Aplicação de Teoria de Jogos à Alocação de Capacidade Firme em um Sistema Térmico

Tamanho: px
Começar a partir da página:

Download "Aplicação de Teoria de Jogos à Alocação de Capacidade Firme em um Sistema Térmico"

Transcrição

1 Gutavo Alberto Amaral Ayala Aplcação de Teora de Joo à Alocação de Capacdade Frme em um Stema Térmco ertação de Metrado ertação apreentada como requto parcal para obtenção do rau de Metre pelo Prorama de Póraduação em Enenhara Elétrca do epartamento de Enenhara Elétrca da PUC-Ro. Orentador: Prof. Crtano Auuto Coelho Fernande Ro de Janero Abrl de 2008

2 Gutavo Alberto Amaral Ayala Aplcação de Teora de Joo à Alocação de Capacdade Frme em um Stema Térmco ertação de Metrado apreentada como requto parcal para obtenção do rau de Metre pelo Prorama de Pó- Graduação em Enenhara Elétrca do epartamento de Enenhara Elétrca do Centro Técnco Centífco da PUC- Ro. Aprovada pela Comão Examnadora abaxo anada. r. Crtano Auuto Coelho Fernande Orentador epartamento de Enenhara Elétrca PUC-Ro r. Luz Auuto Nóbrea Barroo PSR Conultora Ltda r. Séro Granvlle PSR Conultora Ltda Prof. Joé Eueno Leal Coordenador Setoral do Centro Técnco Centífco - PUC-Ro Ro de Janero, de abrl de 2008

3 Todo o dreto reervado. É probda a reprodução total ou parcal do trabalho em autorzação da unverdade, do autor e do orentador. Gutavo Alberto Amaral Ayala Graduou-e em Enenhara Elétrca na PUC-RJ em 2005 na área de Stema de Apoo à ecão. Etaou na emprea PSR Conultora em 2005, onde partcpou de etudo relaconado à avalação fnancera de projeto; deenho de tarfa; erencamento de rco. Obteve o rau de Metre em Economa Matemátca no IMPA em feverero de Fcha Cataloráfca Ayala, Gutavo Alberto Amaral Aplcação de teora de joo à alocação de capacdade frme em um tema térmco / Gutavo Alberto Amaral Ayala ; orentador: Crtano Auuto Coelho Fernande f. ; 30 cm ertação (Metrado em Enenhara Elétrca Pontfíca Unverdade Católca do Ro de Janero, Ro de Janero, Inclu bblorafa. Enenhara elétrca Tee. 2. Proramação etocátca. 3. Medda de rco. 4. Certfcado de capacdade frme. 5. Teora do joo cooperatvo. 6. Shpley. I. Fernande, Crtano Auuto Coelho. II. Pontfíca Unverdade Católca do Ro de Janero. epartamento de Enenhara Elétrca. III. Título. C: 62.3

4 Ea dertação é dedcada a mnha famíla.

5 Aradecmento Aradeço a mnha mãe e ao meu rmão pelo apoo, carnho e ncentvo. Ao meu orentador Maro Vea pela oportundade e pela excelente e competente orentação em toda a etapa da tee. Ao profeor e orentador Crtano Fernande pela orentação e pela oportundade concedda. Ao profeor e orentador Sero Granvlle pela dedcação, orentação, contrbuçõe e apoo. Ao amo Raphael Chabar pela dedcação e contrbução no deenvolvmento da tee. Ao amo Luz Auuto pelo apoo, motvação e pela dcuõe fundamenta para o deenvolvmento da tee. Ao amo Bernardo Bezerra e Alexandre Street pela motvação, apoo, dedcação e dcuõe dára. Ao amo Luz Carlo pela dcuõe e contrbuçõe. Ao Geron Couto pela revõe mnucoa. Aradeço também a PUC - Ro pelo excelente ambente de pequa. E a todo da PSR que me proporconaram um excelente ambente para a dcuõe e deenvolvmento da tee.

6 Reumo Ayala, Gutavo Alberto Amaral; Fernande, Crtano Auuto Coelho (Orentador. Aplcação de Teora de Joo à Alocação de Capacdade Frme em um Stema Térmco. Ro de Janero, p. ertação de Metrado - epartamento de Enenhara Elétrca, Pontfíca Unverdade Católca do Ro de Janero. O objetvo deta dertação é analar a aplcação de metodoloa de alocação de capacdade frme de una termelétrca atravé da teora do joo cooperatvo e ua coneqüênca na cooperação entre o aente. Motra-e que não exte uma manera ótma, únca, de e fazer eta repartção, ma extem crtéro para verfcar e uma metodoloa de repartção epecífca apreenta alum apecto nadequado. Um dee crtéro é a jutça. Motra-e que ete entdo de jutça equvale a pertencer ao chamado núcleo de um joo cooperatvo, onde não há ubído de um ubrupo por outro. O cálculo da capacdade frme ou Capacdade de Suprmento de Cara erá formulado como um problema de otmzação lnear e erão nvetada vantaen e devantaen de dtnto método de alocação (benefíco marna, últma adção, Nucleolu, Shapley. A aplcação dee método tem um crecmento exponencal de eforço computaconal, o método de Aumann-Shapley abordado em euda fornece para o problema de alocação de capacdade frme uma olução computaconal ma efcente, embora em ua decrção aparentemente o método aumente o eforço computaconal. Em euda foram realzado reultado numérco com tema enérco de pequeno porte. Palavra-chave Capacdade Frme, Mercado de Capacdade, Teora do Joo Cooperatvo, Otmzação Etocátca, Aumann-Shapley, medda de Rco.

7 Abtract Ayala, Gutavo Alberto Amaral; Fernande, Crtano Auuto Coelho (Advor. Allocaton of Frm Capacty Rht Amon Thermal Plant: A Game Theoretcal Approach. Ro de Janero, 2008, 09p. MSc. ertaton - epartamento de Enenhara Elétrca, Pontfíca Unverdade Católca do Ro de Janero. The objectve of th work to nvetate the applcaton of dfferent methodoloe of allocaton of frm capacty rht amon thermal plant un a ame-theoretc framework and the conequence n the cooperaton amon the aent. It hown that there not an optmal and unque approach to make th allocaton but there are crtera to verfy f a ven approach preent any nadequate apect. One of thee crtera the jutce, or farne. It hown that a one ene of jutce equvalent to the condton of the core of a cooperatve ame. The calculaton of the frm capacty wll be formulated a a lnear proram and advantae/dadvantae of dfferent allocaton method (marnal allocaton, ncremental allocaton, Nucleolu, Shapley wll be nvetated. The complexte of thee method are exponental, o t wll be hown that the Aumann-Shapley (AS cheme to the problem of allocaton of capacty rht wll be more effcent. Numercal reult about the dfference allocaton n thee method are preented n eneral mall ytem. Keyword Frm Capacty, Capacty Market, Cooperatve ame theory, Stochatc Optmzaton, Aumann-Shapley, Rk meaure.

8 Sumáro. Introdução 2.. O proceo de Reforma no Setor Elétrco e a aranta de expanão da oferta 2.2. Uo do certfcado para aeurar Seurança no Suprmento 5.3. Capacdade Frme de um tema 6.4. Cálculo da CS de um tema 6.5. Capacdade Frme x Enera Frme 8.6. A repartção do certfcado de Capacdade Frme entre o eradore 9.7. Objetvo 9.8. Oranzação da Tee Modelaem Probablítca Repreentação da varável aleatóra capacdade de eração Convolução Crtéro de Confabldade 3.. Medda de Confabldade Medda de Rco Medda de Rco Coerente Cálculo do Certfcado de Capacdade Frme 4.. Cálculo da Capacdade de Suprmento da emanda (CS Senbldade com Relação à Potênca vdndo anho entre dua una: um conceto de jutça Teora do Joo Cooperatvo 5.. Revão Bbloráfca Conceto Báco O Conceto de Núcleo de um joo Condção para um joo cooperatvo Alocação Marnal do Benefíco 6.. Noção Intutva da Alocação Marnal Alocação no Núcleo Núcleo do Joo Não Vazo Vantaen e evantaen do Método O Método do Nucleolu 7.. efnção do Nucleolu Prncpa Reultado da Alocação por Nucleolu ecrção do Método do Nucleolu Vantaen e devantaen do método O Método de Alocação de Shapley Método por Ganho Incremental Método de Shapley 76

9 9. Alocação de Aumann-Shapley vão do Aente O proceo lmte Extenõe do método de Aumann-Shapley Aumann-Shapley para Cálculo de Certfcado de Capacdade Frme Reultado da Aplcação do Método de Alocação Cao com trê una Cao com dez una 93. Concluõe e Trabalho Futuro 98.. Concluõe Trabalho Futuro Referênca bbloráfca Apêndce Anále da retrçõe do problema de maxmzação da cara CVaR como aproxmação convexa do VaR 05

10 Lta de Fura Fura. Varação da Oferta e emanda ao lono do tempo 7 Fura 2. Convolução do Geradore 23 Fura 3. - Ilutração da Convexdade do operador [.] + 3 Fura 4. Comportamento da retrção EENS em função de 40 Fura 4.2 trbução de eração de Capacdade obtda por Convolução 43 Fura 4.3 Repreentação eométrca do núcleo 48 Fura 8. vão ualtára do anho com a cooperação 78 Fura 0. Alocação de potênca frme para trê una 93 Fura 0.2 Alocação de potênca frme para dez una 97 Fura 3. Ilutração da melhor aproxmação convexa para ( 0, ( z 08

11 Lta de tabela Tabela 3.. Exemplo - ado da una térmca 35 Tabela 3.2. Exemplo - Cenáro de capacdade 35 Tabela 4.. Exemplo - ado da una térmca 45 Tabela 4.2. Exemplo - Cenáro de capacdade 46 Tabela 4.3 Soluçõe propota de repartçõe de Capacdade Frme 47 Tabela 5.. Exemplo - ado da una térmca 54 Tabela 5.2 Capacdade Frme da Coalzõe 55 Tabela 5.3 Alocaçõe de capacdade Frme da una na Solução 56 Tabela 5.4 Alocaçõe de capacdade Frme da una na Solução 2 56 Tabela 5.5 Alocaçõe de capacdade Frme da una na Solução 3 56 Tabela 6.. ado da una térmca 68 Tabela 6.2 Alocaçõe de capacdade Frme da una na Solução 2 68 Tabela 7. Alocaçõe de capacdade Frme da una na Solução 70 Tabela 7.2 Alocaçõe de capacdade Frme da una na Solução 2 7 Tabela 8. Alocaçõe de Shapley 80 Tabela 0.. ado da una térmca 90 Tabela 0.2. Capacdade Frme 9 Tabela 0.3. Nucleolu 92 Tabela 0.4. Shapley 92 Tabela 0.5. Reumo do certfcado de Capacdade Frme 93 Tabela 0.6 Caracterítca da una que compõem o tema 94 Tabela 0.7 Reumo do certfcado frme do método 94

12 Introdução. O proceo de Reforma no Setor Elétrco e a aranta de expanão da oferta O deenho nttuconal do etor elétrco de qualquer paí tem como objetvo prncpal nduzr um fornecmento de enera elétrca confável, arantndo a eurança do atendmento à demanda e a expanão da oferta de enera de manera efcente, o que é traduzdo em tarfa módca para o conumdor fnal [38, 39, 40, 4]. Vando atnr ete objetvo, dede o níco do ano 90, a ndútra de eletrcdade em muto paíe vem paando por um proceo de reetruturação com ênfae na ntrodução de competção em eu emento, e, com o, bucando uma maor efcênca para o conumdor fnal. Embora o detalhe do proceo de reforma e o deenho nttuconal ejam dferente em cada paí [38], a oranzação eral, na maora do cao, paa pela ubttução do planejamento centralzado, tanto da operação quanto da expanão do tema, por procedmento de mercado, onde o aente eradore ão lvre para tomar ua decõe de nvetmento (lono-prazo e produção (curto-prazo, endo também reponáve pelo rco decorrente deta decõe. Um do componente báco do proceo de reetruturação é o mercado atacadta de enera de curto prazo, ou mercado pot, onde ocorrem toda a tranaçõe à vta de compra e venda de enera elétrca no atacado. O preço pot de enera, reultante do equlíbro oferta x demanda de eletrcdade é o ma mportante ubproduto do mercado pot, e fornece o valor (preço da enera no mercado à vta. eta forma, aplcam-e ao etor elétrco o fundamento báco da teora econômca [28], onde o preço de qualquer mercadora num ambente de mercado reulta do equlíbro entre a oferta e demanda do produto ubjacente.

13 3.. Sna do Mercado de Curto Prazo e a Expanão da Oferta Com a cração do mercado pot, o na para a necedade de novo nvetmento para a expanão da oferta de enera eram baeado no preço pot; um aumento na demanda de enera ao lono do tempo reultara num aumento no preço pot de enera, que motvaram a entrada de novo nvetdore e projeto. Com o, o equlíbro do mercado elétrco era retaurado. Embora com detalhe de mplementação dferente, muto paíe reformaram eu etore elétrco baeado nete prncípo durante a década de 90. Nete período obervaram-e aluma experênca potva, entretanto verfcou-e que a utlzação pura da remuneração pot para arantr a expanão da oferta pode er muto arrcada. A razão é que o nal econômco fornecdo pelo preço pot pode er batante volátl para nduzr corretamente a entrada de nova capacdade. A enera elétrca não é um produto etocável devendo er produzdo quae que ntantaneamente. O conumo total de enera vara batante ao lono do da e do ano, dependendo da temperatura, da condçõe metereolóca e mudança econômca. Loo, a demanda por enera pou alta volatldade e o reulta em elevada varabldade do preço pot em tema térmco. Em tema com forte partcpação hdroelétrca, a ocorrênca de condçõe hdrolóca favoráve pode baxar temporaramente o preço pot anda que extam problema etrutura na oferta. Também fo obervado que em tema hídrco o preço pot aumentam ubtancalmente omente quando e etá muto próxmo de uma cre de uprmento, quando não há ma tempo para fazer nvetmento [38, 39, 42] e aumenta a chance de haver cre de uprmento de enera, prncpalmente no curto prazo. Em reumo, a volatldade do preço de curto prazo torna o nvetmento em eração batante arrcado e ncerto, memo que a renda méda futura de um projeto eja atratva. Ete tema é detalhadamente analado em [43].

14 4..2 Paamento por Capacdade Para alvar eta dfculdade, uru no níco da década de 80 o conceto de paamento por capacdade. O problema ubjacente era a remuneração do chamado equpamento de reerva, que ão eradore com alto cuto operatvo varável, ma que memo produzndo enera eventualmente quando eradore ma efcente falham, ão neceáro para a confabldade do tema. Embora, na ocaõe que ee eradore produzem enera o preço eja muto alto, o fluxo de receta é muto volátl e não há ncentvo para que ee eradore contnuem operando. Como coneqüênca, houve a preocupação que ee eradore dexaem de extr, afetando am a confabldade do tema. No Reno Undo, ea preocupação levou, no níco da década de 90, a cração do chamado paamento por capacdade, que podem er nterpretado como um contrato obratóro entre conumdore e eradore. A cada hora, um modelo matemátco calculava a probabldade de perda de cara (LOLP do tema e a multplcava por um preço, C def, que repreenta o cuto do corte de cara para a ocedade, reultando em um valor em ($/MWh que pode er nterpretado como uma receta méda por undade para o eradore em tuaçõe de ecaez da oferta. Então, ee valor era pao a todo o eradore pela ua potênca dponível. Em cao de falha, o erador não receba o paamento por capacdade durante a hora falhada...3 Paamento por Capacdade e certfcado de Capacdade Frme Conforme vto na eção anteror a maor motvação para paamento por capacdade no Reno Undo fo um etímulo para que o eradore de reerva não foem retrado do mercado. Em teora, ee paamento podem também prover ncentvo para a entrada de nova capacdade. No cao do Reno Undo o paamento ão proporcona a LOLP do tema e aumentam conforme a probabldade de não atendmento da demanda. O objetvo era então fornecer na econômco para

15 5 arantr um nível adequado de nvetmento para eração de capacdade de acordo com a redução da marem de reerva do tema. Embora concetualmente efcente ete mecanmo pouía aluma devantaen. A prmera era o fato do paamento por capacdade varar em função da LOLP, que por ua vez era calculada por um modelo matemátco que dependa da reerva do tema e pouía forte varabldade. Adconalmente, a LOLP era faclmente manpulada por emprea eradora com portfólo de una, que muta veze declaravam aluma de ua undade ndponíve de forma a dmnur a marem de reerva no tema e elevar a LOLP, que por ua vez elevava o paamento por capacdade e benefcava outro eradore dponíve da emprea. Com o, a varânca do paamento por capacdade e ua fácl manpulação paaram a er um problema e o equema nlê fo encerrado em 999. Para alvar eta dfculdade, muto paíe da Amérca Latna adotaram no fnal da década de 90 um paamento por capacdade reulado (fxado pelo reulador, que era pao a cada erador pela ua contrbução para a confabldade do tema. O objetvo era evtar a volatldade do preço da capacdade obervada no equema nlê, ubttundo-o por um mecanmo ma etável e que também etmulae um nível de confabldade adequado ao tema. Nete novo equema, cada erador pou um certfcado de capacdade (por potênca frme, que é um valor em MW que reflete a contrbução do erador para a confabldade do tema e receba o paamento em função dete certfcado, não ma em função de ua dponbldade hora a hora (obvamente o erador precava cumprr requto de dponbldade para ter o certfcado. Ma recentemente, alun paíe como a Colômba têm realzado lelõe para determnar o paamento por capacdade..2 Uo do certfcado para aeurar Seurança no Suprmento O fato de que cada projeto de eração pour um certfcado de potênca frme, permte o uo da oma de certfcado de capacdade frme como uma medda convenente e tranparente para a eurança de uprmento do tema. Se o total de capacdade frme for maor ou ual à demanda total do tema, a Seurança no

16 6 Suprmento pode er conderada adequada, cao contráro é neceáro encontrar nova capacdade frme para manter o equlíbro entre oferta e demanda. Em reumo, o certfcado de potênca frme de cada erador paou a ter uma mportânca fundamental na confabldade de uprmento de tema de enera elétrca. Portanto, eu cálculo deve etar o ma correto poível, ob o rco de porar a confabldade do tema..3 Capacdade Frme de um tema Como menconado, a capacdade frme de uma una é uma medda da máxma potênca que a una pode prover dado um crtéro de confabldade etabelecdo pelo reulador. Ete conceto pode er etenddo para um conjunto de una, ou eja, a capacdade frme do tema formado pelo conjunto de eradore é a máxma demanda que o conjunto de eradore coneue atender com um nível de confabldade. A capacdade frme do tema também é conhecda como Capacdade de Suprmento total da emanda (CS. Nete ponto, ure outro apecto ntereante. Não ó o cálculo da CS deve etar correto, capturando a confabldade do tema, como a alocação da contrbução ndvdual de cada erador à CS total deve etar bem calculada, uma vez que o certfcado ndvdua defnrão a receta dete eradore no paamento por capacdade..4 Cálculo da CS de um tema A fura a eur motra a varação da demanda e oferta ao lono do tempo para um tema elétrco. Explctando: o défct de potênca, a everdade (duração do corte de cara, a enera não uprda (ENS, a manutenção proramada do eradore elétrco dmnundo a capacdade ntalada naquele ntante de tempo e a aída forçada caracterzada por falha mecânca no eradore.

17 7 Fura. Varação da Oferta e emanda ao lono do tempo A curva azul repreenta a demanda por enera e a curva verde, a dponbldade do eradore. Oberve que, dependendo da manutençõe proramada (conhecda exante e da quebra do equpamento (fenômeno aleatóro, a marem de reerva de um tema pode er reduzda e até memo cauar défct. ea forma, o cálculo da Capacdade de Suprmento da demanda (CS de um tema térmco pode er feto tradconalmente atravé de modelo probablítco que mulam quebra e falha do eradore. Ete modelo permtem capturar a extênca da dverdade de cenáro de capacdade. Eta pobldade fazem com que, atravé de uma operação conjunta, a una conam atender a uma demanda maor que a oma da demanda que cada uma coneura atender e operaem ndvdualmente. A razão é que, é pouquímo provável que todo o eradore falhem multaneamente. Com o a Capacdade de Suprmento da demanda total pelo tema aumenta. Portanto, exte um anho nérco de demanda frme, que reulta da ação cooperatva de todo o aente do tema. Oberve que o cálculo da CS depende dretamente do crtéro de confabldade adotado no modelo de confabldade.

18 8.5 Capacdade Frme x Enera Frme Neta dertação vamo conderar tema conttuído por una térmca. Em tema em que o número de una hdráulca é nfcatvo, deve-e levar em conderação a confabldade de uprmento de enera, dado que una hdráulca pouem retrçõe em enera, como veremo na eção.2 (trabalho futuro. Una hdrelétrca bacamente pouem uma capacdade ntalada batante uperor a ua produção méda de enera. A razão é o alto cuto com obra cvl em ua contrução comparado com o cuto de e ntalar uma turbna. Em função dto a hdrelétrca ntalam o maor número poível de turbna com o objetvo de aprovetarem a dverdade hdrolóca. Quando a hdroloa é favorável, a una hdrelétrca podem erar alto níve de enera em pouco tempo com um cuto marnal muto baxo, po pouem uma elevada capacdade ntalada. Quando a hdroloa é defavorável, a hdrelétrca não coneuem manter uma capacdade de produção elevada por muto tempo, ou eja, exte uma retrção em enera. Para ta tema, o cálculo do certfcado de capacdade frme deve-e levar em conderação a retrçõe de enera da una hdrelétrca. Em paíe com bae de eração predomnantemente hdráulca, como é o cao do Bral, a capacdade ntalada tende a er batante elevada em relação à demanda, como vto anterormente. Portanto, não exte a preocupação do não atendmento a demanda de ponta. Po, memo ocorrendo falha em muto eradore o tema pou uma marem de reerva batante elevada para uprr a demanda no patamar de cara peada. Com o, a prncpal preocupação em tema com bae hdráulca, é a confabldade do uprmento em enera. eta manera, ure o conceto de enera frme. Ete conceto é parecdo com o de potênca frme, ou eja, é a máxma cara que o tema coneue atender, em que haja défct, ou um défct pouco provável (controlado, porém nete cao deve-e mular a operação do tema para todo o htórco de vazõe e o atendmento da cara é em enera. Outro apecto mportante em una hdroelétrca é que ua capacdade de produção vara com a altura de queda da una: quanto menor o nível do reervatóro menor a capacdade de produção.

19 .6 A repartção do certfcado de Capacdade Frme entre o eradore 9 Como menconado anterormente, a Capacdade de Suprmento da emanda (CS de um tema mede a capacdade total de uprmento frme de um tema. Um tema ntereante é determnar a contrbução ndvdual de cada erador à CS total. Ete tema é eencal, uma vez que o certfcado ndvdua defnrão a receta dete eradore no paamento por capacdade, e faz parte da clae de problema era de alocação de cuto e benefíco entre aente que cooperam para produzr um ervço em comum, como uma bbloteca, uma rodova, etc. Nete cao, o bem comum é confabldade do tema erador de enera. A teora do joo cooperatvo [8][2], erá utlzada como bae para o deenvolvmento dete trabalho. Em partcular, erão analada a alocaçõe baeada em núcleo de joo cooperatvo [7][2], e a alocação de Aumann-Shapley [2][2][7] [8]. O capítulo 4 fornece o conceto báco que erão utlzado da teora do joo cooperatvo ao lono da tee..7 Objetvo Ete trabalho tem trê objetvo prncpa: ( analar o problema do cálculo da Capacdade de Suprmento da demanda total de um tema térmco ob a ótca de crtéro de rco para medr a confabldade de um tema elétrco; ( analar a repartçõe do benefíco da ação conjunta do aente fornecendo alocaçõe juta, robuta quanto ao tamanho do recuro aportado por cada aente, e que eja efcente economcamente; ( lutrar a aplcação da metodoloa de alocação para tema enérco de pequeno porte.

20 20.8 Oranzação da Tee Eta dertação etá oranzada no eunte capítulo: Capítulo 2 defne a modelaem probablítca uada para repreentar a quebra do eradore. Capítulo 3 dcute crtéro de confabldade que ão uado tradconalmente por reuladore no etor elétrco. Capítulo 4 dcute o cálculo da Capacdade Frme de um tema,.e., o cálculo da Capacdade de Suprmento de Cara de um tema. Etuda-e uma prmera déa de jutça (núcleo de um joo ao e dearear o benefíco da operação nterada entre o aente. Incentvo a cooperação entre o aente. Capítulo 5 dcute o conceto neceáro da teora do joo cooperatvo para a aplcação do método de alocação de potênca frme. E crtéro de deareação da Capacdade Frme entre o eradore. Capítulo 6 etuda-e o método da alocaçõe por benefíco marnal. Utlza-e o conceto da teora marnalta, motra-e que ta alocaçõe ão efcente do ponto de vta que não há deperdíco na alocaçõe, alocaçõe de Pareto. Motra-e também que o conceto de jutça formulado pelo núcleo é lmtado. Capítulo 7 dcute o método do Nucleolu. O método do Nucleolu produz uma alocação únca, obtendo-e uma rera prátca do ponto de vta em que não há ambüdade para ecolher a alocaçõe. A prncpal devantaem do método do Nucleolu é o caráter combnatóro da retrçõe, que crecem com 2 N, onde N é o número de aente. Capítulo 8 dcute o método de últma adção motrando ua lmtaçõe, como o efeto da ordem de entrada da una. cute-e uma olução, o método de Shapley. Ete atende a propredade deejada na alocaçõe como: efcênca, metra, joador rrelevante e lneardade. Capítulo 9 dcute o Método de Aumann-Shapley (AS para a alocaçõe.

21 2 Capítulo 0 anala reultado numérco do método de alocação abordado ao lono da tee com tema de até 0 una. Capítulo apreenta a prncpa concluõe do trabalho e uetõe para pequa poterore

22 2 Modelaem Probablítca Nete capítulo, vamo defnr a modelaem probablítca uada para repreentar a aída forçada do eradore térmco e motrar o proceo de cálculo da probabldade do cenáro de capacdade de eração de um tema (convolução. 2. Repreentação da varável aleatóra capacdade de eração A varável aleatóra X repreenta a capacdade de eração do equpamento. Tpcamente condera-e que a capacdade de eração tem uma dtrbução de Bernoull,.e.: X = 0, com probabldade p ; X = c, com probabldade ( p. erador. onde c é a capacdade máxma do erador. E p é a probabldade de falha do 2.2 Convolução Seja S o número total de cenáro de capacdade de eração, obtdo por combnação do cenáro de falha e funconamento de cada um do eradore, e eja q a probabldade aocada ao cenáro, obtda por multplcação da probabldade de falha ou funconamento de cada erador. Condere um tema com N undade eradora. Seja uma varável aleatóra que repreenta a potênca total dponível, defnda como: = X + X X N

23 Onde cada varável aleatóra X repreenta a potênca dponível da -éma undade do tema erador. Seja, uma função ndcadora que aume o valor quando a una etá operando e aume valor zero quando a una não etá produzndo. O uporte da dtrbução de é dado por: 23 = N =, c manera: E o valore da probabldade ão computado por convolução da eunte q = N = p ( + ( p Ou eja, a probabldade q aocada ao cenáro é a multplcação da probabldade p e a una falhou ou (-p e a una não falhou no cenáro para toda a una. Nete ponto, etamo aumndo que a falha do eradore ão ndependente. Abaxo eue a lutração da função dendade de probabldade da capacdade de um tema. q q + q +2 q n + +2 n Fura 2. Convolução do eradore

24 24 evdo ao caráter combnatóro do problema, o número de cenáro crece exponencalmente com o número de eradore. Por exemplo, e conderarmo um tema com 30 eradore, endo a capacdade de eração de cada um dele uma varável aleatóra com dtrbução de Bernoull, o número total de cenáro de capacdade erá de 2 30, que é da ordem de um blhão. No noo contexto, não vamo conderar um proceo efcente de convolução, po o tema conderado é de pequeno porte. Porém, no capítulo 4, no cálculo da enbldade máxma da demanda atendda quando e vara a capacdade de um erador é conderado um proceo de convolucão qualquer. Tal cálculo é ufcente para determnarmo a alocação de Aumann-Shapley e de Contrbução Marnal, e am ete método podem er mplementado utlzando um alortmo de convolução numérca. Método de convolução efcente podem er encontrado em [44].

25 3 Crtéro de Confabldade Uma da funçõe do reulador conte na defnção de crtéro de confabldade. efne-e um conjunto de rco acetável e uma medda de rco para determnar e o rco de uma determnada poção pertence ou não pertence ao conjunto de rco acetável. Nete capítulo, vamo apreentar medda de rco uada no etor elétrco e em fnança, a defnção de medda de rco coerente, eudo da anále de ua propredade. 3. Medda de Confabldade Uma medda de confabldade uada tradconalmente no etor elétrco como crtéro de planejamento e decõe de nvetmento para adequação da eração a demanda é a LOLP, defnda abaxo: efnção: LOLP (Lo of Load Probablty LOLP = P(r > 0, ou eja, é a probabldade de perda de cara; r é a varável aleatóra que repreenta o corte de cara,.e., r = max(,0, é a varável aleatóra que repreenta a eração de capacdade do tema, é a demanda do tema. Oberve que P(r > 0 = P( <. ado um nível de confabldade (0,, podemo obter o quantl aocado a LOLP defndo por: = up {:LOLP }, ou eja, a máxma demanda que atfaz a retrção em probabldade LOLP. Para uma dtrbução dcreta de uporte fnto,.e., uma varável aleatóra que aume um número fnto de etado repreentado pelo cenáro =,..., S, pode er calculado atravé de um problema de proramação lnear ntera. Suponha que

26 cada cenáro pou uma probabldade q aocada. Ecolhemo o índce tal que... S. Então, é o quantl 26 = up {:LOLP } = Max (3. ujeto a + x M, =,, S (3.2 qx (3.3 x x +, =,..., S (3.4 x { 0,}, =,..., S (3.5 Onde: S é o número de cenáro ndexado por ; = eração em cada cenáro ; M = é um número rande ufcente, de modo que para todo cenáro, M -. Note que o problema (3. a (3.5 nada ma é que o cálculo de um quantl de uma dtrbução, portanto não precaríamo formular um problema de otmzação para tal cálculo. Porém o anho de formular dea manera é percebermo que há a necedade de e ntroduzr varáve ntera no problema de otmzação, quando o crtéro de confabldade é a LOLP. Por exemplo, em problema onde o corte de cara depende de aluma varável de decão (nvetmento em eração. Outra medda de confabldade é o valor eperado da potênca não uprda defnda abaxo: efnção: EPNS (Valor Eperado da Potênca Não Suprda [MW] EPNS = E[r] O corte de cara em potênca multplcado pela duração do patamar de cara no fornece a enera não uprda no patamar, o que uere a eunte defnção: efnção: EENS (Valor Eperado da Enera Não Suprda [MWh] EENS = φ E[r]

27 27 Onde φ é a duração do patamar de cara. Na eção eunte vamo explctar uma mportante relação entre ea medda de confabldade. Ao lono dete trabalho etamo conderando apena um patamar de cara, portanto a medda EPNS e EENS ão a mema exceto por uma multplcação de uma contante φ. Para calcular a máxma demanda atendda por um tema utlzando como crtéro de confabldade (EENS δ, onde δ (0, é um nível do percentual de demanda etabelecdo pelo reulador, podemo proceder da eunte manera: Max Sujeto a + E[ ] δ Ou, Max Sujeto a r r q r δ 0 0, =,, S Ou eja, utlzando-e o valor eperado da Enera não uprda como crtéro de confabldade torna o problema de encontrar a capacdade máxma de uprmento de um tema em um problema de proramação lnear.

28 Medda de Rco Neta eção, exploraremo medda de rco uada em fnança: por nttuçõe fnancera, reuladore e na teora de portfólo. Bem como a relaçõe extente entre eta medda e a de confabldade uada no etor elétrco. Uma medda uada amplamente no controle e reulação de rco por nttuçõe fnancera é o -VaR (Value at Rk defndo abaxo: efnção: -VaR (Value at Rk O valor de rco de uma varável aleatóra r qualquer a um nível de confabldade é defndo por: VaR ( r = nf{ t : P( r > t }. Se r repreenta perda, t é a máxma perda a um nível de confança de x 00%. VaR (r = t é o quantl mínmo aocado a P ( r > t =,.e., a probabldade da varável aleatóra r exceder o VaR (r é menor ou ual a. Quando a varável aleatóra r depende de aluma varável de decão x, o - VaR pode er vto em proramação etocátca como uma retrção em probabldade (Chance Contrant [37], dado o quantl t * e o nível de confabldade a retrção P( r x > t lmta o conjunto de decão. No noo contexto, a varável aleatóra corte de cara depende da demanda,.e., r = +. O Conjunto { 0 : P( r > t } repreenta o valore de demanda ta que a probabldade que o corte de cara exceda t é menor ou ual a. Oberve que, e r repreenta o corte de cara e t = 0. Então, a retrção P( r > t é equvalente a LOLP (Relação entre o VaR e a LOLP. Analoamente ao cálculo da máxma demanda atendda quando conderamo a retrção LOLP, o -VaR pode er calculado para uma dtrbução dcreta de uporte fnto como um problema de otmzação lnear ntera.

29 29 Suponha que cada cenáro pou uma probabldade q aocada e que o índce ão ecolhdo de tal forma que r... r S, onde r é uma varável aleatóra dcreta qualquer com uporte fnto. O Cálculo de t pode er formulado pelo eunte problema de otmzação: VAR (r = t = Mn t (3.6 ujeto a r - x M t x x q x x + {0,}, =,, S, =,, S Onde: S é o número de cenáro de capacdade; r = o valor da varável aleatóra no cenáro ; t; M = é um número rande ufcente de modo que para todo cenáro, M r A reolução de problema de Otmzação de Portfólo com retrçõe uando o VaR ão uualmente dfíce de reolver por caua da não convexdade e da ntrodução de varáve ntera ao problema. Na lteratura encontram-e outra medda de rco como devo padrão, emvarânca, medda de quant e valore eperado condcona. Ma adante erá abordada a medda de rco conhecda por Condtonal Value at Rk (CVaR termnoloa adotada por R.T. Rockafellar e S.P. Uryaev (2000 em [30]. Será motrado que o valor eperado da enera não uprda (EENS é um cao partcular do CVaR. Oberve que o controle de confabldade pode er comparado ao controle de rco na teora de Portfólo. A medda de confabldade uada no etor elétrco ão cao partculare de medda ma era uada em fnança. Alun autore referencam tal medda como Expected Shortfall, Mean Exce Lo ou Tal VaR.

30 Condtonal Value at Rk efnção: CVaR é o valor eperado condconal defndo por: CVaR ( r = E[ r r VaR ( r] (3.7 Note que na defnção acma, para calcularmo o CVaR de uma varável aleatóra devemo prmero calcular o VaR da varável aleatóra. Portanto, aparentemente o CVaR como medda de confabldade de um tema ou portfólo em um problema de otmzação etara dfcultando a buca pela olução ótma. Uma propredade deenvolvda por Rockafellar e Uryaev (2000 [30], motra que o cálculo do CVaR e reume a olução de um problema de otmzação lnear rretrto com apena uma varável de decão t. E anda, o mínmo do PL é atndo quando a varável de decão t é ual ao VaR (r. loo Por defnção, o CVaR é a méda condconal da pore (- x 00% perda, CVaR ( r VaR ( r, o que demontra que é uma medda de rco ma conervadora, po retrne ma o epaço de decõe. Em [30] é demontrado que o CVaR (r pode er calculado reolvendo o eunte PL: nf{ t + E[ r t] t R + } (3.8 Alun autore: Shapro (2007 [37] defnem o CVaR como o PL acma. A partr da defnção (2. é medato que para todo a R CVaR ( r + a = CVaR ( r + a (3.9 Ito nfca que é uma medda lnear na tranlaçõe. Outra medda também pouem ea propredade, por exemplo, o VaR. Oberve que a função [x] + é convexa em x.

31 3 [x] + Fura 3. - Ilutração da Convexdade do operador [.] + x Portanto, pela defnção (3.3 temo que para todo β [0,] e Z e Z2 varáve aleatóra quaquer, eue que: CVaR Note que, ( βz 2 Z 2 CVaR (3. + ( β Z βcvar ( Z + ( β CVaR ( (3.0 λ Z = λcvar (, para todo λ 0 ( Z e (3.5 e (3.6 obtemo uma propredade que reultou em dvero arto e dcuõe a repeto da coerênca de medda de rco [33][34][35][36]. Propredade da Subadtvdade: CVaR ( Z 2 + Z 2 + Z CVaR ( Z CVaR ( (3.2 O CVaR é uma medda ubadtva, ou eja, em termo fnancero ncentva a dverfcação. Na eção 2.5 vamo motrar que o VaR não é uma medda ubadtva, e portanto não leva em conderação o efeto portfólo, penalzando a dverfcação. A eur, vamo motrar a equvalênca da defnçõe (3.2 e (3.3 para um contexto de monte Carlo, onde o cenáro de capacdade ão orteado de manera ual. O CVaR é defndo por: CVAR (- = E [ - x ] = { / x ] ( ( S Onde x é o -VaR do corte de cara.

32 32 Uando a defnção (3.3 podemo calcular a máxma demanda atendda por um conjunto de eradore utlzando o CVaR como crtéro de confabldade atravé de um problema de otmzação lnear, explctado abaxo: Max (3.3 Sujeto a CVAR ( δ Onde δ (0, é um nível etabelecdo pelo reulador do percentual de demanda. Utlzando (3.3 o problema (3.8 pode er repreentado de forma equvalente a: Max (3.4 Sujeto a + t + E[ t] δ E fnalmente por: Max (3.5 Sujeto a t + q y y y 0 δ 0 t, =,, S Note que, o problema acma é de otmzação lnear. Uma vantaem da métrca CVaR em relação ao VaR na olução de problema de otmzação é o eforço computaconal. A otmzação com o CVaR é apena um PL enquanto a olução com o VaR é um problema lnear ntero.

33 33 O CVaR tem do amplamente utlzado em problema de portfólo. Uma da motvaçõe nca para o uo do valor eperado condconal como medda de rco é a ua capacdade de capturar a preença de evento pouco prováve ma de alta profunddade (catatrófco. O VaR não dtnue ta evento. Em lnha era, o VaR ó captura a área da cauda da dtrbução não mportando como a cauda e dtrbu ao lono do evento enquanto o CVaR é uma méda na cauda. Indvíduo aveo ao rco, quando confrontado com lotera onde há a probabldade de ocorrer evento catatrófco memo que a probabldade eja extremamente pequena tendem a dar ma peo para ee evento, ta tuaçõe ão explctada em Ma- Collel (995 [29]. Portanto, ndvíduo aveo ao rco entem-e ma confortáve quando ua attude levam em conderação a mantude do evento. A fura a eur lutra o conceto da captura de evento catatrófco pelo CVaR e a não dtnção da preença de ta evento com a medda de rco VaR. 3.3 Medda de Rco Coerente A eur vamo apreentar axomatcamente, a defnção de uma medda de rco coerente. Seja χ um epaço lnear de funçõe menuráve que defnem a varáve aleatóra do epaço de probabldade defndo por (Ω, Ψ, P. efnção: ρ:χ R é uma medda de rco coerente, e atfaz a propredade (-(4 a eur:. Sub-adtvdade: ρ( X + Y ρ(x + ρ(y, X, Y χ 2. Monotoncdade: X Y, então, ρ(x ρ(y, X, Y χ 3. Homoênea Potva: ρ(λx = λρ(y, X χ e λ>0 4. Invarânca por Tranlação: ρ(x + a = ρ(x + a, X χ e a R Note que ( e (3 mplcam em: 5. Convexdade: ρ( tx +(-t Y tρ(x + (-tρ(y, X, Y χ e t [0,] Propredade deejada em problema de otmzação.

34 34 Alun autore como Arceb e Tache (200 [36] conderam o adjetvo coerente como redundante e defnem como medda de rco: como qualquer medda ρ que atfaça a quatro prmera propredade. A eur dcutmo a mportânca da propredade que defnem uma medda de rco coerente. A propredade ( de Sub-adtvdade mplca que a medda leva em conderação o efeto portfólo, ou eja, ncentva a dverfcação. A medda de rco de do portfólo em conjunto é menor que a oma da medda de rco do portfólo em eparado. A propredade (2 de Monotoncdade mplca que dado do tema A e B,.e, do conjunto de eradore, e o corte de cara de A é menor ou ual ao corte de cara de B para todo cenáro então o rco do tema A é menor ou ual ao rco do tema B. E anda tema com ma eradore pouem uma medda de rco menor. Propredade (3 Homoênea Potva mplca que o aumento na varável aleatóra aumenta lnearmente o eu rco. Em fnança quanto maor for uma poção, maor é o eu rco de lqudez. Em aluma tuaçõe o aumento do rco de lqudez é ma que lnear, então a hpótee de homoenedade potva não é ma razoável. ando orem a medda de rco convexa, explorada pelo autore Föllmer e Sched (2002 em [27]. Uma medda de rco é dta convexa e atfaz a propredade (5, (2 e (4. Propredade (4 Eqüvarânca por Tranlação mplca que adconando ou ubtrando uma quantdade certa a da varável aleatóra X a medda de rco aumenta ou dmnu de a. Ex: Cao e adcone uma quantdade certa de 00 MW ao corte de cara, a medda de rco é tranladada em 00 undade. Em fnança to pode er vto como a adção de uma renda certa, ou eja, lvre de rco, por exemplo, título do teouro amercano. A medda de rco do portfólo é tranladada exatamente do valor da renda certa em undade da medda de rco. Ito quer dzer que o rco do portfólo não e altera. Em [36], o autore comparam a menuração do rco utlzando VaR como medr a temperatura uando um barômetro.

35 35 Na eção 3.3. motrou-e que o CVaR atfaz a propredade que defnem uma medda coerente de rco. Pode-e verfcar faclmente que o valor eperado da enera não uprda (EENS é uma medda coerente. O VaR não é uma medda coerente, po não atfaz a propredade de ubadtvdade, conforme o Exemplo no fnal deta eção, a ncoerênca da LOLP. É mportante realtar que, para a noa urprea pratcamente todo o banco e reuladore utlzam o VaR como medda de Rco. vero exemplo da ncoerênca do VaR podem er encontrado em [33][34][35]. Vamo motrar a ncoerênca da LOLP no noo contexto. Condere um tema compoto por dua una térmca, com a eunte caracterítca: Tabela 3.. Exemplo - ado da una térmca Una Capacdade (MW Taxa de Falha (% ado que etamo conderando dua una térmca, cada uma com do poíve cenáro de capacdade, então o número total de cenáro de capacdade térmca é 2 2 = 4. A capacdade e a probabldade aocada a ete cenáro etão apreentada na eunte tabela: Tabela 3.2. Exemplo - Cenáro de capacdade Cenáro 2 Probabldade p Acumulada 0 0 4% 5% = 0.2% 0.2% % 95% = 3.8% 4% % 5% = 4.8% 9% % 95% = 9,2% 00% Supondo um nível de confança de 5%, temo que a una operando ndvdualmente atendem uma demanda de 50 e 200 MW, com um total de 350MW. Cao a una cooperem entre, pela tabela acma, a máxma demanda atendda pelo tema é de 50 MW, reultando am em um valor menor quando operada eparadamente. Portanto, podem ocorrer tuaçõe como motrado acma que a LOLP penalza a dverfcação.

36 4 Cálculo do Certfcado de Capacdade Frme Neta eção decreveremo detalhadamente o cálculo do Certfcado de Capacdade Frme. O Certfcado de Capacdade Frme podem er calculado em dua etapa: ( etermnar a Capacdade de Suprmento da emanda (CS do tema,.e., a máxma demanda que pode er atendda com um conjunto de eradore, repetando o crtéro de confabldade do tema. Conforme vto no capítulo, e a CS do tema é maor ou ual à demanda total, então a eurança de uprmento pode er conderada adequada, cao contráro há a necedade de bucar nova fonte de capacdade frme para ualar o uprmento frme com a demanda total. Note que a CS é têmca,.e., depende da caracterítca do eradore que compõem o tema e da nteração entre ele. Por exemplo: a aída de eradore é ndependente, o que nfca que a Capacdade Frme do tema e benefca do efeto portfólo (é meno provável que um número maor de eradore falhe multaneamente. (2 earear a CS em certfcado de capacdade ndvdua para cada erador. A deareação deve atender do requto: ( ( A oma do certfcado deve er ual à CS. Não há deperdíco na alocaçõe. eve er juta. Embora, o conceto de jutça eteja uualmente aocado a conceto jurídco ou ocolóco, extem defnçõe matemátca em termo da teora de joo cooperatvo. Ma epecfcamente, um exemplo do conceto de jutça pode er defndo matematcamente da eunte manera: uma alocação é dta juta, e o certfcado de capacdade de qualquer erador ou de um conjunto de eradore é maor quando calculado na coalzão quando calculado eparadamente ou em qualquer outra ub-coalzão. Em termo da teora do joo, nfca que a alocação deve pertencer ao núcleo de um joo cooperatvo.

37 37 A metodoloa do cálculo de capacdade frme deve arantr remuneração adequada por potênca a todo o eradore. Remuneração adequada mplca em arantr um tema confável. Uma metodoloa errônea no cálculo da capacdade frme ncentva a ntalação de undade que não contrbuem para a confabldade do tema, podendo promover a aída de eradore extente que contrbuem nfcatvamente para a confabldade do tema. 4. Cálculo da Capacdade de Suprmento da emanda (CS A prncípo, a Capacdade de Suprmento da emanda (CS de um tema pode er calculada ncando-e a demanda com um valor alto e decrecendo-a tematcamente até atnr um nível de confabldade etabelecdo a pror (ρ*. Uma manera ma efcente é uar a buca bnára, lutrada no eunte pao: a efna um lmte uperor U para a máxma demanda atendda,.e., uma demanda que vole o crtéro de confabldade; e um lmte nferor L, uma demanda que atfaça o crtéro de confabldade. Faça = ( U + L /2 b Calcule o crtéro de confabldade para, denotado por ρ(. c Cao ρ ( = ρ*, então é a máxma demanda atendda, a buca cheou ao fm. Cao contráro, extem dua opçõe: ( e ρ ( > ρ* então a cara é muto alta; nete cao, faça ( + L /2; ou (2 e ρ ( < ρ* então a cara é muto pequena; nete cao, faça ( + U. E retorne ao pao (b. Para anále da CS, vamo utlzar como crtéro de confabldade, a retrção que mpõe que o valor eperado da enera não uprda não exceda uma porcentaem pequena δ da demanda.

38 CS como um problema de proramação lnear Neta eção veremo com ma detalhe o cálculo da Capacdade de Suprmento da emanda de um tema, onde utlzaremo a notação explctada anterormente. O Cálculo da Capacdade de Suprmento de Cara (CS pode er formulado como o eunte problema de otmzação: v(c,...,c N = Max (4. ujeto a EENS = E[ r] δ Onde + r = [ ] é o corte de cara e δ (0,. Oberve que = 0 é olução do problema, na próxma eção vamo demontrar que empre exte olução fnta para o cálculo da CS. O cálculo da CS pode er formulado por um problema de otmzação lnear: v(c,...,c N = Max ujeto a S = qr δ r max(,0, =,...,S. O problema acma pode er tranformado em um problema de otmzação lnear: v(c,...,c N = Max ujeto a S = qr δ r r 0 Colocando na forma padrão: A notação [.] + ndca que para todo a R, [a] + = max(a,0.

39 39 v(c,...,c N = Max ujeto a S q = r δ 0 r r Efeto portfólo Neta eção vamo demontrar o efeto portfólo ao e conderar, na maxmzação da demanda atendda o valor eperado da enera não uprda como crtéro de confabldade. Iremo também analar tpo de oluçõe no cálculo da capacdade de uprmento da demanda por um tema. emontração do Efeto portfólo. Para demontração vamo utlzar a eunte propredade: Propredade do Valor Eperado: Sejam x e y varáve aleatóra quaquer; e x y com probabldade então E[ x] E[ y]. Vamo motrar para o cao de dua una; o cao eral é medato. Seja c a varável aleatóra que repreenta a capacdade da una. Ou eja, c é uma varável aleatóra com dtrbução de Bernoull. Então, dado um valor de demanda e utlzando a propredade do valor eperado, temo que: e -(c + c 2 + -c + então E [ -(c + c 2 + ] E[ -c + ] (4.2 Loo, quanto ma eradore o tema pour, a função do valor eperado da enera não uprda (EENS em função da demanda é menor ou ual à EENS com meno eradore. Am, conforme demontrado no Apêndce, a retrção de confabldade (EENS δ na olução ótma é atva,.e., é atfeta com ualdade e pela deualdade (4.2 temo que a máxma demanda atendda com a una olada é

40 40 menor que a máxma demanda atendda pelo tema compoto pelo eradore e 2. Portanto, a máxma demanda atendda é maor quando temo um tema com ma eradore caracterzando o efeto portfólo. A déa acma ão lutrada na fura abaxo: EENS( δ 2... Fura 4. Comportamento da retrção EENS em função de. Na fura acma, a curva em azul repreenta o valor eperado da enera não uprda (EENS em função da demanda quando temo apena um erador no tema. Note que a únca ntereção nete cao é quando = 0. Ou eja, quando a probabldade de falha é maor que o valor de δ, o prmero emento de reta que compõe a EENS( tem nclnação maor que δ e, portanto, a únca ntereção com a reta δ é quando = 0. Note que, a curva verde também repreenta a EENS de um únco erador, porém quando a probabldade de falha é menor, o prmero emento de reta da EENS( pou nclnação menor que δ e quando é tal que excede a eração a nclnação de EENS( é untára e como etamo aumndo δ um percentual pequeno, matematcamente menor que um, a ntereção de EENS( com δ, reultará em um valor fnto para. Não etamo lmtando a demanda, po no cao ma realta com tema com um número maor de eradore, a ntereção de EENS( com δ, reulta em uma demanda menor que a capacdade máxma do tema.

41 4 No cao eral, temo que o efeto portfólo no dz que a capacdade frme de um tema aumenta quando aumentamo o número de eradore,.e., quando dverfcamo o parque erador. que Matematcamente, dado S e T ubconjunto de N,.e, coalzõe de una ta S T então temo ( S ( T. No capítulo 5, vamo motrar que o efeto portfólo mplca que a capacdade frme é uma medda uperadtva. Para qualquer retrção lnear de confabldade temo que ee reultado é váldo. Como veremo poterormente, a prova dete reultado é baeada na deualdade prmal-dual. 4.2 Senbldade com Relação à Potênca A eur, vamo calcular a dervada da máxma demanda em relação à potênca de um erador. A máxma demanda atendda é obtda reolvendo o problema de proramação lnear abaxo. O crtéro de confabldade conderado é: o valor eperado da potênca não uprda menor ou ual a δ, ou eja, o valor eperado do corte de cara deve er menor ou ual a δ x00% da demanda máxma. * = Max (4.3.a. EPNS = E[ r] = r q S = δ q é a probabldade aocada ao cenáro, obtda por convolução da varáve aleatóra que repreentam a capacdade do eradore que compõem o tema. Uma perunta natural é: como a máxma demanda vara e aumentarmo ou dmnurmo a capacdade de um erador? Ou eja, quanto vale * C? Seja *, r* olução do problema (4.3, então conforme demontrado no Apêndce, a ualdade abaxo é neceára: S = q r * = δ *

42 r * contráro. N = * C para tal que * C ( Ω e r * = 0 cao = Onde é uma função ndcadora que no dz e no cenáro a una etá funconando e Ω é o conjunto do cenáro em que ocorre corte de cara, ou eja, Ω = { S * c }. Com to, Ω Então, = N n= n, n N q ( * C = δ * q ( Ω = ( q * Ω N = δ C Loo, a enbldade da função objetvo do problema (4.3 com relação à capacdade da una é: * = C Ω Ω q. (4.4 q δ A eração de potênca dponível total do tema no cenáro é dada por N = C. O conjunto Ω do cenáro em que ocorre o corte de cara é dado, por = exemplo: N = 42

43 43 q q + q +2 q n + +2 n * Fura 4.2 trbução de eração de Capacdade obtda por Convolução Para * ndcado na fura temo que o conjunto do cenáro em que ocorrem corte de cara é dado por Ω =,,..., }. { 2 + Como vto anterormente, para cada cenáro temo aocado um vetor nformando qua una etão funconando,.e., a -éma componente do vetor aume o valor quando a una etá operando e aume valor zero quando a una etá fora de operação (falha. O valore da probabldade ão computado por convolução da eunte manera: q = N = [ p ( + ( p ] Ou eja, a probabldade q aocada ao cenáro é o produtóro para toda a una da probabldade p e a una falhou, ou (-p e a una não falhou no cenáro. Porém, dado um proceo de convolução qualquer não temo a função ndcadora aocada ao cenáro. Ou eja, a função ndcadora depende do conhecmento ntríneco do proceo de convolução. Ao deenvolvermo tal modelo para um número rande de eradore temo que utlzar um proceo efcente de convolução e podemo não ter o conhecmento da função ndcadora Portanto, não é

44 poível encontrarmo * C com a fórmula explctada em (4.4. Como proceder? 44 Na eção eunte, vamo motrar como proceo de convolução qualquer. * C pode er encontrada eundo um 4.2. Senbldade em um proceo de convolução efcente Como calcular a dervada da máxma demanda em relação à capacdade do erador, dado um proceo qualquer de convolução? Note que, a funçõe ndcadora mplcam no conhecmento do etado no proceo de convolução, de manera que dado um cenáro de capacdade conheça-e qual erador etá operando. Porém, na prátca o proceo de convolução é muto cutoo computaconalmente pelo caráter exponencal (2 N cenáro de capacdade onde N é o número de eradore. Então, faz-e neceáro o uo de proceo de convolução efcente. eta manera devemo computar a enbldade da capacdade de uprmento da demanda total (CS em relação à capacdade de um erador em o auxílo da função ndcadora. Para o, vamo uar o teorema da probabldade total, partconando o conjunto Ω do cenáro em que ocorre corte de cara, no conjunto em que a una não etá funconando O conjunto ão dado por: Ω Ω 0, e no conjunto em que a una etá funconando = { Ω 0} e Ω = { Ω }. 0 = = Note que pelo teorema da probabldade total, * * * E [ r ] = E[ r Ω]( p + E[ r Ω0 ] p Ω. Conderando que o erador nunca falha, ou eja, a probabldade de falha do * * erador é nula (p = 0, temo que E r ] = E[ r Ω ]( p. Para encontrarmo, [ S * * + E [ r Ω ] = q temo que obter a probabldade = probabldade q. Nete cao, a q ão obtda por convolução conderando o cao em que a una etá empre funconando, ou eja, a probabldade de falha da una é nula (p = 0.

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões

Leia mais

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula. Probabldade e Etatítca I Antono Roque Aula Medda de Dperão A medda de tendênca central não ão ufcente para e caracterzar um conjunto de dado. O motvo é que ete varação na natureza, to é, dado que venham

Leia mais

Cálculo dos Certificados de Capacidade Firme

Cálculo dos Certificados de Capacidade Firme 4 Cálculo do Certfcado de Capacdade Frme eta eção decreveremo detalhadamente o cálculo do Certfcado de Capacdade Frme. O Certfcado de Capacdade Frme podem er calculado em dua etapa: () Determnar a Capacdade

Leia mais

Introdução aos Conversores CC-CC

Introdução aos Conversores CC-CC INIUO E ELERÔNICA E POÊNCIA epartamento de Engenhara Elétrca Centro ecnológco UNIERIAE FEERAL E ANA CAARINA Introdução ao Converore CCCC Reponável pelo Etudo: Clóv Antôno Petry (INEP/EEL UFC) Orentador:

Leia mais

Conversor eletro-hidráulico I/H e válvula direcional WSR,

Conversor eletro-hidráulico I/H e válvula direcional WSR, Converor eletrohdráulco I/H e válvula dreconal WSR, tecnologa de atuadore para poconar clndro em turbocompreore Tecnologa conoldada O converor eletrohdráulco I/H e a válvula drecona WSR ão a olução econômca

Leia mais

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

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

Leia mais

TEORIA DA GERAÇÃO DE QUANTUM BITS EMARANHADOS NO CAMPO TEMPORAL

TEORIA DA GERAÇÃO DE QUANTUM BITS EMARANHADOS NO CAMPO TEMPORAL TEORIA DA GERAÇÃO DE QUANTUM BITS EMARANHADOS NO CAMPO TEMPORAL Cao Olndo de Mranda e Slva Júnor Inttuto de Cênca e Tecnologa,Unverdade Federal do Vale do Jequtnhonha e Mucur, 39100-000, Damantna MG, Bral

Leia mais

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

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

Leia mais

UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO

UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Metrado em Economa Monetára e Fnancera O PARADOXO DA CORRELAÇÃO DO CONSUMO NA PRESENÇA DE PROBABILIDADES SUBJECTIVAS HETEROGÉNEAS

Leia mais

Quantas equações existem?

Quantas equações existem? www2.jatai.ufg.br/oj/index.php/matematica Quanta equaçõe exitem? Rogério Céar do Santo Profeor da UnB - FUP profeorrogeriocear@gmail.com Reumo O trabalho conite em denir a altura de uma equação polinomial

Leia mais

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001 Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)

Leia mais

Estabilidade para Pequenas Perturbações e Dimensionamento de Estabilizadores. Mestrado em Engenharia Electrotécnica e de Computadores _

Estabilidade para Pequenas Perturbações e Dimensionamento de Estabilizadores. Mestrado em Engenharia Electrotécnica e de Computadores _ Etabldade para Pequena Perturbaçõe e Dmenonamento de Etablzadore Metrado em Engenhara Electrotécnca e de Computadore _ Dnâmca e Etabldade de Stema de Energa J. A. Peça Lope Conceto Teórco Repreentação

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

NOTA II TABELAS E GRÁFICOS

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

Leia mais

3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U)

3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U) 3 Seleção de Varáve Baeada em nformação Mútua ob trbução de nformação Unforme MFS-U 3.1 Seleção de Varáve de Entrada para Problema de Clafcação A eleção de varáve de entrada deempenha um mportante papel

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

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

Leia mais

Alocação Ótima de Equipamentos FACTS em Sistemas Elétricos de Potência

Alocação Ótima de Equipamentos FACTS em Sistemas Elétricos de Potência Alocação Ótma de Equpamento AC em tema Elétrco de Potênca J. W. Marangon Lma, A.C. Zambron de ouza, Leonardo H. de Mello, B. I. Lma Lope, Clodomro Unhuay, R. Corad Leme, Wellngton Da, UNIEI, A. A. Chave

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

Escolha do Consumidor sob condições de Risco e de Incerteza

Escolha do Consumidor sob condições de Risco e de Incerteza 9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera

Leia mais

7.4 Precificação dos Serviços de Transmissão em Ambiente Desregulamentado

7.4 Precificação dos Serviços de Transmissão em Ambiente Desregulamentado 64 Capítulo 7: Introdução ao Estudo de Mercados de Energa Elétrca 7.4 Precfcação dos Servços de Transmssão em Ambente Desregulamentado A re-estruturação da ndústra de energa elétrca que ocorreu nos últmos

Leia mais

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO 0 INTRODUÇÃO A medda de varação ou dperão, avalam a dperão ou a varabldade da eqüênca numérca em anále, ão medda que fornecem nformaçõe

Leia mais

VI SBQEE. 21 a 24 de agosto de 2005 Belém Pará Brasil

VI SBQEE. 21 a 24 de agosto de 2005 Belém Pará Brasil VI SBQEE 2 a 24 de agoto de 2005 Belém Pará Bral Códgo: BEL 3 7679 Tópco: Stema de Montoramento e Tratamento de dado REDES EURAIS A CLASSIFICAÇÃO DE EVETOS DE QUALIDADE DE EERGIA ELÉTRICA: UMA ABORDAGEM

Leia mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ110 : Prncípos de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br Potencal químco, m potencal químco CQ110 : Prncípos de FQ Propredades termodnâmcas das soluções

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

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

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

Leia mais

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

Capítulo 5: Análise através de volume de controle

Capítulo 5: Análise através de volume de controle Capítulo 5: Análie atravé de volume de controle Volume de controle Conervação de maa Introdução Exite um fluxo de maa da ubtância de trabalho em cada equipamento deta uina, ou eja, na bomba, caldeira,

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

Distribuição de Massa Molar

Distribuição de Massa Molar Químca de Polímeros Prof a. Dr a. Carla Dalmoln carla.dalmoln@udesc.br Dstrbução de Massa Molar Materas Polmércos Polímero = 1 macromolécula com undades químcas repetdas ou Materal composto por númeras

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

Regressão e Correlação Linear

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

Leia mais

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão IF-UFRJ Elementos de Eletrônca Analógca Prof. Antôno Carlos Fontes dos Santos FIW362 Mestrado Profssonal em Ensno de Físca Aula 1: Dvsores de tensão e Resstênca nterna de uma fonte de tensão Este materal

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

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

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

Leia mais

LABORATÓRIOS DE FÍSICA 2018/2019

LABORATÓRIOS DE FÍSICA 2018/2019 Eperênca : Medda Epermenta Objetvo: Introdução à medda epermenta. Erro epermenta. Introdução: Medr é comparar uma grandeza com outra da mema epéce que e toma como undade. Eta comparação pode er feta dretamente,

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

3 Critérios de Confiabilidade

3 Critérios de Confiabilidade 3 Critério de Confiabilidade Uma da funçõe do regulador conite na definição de critério de confiabilidade. Define-e um conjunto de rico aceitável e uma medida de rico para determinar e o rico de uma determinada

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

RESOLUÇÃO Nº 3259 RESOLVEU:

RESOLUÇÃO Nº 3259 RESOLVEU: Resolução nº 3259, de 28 de janero de 2005. RESOLUÇÃO Nº 3259 Altera o dreconamento de recursos captados em depóstos de poupança pelas entdades ntegrantes do Sstema Braslero de Poupança e Empréstmo (SBPE).

Leia mais

Nota Técnica Médias do ENEM 2009 por Escola

Nota Técnica Médias do ENEM 2009 por Escola Nota Técnca Médas do ENEM 2009 por Escola Crado em 1998, o Exame Naconal do Ensno Médo (ENEM) tem o objetvo de avalar o desempenho do estudante ao fm da escolardade básca. O Exame destna-se aos alunos

Leia mais

METROLOGIA E ENSAIOS

METROLOGIA E ENSAIOS METROLOGIA E ENSAIOS Incerteza de Medção Prof. Aleandre Pedott pedott@producao.ufrgs.br Freqüênca de ocorrênca Incerteza da Medção Dstrbução de freqüênca das meddas Erro Sstemátco (Tendênca) Erro de Repettvdade

Leia mais

Análise Econômica da Aplicação de Motores de Alto Rendimento

Análise Econômica da Aplicação de Motores de Alto Rendimento Análse Econômca da Aplcação de Motores de Alto Rendmento 1. Introdução Nesta apostla são abordados os prncpas aspectos relaconados com a análse econômca da aplcação de motores de alto rendmento. Incalmente

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 4.3. Decisão Intertemporal do Consumidor O Mercado de Capital

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 4.3. Decisão Intertemporal do Consumidor O Mercado de Capital Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 4.3 Decsão Intertemporal do Consumdor O Mercado de Captal Isabel Mendes 2007-2008 4/17/2008 Isabel Mendes/MICRO II 1 3. EQUILÍBRIO

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

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

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

Leia mais

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

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

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas

Leia mais

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como:

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como: REGRESSÃO LOGÍSTCA. ntrodução Defnmos varáves categórcas como aquelas varáves que podem ser mensurados usando apenas um número lmtado de valores ou categoras. Esta defnção dstngue varáves categórcas de

Leia mais

TEXTO PARA DISCUSSÃO N o 1240

TEXTO PARA DISCUSSÃO N o 1240 TEXTO PARA DISCUSSÃO N o 1240 AVALIAÇÃO DE UMA PROXY PARA A IDADE DA FIRMA UTILIZANDO AMOSTRAGEM COMPLEXA Gutavo Cota Patrck Alve Mran Bttencourt Káta Araújo Hélyo Doyle Braíla, dezembro de 2006 TEXTO

Leia mais

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

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

Leia mais

3 O PROBLEMA DA REPARTIÇÃO DOS BENEFÍCIOS

3 O PROBLEMA DA REPARTIÇÃO DOS BENEFÍCIOS O PROBLEMA DA REPARTIÇÃO DOS BENEFÍCIOS 39 3 O PROBLEMA DA REPARTIÇÃO DOS BENEFÍCIOS Como fo vsto na seção 1.3, a produção frme total do sstema resultante de uma operação ntegrada das usnas, onde todas

Leia mais

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da

Leia mais

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

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

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

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

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

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

ESTUDO DINÂMICO DA PRESSÃO EM VASOS SEPARADORES VERTICAIS GÁS-LÍQUIDO UTILIZADOS NO PROCESSAMENTO PRIMÁRIO DE PETRÓLEO

ESTUDO DINÂMICO DA PRESSÃO EM VASOS SEPARADORES VERTICAIS GÁS-LÍQUIDO UTILIZADOS NO PROCESSAMENTO PRIMÁRIO DE PETRÓLEO ESTUDO DINÂMICO DA PRESSÃO EM VASOS SEPARADORES VERTICAIS GÁS-LÍQUIDO UTILIZADOS NO PROCESSAMENTO PRIMÁRIO DE PETRÓLEO Thale Cainã do Santo Barbalho 1 ; Álvaro Daniel Tele Pinheiro 2 ; Izabelly Laria Luna

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu

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

Ecologia Geral Riqueza e Diversidade de Espécies

Ecologia Geral Riqueza e Diversidade de Espécies Ecologa Geral Rqueza e Dverdade de Epéce Prof. Wllam Cota Rodrgue Pó-Doutor em Entomologa/Ecologa Unverdade Severno Sombra Tranparênca Extra I 1 Conceto A dverdade de epéce refere-e à varedade de epéce

Leia mais

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos 04-05 CONCEITO DE ERRO ALGARISMOS SIGNIFICATIVOS Embora uma análse detalhada do erro em Químca Analítca esteja fora do âmbto desta cadera, sendo abordada

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

Rastreando Algoritmos

Rastreando Algoritmos Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos

Leia mais

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014 Aula 7: Crcutos Curso de Físca Geral III F-38 º semestre, 04 Ponto essencal Para resolver um crcuto de corrente contínua, é precso entender se as cargas estão ganhando ou perdendo energa potencal elétrca

Leia mais

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

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

Leia mais

2. 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

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,

Leia mais

Expressão da Incerteza de Medição para a Grandeza Energia Elétrica

Expressão da Incerteza de Medição para a Grandeza Energia Elétrica 1 a 5 de Agosto de 006 Belo Horzonte - MG Expressão da ncerteza de Medção para a Grandeza Energa Elétrca Eng. Carlos Alberto Montero Letão CEMG Dstrbução S.A caletao@cemg.com.br Eng. Sérgo Antôno dos Santos

Leia mais

ELEMENTOS DE CIRCUITOS

ELEMENTOS DE CIRCUITOS MINISTÉRIO D EDUCÇÃO SECRETRI DE EDUCÇÃO PROFISSIONL E TECNOLÓGIC INSTITUTO FEDERL DE EDUCÇÃO, CIÊNCI E TECNOLOGI DE SNT CTRIN CMPUS DE SÃO JOSÉ - ÁRE DE TELECOMUNICÇÕES CURSO TÉCNICO EM TELECOMUNICÇÕES

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

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

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

Livro para a SBEA (material em construção) Edmundo Rodrigues 9. peneiras

Livro para a SBEA (material em construção) Edmundo Rodrigues 9. peneiras Livro para a SBEA (material em contrução) Edmundo Rodrigue 9 4.1. Análie granulométrica Granulometria, graduação ou compoição granulométrica de um agregado é a ditribuição percentual do eu divero tamanho

Leia mais

Controle Estatístico de Qualidade. Capítulo 8 (montgomery)

Controle Estatístico de Qualidade. Capítulo 8 (montgomery) Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado

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

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

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS

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

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

ALGORITMO E PROGRAMAÇÃO

ALGORITMO E PROGRAMAÇÃO ALGORITMO E PROGRAMAÇÃO 1 ALGORITMO É a descrção de um conjunto de ações que, obedecdas, resultam numa sucessão fnta de passos, atngndo um objetvo. 1.1 AÇÃO É um acontecmento que a partr de um estado ncal,

Leia mais

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

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

Leia mais

CAPÍTULO 10 Modelagem e resposta de sistemas discretos

CAPÍTULO 10 Modelagem e resposta de sistemas discretos CAPÍTULO 10 Modelagem e repota de itema dicreto 10.1 Introdução O itema dicreto podem er repreentado, do memo modo que o itema contínuo, no domínio do tempo atravé de uma tranformação, nete cao a tranformada

Leia mais

Análise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas

Análise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas Análse de Projectos ESAPL / IPVC Taxas Equvalentes Rendas Taxas Equvalentes Duas taxas e, referentes a períodos dferentes, dzem-se equvalentes se, aplcadas a um mesmo captal, produzrem durante o mesmo

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

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma

Leia mais

Elaboração: Novembro/2005

Elaboração: Novembro/2005 Elaboração: Novembro/2005 Últma atualzação: 18/07/2011 Apresentação E ste Caderno de Fórmulas tem por objetvo nformar aos usuáros a metodologa e os crtéros de precsão dos cálculos referentes às Cédulas

Leia mais

IX CONGRESSO BRASILEIRO DE ENGENHARIA E CIÊNCIAS TÉRMICAS. 9th BRAZILIAN CONGRESS OF THERMAL ENGINEERING AND SCIENCES

IX CONGRESSO BRASILEIRO DE ENGENHARIA E CIÊNCIAS TÉRMICAS. 9th BRAZILIAN CONGRESS OF THERMAL ENGINEERING AND SCIENCES IX CONGRESSO BRASILEIRO DE ENGENHARIA E CIÊNCIAS TÉRMICAS 9th BRAZILIAN CONGRESS OF THERMAL ENGINEERING AND SCIENCES Paper CIT02-0026 METODOLOGIA PARA CORRELAÇÃO DE DADOS CINÉTICOS ENTRE AS TÉCNICAS DE

Leia mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade

Leia mais

Trabalho e Energia. Definimos o trabalho W realizado pela força sobre uma partícula como o produto escalar da força pelo deslocamento.

Trabalho e Energia. Definimos o trabalho W realizado pela força sobre uma partícula como o produto escalar da força pelo deslocamento. Trabalho e Energa Podemos denr trabalho como a capacdade de produzr energa. Se uma orça eecutou um trabalho sobre um corpo ele aumentou a energa desse corpo de. 1 OBS: Quando estudamos vetores vmos que

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

PROJETO DE AMPLIFICADORES DE BAIXO RUÍDO DE RF EM TECNOLOGIA CMOS USANDO UM MODELO BASEADO EM CORRENTE

PROJETO DE AMPLIFICADORES DE BAIXO RUÍDO DE RF EM TECNOLOGIA CMOS USANDO UM MODELO BASEADO EM CORRENTE VIRGINIA HELENA VAROTTO BARONCINI PROJETO DE AMPLIFICADORES DE BAIXO RUÍDO DE RF EM TECNOLOGIA CMOS USANDO UM MODELO BASEADO EM CORRENTE Dertação apreentada como requto parcal à obtenção do rau de Metre

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

Vestibular 2013 2 a fase Gabarito Física

Vestibular 2013 2 a fase Gabarito Física etibular 203 2 a fae Gabarito Fíica Quetão 0 (alor: 5 ponto) Cálculo da variação da quantidade de movimento A velocidade inicial no momento do impacto erá a velocidade final da queda Aplicando conervação

Leia mais

Termodinâmica e Termoquímica

Termodinâmica e Termoquímica Termodnâmca e Termoquímca Introdução A cênca que trata da energa e suas transformações é conhecda como termodnâmca. A termodnâmca fo a mola mestra para a revolução ndustral, portanto o estudo e compreensão

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA ANEEL RESOLUÇÃO Nº 488, DE 29 DE AGOSTO DE 2002

AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA ANEEL RESOLUÇÃO Nº 488, DE 29 DE AGOSTO DE 2002 AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA ANEEL RESOLUÇÃO Nº 488, DE 29 DE AGOSTO DE 2002 Regulamenta o estabelecdo na Resolução CNPE n 7, de 21 de agosto de 2002, aprovada pela Presdênca da Repúblca em 22

Leia mais