Psicometria: fundamentos matemáticos da

Tamanho: px
Começar a partir da página:

Download "Psicometria: fundamentos matemáticos da"

Transcrição

1 Avalação Pscológca, 0, (), pp Pscomera: fundamenos maemácos da Teora Clássca dos Teses Rcardo Prm Unversdade São Francsco, Iaba, Brasl Resumo Ese argo revsa eos clásscos em pscomera e apresena os fundamenos maemácos da Teora Clássca dos Teses. Aborda o modelo maemáco da análse faoral, o modelo lnear clássco, a dervação do índce de precsão e dos pos de cálculo do coefcene de precsão, o erro padrão da medda, o equaconameno da valdade com a análse faoral e, por úlmo, a análse de ens. O eo neressa àqueles que queram amplar seu conhecmeno nos conceos de pscomera, enendendo de onde surgem as prncpas fórmulas que usamos na práca pscomérca de análse de eses e escalas. Palavras-chave: eora clássca dos eses; pscomera; precsão; valdade; análse faoral. Psychomercs: mahemacal foundaons of classcal es heory Absrac Ths paper revss he classc es n psychomercs and presens he mahemacal foundaons of he classcal es heory. I dscusses he mahemacal model of facor analyss, he classcal lnear model, he dervaon of he relably and ypes of calculaon of he relably coeffcen, he sandard error of measuremen, he negraon of valdy wh facor analyss and, fnally, em analyss procedures. The e concerns hose who wan o deepen her knowledge n he conceps of psychomercs, undersandng he orgn of he man formulas ha we use when dong psychomerc analyss of ess and scales. Keywords: classcal es heory; psychomercs; relably; valdy; facor analyss. Pscomería: fundamenos maemácos de la eoría clásca de los ess Resumen Ese arículo repasa los eos cláscos en pscomería y presena los fundamenos maemácos de la eoría clásca de los eses. Eplca el modelo maemáco de análss facoral, el modelo lneal clásco, la dervacón del índce de precsón y los pos de cálculo del coefcene de precsón, el error esándar de medcón, el ecuaconameno de la valdez con el análss facoral y, por úlmo, el análss de íems. El eo es de nerés para aquellos que desean amplar sus conocmenos sobre los concepos de la pscomería, la comprensón de donde surgen las prncpales fórmulas que se presenan en la prácca pscomérca de ess y escalas. Palabras-clave: eoría clásca de los ess; pscomería; precsón; valdez; análss facoral. Endereço para correspondênca: R. Dr. José Bonfáco Counho oguera, 5 - Cond. 4, Town House 8, 3096 Campnas, São Paulo, Brasl. E-mal: rprm@mac.com Essa pesqusa eve fnancameno do CPq.

2 98 Prm Com a popularzação do uso de compuadores, as análses esaíscas e pscomércas fcaram muo mas acessíves e fáces de serem eecuadas. A formação em pós-graduação ende, compreensvelmene, a focar um coneúdo nsrumenal sobre como operar os programas e eecuar as análses. Assm há uma carênca de formação mas aprofundada nos fundamenos dos procedmenos pscomércos que são frequenemene usados nas pesqusas. Ese argo preendeu revsar rabalhos clásscos da pscomera (Ferguson 98; Gulford 954; Gullksen, 950; Lord, & ovck, 974) e resumr os prncípos maemácos da Teora Clássca dos Teses (TCT). Preende-se apresenar: o modelo maemáco da análse faoral, o modelo lnear clássco, a dervação do índce de precsão e dos pos de cálculo do coefcene de precsão, o erro padrão da medda, o equaconameno da valdade com a análse faoral e, por úlmo, a análse de ens. O eo neressa àqueles que queram aprofundar seu conhecmeno nos conceos de pscomera, enendendo de onde surgem as prncpas fórmulas que usamos na práca pscomérca de análse de eses e escalas. Análse faoral e modelos esruuras da nelgênca e personaldade Como afrma Caell (973), nas fases ncas do desenvolvmeno das cêncas em geral, observam-se esforços procurando defnr a aonoma ou esruura de seu fenômeno parcular. Assm, a químca defnu ncalmene os elemenos consunes da maéra anes de edfcar eoras geras sobre fenômenos compleos. Essa orenação eseve presene nos esudos sobre a nelgênca, desenvolvdos pelos pscomersas no século passado. As pesqusas procuravam defnr quas seram as esruuras consunes da nelgênca humana que seram as causas do comporameno observável. O objevo cenral desses esudos era denfcar quas seram as habldades laenes báscas, defnndo o seu número e esruura de organzação. Para sso, fo ulzada a análse faoral, que é um méodo esaísco que busca analsar esruuras em marzes de covarânca ou correlação, redefnndoas em um número menor de varáves. Segundo Johnson e Wchern (99), o propóso essencal da análse faoral é descrever, se possível, as covarâncas enre varáves em ermos de um número menor de varáves aleaóras subjacenes, mas nobserváves, chamadas faores (p. 396). Os pscomersas procuravam mensurar um conjuno amplo de habldades cognvas, por eemplo, por meo de uma baera de eses de nelgênca envolvendo coneúdos dversfcados. Segue-se enão a lógca de que se város eses esão alamene ner-relaconados, de manera que se pode enão nferr a esênca de uma únca varável laene, nobservável, que é responsável por esas ner-relações. Analsando os eses ner-relaconados, se chegara a compreender essa esruura. Formalmene, supondo que enham sdo observadas p varáves em uma dada amosra de sujeos, o modelo faoral orogonal dz que:.. p p.. p Onde: p l. lm l. l F. F m m p pm pm e. +. em m valor da -ésma varável méda da -ésma varável l j carga faoral da varável no faor j F j valor do j-ésmo faor comum e valor do -ésmo faor específco m < p o número de faores é menor que o número de varáves O modelo faoral orogonal supõe que: () a méda dos valores dos faores comuns e específcos seja zero, () a varânca dos faores seja gual a e a covarânca enre eles seja zero (porano que a marz de covarânca enre os faores seja gual à marz dendade) e (3) a covarânca enre os faores específcos seja zero, porano que a marz de covarânca enre os faores específcos seja gual a uma marz dagonal. Porano, para uma varável parcular supõe-se que seu valor possa ser dado pela segune equação: + l F + lf lmfm + e Pode-se noar nessa equação que: () o valor da varável observada esá em função de um conjuno m de varáves laenes (porano nobserváves), ou Avalação Pscológca, 0, (), pp

3 seja, os m faores comuns (F... F m ), e ambém em função de um componene específco a esa varável (e ). Assm, os desvos em relação à méda, ou seja, a varânca da varável é eplcada pela varação de um conjuno de varáves comuns, ou seja, assocadas ambém à varânca do conjuno mas amplo conendo as p varáves do qual a varável faz pare, e ambém pela varação específca desa varável que não é comparlhada pelas ouras p varáves; () a magnude com que a varação de um deermnado faor j esá assocada à varação na varável, chamada de carga faoral, é dada por l j ; (3) a relação enre os m faores e a varável é lnear. Anda, segundo o modelo faoral orogonal, a marz de varâncas e covarâncas enre as p varáves podera ser reescra da segune forma (ver Johnson & Wchern, 99, para a dedução dealhada dessa equação): l. lm.. Cov( ) L L + Ψ.. l. l p pm pm O que resula: l.. l p.. lm.. l mp Var( ) l lm + ψ Cov(, ) l l l l Cov( F ) l mp k k m km, j j ψ ψ p oa-se, na equação, que a varânca de uma varável é dada pela soma do quadrado das cargas faoras desa varável nos m faores mas a varânca específca. Essa soma dos quadrados das cargas é ambém chamada de comunaldade e denoada por h : h l l m Assm, a varânca da varável pode ser reescra: Var( ) h + ψ Tal equação apona que a varânca de uma varável pode ser dvdda em duas parcelas. A prmera, a comunaldade, represena a parcela da varânca dessa varável assocada às varações dos faores. O ermo comunaldade refere-se ao fao de que, sendo os faores comuns, sua varação esá Pscomera: fundamenos maemácos da Teora Clássca dos Teses 99 pp assocada ambém às p- varáves resanes. Porano, essa parcela da varânca de é poencalmene comparlhada pelas p- varáves resanes (usa-se o ermo poencalmene comparlhável, já que não se sabe a carga faoral das p- varáves resanes). A segunda parcela, no enano, represena a porção da varânca não assocada aos m faores, ou seja, não comparlhada pelas varáves resanes. Sendo assm, essa varânca é específca à varável em análse. As equações dzem anda que a covarânca enre duas varáves é gual à soma dos produos das cargas que esas varáves êm nos faores comuns, ou seja, sua covarânca é únca e eclusvamene dada pelos faores. Elas ambém mosram que a covarânca enre uma varável e um faor é gual à carga da varável no faor. Com a análse faoral, a pscomera procurou eplcar a relação enre escores de dferenes eses em função de um número menor de habldades laenes. oa-se, porano, que esse méodo enou crar um modelo para eplcar as dferenças enre ndvíduos nos escores dos eses (porano os desvos em relação à méda, dos resulados dos n sujeos, nas p meddas efeuadas) em função de um conjuno menor de varáves laenes (F j ). Essas esruuras seram as habldades menas laenes que represenaram as causas das dferenças, enre os sujeos, nos escores dos eses. Dane do eposo, fca claro que a análse faoral ornou possível o esudo empírco de varáves nernas não observáves, dreamene, sejam elas da nelgênca ou personaldade e por so represenou um grande avanço para a pscologa. Isso ocorreu porque o pesqusador poda parr de um conjuno de varáves observáves e, por meo das ner-relações enre elas, nvesgar as possíves dmensões subjacenes que seram as causas desses comporamenos. oa-se que esse méodo é puramene correlaconal, não mplcando, em nenhum momeno, na manpulação epermenal. Em uma analoga neressane, Caell (975) ornou claro o méodo da análse faoral: O problema que por muos anos desconcerou os pscólogos era enconrar um méodo que deslndasse essas nfluêncas funconalmene unáras na floresa caóca do comporameno humano. Mas como é que numa floresa ropcal de fao decde o caçador se as manchas escuras que vê são dos ou rês roncos apodrecdos ou um só jacaré? Ele fca Avalação Pscológca, 0, (), pp

4 300 Prm à espera de movmeno. Se eles se movem junos - aparecem e desaparecem junos - ele conclu por uma únca esruura. Da mesma forma como John Suar Mll observou em sua flosofa da cênca o censa devera er em mra a varação concomane na busca de conceos unáros (p. 55). Ulzando esse nsrumenal esaísco, os pscomersas nvesgaram a esruura da nelgênca (bem como da personaldade). Surgram, enão, váras eoras posulando esruuras úncas, múlplas e smulaneamene úncas e múlplas. Uma revsão desses modelos pode ser enconrada em Sernberg (98, 984, 986) e Almeda (988). Precsão e valdade Ao lado da pesqusa sobre as esruuras da personaldade, a pscomera fo ambém responsável pelo aprmorameno das écncas de medda na pscologa. Ela fo e connua sendo um ramo específco da pscologa, desnado ao desenvolvmeno de écncas de mensuração de varáves pscológcas, nroduzndo um nsrumenal esaísco adequado as suas compledades. Seus fundamenos báscos são pare do que se chamou eora clássca dos eses. Os nsrumenos de avalação pscológca podem ser caracerzados por duas propredades mércas báscas: Precsão e Valdade [em nglês: relably, valdy]. Precsão esá assocada ao erro de medda, so é, à dferença enre o escore observado de um sujeo em um ese, do valor verdadero que ele em na varável laene. Em razão da compledade própra às varáves pscológcas, pracamene nunca a varabldade em escores observados refleem com eadão e precsão as dferenças reas na varável laene. Sempre haverá um erro de medda, ou seja, varações que não refleem as dferenças reas. Porano, uma práca correne é esmar a precsão de um deermnado ese para consegur esabelecer uma epecava de quão errônea poderá ser a medda. Valdade, por sua vez, relacona-se à quesão que nvesga se o ese esá medndo o consruo que se propõe medr. esse sendo, é de se esperar que a varação nos escores observados em um ese eseja assocada, em cero grau, ao consruo pscológco que o ese se propõe medr. Os esudos de valdade nvesgam essa epecava esando emprcamene se o ese esá medndo a varável conforme fo planejado. Sobre as relações enre essas duas propredades dos eses, sabe-se que uma boa precsão é uma condção necessára, mas não sufcene para que um ese seja váldo. Mesmo precso, um ese pode esar medndo uma varável dferene daquela a que se propôs. Assm, a pscomera esruurou um ssema conceual básco, o qual denomnou modelo lnear clássco. Esse ssema será raado a segur e resume a eposção fea nos rabalhos de Ferguson (98), Gulford (954), Gullksen (950), Muñz (994) e Pvao (99). O modelo lnear clássco: Precsão O modelo lnear clássco posula que um escore observado de um deermnado sujeo em um ese pode ser decomposo em duas pares advas: () T, o escore verdadero [em nglês: rue score] do sujeo na varável medda pelo ese; () e, o escore de erro que ocorre em função da mprecsão das meddas pscológcas. Assm, o escore observado pode ser defndo como: T + e O escore verdadero (T ) pode ser concebdo eorcamene de duas maneras: (a) uma medda da varável em análse, sob condções deas, usando um nsrumeno perfeo ou (b) a méda de um conjuno de nfnas meddas da mesma varável, no mesmo sujeo, quando esas são ndependenes, usando um nsrumeno mperfeo com erros de meddas. Ferguson (98) esabelece essa defnção como: T k j lm k K O escore de erro (e ) pode ser enenddo como uma varável aleaóra assocada a evenuas erros assocados às condções parculares de aplcação. Ele assume valores posvos e negavos, fazendo, porano, com que os escores observados sejam ora maores e ora menores do que os escores verdaderos. Assume-se que o erro seja asssemáco, aleaóro, ou seja, não mosra endênca ssemáca de assumr valores posvos ou negavos. oa-se Avalação Pscológca, 0, (), pp

5 que o valor do escore verdadero é fo enre dferenes aplcações, enquano o erro ende a varar. Anda segundo essa lógca, rês posulados são eplcados: () Se os erros são asssemácos, em um conjuno grande de meddas, a méda dos erros será gual a zero: e 0 () em um grande conjuno de meddas espera-se que não esa correlação enre os escores verdaderos e os escores de erro, já que é razoável supor que sujeos com alos escores enham a mesma endênca a sofrer acréscmos (erro posvo) ou decréscmos em seus escores (erro negavo) e vce versa: e 0 (3) supõe-se que não esrá correlação enre os escores de erro de dos eses dferenes a e b, que meçam a mesma varável, porano eses paralelos: 0 e a e b Pscomera: fundamenos maemácos da Teora Clássca dos Teses 30 escore observado não sofrerá conrbução vnda da covarânca enre escore de erro e escore verdadero, resrngndo-se à varânca dos escores verdaderos mas a varânca dos escores dos erros. Uma dedução mporane ocorre quando se aplcam esses prncípos à equação da covarânca enre os escores observados e os escores verdaderos, al como é dada a segur: ( T T )( ) [ ( T T )(( T + e ) T )] [ ( T T )( T T + e )] [ T T T + T e TT + T Te ] + + ( ) ( T T T T ) T e e ) ( T T T + T ) + ( 0) ( 0) ( T T ) oa-se, por meo dessa dedução que, como o erro não esá correlaconado com o escore verdadero, os ermos da equação que coném o escore de erro desaparecem. Assm, a covarânca enre o escore observado e o escore verdadero é gual à varânca do escore verdadero. Ulzando essas nformações no cálculo do coefcene de correlação, enre o escore observado e o escore verdadero, emse que: Como decorrênca da defnção e dos posulados, váras relações podem ser deduzdas. Com relação à méda, pode-se dzer que, supondo que se meça uma deermnada varável em uma população, a méda deses escores observados pode ser escra como: ( T + e ) T e + T + e T T Assm, a méda de um conjuno muo grande de escores observados é gual à méda dos escores verdaderos. Enreano, a varânca dos escores observados é dada por: ( 0) + e e e e e e Porano, como não há correlação enre escore de erro e escore verdadero, a varânca do ( T T )( ) ( T T )( ) Essa equação dz que a correlação enre o escore verdadero e o escore observado é gual a uma proporção enre os desvos do escore verdadero e os desvos do escore observado. Essa fórmula refere-se à varação em ermos de desvos padrão. Conudo, na leraura, defnu-se o índce de precsão [em nglês: nde of relably - ] ulzando, em vez do desvo padrão, a varânca. Assm, esse é dado por: ( ) Como a varânca do escore observado ( ) é composa pela varânca do escore verdadero mas Avalação Pscológca, 0, (), pp

6 30 Prm a varânca do escore de erro, o índce de precsão sempre será gual ou maor que a varânca do escore verdadero ( ). Porano, esse índce assume valores enre 0 e. O seu valor sgnfca qual parcela da varânca dos escores observados é varânca verdadera. Quano menor for o coefcene, menor será a parcela verdadera e maor a parcela de erro de medda. Oura forma de se epressar o índce de precsão, por meo de subsuções nas fórmulas dadas, é: essa fórmula, fca evdene que, quano maor for a proporção do erro na varânca oal do escore observado, mas próma de fca a segunda pare da equação e menor o índce de precsão. Conhecendo os valores da varânca do escore verdadero e do escore observado, pode-se calcular o índce de precsão. Conudo, como o escore verdadero não é observável dreamene, sua varânca é desconhecda. O méodo de esmação desse índce decorre do conceo de formas paralelas de um ese. Formas paralelas de um mesmo ese equvalem a meddas dêncas, ndependenes, de uma mesma varável pscológca. Meddas paralelas êm a mesma méda, varânca e correlação enre odos os pares possíves enre as formas (Gulford, 954). Sendo assm, como demonsra Ferguson (98), aplcando-se duas formas paralelas a e b de um mesmo ese a uma população, em-se que: e a T + ea b T + eb oa-se que as duas meddas esão em função do mesmo escore verdadero e ambas sujeas a erros. Calculando-se a correlação enre os escores observados, em-se: ab ab ( a T )( b T ) ( ( T + ea ) T )(( T + eb ) T ) a b a b [ T + Teb TT + eat + eaeb eat TT Teb + T ] a b Como os escores de erro são aleaóros e não esão correlaconados enre s e nem com os escores verdaderos, os ermos que conêm escore de erro serão guas a zero, assm: ab [ T TT + T ] ( T T ) a b a b a b Como os desvos padrões são guas para as duas formas paralelas s a s b s, enão ab Conclu-se, a parr da dedução eposa, que a correlação enre os escores observados é gual ao índce de precsão. Com base nesse fao, a práca de esmação da precsão de um ese envolve, de alguma forma, correlaconar meddas paralelas. Anasas (96) faz uma descrção dealhada dos méodos empregados na esmação do índce de precsão. Bascamene são quaro. O prmero méodo é denomnado precsão por formas alernavas e consse na aplcação smulânea, à mesma amosra, de duas formas paralelas de um ese. A esmação do índce de precsão é dada pela correlação enre os dos escores observados, como fcou evdene na dedução apresenada anerormene. O segundo méodo é denomnado precsão ese-reese e envolve a aplcação do mesmo ese, em uma mesma amosra, duas vezes, supondo que esas duas aplcações sejam ndependenes, ou seja, a prmera não nfluence a segunda. O índce de precsão é dado mas uma vez pela correlação enre os dos conjunos de escores. Isso se dá porque é evdene que a forma mas paralela possível de um deermnado ese é ele mesmo. Podendo-se supor que a prmera aplcação não afee a segunda, êmse duas meddas paralelas do mesmo consruo e a dedução apresenada, referene à correlação enre dos escores paralelos, passa a ser válda. O ercero méodo é denomnado precsão pelas meades e consse na aplcação de um únco ese a uma únca amosra e, poserormene, na dvsão dese ese em duas meades comparáves, so é, duas meades semelhanes, ou paralelas. A correlação enre essas duas meades é gual à Avalação Pscológca, 0, (), pp

7 esmação do índce de precsão. Supõe-se que, esando odos os ens de um ese medndo o mesmo consruo pscológco, a dvsão dese ese em duas meades comparáves equvale a ober duas meddas por meo de formas paralelas do mesmo ese e, porano, passam a ser váldas as deduções para meddas paralelas. esse úlmo caso, da precsão pelas meaes, como o coefcene de precsão é afeado pelo número de ens que compõem o ese, é comum empregar uma fórmula denomnada correção de Spearman-Brown para se esmar o coefcene de precsão caso o ese fosse composo por duas vezes mas ens. Isso é feo porque o coefcene de correlação é calculado a parr de um ese com a meade do número de ens da forma. A fórmula empregada é (para uma dedução dealhada, da equação a segur, a parr das equações apresenadas anerormene, veja Muñz, 994 ou Gulford, 954): r r + r Pscomera: fundamenos maemácos da Teora Clássca dos Teses 303 Quando se somam varáves para se compor um escore - como no caso do escore observado que é composo pela soma da ponuação nos ens - a varânca desse novo escore é composa pela soma da varânca dessas varáves (ens) mas a covarânca enre elas. Porano, quando há covarânca (ou seja, correlação enre os ens), a varânca do escore do ese S será maor do que a soma da varânca nos ens p n n q. Isso fará com que S > pq, resulando um numerador posvo. Quano maor a n varânca dos eses em relação a p q, mas o resulado da dvsão se apromará de. Porano, nesse caso, r esará ambém prómo de, ndcando ala conssênca nerna. Já, quando as covarâncas forem prómas de zero, a varânca dos escores será pracamene gual à soma das varâncas dos ens. Assm, o numerador da segunda dvsão será prómo de zero fazendo com que r eseja prómo de zero, ndcando, porano, baa conssênca nerna do ese. Uma medda com mporânca práca dervada do índce de precsão é o Erro Padrão da Medda (EPM). Como fo colocado anerormene: O quaro méodo é denomnado precsão por conssênca nerna. Esse méodo se basea-se na suposção de que cada em represena uma medda paralela do mesmo consruo e, porano, pode-se esmar a precsão de um ese baseando-se na covarânca enre os ens. Ou seja, se a correlação enre meddas paralelas é gual ao índce de precsão e cada em do ese é uma medda paralela do consruo em análse, enão se pode esmar o coefcene de precsão baseando-se nas nercorrelações enre os ens. Esse coefcene fo desenvolvdo em 937 por Kuder e Rchardson e, porano, é conhecdo como Kuder Rchardson - 0: S n r Onde: n n n S S p q é a varânca do escore observado p q n ens represena a soma das varâncas dos e Isolando e, em-se que: ( ) e e essa fórmula, fo solado o desvo padrão dos escores de erro. Ela dz que, conhecendo o índce de precsão de um ese, a varânca (ou desvo padrão) dos escores de erro pode ser calculada. Consderando-se dferenes meddas, passíves de erro, de um consruo pscológco consane (sejam elas meddas repedas ndependenes ou meddas feas por eses paralelos), o valor do escore verdadero (T ) será consane de medda a medda para um mesmo sujeo. O escore de erro (e ), no enano, rá varar. Porano, a varação nos escores observados, enre as aplcações, para um mesmo sujeo, será causada pela varação dos escores de erro. Dessa manera, a varação enconrada em meddas repedas de um consruo pscológco, que em seu valor consane, é chamada erro padrão da Avalação Pscológca, 0, (), pp

8 304 Prm medda. Ela é nada mas do que o desvo padrão dos escores de erro. A fórmula apresenada coloca o erro padrão da medda em função do índce de precsão. Por meo dela pode-se erar qual proporção da varânca do escore observado será arbuída ao erro. Assume-se que, em repedas meddas, os escores observados dsrbuem-se normalmene ao redor do escore verdadero com desvo padrão gual ao erro padrão da medda. Essa nformação é usada para calcular a epecava de varação dos escores de um ese (em função de um dado coefcene de precsão e um dado desvo padrão) quando se repee a mesma medda. O modelo lnear clássco: Valdade A esmação da precsão é um passo relavamene fácl e comumene angdo nos esudos das propredades pscomércas dos eses. Já a esmação da valdade é um assuno bem mas compleo. Uma das formas de se verfcar a valdade é pela correlação enre os resulados do ese e uma medda eerna ndependene. Essa medda eerna deve ser necessaramene uma medda válda da varável laene que o ese se propõe medr (porano assocada ao T ). Em ermos maemácos, o problema da valdade é raado por Gulford (954) por meo de uma junção da eora da análse faoral com o modelo clássco lnear. Como afrma ele, na págna 354: A eora clássca dvde a varânca do escore observado em dos componenes: varânca verdadera e varânca de erro. Essencalmene, o novo passo esá em supor que a varânca verdadera pode ser anda decomposa em dos componenes advos. Eses componenes são: a varânca comum ou comunaldade e mas possvelmene uma varânca específca. A varânca comum enre os faores são comparlhadas pelos ouros eses assm como a varânca verdadera é comparlhada por duas formas paralelas do mesmo ese. O componene específco, aé onde se em nformação, é únco a um ese parcular. É pare da varânca verdadera e, porano, comparlhada por duas formas do mesmo ese. a análse faoral, o escore de uma varável qualquer é dado pela equação: + l F + lf lmfm + s Também no modelo lnear clássco, o escore de uma varável qualquer é dado por: T + e Assumndo que o escore verdadero seja deermnado por m varáves laenes, ese pode ser decomposo usando o modelo faoral com m faores, ou seja, T + l F + lf lmfm + s A fórmula do escore observado será reescra como: (...+ ) + l F + l F + l F + s + e m m Essas relações razem uma análse mas dealhada do conceo de escore verdadero. oa-se que o escore verdadero é represenado por um conjuno de varáves laenes consruos pscológcos - e mas um componene específco assocado às parculardades do ese. Porano, Gulford (954) propõe que aqulo que é meddo por um ese seja concebdo como algo mulfaceado ou mulvarado ou como um conjuno de varáves laenes comuns. Os escores de um ese epressam as enavas de se medr um consruo pscológco. As meddas eernas são mas prómas e váldas desse consruo, porano, com o componene específco e o erro prómos de zero. Smulaneamene, erão carga faoral ala nos faores subjacenes que compõem esse consruo pscológco. Porano, ambas varáves, o ese e a varável eerna, se medrem um mesmo consruo, erão cargas faoras alas nos faores que compõem o consruo. Como fo do, a correlação ou covarânca enre duas varáves se relaconam às cargas dessas varáves nos faores comuns subjacenes a elas. Essa correlação é obda somando o produo das cargas que as duas varáves em nos faores comuns: Cov(, ) l l l l k k m km Avalação Pscológca, 0, (), pp

9 Assm, quano maores as cargas que duas varáves êm em um faor comum maor, será a correlação enre esas varáves. Isso ocorre porque a análse faoral era e concreza, nos escores dos faores, a varânca comum. Com base nsso, se um ese e uma varável eerna medem um mesmo arbuo pscológco, suas cargas faoras nas varáves laenes que compõem ese consruo serão alas. Embasando-se na fórmula apresenada, pode-se deduzr que a correlação enre o ese e a varável eerna será ala, provando assm que, quano maor a correlação ese e varável eerna, mas váldo é o ese. Assm sendo, o méodo de esmação da valdade envolve a análse correlaconal com meddas eernas, buscando-se esclarecer a rede de relações com varáves eernas rede nomológca (Embreson, 994). Análse de ens pela TCT Para que os créros de precsão e valdade de um ese sejam sasfeos, ncalmene devese parr para a análse das undades báscas que compõem o ese, ou seja, os ens. Geralmene, as análses quanavas ncluem a análse da dsrbução de resposas nos ens (ou o índce de dfculdade, quando o em é dcoômco), o poder dscrmnavo, a análse das alernavas, a probabldade de acero ao acaso e a valdade eerna do em (Almeda, 993). Supondo que os ens represenem resposas dcoômcas como acero ou erro, e que sujeos respondam a n ens, os dados podem ser arranjados na marz a segur (Fgura ) onde cada sujeo é represenado em uma lnha e cada em em uma coluna: o corpo da marz esão represenadas as resposas dos sujeos aos ens. a coluna margnal drea esão represenados os aceros dos sujeos Pscomera: fundamenos maemácos da Teora Clássca dos Teses 305 ( ), ou seja, a somaóra de ponos nos ens. a lnha margnal nferor esão represenados os escores dos ens (P j ), ou seja, quanos sujeos aceraram o em j. Um dos prmeros arbuos dos ens é o índce de dfculdade (ID). Ele represena a probabldade de acero no em em causa. Porano, ID j P j/. Assm, um ID 0,87, para um deermnado em j ndca que 87% das pessoas aceraram o em j. Consderando, nesse momeno, somene o índce de dfculdade, pode-se dzer que um bom em é aquele que possu ala varânca, vso que o objevo do ese é eplcar as varações que esem enre os ndvíduos, ens com ala varânca rão conrbur para uma maor varânca do escore do ese, já que uma das parcelas da varânca do escore é a soma da varânca dos ens ndvduas. Isso rá permr uma maor dscrmnação dos ndvíduos em função dos escores. Um em com ID,00 ou 0,00 não raz nformação alguma, pos não permrá uma separação dos sujeos já que, em um caso 00% aceram e, no ouro, 00% erram. É sabdo que os ndvíduos dferem enre s no consruo que se deseja avalar, enão um em com varânca próma a zero pode ser consderado como um em nadequado para o ese. Em conraparda, ens com ID 0,50 são os que apresenam maor varânca já que dvdem o grupo de sujeos pela meade, permndo a comparação de cada um dos 50 sujeos que erraram com cada um dos 50 sujeos que aceraram, ou seja, comparações (em um grupo de 00 sujeos). Desse modo, são consderados bons ens aqueles que possuem ID s enre 0,30 e 0,70, ou seja pero de 0,50 (Ferguson, 98). Em ermos écncos, o que se deseja é que a varânca dos escores do ese seja máma. Índces com ID s prómos a 0,50 conrbuem aumenando a varânca dos escores. Conudo, um segundo faor ambém conrbu para sso: a covarânca enre os Iens sujeos. j.. n S c c n. c c j c c n S. P P j P n Fgura - Marz de resposas de sujeos a n ens Avalação Pscológca, 0, (), pp

10 306 Prm ens. Quando os ens esão alamene correlaconados, a varânca do escore aumena. Um eemplo smples pode ajudar a compreender esse fao. Suponha que um ese seja composo por 0 ens com ID s 0,50, suponha ambém que odos os ens enham uma correlação perfea enre s, ou seja, um ndvíduo que acere o em j acere ambém os j- ens resanes e nversamene um sujeo que erre o em j erre ambém os j- ens resanes. Como a probabldade de acero de qualquer um dos ens é 0,50, e como a correlação enre odos os ens é, para qualquer em j, os 50% que aceram ese em aceram ambém odos os j- ens resanes, chegando assm ao escore mámo no ese. Já os 50% que erram êm, pelas mesmas razões, o escore 0. A varânca dos escores no ese, defnda por S S( - ) /, será máma, pos 00% dos ndvíduos esarão a uma dsânca máma da méda, ora para cma (50% dos sujeos com escore mámo), ora para bao (50% dos sujeos com escore mínmo), elevando a soma de quadrados. Mas uma vez, supondo que esse ese enha sdo aplcado a 00 sujeos, os 50 sujeos com escore mámo poderão ser comparados com cada um dos 50 sujeos com escore mínmo, porano 500 comparações poderam ser feas. Em suações prácas, não serão enconrados eses com esses padrões perfeos de correlação e ID s 0,50 como é eemplfcado. Pode-se pensar, no enano, em dferenes graus de covarânca enre os ens. Quano maor a covarânca, maor será a varânca do escore oal. Um méodo muo frequene de se avalar quano um em conrbu para a dferencação dos sujeos é calcular a correlação enre o em e o escore oal no ese. Esse coefcene é chamado de correlação pono bsseral (r pb ) e epressa a correlação enre uma varável caegórca dcoômca (acero ou erro) e uma varável nervalar (o escore no ese que, embora não possa ser consderada uma varável nervalar genuína, para fns prácos é consderada como al). Ver argumenos de Ferguson (98) e Lord e ovck (974). Esse coefcene ambém é chamado de poder dscrmnavo do em. Esse nome é dado já que uma ala correlação enre o em e o escore ndca que o em conrbu para aumenar a varânca dos escores ajudando a dscrmnação enre os sujeos. O cálculo desse coefcene é dado por: Onde r pb p S q pq p represena a probabldade de acero ou o ID do em em causa q-p S represena o desvo padrão da varável conínua p, q a méda dos sujeos que aceraram o em e dos que erraram Em suma, um bom ese deve ser composo por ens com ala varânca (ID) e com ala correlação com o escore oal (r pb ). Isso faz com que a varânca do escore seja ala e possa capar as varações do arbuo pscológco que é mensurado. Como fo vso anerormene, o méodo de precsão por conssênca nerna basea-se na covaração enre os ens para esmar a precsão. Alas correlações em-oal assocam-se à ala conssênca nerna e à ala precsão. A análse dos ens possbla um olhar mas apurado às caraceríscas dos ens para que se possa fazer uma seleção daqueles que conrbuem, em maor grau, para o ese como um odo no aumeno da precsão. Conudo, essa varânca capurada deve esar assocada à varável laene em análse. Da mesma forma que é julgada a valdade de um ese, a valdade de um em é dada pela correlação enre o em e um créro eerno. Havera anda muos dealhes a raar para que se possa analsar odo o conjuno eórco e práco edfcado pela pscomera. o enano, ese argo raa somene dos conceos báscos referenes à analse faoral e ao modelo clássco e como as prácas mas comuns de consrução de nsrumenos de avalação se relaconam a eles. Aualmene, novas abordagens êm surgdo denro dos modelos da Teora de Resposa ao Iem (Hambleon & Swamnaham, 985) e deverão ser objeo de refleão em rabalhos fuuros, de forma a enrquecer a dscussão sobre as eoras da medda. Avalação Pscológca, 0, (), pp

11 Referêncas Almeda, L. S. (993). Relaóro da dscplna de méodos de observação e nvesgação Pscológca -º ano. Braga: Unversdade do Mnho. Almeda, L. S. (988). Teoras da nelgênca. Poro: Edções Jornal de Pscologa. Anasas, A. (96) Teses Pscológcos. São Paulo: EPU. Caell, R. B. (973). Personaly and mood by quesonare: a handbook of nerpreave heory, psychomercs, and pracal procedures. San Francsco: Jossey-Bass Publshers. Caell, R. B. (975). Análse cenífca da personaldade. São Paulo: Ibrasa. Embreson, S. (994). Applcaons of cognve desgn sysems o es developmen. Em: C. R. Reynolds (Org.), Cognve assessmen: a muldscplnary perspecve (pp ). ew York: Plenum Press. Ferguson, G. A. (98). Sascal Analyss n Psychology and Educaon. ew York: McGraww-Hll. Inernaonal Edons - Psychology Seres. Gulford, J. P. (954). Psychomerc Mehods. ew York: McGraw-Hll. Gullksen, H. (950). Theory of menal ess. ew York: John Wley & Sons. Pscomera: fundamenos maemácos da Teora Clássca dos Teses 307 Hambleon, H. K. & Swamnaham, H. (985). Iem Response Theory: Prncples and Applcaons. Boson: Kluwer. Johnson, R. A. & Wchern, D. W. (99). Appled mulvarae sascal analyss. London: Prence Hall nernaonal. Lord, F. M. & ovck,. R. (974). Sascal Theores of menal es scores. Oford, England: Addson-Wesley. Muñz, J. (994). Teoría Clásca de los Tess. Madrd: Edcones Prámde. Pvao, M. M. (99). Modelos para eses com resposas dcoômcas com prncpal enfoque em eora de resposa ao em. Dsseração de Mesrado não publcada. Insuo de Maemáca Esaísca e Cêncas da Compuação, Unversdade Esadual de Campnas, Campnas. Sernberg, R. J. (98). The evoluon of heores of nellgence. Inellgence, 5, Sernberg, R. J. (984). Toward a rarchc heory of human nellgence. The Behavour and Bran Scences, 7, Sernberg, R. J. (986). Toward a unfed heory of human reasonng. Inellgence, 0, Recebdo em mao de 0 Aceo em junho de 0 Sobre o auor: Rcardo Prm, pscólogo pela PUC Campnas, douor em Pscologa Escolar e do Desenvolvmeno Humano pela Unversdade de São Paulo. É professor assocado do Programa de Pós-Graduação em Pscologa da Unversdade São Francsco. Avalação Pscológca, 0, (), pp

12

Aprendizagem Estatística de Dados. Francisco Carvalho

Aprendizagem Estatística de Dados. Francisco Carvalho Aprendzagem Esaísca de Dados Francsco Carvalho A função de Densdade Normal Valor Esperado Caso conínuo [ f ] Caso dscreo f p d [ f ] f p D A função de Densdade Normal Caso Unvarado função de densdade p

Leia mais

5 Avaliação da Eficiência Computacional

5 Avaliação da Eficiência Computacional 5 Avalação da fcênca Compuaconal 5.1 Inrodução É desejado ncorporar o cálculo dos índces de adequação de ações de conrole de ensão ao programa SAN. O programa SAN esá sendo mplemenado com a esruura aual

Leia mais

AGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES

AGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES AGG-3 SÍSMICA I 0 SÍSMICA DE REFLEXÃO AÁLISE DE ELOCIDADES O objevo da análse de velocdades é deermnar as velocdades sísmcas das camadas geológcas em subsuperfíce. As velocdades sísmcas são ulzadas em

Leia mais

PCA e IMPCA. Capítulo. 5.1 Considerações Iniciais

PCA e IMPCA. Capítulo. 5.1 Considerações Iniciais Capíulo 5 PCA e IMPCA 5. Consderações Incas A análse de componenes prncpas (PCA) [URK, M. A. & PENLAND, A. P. (99)] é uma ransformação lnear orogonal de um espaço q-dmensonal para um espaço n-dmensonal,

Leia mais

5 Sistemas Lineares com Coecientes Periódicos

5 Sistemas Lineares com Coecientes Periódicos 5 Ssemas Lneares com Coecenes Peródcos Ese capíulo raa de forma suscna do esudo da esabldade de soluções peródcas de ssemas dnâmcos não-lneares. Segundo Rand [83], a eora de Floque é a eora mas geral que

Leia mais

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12 Traaeno de Dados º Seesre 5/6 Tópcos de Resolução do Trabalho Quesão a Para agrupar os dados e classes ora consderados os valores das rendas aé 5. ua vez que a parr dese valor os dados se enconra basane

Leia mais

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos MECÂNICA CÁSSICA AUA N o 3 agrangeano Prncípo da Mínma Ação Exemplos Todas as les da Físca êm uma esruura em comum: as les de uma parícula em movmeno sob a ação da gravdade, o movmeno dado pela equação

Leia mais

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU 1 PUCPR- Ponfíca Unversdade Caólca Do Paraná PPGIA- Programa de Pós-Graduação Em Informáca Aplcada PROF. DR. JACQUES FACON IMIARIZAÇÃO POR ENTROPIA DE WUU Resumo: Uma nova écnca de marzação baseada em

Leia mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Parca Mara Borolon. Sc. Modelos de ados em Panel Fone: GUJARATI;. N. Economera Básca: 4ª Edção. Ro de Janero. Elsever- Campus 006 efnções Geras Nos dados em panel a mesma undade de core

Leia mais

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton 9 CPÍTUL 4 DINÂMIC D PRTÍCUL: IMPULS E QUNTIDDE DE MVIMENT Nese capíulo será analsada a le de Newon na forma de negral no domíno do empo, aplcada ao momeno de parículas. Defne-se o conceo de mpulso e quandade

Leia mais

2. FUNDAMENTOS DE CORRENTE ALTERNADA

2. FUNDAMENTOS DE CORRENTE ALTERNADA Fundamenos de CA 14. FUNDAENTOS DE CORRENTE ALTERNADA Aé o momeno nos preocupamos somene com ensões e correnes conínuas, ou seja, aquelas que possuem módulo e sendo consanes no empo, conforme exemplos

Leia mais

Neo-fisherianos e teoria fiscal do nível de preços

Neo-fisherianos e teoria fiscal do nível de preços Anono Lcha 4/março/07 Neo-fsheranos e eora fscal do nível de preços O objevo desas noas é desacar os prncpas elemenos da abordagem neofsherana e da eora fscal do nível de preços. Desacamos 4 pequenos modelos

Leia mais

5 Apreçamento de ESOs com preço de exercício fixo

5 Apreçamento de ESOs com preço de exercício fixo 5 Apreçameno de ESOs com preço de exercíco fxo Ese capíulo rá explorar os prncpas modelos de apreçameno das ESOs ulzados hoje em da. Neses modelos a regra de decsão é esruurada em orno da maxmzação do

Leia mais

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira) Módulo : Méodos Numércos Equações dferencas ordnáras problemas de valores ncas e problemas de condções-fronera Modelação Compuaconal de Maeras -5. Equações dferencas ordnáras - Inrodução Uma equação algébrca

Leia mais

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI) Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas

Leia mais

EN3604 FILTRAGEM ADAPTATIVA

EN3604 FILTRAGEM ADAPTATIVA EN3604 FILTRAGEM ADAPTATIVA Processameno de Snas em Arranjos Técncas de processameno consderando snas provenenes de um grupo de sensores espacalmene dsrbuídos. Poencal para melhorar SNR/ Cancelameno de

Leia mais

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n 1 CAPÍTULO 1 REPREENTAÇÃO E CLAIFICAÇÃO DE ITEMA 1.1. Represenação de ssemas 1.1.1. semas com uma enrada e uma saída (IO) e sema monovarável IO = ngle Inpu ngle Oupu s e = enrada s = saída = ssema 1.1..

Leia mais

Conceitos Básicos de Circuitos Elétricos

Conceitos Básicos de Circuitos Elétricos onceos Báscos de rcuos lércos. nrodução Nesa aposla são apresenados os conceos e defnções fundamenas ulzados na análse de crcuos elércos. O correo enendmeno e nerpreação deses conceos é essencal para o

Leia mais

Instituto de Física USP. Física V Aula 30. Professora: Mazé Bechara

Instituto de Física USP. Física V Aula 30. Professora: Mazé Bechara Insuo de Físca USP Físca V Aula 30 Professora: Maé Bechara Aula 30 Tópco IV - Posulados e equação básca da Mecânca quânca 1. Os posulados báscos da Mecânca Quânca e a nerpreação probablísca de Ma Born.

Leia mais

Introdução à Computação Gráfica

Introdução à Computação Gráfica Inrodução à Compuação Gráfca Desenho de Consrução Naval Manuel Venura Insuo Superor Técnco Secção Auónoma de Engenhara Naval Sumáro Represenação maemáca de curvas Curvas polnomas e curvas paramércas Curvas

Leia mais

2.1. Modelos Baseados em Premissas de Distribuições Simulação de Monte Carlo

2.1. Modelos Baseados em Premissas de Distribuições Simulação de Monte Carlo 2 Value-a-Rsk Anes de adenrar na seara que raa o ermo cenral dese capíulo, é neressane realzar uma cação da evolução hsórca do esudo do rsco. Joron (2003, p. 10) resume os prncpas rabalhos aravés da abela

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 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 mais

UFGD 2015 DANIEL KICHESE

UFGD 2015 DANIEL KICHESE Quesão 59: º) Deermnação dos ponos de nerseção: 5 5 º Pono : B 5 5 º Pono : C 5 5 º Pono : B C C º) Deermnação da Área: B 5 5 5 / e 0 e 5 5 5 5 e 0 5 5/ 5 5 0 0 0 5 5 Resposa: E Quesão 60: Número de blhees

Leia mais

defi departamento de física

defi departamento de física def deparameno de físca Laboraóros de Físca www.def.sep.pp.p Equações de Fresnel Insuo Superor de Engenhara do Poro Deparameno de Físca Rua Dr. Anóno Bernardno de Almeda, 431 400-07 Poro. Tel. 8 340 500.

Leia mais

Física I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães

Física I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães Físca I º Semesre de 03 Insuo de Físca- Unversdade de São Paulo Aula 5 Trabalho e energa Proessor: Valdr Gumarães E-mal: valdrg@.usp.br Fone: 309.704 Trabalho realzado por uma orça consane Derenemene

Leia mais

2 Programação Matemática Princípios Básicos

2 Programação Matemática Princípios Básicos Programação Maemáca Prncípos Báscos. Consderações Geras Os objevos dese capíulo são apresenar os conceos de Programação Maemáca (PM) necessáros à compreensão do processo de omzação de dmensões e descrever

Leia mais

5 Avaliação do Título Conversível pelo Método de Diferenças Finitas Implícito (DFI)

5 Avaliação do Título Conversível pelo Método de Diferenças Finitas Implícito (DFI) 5 Avalação do Tíulo Conversível pelo Méodo de Dferenças Fnas Implíco (DFI) 5. Meodologa - Premssas Ese modelo desenvolvdo para apreçameno do LYON faz uso da eora de opções desenvolvda por Black and Scholes

Leia mais

3 Análise de Demanda Condicionada

3 Análise de Demanda Condicionada 3 Análse de Demanda Condconada 3.1 Inrodução A análse Condconada da Demanda é uma écnca que quebra o consumo resdencal em pares, cada uma assocada a um uso fnal ou a um deermnado equpameno em parcular.

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É 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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Díodo: Regime Dinâmico

Díodo: Regime Dinâmico Díodo: eme Dnâmco (exo apoo ao laboraóro) Inrodução Quando se esabelece m crcuo uma ensão ou correne varáves no empo o pono de funconameno em repouso do díodo ambém va varar no empo. A frequênca e amplude

Leia mais

4 Critérios para Avaliação dos Cenários

4 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 mais

CAPÍTULO 2 PLANEJAMENTO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIVO DE ENERGIA ELÉTRICA

CAPÍTULO 2 PLANEJAMENTO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIVO DE ENERGIA ELÉTRICA CAPÍTULO 2 PLANEJAMEO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIO DE ENERIA ELÉTRICA 2. IRODUÇÃO Ese capíulo apresena um resumo dos prncpas conceos relaconados ao planeameno da operação

Leia mais

Iluminação e FotoRealismo: Radiosidade

Iluminação e FotoRealismo: Radiosidade Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções da luz com os obecos são dfusas L x Θ L x, Θ Ω Expressa em ermos de radosdade W/m 2 r

Leia mais

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas.

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas. 1 INTRODUÇÃO E CONCEITOS INICIAIS 1.1 Mecânca É a pare da Físca que esuda os movmenos dos corpos. 1. -Cnemáca É a pare da mecânca que descreve os movmenos, sem se preocupar com suas causas. 1.3 - Pono

Leia mais

. Para cada conexão i é atribuído um peso φ

. Para cada conexão i é atribuído um peso φ Escalonador WF 2 Q O escalonador WF 2 Q [3] é uma aproxmação baseada em pacoes do GP, que em por obevo emular ese escalonador fluído o mas próxmo possível De acordo com Groux e Gan [1], o escalonador WF

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Iluminação e FotoRealismo: Radiosidade

Iluminação e FotoRealismo: Radiosidade Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções dos obecos com a luz são dfusas L( x Θ) = L( x), Θ Ω Podemos enão quanfcar a radosdade

Leia mais

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000 Noa Técnca sobre a rcular nº 2.972, de 23 de março de 2000 Meodologa ulzada no processo de apuração do valor da volaldade padrão e do mulplcador para o da, dvulgados daramene pelo Banco enral do Brasl.

Leia mais

Projeto de Inversores e Conversores CC-CC

Projeto de Inversores e Conversores CC-CC eparameno de Engenhara Elérca Aula. onversor Buck Prof. João Amérco lela Bblografa BAB, vo. & MANS enzar ruz. onversores - Báscos Não-solados. ª edção, UFS,. MOHAN Ned; UNEAN ore M.; OBBNS Wllam P. Power

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

3.2 Processo de Wiener

3.2 Processo de Wiener 3. Proceo de Wener Proceo de Wener, ou Movmeno Brownano, é um po parcular de Proceo de Markov, muo ulzado na fíca para decrever o movmeno de uma parícula que eá ujea a um grande número de pequeno choque

Leia mais

Modelo de Precificação de Capital: Segmento de Commodities Agrícola

Modelo de Precificação de Capital: Segmento de Commodities Agrícola Modelo de Precfcação de Capal: Segmeno de Commodes Agrícola Capal Asse Prcng Model: Secor of Agrculural Commodes Táco Auguso Faras 1 Luz Eduardo Nascmeno Fgueredo Fábo Rodrgues Moura 3 Resumo: O objevo

Leia mais

DESENVOLVIMENTO DE MÉTODOS ESTATÍSTICOS, MATEMÁTICOS E NUMÉRICOS DE ESTIMAÇÃO DA INCERTEZA DE MEDIÇÕES QUÍMICAS

DESENVOLVIMENTO DE MÉTODOS ESTATÍSTICOS, MATEMÁTICOS E NUMÉRICOS DE ESTIMAÇÃO DA INCERTEZA DE MEDIÇÕES QUÍMICAS UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE QUÍMICA Dase de Fáma Morera DESENVOLVIMENTO DE MÉTODOS ESTATÍSTICOS, MATEMÁTICOS E NUMÉRICOS DE ESTIMAÇÃO DA INCERTEZA

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

5 Programação Matemática Princípios Básicos

5 Programação Matemática Princípios Básicos 5 Programação Maemáca Prncípos Báscos 5. Consderações Geras Ese capíulo em por objevo apresenar os conceos báscos de Programação Maemáca (PM), necessáros à compreensão do processo de omzação de dmensões,

Leia mais

5.1 O Processo TAR. é definida como um processo limiar auto-regressivo com h. regimes se puder ser representada por (5) ). Os termos ,...

5.1 O Processo TAR. é definida como um processo limiar auto-regressivo com h. regimes se puder ser representada por (5) ). Os termos ,... 5 O Modelo Não-Lnear Como vso no capíulo aneror, há espaço para uma análse mas profunda da função de reação do Banco Cenral do Brasl. Auores como Clarda, Gal e Gerler (2000) e Cogley e Sargen (2001) examnam

Leia mais

LISTA DE EXERCÍCIOS DE RECUPERAÇÃO 1º TRIMESTRE MATEMÁTICA

LISTA DE EXERCÍCIOS DE RECUPERAÇÃO 1º TRIMESTRE MATEMÁTICA LISTA DE EXERCÍCIOS DE RECUPERAÇÃO º TRIMESTRE MATEMÁTICA ALUNO(a): Nº: SÉRIE: ª TURMA: UNIDADE: VV JC JP PC DATA: / /07 Obs.: Esa lsa deve ser enregue resolvda no da da prova de recuperação. Valor: 5,0

Leia mais

Evolução do Capital Humano nas Diferentes Regiões do Brasil

Evolução do Capital Humano nas Diferentes Regiões do Brasil Evolução do Capal Humano nas Dferenes Regões do Brasl 99-2008 Fernando de Holanda Barbosa Flho Samuel de Abreu Pessôa Fernando A. Veloso Ibre/FGV Ibre/FGV Ibmec/RJ Resumo Ese argo nvesga a evolução do

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina:

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Deparameno de Informáca Dscplna: Modelagem Analíca do Desempenho de Ssemas de Compuação Fluxos de Enrada Fluxos de Saída Le de Lle Faor de Ulzação rof. Sérgo Colcher colcher@nf.puc-ro.br rocesso de Chegada

Leia mais

Decomposição das taxas de homicídios no Brasil e seus estados: a demografia é de fato importante?

Decomposição das taxas de homicídios no Brasil e seus estados: a demografia é de fato importante? Decomposção das axas de homcídos no Brasl e seus esados: a demografa é de fao mporane? Ar Francsco de Araujo Junor * Cláudo Djssey Shkda ** Resumo - Ese argo esuda a relação enre faores demográfcos e axa

Leia mais

Inserção de Variáveis Ambientais no Planejamento da Operação de Sistemas Hidrotérmicos

Inserção de Variáveis Ambientais no Planejamento da Operação de Sistemas Hidrotérmicos Inserção de Varáves Ambenas no Planejameno da Operação de Ssemas Hdroérmcos VALLE, Ana Cláuda Marques, Escola de Engenhara Elérca e de Compuação, UFG, douoranda em Cencas Ambenas, PRPPG, UFG AGUIAR, Mara

Leia mais

Olinda - Pernambuco - Brasil. Gestão da Previsão de Consumo e Energia Não Faturada. Glauber Renato Colnago Rodolfo Miyasaki Edson Amaral

Olinda - Pernambuco - Brasil. Gestão da Previsão de Consumo e Energia Não Faturada. Glauber Renato Colnago Rodolfo Miyasaki Edson Amaral XVIII Semnáro Naconal de Dsrbução de Energa Elérca SENDI 008-06 a 10 de ouubro Olnda - Pernambuco - Brasl Gesão da Prevsão de Consumo e Energa Não Faurada Carlos Albero Fróes Lma Marley Apolnáro Sarava

Leia mais

Parte III. Objetivo: estudar o deslocamento de um corpo quando esta rolando

Parte III. Objetivo: estudar o deslocamento de um corpo quando esta rolando Pare Objevo: esudar o deslocameno de um corpo quando esa rolando 1 Coneúdo programáco: 6. Movmeno de Roação Varáves da roação, Relação enre Cnemáca Lnear e Cnemáca Angular, Energa cnéca de roação, nérca

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

3 Dados e Modelo Econométrico 3.1. A amostra de funcionários públicos

3 Dados e Modelo Econométrico 3.1. A amostra de funcionários públicos 3 Dados e Modelo Economérco 3.1. A amosra de funconáros públcos Os dados usados nese esudo êm como fone a Pesqusa Naconal de Amosra por Domcílo (PNAD, uma pesqusa domclar realzada anualmene no Brasl pelo

Leia mais

Modulações digitais. Espaços de sinal e regiões de decisão. Funções ortogonais. Ortogonalização de Gram-Schmidt

Modulações digitais. Espaços de sinal e regiões de decisão. Funções ortogonais. Ortogonalização de Gram-Schmidt Modulaçõe dga Epaço de nal e regõe de decão Funçõe orogona Orogonalzação de Gram-Schmd Uma perpecva geomérca do na e ruído (Koelnkov) Um epaço orogonal de dmenõe é caracerzado por um conjuno de ψ () funçõe

Leia mais

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4.

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4. CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013 Esabelece os procedmenos para o cálculo da parcela dos avos ponderados pelo rsco (RWA) referene às exposções sueas à varação de axas de uros prefxadas denomnadas

Leia mais

3 Modelo de Amortecimento Direto

3 Modelo de Amortecimento Direto 3 Modelo de Amorecmeno Dreo 3. Inrodução Alguns os de séres não aresenam bons resulados quando modeladas or funções uramene olnomas. As séres sazonas aresenam esse o de roblema, e denre elas, as séres

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso 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 mais

Propagação de dano no modelo de Ising unidimensional

Propagação de dano no modelo de Ising unidimensional Capíulo 4 Propagação de dano no modelo de Isng undmensonal 4. Propagação de dano O méodo da propagação de dano é uma écnca relavamene nova, nroduzda por Kauffman 68 no conexo dos auômaos celulares, que

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

2 O Modelo Teórico O Modelo Básico

2 O Modelo Teórico O Modelo Básico O Modelo Teórco Nese capíulo serão apresenadas as dversas hpóeses e as abordagens eórcas a serem esudadas nese rabalho. Prmeramene, será apresenado o modelo básco, que supõe separabldade neremporal. m

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão 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

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS

CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS Economera Semesre 200.0 40 CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS OBJETIVOS Consderar modelos em que uma ou mas varáves explcavas são varáves nomnas (ambém chamadas de ndcadores, varáves

Leia mais

Análises de ciclos econômicos no Brasil

Análises de ciclos econômicos no Brasil Análses de cclos econômcos no Brasl 1980-2009 Armando Vaz Sampao RESUMO - As sequêncas de expansões e conrações da avdade econômca são conhecdas como cclos econômcos e afeam odos os agenes econômcos. O

Leia mais

5 Endogeneidade A Literatura

5 Endogeneidade A Literatura 5 Endogenedade No capíulo aneror esmamos a varânca condconal da axa de câmbo, levando em cona os possíves efeos das nervenções do Banco Cenral do Brasl nese mercado. Enreano, nesa análse gnorou-se o provável

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

Leia mais

Crescimento do Produto Agropecuário Brasileiro: uma Aplicação do Vetor Auto-regressivo (VAR)

Crescimento do Produto Agropecuário Brasileiro: uma Aplicação do Vetor Auto-regressivo (VAR) Quesões Agráras, Educação no Campo e Desenvolvmeno CRESCIMENTO DO PRODUTO AGROPECUÁRIO: UMA APLICAÇÃO DO VETOR AUTO-REGRESSIVO (VAR) CARLOS ALBERTO GONÇALVES DA SILVA; LÉO DA ROCHA FERREIRA; PAULO FERNANDO

Leia mais

Resumos Numéricos de Distribuições

Resumos Numéricos de Distribuições Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Regressão Linear Simples by Estevam Martins

Regressão Linear Simples by Estevam Martins Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

MODELO DE PRECIFICAÇÃO DE ATIVOS DE CAPITAL: UM ESTUDO DE CASO NO SETOR DE FRIGORÍFICOS

MODELO DE PRECIFICAÇÃO DE ATIVOS DE CAPITAL: UM ESTUDO DE CASO NO SETOR DE FRIGORÍFICOS MODELO DE PRECIFICAÇÃO DE ATIVOS DE CAPITAL: UM ESTUDO DE CASO NO SETOR DE FRIGORÍFICOS CAPITAL ASSET PRICING MODEL: A CASE STUDY ON MEAT SECTOR RESUMO Táco Auguso Faras 1 Luz Eduardo Nascmeno Fgueredo

Leia mais

MEDIDA DO TEMPO DE RESPOSTA DOS MEDIDORES DE PRESSÃO DO SPR DA U.N.A. A. A. - UNIDADE I UTILIZANDO O MÉTODO DE MEDIDA DIRETA

MEDIDA DO TEMPO DE RESPOSTA DOS MEDIDORES DE PRESSÃO DO SPR DA U.N.A. A. A. - UNIDADE I UTILIZANDO O MÉTODO DE MEDIDA DIRETA MEDIDA DO TEMPO DE RESPOSTA DOS MEDIDORES DE PRESSÃO DO SPR DA U.N.A. A. A. - UNIDADE I UTILIZANDO O MÉTODO DE MEDIDA DIRETA Sergo Rcardo Perera Perllo *, Irac Maríne Perera Gonçalves *, Robero Carlos

Leia mais

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA CÁSSIA PEREIRA DA ROSA MOSCHOUTIS

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA CÁSSIA PEREIRA DA ROSA MOSCHOUTIS 1 PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA CÁSSIA PEREIRA DA ROSA MOSCHOUTIS ANÁLISE DO CRESCIMENTO POPULACIONAL BRASILEIRO Poro Alegre 13 CÁSSIA PEREIRA DA ROSA MOSCHOUTIS

Leia mais

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

MECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação

MECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação MECÂNIC CLÁSSIC UL N o 4 Carga de Noeher- Smeras e Conservação Vamos ver o caso de uma parícula movendo-se no plano, porém descrevendo-a agora em coordenadas polares: r r d dr T T m dr m d r d d m r m

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

S&P Dow Jones Indices: Metodologia da matemática dos índices

S&P Dow Jones Indices: Metodologia da matemática dos índices S&P Dow Jones Indces: Meodologa da maemáca dos índces S&P Dow Jones Indces: Meodologa do índce Ouubro 2013 Índce Inrodução 3 Dferenes varedades de índces 3 O dvsor do índce 4 Índces ponderados por capalzação

Leia mais

Análise de Projectos ESAPL / IPVC

Análise de Projectos ESAPL / IPVC Análse de Proecos ESAPL / IPV Tempo, apal, Juro e Taxa de Juro Juros Smples e Juros omposos apalzação e Facor de apalzação Descono e Facor de Acualzação As aplcações do rendmeno onsumo Não Geram Rendmenos

Leia mais

Controle Cinemático de Robôs Manipuladores

Controle Cinemático de Robôs Manipuladores Conrole Cnemáco de Robôs Manpuladores Funconameno Básco pos de rajeóra rajeóras Pono a Pono rajeóras Coordenadas ou Isócronas rajeóras Conínuas Geração de rajeóras Caresanas Inerpolação de rajeóras Inerpoladores

Leia mais

Capítulo 3. Dinâmica crítica do modelo de Baxter-Wu. 3.1 O Modelo

Capítulo 3. Dinâmica crítica do modelo de Baxter-Wu. 3.1 O Modelo Capíulo 3 Dnâmca críca do modelo de Baxer-Wu 3.1 O Modelo O modelo de Baxer-Wu fo nroduzdo por Wood e Grffhs 56 e resolvdo exaameno no conexo de mecânca esaísca de equlíbro por R.J. Baxer e F.Y.Wu em 1973

Leia mais

tmax tmin tmax A seguir, com base nas equações apresentadas, uma nova abordagem para o cálculo do ponto de pedido será formulada.

tmax tmin tmax A seguir, com base nas equações apresentadas, uma nova abordagem para o cálculo do ponto de pedido será formulada. A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 003, Naal-RN PONTO DE PEDIDO BASEADO EM PREVISÕES Eduardo Saggoro Garca Unversdade Federal do Ro de Janero UFRJ edsg@ufr.br Vrgílo José

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

Análise da elasticidade de transmissão de preços do açúcar do mercado internacional para o mercado de Cabo Verde

Análise da elasticidade de transmissão de preços do açúcar do mercado internacional para o mercado de Cabo Verde Análse da elascdade de ransmssão de preços do açúcar do mercado nernaconal para o mercado de Cabo Verde Economsa, Invesgadora Assocada - AGRIPRICE Economsa, Invesgadora Assocada - AGRIPRICE Economsa, Invesgador

Leia mais

Uma análise da não-linearidade da função de reação do Banco Central do Brasil: Avesso a Inflação ou a Recessão?

Uma análise da não-linearidade da função de reação do Banco Central do Brasil: Avesso a Inflação ou a Recessão? Uma análse da não-lneardade da função de reação do Banco Cenral do Brasl: Avesso a Inflação ou a Recessão? Terence de Almeda Pagano José Luz Ross Júnor Insper Workng Paper WPE: 88/9 Coprgh Insper. Todos

Leia mais

ipea COEFICIENTES DE IMPORTAÇÃO E EXPORTAÇÃO NA INDÚSTRIA

ipea COEFICIENTES DE IMPORTAÇÃO E EXPORTAÇÃO NA INDÚSTRIA COEFICIENTES DE IMPORTAÇÃO E EXPORTAÇÃO NA INDÚSTRIA Paulo Mansur Levy Mara Isabel Fernans Serra Esa noa em como objevo dvulgar resulados relavos ao comporameno das exporações e mporações produos ndusras

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

CARTAS DE CONTROLE MULTIVARIADAS

CARTAS DE CONTROLE MULTIVARIADAS UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO DANILO MARCONDES FILHO CARTAS DE CONTROLE MULTIVARIADAS BASEADAS NO MÉTODO KERNEL-STATIS

Leia mais

Experiência IV (aulas 06 e 07) Queda livre

Experiência IV (aulas 06 e 07) Queda livre Experênca IV (aulas 06 e 07) Queda lvre 1. Obevos. Inrodução 3. Procedmeno expermenal 4. Análse de dados 5. Quesões 6. Referêncas 1. Obevos Nesa experênca esudaremos o movmeno da queda de um corpo, comparando

Leia mais

3 Modelos de Markov Ocultos

3 Modelos de Markov Ocultos 23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável

Leia mais

ESTIMATIVA BAYESIANA DO INSTANTE E DO LOCAL DE COLISÃO A PARTIR DA OBSERVAÇÃO DE FRAGMENTOS

ESTIMATIVA BAYESIANA DO INSTANTE E DO LOCAL DE COLISÃO A PARTIR DA OBSERVAÇÃO DE FRAGMENTOS ESIMAIVA BAYESIAA DO ISAE E DO LOCAL DE COLISÃO A ARIR DA OBSERVAÇÃO DE FRAGMEOS Andreza C. Basa, Robero V. F. Lopes, Helo. uga 3, Marcelo L. O. Souza 4 Insuo aconal de esqusas Espacas, São José dos Campos,

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais