Capítulo 1 Introdução

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Capítulo 1 Introdução"

Transcrição

1 Capíulo Inrodução No mercado braslero de prevdênca complemenar abera e de seguro, regulado e fscalzado pela Supernendênca de Seguros Prvados SUSEP, os planos de prevdênca e de seguro de vda que possuam a coberura de sobrevvênca (aposenadora necessam de préva aprovação para serem comercalzados. As seguradoras e endades aberas de prevdênca complemenar - EAPC devem fxar as ábuas bomércas e as axas de juros que serão ulzados em seus planos no momeno dessa aprovação. Porano, as ábuas bomércas são váldas da enrada do prmero consumdor do plano aé a more da úlma pessoa em recebmeno de renda, um longo nervalo de empo. Um dos maores problemas enfrenados por esas companhas é decdr que ábua bomérca de moraldade será ulzada na coberura de sobrevvênca de seus planos, pos esa deverá ser sempre usada para cálculos das conrbuções, nos planos de prevdênca, e dos prêmos, nos planos de seguro, bem como no cálculo dos valores das rendas e das provsões. Esse problema vem freqüenemene aumenando em função da endênca de redução da moraldade da população e da ulzação pelo mercado de ábuas de moraldade consruídas com experêncas de ouros países, em sua maora amercanas. A consução de provsões maemácas pelas companhas, que medem os compromssos fuuros desas, é realzada com base nos valores das anudades, como podemos verfcar no capíulo 6. Esas por sua vez são calculadas em função das probabldades de more consanes da ábua bomérca e da axa de juros fxadas no plano. Os valores das anudades, bem como das provsões maemácas, são nversamene proporconas à axa de juros e às probabldades de more. Assm, para evar a consução de provsões maemácas a menor que o necessáro e conseqüene nsolvênca da empresa, devdo à fala de conhecmeno sobre a moraldade da população exposa, os auáros das companhas esão dexando de lado a esaísca e a auára e se prevenndo de evenuas perdas com a fxação de axas de juros reduzdas, na sua maor pare gual a zero. Com sso, espera-se compensar fuuros prejuízos écncos pelo mau dmensonameno das ábuas bomércas de moraldade, ou seja, ulzação de probabldades de more superores à real moraldade da massa exposa na

2 coberura de sobrevvênca, com ganhos fnanceros decorrenes da garana de uma baxa axa de juros. Dessa forma, o mercado segurador esá se ornando cada da menos écnco. Para enar avalar a real moraldade do públco que compra planos de seguro e prevdênca no Brasl, a SUSEP, a parr de 998, vem solcando dados do mercado segurador e frmou um convêno com o Insuo Braslero de Geografa Esaísca IBGE para obenção de ábuas bomércas. A parr dos dados coleados, enre os anos de 998 e 200, remos ulzar a esaísca bayesana para obenção de ábuas bomércas de moraldade, para ambos os sexos, que reflam a real moraldade dos exposos ao rsco na coberura de sobrevvênca dos planos de seguro de vda e de prevdênca complemenar abera no Brasl. Para obenção das probabldades de mores consanes das ábuas de moraldade consruídas, será ulzado o processo de graduação bayesana, onde essas probabldades serão esmadas em função da dsrbução predva do número de mores, o qual é modelado como sendo Posson dsrbuído, consderando que odos os ndvíduos com a mesma dade morrem ndependenemene e com a mesma probabldade. A graduação é fundamenal para suavzar as axas bruas de moraldade, fazendo com que as probabldades de mores sejam crescenes em relação às dades. Vamos propor, nese rabalho, rês modelos paramércos e rês modelos não paramércos (em forma lvre de graduação bayesana. Com base nos modelos: paramérco e não paramérco que obenham, smulaneamene, melhor ajuse aos dados observados e melhor predção dos dados replcados, remos consrur as ábuas de moraldade por meo de modelos bayesanos esácos e dnâmcos. Após a comparação enre as ábuas de moraldade bayesanas consruídas, a mas adequada será confronada com conhecdas ábuas de moraldade, para verfcarmos se esas esão defasadas, ou seja, possuem probabldades de more superores à realdade da população em esudo. Demonsraremos, ambém, a mporânca da adequação da ábua bomérca de moraldade, ulzada na coberura de sobrevvênca, à realdade da massa exposa ao rsco para que a companha manenha-se solvene. Iso será feo pelo cálculo da provsão maemáca, comparando o méodo deermnísco, adoado pelo mercado 2

3 segurador, com o méodo bayesano proposo, onde ulzaremos conceos de análse de decsões: funções de perda e a classe de meddas de rsco denomnada valor em rsco (value a rsk - VaR. A mplemenação dos modelos bayesanos apresenados nese rabalho será realzada aravés de smulação esocásca va cadeas de Markov - MCMC, parcularmene o Amosrador de Gbbs, mplemenado aravés do pacoe compuaconal WnBUGS (versão.4, uma versão para wndows do pacoe BUGS (Bayesan nference Usng Gbbs Samplng. Esa ese é esruurada da segune forma: - no capíulo 2 é apresenada a análse dos dados ulzados; - no capíulo 3, apresenamos conceos de graduação de axas de moraldade e de graduação bayesana, bem como alguns conceos báscos de auára; - no capíulo 4 são descros ses modelos de graduação bayesana, sendo rês modelos não paramércos (em forma lvre e rês paramércos, e eses são comparados, após os eses de convergênca, para obenção de um modelo não paramérco e um paramérco de melhor ajuse; - no capíulo 5 são consruídas ábuas de moraldade bayesanas, para cada sexo, ulzando modelos esácos e dnâmcos endo como base os modelos de graduação bayesana mas adequados obdos no capíulo aneror. E, após a comparação enre os modelos proposos, a ábua de moraldade obda pelo melhor modelo é comparada com conhecdas ábuas de moraldade; - no capíulo 6 é demonsrada a mporânca da adequação de uma ábua bomérca à real moraldade da população exposa ao rsco para que a seguradora/eapc manenha-se solvene, aravés do cálculo da provsão maemáca, por meo de MCMC, fazendo uso dos conceos de funções de perda e valor em rsco (value a rsk - VaR; e - no capíulo 7, apresenamos algumas conclusões. 3

4 Capíulo 2 - Análse dos Dados Ese rabalho é realzado com os dados referenes aos segurados, parcpanes e asssdos dos planos de prevdênca complemenar abera e de seguro de vda ndvdual que possuam a coberura por sobrevvênca. Podemos defnr segurado como pessoa físca que conraa um plano de seguro, parcpane como pessoa físca que conraa um plano de prevdênca e asssdo como pessoa físca que eseja recebendo renda em um plano de seguro ou prevdênca, podendo ese er sdo, anes da concessão da renda, um segurado/parcpane ou benefcáro de algum segurado/parcpane. Os dados esudados foram coleados pela SUSEP de odas as empresas fscalzadas (seguradoras e endades aberas de prevdênca complemenar EAPC que operam em prevdênca complemenar abera e no ramo vda ndvdual. Como esamos somene consderando a coberura de sobrevvênca, levamos em cona apenas os dados de seguro referenes ao ramo de vda ndvdual, pos aé o úlmo ano analsado não hava plano de seguro de vda colevo com coberura de sobrevvênca, sendo ese comercalzado apenas com a cração do produo Vda Gerador de Benefícos Lvres - VGBL no ano Os dados referem-se aos anos de 998 a 200 e foram solcados aravés de regulação específca. A Crcular SUSEP n.º 63, de 9 de seembro de 998, requereu os dados de seguro de vda ndvdual e prevdênca complemenar abera dos anos de 998 e 999. Os dados do ano 2000, com a revogação daquela Crcular foram requsados por meo da Crcular SUSEP n.º 35, de 08 de agoso de Já os dados referenes ao ano de 200, foram requsados por força da Crcular SUSEP n.º 84, de 28 de março de Para cada ano foram solcados pelo órgão fscalzador quaro quadros específcos: - quadro : dados dos parcpanes ou segurados, ou seja, exposos ao rsco no ano de esudo. - quadro 2: dados dos parcpanes ou segurados que saíram dos planos e foram avsados à empresa no ano de esudo. - quadro 3: dados dos asssdos, ou seja, exposos ao rsco no ano de esudo. 4

5 - quadro 4: dados referenes aos asssdos que saíram dos planos e foram avsados à empresa no ano de esudo. O quadro enconra-se desagregado por: produo (vda ou prevdênca, coberura, daa de nascmeno, daa de ngresso no plano, sendo esa preenchda com se o segurado ou parcpane esver no plano desde o ano aneror e se o segurado ou parcpane esver no plano no fm do ano correne, e quandades de segurados/parcpanes por sexo. O quadro 2 enconra-se desagregado por: produo (vda ou prevdênca, coberura, daa de nascmeno, movo de saída, daa de ocorrênca do eveno gerador, daa do avso à empresa e quandades de segurados/parcpanes. O quadro 3 possu a mesma esruura do quadro, porém os produos são dvddos em renda de aposenadora, renda por nvaldez e renda por pensão. O quadro 4 dfere-se do quadro 2 somene no que dz respeo aos produos, que são classfcados da mesma manera do quadro 3. Como já menconado, nese rabalho serão esudadas as axas de moraldade relavas aos consumdores que possuam a coberura de sobrevvênca. Por sso, foram consderados, no quadro, os exposos ao rsco que possuíam essa coberura, no quadro 2, somene os que consavam a more como movo de saída do plano e que possuíam a coberura de sobrevvênca. Já no quadro 3, foram consderados os asssdos que esavam recebendo renda de aposenadora ou renda de pensão, dexando de lado os asssdos em gozo de renda por nvaldez, pos o rsco assumdo pela seguradora/eapc, nese caso, é a sobrevvênca do asssdo nváldo, sendo ese rsco não analsado nese rabalho. No quadro 4, foram consderados somene os asssdos que consavam como movo de saída a more e que esavam recebendo renda de aposenadora ou renda de pensão. Os dados dos anos analsados não esavam separados por pessoa físca, chaveados como por exemplo pelo CPF, e sm agrupados por quandades e sexo, essa solcação só fo adoada a parr de 200. Dessa forma, caso um consumdor possuísse mas de um plano, ese sera consderado mas de uma vez na base de dados, gerando mulplcdade de nformação, ano no número de exposos como no número de moros. 5

6 A parr do banco de dados orgnal, fornecdo pelo Cenro de Esaísca da SUSEP, os dados ulzados nesa ese (quandade cenral de exposos ao rsco e número de mores foram agrupados por ano de esudo, dade e sexo. 2. Deermnação da quandade cenral de exposos ao rsco Para deermnação da quandade cenral de exposos ao rsco de sobrevvênca em cada ano, dscrmnada por sexo, calculamos a méda de exposos enre o níco do ano e o fm do ano. Para oalzação da quandade cenral de exposos ao rsco por dade e sexo em cada ano somamos os exposos segurados/parcpanes e os exposos asssdos, como podemos verfcar na Tabelas 2.. Tabela 2.: Toalzação da quandade cenral de exposos ao rsco nos anos de 998 a 200, consderando o número de exposos no níco do ano e no fm do ano, para segurados/parcpanes e asssdos. níco do ano homens fm do ano quandade cenral de exposos níco do ano mulheres fm do ano quandade cenral de exposos ano de 998 segurados/parcpanes asssdos oal ano de 999 segurados/parcpanes asssdos oal ano de 2000 segurados/parcpanes asssdos oal ano de 200 segurados/parcpanes asssdos oal Com a análse da Tabela 2., podemos noar que a população em esudo do sexo femnno represena por vola de 50% da população do sexo masculno. Verfcamos, 6

7 anda, um grande aumeno do número de segurados/parcpanes no decorrer dos anos, so se deve prncpalmene ao crescmeno das vendas de prevdênca, alavancadas pelas vendas do produo Plano Gerador de Benefícos Lvres PGBL, e pela esabldade da economa. Ouro faor mporane para explcar o crescmeno do número de exposos enre os anos de 998 e 999, acma de 30%, fo que houve mua ressênca das empresas ao envo dos dados, no ano de 998, por raar-se do prmero ano e pelo fao de não possuírem ssemas específcos para raameno dos dados, problema que esá sendo resolvdo com o passar dos anos. Nos Gráfcos 2., 2.2, 2.3 e 2.4, apresenamos a dsrbução dos exposos ao rsco de sobrevvênca por sexo nos anos de 998, 999, 2000 e 200, respecvamene. Podemos observar que há uma concenração da população em orno das dades compreenddas enre 20 anos e 60 anos, sendo que esá faxa eára absorve em méda 95% da população masculna e 93% da população femnna quandade cenral de exposos ao rsco dade Gráfco 2.: Quandade de exposos ao rsco por dade e sexo no ano de 998, onde homens (lnha chea e mulheres (lnha racejada. 7

8 quandade cenral de exposos ao rsco dade Gráfco 2.2: Quandade de exposos ao rsco por dade e sexo no ano de 999, onde homens (lnha chea e mulheres (lnha racejada. quandade cenral de exposos ao rsco dade Gráfco 2.3: Quandade de exposos ao rsco por dade e sexo no ano de 2000, onde homens (lnha chea e mulheres (lnha racejada. 8

9 quandade cenral de exposos ao rsco dade Gráfco 2.4: Quandade de exposos ao rsco por dade e sexo no ano de 200, onde homens (lnha chea e mulheres (lnha racejada. Nos Gráfcos 2.5 e 2.6, podemos observar que o aumeno do número de exposos no decorrer do empo fo dsrbuído por odas as dades e ndependene do sexo. No enano, no ano de 200, houve um grande aumeno do número de exposos para baxas dades, fruo do crescmeno da campanha de vendas de planos de prevdênca para menores de dade por pare de algumas companhas. 9

10 quan. cenral de expos. ao rsco Idade 20 Gráfco 2.5: Quandade de exposos ao rsco do sexo masculno enre os anos de 998 e 200, onde 998 (rosa, 999 (azul, 2000 (vermelho e 200 (verde quan. cenral de expos. ao rsco Idade 20 Gráfco 2.6: Quandade de exposos ao rsco do sexo femnno enre os anos de 998 e 200, onde 998 (rosa, 999 (azul, 2000 (vermelho e 200 (verde. 0

11 Na obenção da quandade de exposos ao rsco de sobrevvênca observa-se dos pos de problema nos dados, ambém abordados por Belrão e Sugahara (2003, são eles:. problema de connudade da nformação: o número de segurados/parcpanes no fnal do ano aneror, para cada dade e sexo, devera ser gual ao número de segurados/parcpanes no níco do ano subseqüene. A mesma consderação é válda para o número de asssdos. 2. problema de balanço anual da nformação: o número de segurados/parcpanes no fm de cada ano, para cada dade e sexo, devera ser gual ao número ncal acrescdo da quandade de enradas e reduzdo da quandade de saídas no ano. A mesma consderação é válda para o número de asssdos. Com a análse da Tabela 2.2 verfcamos que com o passar dos anos o problema de connudade da nformação referene à coberura de sobrevvênca esá dmnundo. Sendo ese mas grave para os asssdos enre os anos de 998 e 999, mas devdo ao baxo número de asssdos, ese problema não em grande peso relavo na população esudada. Tabela 2.2: Dferença percenual enre exposos no níco do ano correne e no fm do ano aneror, para os sexos masculno e femnno, enre os anos de 998 e 200. % 98/99 % 99/00 % 00/0 segurados/parcpanes 8,22% sexo masculno -7,33% -4,75% asssdos 7,2% -2,0% 5,05% oal 8,44% -7,23% -4,57% sexo femnno segurados/parcpanes 3,57% -,09% -5,96% asssdos 58,43% -4,59% -,4% oal 5,4% -0,90% -5,85% Analsando, anda, problema de connudade da nformação por dade nos anos de esudo, consderando em conjuno o número de segurados/parcpanes e o número de asssdos, podemos noar, por meo da análse dos Gráfcos 2.7 e 2.8, que o grande problema enconra-se na população nferor a 20 anos e superor a 60 anos, e, anda, conforme comenado, que anualmene há uma redução gradual do problema.

12 500,00% 450,00% 400,00% 350,00% 300,00% percenual 250,00% 200,00% 50,00% 00,00% 50,00% 0,00% 0-50,00% ,00% dade Gráfco 2.7: Dferença percenual enre os exposos ao rsco do sexo masculno no níco do ano correne e no fm do ano aneror, onde % 98/99 (vermelho, % 99/00 (azul e % 00/0 (verde. 2

13 400,00% 350,00% 300,00% 250,00% 200,00% percenual 50,00% 00,00% 50,00% 0,00% -50,00% -00,00% dade Gráfco 2.8: Dferença percenual enre os exposos ao rsco do sexo femnno no níco do ano correne e no fm do ano aneror, onde % 98/99 (vermelho, % 99/00 (azul e % 00/0 (verde. Quano ao problema de balanço anual da nformação, na Tabela 2.3, calculamos a dferença percenual enre o número de exposos reporados no fm do ano e o número de exposos calculados de acordo com o número de exposos no níco do ano e a movmenação enre enradas e saídas de exposos, ou seja: exp _fm % =, onde: ( exp _n + en sa exp_fm: número de exposos reporados no fm do ano; exp_n: número de exposos reporados no níco do ano; en: enradas de exposos no decorrer do ano; e sa: saídas de exposos no decorrer do ano. Para conagem do número de exposos que saíram dos planos no decorrer de cada ano são consderados odos os movos de saída dsponíves no banco de dados: more, nvaldez, sobrevvênca (aposenadora e ouras saídas (resgae, 3

14 cancelameno,..., para os dados referenes aos segurados/parcpanes, e more e ouras saídas (érmno do prazo de recebmeno de renda, obenção da maordade - no caso de renda paga aos menores,..., para os dados referenes aos asssdos. Tabela 2.3: Dferença percenual enconrada no problema de balanço anual da nformação nos anos de 998 a 200, para ambos os sexos, consderando a segregação enre segurados/parcpanes e asssdos. homens exp_n en sa exp_fm % segurados/parcpanes ,06% asssdos ,50% oal ,06% mulheres exp_n en sa exp_fm % segurados/parcpanes ,02% asssdos ,88% oal ,6% homens exp_n en sa exp_fm % segurados/parcpanes ,3% asssdos ,05% oal ,% mulheres exp_n en sa exp_fm % segurados/parcpanes ,72% asssdos ,0% oal ,70% homens exp_n en sa exp_fm % segurados/parcpanes ,86% asssdos ,0% oal ,85% mulheres exp_n en sa exp_fm % segurados/parcpanes ,60% asssdos ,0% oal ,58% homens exp_n en sa exp_fm % segurados/parcpanes ,3% asssdos ,70% oal ,0% mulheres exp_n en sa exp_fm % segurados/parcpanes ,2% asssdos ,80% oal ,6% 4

15 Com a análse da Tabela 2.3, podemos conclur que o problema de balanço anual da nformação é menor do que o problema de connudade da nformação. Conudo, noamos um crescmeno daquele problema no ano de 200, se comparado com os demas anos. Os problemas relaados devem-se a fala de conrole na colea e no manuseo dos dados por pare de algumas seguradoras/eapc s, pos a obrgaoredade de envo de dados é recene no país. Esses problemas já foram prevamene reduzdos pelo Cenro de Esaísca da SUSEP, que dsponblza va nerne um ssema de críca de dados às companhas. 2.2 Deermnação do número de mores Para o cálculo das axas bruas de moraldade para coberura de sobrevvênca é necessára a apuração do número de mores, por sexo e dade, ocorrdos a cada ano com ndvíduos que possuíam a coberura de sobrevvênca. Conudo, pode ocorrer uma defasagem no avso de snsro por pare dos benefcáros à companha de seguros, ou seja, óbos ocorrdos em um deermnado ano podem ser reporados às empresas em anos subseqüenes. Os óbos ocorrdos em 998 e avsados nos anos de 999, 2000 e 200 foram somados aos óbos ocorrdos em 998 e avsados no mesmo ano, ano para os segurados/parcpanes como para os asssdos. Enão, como esá dsponível um banco de dados de quaro anos, nesse esudo consderamos um empo máxmo para avso de snsro de rês anos. Iso pode ser assumdo sem problemas, pos é sabdo, em prevdênca complemenar abera e seguro de vda ndvdual, que não exse um grande araso no avso de snsro de more por pare dos benefcáros, como podemos observar nas Tabelas 2.4 e 2.5. Sendo ese araso anda menor quando se raa de avso de óbo de asssdo, conforme dsposo nas Tabelas 2.6 e

16 Tabela 2.4: Óbos ocorrdos e avsados referenes aos segurados/parcpanes do sexo masculno, nos anos de 998 a 200. ano de avso ano de ocorrênca oal Tabela 2.5: Óbos ocorrdos e avsados referenes aos segurados/parcpanes do sexo femnno, nos anos de 998 a 200. ano de avso ano de ocorrênca oal Tabela 2.6: Óbos ocorrdos e avsados referenes aos asssdos do sexo masculno, nos anos de 998 a 200. ano de avso ano de ocorrênca oal Tabela 2.7: Óbos ocorrdos e avsados referenes aos asssdos do sexo femnno, nos anos de 998 a 200. ano de avso ano de ocorrênca oal

17 Para deermnação do número de óbos no ano de 999, somamos os óbos avsados em 999, 2000 e 200 e consderamos a possbldade de haver snsros ocorrdos em 999 e reporados à companha com rês anos de araso. O mesmo procedmeno é realzado para os anos de 2000 e 200, sendo esmada a possbldade de araso no avso de snsros de 2 e 3 anos para o ano de 2000 e de, 2 e 3 anos para o ano de 200. As esmavas de araso no avso de falecmeno são realzadas consderando as médas de arasos ocorrdos, separadas por sexo e por caegora, ou seja, segurados/parcpanes e asssdos. Esas esmavas são apresenados nas Tabelas 2.8 a 2.. Tabela 2.8: Percenual de óbos reporados com araso em relação aos óbos reporados no ano da ocorrênca, para segurados/parcpanes do sexo masculno, nos anos de 998 a 200. empo de araso para avsar (em anos ano de ocorrênca ,75% 0,62% 0,25% 999 7,90% 0,88% ,09% 200 méda 7,58% 0,75% 0,25% Tabela 2.9: Percenual de óbos reporados com araso em relação aos óbos reporados no ano da ocorrênca, para segurados/parcpanes do sexo femnno, nos anos de 998 a 200. empo de araso para avsar (em anos ano de ocorrênca ,93% 0,5% 0,5% 999 6,64% 0,83% 2000,49% 200 méda 7,69% 0,67% 0,5% 7

18 Tabela 2.0: Percenual de óbos reporados com araso em relação aos óbos reporados no ano da ocorrênca, para asssdos do sexo masculno, nos anos de 998 a 200. empo de araso para avsar (em anos ano de ocorrênca ,00% 0,00%,30% 999,43% 0,7% ,3% 200 méda 2,9% 0,36%,30% Tabela 2.: Percenual de óbos reporados com araso em relação aos óbos reporados no ano da ocorrênca, para asssdos do sexo femnno, nos anos de 998 a 200. empo de araso para avsar (em anos ano de ocorrênca ,00% 0,00% 0,00% 999 0,00%,5% ,98% 200 méda 0,33% 0,57% 0,00% Após esas esmavas, podemos realzar a devda correção no número de óbos ocorrdos, esmando o número de óbos ocorrdos e anda não avsados. Essa correção é realzada aplcando-se a méda para cada ano de araso (de a 3 anos sobre o número de mores ocorrdas no ano e avsadas no mesmo ano. Tomando como exemplo o cálculo do número de óbos dos segurados/parcpanes no ano de 200, para sabermos o número de snsros avsados com araso de ano para cada dade basa mulplcarmos 7,58% (ver Tabela 2.8 pelo número de mores de cada dade avsadas e ocorrdos no ano de 200, esse mesmo créro de cálculo será repedo para 2 e 3 anos de araso no avso, aplcando 0,75% e 0,25%, respecvamene. Para deermnação do número de falecmenos relavos à coberura de sobrevvênca, por dade e por ano de esudo, são somados os óbos dos segurados/parcpanes e dos asssdos. Nos Gráfcos 2.9, 2.0, 2. e 2.2 apresenamos a dsrbução de número de óbos por dade para os anos 998, 999, 8

19 2000 e 200, respecvamene. Podemos noar um número muo baxo de mores, para algumas dades aé guas a zero, para dades nferores a 25 anos e superores a 90 anos número de mores dade Gráfco 2.9: Número de mores por dade no ano de 998, onde homens (lnha chea e mulheres (lnha racejada. 9

20 números de mores dade Gráfco 2.0: Número de mores por dade no ano de 999, onde homens (lnha chea e mulheres (lnha racejada número de mores dade Gráfco 2.: Número de mores por dade no ano de 2000, onde homens (lnha chea e mulheres (lnha racejada. 20

21 número de mores dade Gráfco 2.2: Número de mores por dade no ano de 200, onde homens (lnha chea e mulheres (lnha racejada. Em função do araso na comuncação de falecmeno, a quandade cenral de exposos ao rsco ambém deverá sofrer uma pequena correção, pos os snsros avsados com araso connuaram sendo reporados como população ava. A quandade cenral de exposos ao rsco de sobrevvênca em cada ano, segregada por dade e sexo, enconra-se dsponível no Anexo I, e o número de mores relavo à coberura de sobrevvênca consderado nese rabalho, segregada por dade e sexo, enconra-se dsponível no Anexo II. Após a obenção dos dados ulzados nesa ese (quandade cenral de exposos e número de mores, podemos calcular as axas bruas de moraldade para a coberura de sobrevvênca. 2.3 Cálculo das axas bruas de moraldade Para o cálculo das axas bruas de moraldade no período gual a um ano, para cada dade e sexo, dvdmos o número de mores no ano pela quandade cenral de 2

22 exposos ao rsco no ano, consderando a correspondene dade e sexo, conforme dsposo a segur: r = x d e x x, onde: r x : axa brua de moraldade na dade x; d x : número de mores observadas na dade x; e e x : quandade cenral de exposos ao rsco de sobrevvênca observados na dade x. As axas bruas de moraldade para os anos de 998 a 200, para ambos os sexos, esão dsponíves no Anexo III. Nos Gráfcos 2.3, 2.4, 2.5 e 2.6, apresenamos as axas bruas de moraldade para ambos os sexos dos anos 998, 999, 2000 e 200, respecvamene. Podemos observar que as axas de moraldade bruas observadas possuem endênca de crescmeno a parr dos 25 anos de dade. Isso pode ser explcado pela maor ncdênca de mores acdenas nos ndvíduos mas jovens. Ademas, nos gráfcos percebemos a fala de nformação para dades nferores a 20 anos, para o sexo masculno, e nferores a 30 anos para o sexo femnno, bem como para dades superores a 90 anos, para ambos os sexos. Devemos noar que essa percepção é obda consderando que os gráfcos esão em escala logarímca, ou seja, axas de moraldade guas a zero não são represenadas nos gráfcos. 22

23 ,0000 0,000 axa brua - escala logarímca 0,000 0,000 0,000 0, dade Gráfco 2.3: Taxas bruas de moraldade por dade para a coberura de sobrevvênca no ano de 998, onde homens (lnha chea e mulheres (lnha racejada.,0000 0,000 axa brua - escala logarímca 0,000 0,000 0,000 0, dade Gráfco 2.4: Taxas bruas de moraldade por dade para a coberura de sobrevvênca no ano de 999, onde homens (lnha chea e mulheres (lnha racejada. 23

24 ,0000 0,000 axa brua - escala logarímca 0,000 0,000 0,000 0, dade Gráfco 2.5: Taxas bruas de moraldade por dade para a coberura de sobrevvênca no ano de 2000, onde homens (lnha chea e mulheres (lnha racejada.,0000 0,000 axa brua - escala logarímca 0,000 0,000 0,000 0, dade Gráfco 2.6: Taxas bruas de moraldade por dade para a coberura de sobrevvênca no ano de 200, onde homens (lnha chea e mulheres (lnha racejada. 24

25 Espera-se que a axa de moraldade de um ndvíduo mas velho seja superor a de um ndvíduo mas jovem. No enano, as axas bruas enconradas são muo rregulares em relação à dade, não sendo monooncamene crescenes com a dade, como observamos nos Gráfcos 2.3 a 2.6. Dessa forma, as axas deverão ser suavzadas para que possam ser ulzadas em planos de seguro de vda e de prevdênca. O processo de suavzação das axas bruas de moraldade é conhecdo por graduação e será apresenado no capíulo poseror. 25

26 Capíulo 3 - Graduação das Taxas Bruas de Moraldade Como dsposo no capíulo aneror, após a colea dos dados observados e obenção das axas bruas de moraldade, esperávamos que esas axas vessem uma relação monooncamene crescene em relação à dade. Como nos dados observados, essa relação não é enconrada, para regularzação das axas de moraldade em relação à dade, e conseqüene obenção da desejada ábua de moraldade, devemos realzar um processo de suavzação das axas bruas enconradas. Esse processo é conhecdo como graduação. A graduação é fundamenal para corrgr problemas nos dados e fala de nformação para deermnada dade esudada, subsundo uma sére rregular por uma sére suavzada, que segue uma endênca de crescmeno em função da dade, com o objevo fnal de se ober probabldades anuas de mores (q x monooncamene crescenes em relação às dades, sendo x a dades em anos. Não sera possível a ulzação de axas de moraldade em planos de prevdênca e de vda sem a devda graduação, pos como explcar a um segurado de um plano de seguro vda, com prêmos anuas calculados de acordo com a dade, a varabldade dos prêmos cobrados. Podemos graduar axas bruas de moraldade em função da força de moraldade (µ, usando no processo a quandade cenral de exposos ao rsco observados, ou em x função da probabldade de more (qx, usando a quandade ncal de exposos ao rsco observados. Consdera-se o número de mores (d x, no período de esudo e para cada dade x, modelado com sendo Posson dsrbuído com méda e - Posson( e.,. µ µ x x x x quando a graduação é realzada em relação à força de moraldade, e consdera-se d modelado com sendo Bnomal dsrbuído com méda e. q x x - Bnomal(ex, q x, quando o processo de graduação é realzado em função da probabldade de more (Haberman e Renshaw, 996, parndo do prncípo de que odos os ndvíduos com a mesma dade morrem ndependenemene e com a mesma probabldade, onde: d x : número de mores na dade x; x 26

27 função de função de qx; e x : quandade cenral de exposos ao rsco na dade x, para graduação em µ x, ou quandade ncal de exposos ao rsco na dade x, para graduação em q x : probabldade de um ndvíduo falecer enre as dades x e x +; e µ x : força de moraldade, mede a varação nsanânea da nensdade de more, sendo expressa na forma de axa anual. Como nesa ese esamos rabalhando com a quandade cenral de exposos ao rsco, graduaremos as axas bruas aravés da força de moraldade, com d x dsrbuído de acordo como a dsrbução Posson. Para esmar axas de moraldade suavzadas são sugerdos na leraura e ulzados na práca modelos de graduação paramércos e não paramércos (em forma lvre. Esa caegorzação de modelos de graduação é cada por Haberman e Renshaw (996. As graduações normalmene são realzadas aravés de modelos paramércos por adequação da probabldade de more ou da força de moraldade a algum modelo maemáco, ajusando as axas bruas de moraldade a uma função de sobrevvênca fundamenada em les de moraldade, as como as Les de Movre, Gomperz, Makeham e Webull (Bowers e al., 986. Não podemos dexar de car que uma ampla classe de modelos esaíscos para curva de crescmeno (parâmeros não negavos e crescenes é apresenada em Mgon e Gamerman (993. No Brasl, os rabalhos realzados sobre graduação de axa de moraldade com dados orgnáros do mercado segurador ulzam esaísca clássca e modelos paramércos não predvos e esácos, enre eles desaca-se Belrão e Sugahara (2003. Iremos a segur apresenar a graduação bayesana das axas bruas de moraldade e elencar os modelos que servram de referênca para consrução dos modelos de graduação bayesana proposos no próxmo capíulo. 27

28 3. Graduação bayesana A abordagem bayesana do processo de graduação raa-se de esmação esaísca de parâmeros desconhecdos, onde são agregados aos dados conhecmenos ncas sobre os parâmeros esudados. Alguns rabalhos já foram publcados sobre graduação bayesana, enre eles: Kmeldorf e Jones (967, Hckman e Mlller (977, Broff (988, Carln (992, Gordon (998 e Mendoza e al. (200. Os modelos não paramércos de graduação bayesana proposos no próxmo capíulo são baseados nos modelos descros em Broff (988 e Carln (992, já os modelos paramércos são baseados no modelo de graduação clássco apresenando por Haberman e Renshaw (996, adapado para um enfoque bayesano. Anes da apresenação dos modelos é mporane nroduzr alguns conceos báscos de auára, enre eles, função de sobrevvênca, probabldade de more e força de moraldade. 3.2 Conceos báscos de auára Para que os modelos de graduação sejam mas faclmene enenddos apresenaremos, no decorrer desa seção, alguns conceos báscos de auára. A função de sobrevvênca s(x é uma expressão maemáca decrescene que ena enconrar padrões de sobrevvênca nas vdas humanas. Podemos defnr s(x como a probabldade de um recém nascdo vver aé a dade X. Enão, seja X, dade de more do recém nascdo, uma varável aleaóra conínua (Bowers e al., 986, denoando por F(x a dsrbução acumulada de X, êm-se: F(x = P(X x, x 0, e s(x = F( x = P(X > x, logo s(0 = e s( xsup =, sendo x a úlma dade consderada na ábua bomérca. sup Seja q x, denomnada axa anual de more, a probabldade de um ndvíduo falecer enre as dade x e x + e seu complemenar, p x, a probabldade de um ndvíduo 28

29 de dade x sobrevver aé a dade x +, enão q x + p x =. É mporane ressalar que as ábuas bomércas de moraldade são consruídas em função de q x. Denoe por p0 a probabldade de um ndvíduo de dade gual a zero p 0 sobrevver aé a dade. Assm, gualá-se a s(. Parmos enão para as segunes relações: s( p0 = = - P(X, s(0 a dade x +. s( x =, sendo a probabldade de um ndvíduo de dade x sobrevver aé s( x + p x s( x + s( x px = = px = qx, enão: s( x + q x = = P( X x + X > x s( x Quano à força de moraldade ( µ, conforme descro em Jordan (99, esa x mede a varação nsanânea da nensdade de more, pos ela não é consane a cada momeno. Dessa forma, consderando a f(x a função de densdade de X, F (x = f(x, emos: F( x + x F( x f ( x. x µ x = P( x < X < x + x X > x =, enão: F( x F( x f ( x s'( x µ x = =, µ x > 0 e crescenes em relação às dades. F( x s( x A relação enre a probabldade de more e a força de moraldade (Jordan, 99 é expressa a segur: q = exp( µ d, n x x+ 0 sendo a probabldade de um ndvíduo falecer enre as dades x e x + n. n q x Assm, para n =, obemos: q = exp( µ x x+ 0 n d 29

30 Como smplfcado por Broff (988, podemos consderar µ x consanes nos nervalos de dade (, a parr de uma dade ncal x. Consderando os nervalos de dade =,..., k, emos: µ (y =, x + y x e + q + = exp x ( (3. Nos modelos desenvolvdos nese rabalho, remos esmar as probabldades de more consderando a smplfcação descra em (3.. 30

31 Capíulo 4 - Modelos de Graduação Bayesana Os modelos a serem apresenados nesse capíulo vsam a obenção de axas de moraldade suavzadas em função da dade, para cada ano de esudo e para cada sexo, com o objevo de verfcar que modelo paramérco e não paramérco, denre os proposos, são os mas adequados para serem ulzados, no próxmo capíulo, como referênca na consrução de modelos de graduação bayesana de axas de moraldade onde serão consderados os dados de odos os anos dsponíves em conjuno, ou seja, de modelos bayesanos para obenção de ábuas bomércas de moraldade que reflam a realdade do mercado de seguro e prevdênca no Brasl. Nos modelos, para graduação bayesana das axas bruas de moraldade referenes à coberura de sobrevvênca nos planos de seguro de vda e de prevdênca complemenar abera, será ulzada smulação esocásca va cadeas de Markov - MCMC, parcularmene o Amosrador de Gbbs, mplemenado aravés do pacoe compuaconal WnBUGS versão.4 (Spegelhaler e al., 2003, uma versão para wndows do pacoe BUGS (Bayesan nference Usng Gbbs Samplng. Ese é um programa de fácl ulzação e pode ser obdo sem cuso aravés do se É especalzado na mplemenação de MCMC, assumndo um modelo de probabldade compleo, no qual odos os parâmeros são raados como varáves aleaóras. Nesse capíulo, serão apresenados ses modelos: rês modelos de graduação não paramércos, baseados nos argos de Broff (988 e Carln (992 e rês modelos paramércos, com base em modelos lneares generalzados descro em Haberman e Renshaw (996, adapados para um enfoque bayesano. Broff (988 afrmou que as probabldades de more crescem com a dade a parr dos 30 anos. No enano, analsando as ábuas bomércas ulzadas pelo mercado segurador braslero para coberura de sobrevvênca, percebemos que as probabldades de more consanes dessas ábuas são crescenes a parr de em méda 8 anos de dade. Como esamos graduando as forças de moraldade, obemos as mesmas a parr das ábuas bomércas mas usuas, ulzando a smplfcação descra em (3.. Com 3

32 sso, concluímos que as forças de moraldade, orgnadas dessas ábuas, ambém são crescenes a parr de em méda 8 anos de dade. Na análse dos dados, observou-se, anda, que as axas de moraldade bruas observadas possuem endênca de crescmeno a parr dos 25 anos de dade e que há fala de nformações para dades nferores a 20 anos para o sexo masculno e nferores a 30 anos para o sexo femnno, bem como para dades superores a 90 anos, para ambos os sexos. Assm, serão esmadas, para odos os modelos, as axas de moraldade graduadas para dades enre 25 e 90 anos. Nos modelos bayesanos proposos, no processo de graduação, as forças de moraldade fuuras para os nervalos de dade (, sendo =,...66, serão esmadas em função da dsrbução predva do número de mores observadas ( ocorrendo com as probabldades de more fuuras (, o mesmo, conforme realzado em Mendoza e al. (200. A dsrbução predva do número de mores observadas é de fácl obenção no conexo do MCMC, basando replcar a função de verossmlhança. r r qx+ A parr das forças de moraldade fuuras esmadas, oberemos, por meo do pacoe esaísco em quesão (WnBUGS, ulzando o processo de smplfcação descro em (3., dsrbuções condconas compleas para as probabldades de more fuuras para cada dade, denoadas por q r d, para as dades x, x +,.., x + k -, com x = 25 anos e k = 66, sendo esas probabldades o objevo fnal do processo de graduação. r r r x, qx+ qx+ k,..., Assm, podemos ober dsrbuções predvas dos parâmeros de neresse proporconas à r d na dade x + (, consderando a quandade cenral de exposos ao rsco observados e consanes conhecdas, da segune forma: d r ~ Posson( e., defna: r r d = e e r r qx+ = exp(, para =,..., 66 e x = 25. (4. Ressalamos que como o veor sofre o processo de graduação, r r auomacamene os veores e q são graduados. 32

33 Serão desenvolvdos esmadores bayesanos para os parâmeros de neresse. Os esmadores bayesanos mas comuns são a méda, a moda e a medana. Nese rabalho, consderamos como esmadores bayesanos das probabldades de more as médas dos valores amosras predos. 4. Modelos não paramércos (em forma lvre Caegorzamos os modelos como não paramércos porque não há o ajuse das axas bruas de moraldade a uma função de sobrevvênca baseada em uma le de moraldade. Os modelos não paramércos de graduação bayesana proposos nese capíulo, conforme cado na seção 3., êm como referêncas os modelos descros em Broff (988 e Carln (992. Broff (988 para graduar as axas bruas de moraldade mpôs a resrção R = : 0 < <... < } ao veor de parâmeros. Esa resrção à dsrbução a I { k pror assegura que os esmadores bayesanos ambém esarão resros ao subconjuno R I. O auor assumu que o número de mores no nervalo de dade ( dsrbução Posson( e. l y, consderando e consanes conhecdas: ( o em e apresenou a segune função de verossmlhança, k d l( y exp( e., onde y o = (d,..., d k, sendo: o = d : o número de mores observadas na dade x + - e e : a quandade cenral de exposos ao rsco observados na dade x + -, para =,...,k e x = prmera dade esudada. d É naural supor prors Gamma para os parâmeros ' s, uma vez que eses só assumem valores reas posvos. Embora, prors Gammas conjuguem com a verossmlhança Posson, no modelo proposo esa facldade perde-se pela resrção mposa pelo subconjuno RI ao veor de parâmeros. Assm, segue a dsrbução a pror defnda em Broff (988: 33

34 ~ Gamma( α, β I, ( ( +, onde ressalamos que oda vez que a densdade de ver runcada pela presença da função I será nerpreada como condconal à e +. Assm, devdo às dfculdades compuaconas, à época, Broff (988 abandonou esa classe de pror e adoou uma reparamerzação do modelo. A reparamerzação fo realzada consderando que os ' s são crescenes e seus ncremenos posvos. Eses ncremenos foram denoados pelo veor k-dmensonal φ = φ,..., φ. Assm, ( k = + φ, =,...,k e 0 = Com os ncremenos devem ser posvos, o auor consderou-os ndependenes e dsrbuídos de acordo com um dsrbução Gamma( α, β, denoando a segune dsrbução a poseror: 0. p( φ α, β k = d exp( e k = φ α exp( β φ k = d φ α. exp( b. φ, φ > 0, =,..., k, onde = φ φ e b = β + e e Aravés da dsrbução a poseror apresenada e ulzando-se de negração numérca, Broff (988 obeve as modas a poseror dos esmadores para as forças de moraldade ( s. ' k φ ' s e a parr desas os O modelo de Carln (992 apresenou-se como faclador para obenção da graduação bayesana, pos com a ulzação de MCMC ornou-se vável compuaconalmene a especfcação da dsrbução a pror com a devda resrção para suavzação das axas bruas de moraldade, evando uma complexa negração numérca para esmação dos parâmeros de neresse. Carln (992 ulzou no processo de graduação o mesmo modelo descro em Broff (988, mas realzou pequenas alerações no subconjuno de resrções R I e na dsrbução a pror da força de moraldade:. acrescenou um lme máxmo para as forças de moraldade no subconjuno R I : R = { : 0 < <... < B} ; e I k < 2. consderou os parâmeros ' s ndependenes e dencamene dsrbuídos com dsrbução Gamma ( α, β resra ao subconjuno R I, assumndo α conhecdo e 34

35 consane e β como sendo um hperparâmero com dsrbução Gamma ( a, b, com a e b conhecdos. Foram ulzados os dados para obenção dos valores de α, a e b. Assm, dsrbução a pror é dada por: k p( α, β exp( β. I I R I = α ( =, se RI ; R I (, onde I R I ( = 0, caso conráro. Após especfcar a pror e a função de verossmlhança, Carln (992 apresenou a dsrbução conjuna dos parâmeros e dos dados para o modelo de graduação bayesana das axas bruas de moraldade: complea de d p( yo, α, β exp( e exp( β. I (, ( 66 = 66 = α + A parr desa dsrbução conjuna, a dsrbução a poseror condconal, consderando odos os demas parâmeros, fo descra como se segue: p( * * yo, α, β Gamma( α, β I (, (, =,..., k, onde + = α + α * d e β * = β + e. Após a obenção da dsrbução a poseror condconal, aravés de MCMC, Carln (992 obeve as médas a poseror dos s e as ulzou como esmadores das forças de moraldade nos nervalos de dade, para =,...,k. Após a apresenação dos modelos referencas, ressalamos que as prncpas conrbuções dos modelos não paramércos de graduação bayesana proposos, a segur, em relação aos modelos descros em Broff (988 e Carln (992, são:. a esmação de axas de moraldade graduadas por meo da dsrbução predva do número de óbos, conforme demonsrado em (4.; e 2. a ulzação de um pacoe compuaconal de fácl manuseo (WnBUGS. A segur, serão apresenados os rês modelos não paramércos proposos para graduação bayesana das axas bruas de moraldade: no modelo, ulzamos o modelo descro em Carln (992, porém sem consderar hperparâmero desconhecdo, devdo a uma resrção no pacoe esaísco ulzado; no modelo 2, com o objevo de não ulzar função ndcadora, aleramos a dsrbução a pror da força de moraldade; e no ' 35

36 modelo 3, realzamos a mesma reparamerzação ulzada por Broff (988, mplemenada no MCMC, evando o uso da função ndcadora. 4.. Modelo de Carln modfcado com β fxo (modelo Para suavzação das axas bruas de moraldade nese modelo mpomos a resrção R I = : 0 < <... < < } ao veor de parâmeros perencene ao { 66 B subconjuno Ω = { ;0 <, =,...,66} de espaço eucldano k-dmensonal, sendo B o lme máxmo para força de moraldade no nervalo de empo correspondene à dade de 90 anos. No modelo consderamos B gual a. Ulzamos função de verossmlhança, l y, obda por Broff (988, que ( o corresponde a assumr que d em uma dsrbução Posson ( e., consderando e consanes conhecdas, emos enão: d l( y exp( e., onde y o = (d,..., d 66, sendo: o 66 = d : o número de mores observadas na dade x + - e e : a quandade cenral de exposos ao rsco observados na dade x + -, para =,...,66 e x = 25. (4.2 Assummos ndependenes e dencamene dsrbuídos com dsrbução Gamma ( α, β não nformava e resra ao subconjuno R I, com α = 0,00 e β = 0,00. Não ulzamos hperparâmeros desconhecdos, dferene do realzado por Carln (992, devdo a uma lmação do pacoe esaísco, pos, de acordo com o dsposo em Spegelhaler e al. (996, a ulzação da função ndcadora deermnando lmes quando os hperparâmeros são desconhecdos é uma consrução naproprada no WnBUGS. Assm, a dsrbução a pror é dada por: 66 p( α, β exp( β. I = α R I (, onde RI = { : 0 < <... < 66 < } e 36

37 ;, ( I R R se I I = 0, ( = R I I caso conráro. A ulzação da função ndcadora faz com que seja obedecda a resrção mposa, pos o ssema somene consdera os valores amosrados que perençam aos nervalos deermnados. No modelo bayesano, a dsrbução conjuna dos parâmeros e dos dados é dada por: (, (. (,, ( β α β α I R o o I p y p y p =, onde ;, ( I R R se I I = 0, ( = R I I caso conráro. Smplfcando a expressão apresenada emos: (. exp( exp(,, (, ( d o I e y p β β α α + = = A dsrbução a poseror de e a dsrbução predva, são dadas, respecvamene, por: = = = β α β α β α β α β α β α β α d I p p(y I p p(y d p(y p(y y p p(y y p( I I R o R o o o o o o (, ( (, (,,,,, (,,,, d y p( p(y y p(y o r r 0 = Com a dsrbução a poseror condconal do parâmero de neresse sendo obda por: + + = o o o d I p p(y I p p(y y p( β α β α β α (, ( (, (,,, (, ( Assm, a dsrbução a poseror condconal complea de, consderando odos os demas parâmeros, como em Carln (992, é dada por:,...,66,, (, (,,, ( * * = + I Gamma y p( o β α β α onde e. d + = α α * e + = β β * Em resumo, o modelo bayesano fca descro por: 37

38 d ~ Posson ( e., e consanes conhecdas e =,...,66; α, β ~ Gamma ( α, β I (, ( +, com 0 = 0 e 67 = ; sendo α = 0,00e β = 0, 00; onde a predção é realzada aravés de ( Modelo ulzando a pror unforme (modelo 2 Para ese modelo fo realzada uma aleração no modelo, vsando a obenção de um modelo que não ulze a função ndcadora, mas que connue a respear a resrção mposa, R = : 0 < <... < }. I { 66 < No modelo não ulzamos runcameno na dsrbução a pror, mas para que o parâmero de neresse connue sendo crescene em função da dade dos ndvíduos, opamos por uma dsrbução a pror Unforme, a saber:, + ~ Unforme(, +, com 0 = 0, 67 = e =, p(, + =, para + + 0, c. c., para =,..., 66, sendo 0 = 0 e 67 =, com: + E(, + =. 2 Dessa forma, a dsrbução unforme defnda faz com que as axas bruas de moraldade sejam graduadas, pos < 2 < Κ < 66. Temos enão a segune dsrbução conjuna dos parâmeros e dos dados, consderando a mesma função de verossmlhança apresenada em (4.2: d exp( = = + p( y o, e Observamos que o processo de nferênca não é analcamene raável, ou seja, não adme conjugação, pos, a dsrbução a pror (Unforme não é conjugada com a função de verossmlhança (Posson. No enano, não há problemas na mplemenação 38

39 do modelo, pos esamos ulzando smulação esocásca va cadea de Markov, parcularmene o Amosrador de Gbbs, onde não é necessára a conjugação enre a pror e a verossmlhança. Em resumo, o modelo bayesano fca descro por: d ~ Posson ( e., e consanes conhecdas e =,...,66;, ~ Unforme(,, com 0 e ; = onde a predção é realzada aravés de ( = 4..3 Modelo com reparamerzação po Broff (modelo 3 Traa-se de uma reparamerzação do modelo, evando o uso da função ndcadora, endo como base a reparamerzação realzada por Broff (988, mas mplemenada no MCMC, e ulzando a mesma resrção ao veor de parâmeros R = { : 0 < <... < } mposa por ese auor. ( I 66 Para que seja obedecda à resrção, como realzado no modelo 2, não será usada a função ndcadora, mas a segune reparamerzação: = + φ, para =,...,66 e 0 0 = Para que seja garando a resrção de crescmeno dos ' s ao modelo, consderamos φ ndependenes e dsrbuídos de acordo com um dsrbução Gamma( α, β. Os parâmeros φ s são os ncremenos posvos dos correspondenes ' ' s. Porano, cada parâmero será formado pela soma do parâmero aneror ( com um ncremeno posvo ( φ gerado por meo da dsrbução Gamma. Com sso, o pacoe esaísco ulzado rá ober dsrbuções condconas compleas para as forças de moraldade. Temos enão a segune dsrbução conjuna (Broff, 998, consderando a mesma função de verossmlhança apresenada em (4.2: p( y o, φ α, β 66 = d exp( e 66 = φ α exp( β φ 66 = d φ α. exp( b. φ, 39

40 φ > 0, =,...,66, onde = φ φ e b = β + e e66. Para evar problemas na mplemenação do modelo, devemos consderar α >, para que a moda a poseror de φ não seja nferor a zero, devdo a caracerísca da dsrbução Gamma, mpossblando assm a geração de amosras no MCMC. Esse problema ocorre quando os ncremenos das axa bruas correspondenes aos φ ' s são negavos. A fm de corrgr ese problema fxamos o valor α gual ao próxmo número nero posvo, ou seja, α = 2, para odo. Quano ao hperparâmero β, consderamos eses ndependene e dencamene dsrbuídos por uma dsrbução Gamma não nformava: β ~ Gamma(0,, 0,. Em resumo, o modelo bayesano reparamerzado fca descro por: d ~ Posson ( e., e consanes conhecdas e =,...,66; φ α, β ~ Gamma( α, β, sendo α = 2, ; β c, d ~ Gamma( c, d, sendo c = 0, e d = 0,; = + φ, sendo 0 ; 0 = onde a predção é realzada aravés de ( Modelos paramércos Neses modelos, as axas bruas de moraldade são graduadas por meo da adequação da força de moraldade a uma função maemáca. Os modelos são calcados em modelos lneares generalzados bayesanos com base no modelo clássco não predvo descro em Haberman e Renshaw (996. Como nos modelos não paramércos apresenados, Haberman e Renshaw (996 consderaram o número de mores observadas por dade modelado como sendo Posson dsrbuído e a quandade cenral de exposos ao rsco observados como sendo consanes conhecdas. Enão, seja, mas uma vez, d o número de mores observadas na dade x + - e a quandade cenral de exposos ao rsco observados na dade x + - e, para =,...,66 e x =

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

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

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

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

Análise da Confiabilidade de Componentes Não Reparáveis

Análise da Confiabilidade de Componentes Não Reparáveis Análse da onfabldade de omponenes Não Reparáves. omponenes versus Ssemas! Ssema é um conjuno de dos ou mas componenes nerconecados para a realzação de uma ou mas funções! A dsnção enre ssema, sub-ssema

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

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

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal.

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal. Grpe: Época de grpe; acvdade grpal; cálculo da lnha de ase e do respecvo nervalo de confança a 95%; e área de acvdade asal. ÉPOCA DE GRPE Para maor facldade de compreensão será desgnado por época de grpe

Leia mais

ANEXO III. Nota Técnica nº 148/2010-SRE/ANEEL Brasília, 24 de maio de 2010.

ANEXO III. Nota Técnica nº 148/2010-SRE/ANEEL Brasília, 24 de maio de 2010. ANEXO III Noa Técnca nº 148/21-SRE/ANEEL Brasíla, 24 de mao de 21. M E T O D O L O G I A E Á L U L O D O F A T O R X ANEXO II Noa Técnca n o 148/21 SRE/ANEEL Em 24 de mao de 21. Processo nº 485.269/26-61

Leia mais

Interpolação e Extrapolação da Estrutura a Termo de Taxas de Juros para Utilização pelo Mercado Segurador Brasileiro

Interpolação e Extrapolação da Estrutura a Termo de Taxas de Juros para Utilização pelo Mercado Segurador Brasileiro Inerpolação e Exrapolação da Esruura a Termo de Taxas de Juros para Ulzação pelo Mercado Segurador Braslero Sergo Lus Frankln Jr. Thago Baraa Duare César da Rocha Neves + Eduardo Fraga L. de Melo ++ M.Sc.,

Leia mais

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z) Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2

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

Arbitragem na Estrutura a Termo das Taxas de Juros: Uma Abordagem Bayesiana

Arbitragem na Estrutura a Termo das Taxas de Juros: Uma Abordagem Bayesiana Arbragem na Esruura a ermo das axas de Juros: Uma Abordagem Bayesana Márco Pole Laurn Armêno Das Wesn Neo Insper Workng Paper WPE: / Copyrgh Insper. odos os dreos reservados. É probda a reprodução parcal

Leia mais

DINÂMICA E PREVISÃO DE PREÇOS DE COMMODITIES AGRÍCOLAS COM O FILTRO DE KALMAN

DINÂMICA E PREVISÃO DE PREÇOS DE COMMODITIES AGRÍCOLAS COM O FILTRO DE KALMAN XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO DINÂICA E PREVISÃO DE PREÇOS DE COODITIES AGRÍCOLAS CO O FILTRO DE KALAN Flávo Pnhero Corsn (POLI-USP) flavo.corsn@gmal.com Celma de Olvera Rbero (POLI-USP)

Leia mais

2. REVISÃO BIBLIOGRÁFICA

2. REVISÃO BIBLIOGRÁFICA MODELO DE APOIO À DECISÃO PARA UM PROBLEMA DE POSICIONAMENTO DE BASES, ALOCAÇÃO E REALOCAÇÃO DE AMBULÂNCIAS EM CENTROS URBANOS: ESTUDO DE CASO NO MUNICÍPIO DE SÃO PAULO RESUMO Ese argo apresena uma proposa

Leia mais

Autoria: Josilmar Cordenonssi Cia

Autoria: Josilmar Cordenonssi Cia Uma Possível Solução para o Equy Premum Puzzle (EPP Auora: Joslmar Cordenonss Ca Resumo MEHRA e PRESCO (985 levanaram uma quesão que aé hoje não fo respondda de forma sasfaóra: o prêmo de rsco das ações

Leia mais

2 Conceitos básicos Modelos de Markov

2 Conceitos básicos Modelos de Markov 2 Conceos báscos O objevo dese Capíulo é abordar eorcamene os assunos que formam a base para o desenvolvmeno do modelo proposo e a descrção do modelo de Frchman, que devdo sua frequene aplcação em rabalhos

Leia mais

MODELOS PARA A UTILIZAÇÃO DAS OPERAÇÕES DE REDESCONTO PELOS BANCOS COM CARTEIRA COMERCIAL NO BRASIL

MODELOS PARA A UTILIZAÇÃO DAS OPERAÇÕES DE REDESCONTO PELOS BANCOS COM CARTEIRA COMERCIAL NO BRASIL MODELOS PARA A UTILIZAÇÃO DAS OPERAÇÕES DE REDESCONTO PELOS BANCOS COM CARTEIRA COMERCIAL NO BRASIL Sérgo Mko Koyama Deparameno de Esudos e Pesqusas, Banco Cenral do Brasl Márco Issao Nakane Deparameno

Leia mais

3 Planejamento da Operação Energética no Brasil

3 Planejamento da Operação Energética no Brasil 3 Planeameno da Operação Energéca no Brasl 3.1 Aspecos Geras O ssema elérco braslero é composo por dos dferenes pos de ssemas: os ssemas solados, os quas predomnam na regão Nore do Brasl e represenam cerca

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

COMPARAÇÃO DE POLÍTICAS DE REVISÃO CONTÍNUA E PERIÓDICA DE ESTOQUES COM APOIO DE MÉTODOS DE PREVISÃO DE DEMANDA

COMPARAÇÃO DE POLÍTICAS DE REVISÃO CONTÍNUA E PERIÓDICA DE ESTOQUES COM APOIO DE MÉTODOS DE PREVISÃO DE DEMANDA Conrbuções da Engenhara de Produção para Melhores Prácas de Gesão e Modernzação do Brasl João Pessoa/PB, Brasl, de 03 a 06 de ouubro de 2016 COMPARAÇÃO DE POLÍTICAS DE REVISÃO CONTÍNUA E PERIÓDICA DE ESTOQUES

Leia mais

4 Premissas quanto aos Modelos de Despacho de Geração, Formação do Preço da Energia e Comercialização de Energia

4 Premissas quanto aos Modelos de Despacho de Geração, Formação do Preço da Energia e Comercialização de Energia 61 4 Premssas quano aos Modelos de Despacho de Geração, Formação do Preço da Energa e Comercalzação de Energa 4.1. Inrodução A remuneração de uma geradora depende do modelo de despacho de geração e formação

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Índice de Preços Imobiliários para o Brasil: Estudos para Discussão

Índice de Preços Imobiliários para o Brasil: Estudos para Discussão Mnséro do Planejameno, Orçameno e Gesão Insuo Braslero de Geografa e Esaísca IBGE Dreora de Pesqusas Coordenação de Índces de Preços Ssema Naconal de Índces de Preços ao Consumdor SNIPC Índce de Preços

Leia mais

Denilson Ricardo de Lucena Nunes. Gestão de suprimentos no varejo

Denilson Ricardo de Lucena Nunes. Gestão de suprimentos no varejo Denlson Rcardo de Lucena Nunes Gesão de suprmenos no varejo semas de reposção de esoques em duas camadas e análse de esquemas de monorameno da prevsão de demanda Tese de Douorado Tese apresenada ao programa

Leia mais

Artigos IMPACTO DA PRECIPITAÇÃO EDOS EFEITOS DE CALENDÁRIO NAS VENDAS DE CIMENTO* Maria Helena Nunes**

Artigos IMPACTO DA PRECIPITAÇÃO EDOS EFEITOS DE CALENDÁRIO NAS VENDAS DE CIMENTO* Maria Helena Nunes** Argos IMPACTO DA PRECIPITAÇÃO EDOS EFEITOS DE CALENDÁRIO NAS VENDAS DE CIMENTO* Mara Helena Nunes** 1. INTRODUÇÃO * As opnões expressas no argo são da nera responsabldade da auora e não concdem necessaramene

Leia mais

A estrutura a termo de taxas de juros no Brasil: modelos, estimação, interpolação, extrapolação e testes

A estrutura a termo de taxas de juros no Brasil: modelos, estimação, interpolação, extrapolação e testes A esruura a ermo de axas de juros no Brasl: modelos, esmação, nerpolação, exrapolação e eses Sergo Lus Frankln Jr. Thago Baraa Duare César da Rocha Neves + Eduardo Fraga L. de Melo ++ M.Sc., SUSEP/CGSOA

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

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

CAPÍTULO I CIRCUITOS BÁSICOS COM INTERRUPTORES, DIODOS E TIRISTORES 1.1 CIRCUITOS DE PRIMEIRA ORDEM Circuito RC em Série com um Tiristor

CAPÍTULO I CIRCUITOS BÁSICOS COM INTERRUPTORES, DIODOS E TIRISTORES 1.1 CIRCUITOS DE PRIMEIRA ORDEM Circuito RC em Série com um Tiristor APÍTUO I IRUITOS BÁSIOS OM INTERRUPTORES, IOOS E TIRISTORES. IRUITOS E PRIMEIRA OREM.. rcuo R em Sére com um Trsor Seja o crcuo apresenado na Fg... T R v R V v Fg.. rcuo RT sére. Anes do dsparo do rsor,

Leia mais

Análise do Desempenho dos Gestores de Fundos, baseada nas Transações e nas Participações das Carteiras

Análise do Desempenho dos Gestores de Fundos, baseada nas Transações e nas Participações das Carteiras Vâna Sofa Sequera Umbelno Análse do Desempenho dos Gesores de Fundos, baseada nas Transações e nas Parcpações das Careras Dsseração de Mesrado apresenado à Faculdade de Economa da Unversdade de Combra

Leia mais

Revisão dos Modelos de Projeção de Pequeno Porte 2015

Revisão dos Modelos de Projeção de Pequeno Porte 2015 Revsão dos Modelos de Projeção de Pequeno Pore 05 Os modelos de projeção consuem mporane nsumo para auxlar o processo de omada de decsão do omê de Políca Moneára (opom). Especfcamene denre os modelos de

Leia mais

Análise RFV do Cliente na Otimização de Estratégias de Marketing: Uma Abordagem por Algoritmos Genéticos

Análise RFV do Cliente na Otimização de Estratégias de Marketing: Uma Abordagem por Algoritmos Genéticos Análse RFV do Clene na Omzação de Esraégas de Markeng: Uma Abordagem por Algormos Genécos Anderson Gumarães de Pnho Ponfíca Unversdade Caólca do Ro de Janero Ro de Janero RJ Brasl agp.ne@gmal.com 1. Inrodução

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Marcos Roberto Gonzaga 2. Flávio Henrique Miranda de Araujo Freire 3. Fidel Ernesto Castro Morales 4. Resumo

Marcos Roberto Gonzaga 2. Flávio Henrique Miranda de Araujo Freire 3. Fidel Ernesto Castro Morales 4. Resumo Uma proposa meodológca para projeções de pequenas áreas: esaísca bayesana espacal aplcada ao faor dferencal de crescmeno do Méodo de Duchesne 1 Marcos Robero Gonzaga 2 Flávo Henrque Mranda de Araujo Frere

Leia mais

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL FACULDADE DE CIÊNCIAS ECONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA FÁBIO MAGALHÃES NUNES

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL FACULDADE DE CIÊNCIAS ECONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA FÁBIO MAGALHÃES NUNES 0 UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL FACULDADE DE CIÊNCIAS ECONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA FÁBIO MAGALHÃES NUNES ANÁLISE DA CORRELAÇÃO ENTRE O IBOVESPA E O ATIVO PETR4: ESTIMAÇÃO

Leia mais

x () ξ de uma variável aleatória X ser um número real, enquanto que uma realização do

x () ξ de uma variável aleatória X ser um número real, enquanto que uma realização do 3 Snas Aleaóros em empo Conínuo. Pare II: Modelos de Fones de Informação e de uído. No capíulo aneror vemos oporundade de recordar os conceos báscos da eora das probabldades e das varáves aleaóras. Nese

Leia mais

4 Modelagem e metodologia de pesquisa

4 Modelagem e metodologia de pesquisa 4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,

Leia mais

Agosto / 2014 Versão 2.16

Agosto / 2014 Versão 2.16 Agoso / 4 Versão.6 Todos os dreos reservados. Nenhuma pare dessa obra pode ser reproduzda em qualquer forma ou meo, seja elerônco, mecânco, de foocópa, ec, sem permssão do Safra, deenor do dreo auoral.

Leia mais

1. Introdução. B = S = Valor presente esperado dos superávits futuros (1) P

1. Introdução. B = S = Valor presente esperado dos superávits futuros (1) P . Inrodução A vsão radconal da deermnação do nível de preços é baseada na eora Quanava da Moeda. Segundo essa vsão o padrão de avdade real em uma economa mplca um cero nível desejado de encaxes moneáros

Leia mais

HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE

HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE Pesqusa Operaconal e o Desenvolvmeno Susenável 7 a /9/5, Gramado, RS HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE André Luís Shguemoo Faculdade de Engenhara Elérca e Compuação Unversdade Esadual

Leia mais

Avaliação Inter/Intra-regional de absorção e difusão tecnológica no Brasil: Uma abordagem não-paramétrica. AUTORES.

Avaliação Inter/Intra-regional de absorção e difusão tecnológica no Brasil: Uma abordagem não-paramétrica. AUTORES. Avalação Iner/Inra-regonal de absorção e dfusão ecnológca no Brasl: Uma abordagem não-paramérca. Palavras chave: Efcênca écnca Produvdade oal Varação ecnológca AUTORES Emerson Marnho ouor em Economa pela

Leia mais

2. A Medição da Actividade Económica Grandezas Nominais e Reais e Índices de Preços

2. A Medição da Actividade Económica Grandezas Nominais e Reais e Índices de Preços 2. A Medção da Acvdade Económca 2.4. Grandezas Nomnas e Reas e Índces de Preços Ouubro 2007, nesdrum@fe.u. Sldes baseados no guão dsonível no se da cadera 1 2.4. Grandezas Nomnas e Reas e Índces de Preços

Leia mais

FATORES DETERMINANTES DA DEMANDA POR MOEDA NO BRASIL: UMA ABORDAGEM ECONOMÉTRICA USANDO REGRESSÃO LINEAR DINÂMICA

FATORES DETERMINANTES DA DEMANDA POR MOEDA NO BRASIL: UMA ABORDAGEM ECONOMÉTRICA USANDO REGRESSÃO LINEAR DINÂMICA Pesqusa Operaconal e o Desenvolvmeno Susenável FATORES DETERMINANTES DA DEMANDA POR MOEDA NO BRASIL: UMA ABORDAGEM ECONOMÉTRICA USANDO REGRESSÃO LINEAR DINÂMICA Wesley Vera da Slva Ponfíca Unversdade Caólca

Leia mais

Esta monografia é dedicada a Letícia e aos meus pais, João e Adelangela

Esta monografia é dedicada a Letícia e aos meus pais, João e Adelangela Esa monografa é dedcada a Leíca e aos meus pas, João e Adelangela Agradecmenos Gosara de agradecer ao Prof. Vrgílo, pelo apoo e orenação dados durane ese e ouros rabalhos. Agradeço ambém a meus colegas

Leia mais

Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido.

Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. A Prevsão com o Modelo de Regressão.... Inrodução ao Modelo de Regressão.... Exemplos de Modelos Lneares... 3. Dervação dos Mínmos Quadrados no Modelo de Regressão... 6 4. A Naureza Probablísca do Modelo

Leia mais

4 O Papel das Reservas no Custo da Crise

4 O Papel das Reservas no Custo da Crise 4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal

Leia mais

ANÁLISE DO CUSTO DE CAPITAL PRÓPRIO NO BRASIL POR MEIO DOS MODELOS CAPM NÃO-CONDICIONAL E CAPM CONDICIONAL

ANÁLISE DO CUSTO DE CAPITAL PRÓPRIO NO BRASIL POR MEIO DOS MODELOS CAPM NÃO-CONDICIONAL E CAPM CONDICIONAL ANÁLISE DO CUSTO DE CAPITAL PRÓPRIO NO BRASIL POR EIO DOS ODELOS CAP NÃO-CONDICIONAL E CAP CONDICIONAL (Cos of equy analyss n Brazl: Non-Condonal CAP and Condonal CAP) Lumla Souza Grol 1 1 Unversdade Federal

Leia mais

FUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO THIAGO CAIUBY GUIMARÃES TESTES EMPÍRICOS DA EFICIÊNCIA DO MERCADO ACIONÁRIO BRASILEIRO

FUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO THIAGO CAIUBY GUIMARÃES TESTES EMPÍRICOS DA EFICIÊNCIA DO MERCADO ACIONÁRIO BRASILEIRO FUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO AULO THIAGO CAIUBY GUIMARÃES TESTES EMÍRICOS DA EFICIÊNCIA DO MERCADO ACIONÁRIO BRASILEIRO SÃO AULO 28 THIAGO CAIUBY GUIMARÃES TESTES EMÍRICOS DA EFICIÊNCIA

Leia mais

Renda Básica da Cidadania versus Imposto de Renda Negativo: O Papel dos Custos de Focalização

Renda Básica da Cidadania versus Imposto de Renda Negativo: O Papel dos Custos de Focalização Renda Básca da Cdadana versus Imposo de Renda Negavo: O Papel dos Cusos de Focalzação Nelson Leão Paes Marcelo Leer Squera Re s u m o O presene argo procura comparar duas polícas socas alernavas de combae

Leia mais

Impacto da Educação Defasada sobre a Criminalidade no Brasil: 2001-2005

Impacto da Educação Defasada sobre a Criminalidade no Brasil: 2001-2005 1 Impaco da Educação Defasada sobre a Crmnaldade no Brasl: 2001-2005 Evandro Camargos Texera Ana Lúca Kassouf Seembro, 2011 Workng Paper 010 Todos os dreos reservados. É probda a reprodução parcal ou negral

Leia mais

CIBRIUS INSTITUTO CONAB DE SEGURIDADE SOCIAL

CIBRIUS INSTITUTO CONAB DE SEGURIDADE SOCIAL CIBRIUS INSTITUTO CONAB SEGURIDA SOCIAL Plano ConabPrev (COM BASE NA PROPOSTA REGULAMENTO A SER SUBMETIDA A PREVIC Noa Técnca Auaral 060/13 (Refcada) Agoso/2015 1 ÍNDICE 1 OBJETIVO... 5 2 GLOSSÁRIO...

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

Crescimento econômico e restrição externa: Um modelo de simulação pós-keynesiano

Crescimento econômico e restrição externa: Um modelo de simulação pós-keynesiano Crescmeno econômco e resrção exerna: Um modelo de smulação pós-keynesano Mara Isabel Busao 1 Maro Luz Possas 2 Resumo O argo busca dscur a dnâmca do crescmeno econômco das economas em desenvolvmeno a parr

Leia mais

AVALIAÇÃO DOS EFEITOS DA LEI KANDIR SOBRE A ARRECADAÇÃO DE ICMS NO ESTADO DO CEARÁ

AVALIAÇÃO DOS EFEITOS DA LEI KANDIR SOBRE A ARRECADAÇÃO DE ICMS NO ESTADO DO CEARÁ AVALIAÇÃO DOS EFEITOS DA LEI KANDIR SOBRE A ARRECADAÇÃO DE ICMS NO ESTADO DO CEARÁ Alejandro Magno Lma Leão Mesre em economa pelo CAEN Audor Fscal da Recea do Esado do Ceará Fabríco Carnero Lnhares Phd

Leia mais

Física Experimental IV Polarização por Reflexão ângulo de Brewster. Prof. Alexandre Suaide Prof. Manfredo Tabacniks

Física Experimental IV Polarização por Reflexão ângulo de Brewster. Prof. Alexandre Suaide Prof. Manfredo Tabacniks Físca xpermenal IV - 008 Polarzação por Reflexão ângulo de Brewser Prof. Alexandre Suade Prof. Manfredo Tabacnks Reflexão e Refração da Luz fsca.ufpr.br/edlson/cap34.pdf fsca.ufpr.br/edlson/cap34.pdf prsma

Leia mais

A Concorrência entre o Brasil. uma Aplicação do Modelo Constant-Market-Share*

A Concorrência entre o Brasil. uma Aplicação do Modelo Constant-Market-Share* A Concorrênca enre o Brasl e a Chna no ercado Sul-afrcano: uma Aplcação do odelo Consan-arke-Share* Arane Danelle Baraúna da Slva Álvaro Barranes Hdalgo 2 RESUO: O fore crescmeno da economa chnesa nos

Leia mais

Despacho n.º 13/06. 2. A presente resolução entra em vigor no dia seguinte ao da sua publicação. João Renato Lima Presidente do C.A.

Despacho n.º 13/06. 2. A presente resolução entra em vigor no dia seguinte ao da sua publicação. João Renato Lima Presidente do C.A. Despacho n.º 13/06 De enre as arbuções da Agênca de Regulação Económca desaca-se a compeênca de fxar as arfas e os mecansmos de reajuses a serem pracados pela oncessonára do servço públco de ranse e dsrbução

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

Richard John Brostowicz Junior. Futuros de swap de variância e volatilidade na BM&F - apreçamento e viabilidade de hedge

Richard John Brostowicz Junior. Futuros de swap de variância e volatilidade na BM&F - apreçamento e viabilidade de hedge FACULDADE IBMEC SÃO PAULO Programa de Mesrado Profssonal em Economa Rchard John Brosowcz Junor Fuuros de swap de varânca e volaldade na BM&F - apreçameno e vabldade de hedge São Paulo 009 Lvros Grás hp://www.lvrosgras.com.br

Leia mais

Desconcentração e interiorização da economia fluminense na última década

Desconcentração e interiorização da economia fluminense na última década DSCONCNTRAÇÃO INTRIORIZAÇÃO DA CONOMIA FLUMINNS NA ÚLTIMA DÉCADA PAULO MARCLO SOUZA; NIRALDO JOSÉ PONCIANO; MARLON GOMS NY; HNRIQU TOMÉ MATA; UNIVRSIDAD FDRAL DA BAHIA SALVADOR - BA - BRASIL pmsouza@uenf.br

Leia mais

ANÁLISE MATEMÁTICA DE MODELOS DE POLIMERIZAÇÃO. Heloísa Lajas Sanches

ANÁLISE MATEMÁTICA DE MODELOS DE POLIMERIZAÇÃO. Heloísa Lajas Sanches ANÁLISE MATEMÁTICA DE MODELOS DE OLIMERIZAÇÃO Heloísa Laas Sanches TESE SUBMETIDA AO CORO DOCENTE DA COORDENAÇÃO DOS ROGRAMAS DE ÓS-GRADUAÇÃO DE ENGENHARIA DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO

Leia mais

A DINÂMICA DOS TERMOS DE TROCA E DA BALANÇA COMERCIAL: CURVA S NA EUROPA?

A DINÂMICA DOS TERMOS DE TROCA E DA BALANÇA COMERCIAL: CURVA S NA EUROPA? Prospecva e Planeameno, 7 2 A DINÂMICA DOS TERMOS DE TROCA E DA BALANÇA COMERCIAL: CURVA S NA EUROPA? Alda Ro Drecção Geral de Esudos e Prevsão Alexandra Ferrera @ Deparameno de Prospecva e Planeameno

Leia mais

A IMPLANTAÇÃO DO PRINCÍPIO DO DESTINO NA COBRANÇA DO ICMS E SUAS IMPLICAÇÕES DINÂMICAS SOBRE OS ESTADOS

A IMPLANTAÇÃO DO PRINCÍPIO DO DESTINO NA COBRANÇA DO ICMS E SUAS IMPLICAÇÕES DINÂMICAS SOBRE OS ESTADOS A IMPLANTAÇÃO DO PRINCÍPIO DO DESTINO NA COBRANÇA DO ICMS E SUAS IMPLICAÇÕES DINÂMICAS SOBRE OS ESTADOS Nelson Leão Paes PIMES/UFPE Resumo Nese argo, ulzou-se um modelo de equlíbro geral dnâmco para esmar

Leia mais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recfe - PE GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP OTIMIZAÇÃO DA

Leia mais

1- Testes Acelerados. Como nível usual entende-se o nível da variável stress a que o componente ou aparelho será submetido no dia-adia.

1- Testes Acelerados. Como nível usual entende-se o nível da variável stress a que o componente ou aparelho será submetido no dia-adia. - Teses Aelerados São de rande mporâna na ndúsra espealmene na ndúsra elero-elerôna em que eses de empos de vda demandam muo empo. (os produos são muo onfáves) Inorporação de uma arável-sress adonada a

Leia mais

Inferência Bayesiana Aplicada ao Desenvolvimento de Modelos Neurais para Tratamento de Alarmes em Subestações

Inferência Bayesiana Aplicada ao Desenvolvimento de Modelos Neurais para Tratamento de Alarmes em Subestações Inferênca Bayesana Aplcada ao Desenvolvmeno de Modelos Neuras para Traameno de Alarmes em Subesações Vor Huo Ferrera, Julo esar Saccn de Souza e Mlon Brown Do ouo Flo Absrac-- Ts wor nvesaes e applcaon

Leia mais

Renda Básica da Cidadania ou Imposto de Renda Negativo: Qual o Mais Eficiente no Combate a Pobreza?

Renda Básica da Cidadania ou Imposto de Renda Negativo: Qual o Mais Eficiente no Combate a Pobreza? Renda Básca da Cdadana ou Imposo de Renda Negavo: Qual o Mas Efcene no Combae a Pobreza? Auores Nelson Leão Paes Marcelo Leer Squera Ensao Sobre Pobreza Nº 12 Feverero de 2008 CAEN - UFC 1 Renda Básca

Leia mais

A composição tributária responde a tentativa de manipulações eleitorais? A experiência de quatorze países latino-americanos

A composição tributária responde a tentativa de manipulações eleitorais? A experiência de quatorze países latino-americanos A composção rbuára responde a enava de manpulações eleoras? A experênca de quaorze países lano-amercanos Auora: Paulo Robero Arvae, Claudo Rbero Lucnda Resumo Países lano-amercanos possuem um hsórco recene

Leia mais

Análise comparativa e teste empírico da validade dos modelos CAPM tradicional e condicional: o caso das ações da Petrobrás

Análise comparativa e teste empírico da validade dos modelos CAPM tradicional e condicional: o caso das ações da Petrobrás Análse comparava e ese empírco da valdade dos modelos capm radconal e condconal: o caso das ações da Perobrás Análse comparava e ese empírco da valdade dos modelos CAPM radconal e condconal: o caso das

Leia mais

A economia política dos fluxos de capitais brasileiros pós-plano Real. Title: The Political Economy of Brazilian Capital Flows after the Real Plan

A economia política dos fluxos de capitais brasileiros pós-plano Real. Title: The Political Economy of Brazilian Capital Flows after the Real Plan A economa políca dos fluxos de capas brasleros pós-plano Real Dvanldo Trches * Soraa Sanos da Slva ** Tle: The Polcal Economy of Brazlan Capal Flows afer he Real Plan RESUMO O presene esudo em como objevo

Leia mais

MESTRADO EM CIÊNCIAS DE GESTÃO/MBA. MÉTODOS QUANTITATIVOS APLICADOS À GESTÃO V Funções Exponencial, Potência e Logarítmica

MESTRADO EM CIÊNCIAS DE GESTÃO/MBA. MÉTODOS QUANTITATIVOS APLICADOS À GESTÃO V Funções Exponencial, Potência e Logarítmica MESTRADO EM IÊNIAS DE GESTÃO/MBA MÉTODOS QUANTITATIVOS APIADOS À GESTÃO V Funções Eponencal, Poênca e ogaríca V- FUNÇÕES EXPONENIA, POTÊNIA E OGARÍTMIA. U capal, coposo anualene a ua aa de juro anual durane

Leia mais

Função Exponencial 2013

Função Exponencial 2013 Função Exponencial 1 1. (Uerj 1) Um imóvel perde 6% do valor de venda a cada dois anos. O valor V() desse imóvel em anos pode ser obido por meio da fórmula a seguir, na qual V corresponde ao seu valor

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

Física C Intensivo V. 2

Física C Intensivo V. 2 Físca C Intensvo V Exercícos 01) C De acordo com as propredades de assocação de resstores em sére, temos: V AC = V AB = V BC e AC = AB = BC Então, calculando a corrente elétrca equvalente, temos: VAC 6

Leia mais

ESTUDOS DE EVENTO: TEORIA E OPERACIONALIZAÇÃO

ESTUDOS DE EVENTO: TEORIA E OPERACIONALIZAÇÃO ESTUDOS DE EVENTO: TEORIA E OPERACIONALIZAÇÃO TUTORIAL Marcos Anôno de Camargos Admnsrador de Empresas, MBA em Gesão Esraégca (Fnanças), Mesre em Admnsração pelo NUFI/CEPEAD/FACE/UFMG e Professor do Cenro

Leia mais

Tráfego em Redes de Comutação de Circuitos

Tráfego em Redes de Comutação de Circuitos Caracerzação do ráfego nálse de ssemas de esados nálse de ráfego em ssemas de erda nálse de ráfego em ssemas de araso Bloqueo em ssemas de andares múllos Máro Jorge Leão Inenconalmene em branco Caracerzação

Leia mais

FUNDAÇÃO GETÚLIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO RICARDO CONSONNI

FUNDAÇÃO GETÚLIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO RICARDO CONSONNI FUNDAÇÃO GETÚLIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO RICARDO CONSONNI MODELAGEM DE SUPERFÍCIES DE VOLATILIDADE PARA OPÇÕES COM BAIXA LIQUIDEZ SOBRE PARES DE MOEDAS, CUJOS COMPONENTES APRESENTAM OPÇÕES

Leia mais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 XXX.YY a 5 Novembro de 009 Recfe - PE GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL HIDROTERM

Leia mais

UNIVERSIDADE FEDERAL DE PERNAMBUCO PIMES PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA DOUTORADO EM ECONOMIA MARCOS ROBERTO GOIS DE OLIVEIRA

UNIVERSIDADE FEDERAL DE PERNAMBUCO PIMES PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA DOUTORADO EM ECONOMIA MARCOS ROBERTO GOIS DE OLIVEIRA UNIVERSIDADE FEDERAL DE PERNAMBUCO PIMES PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA DOUTORADO EM ECONOMIA MARCOS ROBERTO GOIS DE OLIVEIRA GERENCIAMENTO DO RISCO DE MERCADO BASEADO NO VALUE AT RISK ESTÁTICO

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

DENOMINADORES: QUAIS SÃO? COMO SE CALCULAM?

DENOMINADORES: QUAIS SÃO? COMO SE CALCULAM? DENOMINADORES: QUAIS SÃO? COMO SE CALCULAM? POPULAÇÃO SOB OBSERVAÇÃO A idade e o sexo da população inscria nas lisas dos médicos paricipanes é conhecida. A composição dessas lisas é acualizada no final

Leia mais

FILTROS ATIVOS: UMA ABORDAGEM COMPARATIVA. Héctor Arango José Policarpo G. Abreu Adalberto Candido

FILTROS ATIVOS: UMA ABORDAGEM COMPARATIVA. Héctor Arango José Policarpo G. Abreu Adalberto Candido FILTROS ATIVOS: UMA ABORDAGEM COMPARATIVA Hécor Arango José Polcaro G. Abreu Adalbero Canddo Insuo de Engenhara Elérca - EFEI Av. BPS, 1303-37500-000 - Iajubá (MG) e-mal: arango@ee.efe.rmg.br Resumo -

Leia mais

MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIAS

MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIAS MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIAS VERSÃO: NOVEMBRO/9 SUMÁRIO Inrodução...4. Defnção de Varáves... 4. Meodologa para acúmulo de axas... 5.3 Vsão do Processo e Esruura Organzaconal...

Leia mais

CORREIOS. Prof. Sérgio Altenfelder

CORREIOS. Prof. Sérgio Altenfelder 15. Uma pessoa preende medir a alura de um edifício baseado no amanho de sua sombra projeada ao solo. Sabendo-se que a pessoa em 1,70m de alura e as sombras do edifício e da pessoa medem 20m e 20cm respecivamene,

Leia mais

Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais

Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br

Leia mais

Otimização no Planejamento Agregado de Produção em Indústrias de Processamento de Suco Concentrado Congelado de Laranja

Otimização no Planejamento Agregado de Produção em Indústrias de Processamento de Suco Concentrado Congelado de Laranja Omzação no Planeameno Agregado de Produção em Indúsras de Processameno de Suco Concenrado Congelado de Larana José Renao Munhoz Crova Agro Indusral Lda., 15800-970, Caanduva, SP (ose.munhoz@crova.com)

Leia mais

UNIVERSIDADE FEDERAL DE SANTA CATARINA

UNIVERSIDADE FEDERAL DE SANTA CATARINA UNIVERSIDADE FEDERAL DE SANTA CATARINA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO CURSO DE DOUTORADO GRÁFICOS DE CONTROLE PARA VARIÁVEIS NÃO-CONFORMES AUTOCORRELACIONADAS Suzana Leão Russo Tese

Leia mais

ESTOQUE DE RIQUEZA E A POUPANÇA DO SETOR PRIVADO NO BRASIL 1970/95 *

ESTOQUE DE RIQUEZA E A POUPANÇA DO SETOR PRIVADO NO BRASIL 1970/95 * TEXTO PARA DISCUSSÃO N ο 572 ISSN 1415-4765 ESTOQUE DE RIQUEZA E A POUPANÇA DO SETOR PRIVADO NO BRASIL 1970/95 * Luclene Morand ** Ro de Janero, julho de 1998 * A esmação do esoque de rqueza nerna, angível

Leia mais

Gestão de uma Carteira de Activos de Produção de Energia Eléctrica

Gestão de uma Carteira de Activos de Produção de Energia Eléctrica Gesão de uma Carera de Acvos de Produção de Energa Elécrca Invesmeno na ópca da Teora da Carera Mara Margarda D Ávla Duro de Sousa e Slva Dsseração para a obenção do Grau de Mesre em Engenhara e Gesão

Leia mais

3 Teoria de imunização

3 Teoria de imunização 33 3 Teora de munzação Como fo vso, o LM é um gerencameno conuno de avos e passvos como o nuo de dmnur ou aé elmnar os rscos enfrenados pelas nsuções fnanceras. Deses rscos, o rsco de axa de uros represena

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

ANÁLISE CONDICIONADA DA DEMANDA COM CORREÇÃO DE HETEROCEDASTICIDADE

ANÁLISE CONDICIONADA DA DEMANDA COM CORREÇÃO DE HETEROCEDASTICIDADE ANÁLISE CONDICIONADA DA DEMANDA COM CORREÇÃO DE HETEROCEDASTICIDADE Angela Crsna Morera da Slva UFRJ/COPPE - Unversdade Federal do Ro de Janero, Cenro de Tecnologa, Bloco F, sala 114, Cdade Unversára Ro

Leia mais

CRESCIMENTO E DESIGUALDADE: PROSPERIDADE VERSUS ARMADILHAS DA POBREZA NO DESENVOLVIMENTO ECONÔMICO DOS ESTADOS BRASILEIROS*

CRESCIMENTO E DESIGUALDADE: PROSPERIDADE VERSUS ARMADILHAS DA POBREZA NO DESENVOLVIMENTO ECONÔMICO DOS ESTADOS BRASILEIROS* CRESCIMENTO E DESIGUALDADE: PROSPERIDADE VERSUS ARMADILHAS DA POBREZA NO DESENVOLVIMENTO ECONÔMICO DOS ESTADOS BRASILEIROS* Renaa Couo Morera 1, Marcelo José Braga 2 e Slva Harum Toyoshma 3 Resumo: O problema

Leia mais

Belém Pará (Março de 2012)

Belém Pará (Março de 2012) Pardade Descobera da Taxa de Juros da Economa Braslera num Ambene de Crse Fnancera Mundal: Teora e Evdênca Empírca Davd Ferrera Carvalho(*) Resumo O argo em como propóso avalar o efeo da recene políca

Leia mais

t +1. Cabe mencionar que, N representa o número de observações da série temporal

t +1. Cabe mencionar que, N representa o número de observações da série temporal 35 3 Méodos de Prevsão de Séres Temporas 3. Séres Temporas Pode-se defnr uma sére emporal como sendo um conuno de dados observados e ordenados segundo parâmero de empo e com dependênca seral, sendo esse

Leia mais

3. Um protão move-se numa órbita circular de raio 14 cm quando se encontra. b) Qual o valor da velocidade linear e da frequência ciclotrónica do

3. Um protão move-se numa órbita circular de raio 14 cm quando se encontra. b) Qual o valor da velocidade linear e da frequência ciclotrónica do Electromagnetsmo e Óptca Prmero Semestre 007 Sére. O campo magnétco numa dada regão do espaço é dado por B = 4 e x + e y (Tesla. Um electrão (q e =.6 0 9 C entra nesta regão com velocdade v = e x + 3 e

Leia mais

MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIA

MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIA MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIA VERSÃO MAIO 6 SUMÁRIO Inrodução... 5. Defnção de Varáves... 5. Meodologa para acúmulo de axas... 5.3 Vsão do Processo e Esruura Organzaconal... 6.3.

Leia mais

Professor: Danilo Dacar

Professor: Danilo Dacar Progressão Ariméica e Progressão Geomérica. (Pucrj 0) Os números a x, a x e a x esão em PA. A soma dos números é igual a: a) 8 b) c) 7 d) e) 0. (Fuves 0) Dadas as sequências an n n, n n cn an an b, e b

Leia mais