Avaliação da sensibilidade de modelos de composição de carteiras à incerteza nos parâmetros
|
|
- Diogo Ronaldo Pinhal Casado
- 7 Há anos
- Visualizações:
Transcrição
1 SIMPEP - Bauru, SP, Brasl, 08 a 0 de ovembro de 2004 Avalação da sesbldade de modelos de composção de carteras à certeza os parâmetros Lus Vtal Maluf Cuha Vaa (Egehara de Produção EPUSP) lus.vaa@tau.com.br Celma de Olvera Rbero (Egehara de Produção EPUSP) celma@usp.br Resumo Este trabalho avala dferetes modelos de composção de portfolo, através de uma aálse de sua sesbldade à varação da matrz de covarâca. A partr da dstrbução do estmador da matrz de covarâca aalsa-se o desempeho dos modelos de Markowtz, Koo e Valor em Rsco Codcoal cosderado-se o mpacto causado o rsco da cartera por perturbações a matrz de covarâca. Palavras chave: Otmzação, Faças, Gerecameto de rsco -Itrodução O estudo formal de modelos de rsco em mercados faceros tem recebdo grade destaque a lteratura a últma década. O modelo clássco de gestão de carteras fo apresetado em 952 por Markowtz e, apesar de ão ser muto utlzado a prátca, é ddatcamete uma referêca para se eteder como determar uma cartera ótma a partr da mmzação de uma fução de avalação de rsco. No íco dos aos 90 fo proposta uma medda de rsco como alteratva àquela utlzada o modelo de Markowtz. Koo e Yamazak utlzaram o desvo médo absoluto do retoro dos atvos como alteratva à varâca a otmzação de um portfolo. A prcpal justfcatva para este modelo é a smplcdade computacoal, já que o modelo de Markowtz se basea em modelos de programação quadrátca, equato que o modelo de Koo reca em um problema de programação lear, computacoalmete mas smples de ser resolvdo. Nehuma metodologa de avalação de rsco de mercado abalara tato os cocetos de gestão de carteras como o valor em rsco (Value at Rsk ou VaR ). O VaR é uma métrca percetílca defda como o mímo retoro esperado para um dado ível de cofaça. Sua smplcdade em resumr a avalação do rsco de uma sttução utlzado um úco úmero o torara um padrão de mercado o fal dos aos oveta. Com a evolução e a melhor compreesão dos evetos relacoados à dstrbução do retoro dos atvos, surge uma medda de rsco que utlza em sua estrutura, formações sobre evetos que ocorrem as caudas das dstrbuções de probabldades. Esta medda, deomada valor em rsco codcoal (Codtoal Value at Rsk ou CVaR ), tem ocupado destaque a lteratura mas recete a respeto de rsco e coduz a modelos leares de grades dmesões quado empregada para composção de portfolos.
2 SIMPEP - Bauru, SP, Brasl, 08 a 0 de ovembro de 2004 O objetvo cetral da pesqusa é compreeder qual a medda de rsco mas aproprada para a gestão de carteras de atvos faceros, tedo em vsta aspectos de mplemetação computacoal. Icalmete será aalsado como dstrbur recursos etre dversos atvos faceros de forma a obter um portfolo com mímo rsco. Em seguda, aprofudar-se-á o estudo em questões relatvas a robustez e a complexdade computacoal de modelos de composção de portfolo que utlzam meddas de rsco dsttas. Na seção 2 são apresetadas as meddas de rsco abordadas a pesqusa, seus estmadores e respectvos modelos de otmzação. Na seção 3 mplemetam-se os modelos utlzado séres de retoros de atvos do ídce Bovespa. Na seção 4 é proposta uma estratéga para perturbação da matrz de covarâcas que possblta uma aálse mas aprofudada da sesbldade dos modelos à certeza presete os estmadores de covarâca. Falmete, a seção 5, são apresetadas as coclusões. 2-Meddas de rsco e modelos de composção de portfolo A preocupação de um vestdor a gestão de sua cartera de atvos é retratada pelo tpo de rsco que cotrola, seja este o rsco de crédto, de lqudez, o rsco operacoal, o legal, etre outros. Neste trabalho só há teresse o rsco de mercado, que cosste a possbldade de ocorrerem flutuações adversas os preços dos atvos que compõem um portfolo. A lteratura possu uma expressva quatdade de trabalhos cetífcos que tratam de meddas de rsco e que levam a dferetes modelos de composção de portfolos. Em lhas geras, uma medda de rsco ada mas é que uma fução que atrbu a cada composção de portfolo, x, um úmero W (x) que represeta o rsco. Trata-se o retoro da cartera como uma varável aleatóra com dstrbução de probabldade cohecda, e a medda de rsco depede também desta dstrbução. No modelo clássco de Markowtz (952), uma referêca mudal em faças, o rsco é meddo através da varâca do retoro da cartera. Mas atual, o modelo proposto por Koo; Yamazak (99) utlza o desvo médo absoluto como medda de rsco. Por sua vez o modelo do Valor em Rsco Codcoal, proposto por Uryasev et al. (200), aalsa as caudas da dstrbução de probabldades dos fatores de rsco. Detre as três meddas ctadas, esta últma é a úca em cocordâca com a defção de medda coerete de rsco proposta por Artzer (2000). O problema de composção de portfolos pode ser escrto geercamete como: Mmzar W (x) Sujeto a E( R ) x R0 = x = x 0 = =,...,
3 SIMPEP - Bauru, SP, Brasl, 08 a 0 de ovembro de 2004 Os valores E( R ) são os retoros esperados de cada atvo e a fração de cada atvo o portfolo é represetada por x. A prmera equação E( R ) x R assegura que o retoro obtdo o = processo de otmzação atja um patamar. A restrção = garate que a soma das R 0 frações dos atvos ão ultrapassa a udade. Por fm, x 0 mpede operações de veda a descoberto (short sellg). Como o real valor das médas é descohecdo, o cojuto de potos váves é aproxmado por outro, determado a partr de séres hstórcas, cosderado-se a T méda amostral r = r t, ode T é o úmero de observações e r t as observações do -ésmo T = atvo realzadas para cada state t ( t =,2,..., Τ).. Para o modelo de Markowtz, a fução objetvo é dada por: W K ( x) E E = R x = = 0 E( R ) x x = Ao empregar estmadores reescreve-se etão este problema como: Mmzar W ˆ M ( x) = x ˆ x 2 Sujeto a = r x R 0 com = ˆ [ σˆ ] j, ode x = = x 0, =,..., T t= ˆ j = σ ( r ( t) r )( r T ( t) j r ) j Koo; Yamazak (99) apresetaram uma estratéga alteratva para a mmzação do rsco de um portfolo, cosderado o desvo médo absoluto como medda de rsco O modelo de Koo é defdo por Mmzar W K ( x) E E = E( R ) x Sujeto a E( R ) x R0 = = = E( R ) x x = =
4 SIMPEP - Bauru, SP, Brasl, 08 a 0 de ovembro de 2004 x 0 =,..., A déa deste modelo é reduzr dfculdades computacoas presetes mmzação da varâca. Utlza-se um estmador WˆK para aproxmar o desvo médo absoluto W K (KONNO; YAMAZAKI, 99), recado-se o segute: Mmzar Wˆ K =. T T t = ( v t + w t ) Sujeto a a x v + w = 0 = t t t t =,..., T As costates at r x R = x = = x 0, =,..., 0 vt 0, wt 0, t =,..., T são obtdas a partr da sére hstórca de retoros: a t = r r. Uryasev et al. (200) sugerem uma medda de rsco deomada Valor em Rsco Codcoal (Codtoal Value-at-Rsk ou CVaR ). Para dstrbuções cotíuas, o CVaR é defdo como a méda das perdas resdetes a porção da cauda da dstrbução. O Valor em Rsco Codcoal ou CVaR é uma das meddas de rsco que satsfazem a defção formal de medda coerete de rsco sugerda por Artzer (999). Segudo Uryasev et al. (200), os valores de VaR e CVaR são defdos respectvamete por VaR φ (x) = CVaR ( x, ) = m{ ζ : F ( x, ζ ) } = VaR ( x) = ( ) f ( x, VaR ( R( x)) t f ( x, p( dy Para cada x, a fução de perda, f ( x,, é uma varável aleatóra com dstrbução em R duzda por y, sedo que y que possu dstrbução de probabldade p(. Para cotorar a coveêca de se trabalhar com a tegral presete em φ (x), Uryasev et al. (200) caracterzam φ (x) em termos da fução F defda em X R dada por para o CVaR é expresso por: [ f ( x, ] p( dy + y R F ( x, ζ ) = ζ + ( ) ζ Mmzar J x X RW ˆ (, ς ) CVar = ς + ( ).. J j=, ode [ t ] + = max{ t,0}. O modelo de otmzação z j
5 SIMPEP - Bauru, SP, Brasl, 08 a 0 de ovembro de 2004 Sujeto a z Y. x ς, j =,..., J j z j = 0 = r x R x = = x 0, j =,..., ζ R j 0 Os J vetores Y j são obtdos a partr através de smulação com dstrbução multvarada p(. 3-Aálse dos modelos Para realzar a aálse utlzou-se uma sére de retoros de dez ações que fazem parte do ídce Bovespa. Cada um dos modelos fo mplemetado e foram costruídas as curvas rsco retoro, como mostra a Fgura. Verfca-se uma proxmdade muto grade etre as curvas obtdas em cada um dos modelos testados, devdo ao fato dos retoros apresetarem dstrbução próxma à ormal. Pode-se costatar também, os três modelos, a cocetração das soluções em poucos atvos, sedo que algus atvos ão foram selecoados para ehum valor de R 0. Este efeto é cohecdo a lteratura como corer soluto e dfculta a mplemetação dos portfolos, pos toram mpratcável a gestão dâmca da cartera. Sob o poto de vsta de mplemetação, o modelo mas complexo computacoalmete fo o CVaR, que exge a smulação de varáves ormas multvaradas e apreseta um elevado úmero de restrções (o exemplo foram utlzados 5000 potos, que geraram gual úmero de equações). Dos modelos em estudo, este fo o úco que exgu a utlzação do aplcatvo CPLEX. Os dos outros modelos foram calmete mplemetados o software MatLab, e posterormete mplemetados a lguagem GAMS. 8.0E-04 Markowtz 3.0E-04 CVaR Koo Retoro -2.0E-04 2.E E-02 3.E E-02 4.E E E E-03 desvo padrão Fgura Curva Rsco x Retoro
6 SIMPEP - Bauru, SP, Brasl, 08 a 0 de ovembro de 2004 Como a aálse dos gráfcos rsco retoro ão permte detectar dfereças sgfcatvas que detfquem uma medda de rsco como sedo a melhor ou a por, é mportate aalsar a sesbldade dos parâmetros às certezas decorretes do processo de estmação. A aálse dos modelos de otmzação de portfolo se basea o comportameto hstórco do retoro dos atvos e a exstêca de algum eveto extraordáro o período de amostragem, por exemplo, pode troduzr ruídos as estmatvas. O modelo mas adequado, portato, deverá ser aquele que apreseta maor establdade quado as estmatvas dos parâmetros são perturbadas. De maera aáloga ao método proposto por Pafka; Kodor (2002), a perturbação será feta através do estmador da matrz de covarâca orgal, obtda através da sére hstórca dos atvos. Ao vés da abordagem smplfcada utlzada por aqueles autores, a perturbação dos parâmetros será feta através da dstrbução de Wshart (ANDERSON, 966), que é a dstrbução do estmador de matrz de covarâcas. Serão geradas, por smulação com (P) dstrbução de Wshart, matrzes de covarâca perturbadas. ˆ (0) 4- Implemetação e resultados A fm de comparar o desempeho dos modelos foram geradas P matrzes de covarâca, ( P) { } P p =, através de smulação com dstrbução de Wshart (ANDERSON, 966). Esta smulação utlza como base a matrz orgal, costruída a partr da sére hstórca do retoro dos atvos, e o úmero de atvos que compõem o portfolo (que defe o úmero de graus de lberdade da dstrbução qu-quadrado utlzada o algortmo). Para cada um dos três modelos foram gerados P problemas de otmzação, cada um deles assocado a uma matrz perturbada ( P) { } P p =. ˆ (0) Para o modelo de Markowtz a mplemetação é trval, uma vez que a fução objetvo depede explctamete da matrz de covarâca. São gerados P problemas dsttos um para cada uma (P) das matrzes obtdas por smulação. No modelo de Koo os retoros dáros de cada um dos atvos, para uma jaela de tempo T, são utlzados para modelagem do problema, de tal forma que a matrz de covarâca ão é empregada dretamete a formulação. Com base as (P) ( p) formações cotdas as matrzes, smula-se uma ova sére de T retoros, que será utlzada a motagem do problema perturbado. Calcula-se também a partr de estmadores de méda y R da matrz [ f ( x, ζ ] p( dy + ˆ (0) ˆ p r t ( p) r t ovos ( p) r. No caso do Valor em Rsco Codcoal, a aproxmação da tegral (URYASEV ET AL., 200) é feta a partr da fatoração de Cholesky e da smulação dos retoros. A partr da fatoração de Cholesky das matrzes de ( ) ( p) covarâca são geradas ovas séres de retoros rt, ovos problemas. =,..., e t =,...,T e costruídos (0) A partr dos problemas perturbados, avala-se o desempeho dos modelos. Deota-se por δ o valor ótmo do problema orgal, com parâmetros obtdos a partr das séres hstórcas. A partr
7 SIMPEP - Bauru, SP, Brasl, 08 a 0 de ovembro de 2004 da perturbação através da dstrbução de Wshart, aalsa-se, para cada medda de rsco em ( ) δ P (P) estudo, a dstrbução da varável aleatóra q =, ode δ é o valor da medda de rsco com (0) δ * parâmetros perturbados para a mesma solução ótma. Foram gerados 50 problemas perturbados P para cada medda de rsco. Os ovos valores de rsco foram comparados aos resultados orgas e a dstrbução dos valores da varável q são represetados os hstogramas abaxo para cada um dos três modelos. x 0 % 4% 2% 0% 8% 6% 4% 2% 0% -.50 méda= desvo padrão = dstrbução de q para Markowtz Fgura 2 Resultado para Markowtz Mas % 20% 8% 6% 4% 2% 0% 8% 6% 4% 2% 0% méda= desvo padrão = dstrbução de q para Koo Fgura 3 Resultado para Koo 5.50 Mas % 8% 6% 4% 2% 0% 8% 6% 4% 2% 0% méda=.37 desvo padrão = dstrbução de q para o valor em rsco codcoal Fgura 4 Resultado para CVaR Mas Verfca-se que, para o modelo de Markowtz, o fator de amplfcação do rsco q apreseta uma dstrbução com méda 0,58 vezes acma do valor do rsco obtdo a otmzação do problema orgal. Isso correspode a afrmar que o modelo de Markowtz, apesar de sua smplcdade e de ser cosderado um marco em faças, é extremamete sesível à perturbação de seus parâmetros. Para o modelo de Koo, a méda de q fo 3,66 vezes superor ao o rsco orgal. Nota-se, portato, que o modelo de Koo é mas robusto que o modelo de Markowtz. Observase ada que o desvo padrão da dstrbução de q o caso de Markowtz é muto grade, o que represeta uma grade dspersão os valores, equato que o caso do modelo de Koo esta
8 SIMPEP - Bauru, SP, Brasl, 08 a 0 de ovembro de 2004 dspersão é meor. Apesar da amplfcação do rsco estar elevada para Koo, a dstrbução apresetou uma dspersão dos dados bem meor em relação à apresetada por Markowtz. A melhor robustez se deve ao fato do desvo médo absoluto ão depeder dretamete da estrutura da matrz de covarâcas, o que ão se observa o modelo de Markowtz. É teressate destacar o resultado obtdo para o modelo do Valor em Rsco Codcoal, que é, sem dúvda, o modelo mas atual e mas complexo. Dos três modelos apresetados, é o úco cuja formulação se preocupa com os evetos extremos da dstrbução de probabldade de perdas. A méda de q, este caso, fo,37 vezes maor que o rsco calculado a otmzação do problema orgal, o que tora modelo do valor em rsco codcoal o mas estável etre os três modelos aalsados. A méda da dstrbução fo feror ao apresetado pelos outros dos modelos. A dspersão dos dados também fo sgfcatvamete feror, como pode ser observado a fgura 4. É ecessáro reforçar que, como o úmero de perturbações fo baxo, cocdetemete ão houve ocorrêcas de valores de q ferores a udade. A establdade deste modelo se relacoa ao fato do CVaR ser uma medda de rsco que avala os evetos cocetrados as extremdades da dstrbução de probabldades do retoro do portfolo, equato que a covarâca e o desvo médo absoluto avalam o quato os dados estão dspersos em relação à méda. Qualquer perturbação que desloque a méda de maera cosderável ou que afete a dspersão terá a tedêca de desestablzar os respectvos estmadores. No CVaR ão se verfca este problema. 5 Coclusões A pesqusa teve como objetvo o estudo e aálse de meddas de rsco a gestão de carteras de atvos faceros. Procurou-se detfcar emprcamete qual o mpacto causado pelo uso de estmadores o desempeho de modelos de tomada de decsão que mmzam o rsco de carteras. Foram estudados cocetos e defções de algumas meddas de rsco e foram mplemetados os modelos de Markowtz, Koo e valor em rsco codcoal. Com o tuto de verfcar a robustez dos modelos, a perturbação dos parâmetros fo feta dretamete o estmador da matrz de covarâcas ( ˆ ), utlzado a dstrbução de probabldade deste, que é uma dstrbução de Wshart (ANDERSON, 966). A mplemetação do modelo de Markowtz é trval e, dos modelos estudados é, sem dúvda, o de compreesão mas smples. O modelo de Koo requer, para mplemetação, que a fução objetvo seja learzada e a dmesão do problema resultate depede do úmero de observações. Os dos modelos se mostraram stáves frete à perturbação dos parâmetros utlzado matrz de Wshart. O modelo do valor em rsco codcoal exge um esforço computacoal maor em relação aos outros dos modelos, apesar de recar em um problema lear. A grade quatdade de restrções serdas a modelagem do valor em rsco codcoal afeta o desempeho. Por outro lado, é meos sesível a perturbações da matrz de covarâca, já que aalsa evetos ocorrdos as caudas das dstrbuções de probabldade e ão se preocupa dretamete com a relação etre as varáves expressa pela matrz de covarâca. Coseqüetemete, deve ser meos afetado por certezas este parâmetro. Este resultado é cosstete com a lteratura da área (SZEGÖ, 2002). Os esaos realzados ão permtram coclur se algum dos três modelos é superor aos demas em termos da qualdade da solução obtda a redução de rsco, uma vez que as curvas de rsco retoro apresetaram grade smlardade. De certa forma este resultado era esperado, já que
9 SIMPEP - Bauru, SP, Brasl, 08 a 0 de ovembro de 2004 aálses de caráter empírco, realzadas com as dstrbuções de cada um dos retoros dos atvos de maera solada, demostraram uma grade proxmdade com a dstrbução ormal, e os modelos de Koo e Markowtz apresetam um bom comportameto estes casos. Um poto teressate a ser observado é o fato de todos os modelos gerarem portfolos de dfícl mplemetação, devdo à cocetração da cartera em poucos atvos. Tal fato dfculta a gestão dâmca da cartera, já que freqüetemete são exgdas mudaças sgfcatvas de posção. Vale lembrar que o da a da do mercado, a mudaça de posção de um determado atvo para outro acarreta custos de trasação, fato ão levado em cota a modelagem. As mudaças bruscas de posção, as quas são ofertados grades volumes de um determado atvo o mercado, podem terferr o preço do atvo. Não deve ser esquecdo que todos os modelos são costruídos a partr de estmadores das meddas de rsco, o que sgfca que sempre há uma margem de erro que pode levar a uma avalação correta da realdade. Apesar da boa performace e da facldade de se mplatar computacoalmete os modelos estudados, deve-se ter em mete que qualquer modelo é uma ferrameta de apoo à decsão. Levam-se em cota ão só os resultados quattatvos, mas também os fatores de ordem subjetva. Referêcas ACERBI, C.(2002) - Spectral measures of rsk: A coheret represetato of subjectve rsk averso, Joural of Bakg ad Face, Vol. 26, p ANDERSON T. W. (966) - A Itroducto to Multvarate Statstcal Aalyss, Joh Wley & Sos, Ic, 7ª ed., New York, 373 p. ARTZNER, P., DELBAEN, F., EBER, J-M., HEATH, P. (999) Coheret Measures of Rsk, Mathematcal Face, Vol. 9,.3, p BROOKE, A., KENDRICK, D., MEERAUS, A., RAMAN, R. (998) - GAMS A user s gude, GAMS Developmet Corporato. CAI, X., TEO, K., YANG, X. ZHOU, X. (2000) - Portfolo Optmzato Uder a Mmax Rule, Maagemet Scece, Vol. 46,.7, p FRITTELLI, M., GIANIN, E.R. (2002) - Puttg order rsk measures, Joural of Bak ad Face, Vol. 26, p GOLDFARB, D. IYENGAR, G. (2003) - Robust Portfolo Selecto Problems, Mathematcs of Operatos Research, Vol. 28, p..-38 JÚDICE, J.J., RIBEIRO, C.O., SANTOS, J.P.J. (2003) - Aálse Comparatva dos Modelos de Seleção de Carteras de Acções de Markowtz e Koo, Ivestgação Operacoal, Vol. 23, p KENETT, R.S., ZACKS, S., (998) - Moder Idustral Statstcs, Duxbury Press, 62p. KONNO, H., YAMAZAKI, H. (99) - Mea-Absolute Devato Portfolo Optmzato Model ad ts Applcatos to Tokyo Stock Market, Maagemet Scece, Vol. 37, p LUENBERGER, D.G. Ivestmet Scece, Oxford Uversty Press, 998 p Pafka, S., Kodor, I., Nosy covarace matrces ad portfolo optmzato, The Europea Physcal Joural B, Vol. 27, p (2002) SZEGÖ, G. (2002) - Measures of Rsk, Joural of Bakg ad Face, Vol.26, p URYASEV, S., ROCKAFELLAR, R. T.,(2002) - Codtoal Value-at-Rsk for Geeral Loss Dstrbutos, Joural of Bakg ad Face, Vol. 26, p
10 SIMPEP - Bauru, SP, Brasl, 08 a 0 de ovembro de 2004 URYASEV, S., PALMQUIST, J., KROKHMAL, P. (200) - Portfolo Optmzato wth Codtoal Value-at-Rsk Objectve ad Costrats, Research Report URYASEV, S., TESTURI, C. (2002) - O Relato betwee Expected Regret ad Codtoal Value-at-Rsk, Research Report
Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia mais8 Programação linear 78
8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia mais( k) Tema 02 Risco e Retorno 1. Conceitos Básicos
FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisProbabilidade II Aula 10
Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Leia mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia mais( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.
Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
Leia maisReconhecimento de Padrões. Reconhecimento de Padrões
Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:
Leia maisEstatística. 2 - Estatística Descritiva
Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisTESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL
TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada
Leia mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisTópicos Extras 2ª parte. Análise de Correlação e Regressão
Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisAula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação
Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace
Leia maisUso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii
Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho
Leia maisObjetivos. O Modelo Linear Geral (GLM - General Linear Model) suporta, também, variáveis categóricas dependentes.
Prof. Lorí Val, Dr. http://www. ufrgs.br/~val val/ val@mat.ufrgs.br Obetvos álse de varâca (NOV) É utlzada para mostrar os efetos prcpas de varáves categórcas depedetes (deomadas de fatores) sobre uma
Leia mais(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0
EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()
Leia maisAnálise de Regressão
Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
Leia maisModelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisModelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora)
Modelos de Regressão Lear Smples e Múltpla Fabo Atoo Avlla (Matemátca) Profª Dra. Care Savall Redígolo (Oretadora) Resumo Dversas áreas do cohecmeto cetífco procuram valdar suas hpóteses por meo de pesqusas
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia maisRegressão e Correlação
Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas
Leia maisProjeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão
Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.
Leia maisComputação das Medidas de Tendência Central e Dispersão Intervalares em Java
V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.
Leia maisMEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val/ ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia mais3 Experimento com Mistura com Respostas Não-Normais
Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,
Leia maisDESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS
DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS Fracsco Juor PIGATO Mara Cecíla Medes BARRETO RESUMO: Um deleameto amostral
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia maisd s F = m dt Trabalho Trabalho
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 Trabalho 1. Itrodução
Leia maisFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto
Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisUM ESTUDO SOBRE A UTILIZAÇÃO DE DADOS HISTÓRICOS NO MODELO DE MARKOWITZ APLICADO À BOLSA DE VALORES DE SÃO PAULO
III SEMEAD UM ESTUDO SOBRE A UTILIZAÇÃO DE DADOS HISTÓRICOS NO MODELO DE MARKOWITZ ALICADO À BOLSA DE VALORES DE SÃO AULO Akor Heda (*) Adré Luz Oda (**) RESUMO Este artgo dscute a aplcação do modelo de
Leia maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia mais3 Análises Probabilísticas de Estabilidade
3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos
Leia maisRegressão. Pedro Paulo Balestrassi
Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer
Leia maisPerguntas Freqüentes - Bandeiras
Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia mais4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos
4 éccas de Seleção de Característcas Idepedetes do Modelo para os Sstemas Neuro-Fuzzy Herárqucos 4. Itrodução Na maora das aplcações reas de classfcação, prevsão e otmzação, as bases de dados cotém um
Leia maisO delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.
Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia mais16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:
6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu
Leia maisIvan G. Peyré Tartaruga. 1 Metodologia espacial
RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa
Leia maisRegressao Simples. Parte I: Introdução
Regressao Smples Parte I: Itrodução Curso A aplcação da aálse de regressão requer cohecmeto teórco e eperêca com aálse de dados. Este curso procura combar a teora estatístca com a prátca, dado mas efâse
Leia maisNOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA
IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisArquitetura da ART Controle 1 Controle 2
Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisParte 3 - Regressão linear simples
Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:
Leia maisTécnicas Não Paramétricas
Téccas Não Paramétrcas de Estmação de Desdade Reata Cardoso e Fracsco Carvalho Coteúdo Itrodução 2 Hstograma 3 Estmação da desdade 4 Jaelas de Parze Em mutos problemas prátcos As abordages de estmação
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
Leia maisCapítulo V - Interpolação Polinomial
Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode
Leia mais