MODELO DE SELEÇÃO DE PORTFOLIO USANDO FUNÇÃO DE UTILIDADE

Tamanho: px
Começar a partir da página:

Download "MODELO DE SELEÇÃO DE PORTFOLIO USANDO FUNÇÃO DE UTILIDADE"

Transcrição

1 MODELO DE SELEÇÃO DE PORTFOLIO SDO FÇÃO DE TILIDDE Renata Patríca L. Jeronymo M. Pnto nversdade Federal da Paraíba Departamento de Estatístca João Pessoa, P rasl renata@de.ufpb.br Roberto Qurno do ascmento nversdade Federal da Paraíba Departamento de Estatístca João Pessoa, P rasl qurno@de.ufpb.br RESMO este trabalho apresentamos um modelo de seleção de portfolo usando função de utldade, onde o modelo encontrado é um modelo de programação quadrátca msta. samos a técnca de ranch and ound para obter a solução e fazemos uma aplcação para um portfolo composto de doze atvos comprados e venddos no mercado braslero comparando o resultado obtdo com a seleção de portfolo proposta por Markowtz. PLVRS-CHVE. Função tldade, Rsco, Desvo tldade Área Prncpal: Programação Matemátca, Economa e Fnanças STRCT In ths work, we present a portfolo selecton model usng a utlty functon, where the model found s a model of mxed quadratc programmng. We use the technque of ranch and ound for the soluton and make an applcaton for a portfolo composed of twelve assets bought and sold n the razlan market by comparng the result wth the portfolo selecton model proposed by Markowtz. KEYWORDS. tlty Functon, Rsk, tlty Devaton Man rea: Mathematcal Programmng, Economy and Fnance 680

2 . Introdução Rscos estão normalmente assocados a possíves perdas fnanceras ou a possbldade de não se atngr um nível de remuneração compatível com o nvestmento. elmnação total de rscos pode ser economcamente nvável ou mesmo mpossível. Por outro lado, stuações de rsco podem oferecer grandes oportundades de ganho. a área fnancera decsões referentes à alocação de recursos são encaradas em um contexto de rsco-retorno, ou seja, decsões que envolvem um maor nível de rsco só são acetas se proporconarem maores retornos. Exstem dversas abordagens de avalação de rsco unversalmente utlzadas, como: Varânca dos Retornos; Downsde rsk; rrependmento; Value at Rsk. déa de classfcação das carteras de atvos surgu com a ncorporação do rsco, que se ncou com o modelo de méda-varânca de Markowtz (952). Se o retorno esperado de uma cartera é tanto maor quanto o seu rsco, então o uso de alguma medda de rsco na avalação permte verfcar quanto do retorno proporconado pelo gestor vem do seu profssonalsmo, quanto vem da casualdade dos crtéros e quanto vem do rsco assumdo para obtê-lo. utlzação dos crtéros de méda-varânca se desenvolveu smultaneamente com o modelo tradconal Captal sset Prcng Management CPM, em 964. Treynor (966), Sharpe (966) e Jensen (968) foram poneros em reconhecer a mportânca do modelo para avalar o desempenho dos nvestmentos, através da relação retorno e rsco. O conceto do modelo tradconal está assocado ao equlíbro de forma que os nvestdores demonstram comportamento do tpo méda-varânca. Para Sharpe (964), no modelo CPM, os nvestdores escolhem seu portfolo deal maxmzando uma função utldade que depende apenas do crtéro méda-varânca do retorno do portfolo. as últmas décadas, grandes esforços foram realzados em duas vertentes na área de meddas de rsco: () crar meddas de rsco com propredades desejáves para problemas de decsões mult-período, e () encontrar formulações mas efcentes para essas meddas de forma a proporconar uma maor efcênca neste tpo de problema, que por natureza já são demasadamente complexos de serem resolvdos. Entretanto, poucos trabalhos foram realzados no sentdo de estabelecer a conexão entre teora de utldade e essas atuas meddas de rsco, como exemplo podemos ctar Leone (2004) e Leone, ascmento, Leone e Olvera (2007). Este trabalho consste em fazer uma pequena alteração no modelo proposto por Leone (2004) e soluconá-lo usando a metodologa de Programação Quadrátca Msta com o Método de ranch and ound ao nvés da técnca de Programação Geométrca Sgnomal utlzada pelo autor. O portfolo seleconado com esta metodologa será comparado com o obtdo através do Modelo de seleção de portfolo de Markowtz para uma cartera composta de doze atvos comprados e venddos no mercado braslero. O artgo está estruturado em sete seções, nclundo esta ntrodução. as três seções seguntes apresentamos o referencal teórco que nortea este trabalho; na seção 5 apresentamos o modelo desenvolvdo por Leone (2004) como também a nossa proposta para este modelo. Em seguda, tem-se a análse dos dados e as consderações fnas deste estudo. 2. Problema de Seleção de Portfolo - Modelo de Markowtz O problema de Markowtz fornece o fundamento para a teora de nvestmento para um período. O problema trata explctamente da relação entre a taxa de retorno esperada e a varânca da taxa de retorno de um portfolo. ma vez que o problema de Markowtz é formulado, ele pode ser resolvdo numercamente para obter uma solução numérca específca. 68

3 Suponha um portfolo composto por atvos,, com taxas de retorno médo r, K,, respectvamente. Deseja-se determnar a proporção de captal x, =,, que r mnmze o rsco total do portfolo: Mnmze 2 = j= Sujeto a: = = r é o retorno esperado do portfolo; e σ é a covarânca entre os retornos dos atvos j x r = r K x x j σ j x =, 0 j w e,, j =,. Este problema assume como rsco a varânca do portfolo e se resume ao caso em que temos apenas um período. O modelo garante um retorno esperado com rsco mínmo, porém não garante que todos os atvos terão retorno satsfatóro, ou seja, pode exstr algum atvo no modelo com retorno abaxo do retorno esperado. O modelo de Markowtz fo uma novação brlhante na cênca de seleção de portfolo, pos mostrou que todas as nformações necessáras para escolher o portfolo ótmo para qualquer nível de rsco determnado estão contdas em três estatístcas smples: méda, desvopadrão e correlação. 3. Função de tldade Função de utldade é a ordenação dos benefícos que estão dsponíves a uma pessoa, de acordo com a satsfação que esses lhe trarão. Em um jogo, o resultado é ncerto, desconhecdo. nformação dsponível permte apenas nferr as probabldades dos eventos favoráves e desfavoráves. a teora da probabldade, o valor esperado ou esperança matemátca fornece o lucro esperado caso seja postva, ou o prejuízo esperado caso seja negatva. Em jogos de azar, por exemplo, a esperança sempre é negatva para o jogador e postva para a banca. o jogador cabe buscar uma estratéga que torne a sua esperança de lucro a maor possível. Entretanto, pode-se dzer que exstem dferentes perfs de jogadores. ns preferem arrscar-se mas a perder se sso trouxer a possbldade de altos ganhos. Outros preferem arrscar-se menos a perder, mesmo que sso sgnfque um menor lucro. função utldade de um jogador expressa o seu perfl de aversão ao rsco. Por exemplo, quando o gerente de um banco nfere sobre o perfl de nvestdor de um clente (agressvo, arrojado ou conservador), na verdade, está sendo analsada a função utldade que caracterza esse clente como nvestdor. Quando se deseja então buscar uma estratéga de jogo otmzada que leve em conta o perfl do jogador, não se busca maxmzar a esperança dos pontos adqurdos, mas a esperança da função utldade, que é uma função dos pontos. função de utldade modela as attudes de rsco subjetvo do nvestdor ndvdual. Conseqüentemente, nvestdores ndvduas podem dferr em seu grau de aversão ao rsco. ssm, um nvestdor pode ser extremamente avesso ao rsco, enquanto que outro pode apresentar menor aversão ao rsco. s funções de utldade consttuem-se numa classe especal de funções preferencas. Segundo aron (977), as funções devem satsfazer um grupo de 682

4 axomas garantndo que o ndvíduo possa exbr um comportamento raconal e consstente. Mesmo dentro da classe de funções de utldade, uma grande varedade de formas funconas possíves estão dsponíves, cada uma com característcas dferentes. 4. Rsco baseado em tldade esta seção apresentaremos a metodologa desenvolvda por Leone (2004) para o cálculo do rsco baseado em uma função utldade parametrzada pela méda dos retornos e pelo desvopadrão do índce de mercado. Defnção : O desvo-padrão amostral (ou populaconal) de referênca é um desvopadrão amostral (ou populaconal) representatvo do mercado em que está nserda a amostra. Defnção 2: ma amostra é dta mostra Referencal Válda se:. + 6 σ > 0 2. Y 90, onde Y P ( ) % = { ; > 0, =, K n} n é o número de observações na amostra; é uma observação de ; é a méda da amostra; σ é o desvo-padrão amostral de referênca; e P Y é a probabldade assocada ao conjunto Y. ( ), Defnção 3: Função-tldade defnda em é dada por: é uma observação de ; ( ) = ρ ln é a méda da amostra referencal válda; σ é o desvo-padrão amostral de referênca; e ρ é um parâmetro postvo que depende do perfl do nvestdor, apenas quanto ao rsco. Defnção 4: Varânca-tldade é o número real dado por: VR n ( ) d, = = n n é o número de observações da amostra para as quas a função de utldade está bem defnda, sto é, as observações em que o logartmo exste; e 2 4 d(, ) = ( ) ln, e ρ = 683

5 Defnção 5: O Desvo-tldade é a raz quadrada da Varânca-tldade, ou seja, = VR Defnção 6: Covarânca tldade entre duas amostras referencas váldas e é dada por: COV (, ) = n 2 ( ) ln ( ) n 2 ln = é uma observação da amostra referencal válda ; é a méda da amostra referencal válda ; é uma observação da amostra referencal válda ; é a méda da amostra referencal válda ; σ é o desvo-padrão amostral de referênca; e n é o número de produtos bem defndos (para os quas a função utldade é defnda em ambas as amostras). Defnção 7: Correlação-tldade entre duas amostras referencas váldas e é dada por: COR (, ) = COV (, ) COV (, ) é a covarânca-utldade entre as amostras referencas váldas e ; e e são, respectvamente, os desvos-utldade das amostras referencas váldas e. 5. Modelo Proposto Consdere um portfolo consttuído de atvos,,. Sejam C o captal total dsponível para se nvestr no portfolo e o preço do atvo 0, =,. K taxa de retorno R do atvo, =, é defnda como: R = +, =, Leone (2004) propõe um modelo para a seleção de uma cartera de nvestmentos que maxmze o retorno, levando em conta o rsco e a maor aversão a desvos negatvos do que a desvos postvos, acrescdo da componente utldade. O modelo maxmza a segunte função objetvo: 684

6 C ρ 0 2 j j, = = = j 2 2 ( + R ) x ρ x + x x COR ( j) sujeto a: R Sr = x y C 0 y, b y x C0 x ; { 0,} R + R é o retorno do atvo, =, ; y, é o desvo-utldade do atvo, =, ; e COR (, j) é a correlação entre os atvos e, j ; O modelo proposto mnmza a função objetvo: ρ ρ ) = j 2 2 ( + R ) ( x y 2 x x x j jcor, j = = j sujeto a: = x b y x C0 C y, x ; { 0,} R + 0 y, Este modelo sera um problema de programação quadrátca clássco se não tvéssemos as varáves bnáras. o entanto, com a exstênca dessas varáves usaremos uma estratéga y do tpo ranch and ound para resolver este problema. 6. Resultados Computaconas O portfolo é composto por doze atvos comprados e venddos no mercado braslero e a coleta de dados fo realzada no período de 0 de mao de 2004 a 6 de mao de 2005, tendo assm um total de 256 observações para cada atvo. Para cada atvo anotou-se daramente, no período ndcado, o preço de fechamento do atvo. Para cada um dos atvos que compõe o portfolo verfcou-se que os mesmos satsfazem a condção de mostra Referencal Válda. Tabela a segur apresenta o desvo-padrão e o desvo-utldade da taxa de retorno para os doze atvos que compõem o portfolo. 685

7 Tabela Desvo-Padrão e Desvo-tldade da Taxa de Retorno tvo Desvo -Padrão Desvo-tldade Vale do Ro Doce 0, ,00273 radesco 0,0958 0,0053 mbev 0,059 0,00 Embratel 0,0374 0,04543 Petrobrás 0,0858 0,00207 Eletrobrás 0, ,06568 cesta 0, ,0053 Ipranga 0, ,0043 Itaú 0,0824 0,0024 Telemar 0,0875 0,0029 Sada 0,0989 0,00222 ombrl 0, ,05 Para o cálculo da função-utldade da defnção 3, usou-se como desvo-padrão referencal a méda dos desvos-padrões dos atvos que compõem o portfolo e ρ =. Observa-se na Tabela acma que o desvo-utldade é maor que o desvo-padrão em apenas dos dos atvos que compõem o portfolo: Embratel e Eletrobrás, sendo nos demas sempre menor. escolha dos atvos da cartera que serão seleconados tanto pelo modelo proposto como pelo modelo de Markowtz podem ser vstos na Tabela 2 a segur. Tabela 2 Seleção dos tvos que compõem o portfolo tvo Modelo de Markowtz Modelo Proposto Vale do Ro Doce - - radesco 0,078 - mbev - - Embratel 0,07 - Petrobrás - 0,546 Eletrobrás 0,40 0,00 cesta 0,47 0,6 Ipranga - 0,266 Itaú 0,025 - Telemar 0,268 0,07 Sada 0,056 - ombrl - - Observa-se a Tabela 2 acma que o Modelo de Markowtz selecona 7 (sete) dos atvos que compõem o portfolo: radesco, Embratel, Eletrobrás, cesta, Itaú, Telemar e Sada, alocando 4% do captal na Eletrobrás segudo da Telemar (26,8%) e da cesta (4,7%). Por outro lado, o modelo por nós proposto selecona apenas 5 (cnco) atvos do portfolo: Petrobrás, Eletrobrás, cesta, Ipranga e Telemar, alocando 54,6% do captal na Petrobrás segudo da Ipranga (26,6%) e da cesta (6,). Enquanto o Modelo de Markowtz coloca a Embratel com a maor partcpação no portfolo, o modelo proposto aloca apenas % do captal neste atvo. 686

8 7. blografa aron, D. P. (977), On the utlty theoretc foundatons of mean-varance analyss, Journal of Fnancal Economcs, Jensen, M. (968), The performance of Mutual Funds n the perod , Journal of Fnance, V. 23,. 2, Leone, R. J. G. (2004), Modelagem e Otmzação de um Sstema de Telecomuncação sem fo e de uma Cartera de Investmentos, Tese de doutorado em Engenhara de Sstemas e Computação, COPPE/FRJ. Leone, R. J. G., acmento, R. Q., Leone, G. G., Olvera, P. (2007), Proposta de Mensuração de Rsco baseado em tldade, Revsta Contabldade & Fnanças, Volume 8, úmero 44, Luenberger, D. G., Investment Scence, Oxford nversty Press, ew York., 998. Markowtz, H. M. (952), Portfolo Selecton, Journal of Fnance, 7 (): pages 77-9, March. Sharpe, W. F. (964), Captal sset Prces: Theory of Market Equlbrum under Condtons of Rsk, Journal of Fnance, 9, , 964. Sharpe, W. F. (966), Mutual Fund Performance, Journal of usness, 39, January, 9-38, 966. Treynor, J. (966), How to rate management nvestment funds, Harvard usness Revew, V. 43,

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

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

2 Modelos de Otimização sob Incerteza 2.1. Introdução

2 Modelos de Otimização sob Incerteza 2.1. Introdução 2 Modelos de Otmzação sob Incerteza 2.. Introdução Modelos de programação matemátca são comumente utlzados para solução de problemas de programação da produção, de logístca, de schedulng e de planejamento

Leia mais

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

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

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

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

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

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

Leia mais

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

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

Leia mais

2 Estado da Arte em Otimização de Portfólio

2 Estado da Arte em Otimização de Portfólio 6 2 Estado da Arte em Otmzação de Portfólo 2.. Introdução O desenvolvmento de modelos de otmzação de portfólo tem orgem na área econômco-fnancera. Tas modelos são utlzados para auxlar na determnação da

Leia mais

CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL

CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL ESCOLA FEDERAL DE ENGENHARIA DE ITAJUBÁ INSTITUTO DE ENGENHARIA MECÂNICA DEPARTAMENTO DE PRODUÇÃO CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL Dego

Leia mais

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES ALGORITMO GENÉTICO APLICADO À ELEÇÃO MULTI-CRITÉRIO DE CARTEIRA DE PROJETO DE PETRÓLEO E GÁ Karn upo Gavancho Departamento de Engenhara Elétrca, PUC-RIO, Rua Marques de ão Vcente 225, Ro de Janero Karsupo@ele.puc-ro.br

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

Teste do modelo de otimização de carteiras pelo índice beta

Teste do modelo de otimização de carteiras pelo índice beta Teste do modelo de otmzação de carteras pelo índce beta Cleber Gonçalves Junor Unversdade Federal de Itajubá cgj@unfe.edu.br Claton Gonçalves Unversdade Federal de Itajubá Resumo Recentemente, pode-se

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

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

Teoremas de Otimização com Restrições de Desigualdade

Teoremas de Otimização com Restrições de Desigualdade Teoremas de Otmzação com Restrções de Desgualdade MAXIMIZAÇÃO COM RESTRIÇÃO DE DESIGUALDADE Consdere o segunte problema (P) de maxmzação condconada: Maxmze Fx onde x x,x,...,x R gx b As condções de Prmera

Leia mais

2 Referencial Teórico

2 Referencial Teórico Referencal Teórco O obetvo deste capítulo é apresentar os concetos de rsco, correlação e dversfcação no contexto da Teora oderna de Carteras e os últmos estudos a respeto das correlações entre mercados

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

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

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

4. Conceitos de Risco-Retorno, diversificação e índices de desempenho de Fundos de Investimento

4. Conceitos de Risco-Retorno, diversificação e índices de desempenho de Fundos de Investimento 4. Concetos de Rsco-Retorno, dversfcação e índces de desempenho de Fundos de Investmento O alto dnamsmo e a crescente sofstcação do mercado fnancero mundal fazem com que os nvestdores tenham o constante

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

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

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

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

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

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

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

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

3. Estatística descritiva bidimensional

3. Estatística descritiva bidimensional 3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão

Leia mais

2. VARIÁVEIS ALEATÓRIAS

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

Leia mais

AVALIAÇÃO DA EFICIÊNCIA SOB CONDIÇÕES DE RISCO E INCERTEZA NA OTIMIZAÇÃO DE PORTFÓLIOS

AVALIAÇÃO DA EFICIÊNCIA SOB CONDIÇÕES DE RISCO E INCERTEZA NA OTIMIZAÇÃO DE PORTFÓLIOS AVALIAÇÃO DA EFICIÊNCIA SOB CONDIÇÕES DE RISCO E INCERTEZA NA OTIMIZAÇÃO DE PORTFÓLIOS Paulo Rotela Junor Unversdade Federal de Itajubá Caxa Postal 50, CEP: 37500-903, Itajubá-MG paulo.rotela@gmal.com

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

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 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

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

Implementação Bayesiana

Implementação Bayesiana Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

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

Leia mais

Sinézio Fernandes Maia Professor Adjunto do Departamento de Economia da UFPB

Sinézio Fernandes Maia Professor Adjunto do Departamento de Economia da UFPB SETOR BANCÁRIO BRASILEIRO NO PERÍODO DE JANEIRO DE 2009 A JULHO DE 2010: AVALIAÇÃO DA RELAÇÃO DE RISCO E RETORNO COM ABORDAGEM NAS TEORIAS DE MARKOWITZ E SHARPE Alza Slva de Lma Estudante de Pós-graduação

Leia mais

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

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

Leia mais

4 Otimização e Diversificação: o Binômio Risco-Retorno

4 Otimização e Diversificação: o Binômio Risco-Retorno 4 Otmzação e Dversfcação: o Bnômo Rsco-Retorno O alto dnamsmo e a crescente sofstcação do mercado fnancero mundal fazem com que os nvestdores tenham o constante desafo de utlzarem estratégas que maxmzem

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

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

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

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

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

Leia mais

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

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

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

Flambagem. Cálculo da carga crítica via MDF

Flambagem. Cálculo da carga crítica via MDF Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca

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

BENCHMARK: ALGUMAS CONSIDERAÇÕES CRÍTICAS

BENCHMARK: ALGUMAS CONSIDERAÇÕES CRÍTICAS GESTÃO.Org Revsta Eletrônca de Gestão Organzaconal ISSN 1679-1827 www.gestaoorg.dca.ufpe.br Volume 2, Número 3 Setembro/Dezembro 2004 O ÍNDICE SETORIAL DE ENERGIA ELÉTRICA DA BOVESPA COMO BENCHMARK: ALGUMAS

Leia mais

UM ESTUDO SOBRE DIVERSIFICAÇÃO NA BOLSA DE VALORES DE SÃO PAULO

UM ESTUDO SOBRE DIVERSIFICAÇÃO NA BOLSA DE VALORES DE SÃO PAULO UM ESTUDO SOBRE DIVERSIFICAÇÃO A BOLSA DE VALORES DE SÃO PAULO Autores: André Luz Oda, Mara Carlota Morandn Senger e Alexandre oboru Chára Resumo O artgo estuda a redução de rsco que podera ter sdo obtda

Leia mais

Índices de Concentração 1

Índices de Concentração 1 Índces de Concentração Crstane Alkmn Junquera Schmdt arcos André de Lma 3 arço / 00 Este documento expressa as opnões pessoas dos autores e não reflete as posções ofcas da Secretara de Acompanhamento Econômco

Leia mais

Construção e aplicação de índices-padrão

Construção e aplicação de índices-padrão Construção e aplcação de índces-padrão Artgo Completo José Aparecdo Moura Aranha (Admnstrador e Contador, Professor Assstente do Curso de Admnstração da Unversdade Federal de Mato Grosso do Sul - Câmpus

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

Leia mais

Correlações cruzadas em mercadorias brasileiras: um estudo econofísico

Correlações cruzadas em mercadorias brasileiras: um estudo econofísico VIII ERMAC 8 o Encontro Regonal de Matemátca Aplcada e Computaconal 0- de Novembro de 008 Unversdade Federal do Ro Grande do Norte Natal/RN Correlações cruzadas em mercadoras brasleras: um estudo econofísco

Leia mais

A pesquisa Operacional e os Recursos Renováveis. 4 a 7 de novembro de 2003, Natal-RN

A pesquisa Operacional e os Recursos Renováveis. 4 a 7 de novembro de 2003, Natal-RN A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 00, Natal-RN ESCOLHENDO RISCO NAS TOMADAS DE DECISÕES EMPRESARIAIS ATRAVÉS DE FUNÇÕES UTILIDADES E EPANSÃO DE TAYLOR. Anderson de Barros

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

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

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

OS REQUISITOS PARA A CERTIFICAÇÃO, DEFINEM REGRAS QUANTO AOS SEGUINTES CRITÉRIOS:

OS REQUISITOS PARA A CERTIFICAÇÃO, DEFINEM REGRAS QUANTO AOS SEGUINTES CRITÉRIOS: OS REQUISITOS PARA A CERTIFICAÇÃO, DEFINEM REGRAS QUANTO AOS SEGUINTES CRITÉRIOS: A BASE B DIREITOS DOS PARTICIPANTES C CONTRIBUIÇÕES D OPÇÕES DE INVESTIMENTO E INFORMAÇÃO AOS PARTICIPANTES A BASE Fnancamento

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 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

METOLOGIA. 1. Histórico

METOLOGIA. 1. Histórico METOLOGIA A Sondagem da Construção Cvl do RS é uma sondagem de opnão empresaral realzada mensalmente e fo crada pela Confederação Naconal da Indústra (CNI) com o apoo da Câmara Braslera da Indústra da

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

Beta Contábil Versus Beta CAPM: Uma Investigação Empírica na Mercado Financeiro Brasileiro

Beta Contábil Versus Beta CAPM: Uma Investigação Empírica na Mercado Financeiro Brasileiro 40 Beta Contábl Versus Beta CAPM: Uma Investgação Empírca na Mercado Fnancero Braslero Accountable Beta Versus CAPM Beta: A Emprcal Research n tne Brazlan Fnancal Market Ramundo Nonato Rodrgues Doutor

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

UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS

UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS UIVERSIDADE DE SÃO PAULO ESCOLA DE EGEHARIA DE SÃO CARLOS FELIPE TUMEAS MARQUES OTIMIZAÇÃO DE CARTEIRAS COM LOTES DE COMPRA E CUSTOS DE TRASAÇÃO, UMA ABORDAGEM POR ALGORITMOS GEÉTICOS São Carlos 2007 FELIPE

Leia mais

Finanças - BACEN 1997 CESPE

Finanças - BACEN 1997 CESPE Fnanças - BACE 997 CESPE Legenda: Tema, Itens Importantes Certo, Errado Questão 3. Exstem dversos nstrumentos fnanceros a dsposção do nvestdores: LIBOR, ações, opções, Eurobond, Swaps. Quanto às característcas

Leia mais

Universidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações.

Universidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações. A CONSTRUÇÃO DE CARTEIRAS EFICIENTES POR INTERMÉDIO DO CAPM NO MERCADO ACIONÁRIO BRASILEIRO: UM ESTUDO DE CASO PARA O PERÍODO 006-010 Rodrgo Augusto Vera (PROVIC/UEPG), Emerson Martns Hlgemberg (Orentador),

Leia mais

FACULDADE DE TECNOLOGIA SENAI CIMATEC MESTRADO EM MODELAGEM COMPUTACIONAL E TECONOLOGIA INDUSTRIAL CARLOS ALBERTO ORGE PINHEIRO

FACULDADE DE TECNOLOGIA SENAI CIMATEC MESTRADO EM MODELAGEM COMPUTACIONAL E TECONOLOGIA INDUSTRIAL CARLOS ALBERTO ORGE PINHEIRO FACULDADE DE TECNOLOGIA SENAI CIMATEC MESTRADO EM MODELAGEM COMPUTACIONAL E TECONOLOGIA INDUSTRIAL CARLOS ALBERTO ORGE PINHEIRO SELEÇÃO DE PORTFÓLIOS COM BASE NO RETORNO ESPERADO E SEMIVARIÂNCIA ATRAVÉS

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

METODOLOGIA DO ÍNDICE CARBONO EFICIENTE (ICO2)

METODOLOGIA DO ÍNDICE CARBONO EFICIENTE (ICO2) METODOLOGIA DO ÍNDICE CARBONO Abrl/2015 [data] METODOLOGIA DO ÍNDICE CARBONO O ICO2 é o resultado de uma cartera teórca de atvos, elaborada de acordo com os crtéros estabelecdos nesta metodologa. Os índces

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

ANÁLISE DA EVOLUÇÃO DO BETA DE ATIVOS DE RENDA VARIÁVEL ATRAVÉS DO MONITORAMENTO DE PERFIL

ANÁLISE DA EVOLUÇÃO DO BETA DE ATIVOS DE RENDA VARIÁVEL ATRAVÉS DO MONITORAMENTO DE PERFIL RICARDO WONSEUK KIM ANÁLISE DA EVOLUÇÃO DO BETA DE ATIVOS DE RENDA VARIÁVEL ATRAVÉS DO MONITORAMENTO DE PERFIL Trabalho de Formatura apresentado à Escola Poltécnca da Unversdade de São Paulo para obtenção

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

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

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

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

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

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

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

O F Í C I O C I R C U L A R. Participantes dos Mercados da B3 Segmento BM&FBOVESPA. Ref.: Nova Metodologia do Índice Dividendos BM&FBOVESPA (IDIV).

O F Í C I O C I R C U L A R. Participantes dos Mercados da B3 Segmento BM&FBOVESPA. Ref.: Nova Metodologia do Índice Dividendos BM&FBOVESPA (IDIV). 01 de novembro de 2017 069/2017-DP O F Í C I O C I R C U L A R Partcpantes dos Mercados da B3 Segmento BM&FBOVESPA Ref.: Nova Metodologa do Índce Dvdendos BM&FBOVESPA (IDIV). Concluída a fase de dscussão

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

CAPÍTULO 6 ESTRATÉGIA ÓTIMA DE OFERTA DE PREÇOS

CAPÍTULO 6 ESTRATÉGIA ÓTIMA DE OFERTA DE PREÇOS CAPÍTULO 6 ESTRATÉGIA ÓTIMA DE OFERTA DE PREÇOS 6.1 INTRODUÇÃO Como vsto no Capítulo 1, se um mercado apresenta competção perfeta não á brecas que possam ser exploradas pelos agentes, nem espaço é dexado

Leia mais

Curso de especialização em Finanças e Economia Disciplina: Incerteza e Risco Prof: Sabino da Silva Porto Júnior Sabino@ppge.ufrgs.

Curso de especialização em Finanças e Economia Disciplina: Incerteza e Risco Prof: Sabino da Silva Porto Júnior Sabino@ppge.ufrgs. Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br Introdução Até agora: conseqüêncas das escolhas dos consumdores

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação

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

APLICAÇÃO DE UM NOVO MODELO DE ANÁLISE DE RISCO NA BOVESPA: O D-CAPM

APLICAÇÃO DE UM NOVO MODELO DE ANÁLISE DE RISCO NA BOVESPA: O D-CAPM APLICAÇÃO E UM NOVO MOELO E ANÁLISE E RISCO NA BOVESPA: O -CAPM Perre Lucena 1 e 2 Rua Farme de Amoedo, 77 Apto. 203 Ipanema CEP: 22420-020 Ro de Janero/RJ Brasl Tel.: (21) 9394-0794 E-malperrelucena@uol.com.br

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

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Ro de Janero/RJ ERRO DE DIAGNÓSTICO EM AMOSTRAGEM ZERO-DEFEITOS COM RETIFICAÇÃO: DETERMINAÇÃO DO TAMANHO ÓTIMO DE INSPEÇÃO Roberto da

Leia mais

UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Ciências Económicas e Empresariais. Microeconomia I

UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Ciências Económicas e Empresariais. Microeconomia I UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Cêncas Económcas e Empresaras Mcroeconoma I Lcencaturas em Admnstração e Gestão de Empresas e em Economa de Abrl de 003 Fernando Branco Exame para Fnalstas

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

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

6 Análises de probabilidade de ruptura de um talude

6 Análises de probabilidade de ruptura de um talude 6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura

Leia mais

Avaliação de Económica de Projectos e Cálculo de Tarifas

Avaliação de Económica de Projectos e Cálculo de Tarifas Gestão Avançada ada de Sstemas de Abastecmento de Água Avalação de Económca de Projectos e Cálculo de Tarfas Antóno Jorge Montero 26 de Mao de 2008 Aula 5-1 COCEITO DE PROJECTO Processo específco utlzado

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