação dos ixos coordnados Sja OXY um sistma d ixos ortogonais no plano sja O X Y o sistma d ixos obtido girando os ixos OX OY d um ângulo
Leia maisControlo do volume celular
Modlos dos Procssos Fsológcos no Homm Mao 2005 Controlo do volum clular santos_armanda@hotmal.com Armanda Santos Inês Alxo Joana Gós Rosmyr Cordro Sumáro Modlo smpls do controlo do volum clular: - Prssão
Leia maisRazão e Proporção. Noção de Razão. 3 3 lê-se: três quartos lê-se: três para quatro ou três está para quatro
Razão Proporção Noção d Razão Suponha qu o profssor d Educação Física d su colégio tnha organizado um tornio d basqutbol com quatro quips formadas plos alunos da ª séri. Admita qu o su tim foi o vncdor
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia mais3º) Equação do tipo = f ( y) dx Solução: 2. dy dx. 2 =. Integrando ambos os membros, dx. dx dx dy dx dy. vem: Ex: Resolva a equação 6x + 7 = 0.
0 d º) Equação do tipo: f ) d Solução: d d d d f ) f ) d f ) d. Intgrando ambos os mmbros d d d d vm: d d f ) d C d [ f ) d C ]d [ f ) d C] d C d E: Rsolva a quação 6 7 0 d d d º) Equação do tipo f ) :
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisDefinição de Termos Técnicos
Dfinição d Trmos Técnicos Eng. Adriano Luiz pada Attack do Brasil - THD - (Total Harmonic Distortion Distorção Harmônica Total) É a rlação ntr a potência da frqüência fundamntal mdida na saída d um sistma
Leia maisCAPÍTULO 3 TÉCNICAS USADAS NA DISCRETIZAÇÃO. capítulo ver-se-á como obter um sistema digital controlado através de técnicas
3 CAPÍTULO 3 TÉCNICAS USADAS NA DISCRETIZAÇÃO A técnca uada para obtr um tma dgtal controlado nctam, bacamnt, da aplcação d algum método d dcrtação. Matmatcamnt falando, pod- obrvar qu o método d dcrtação
Leia maisEscola Politécnica da Universidade de São Paulo. Departamento de Engenharia de Estruturas e Fundações
Escola Politécnica da Univrsidad d São Paulo Dpartamnto d Engnharia d Estruturas Fundaçõs Laboratório d Estruturas Matriais Estruturais Extnsomtria létrica III Notas d aula Dr. Pdro Afonso d Olivira Almida
Leia maisCálculo Numérico. Integração Numérica. Prof: Reinaldo Haas
Cálculo Numérico Intgração Numérica Pro: Rinaldo Haas Intgração Numérica Em dtrminadas situaçõs, intgrais são diícis, ou msmo impossívis d s rsolvr analiticamnt. Emplo: o valor d é conhcido apnas m alguns
Leia maisModelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.
Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados
Leia maisFILTROS. Assim, para a frequência de corte ω c temos que quando g=1/2 ( )= 1 2 ( ) = 1 2 ( ) e quando = 1 2
FILTROS Como tmos visto, quando tmos lmntos rativos nos circuitos, as tnsõs sobr os lmntos d um circuitos m CA são dpndnts da frquência. Est comportamnto m circuitos montados como divisors d tnsão prmit
Leia maisResoluções dos exercícios propostos
da físca 3 Undad C Capítulo 15 Indução ltromagnétca soluçõs dos xrcícos propostos 1 P.368 D L v, vm: 0,5 0, 1 5 2 V P.369 D L v, vm: 15 6 1 20 3 4 V P.370 a) L v 1,5 0,40 2 1,2 V b) 1,2 2 0,6 Pla rgra
Leia maisEscola Secundária com 3º ciclo D. Dinis. 10º Ano de Matemática A. Geometria no Plano e no Espaço I. Tarefa Intermédia 8. Grupo I
Escola Scundária com 3º ciclo D. Dinis 10º Ano d Matmática A Gomtria no Plano no Espaço I Tarfa Intrmédia 8 Grupo I As três qustõs do Grupo I são d scolha múltipla. Slccion, para cada uma dlas, a ltra
Leia mais4.1 Método das Aproximações Sucessivas ou Método de Iteração Linear (MIL)
4. Método das Aproimaçõs Sucssivas ou Método d Itração Linar MIL O método da itração linar é um procsso itrativo qu aprsnta vantagns dsvantagns m rlação ao método da bisscção. Sja uma função f contínua
Leia maisMemorize as integrais imediatas e veja como usar a técnica de substituição.
Blém, d maio d 0 aro aluno, om início das intgrais spro qu vocês não troqum as rgras com as da drivada principalmnt d sno d sno. Isso tnho dito assim qu comçamos a studar drivada, lmbra? Mmoriz as intgrais
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia mais