AVALIAÇÃO DO CAMPEONATO MUNDIAL DE FÓRMULA 1 COM ANÁLISE ENVOLTÓRIA DE DADOS

Tamanho: px
Começar a partir da página:

Download "AVALIAÇÃO DO CAMPEONATO MUNDIAL DE FÓRMULA 1 COM ANÁLISE ENVOLTÓRIA DE DADOS"

Transcrição

1 AVALIAÇÃO DO CAMPEONATO MUNDIAL DE FÓRMULA COM ANÁLISE ENVOLTÓRIA DE DADOS Slvo Fgeredo Goes Júor Mestrado e Egehara de Prodção Uversdade Federal do Ro de Jaero Ra Passo da Pátra 56, , Nteró, RJ slvofg@ol.co.br João Carlos Correa Baptsta Soares de Mello Departaeto de Egehara de Prodção Uversdade Federal Flese Ra Passo da Pátra 56, , Nteró, RJ csello@ahoo.co.br Reso Este trabalho aalsa os resltados obtdos pelos plotos o ao de 2005 o Capeoato Mdal de Fórla segdo a etodologa ltcrtéro Data Evelopet Aalss DEA, qe é a técca de prograação ateátca para avalação de efcêca prodtva etre dversas dades, deoadas dades toadoras de decsão (DMU), segdo os recrsos tlzados a obteção de ses prodtos, dfereteete dos étodos ltcrtéro adotados atalete para estabelecer a classfcação da copetção, qe perte aplações e dstorções os resltados. Palavras-chave: DEA, Restrções aos Pesos, Fórla

2 . INTRODUÇÃO E geral, o obetvo da etodologa DEA é edr a efcêca coparada etre dades de prodção qe desevolva a esa atvdade qato à tlzação de ses recrsos e classfcá-las e efcetes o ão-efcetes e dar a edda relatva da efcêca para as ão-efcetes. Alé dsso, otros obetvos da etodologa DEA cosste e estabelecer o as becharks e poscoar as otras dades e relação a eles o ordeá-las segdo as efcêcas calcladas. O odelo é baseado problea de prograação fracoára ode a edda de efcêca é obtda através da razão da soa poderada dos prodtos pela soa poderada dos sos. Esta técca perte aalsar a efcêca de dades prodtvas (DMUs) co últplos sos (pts) e últplos prodtos (otpts) através da costrção de a frotera de efcêca, de tal fora qe as dades qe possíre a elhor relação "prodto/so" serão cosderadas as efcetes e estarão stadas sobre esta frotera e, as eos efcetes estarão stadas a regão feror à frotera, cohecda coo evelope (evoltóra). Os odelos DEA faze a agregação de pts e otpts trasforado-os e, respectvaete, pts e otpts vrtas, resltates de a cobação lear dos pts e otpts orgas. Os pesos sados esta cobação lear são calclados através de problea de prograação lear, de fora qe cada DMU se beefce co a elhor cobação de pesos, axzado sa efcêca (Soares de Mello et al, 2002). 2. O CAMPEONATO MUNDIAL DE FÓRMULA U capeoato de Fórla é coto de váras provas atooblístcas, cos resltados são agregados para estabelecer o resltado fal da copetção. Se íco ocorre o da 3 de ao de 950, e Slverstoe, Iglaterra, arcado pelo cla de roatso herdado dos poeros do atooblso. O pole-posto e vecedor da prera prova fo o talao Gseppe Fara, qe tabé se cosagrara coo o prero capeão da categora. A partr da década de 60, a Fórla- dá íco ao desevolveto de sa tecologa e coeça a vrar grade laboratóro para a cração de eqpaetos, qe depos passara a ser corporados aos carros de passeo, coo acotece até os das de hoe. Ao logo de as de cco décadas, o capeoato se cosoldo e se toro cohecdo e adrado e todo o do, atrado lhões de espectadores e grade vole de vestetos por parte de eqpes e patrocadores. Desta fora, qalqer varação o resltado de a corrda pode gerar grades varações a classfcação de capeoato e represetado a perda o gaho de grade vole de dhero. Se terpretáros cada corrda coo crtéro, o decsor, o resltado fal do capeoato é problea de ltcrtéro, oralete ordal. Coo ostrado por Soares de Mello (2002), o reglaeto do capeoato dal de Fórla sege a varate do étodo de Borda, cogada co o étodo Lexcográfco. No étodo de Borda cada decsor deve ordear as alteratvas de acordo co as sas preferêcas. À alteratva as preferda é atrbído poto, à segda dos potos e ass scessvaete. Ao fal, os potos atrbídos pelos decsores a cada alteratva são soados e a alteratva qe tver obtdo a eor potação será a escolhda. No caso específco dos esportes, tlza-se a versão do étodo, atrbdo aor úero de potos à alteratva as preferda (cocorrete vecedor da copetção). Coo reglaeto prevê tabé a possbldade de epates a potação fal, são precozados scessvos crtéros de desepate. Ass o reglaeto sa, a verdade, o

3 étodo Lexcográfco, sedo o crtéro as portate (e portato, o prero a ser sado) a potação obtda co o étodo de Borda odfcado. Havedo das alteratvas o as co o eso úero de potos soados ao fal do capeoato, é cosderado o aor úero de vtóras de cada ploto para qe haa o desepate. Peraecedo as alteratvas epatadas, o segdo crtéro é o aor úero de corrdas e qe cada ploto tero a corrda e segdo lgar e ass scessvaete. A tlzação de étodos ordas ltcrtéros para estabelecer a classfcação do capeoato pode gerar grades dstorções a potação de plotos e eqpes, devdo a artfícos tlzados pelas eqpes drate as provas o eso por stações dversas passíves de acotecer drate a corrda. Por sso, ao logo de todos estes aos, a potação sofre dversas alterações co tto de dr estas dstorções e, a partr do ao de 2003, o reglaeto do capeoato dal Fórla detera qe o capeão da teporada é o ploto qe soar aor úero de potos ao fal de todas as corrdas da teporada. Os otros plotos tê a classfcação o capeoato deterada pelo total de potos alcaçados. E cada corrda, apeas os oto preros colocados soa potos, sedo a potação de cada colocado apresetada a Tabela. Colocação Potação º Colocado 0 pts 2ºColocado 08 pts 3º Colocado 06 pts 4 o Colocado 05 pts 5 o Colocado 04 pts 6 o Colocado 03 pts 7 o Colocado 02 pts 8 o Colocado 0 pts Tabela Potação da Fórla a partr de Eqato o étodo orgal a dfereça etre das colocações é a esa, á qe se trata de étodo ordal, a Fórla a dfereça etre o prero e segdo colocados e o segdo e o terceo colocados é aor qe etre as posções sbseqüetes, até o oo colocado (respectvaete 2 e potos). Para as colocações pores qe a oa ão há dfereça eha, á qe eh cocorrete arca potos. A teção é valorzar a vtóra e ão dar ateção às dsptas pelos últos lgares. Esta dfereça, e qe pese as sas boas teções, acarreta severas dstorções. A prera, de orde teórca, é qe teta tratar de fora cardal étodo ordal. Co efeto, se os dos preros colocados chegare co a peqea dfereça, eso ass terão a dfereça de potação aor qe a exstete etre dos otros qasqer plotos qe, eso chegado co a dfereça grade, ocpe posções secdáras. U exeplo deste fato ocorre o Grade Prêo da Espaha, o crcto de Jerez de La Frotera, o ao de 986, e qe o vecedor da prova, o braslero Arto Sea, chego a a dfereça de apeas 0,04 segdos do segdo colocado, o glês Ngell Masell e qe, a época, devdo ao sstea de potação tlzado, rede a Sea 3 potos a as qe Masell. Fgra Sea e Masell o GP da Espaha de 986

4 Ua segda coseqüêca é as grave. Coo a dfereça de potação etre dos plotos co classfcações edatas é dferete cofore a posção, a falta de depedêca e relação às alteratvas rrelevates é agravada, alé dsso, o so do úero de vtóras coo segdo crtéro o étodo lexcográfco agrava ada as este fato. E relação aos preros lgares, á hove váras stações otcadas. Se dos plotos da esa eqpe ocpare as das preras posções, pode trocar de posção, de fora a qe deles se beefce da aor portâca dada à vtóra e caso de epate, alé de qe, ates do ao de 2003, a dfereça de potação do prero para o segdo colocado era aor qe e relação às otras posções. Essa stação fo aplaete otcada e 2002 qado, o grade prêo da Ástra, Rbes Barrchello cede o prero lgar a Mchael Schacher perto da lha de chegada (Fgra 2). Fgra 2 Chegada do grade prêo da Ástra de Neste trabalho, é feta a aálse da classfcação do capeoato de Fórla qe tlza étodo DEA co restrções aos pesos. Esta aálse ão pretede ser a ova classfcação do capeoato, apeas estdo sobre desepeho. Ua potecal aplcação do estdo é verfcar servr de base para aálses dos plotas co vstas a cotratações o a prêos paralelos. 3. DATA ENVELOPMENT ANALISYS (DEA) 3.. Cosderações Geras A Aálse de Evoltóra de Dados é étodo ão-paraétrco, srgdo foralete e 978 co o trabalho de Chares et al. (978), co o obetvo de edr a efcêca de dades toadoras de decsão, desgadas por DMUs (Decso Makg Uts), a preseça de últplos fatores de prodção (pts) e últplos prodtos (otpts). As dades toadoras de decsão caracterza-se por desepehar tarefas sealhates, o sea, tlza os esos sos e desepeha as esas tarefas para prodzr eso prodto. O qe as dfere são as qatdades de recrsos (pts) tlzados e de prodtos gerados (otpts). A técca de costrção de froteras de prodção e dcadores de efcêca prodtva relatva teve orge o trabalho de Farrel (957) e fo geeralzada por Chares et al. (978), o setdo de trabalhar co últplos sos e últplos prodtos Modelos DEA Clásscos Há dos odelos DEA clásscos: CCR (de Chares, Cooper e Rhodes) e BCC (de Baker, Chares e Cooper). O odelo CCR (tabé cohecdo por CRS o Costat Retrs to Scale), trabalha co retoros costates de escala (Chares et al., 978). E sa forlação ateátca cosdera-se qe cada DMU k, k =,..., s, é a dade de prodção qe tlza pts x k, =,,, para prodzr otpts k, =,,. Esse odelo axza o qocete etre a cobação lear dos otpts e a cobação lear

5 dos pts, co a restrção de qe para qalqer DMU esse qocete ão pode ser aor qe. Medate algs artfícos ateátcos, este odelo pode ser learzado, trasforado-se e Problea de Prograação Lear (PPL) apresetado e (), ode h o é a efcêca da DMU o e aálse; x o e o são os pts e otpts da DMU o ; v e são os pesos calclados pelos odelo para pts e otpts. ax =, v h o o seto a = = k = = 0 = x, k o 0, k =,..., s O odelo BCC, tabé chaado de VRS (Varable Retrs to Scale) cosdera stações de efcêca de prodção co varação de escala e ão asse proporcoaldade etre pts e otpts. Apreseta-se e (2) a forlação do problea de prograação fracoára, prevaete learzado, para esse odelo (Baker et al., 984). E (2) h o é a efcêca da DMU o e aálse; x k represeta o pt da DMU k, k represeta o otpt da DMU k ; v é o peso atrbído ao pt, é o peso atrbído ao otpt ; * é fator de escala. ax seto a = * R = 0 = = k = =, v h o o x, k o + * 0, k =,..., s A Fgra 3 ostra as froteras DEA BCC e CCR para odelo DEA bdesoal ( pt e otpt). As DMUs A, B e C são BCC efcetes; a DMU B é CCR efcete. As DMUs D e E são efcetes os dos odelos. A efcêca CCR e BCC da ' E''' E''E E' 'E' E'' E. DMU E é dada, respectvaete, por ( E' ) e ( ) () (2)

6 O CCR B C BCC E E E E A D Fgra 3 Froteras DEA BCC e CCR para o caso bdesoal. Alé de detfcar as DMUs efcetes, os odelos DEA perte edr e localzar a efcêca e estar a fção de prodção lear por partes, qe forece o bechark para as DMUs efcetes. Esse bechark é deterado pela proeção das DMUs efcetes a frotera de efcêca. A fora coo é feta esta proeção detera oretação do odelo: oretação a pts (qado se desea zar os pts, atedo os valores dos otpts costates) e oretação a otpts (qado se desea axzar os resltados se dr os recrsos). E abos os odelos aca, ão é cosderada eha restrção aos pesos estplados para os pts e otpts, exceto sere estrtaete postvos. Desta fora, o étodo tede a ser beevolete co as DMUs, estplado pesos qe as favoreça. E relação a sto, Âglo-Meza (2000) faz algas cosderações: - A flexbldade os pesos perte qe as DMUs possa ter obetvos dvdas e crcstâcas partclares, o qe ão codz co o fato delas sere hoogêeas; - E algas stações, dspõe-se de forações sgfcatvas co respeto à portâca dos sos e dos prodtos e sobre a relação etre as varáves; - Os especalstas, co freqüêca, te percepção a pror sobre DMUs efcetes e efcetes Restrções aos Pesos A corporação de lgaeto de valor através de restrções aos pesos pode ser dvdda e três grpos de étodos, segdo Ls e Âglo-Meza (2000): restrções dretas os pesos, regões de segraça e restrções os pts e otps vrtas. O efoqe de restrções dretas os pesos, desevolvdo por Dso e Thaassols (988) e geeralzado por Roll, Cook e Gola (99), propõe o estabeleceto de ltes ércos aos ltplcadores, co o obetvo de ão sperestar o gorar pts o otpts a aálse. Este tpo de restrção pode levar à vabldade do PPL, a vez qe, estabelecer lte speror ao peso de pt, plca e lte feror o pt vrtal total do resto das varáves, e por sa vez sso te plcações para os valores qe pode toar os pts restates. O étodo de Regões de Segraça (Assrace Rego AR), desevolvdo por Thopso et al. (990), lta a varação dos pesos a a deterada regão. As restrções da abordage por AR são de dos tpos: Tpo I (o étodo Coe Ratto) e Tpo II. Para o tpo I, é corporada à aálse a ordeação relatva o valores relatvos de pts e otpts, as eqações qe represeta as restrções estão apresetadas e (3) e (4). I k v k v v (3)

7 α v v + β (4) A regão do segraça Tpo II, apresetada por Thopo et al. (990) copreede restrções qe relacoa os pesos dos pts e dos otpts, cofore (5). γ v (5) Otra fora de restrgr a lberdade dos pesos, cofore descrto por Braco da Slva e Soares de Mello (2005) é baseada o fato de qe a cotrbção de pt à DMU é. Ass, crtéro de seleção pode ser o de clr apeas os pts e otpts qe cotrbe de aera sgfcatva aos cstos totas e beefícos relevates a a DMU. Ao vés de restrgr os valores dos pesos, são defdas restrções à proporção do otpt vrtal total da DMU, tlzado pelo otpt r, o sea, a portâca relacoada ao otpt r pela DMU, ao tervalo [ φ r, ϕ r ], co φ r e ϕ r sedo deterados pelo especalsta (Wog e Beasle, 990). A restrção o otpt r é apresetada e (6). ode r r s r= φr r r s r = represeta o otpt vrtal total da DMU. r r ϕr (6) 4. ESTUDO DE CASO: EFICIÊNCIA DOS PILOTOS NO CAMPEONATO DE FÓRMULA MODELO PROPOSTO O capeoato de Fórla do ao de 2005 e coposto por 9 corrdas, co a partcpação de 20 plotos e cada prova e total de 0 eqpes cocorretes. A odelage e DEA exge a defção das DMUs, das varáves de avalação (pts e otpts) e do odelo DEA qe será tlzado. As DMUs tlzadas são os plotos qe partcpara dos treos classfcatóros de, pelo eos, a prova a teporada de 2005, cosegdo classfcação o grd de largada. Coo ocorrera sbsttções de plotos drate o capeoato, te-se total de 27 plotos o odelo estdado. Na escolha das varáves tlzadas o odelo, opto-se por pt úco, qe é o úero de partcpações do ploto (DMU) a foração do grd de largada, pos terão ass a oportdade de partcpar da prova e cosegr alg resltado o fal da corrda. Coo otpt, o úero de vezes qe o ploto copleto a prova e a deterada posção. Coo cada prova poss 20 plotos partcpado, te-se etão total de 20 varáves de otpt, á qe o Grade Prêo de Moza Itála, todos os plotos copletara a prova, o qe ão ocorra há váras décadas. Apesar das grades dfereças ecoôcas e de tecologa exstete de a eqpe para otra, a tlzação destas varáves bsca torar hoogêeas as DMUs pos aga-se qe todos os plotos posse as esas oportdades de cosegr a boa colocação a prova. Coo exste leardade etre o pt e os otpts tlzados e as posções de chegada de ploto e a prova ão posse o eso ível de portâca coo prevê a potação e os crtéro de desepate tlzados o reglaeto do capeoato e descrto o te 2, o odelo proposto este trabalho é o CCR co restrções aos pesos, tlzado o étodo de Regões de Segraça Tpo I, fazedo-se +, o sea, o peso da posção de chegada do ploto é aor o gal ao peso de chegada a posção segte. Coo são vte posções de chegada, te-se total de 9 restrções.

8 O odelo é oretado a pt, apesar de parecer as adeqado a oretação a otpt pos o obetvo de ploto é a elhor posção de chegada possível e a corrda. Etretato, coo o odelo é o CCR, as das oretações apreseta os esos resltados e o odelo dos ltplcadores oretado a pt te a terpretação as ttva. Os dados tlzados fora obtdos do ste sedo cosderados os resltados obtdos pelo ploto até o Grade Prêo do Brasl, 7ª prova da teporada, pos as das provas restates ada ão hava sdo realzadas drate a cofecção deste estdo. E (7) te-se a odelage DEA CCR oretada a pt co as restrções aos pesos tlzadas este trabalho. ax = h k = =, v 0 o o seto a + = = = 0 x, k o 0,, =, - k =,..., s Os dados tlzados este trabalho apreseta-se abaxo a tabela 2. Ipt Otpt (Nº de chegadas a posção ) Ploto Nº Partc. ª 2ª 3ª 4ª 5ª 6ª 7ª 8ª 9ª 0ª ª 2ª 3ª 4ª 5ª 6ª 7ª 8ª 9ª 20ª Alexader Wrz Atho Davdso Atoo Pzzoa 3 Chrsta Kle Chrsta Albers Davd Colthard Felpe Massa Ferado Aloso Gacarlo Fschella Jacqes Vlleeve Jaro Trll Jeso Btto Ja Pablo Motoa K Räkköe Mark Webber Mchael Schacher Nara Karthkea Nck Hedfeld Patrck Fresacher Pedro de La Rosa Ralf Schacher Rcardo Zota Robert Doorbos Rbes Barrchello Taka Sato Tago Motero Vtatoo Lzz 4 Tabela 2 Dados do odelo (7)

9 5. RESULTADOS E CONCLUSÕES Utlzado-se o odelo proposto, fora calclados os pesos de todas as varáves e calcladas as efcêcas de cada ploto, os resltados das efcêcas e dos pesos até a 0ª posção estão apresetados a tabela 3. A tabela 4 apreseta classfcação dos plotos segdo a efcêca DEA calclada pelo odelo e a classfcação ofcal do capeoato até o GP do Brasl. Ploto Efc. Pesos v Alexader Wrz,0000,000,273,273,000,000,000,000,000,000,000,000 Atho Davdso 0,0000,000,273,273,000,000,000,000,000,000,000,000 Atoo Pzzoa 0,6667 0,333 0,394 0,394 0,333 0,333 0,333 0,333 0,333 0,333 0,333 0,333 Chrsta Kle 0,6923 0,077 0,09 0,09 0,077 0,077 0,077 0,077 0,077 0,077 0,077 0,077 Chrsta Albers 0,647 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Davd Colthard 0,7059 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Felpe Massa 0,8235 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Ferado Aloso,0000 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Gacarlo Fschella 0,6667 0,059 0,078 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Jacqes Vlleeve 0,647 0,059 0,078 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Jaro Trll 0,8449 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Jeso Btto 0,6667 0,067 0,079 0,079 0,067 0,067 0,067 0,067 0,067 0,067 0,067 0,067 Ja Pablo Motoa 0,8000 0,067 0,089 0,067 0,067 0,067 0,067 0,067 0,067 0,067 0,067 0,067 K Räkköe,0000 0,059 0,67 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Mark Webber 0,647 0,059 0,078 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Mchael Schacher 0,770 0,059 0,075 0,075 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Nara Karthkea 0,7647 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Nck Hedfeld 0,6688 0,07 0,084 0,084 0,07 0,07 0,07 0,07 0,07 0,07 0,07 0,07 Patrck Fresacher 0,4545 0,09 0,07 0,07 0,09 0,09 0,09 0,09 0,09 0,09 0,09 0,09 Pedro de La Rosa,0000,000,82,82,000,000,000,000,000,000,000,000 Ralf Schacher 0,9375 0,063 0,074 0,074 0,063 0,063 0,063 0,063 0,063 0,063 0,063 0,063 Rcardo Zota 0,0000,000,82,82,000,000,000,000,000,000,000,000 Robert Doorbos 0,6667 0,67 0,97 0,97 0,67 0,67 0,67 0,67 0,67 0,67 0,67 0,67 Rbes Barrchello 0,9037 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Taka Sato 0,6429 0,07 0,084 0,084 0,07 0,07 0,07 0,07 0,07 0,07 0,07 0,07 Tago Motero 0,942 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Vtatoo Lzz 0,5000 0,250 0,295 0,295 0,250 0,250 0,250 0,250 0,250 0,250 0,250 0,250 Tabela 3 Efcêca e pesos(até a 0ª posção) calclados pelo odelo DEA

10 PILOTO EFICIÊNCIA DEA CLASSIFICAÇÃO OFICIAL CLASSIFICAÇÃO DEA (Caso I) DIFERENÇA FERNANDO ALONSO, KIMI RAIKKONEN, ALEXANDER WURZ, PEDRO DE LA ROSA, TIAGO MONTEIRO 0, RALF SCHUMACHER 0, RUBENS BARRICHELO 0, JARNO TRULLI 0, FELIPE MASSA 0, JUAN PABLO MONTOYA 0, MICHAEL SCHUMACHER 0, NARAIN KARTHIKEYAN 0, DAVID COULTHARD 0, CHRISTIAN KLIEN 0, NICK HEIDFELD 0, JENSON BUTTON 0, GIANCARLO FISICHELLA 0, ANTONIO PIZZONIA 0, ROBERT DOORNBOS 0, MARK WEBBER 0, JACQUES VILLENEUVE 0, CHRISTIJAN ALBERS 0, TAKUMA SATO 0, VITANTONIO LIUZZI 0, PATRICK FRIESACHER 0, RICARDO ZONTA 0, ANTHONY DAVIDSON 0, Tabela 4 Coparação etre as classfcações DEA e a Ofcal Aalsado a tabela 4, ota-se a grade varação etre as classfcações DEA e a ofcal. Este fato pode ser stfcado devdo a algas aoraldades ocorrdas drate a teporada de 2005, coo, por exeplo, o GP dos Estados Udos, realzado e Idaápols e vecdo por Mchael Schacher, ode sete, das dez eqpes partcpates bocotara a prova alegado falta de segraça aos plotos, pos sa forecedora de pes, a Mchel, os alerto sobre defetos a borracha, qe ão agetara as de dez voltas. A largada fo realzada co apeas ses carros o grd, as das Ferrars, Mards e Jordas - todas sado pes Brdgestoe, cofore fgra 4. Esta vtóra acresce sa potação o capeoato, aparecedo e terceto lgar a classfcação ofcal, eqato qe, segdo o odelo DEA, apreseta-se apeas a ª posção. Fgra 4 - Ferrar alha o grd eqato deas volta aos boxes

11 Otro fator é qe plotos qe partcpara de pocas corrdas e cosegra boa colocação, posse efcêca elevada, coo acotece co os plotos Alexader Wrz e Pedro de La Rosa qe partcpara de apeas a corrda o capeoato e cosegra a tercera e qta posções, respectvaete. Alé dsso, plotos qe copletara tas corrdas, eso se arcar potos, apreseta alta efcêca, coo é o caso deo ploto Tago Motero, qe copleto dezesses das dezessete provas realzas até o GP do Brasl. Aalsado os valores forecdos para os pesos das varáves, pode-se otar tos pesos gas, o sea, coo as restrções são do tpo aor o gal, o odelos atrb a esa portâca para dversas colocações, o qe cotrara a proposta cal do trabalho. Vsado adeqar etão o odelo, fez-se a varação o étodo de Regões de Segraça de restrções aos pesos, trodzdo a restrção dreta aos pesos, estplado lte feror de 0,00, forçado ada a varação ía deste valor etre o peso atrbído a a colocação e o peso atrbído à colocação segte. Este ovo odelo fo deoado Caso II. O PPL deste odelo é apresetado e (8). ax = h k = =, v 0 o o seto a + = = = 0,00 x, k o 0,, =, - k =,..., s Os resltados obtdos co a tlzação do Caso II são apresetados a tabela 5. A tabela 6 apreseta a classfcação dos plotos segdo a efcêca DEAcalclada o Caso II e a classfcação ofcal do capeoato até o GP do Brasl. (8)

12 Ploto Efc. Pesos v Alexader Wrz,0000,000,662,00,000 0,06 0,05 0,04 0,03 0,02 0,0 0,00 Atho Davdso 0,0000,000,662,00,000 0,06 0,05 0,04 0,03 0,02 0,0 0,00 Atoo Pzzoa 0,6507 0,333 0,395 0,394 0,333 0,332 0,33 0,330 0,329 0,328 0,327 0,326 Chrsta Kle 0,6333 0,077 0,092 0,09 0,077 0,076 0,075 0,074 0,073 0,072 0,07 0,070 Chrsta Albers 0,53 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Davd Colthard 0,649 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Felpe Massa 0,7285 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Ferado Aloso,0000 0,059 0,42 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,0 0,00 Gacarlo Fschella 0,6393 0,059 0,079 0,060 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Jacqes Vlleeve 0,559 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Jaro Trll 0,7905 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Jeso Btto 0,6357 0,067 0,080 0,079 0,067 0,066 0,065 0,064 0,063 0,062 0,06 0,060 Ja Pablo Motoa 0,7780 0,067 0,090 0,068 0,067 0,066 0,065 0,064 0,063 0,062 0,06 0,060 K Räkköe 0,9600 0,059 0,42 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,0 0,00 Mark Webber 0,600 0,059 0,079 0,060 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Mchael Schacher 0,7430 0,059 0,075 0,074 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Nara Karthkea 0,6297 0,059 0,079 0,060 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Nck Hedfeld 0,6284 0,07 0,086 0,085 0,07 0,070 0,069 0,068 0,067 0,066 0,065 0,064 Patrck Fresacher 0,3975 0,09 0,09 0,08 0,09 0,090 0,089 0,088 0,087 0,086 0,085 0,084 Pedro de La Rosa 0,9980,000,83,82,000 0,999 0,998 0,997 0,996 0,995 0,994 0,993 Ralf Schacher 0,8795 0,063 0,075 0,074 0,063 0,062 0,06 0,060 0,059 0,058 0,057 0,056 Rcardo Zota 0,0000,000,83,82,000 0,999 0,998 0,997 0,996 0,995 0,994 0,993 Robert Doorbos 0,667 0,67 0,98 0,97 0,67 0,66 0,65 0,64 0,63 0,62 0,6 0,60 Rbes Barrchello 0,8423 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Taka Sato 0,569 0,07 0,086 0,085 0,07 0,070 0,069 0,068 0,067 0,066 0,065 0,064 Tago Motero 0,7852 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Vtatoo Lzz 0,4890 0,250 0,297 0,296 0,250 0,249 0,248 0,247 0,246 0,245 0,244 0,243 PILOTO Tabela 5 Efcêca e pesos calclados pelo odelo DEA Caso II EFICIÊNCIA DEA (Caso II) CLASSIFICAÇÃO OFICIAL CLASSIFICAÇÃO DEA (Caso II) DIFERENÇA FERNANDO ALONSO, KIMI RAIKKONEN 0, ALEXANDER WURZ, PEDRO DE LA ROSA 0, TIAGO MONTEIRO 0, RALF SCHUMACHER 0, RUBENS BARRICHELO 0, JARNO TRULLI 0, FELIPE MASSA 0, JUAN PABLO MONTOYA 0, MICHAEL SCHUMACHER 0, NARAIN KARTHIKEYAN 0, DAVID COULTHARD 0, CHRISTIAN KLIEN 0, NICK HEIDFELD 0, JENSON BUTTON 0, GIANCARLO FISICHELLA 0, ANTONIO PIZZONIA 0, ROBERT DOORNBOS 0, MARK WEBBER 0, JACQUES VILLENEUVE 0, CHRISTIJAN ALBERS 0, TAKUMA SATO 0, VITANTONIO LIUZZI 0, PATRICK FRIESACHER 0, RICARDO ZONTA 0, ANTHONY DAVIDSON 0, Tabela 6 Coparação etre as classfcações DEA(Caso II) e Ofcal

13 Co esta varação o odelo, trodzdo-se aor restrção aos pesos, ota-se a eor varação etre a classfcação ofcal e a classfcação ecotrada pelo odelo. Alé dsso, percebe-se desepate as efcêcas calcladas, estabelecedo a classfcação se ecessdade de desepates. Etretato, percebe-se ada algas dstorções a classfcação, o qe sgere estdos as aprofdados e relação à etodologa de trodção de restrções aos pesos os odelos DEA clásscos. Tabé, co vstas à aplcação deste caso, estdos posterores deverão cosdera o desepeho do ploto e relação ao desepeho do se carro. 6. REFERÊNCIAS () Barba-Roero, S. & Poerol, J.C. Decsoes Mltcrtero: Fdaetos Teórcos e Utlzacó Práctca. Coleccó de Ecooa, Uversdad de Alcalá, Espaha, 997. (2) Braco da Slva, B.P. & Soares de Mello, J.C.C.B. (2005). Modelo DEA Aplcado aos Resltados das Olpíadas de Ateas (3) Chares, A., Cooper, W.W. & Rhodes, E. (978). Measrg the effcec of decsoakg ts. Eropea Joral of Operatoal Research, 2, (4) Chares, A. et. al. (996) Data Evelopet Aalss: theor, ethodolog ad applcatos. Norvell: Klwer Acadec Press, 2 ed. (5) Dso, R. G. & Thaassols E. (988) Redcg weght flexblt DEA. Joral of the Operatoal Research Socet, 39. (6) Goes, E.G., Soares de Mello, J.C.C.B. & Ls, M.P.E. (200). Uso de Aálse de Evoltóra de Dados e Axílo Mltcrtéro à Decsão a aálse de dados das Olpíadas Aas do XXI ENEGEP, Salvador, Brasl. (7) Ls, M.P.E. & Aglo-Meza, L. (2000). Aálse Evoltóra de Dados e perspectvas de tegração o abete de Apoo à Decsão. Edtora da COPPE/UFRJ, Ro de Jaero. (8) Ls, M.P.E., Goes, E.G., Soares de Mello, J.C.C.B. & Soares de Mello, A.J.R. (2003). Olpc rakg based o a Zero S Gas DEA odel. Eropea Joral of Operatoal Research, 48 (2), (9) Rocha, R.B. & Cavalcat Netto, M.A. (2002). A data evelopet aalss odel for rak orderg spplers the ol dstr. Pesqsa Operacoal, 22 (2), (0) Roll, Y. & Gola, B.(99) Cotrollg factor weghts DEA. IIE Trasactos, 23 (), pp.2-9. () Soares de Mello, J.C.C.B., Goes, E.G., Ls, M.P.E. & Soares de Mello, A.J.R. (200). Uso da Pesqsa Operacoal e esportes: o caso das Olpíadas. Bolet da SOBRAPO, 9, 5-6. (2) Soares de Mello, J.C.C.B., Goes, E.G., Ls & Soares de Mello, M.H.C. (2002). Eprego de Métodos Ordas Mltcrtéro a Aálse do Capeoato Mdal de Fórla. Relatóros de Pesqsa e Egehara de Prodção- Uversdade Federal Flese, 2. (3) Soares de Mello, M.H.C. Avalação de Desepeho as Egeharas: Estdo de Caso UFF. Tese de Mestrado, Egehara de Prodção, Uversdade Federal Flese, Nteró, (4) Thopso, R.G., Lageeer, L.N., Lee, C.H., Lee, E. & Thrall, R.M. (990) The role of ltpler bods effcec aalss wth applcato to. Kasas Farg. Joral of Ecooetrcs, 46, pp (5) Wog. Y. & Beasle, J. (990) Restrctg Weght Flexblt DEA. Joral of Operatoal Research Socet, 4,

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

Utilização de modelo DEA com restrições cone rattio não arquimedianas para avaliação dos pilotos no campeonato mundial de fórmula 1 do ano de 2006

Utilização de modelo DEA com restrições cone rattio não arquimedianas para avaliação dos pilotos no campeonato mundial de fórmula 1 do ano de 2006 Ssteas & Gestão 2 (3) 217-231 Prograa de Pós-graduação e Ssteas de Gestão, TEP/TCE/CTC/PROPP/UFF Utlzação de odelo DEA co restrções cone ratto não arquedanas para avalação dos plotos no capeonato undal

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

MODELAGEM MATEMÁTICA E ANÁLISE DO PROCESSO DE FLOCULAÇÃO EM CÂMARAS EM SÉRIE

MODELAGEM MATEMÁTICA E ANÁLISE DO PROCESSO DE FLOCULAÇÃO EM CÂMARAS EM SÉRIE MODELAGEM MATEMÁTICA E ANÁLISE DO POCESSO DE FLOCULAÇÃO EM CÂMAAS EM SÉIE odrgo B Moruzz, Sauel Coceção de Olvera Professor da Uesp, Capus de o Claro, o Claro-SP, Brasl, roruzz@rcuespbr Professor da Uesp,

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

PESQUISA OPERACIONAL E ANÁLISE ENVOLTÓRIA DOS DADOS: APLICAÇÕES EM PROBLEMAS AMBIENTAIS

PESQUISA OPERACIONAL E ANÁLISE ENVOLTÓRIA DOS DADOS: APLICAÇÕES EM PROBLEMAS AMBIENTAIS Anas do XX Encontro de Incação Centífca ISSN 98-78 Anas do V Encontro de Incação e Desenvolvento Tecnológco e Inovação ISSN 37- e 3 de setebro de 5 PESQUISA OPERACIONAL E ANÁLISE ENVOLTÓRIA DOS DADOS:

Leia mais

AVALIAÇÃO DOS PILOTOS NO CAMPEONATO MUNDIAL DE FÓRMULA 1 DO ANO DE 2006 UTILIZANDO MODELO DEA COM RESTRIÇÕES CONE RATTIO NÃO ARQUIMEDIANAS

AVALIAÇÃO DOS PILOTOS NO CAMPEONATO MUNDIAL DE FÓRMULA 1 DO ANO DE 2006 UTILIZANDO MODELO DEA COM RESTRIÇÕES CONE RATTIO NÃO ARQUIMEDIANAS AVALIAÇÃO DOS PILOTOS NO CAMPEONATO MUNDIAL DE FÓRMULA DO ANO DE 2006 UTILIZANDO MODELO DEA COM RESTRIÇÕES CONE RATTIO NÃO ARQUIMEDIANAS Slvo Fgueredo Goes Júnor Doutorado e Engenhara de Produção Unversdade

Leia mais

Capitulo 7 Resolução de Exercícios

Capitulo 7 Resolução de Exercícios FORMULÁRIO Audades Costates Postecpadas HP C [g][end] Cp LN 1 1 1 1 C p R Cp R R a, R C p, 1 1 1 a LN 1 Sp LN 1 1 1 S p R S p R R s, R S p, 1 1 s LN 1 Audades Costates Atecpadas HP C [g][beg] 1 (1 ) 1

Leia mais

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

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

AN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS.

AN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS. AN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS. Rogéro Bouer Brazla Isttute for Appled Ecooc Research Catholc Uverst

Leia mais

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA versão mpressa ISSN 00-7438 / versão ole ISSN 678-542 AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA Luís Alberto Duca Ragel UFF-COPPE/PEP/UFRJ

Leia mais

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que

Leia mais

2. INTRODUÇÃO AOS MÉTODOS FACTORIAIS

2. INTRODUÇÃO AOS MÉTODOS FACTORIAIS . NRODUÇÃO AOS MÉODOS FACORAS CONCEOS GEOMÉRCOS. NÉRCA. Os métodos factoras de Aálse de Dados permtem descreer matrzes (segdo o modelo do Qadro Q da Fg..) de dmesão (, p) qe represetam os alores tomados

Leia mais

Base de Dados (grupo32) Trabalho 3

Base de Dados (grupo32) Trabalho 3 Base de Dados grupo32 Trabalho 3 CREATE TABLE Pilotos Criação das tabelas nome DN nacionalidade nomeequipa VARCHAR50, DATE, VARCHAR15, VARCHAR15, PRIMARY KEY nome,dn, FOREIGN KEY nomeequipa REFERENCES

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

Balanço de Massa e Energia Aula 2

Balanço de Massa e Energia Aula 2 alaço de assa e Eerga ula Udades e Desão Desão: Quatdade que pode ser edda, são as gradezas báscas coo copreto, assa, tepo, teperatura etre outras, ou quatdades calculadas pela dvsão ou ultplcação de outras

Leia mais

Palavras-chave: Problemas de corte e empacotamento, carregamento de contêineres com múltiplos destinos, otimização combinatória, modelagem matemática.

Palavras-chave: Problemas de corte e empacotamento, carregamento de contêineres com múltiplos destinos, otimização combinatória, modelagem matemática. 1 ABORDAGENS PARA PROBEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE MÚTIPOS DESTINOS eoardo Juquera Realdo Morabto Dese Sato Yaashta Departaeto de Egehara de Produção Uversdade Federal de São

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

O mercado de renda fixa e a estrutura da taxa de juro

O mercado de renda fixa e a estrutura da taxa de juro O mercado de reda fxa e a estrtra da taxa de jro No Brasl, a egocação o mercado de reda fxa egloba títlos públcos e títlos prvados. O strmeto para a expressão da remeração e/o o valor de mercado de cada

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

Algoritmos de partição e geração de colunas para dimensionamento de lotes de produção

Algoritmos de partição e geração de colunas para dimensionamento de lotes de produção C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) 129-146 129 Algortos de partção e geração de coluas para desoaeto de lotes de produção Cara Mara Olvera Petel Flpe Perera e Alvelos José

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores

Leia mais

A Utilização da Análise por Envoltória de Dados na Liberação de Crédito em uma Agência Bancária no Rio Grande do Sul

A Utilização da Análise por Envoltória de Dados na Liberação de Crédito em uma Agência Bancária no Rio Grande do Sul A Utlzação da Aálse po Eoltóa de Dados a Lbeação de Cédto e a Agêca Bacáa o Ro Gade do Sl Daae de Fáta Dos Satos Beo daaeojaopes@ahoo.co.b Ucz Elae Sel Eelg Pa epa@cz.ed.b Ucz Katsca Schee Vagas katschee@ahoo.co.b

Leia mais

Síntese de Transformadores de Quarto de Onda

Síntese de Transformadores de Quarto de Onda . Sítese de rasforadores de Quarto de Oda. Itrodução rasforadores de guia de oda são aplaete epregados o projeto de copoetes e oda guiada e são ecotrados e praticaete todas as cadeias alietadoras de ateas

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (funções de transferência)

4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (funções de transferência) 4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (fuções de trasferêa) 4. Trasforada de Laplae É u operador lear, que opera sobre fuções de varável otíua postva, defdo por: L f(t) = f(s) = f(t) e -st dt Nota:

Leia mais

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering) 7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

SIMULAÇÃO DE SISTEMAS CAOTICOS NO MICROMEDIA FLASC

SIMULAÇÃO DE SISTEMAS CAOTICOS NO MICROMEDIA FLASC Aas do XXXIV COBENGE. Passo Fudo: Ed. Uversdade de Passo Fudo Setebro de 006. ISBN 85-755-7- SIMULAÇÃO DE SISTEMAS CAOTICOS NO MICROMEDIA FLASC José Slvéro Edudo Gerao - slvero@ta.br ITA Isttuto Tecológco

Leia mais

PUCRS - FENG - DEE - Mestrado em Engenharia Elétrica Redes Neurais Artificiais Fernando César C. de Castro e Maria Cristina F. de Castro.

PUCRS - FENG - DEE - Mestrado em Engenharia Elétrica Redes Neurais Artificiais Fernando César C. de Castro e Maria Cristina F. de Castro. PUCRS - FENG - DEE - estrado e Egehara Elétrca Redes Neuras Artfcas Ferado César C. de Castro e ara Crsta F. de Castro Capítulo 6 Redes Neuras Artfcas para Decoposção de u Espaço Vetoral e Sub-Espaços

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A. MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de

Leia mais

CAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento

CAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento CAP RATES, YIELDS E AALIAÇÃO DE IMÓEIS pelo étodo do rendento Publcado no Confdencal Iobláro, Março de 2007 AMARO NAES LAIA Drector da Pós-Graduação de Gestão e Avalação Ioblára do ISEG. Docente das caderas

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

EFICIÊNCIA NO CONSUMO DE ENERGIA EM MUNICIPIOS FLUMINENSES CONSIDERANDO TEMPERATURAS

EFICIÊNCIA NO CONSUMO DE ENERGIA EM MUNICIPIOS FLUMINENSES CONSIDERANDO TEMPERATURAS EFICIÊNCIA NO CONSUMO DE ENERGIA EM MUNICIPIOS FLUMINENSES CONSIDERANDO TEMPERATURAS João Carlos Correa Baptsta Soares de Mello Unversdade Federal Flmnense Lda Anglo Meza Unversdade Federal Flmnense Elane

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

INTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA

INTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA INTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA Wellgto José da CUNHA Erco Atôo COLOSIMO RESUMO: As meddas realzadas o da-a-da estão sjetas a erros Esses erros podem acotecer

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

Leia mais

Avaliação do Ensino nos Cursos de Pós-Graduação em Engenharia: Um Enfoque Quantitativo de Avaliação em Conjunto

Avaliação do Ensino nos Cursos de Pós-Graduação em Engenharia: Um Enfoque Quantitativo de Avaliação em Conjunto Avalação do Ensno nos Crsos de Pós-Gradação em Engenhara: Um Enfoqe Qanttatvo de Avalação em Connto Lda Anglo Meza Insttto de Cênca e Tecnologa Unversdade Vega de Almeda Ra Ibtrna, 108, 4º andar, Maracanã,

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS - Autovalores e Autovetores..- Autovetores e Autovalores de ua Matrz..- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. Cotuação da

Leia mais

Análise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica.

Análise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica. Análse do Retorno da Edcação na Regão Norte em 2007: Um Estdo à Lz da Regressão Qantílca. 1 Introdcão Almr Rogéro A. de Soza 1 Jâno Macel da Slva 2 Marnalva Cardoso Macel 3 O debate sobre o relaconamento

Leia mais

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno. Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

A METHODOLOGY FOR DATA CLEANING OF WIND SPEED TIME SERIES

A METHODOLOGY FOR DATA CLEANING OF WIND SPEED TIME SERIES A METHODOLOGY FOR DATA CLEANING OF WIND SPEED TIME SERIES José F.M. Pessaha, Val L.O. Castella, Thataa J. Coceção, Debora D.J. Pea, Mara E. P. Macera CEPEL Cetro de Pesqsas de Eerga Elétrca fracsc@cepel.br

Leia mais

RESOLUÇÃO DE MODELOS FÍSICOS COM O MÉTODO DOS ELEMENTOS FINITOS MÓVEIS

RESOLUÇÃO DE MODELOS FÍSICOS COM O MÉTODO DOS ELEMENTOS FINITOS MÓVEIS Cogreso de Métodos Nércos e Igeería 005 Graada, 4 a 7 de Jlo, 005 SEMNI, España 005 RESOLUÇÃO DE MODELOS FÍSICOS COM O MÉTODO DOS ELEMENTOS FINITOS MÓVEIS Mara do Caro Cobra 1 *, Carlos Sereo e Alíro E.

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NM ÉRICOS PARA E QAÇÕES DIFEREN CIAIS PARCIAIS 4- Método de Dfereças Ftas Aplcado às Eqações Dferecas Parcas. 4.- Apromação de Fções. 4..- Apromação por Polômos. 4..- Aste de Dados: M ímos Qadrados.

Leia mais

Vitamina A Vitamina B Vitamina C Alimento 1 50 30 20 Alimento 2 100 40 10 Alimento 3 40 20 30

Vitamina A Vitamina B Vitamina C Alimento 1 50 30 20 Alimento 2 100 40 10 Alimento 3 40 20 30 Motvção: O prole d det Itrodução os Sstes Leres U pesso e det ecesst dgerr drete s segutes qutddes de vts: g de vt A 6 g de vt B 4 g de vt C El deve suprr sus ecessddes prtr do cosuo de três letos dferetes

Leia mais

Capítulo 2. Aproximações de Funções

Capítulo 2. Aproximações de Funções EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

EFICIÊNCIAS AEROPORTUÁRIAS: UMA ABORDAGEM COMPARATIVA COM ANÁLISE DE ENVOLTÓRIA DE DADOS

EFICIÊNCIAS AEROPORTUÁRIAS: UMA ABORDAGEM COMPARATIVA COM ANÁLISE DE ENVOLTÓRIA DE DADOS EFICIÊNCIAS AEROPORTUÁRIAS: UMA ABORDAGEM COMPARATIVA COM ANÁLISE DE ENVOLTÓRIA DE DADOS AIRPORT EFFICIENCIES: A COMPARATIVE APPROACH BASED ON DATA ENVELOPMENT ANALYSIS João Carlos C. B. Soares de Mello

Leia mais

Avaliação da Eficiência Técnica Relativa de Unidades Básicas de Saúde Empregando a Análise por Envoltória de Dados - DEA

Avaliação da Eficiência Técnica Relativa de Unidades Básicas de Saúde Empregando a Análise por Envoltória de Dados - DEA Avalação da Efcêca Técca Relatva de Udades Báscas de Saúde Epegado a Aálse po Evoltóa de Dados - DEA Bábaa de Cássa Xave Casss Agua Depataeto de Mateátca, UFPR 853-99, Cutba, P E-al: babateatca@ahoo.co.b

Leia mais

2 Estrutura a Termo de Taxa de Juros

2 Estrutura a Termo de Taxa de Juros Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Hipóteses do Modelo de Regressão Linear Clássico

Hipóteses do Modelo de Regressão Linear Clássico Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i Tecnologa de Grpo 1. Jstfcatva e Iportânca da Tecnologa de Grpo Tecnologa de grpos é conceto portante aplcado na foração de céllas de anfatra. A organzação do sstea de prodção e céllas de anfatra poss

Leia mais

ANÁLISE DO DESEMPENHO DAS ESCOLAS DE ENSINO MÉDIO ATRAVÉS DA METODOLOGIA DEA (DATA ENVELOPMENT ANALYSIS)

ANÁLISE DO DESEMPENHO DAS ESCOLAS DE ENSINO MÉDIO ATRAVÉS DA METODOLOGIA DEA (DATA ENVELOPMENT ANALYSIS) AÁLISE DO DESEPEHO DAS ESCOLAS DE ESIO ÉDIO ATRAVÉS DA ETODOLOGIA DEA (DATA EVELOPET AALYSIS) PERFORACE AALYSIS OF IDDLE SCHOOLS TEACHIG THROUGH THE ETHODOLOGY DEA (Data Evelopet Aalss) Sebastão Geraldo

Leia mais

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado. 1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.

Leia mais

Atividades relacionadas à ManjarBrancoG

Atividades relacionadas à ManjarBrancoG Atdades relacoadas à MajarBracoG Neste cojto de atdades está oblzado o estdo da ção ajar braco, sto é, a ção qe o doío é o teralo echado [0,] e asse alores o cojto dos úeros reas. Essa ção é deda coo o

Leia mais

Seja o problema primal o qual será solucionado utilizando o método simplex Dual: (P)

Seja o problema primal o qual será solucionado utilizando o método simplex Dual: (P) PROGRAMA DE MESTRADO PROGRAMAÇÃO LIEAR PROFESSOR BALEEIRO Método Splex Dual no Tableau Garfnkel-ehauser E-al: abaleero@gal.co Ste: www.eeec.ufg.br/~baleero Sea o problea pral o qual será soluconado utlzando

Leia mais

Programação Paralela

Programação Paralela rograação aralela FEU 4. Avalação de steas aralelos Defções Razão etre a velocdade de processaeto coseguda o sstea paralelo e a velocdade coseguda co u processador (pouca foração...) Efcêca Quocete do

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do

Leia mais

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

Leia mais

ELECTROTECNIA TEÓRICA MEEC IST

ELECTROTECNIA TEÓRICA MEEC IST ELECTROTECNIA TEÓRICA MEEC IST º Semestre 05/6 3º TRABALHO LABORATORIAL CIRCUITO RLC SÉRIE em Regme Forçado Alterado Susodal Prof. V. Maló Machado Prof. M. Guerrero das Neves Prof.ª Mª Eduarda Pedro Eg.

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. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

MODELOS DE OTIMIZAÇÃO PARA PROBLEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE ESTABILIDADE E DE EMPILHAMENTO

MODELOS DE OTIMIZAÇÃO PARA PROBLEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE ESTABILIDADE E DE EMPILHAMENTO MODELOS DE OTIMIZAÇÃO PARA PROBLEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE ESTABILIDADE E DE EMPILHAMENTO Leonardo Junquera Renaldo Morabto Dense Sato Yaashta Departaento de Engenhara de

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa Nível Avaçado SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Dego Veloso Uchôa É bastate útl e probleas de olpíada ode teos gualdades ou quereos ecotrar u valor de u soatóro fazeros substtuções por úeros coplexos

Leia mais

Elaboração: Fevereiro/2008

Elaboração: Fevereiro/2008 Elaboração: Feverero/2008 Últma atualzação: 19/02/2008 E ste Caderno de Fórmulas tem por objetvo esclarecer aos usuáros a metodologa de cálculo e os crtéros de precsão utlzados na atualzação das Letras

Leia mais

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros. JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

Perguntas freqüentes Credenciadores

Perguntas freqüentes Credenciadores Pergutas freqüetes Credecadores Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte pelo facameto da compra pelo emssor?

Leia mais

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC) Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação

Leia mais

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C) RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção

Leia mais

Avaliação da Localização de Base de Atendimento para Equipamentos de Movimentação de uma Empresa Siderúrgica

Avaliação da Localização de Base de Atendimento para Equipamentos de Movimentação de uma Empresa Siderúrgica Avalação da Localzação de Base de Atedmeto para Equpametos de Movmetação de uma Empresa Sderúrgca Leadro Ferades da Slva Leadro.Ferades@cs.com.br UFF Ilto Curty Leal Juor ltocurty@gmal.com UFRJ Paul Adrao

Leia mais

Exercícios Propostos

Exercícios Propostos Exercícios Propostos Ateção: Na resolução dos exercícios cosiderar, salvo eção e cotrário, ao coercial de 360 dias. 1. Calcular o otate de ua aplicação de $3.500 pelas seguite taxas de juros e prazos:

Leia mais

Escola Básica e Secundária Dr. Ângelo Augusto da Silva

Escola Básica e Secundária Dr. Ângelo Augusto da Silva Escola Básica e Secdária Dr. Âgelo Agsto da Silva Teste de MATEMÁTIA A º Ao Dração: 9 mitos Dezembro/ lassificação Nome Nº T: O Prof. (Lís Abre) ª PARTE Para cada ma das segites qestões de escolha múltipla,

Leia mais

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO DE JNEIRO DEPRTMENTO DE ENGENHRI CIVIL PLICÇÕES DE MÉTODOS DE ENERGI PROBLEMS DE INSTBILIDDE DE ESTRUTURS Julaa Bragh Ramalho Raul Rosas e Slva lua de graduação do curso

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

Exemplos. representado a seguir, temos que: são positivas. são negativas. i

Exemplos. representado a seguir, temos que: são positivas. são negativas. i 6 Prodto Vetoral Para defnrmos o prodto etoral entre dos etores é ndspensáel dstngrmos o qe são bases postas e bases negatas Para sso consderemos ma base do espaço { } e m obserador Este obserador dee

Leia mais

Endereço. Dados. Mem Read Mem select

Endereço. Dados. Mem Read Mem select Parte IV Sistea de Meória Os sisteas de coputação utiliza vários tipos de dispositivos para arazeaeto de dados e de istruções. Os dispositivos de arazeaeto cosiste e eória pricipal e eória secudária. A

Leia mais

Quiz temático Fórmula 1 (setembro)

Quiz temático Fórmula 1 (setembro) Quiz temático Fórmula 1 (setembro) Primeira semana - Quiz Temático Fórmula 1 Durante o mês de setembro, o Programa de Relacionamento Prysmian Club Eletricista Profissional vai testar seus conhecimentos

Leia mais

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES . Populações depedetes co dstrbução oral População População,, Y,,Y ~ N, Y ~ N, Y ~ N, Obs. Se a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete.

Leia mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. .pucrs.br/faat/val/.at.ufrgs.br/~val/ Prof. Lorí Val, Dr. val@at.ufrgs.br val@pucrs.br Coleção de úeros estatístcas O úe ro de carros ve ddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%.

Leia mais

Nota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de 2013. Processo: 48500.002907/2010-89

Nota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de 2013. Processo: 48500.002907/2010-89 Nota Técca o 037/2013-SRG/ANEEL Em 17 de mao de 2013. Processo: 48500.002907/2010-89 Assuto: Cosoldação de todas as regulametações referetes à apuração de dspobldades de empreedmetos de geração de eerga

Leia mais

e represente as no plano Argand-Gauss.

e represente as no plano Argand-Gauss. PROFESSOR: Cládo Das BANCO DE QUESTÕES MATEMÁTICA ª SÉRIE ENSINO MÉDIO ============================================================================================== - Determe o módlo dos segtes úmeros

Leia mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Coleção de úeros estatístcas stcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações a da Telebrás

Leia mais

Cogeração com microturbina para produção de energia elétrica e água quente

Cogeração com microturbina para produção de energia elétrica e água quente Cogeração co crotrbna para prodção de energa elétrca e ága qente J..Arajo, P.M.Senra, LIGHT A.. Orlando, M.M. Haan, E..Raos, L.G. Do al, LAME, PC-RIO. Reso- sstea de cogeração co a crotrbna fornecendo

Leia mais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais