5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

Tamanho: px
Começar a partir da página:

Download "5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial"

Transcrição

1 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de captal da seguradora, assm como a sua probabldade de ruína. Além dsso, serão exbdos outros métodos de cálculo já utlzados por outros estudos, porém, não serão utlzados para essa dssertação. 5.. Método com a probabldade de ruína contínua Este é um método sugerdo por traub (98), e nele será consderado a probabldade de ruína contínua, calculada pela desgualdade de Cràmer. O método consdera apenas os prncpas tratamentos de resseguro, sendo os mesmos levados em consderação nesse estudo. traub (98) propõe fxar a probabldade de ruína contínua e encontrar o lmte de retenção correspondente. No entanto, será claro observar que o processo nverso também é possível e de mesma dfculdade, ou seja, fxar a retenção e encontrar a probabldade de ruína assocada. Então, prmeramente, restrnge-se como uma Posson Composta de parâmetro, onde e. Além dsso, é possível reescrever as varáves consderando a cobertura de resseguro envolvda no cálculo, ou seja:, onde é custo total retdo pela seguradora, e o custo total repassado a resseguradora. No entanto, tem-se nteresse no segunte evento:, onde é consderado que, ou seja, a ruína ocorrerá quando o custo total de snstros retdos superar o captal ncal e o total de prêmo retdo -. Pela desgualdade de Cramèr a probabldade de ruína pode ser Y majorada por onde R satsfaz E ( e R ) =, e. Logo ~

2 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 36. Consderando então a probabldade de ruína como sendo a maor possível, ou seja, tornando-a uma gualdade, onde é a probabldade de ruína tolerada, tem-se: Multplcando ambos os lados por Var() e dvdndo por E() (sabendo que ): Fo determnado pelo autor que o lado esquerdo da fórmula sera a necessdade de proteção por resseguro, denotado por q, e este é ndependente da cobertura de resseguro adqurdo. Para fxar uma retenção sobre cada um das quatro mas relevantes coberturas de resseguro de acordo com a equação a cma, tudo que tem que ser feto é calcular e sobre as coberturas de Quota-Parte, Excedente de Responsabldade, Excesso de Danos e top-loss. onde e são os carregamentos da seguradora e da resseguradora, respectvamente. Logo, o cálculo do prêmo retdo pela seguradora, como já fo defndo, fca da segunte manera: Quota-Parte Para a cobertura de resseguro proporconal Quota-Parte tem-se que:, tornando possível o cálculo da parte dreta da fórmula de retenção apresentada anterormente. Fazendo as substtuções necessáras é possível constatar que, e como q é um valor ndependente da cobertura de resseguro, tem-se então uma equação de ncógnta α, onde um dos valores de α sera o lmte de retenção correspondente a esse caso.

3 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Excedente de Responsabldade Já para o caso do Excedente de Responsabldade o cálculo será um pouco dferencado. Neste caso, o snstro retdo pela seguradora é vsto da segunte manera:, com sso a parte dreta da fórmula de retenção que sera modfcada ndretamente pelo cálculo de, pos se restrngu também a uma Posson Composta de forma que e. Dessa manera tem-se que, onde. Logo, o m que satsfzer essa equação será o lmte de retenção corresponde para essa cobertura de resseguro Excesso de Danos Também para caso do Excesso de Danos, o cálculo va ser um pouco dferente. Neste caso, o snstro retdo pela seguradora é vsto da segunte manera:, com sso a parte dreta da fórmula de retenção que ra ser dferencada também será ndretamente o cálculo de. Portanto, tem-se que, onde. Logo, o r que satsfzer essa equação será o lmte de retenção correspondente a essa cobertura de resseguro não proporconal top-loss Para o tratamento não proporconal top-loss, a dferença está dretamente no cálculo de, pos o top-loss é defndo dretamente em cma do total de custo com snstros, ou seja,. Então a equação a ser resolvda fca, onde. Da mesma

4 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 38 manera, o d que satsfzer a equação será o lmte de retenção correspondente a essa cobertura de resseguro. 5.. Método com a probabldade de ruína dscreta No método dscreto, o cálculo da ruína é baseado na dstrbução da varável aleatóra ~, custo total de snstros. Tal dstrbução será nferda a partr de dados coletados durante um ano, tornando possível fazer prevsões para períodos dscretos de tempo. Desta vez, a dstrbução de ~ também será ~ restrngda a uma Posson composta de parâmetro, onde E( ~ ) = E( X ) e ( ~ ~ Var( X ) E( X )) Var ( ~ ) = Método dscreto para ano Como fo vsto, a ruína, tanto contínua quanto dscreta, ocorre quando a companha de seguros não é solvente no momento analsado, ou seja, esta possu resultados negatvos: onde é a soma total do custo de snstros ocorrdos no ano de análse, é o total de prêmo ganho no ano de análse e U é a reserva ncal. Através da nferênca sobre é possível calcular a probabldade de ruína, ou seja, é possível calcular Método dscreto para tempos maores que ano É de nteresse de mutas companhas de seguro analsar a sua ruína em um período maor que apenas anos. egundo o mesmo prncípo utlzado para o espaço de tempo de ano, a nferênca sobre ~ agora será feta para os anos seguntes. Logo, para exemplfcar, consderou-se o horzonte de 5 anos para dar aplcabldade a este método. Partndo do prncípo que a probabldade de ruína ocorrer até o segundo ano é a probabldade de acontecer ruína no prmero ano, mas a probabldade de não acontecer ruína no prmero ano e sm no ano segunte. Da mesma manera, a probabldade de ruína ocorrer até o tercero ano é a probabldade de

5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 39 acontecer ruína no segundo ano, mas a probabldade de não acontecer ruína no prmero e segundo ano, mas acontecer ruína no tercero. E assm, segundo esse prncípo até o qunto ano. Nesses cálculos foram consderados que os eventos e são ndependentes um e o outro, e também entre s, para todo t dscreto, de modo a facltar as contas, e também por que um grau de dependênca é levado adante através do captal acumulado do ano anteror: Para ano: Para anos: Para 3 anos: Para 4 anos: Para 5 anos: E para os captas ncas de cada ano tem-se:

6 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 4 Como é varável aleatóra, as reservas ncas de cada ano podem ser re-escrtas da segunte manera: Como os captas ncas estão em função das varáves aleatóras ~ t, substtuem-se então os novos captas ncas no cálculo da probabldade de ruína depos de cnco anos: Para anos: Para 3 anos: Para 4 anos: Para 5 anos: Como fo dto anterormente, a dstrbução de ~ fo restrngda a uma Posson Composta. Logo, de acordo com Kaas (8), se tem que a soma de varáves aleatóras Posson Compostas ndependentes também é uma Posson Composta, de manera que:

7 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 4 Neste caso a dstrbução de X ~, custo ndvdual dos snstros, se mantém nalterada, da onde sa o resultado: 5.3. Métodos para o cálculo da dstrbução de De acordo com Kaas (8), exstem alguns métodos de cálculos para a dstrbução do custo total de snstros. Dentre eles encontram-se três aproxmações e também um método recursvo de cálculo. Um método bem conhecdo para aproxmar a dstrbução de é baseado no Teorema do Lmte Central (CLT), conhecdo também como aproxmação pela Normal. Além dessa aproxmação, exstem duas aproxmações mas precsas que envolvem três momentos da dstrbução em vez de apenas dos. Essas aproxmações são: a da Gama Transladada e a da Normal Power. egundo Gerber (995), exstem outros tpos de aproxmações, porém estas não serão utlzadas nesse estudo Aproxmação pela Normal A déa por trás da aproxmação pela Normal é bem smples: se a méda e varânca de são conhecdas, é possível aproxmar a dstrbução de por uma Normal com a mesma méda e varânca. Uma justfcatva para esse método é que é a soma de um número (aleatóro) de varáves aleatóras ndependentes e dentcamente dstrbuídas. Com o aumento do número de varáves a serem somadas, é esperado que a dstrbução da soma tenda para uma Normal, como vsto pelo Teorema Central do Lmte Teorema Central do Lmte para Posson Composta egundo Kaas (8), seja dstrbuído por uma Posson Composta de parâmetro, com snstros ndvduas dstrbuídos por V(.) com varânca fnta. Então, com µ = E() e σ = Var( ), logo:

8 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 4 lm µ P s = Φ( s) σ Aproxmação pela Gama Transladada Um problema com a aproxmação pela Normal é que esta só é baseada nos dos prmeros momentos da dstrbução de, e assm a aproxmação não captura a assmetra da dstrbução. A Gama Transladada supera esse problema utlzando-se os três prmeros momentos de, onde a déa por trás da aproxmação sera que sera aproxmadamente Y + k, onde e k uma constante de translação. Os parâmetros α, β e k da dstrbução aproxmada podem ser achados por comparações entre a méda, varânca e o coefcente de assmetra das duas dstrbuções. No entanto, não exste justfcatva plausível para a aproxmação pela Gama Transladada. Contudo, essa aproxmação possu os mesmos três prmeros momentos de, ou seja, é esperado que seu desempenho seja melhor do que a da Normal Aproxmação pela Normal Power A aproxmação pela Normal Power fo crada com o mesmo objetvo da Gama Transladada: ntroduzr o tercero momento de na aproxmação. Consste em aproxmar a Gama Transladada por uma dstrbução Normal da segunte forma: para, E() = µ, Var() = σ e γ = coefcente de assmetra. Com sso é possível chegar ao segunte resultado:

9 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 43 para Método recursvo de Panjer egundo Kaas (8), em 98, Panjer descreveu um método que calculara as probabldades de de forma recursva, construndo assm a dstrbução de. (Teorema da recursão de Panjer) Consdere uma dstrbução composta com valores de snstros nteros e não negatvos com densdade v(x), onde, para algum a e b real, a probabldade q n de se ter n snstros satsfaz a segunte relação recursva: Então as seguntes relações para a probabldade do total de snstros são váldas: É sabdo que se N for dstrbuído por uma Posson, Bnomal ou Bnomal- Negatva, N faz parte então da classe de Panjer, onde: Dstrbução q k = P(N=k) a b q Bnomal Posson Bnomal Negatva Neste estudo a dstrbução de será restrngda a uma Posson composta de parâmetro, logo teremos:

10 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Teste de aderênca Qu-Quadrado Como fo vsto no tópco anteror, para aplcar o método de Panjer, a varável aleatóra snstros ndvduas tem q possur uma dstrbução dscreta. Kaas (8) sugere algumas dstrbuções mas utlzadas para representar perda, neste caso, os snstros, dentre elas a dstrbução Gama e Log-Normal. Porém, é necessáro testar a aderênca dos dados à dstrbução escolhda para representá-los, então um teste sugerdo para tal operação é o teste de aderênca Qu-Quadrado. A estatístca Qu-Quadrado pode ser usada para dados contínuos ou dscretos, e tem o objetvo de testar se uma amostra de dados veo de uma população com uma dstrbução específca. Este teste é aplcado para dados agrupados, ou seja, é precso dvdr os dados em grupos. Esses grupos podem ser determnados pela Regra de turges 4, segundo Bussab (). O teste sob H o tem o segunte formato: χ = k = ( N E ) em que k é o número de grupos, N é o número de observações em cada grupo e E é a freqüênca esperada para o grupo, sob a hpótese de que a dstrbução sob H o é a correta. Esta estatístca é muto vulnerável à determnação dos grupos. É possível encontrar dferentes resultados para os mesmos dados em função desta escolha. Além dsto, este teste não é váldo para pequenas amostras. A estatístca Qu-Quadrado segue, aproxmadamente, uma dstrbução Qu-Quadrado, χ, com (k-c-) graus de lberdade, em que c representa o número de parâmetros estmados para a dstrbução. Então, a hpótese de que a amostra veo da população com uma dstrbução específca é rejetada se, com o nível de sgnfcânca a, observa-se: χ E > χ α, k c 4 Determna o número de classes que os dados devem ser dvddos através de uma função k que depende de n, número de observações:.

11 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Convolução De acordo com Kaas (8), a operação convolução calcula a dstrbução de + através das dstrbuções ndvduas das varáves aleatóras ndependentes e da segunte manera: F + ( + s) = F ( s s ) df ( s ) = : F F ( ) ( s) = P 3 + s A dstrbução F F ( s) é dta ser a convolução entre F ( ) e F ( ). Com e dstrbuções do tpo dscretas têm-se: = F ( s F F s) s ) f ( s e f f s) = f ( s s ) f ( ) s ( ( ) s Além dsso, o operador * é comutatvo, de manera que F F ( s) = F F ( s) F, e também é assocatvo, ou seja, ( ) 3 ( F F ) F F F. = 3 3 s F F F = 5.4. Outros métodos Nesta seção serão defndos alguns métodos encontrados ao longo da revsão bblográfca feta para essa dssertação, no entanto, tas métodos não serão aplcados aqu Captal ncal como função dependente do lmte de retenção de um Excesso de Danos e da probabldade de ruína De acordo com Centeno (995), é possível estudar a reserva ncal, ou captal ncal, como função do lmte de retenção e de uma probabldade de ruína. Para tanto, consdere a cobertura de resseguro Excesso de Danos e a partr daí estabeleça quatro hpóteses báscas para a análse. Tas hpóteses são: N, número de snstros observados, segue uma mstura de varáves aleatóras Posson; X com =,,..., N, é a varável aleatóra que representa o custo do snstro, e são ndependentes e dentcamente dstrbuídas entre s, são ndependentes de N e possuem função de dstrbução absolutamente contínua; o valor esperado de X exste; e o prêmo retdo é calculado pela formula a segur, tendo α como coefcente de carregamento:

12 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 46 ~ P = δ ( x r) dv ( x) M Prmeramente, usando a aproxmação Normal Power para o rsco retdo obteve-se: ( z ) DP ~ K ~ ~ ( ) ( ) ( P E( ) P) U ( r) = zdp( ~ ) + 6 ~ µ com Φ( z ) = P z = ε σ, sendo Φ a dstrbução acumulada de uma ~ ~ normal padrão, DP( ) e K ( ) são respectvamente o desvo padrão e coefcente de assmetra do rsco retdo ~ e P é o prêmo bruto ganho da seguradora. Agora, consderando a aproxmação Normal para o rsco retdo: ~ U ( r) = zdp( ~ ) P E( ) P ( ) Com as funções a cma, é possível determnar o captal mínmo necessáro para aplcar a cobertura de Excesso de Danos com lmte de retenção m e probabldade de ruína ε. Portanto, o captal ncal tem um mínmo se, e somente se, z z δ > +, para a aproxmação Normal Power; e 6 aproxmação Normal. z δ >, para a Método de cálculo do lmte de retenção de Excesso de Danos para dos rscos dependentes De acordo com Centeno (4), do ponto de vsta do segurador, é possível calculas os lmtes de retenção ótmos de cobertura do tpo Excesso de Danos para dos rscos dependentes. Para tanto, consdere dos crtéros de otmzação, um que maxmza a utldade esperada, do tpo exponencal, e o outro que maxmza o coefcente de ajuste dos rscos retdos. Também consdere o número de snstros (N, N ) como uma Posson bvarada, de manera que N = K + K e N = K + K, onde K, K e K são dstrbuídos por uma Posson de parâmetros respectvamente guas, e, e o cálculo de prêmo para esse tpo de cobertura de resseguro fo o valor

13 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 47 esperado prncpal dos snstros com carregamentos δ e δ, para cada rsco dependente Maxmzando a função de utldade Prmeramente, leve em consderação o método dervado da função de utldade, u( x) = exp( βx). Então, o máxmo da utldade esperada do total de snstros retdos é: δ β e δ β a) Quando + + (/ β )ln(+ δ ) exp( βx )( V dx, (/ β ) ln(+ δ) exp( βx )( V dx, o máxmo é obtdo no únco ponto (r, r ) que satsfaça: exp( βr ) = + β + exp( βr ) = + β + + δ r + δ r exp( βx)( V exp( βx)( V dx dx δ < β b) Quando + (/ β )ln(+ δ ) exp( βx )( V dx o máxmo é obtdo no ponto (m, m ) = (,(/ β ln( + ))) δ < β c) Quando + (/ β ) ln(+ δ) exp( βx )( V dx O máxmo é obtdo no ponto (m, m ) = ( / β ln( + α )),) (

14 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Maxmzando o coefcente de ajuste egundo Centeno (4), o coefcente de ajuste do rsco retdo R = R(r, r ), é defndo pela raz únca e postva, caso exsta, da função ~ ~ ( ( E( exp( R( + )) = exp( R( P + P ( P + P ))), que pode ser denotada por G(R; r, r ) =, onde ~ N = j= mn( X j, r ), P é o prêmo bruto referente ao rsco, e P ( é o prêmo de resseguro referente ao rsco. ( P = ( + δ )( + ) ( V dx Com sso, R(r, r ) é uma função unmodal de retenções, de manera que esta atnge seu máxmo: a) Quando P + P δ < e δ < R + ( + ) µ ( + ) ( + ) µ (/ R) ln(+ δ ) exp( Rx)( V µ dx como sabdo, R é dado pela solução únca de (r, r ) = (,(/ ln( + δ ))) é obtda no ponto (r, r ) =(,(/ ln( + δ ))) δ e P < δ < R b) Quando + P + ( + ) µ ( + ) ( + ) µ (/ R) ln(+ δ ) R. µ exp( Rx)( V dx r R e esta como sabdo, R é dado pela solução únca de (r, r ) = ( / ln( + δ )),) obtda no ponto (r, r ) =( / ln( + δ )),) ( R. ( R e esta é c) Caso as condções a) e b) acma não sejam cumprdas, o máxmo é obtdo no únco ponto que satsfaz:

15 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 49 + δ exp( Rr ) = r + R + exp( Rx)( V dx + δ exp( Rr ) = r + R + exp( Rx)( V ( )) x dx G( R; r, r ) = Método de mnmzação da varânca da cartera Dado uma cartera com n rscos ndependentes de uma seguradora, aplcase na cartera uma mesma cobertura de resseguro para cada um dos n rscos. Então, tem-se que o lucro provndo da cartera, é completamente dependente dos lmtes de retenção adotados para cada rsco da cartera. De acordo com Fnett (94), o vetor composto por lmtes de retenção que mnmza a varânca do lucro da cartera pode ser consderado o vetor ótmo a ser aplcado. Prmero consdere uma cobertura de resseguro Quota-Parte. Com uma cartera de n rscos ndependentes, denota o custo total de snstros provndos do -ésmo rsco, P denota o prêmo bruto recebdo para segurar o -ésmo rsco, e α denota a proporção retda pela seguradora do -ésmo rsco. Logo, o prêmo ( ( de resseguro é defndo como P = ( + δ )( α ) E( ), onde ( δ é o carregamento de resseguro do -ésmo rsco. Portanto, o lucro da seguradora sob essa cobertura de resseguro pode ser descrto por: n ( ( P ( + δ )( α ) E( ) ) Z( α) = α = onde α é o vetor de lmtes de retenção analsado, e Z(α ) é o lucro da cartera sob a cobertura de ressegura Quota-parte. ujetado a condção de que ( Z(α )) k, onde k é uma constante, ( Z(α) ) E = V é mnmzado por: cδ E( ) α = V ( ) onde c é a constante determnada pela condção E ( Z )) = k (α. Caso esse procedmento retorne um valor α >, a solução é fxar α = para o -ésmo rsco com os lmtes de retenção restantes sendo provenentes da manera apresentada a cma.

16 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal 5 Agora consdere um contrato de resseguro do tpo Excesso de Danos. Também com uma cartera de n rscos ndependentes, e P mantém a mesma defnção já apresentada, agora consderando que é restrngdo a uma Posson Composta, ( denota o custo total de snstros repassados para a resseguradora provndos do -ésmo rsco, e m denota o lmte de retenção do -ésmo rsco. ( ( ( Logo, o prêmo de resseguro aqu é defndo como P = + δ ) E( ). Portanto, o ( lucro da seguradora sob essa cobertura de resseguro pode ser descrto por: Z( m) = n ( ( ~ ( P ( + δ ) E( ) ) = onde m é o vetor de lmtes de retenção analsado, ~ é o custo total de snstros retdos pela seguradora provndos do -ésmo rsco, e Z(m) é o lucro da cartera sob a cobertura de ressegura Excesso de Danos. Também sujetado a condção de que E ( Z( m) ) = k, onde k é uma constante, ( Z(m) ) m = cδ V é mnmzado por: onde c é a constante determnada pela condção E ( Z m) ) = k (.

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

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

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

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

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

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

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

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

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

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

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia 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

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

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1 Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A

Leia mais

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares novembro 0 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares quadrmestre 0 Além destes eercícos,

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

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

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados 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 descrtvas

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

Introdução a Combinatória- Aplicações, parte II

Introdução a Combinatória- Aplicações, parte II Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

Análise Complexa Resolução de alguns exercícios do capítulo 1

Análise Complexa Resolução de alguns exercícios do capítulo 1 Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

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

Classificação de Padrões

Classificação de Padrões Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

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

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br 1 soluções eletrolítcas Qual a dferença entre uma solução 1,0 mol L -1 de glcose e outra de NaCl de mesma concentração?

Leia mais

Sumarização dos dados

Sumarização dos dados Inferênca e Decsão I Soluções da Colectânea de Exercícos 22/3 LMAC Capítulo 2 Sumarzação dos dados Nota: neste capítulo é apresentada a resolução apenas de alguns exercícos e a título ndcatvo. Exercíco

Leia mais

CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples

CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples CAPÍTULO 9 REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE UFRG Em mutos problemas há duas ou mas varáves que são relaconadas, e pode ser mportante modelar essa relação. Por exemplo, a resstênca à abrasão de

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

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

Notas de Aula de Probabilidade A

Notas de Aula de Probabilidade A VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável

Leia mais

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria. Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que

Leia mais

Medidas e resultados em um experimento.

Medidas e resultados em um experimento. Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca

Leia mais

Exercícios de CPM e PERT Enunciados

Exercícios de CPM e PERT Enunciados Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a

Leia mais

INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs

INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. rova /7/2006 rofa. Ana Mara Faras Turma A 4-6 hs. Consdere os dados da tabela abaxo, onde temos preços e uantdades utlzadas de materal de escrtóro. Item Undade reço

Leia mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE DA VARIÂNCIA DA REGRESSÃO ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos

Leia mais

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo: UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

4 Análise de confiabilidade de estruturas

4 Análise de confiabilidade de estruturas 4 Análse de confabldade de estruturas Nos prmórdos da engenhara cvl, o desconhecmento técnco-centífco conduza a proetos excessvamente seguros, mas em contrapartda de custo muto elevado. Hoe em da, o progresso

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

Atividade em Soluções Eletrolíticas

Atividade em Soluções Eletrolíticas Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Física I LEC+LET Guias de Laboratório 2ª Parte

Física I LEC+LET Guias de Laboratório 2ª Parte Físca I LEC+LET Guas de Laboratóro 2ª Parte 2002/2003 Experênca 3 Expansão lnear de sóldos. Determnação de coefcentes de expansão térmca de dferentes substâncas Resumo Grupo: Turno: ª Fera h Curso: Nome

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

Mecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos

Mecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos Mecânca Estatístca Tal como a Termodnâmca Clássca, também a Mecânca Estatístca se dedca ao estudo das propredades físcas dos sstemas macroscópcos. Tratase de sstemas com um número muto elevado de partículas

Leia mais

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos. Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas

Leia mais

2 - Análise de circuitos em corrente contínua

2 - Análise de circuitos em corrente contínua - Análse de crcutos em corrente contínua.-corrente eléctrca.-le de Ohm.3-Sentdos da corrente: real e convenconal.4-fontes ndependentes e fontes dependentes.5-assocação de resstêncas; Dvsores de tensão;

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

Curvas Horizontais e Verticais

Curvas Horizontais e Verticais Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs

Leia mais

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho rof.: nastáco nto Gonçalves lho Introdução Nem sempre é possível tratar um corpo como uma únca partícula. Em geral, o tamanho do corpo e os pontos de aplcação específcos de cada uma das forças que nele

Leia mais

DECISÃO SOB INCERTEZA

DECISÃO SOB INCERTEZA PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br 1 Introdução

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

4 Análise termoeconômica

4 Análise termoeconômica 4 Análse termoeconômca Os capítulos precedentes abordaram questões emnentemente térmcas da aplcação de nanofludos em sstemas ndretos de refrgeração. Ao tratar das magntudes relatvas e da natureza das componentes

Leia mais

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados. INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

Leia mais

INTRODUÇÃO À ASTROFÍSICA

INTRODUÇÃO À ASTROFÍSICA Introdução à Astrofísca INTRODUÇÃO À ASTROFÍSICA LIÇÃO 7: A MECÂNICA CELESTE Lção 6 A Mecânca Celeste O que vmos até agora fo um panorama da hstóra da astronoma. Porém, esse curso não pretende ser de dvulgação

Leia mais

2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6:

2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6: Lsta de Exercícos - Probabldade INE 700 GABARITO LISTA DE EXERÍIOS PROBABILIDADE ) Vamos medr o tempo de duração da lâmpada. Ao lgarmos a lâmpada ela pode não funconar, ou durar um tempo ndetermnado. a)

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

CAPITULO II - FORMULAÇAO MATEMATICA

CAPITULO II - FORMULAÇAO MATEMATICA CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo: UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): A redução da

Leia mais

Mecânica. Sistemas de Partículas

Mecânica. Sistemas de Partículas Mecânca Sstemas de Partículas Mecânca» Sstemas de Partículas Introdução A dnâmca newtonana estudada até aqu fo utlzada no entendmento e nas prevsões do movmento de objetos puntformes. Objetos dealzados,

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 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 métodos

Leia mais

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 ) DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco

Leia mais

3 Subtração de Fundo Segmentação por Subtração de Fundo

3 Subtração de Fundo Segmentação por Subtração de Fundo 3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na

Leia mais

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES 4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES Para o Curso de Físca da Polução do Ar FAP346, º Semestre/006 Prof. Amérco Sansgolo Kerr Montora: Mara Emíla Rehder aver 4. INTRODUÇÃO No modelamento

Leia mais

PROBABILIDADE - CONCEITOS BÁSICOS

PROBABILIDADE - CONCEITOS BÁSICOS ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo

Leia mais

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens

Leia mais

2. Validação e ferramentas estatísticas

2. Validação e ferramentas estatísticas . Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em

Leia mais

Estudo e Previsão da Demanda de Energia Elétrica. Parte II

Estudo e Previsão da Demanda de Energia Elétrica. Parte II Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo

Leia mais

DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL

DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL Dstrbuton of the wnd acton n the bracng elements consderng

Leia mais

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO ESTATISTICA EXPERIMENTAL: Com aplcaçoes em R Medcna

Leia mais

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem. Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de

Leia mais

2 Máquinas de Vetor Suporte 2.1. Introdução

2 Máquinas de Vetor Suporte 2.1. Introdução Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de

Leia mais

CAPÍTULO 7 TESTES DE HIPÓTESES

CAPÍTULO 7 TESTES DE HIPÓTESES CAPÍTULO 7 TESTES DE HIPÓTESES Além dos métodos de estmação de parâmetros e de construção de ntervalos de confança, os testes de hpóteses são procedmentos usuas da nferênca estatístca, útes na tomada de

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Eletromagnetismo. Distribuição de grandezas físicas: conceitos gerais

Eletromagnetismo. Distribuição de grandezas físicas: conceitos gerais Eletromagnetsmo Dstrbução de grandezas físcas: concetos geras Eletromagnetsmo» Dstrbução de grandezas físcas: concetos geras 1 Introdução Pode-se caracterzar um problema típco do eletromagnetsmo como o

Leia mais

Filtros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências.

Filtros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências. 1 Fltros são dspostvos seletvos em freqüênca usados para lmtar o espectro de um snal a um determnado ntervalo de freqüêncas. A resposta em freqüênca de um fltro é caracterzada por uma faxa de passagem

Leia mais