Intervalos de confiança para rendas vitalícias: aplicação a fundos de pensões
|
|
- Alícia Gil Belmonte
- 7 Há anos
- Visualizações:
Transcrição
1 Intervalos de confiança para rendas vitalícias: aplicação a fundos de pensões CIDÁLIA TOMÁS LOURDES AFONSO PEDRO CORTE REAL This presentation has been prepared for the V IBERIAN CONGRESS LISBOA 2016 IAP wishes it to be understood that opinions put forward herein are not necessarily those of the IAP is not responsible, the author is the only responsible for those opinions.
2 OBJETIVO GERAL Estabelecer intervalos de confiança para rendas vitalícias OBJETIVOS ESPECÍFICOS Identificar e apresentar uma nova ferramenta de análise a utilizar para os cálculos atuariais; Aplicar esta ferramenta à avaliação das responsabilidades de um plano de pensões;
3 MORTALIDADE Tempo de vida futura T v.a. que representa o tempo de vida futura de um indivíduo de idade x x + T será a idade da morte de (x) Função de distribuição: G t = Pr T t, t 0 Probabilidade de x morrer nos próximos t anos: tq x = G t Probabilidade de x sobreviver aos próximos t anos: tp x = 1 G t
4 MORTALIDADE Tempo de vida futura em anos completos variável aleatória K = [T] função de distribuição: Pr K = k = Pr k T < k + 1 = k p x q x+k para k = 0,1,2
5 RENDAS Rendas certas i taxa de capitalização v taxa de atualização Tem-se a relação i = 1 1+i Renda certa antecipada aሷ n = 1 + v + v v n 1 = 1 vn 1 v Renda certa postecipada a n = v + v v n = ሷ a n 1 + v n = 1 vn i
6 RENDAS Rendas vitalícias Renda antecipada de termos constantes aሷ x = 1 + v p x + v 2 2p x + v 3 3p x + + v ω x ω xp x Renda postecipada de termos constantes ω x a x = v p x + v 2 2p x + v 3 3p x + + v ω x ω xp x = v k kp x k=1
7 RENDAS Rendas vitalícias Renda antecipada de termos em progressão geométrica Gaሷ θ x = θ v p x θ 2 v 2 2p x θ ω x v ω x ω xp x ω x = k=0 1 + θ k v k kp x Renda postecipada de termos em progressão geométrica Ga θ x = v p x θ v 2 2p x θ 2 v 3 3p x + ω x θ ω x 1 v ω x ω xp x = 1 + θ k 1 v k kp x k=1
8 RELAÇÕES ENTRE VARIÁVEIS ALEATÓRIAS E RENDAS VITALÍCIAS Seguro de vida inteira Pagamento em caso de morte de (x) Capital seguro de 1 u.m. pago no final do ano em que a morte ocorre. Considerando a v.a. K o tempo de vida futura em anos completos, o seu valor atual será então e Pr Z = v k+1 Z = v K+1 = Pr K = k = k p x q x+k
9 RELAÇÕES ENTRE VARIÁVEIS ALEATÓRIAS E RENDAS VITALÍCIAS Seguro de vida inteira Assim, o prémio desta modalidade de seguro denotado por A x, será A x = E Z = E v K+1 = v k+1 kp x q x+k e, E Z 2 k=0 = (v 2 ) k+1 kp x q x+k k=0 Var Z = E Z 2 A x 2
10 RELAÇÕES ENTRE VARIÁVEIS ALEATÓRIAS E RENDAS VITALÍCIAS Considerando a v.a. K definida como o tempo de vida futura em anos completos Y = 1 + v + v 2 + v v K = aሷ K+1 = 1 vk+1 1 v = 1 Z 1 v Então aሷ x será o valor esperado de Y E Y = E 1 Z 1 v = 1 E(Z) 1 v = 1 A x 1 v = ሷ a x
11 RELAÇÕES ENTRE VARIÁVEIS ALEATÓRIAS E RENDAS VITALÍCIAS Basta redefinir a v.a. Y para que chegar a outros resultados Y = 1 + rv + r 2 v r K v K r = (Ga) ሷ K+1 Y = 1 + v 1 + v v K 1 = aሷ K+1 = 1 v 1 K+1 = 1 rk+1 v K+1 1 v 1 1 rv E Y = E 1 (rv)k+1 1 rv = 1 σ k=0 (rv) k+1 kp x q x+k 1 rv
12 Teorema Limite Central de Lyapunov Seja X 1,, X n uma sucessão de variáveis aleatórias independentes e que E X i e = μ i V X i = σ i 2 < e pelo menos um com dos σ i 2 maior que zero. Sejam S n = X 1 + X X n e s 2 n = σ n i=1 verificar, isto é, se existir um δ > 0 tal que, σ i 2. Se a condição de Lyapunov se 1 n s n 2+δ i=1 E( X i μ i 2+δ ) 0 quando n então garante-se que, σ n i=1 X i σ n i=1 σ n 2 i=1 σ i μ i a N 0, 1
13 Intervalos de confiança para uma faixa etária T x - valor atual das pensões em pagamento para um grupo de n indivíduos com idade x e pensão P i Sendo Y i a v.a. definida anteriormente, tem-se n n T x = X i = P i Y i i=1 i=1 Assim, pelo Teorema Limite Central de Lyapunov T x E(T x ) V(T x ) a N(0, 1)
14 Intervalos de confiança para uma faixa etária Desta forma pode obter-se o seguinte intervalo de confiança 1 100% para T x : E T x z V T 2 x T x E T x + z 2 V T x n i=1 P i aሷ x z 2 n i=1 P i 2 1 (1 v) 2 V Z T x n i=1 P i aሷ x + z 2 n i=1 2 1 P i (1 v) 2 V Z
15 Intervalos de confiança para toda a população T total - valor atual das pensões em pagamento para uma população formada por k subgrupos, cada um correspondente à faixa etária k, com n xk indivíduos de idade x k e pensão P i,xk Assim, w n xk w T = P Y = i,xk i,xk k=0 i=1 k=0 T xk Pelo Teorema Limite Central de Lyapunov, tem-se T E(T) V(T) a N(0, 1)
16 Intervalos de confiança para toda a população Pode-se então, construir um intervalo de confiança 1 100% para T total : E T total z V T 2 total T total E T total + z 2 V T total
17 Caso Prático
18 IC faixa etária Faixa etária de 65 anos com 52 indivíduos e pensão média
19 IC faixa etária Faixa etária de 65 anos com 52 indivíduos e pensão média Intervalo com coeficiente de confiança 95%
20 IC VAPP População de pensionistas dos 60 a 102 anos com 827 indivíduos.
21 IC VAPP População de pensionistas dos 60 a 102 anos com 827 indivíduos.
22 IC VAPP População de pensionistas dos 60 a 102 anos com 827 indivíduos. Intervalo com coeficiente de confiança 95%
23 Outras Aplicações
24 Responsabilidade Actuarial Intervalo Predição 95% Responsabilidade Actuarial Limite Inferior Responsabilidade Actuarial Responsabilidade Actuarial Limite Superior Responsabilidade Actuarial
25 Contribuição Normal Intervalo Predição 95% Contribuição Normal Limite Inferior Contribuição Normal Contribuição Normal Limite Superior Contribuição Normal
26 Referências
Intervalos de confiança para rendas vitalícias: aplicação a fundos de pensões
Cidália Margarida Machado Tomás Licenciada em Matemática Intervalos de confiança para rendas vitalícias: aplicação a fundos de pensões Dissertação para obtenção do Grau de Mestre em Matemática e Aplicações
Leia maisPráticas Atuariais em Seguros e Pensões. 5. Provisões Técnicas Thaís Paiva
Práticas Atuariais em Seguros e Pensões 5. Provisões Técnicas Thaís Paiva thaispaiva@est.ufmg.br Provisões de Prêmios para Seguros de Longo Prazo Práticas Atuariais 5. Provisões Técnicas 1 / 18 Provisões
Leia maisAvaliação de Responsabilidades em Fundos de Pensões
Avaliação de Responsabilidades em Fundos de Pensões LOURDES AFONSO 2013 1 Teoria do Ciclo de Vida A poupança para a reforma decorre do desejo individual de manter um padrão estável de consumo ao longo
Leia maisCE085 - Estatística Inferencial. derivadas. Prof. Wagner Hugo Bonat. 5 de setembro de Curso de Bacharelado em Estatatística
CE085 - Estatística Inferencial Função de Verossimilhança e suas derivadas Prof. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação - LEG Curso de Bacharelado em Estatatística Universidade Federal
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Leia maisTábuas de Vida Aula 3
Tábuas de Vida Aula 3 Marina Silva Paez (IM, UFRJ) Baseado no material de aulas do livro Análise de Sobrevivência: teoria e aplicações em saúde, Ed. Fiocruz e no material de aulas do curso Tábuas de Mortalidade
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisCE Estatística I
CE 002 - Estatística I Agronomia - Turma B Professor Walmes Marques Zeviani Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná 1º semestre de 2012 Zeviani,
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisVARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
Leia maisAula 4. Aula de hoje. Aula passada
Aula 4 Aula passada Função de distribuição Bernoulli Sequência de v.a. Binomial, Geométrica, Zeta Valor esperado Variância Distribuição conjunta Independência de v.a. Aula de hoje Valor esperado condicional
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisESTATÍSTICA I Variáveis Aleatórias Variáveis Aleatórias Discretas. Helena Penalva 2006/2007
ESTATÍSTICA I Variáveis Aleatórias 1 Definição: A uma função X de domínio Ω com valores em Ñ X:Ω Ñ, ω X(ω)=x, chamamos variável aleatória (v.a.) em Ω. Ao contradomínio da função X, designaremos por V X
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisIntervalos de Confiança
Intervalos de Confiança Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016 1 2 Teorema do Limite Central Se amostras de tamanho n
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisTábuas de Mortalidade Contemporâneas e Prospectivas
Tábuas de Mortalidade Contemporâneas e Prospectivas Melânia Carvalho Faculdade de Ciência Universidade do Porto melania.carvalho@i2s.pt/up200902689@fc.up.pt 03 de outubro de 2013 Melânia Carvalho (FCUP)
Leia mais3 3. Variáveis Aleatórias
ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50
Leia maisNome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 09.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisPRINCÍPIOS DE COMUNICAÇÃO
PRINCÍPIOS DE COMUNICAÇÃO RUÍDO EM MODULAÇÕES ANALÓGICAS Evelio M. G. Fernández - 2011 Processo Aleatório (ou Estocástico): Função aleatória do tempo para modelar formas de onda desconhecidas. Processos
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisNome: N o : Espaço reservado a classificações
ESTATÍSTICA I 2 o Ano/Gestão 1 o Semestre Época Normal Duração: 2 horas 1 a Parte Teórica N o de Exame: abcde 03.Jan.11 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação: 8 valores).
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisEnquadramento CAPÍTULO II RENDAS CAPÍTULO II RENDAS. Cálculo Financeiro * Francisco Antunes. Cálculo Financeiro * Francisco Antunes
CAPÍTULO II RENDAS Cálculo Financeiro * Francisco Antunes CAPÍTULO II RENDAS Cálculo Financeiro * Francisco Antunes Enquadramento Regime de Juro Composto Sabe-se que utilizando o factor de actualização
Leia maisAULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia mais5 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 5 a Lista de PE Solução. Sejam X A e X B o números de jogos que o time ganha contra times da classe A e da classe B respectivamente. Claramente X A
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisEstatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Leia maisDemonstração. Ver demonstração em [1]. . Para que i j se tem µ i µ j? Determine a derivada no sentido de Radon-Nikodym em cada caso.
Proposição 2.39 (Propriedades de e.). Sejam µ, λ, λ 1, λ 2 medidas no espaço mensurável (X, F). Então 1. se λ 1 µ e λ 2 µ então (λ 1 + λ 2 ) µ. 2. se λ 1 µ e λ 2 µ então (λ 1 + λ 2 ) µ. 3. se λ 1 µ e λ
Leia maisUNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE CIÊNCIAS EXATAS
1 1) Seja X uma variável aleatória com função de densidade dada por: Pede-se: f (x) = e 2 1 (, )(x) 1.1) Qual a distribuição da variável aleatória Y = X? 1.2) Encontre o valor esperado da variável Y. 2
Leia maisEstatística aplicada a ensaios clínicos
Estatística aplicada a ensaios clínicos RAL - 5838 Luís Vicente Garcia lvgarcia@fmrp.usp.br Faculdade de Medicina de Ribeirão Preto Estatística aplicada a ensaios clínicos aula 8 amostragem amostragem
Leia maisFilipe Ribeiro, Universidade de Évora/MPIDR Trifon I. Missov, MPIDR José Gonçalves Dias, Instituto Universitário de Lisboa (ISCTE-IUL) Maria Filomena
Filipe Ribeiro, Universidade de Évora/MPIDR Trifon I. Missov, MPIDR José Gonçalves Dias, Instituto Universitário de Lisboa (ISCTE-IUL) Maria Filomena Mendes, Universidade de Évora Introdução 1940 Frequente
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisIntervalos de Confiança
Intervalos de Confiança Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques e Nuno Bastos (DepMAT) Intervalos de Confiança 2010/2011 1 / 33 Introdução
Leia maisTécnicas Atuariais II 15. Múltiplos Decrementos 1 / 22
Técnicas Atuariais II 15. Múltiplos Decrementos Thaís Paiva thaispaiva@est.ufmg.br Departamento de Estatística Universidade Federal de Minas Gerais Técnicas Atuariais II 15. Múltiplos Decrementos 1 / 22
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 27 de setembro de 2017 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] +
Leia maisDistribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ
Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
Leia maisDistribuies de Probabilidade
Distribuies de Probabilidade Roberto Imbuzeiro M. F. de Oliveira 23 de Março de 2009 Resumo Exerçícios sobre as distribuições de v.a. s. 1 Toda variável aleatória real é uniforme Seja X : Ω R com função
Leia maisMAE0212 Introdução à Probabilidade e Estatística II
MAE01 Introdução à Probabilidade e Estatística II Gabarito-Lista 3 Exercicio 1 (a) Cada X i N(µ, σ ). Tamanho da amostra n = 9, desvio padrão σ =. A amostra é: 4.9, 7.0, 8.1, 4.5, 5.6, 6.8, 7., 5.7, 6..
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia maisi. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ?
Fundação Getulio Vargas Curso: Graduação Disciplina: Estatística Professor: Moisés Balassiano Lista de Exercícios Inferência. Seja (Y, Y 2,..., Y n ) uma amostra aleatória iid, de tamanho n, extraída de
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época de Recurso Duração: 2 horas. 1. a Parte Teórica N. o de Exame: RESOLUÇÃO
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época de Recurso Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 27.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE ENGENHARIA DE PRODUÇAO E SISTEMAS
UIVERSIDADE FEDERAL DE SATA CATARIA DEPARTAMETO DE EGEHARIA DE PRODUÇAO E SISTEMAS EPS 5102 ITRODUÇÃO À PESQUISA OPERACIOAL TRABALHO GABARITO PROF. SÉRGIO MAYERLE 1. AÁLISE DA DEMADA (COSUMO DIÁRIO) Sejam
Leia maisTeorema central do limite e es/mação da proporção populacional p
Teorema central do limite e es/mação da proporção populacional p 1 RESULTADO 1: Relembrando resultados importantes Seja uma amostra aleatória de tamanho n de uma variável aleatória X, com média µ e variância
Leia maisEELT-7035 Processos Estocásticos em Engenharia. Variáveis Aleatórias. EELT-7035 Variáveis Aleatórias Discretas. Evelio M. G.
EELT-7035 Processos Estocásticos em Engenharia Variáveis Aleatórias Discretas 21 de março de 2019 Variáveis Aleatórias Variável aleatória, X( ): função que mapeia o espaço amostral (S) em números pertencentes
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisGestão de Riscos e Investimentos
Generalizando o modelo... Investimento inicial: Taxa de retorno: R W Valor final da carteira no horizonte considerado: Retorno esperado: Volatilidade do retorno: E R Menor valor final da carteira no nível
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisNome: N. o : 7. Total
ESTATÍSTICA I 2. o Ano/Gestão 2. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: 14231 05.06.2015 Nome: N. o : TEÓRICA Espaço reservado a classicações PRÁTICA EM 1.a) 2.a) 3.a)
Leia mais3. Considere uma amostra aleatória de tamanho 7 de uma normal com média 18. Sejam X e S 2, a média e a variância amostral, respectivamente.
1 Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Professores: Clarice Demétrio, Roseli Leandro e Mauricio Mota Lista 3- Distribuições Amostrais-
Leia maisCarla Jardim Dias. Um modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo. Dissertação de Mestrado
Carla Jardim Dias Um modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de
Leia maisPROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA B DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 735) 2ª FASE 18 DE JULHO 2013 GRUPO I
PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA B DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 735) ª FASE 18 DE JULHO 013 GRUPO I 1.1. Como o professor não abriu a porta com a primeira chave, ficou com duas chaves
Leia maisROTEIRO DE ESTUDOS: conteúdo parcial da disciplina FUNDAMENTOS DE MATEMÁTICA FINANCEIRA
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ENGENHARIA FLORESTAL Disciplina: DEF 06423 Economia da Engenharia Prof. Wendel Andrade ROTEIRO DE ESTUDOS: conteúdo parcial
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma
Leia maisUma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
Leia mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Teorema Central do Limite (TCL) Se y 1, y 2,...,
Leia maisConteúdo Teórico: 04 Esperança
ACH2053 Introdução à Estatística Conteúdo Teórico: 04 Esperança Marcelo de Souza Lauretto Sistemas de Informação EACH www.each.usp.br/lauretto Referência: Morris DeGroot, Mark Schervish. Probability and
Leia maisInferência Estatística
Inferência Estatística Estimação Intervalar Média e Proporção Estimação Pontual x Estimação Intervalar Exemplo Inicial: Um estudo pretende estimar o valor de µ, a renda média familiar dos alunos da UFMG.
Leia maisWORKSHOP FENASAÚDE IMPORTÂNCIA DO CÁLCULO DO PREÇO ATUARIALMENTE JUSTO E A NECESSIDADE DO REAJUSTE PARA O EQUILÍBRIO DOS CONTRATOS
WORKSHOP FENASAÚDE IMPORTÂNCIA DO CÁLCULO DO PREÇO ATUARIALMENTE JUSTO E A NECESSIDADE DO REAJUSTE PARA O EQUILÍBRIO DOS CONTRATOS Paulo Pereira Ferreira - UFRJ Importância do Preço Justo Conceito básico
Leia maisNome: N. o : 7. Total
ESTATÍSTICA I. o Ano/Gestão. o Semestre Época Normal Duração: horas 1. a Parte Teórica N. o de Exame: 1431 5.6.14 Nome: N. o : TEÓRICA Espaço reservado a classicações PRÁTICA EM 1.a.a 3.a 4.a 6. 1.b.b
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS Um dos principais objetivos da estatística inferencial consiste em estimar os valores de parâmetros populacionais desconhecidos (estimação de parâmetros) utilizando dados amostrais.
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 2 3 4 5 6 7 8 9 0 2 3 4 5 e 6 Introdução à probabilidade (eventos, espaço
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #04 de Probabilidade: 26/10/2018 1 Variáveis Aleatórias Contínuas De modo informal as variáveis aleatórias são contínuas quando resultam de algum tipo
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisTeoria da Estimação. Fabricio Goecking Avelar. junho Universidade Federal de Alfenas - Instituto de Ciências Exatas
Teoria da Estimação Fabricio Goecking Avelar Universidade Federal de Alfenas - Instituto de Ciências Exatas junho - 2018 Algumas distribuições importantes Sumário 1 Algumas distribuições importantes 2
Leia maisProf. Eduardo Bezerra. 6 de abril de 2018
Distribuições Amostrais Prof. Eduardo Bezerra Inferência Estatística 6 de abril de 2018 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 19 Roteiro 1 2 3 Eduardo Bezerra (CEFET/RJ) Distribuições
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia maisIntervalos de Confiança
Intervalos de Confiança Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Estimar o consumo médio de um automóvel, estimar o tempo médio que um funcionário leva a aprender uma
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisVariáveis Aleatórias
Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : Ω A, em que A R. Esquematicamente As variáveis aleatórias
Leia maisEstimativas e Tamanhos de Amostras
Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para
Leia maisIndexando permutações
Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio Indexando permutações Uma permutação é uma função
Leia maisESTATÍSTICA I - 2º ano / Lic. Gestão - 2º sem 31/5/2011
ESTATÍSTICA I - º ano / Lic. Gestão - º sem /5/0 Época Normal - Parte Teórica (duração da parte teórica 40 minutos) Cotação da Parte Teórica: 8 Valores. Nesta parte as respostas são dadas no espaço a seguir
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisInferência Estatística:
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 8: Intervalos
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 25 de abril de 2016 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] + + E[X
Leia mais1 [20] a) [10] Defina, inclusive com equações, a temperatura virtual. b) [10] Defina, inclusive com equações, a temperatura potencial.
EAMB73 Camada-Limite Atmosférica Programa de Pós-Graduação em Engenharia Ambiental Departamento de Engenharia Ambiental, UFPR P3, 27 Mai 219 Prof. Nelson Luís Dias Declaro que segui o código de ética do
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisAula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos
Aula 2 ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos 1. DEFINIÇÕES FENÔMENO Toda modificação que se processa nos corpos pela ação de agentes físicos ou químicos. 2. Tudo o que pode ser percebido
Leia maisEXAME DE ESTATÍSTICA / ESTATÍSTICA I
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE EAME DE ESTATÍSTICA / ESTATÍSTICA I Cursos: Licenciatura em Enfermagem e Licenciaturas Bi-etápicas em Fisioterapia e em Terapia da Fala Época de
Leia maisPRE29006 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS #3 06. Exercícios. [, Exercício 7.] Seja A uma variável
Leia maisAmostra Aleatória Simples
Amostra Aleatória Simples Airlane Pereira Alencar 4 de Abril de 2018 Alencar, A.P. (IME-USP) Amostra Aleatória Simples 4 de Abril de 2018 1 / 34 Definições e Notações Notações População ou Universo U =
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisMESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA. 1ª Chamada 10/01/2008.
MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA 1ª Chamada 10/01/2008 Parte Teórica DURAÇÃO : 50 min COTAÇÃO DA PARTE TEÓRICA: 8 Valores em 20 PERGUNTAS DE
Leia mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia maisISEG - ESTATÍSTICA I - EN, Economia/Finanças - 1 de Junho de 2010 Tópicos de correcção. 1ª Parte. > 0. Justifique a igualdade: P(( A B)
ISEG - ESTATÍSTICA I - EN, Economia/Finanças - de Junho de 00 Tópicos de correcção ª Parte. Sejam os acontecimentos A, B, C tais que P ( A B) > 0. Justifique a igualdade: ( A B) C) = B A). A). C ( A B)).
Leia mais