JOGOS VETORIAIS COMO FERRAMENTA DE AVALIAÇÃO ECONÔMICO- FINANCEIRA: UM ESTUDO MULTICRITÉRIO
|
|
- Judite Philippi Almada
- 6 Há anos
- Visualizações:
Transcrição
1 JOGOS VETORIAIS COMO FERRAMENTA DE AVALIAÇÃO ECONÔMICO- FINANCEIRA: UM ESTUDO MULTICRITÉRIO Adriaa Kroee Uiversidade Regioal de Blumeau FURB Rua Atôio da Veiga, 140 Blumeau- SC, CEP: Nelso Hei Uiversidade Regioal de Blumeau FURB Rua Atôio da Veiga, 140 Blumeau- SC, CEP: Volmir Eugêio Wilhelm Uiversidade Federal do Paraá - UFPR Jardim das Américas, 980 Curitiba - PR volmirw@gmail.com RESUMO O objetivo deste artigo é determiar o posicioameto cotábil das empresas do setor de metalurgia e siderurgia listadas a BM&FBovespa por meio da teoria dos jogos vetoriais o período de 2009 a São usados quatro lotes de idicadores ecoômico-fiaceiros: liquidez, edividameto, retabilidade e atividade. De cada grupo foram selecioados três idicadores de acordo com o que a literatura cotábil apreseta. A leitura é feita usado as empresas como estratégias do jogador I e os idicadores ecoômico-fiaceiros como sedo as estratégias do jogador II. O posicioameto cotábil obtido reflete os resultados que são percebidos em aálise pormeorizada dos dados sob ótica cotábil. PALAVARAS CHAVE. Teoria dos Jogos, Jogos vetoriais, Idicadores cotábeis. ADM Apoio à Decisão Multicritério ABSTRACT This paper aims to determie the placemet of accoutig compaies i the iro ad steel listed o the BM&FBovespa by meas of vector games from 2009 to Use four lots of fiacial idicators: liquidity, debt, profitability ad activity. From each group were selected three idicators accordig to the presets i the accoutig literature. Readig is doe usig busiess strategies as player I ad fiacial idicators as the strategies of player II. The positioig accoutig reflects the results obtaied are perceived i detailed aalysis of the data uder accoutig perspective. KEYWORDS. Game theory, Vector games, Fiacial idicators. MCDA Multicreria Decisio Aid
2 1. Itrodução Os fudametos da teoria dos jogos foram estabelecidos por Joh vo Neuma em 1928 e expostos o livro Theory of Games ad Ecoomic Behavior, que publicou juto a Osar Morgester em Esta teoria põe de maifesto que os acotecimetos das ciêcias sociais podem ser descritos mediate modelos de jogos de estratégia com uma maior riqueza de detalhes, pois os agetes atuam muitas vezes us cotra os outros para a cosecução de seus objetivos. A teoria dos jogos proporcioa modelos de situações reais, pelos quais frequetemete, as coclusões que estes modelos forecem são somete pautas gerais de comportameto, que proporcioam ormas de atuação mais precisas tato quato o modelo reflita com mais perfeição a realidade. Tudo isso fez com que a teoria dos jogos crescesse detro da Pesquisa Operacioal, demostrado possuir suficiete iteresse e aplicabilidade para ser estudada como disciplia idepedete (DIMAND, 1996). Detro das orgaizações, quado se lida com problemas decisórios, é certo que serão efretadas situações de coflito de iteresse (NISHIZAKI; SAKAWA, 2001), competição e cooperação parcial. Estas características são cosideradas a essêcia dos problemas decisórios. Jogadores, ao avaliarem alterativas, optam por aquelas que lhe tragam maiores ou melhores resultados. Maiores o caso do jogo ser ão-cooperativo e melhor o caso cooperativo. Em ambos os casos é feito um raig das alterativas, ordeado as mesmas frete aos objetivos aturais, ou seja, maximizar gahos e miimizar perdas. Cotabilmete seria, por exemplo, objetivar a melhor liquidez e um meor edividameto. Cotudo, os resultados podem ser múltiplos e podem ser medidos de várias formas: uidades moetárias, ídices, graus, úmeros, etc., caracterizado múltiplos pagametos. Caso todos os múltiplos pagametos possam ser codesados em uma úica medida, como por exemplo em uma métrica de utilidade, a alterativa com o maior grau de utilidade acaba sedo a escolhida, ão sedo classificado como um problema de decisão, dada a trivialidade da situação (ZELENY, 1976). Zeley (1976) afirma que caso ão seja cohecida a medida de utilidade ou caso ão se queira perder iformação oferecida pelos múltiplos resultados, etão só há um problema de tomada de decisão com múltiplos pagametos (Decisio Maig with Multiple Payoffs Problem). Tradicioalmete as ferrametas de tomada de decisão, assim como jogos cotra a atureza ou jogos etre duas pessoas, são baseadas o coceito de um úico pagameto (gaho, perdas, utilidade, etc.). Um jogo modelado a forma de soma-zero com um úico pagameto ão captura completamete a complexidade das situações em situações reais. Quado dois opoetes elegem suas estratégias (alterativas), ão só os resultados apresetam uma soma ão-ula, mas ela também possui uma forma de um vetor ao ivés de um escalar. Jogos reais etre dois persoages, devem ser etedidos como sequêcias de gahos e perdas, em que ão ecessariamete o gaho de um é a perda do outro em cada movimeto. Os jogadores ão são imediatamete gahadores ou perdedores. O uso de estratégias mistas ou radômicas em sempre são adequadas e a cooperação muitas vezes substitui a cocorrêcia. A leitura de cada empresa segudo seus vetores formados por ídices ecoômicofiaceiros são o escopo desta pesquisa. Estes vetores serão obtidos das demostrações cotábeis, que esta ivestigação são os idicadores de liquidez, edividameto, retabilidade e atividade das empresas de metalurgia e siderurgia listadas a BM&FBovespa. A partir desses idicadores é possível estabelecer o posicioameto cotábil detro do seu setor, tomadas aqui como sedo suas cocorretes. Diate do exposto, esta pesquisa busca respoder a seguite questão: Qual o posicioameto cotábil das empresas de metalurgia e siderurgia listadas a BM&FBovespa os últimos cico aos avaliadas à luz da teoria dos jogos vetoriais? O objetivo cosiste em determiar o posicioameto cotábil das empresas do setor de metalurgia e siderurgia listadas a BM&FBovespa por meio da teoria dos jogos vetoriais o período de 2009 a 2013.
3 2. Jogos matriciais vetoriais Os jogos os quais os pagametos que os jogadores recebem vem represetados por vetores ao ivés de escalares são deomiados jogos vetoriais, jogos multicritério ou jogos com pagametos múltiplos (ZELENY, 1982). Nestes jogos, se ão há cooperação etre os jogadores como ocorre os jogos de soma ula, se acresceta a dificuldade da ão existêcia de uma ordem total etre os elemetos da matriz de pagametos. A valoração das estratégias e a comparação etre as mesmas é um problema adicioal a teoria dos jogos, sedo o coceito de solução clássica difícil de ser desevolvido. Por esta razão tem aparecido ovos coceitos de solução (FERNÁNDEZ; MONROY, 2009). Neste setido o coceito de estratégia de seguraça Pareto-Ótima é importate à solução de jogos com múltiplos pagametos, utilizado coceitos de solução baseados os íveis de seguraça dos jogadores. Ghose e Prassad (1989) defiem potos de equilíbrio com íveis de seguraça Pareto- Ótimas e potos de sela de Pareto. Para determiar o cojuto de estratégias de Pareto-Ótimas estabelecem dois jogos escalares, um para cada jogador e provam que as estratégias maximi e miimax destes jogos são estratégias de seguraça Pareto-Ótimas para o jogador correspodete. Ghose (1991) obteve as estratégias de seguraça Pareto-Ótimas de um jogo vetorial de soma zero traformado o jogo origial em um jogo escalar. Ele demostrou, por meio de um logo processo que uma extesão do cojuto formado pelos vetores de ível de seguraça é um cojuto poliédrico. A partir deste resultado estabelece uma escalarização estritamete positiva em uma codição ecessária e suficiete para obter uma estratégia de seguraça Pareto-Ótima, para tais jogos. Neste artigo utiliza-se a mesma escalarização como caso particular em um efoque geral, realizado por meio de um procedimeto alterativo que simplifica em boa medida as demostrações estabelecidas por Ghose e Prassad. Por meio da programação liear multiobjetivo obtém-se as estratégias de seguraça Pareto-Ótimas como soluções eficietes de problemas lieares multiobjetivo. Dado um jogo bipessoal de soma-zero a sua forma típica. Seja A = (a ij ); 1 i, 1 j m a matriz de pagametos do jogo. Cada elemeto a ij da matriz é um vetor de dimesão : a ij = (a ij (1), a ij (2),, a ij ()) R que determia matrizes de ordem m a forma: A(s) = (a ij (s)) 1 s ; 1 i ; 1 j m As estratégias mistas estes jogos se defiem da mesma forma como em jogos escalares. Assim, os espaços das estratégias mistas para os jogadores I e II são respectivamete: X = {x R x i = 1, x i 0, i = 1,, } i=1 m Y = {y R m y j = 1, y j 0, j = 1,, m} j=1 Defiição: O pagameto esperado do jogo quado os jogadores elegem suas estratégias mistas x X e y Y, respectivamete, é dado por: Ode: v(x, y) = x t Ay = (v 1 (x, y),, v (x, y)) v s (x, y) = x t A(s)y, s = 1,,
4 Dado que uma estratégia deve ser valorada por um cojuto de vetores, pode-se dar uma úica valoração, ao cosiderar que o opoete pode atuar em cada coordeada da matriz A de modo idepedete e oferecer o vetor que assegura ao jogador para que realmete obteha valores superiores. Defiição: Para cada estratégia x X do jogador I, o vetor de ível de seguraça para este jogador é o pagameto que lhe é garatido com esta estratégia, em cada jogo escalar iduzido pelo jogo vetorial. O mesmo se aplica ao jogador II. Ode: Os vetores de íveis de seguraça dos jogadores são respectivamete: v(x) = ( v 1 (x),, v (x)) v(y) = ( v 1 (y),, v (y)) v s(x) = mi v s(x, y) = mi y Y y Y xt A(s)y v s (y) = max v s(x, y) = max x X x X xt A(s)y Observe-se que dada uma estratégia x X do jogador I cada compoete do vetor de ível de seguraça v s(x), s = 1,, podem ser obtidas com distitas estratégias y Y do jogador II. Ghose e Prassad (1989) estabelecem a defiição de estratégia de seguraça Pareto-Ótima como segue. Defiição: Uma estratégia x X é uma estratégia de seguraça Pareto-Ótima para o jogador I se ão existe x X, tal que v(x ) v(x), v(x ) v(x). Uma estratégia y Y é uma estratégia de seguraça Pareto-Ótima para o jogador II se ão existe y Y, tal que v(y ) v(y), v(y ) v(y). Dada uma estratégia x X o ível de seguraça s-ésimo do jogador I é dado por: v(s) = mi y Y v s(x, y) = mi y Y xt A(s)y O problema a ser resolvido é um problema liear escalar, portato, possui uma solução ótima etre os potos extremos de Y. Assim, v s(x) é expressado: Ou matricialmete: v s (x) = mi x i a ij (s) 1 j m i=1 v(x) = mi x t A(s) Com efeito, para a pesquisa pretede-se como resultado a formulação de estratégias para o jogador I (empresas) frete as estratégias do jogador II (idicadores), o que se traduz a forma de um problema de programação liear multiobjetivo deomiado de problema liear do jogo vetorial (PLJV). Modelo:
5 max v, v s. a. 1,..., v t x A( s) ( v,..., v i 1 2 x 1 i ); s 1,..., x 0 Teorema (BILBAO; FERNANDEZ, 2002, p.31): Uma estratégia x X é uma estratégia de seguraça Pareto-Ótima e v = (v 1,, v ) seu vetor de ível de seguraça associado se, e somete se, (v, x ) for uma solução eficiete do problema PLJM. Demostração: Seja x X uma estratégia de seguraça Pareto-Ótimo etão ão existe outra estratégia x X tal que v(x ) v(x), v(x ) v(x), ou de forma equivalete: (mi x t A(1),, mi x t A()) (mi x t A(1),, mi x t A()) (mi x t A(1),, mi x t A()) (mi x t A(1),, mi x t A()) Sedo x X uma solução eficiete do problema: (mi xt A(1),, mi x t A()) max x X E este problema é equivalete a: 1 max s. a. v, v,..., v 1 t x A( s) ( v,..., v ); s 1,..., i 1 2 x 1 i x 0 s s De forma recíproca, supodo que uma solução eficiete (v, x ), do problema PLJV ão seja uma estratégia de seguraça Pareto-Ótima, etão existe x X, tal que: (mi x t A(1),, mi x t A()) (mi x t A(1),, mi x t A()) (mi x t A(1),, mi x t A()) (mi x t A(1),, mi x t A()) Seja v = (v 1,, v ) ode v s = mi x t A(s), s = 1,, o vetor (v, x) é uma solução do problema PLJV que domia (v, x ), sedo uma solução eficiete do problema PLJV. Este resultado é fudametal este artigo e por várias razões. Põe de maifesto que de similar modo a programação liear utiliza-se para obter as estratégias ótimas e o valor dos jogos escalares bipessoais de soma-zero. Da mesma forma pode utilizar-se a programação liear multiobjetivo para resolver os jogos bipessoais de soma-zero com pagametos vetoriais sempre que se cosidera o coceito de estratégia de seguraça Pareto-Ótima como solução dos mesmos. Em segudo lugar há de se otar que, como é usual em problemas lieares multiobjetivo, a partir das soluções eficietes extremas se obtém todas as estratégias de seguraça Pareto-Ótimas. 3. Metodologia da Pesquisa Diate do objetivo deste estudo, que cosiste em determiar o posicioameto cotábil das empresas do setor de metalurgia e siderurgia listadas a BM&FBovespa por meio da teoria dos jogos vetoriais o período de 2009 a 2013, esta pesquisa se classifica como descritiva. Para ateder o objetivo desta ivestigação fez-se ecessário verificar idicadores cotábeis apresetados a literatura, o que caracteriza uma pesquisa bibliográfica e o fato de utilizar demostrações cotábeis como fote de coleta de dados tora esta pesquisa documetal, pois, os dados aida ão receberam ehuma forma de tratameto.
6 Quato à abordagem do problema este estudo classifica-se como quatitativo. O método quatitativo represeta, em pricípio, a iteção de garatir a precisão dos resultados, evitar distorções de aálise e iterpretação, possibilitado, cosequetemete, uma margem de seguraça quato as iferêcias (RICHARDSON, 1989, p. 29). A população é defiida como o cojuto de elemetos que apresetam os atributos ecessários para o desevolvimeto do estudo (SILVEIRA, 2004). No caso desta pesquisa, que apreseta os dados dos idicadores de liquidez, edividameto, retabilidade e atividade. A população, esta pesquisa, cosiste as 12 empresas de siderurgia e metalurgia listadas a BM&FBovespa. A população foi defiida itecioalmete, ou seja, cosiste em uma população ão probabilística e justifica-se pelo acesso às iformações cotábeis e seu grau de cofiabilidade por se tratarem de empresas de capital aberto. As empresas do ramo de siderurgia e metalurgia utilizadas esta ivestigação são apresetadas o Quadro 1. Quadro 1 Empresas do setor de siderurgia e metalurgia listadas a BM&FBovespa Empresa Nome do pregão Atuação Paraapaema PARANAPANEMA Artefatos de cobre Fibam Compahia Idustrial FIBAM Artefatos de Ferro e Aço Magels Idustrial S.A. MANGELS INDL Artefatos de Ferro e Aço Metalúrgica Duque S.A. MET DUQUE Artefatos de Ferro e Aço Paatlatica S.A. PANATLANTICA Artefatos de Ferro e Aço Siderurgica J. L. Aliperti S.A. ALIPERTI Artefatos de Ferro e Aço Teo S.A. Idústria e Comércio TEKNO Artefatos de Ferro e Aço CIA Ferro Ligas da Bahia - FERBASA FERBASA Siderurgia CIA Siderurgia Nacioal SID NACIONAL Siderurgia GERDAU S.A. GERDAU Siderurgia Metalurgica Gerdau S.A GERDAU MET Siderurgia Usias SID de Mias Gerais S.A. - USIMINAS USIMINAS Siderurgia Fote: BM&FBovespa ( Os dados foram obtidos das demostrações cotábeis cosolidadas, Balaço Patrimoial e Demostração do Resultado do Exercício por meio do ECONOMÁTICA. Foram extraídos os idicadores ecoômico-fiaceiros de liquidez, edividameto, retabilidade e atividade do período de 2009 a De cada grupo foram extraídos três idicadores formado um grupo de 12 idicadores aalisados: (a) liquidez: liquidez seca, liquidez correte, liquidez geral, (b) edividameto: imobilização do patrimôio líquido, participação de capital de terceiros, composição do edividameto, (c) retabilidade: margem líquida, retoro sobre o ativo, retoro sobre o patrimôio líquido, (d) atividade: prazo médio de estoques, prazo médio de forecedores e prazo médio de recebimeto. Estes foram calculados coforme fórmulas extraídas de Matarazzo (2008). Todas as empresas dispoibilizaram os dados ecessários o período de 2009 a 2012, porém, em 2013 a empresa Duque ão divulgou seus dados. Por isso, em 2013 são aalisadas somete as demais (11) empresas. 4. Aálise e Iterpretação dos Resultados A aálise de dados referetes aos idicadores de liquidez, edividameto, retabilidade e atividade acabam por formar a matriz de pagametos do jogo multicriterial. Em liha, observa-se dados de cada uma das empresas, Paraapaema até Usimias. Na colua, os dados dos idicadores de cada grupo LG, LC, até PMR.
7 P = (1.02, 1.10, 0.53) (1.02, 1.12, 0.54) (0.74, 1.16, 0.97) (0.41, 0.64, 0.58) (1.55, 2.20, 1.68) (0.76, 1.35, 0.93) (5.84, 7.91, 6.66) (5.59, 6.90, 4.39) (0.63, 3.30, 2.74) (0.85, 2.10, 0.94) (0.78, 1.80, 0.81) [(0.93, 1.99, 1.30) (94.95, , 84.79) (94.64, , 57.28) (657.10, , 46.66) (143.29, , 61.41) (44.96, 98.41, 68.79) (114.15, 64.45, 46.20) (36.19, 13.13, 70.24) (42.98, 12.39, 63.28) (226.57, , 15.91) (68.37, 84.36, 32.20) (73.42, 99.01, 34.38) (89.95, 77.03, 37.88) ( 5.12, 4.93, 14.13) ( 3.95, 5.64, 18.48) (31.39, 21.99, ) (0.17, 0.09, 0.24) (4.13, 4.48, 8.89) (16.58, 3.26, 5.36) (14.51, 8.45, 9.56) (12.09, 6.55, 7.36 ) ( 2.84, 0.97, 5.33) (3.94, 2.82, 5.20) (3.51, 2.50, 4.97) ( 4.18, 1.62, 2.87) (124.64, , 40.23) (69.52, 17.59, 48.40) (52.77, 70.64, 41.02) (18.29, 51.66, 20.10) (66.68, 39.33, 69.19) (240.57, 23.17, 29.85) (86.38, 21.37, 65.95) (149.13, 19.35, 60.31) (106.76, 58.38, 38.24) (97.72, 33.14, 35.03) (97.72, 33.14, 35.03) (112.95, 68.23, 44.42) ] Estes dados são referetes ao exercício Os valores são adimesioais, ou seja, ão possuem uma uidade de medida em especial. Cotudo, cada idicador é trasformado por meio de uma cotração de Lipschitz d(f(x), f(y)) d(x, y). Basicamete a cotração é feita usado o teorema de Tales, ou seja, em cada um dos 12 idicadores há um máximo i j + ; j = 1,,12 e um míimo i j ; j = 1,,12. Fazedo f(i j ) = 0 e f(i j + ) = 1, assim f(i j ) = i j i j _ i j + i j _. No caso dos idicadores de edividameto pretede-se quato meor melhor, logo a formulação passa a ser f(i j ) = 1 i j i j _ i j + i j _. Isto também é aplicado ao idicador PME (prazo médio de estoques) e PMR (prazo médio de recebimeto). Assim, a matriz de pagametos fica defiida: (0.11, 0.06, 0) (0.91, 0.93, 0) (0.55, 0.56, 0.96) (0.52, 1, 0.59) (0.11, 0.07, 0.00) (0.91, 0.91,0.40) (0.57, 0.54, 0.95) (0.77, 0, 0.42) (0.06, 0.07, 0.07) (0, 0, 0.55) (0, 0, 0) (0.84, 0.38, 0.57) (0, 0, 0.01) (0.83, 0.94, 0.34) (0.66, 0.73, 0.98) (1, 0.24, 1) (0.21, 0.22, 0.19) (0.99, 0.96, 0.23) (0.74, 0.87, 1.00) (0.78, 0.15, 0) P = (0.06, 0.10, 0.07) (0.87, 0.98, 0.56) (1, 0.83, 0.99) (0, 0.04, 0.80) (1, 1, 1) (1, 1, 0.21) (0.96, 1, 1) (0.69, 0.03, 0.07) (0.95, 0.86, 0.63) (0.04, 0.37, 0.36) (0.99, 1, 0.31) (0.69, 0.82, 1) (0.91, 0.94, 1.00) (0.41, 0.01, 0.18) (0.60, 0.69, 0.97) (0.60, 0.29, 0.63) (0.08, 0.20, 0.07) (0.95, 0.96, 0.76) (0.74, 0.82, 0.99) (0.64, 0.11, 0.70) (0.07, 0.16, 0.05) (0.94, 0.96, 0.73) (0.73, 0.80, 0.99) (0.64, 0.11, 0.70) [(0.10, 0.19, 0.13) (0.91, 0.97, 0.68) (0.57, 0.67, 0.98) (0.57, 0.36, 0.50)] A aplicação do modelo também ão é imediata, pois como serão avaliados as teras compostas por cada grupo de idicadores, ter-se-á: max v 1,, v s. a: x t A(s) (v,, v ) s = 1,, ; = 1,,4 (grupo de idicadores) Logo sua costrução resulta em: x i = 1 i=1 x 0 max Z = Liquidez, Edividameto, Retabilidade, Atividade Deomiado v 1 : Liquidez; v 2 : Edividameto; v 3 : Retabilidade e v 4 : Atividade, temse como fução objetivo múltipla:
8 max Z = v 1, v 2, v 3, v 4 Como os idicadores são idepedetes etre si e todos tomados a mesma escala: max Z = v 1 + v 2 + v 3 + v 4 s.a: 0,11x 1 + 0,11x 2 + 0,06x 3 + 0,21x 5 + 0,06x 6 + x 7 + 0,95x 8 + 0,04x 9 + 0,08x ,07x ,10x 12 v 1 0 0,06x 1 + 0,07x 2 + 0,07x 3 + 0,22x 5 + 0,10x 6 + x 7 + 0,86x 8 + 0,37x 9 + 0,20x ,16x ,19x 12 v 1 0 0,07x 3 + 0,01x 4 + 0,19x 5 + 0,07x 6 + x 7 + 0,63x 8 + 0,36x 9 + 0,07x ,05 + 0,13x 12 v 1 0 0,91x 1 + 0,91x 2 + 0,83x 4 + 0,99x 5 + 0,87x 6 + x 7 + 0,99x 8 + 0,69x 9 + 0,95x ,94x ,01x 12 v 2 0 0,93x 1 + 0,91x 2 + 0,94x 4 + 0,96x 5 + 0,98x 6 + x 7 + 1x 8 + 0,82x 9 + 0,96x ,96x ,97x 12 v x 2 + 0,55x 3 + 0,34x 4 + 0,23x 5 + 0,56x 6 + 0,21x 7 + 0,31x 8 + 1x 9 + 0,76x ,73x ,68x 12 v 2 0 0,55x 1 + 0,57x 2 + 0,66x 4 + 0,74x 5 + x 6 + 0,96x 7 + 0,91x 8 + 0,60x 9 + 0,74x ,73x ,57x 12 v 3 0 0,56x 1 + 0,54x 2 + 0,73x 4 + 0,87x 5 + 0,83x 6 + x 7 + 0,94x 8 + 0,69x 9 + 0,82x ,80x ,67x 12 v 3 0 0,96x 1 + 0,95x 2 + 0,98x 4 + x 5 + 0,99x 6 + x 7 + x 8 + 0,97x 9 + 0,99x ,99x ,98x 12 v 3 0 0,52x 1 + 0,77x 2 + 0,84x 3 + x 4 + 0,78x 5 + 0,69x 7 + 0,41x 8 + 0,60x 9 + 0,64x ,64x ,57x 12 v 4 0 x 1 + 0,38x 3 + 0,24x 4 + 0,15x 5 + 0,04x 6 + 0,03x 7 + 0,01x 8 + 0,29x 9 + 0,11x ,11x ,36x 12 v 4 0 0,59x 1 + 0,42x 2 + 0,57x 3 + x 4 + 0,80x 6 + 0,07x 7 + 0,18x 8 + 0,63x 9 + 0,70x ,70x ,50x 12 v 4 0 x 1 + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 10 + x 11 + x 12 = 1 x i 0 (i = 1,,12) Das 16 variáveis do PL, 12 represetam cada uma das empresas, a saber: Paraapaema (x 1 ), Fibam (x 2 ), Magels (x 3 ), Duque (x 4 ), Paatlâtica (x 5 ), Aliperti (x 6 ), Teo (x 7 ), Ferbasa (x 8 ), Siderurgia Nacioal (x 9 ), Gerdau (x 10 ), Gerdau Met. (x 11 ) e Usimias (x 12 ). A solução do PPL traz o vetor de estratégias: x = [x 1 x 2 x 12 ] t Cada um dos x i, i = 1,,12 represeta uma probabilidade de adoção da estratégia i. A aálise é feita em ordem decrescete, ou seja, as probabilidades apotarão se o problema admite 12 uma estratégia pura (p i = 1) ou uma estratégia mista ( i=1 x i = 1). Caso a solução for a estratégia pura, tem-se a empresa mais bem posicioada. O mesmo ocorre quado a solução apotada for mista, a estratégia mais bem avaliada, dará como retoro a empresa mais bem posicioada cotabilmete a rodada, voltado as demais para a cesta de estratégias. A adoção dessa forma de aálise atede ao axioma da escolha (ZELENY, 1982, p. 156) as alterativas que são mais próximas do ideal são preferidas àquelas que estão mais distates (ou ausetes). Para ser tão perto quato possível do ideal percebido, que é a base racioal da escolha humaa. Por outro lado, ão viola um axioma que reflete o curso de desevolvimeto tradicioal da aálise decisória (reversão de ordem), que Zeley (1982, p. 145) propõe como se uma alterativa A é ão-ótima, etão ela ão poderá se torar ótima com a adição de uma ova alterativa ao problema. Com efeito, a técica proposta ão iclui ovas alterativas, mas sim remove as eleitas como sedo as melhores do ceário, da rodada. Além disso Starr e Zeley (1977) ilustraram a falácia desse axioma em um exemplo com um cojuto de probabilidades sobre espectativas de utilidades, similar ao caso desta pesquisa. Assim, a preseça de empresas, haverá um total de (-1) rodadas, ou seja, são resolvidos o caso do modelo um total de 11 PPL s, usado o software PLM 3.0 (Programação Liear e Mista v. 3.0). A aálise aida iclui o valor da iformação, ode o modelo é traformado em:
9 P(λ): max Z = λ s s=1 s. a: x t A(s) (v s,, v s ); s = 1,, ; = 1,,4 x i = 1 i=1 xi 0 No modelo λ Λ 0 = {λ R : λ s > 0; s=1 λ s = 1}. Os valores de λ 1, λ 2, λ 3 e λ 4 são obtidos por meio da etropia dos dados ormalizados de cada bloco de idicadores. Ao abordar de problemas decisórios em ceários complexos em que muitos critérios estão em tratameto, o peso da importâcia do atributo (λ i), coferido ao i-ésimo atributo como medida de importâcia relativa em uma dada situação de decisão, é diretamete relacioada a quatidade de iformação itríseca gerada por um cojuto de possíveis alterativas de cada i-ésimo atributo e em paralelo, a subjetividade associada as importâcia, reflete a cultura, psicologia e meio em que vive o tomador de decisão (ZELENY, 1982). A importâcia do atributo se tora operacioal somete se a quatidade itríseca da iformação trasmitida para o tomador de decisão do i-ésimo atributo pode ser mesurado. Podese ajustar uma medida de etropia para cocordar com o propósito. Quato mais distitos e difereciados forem os escores, ou seja, quato maior for o cotraste de itesidade etre os valores do i-ésimo atributo, maior é a soma da iformação decisória cotida ela e trasmitida pelo atributo (ZELENY, 1982). Seja d i = (d 1 i, d 2 i,, d m i ) os valores ormalizados, ode: d i = x i x, que caracteriza o i cojuto D, em termos do i-ésimo atributo. Defie-se D i = m =1 d i ; i = 1,2,,. A medida de etropia do cotraste de itesidade para o i-ésimo atributo é calculado por e(d i ) = d i α m l ( d i =1 ), ode α = 1 > 0 e e D i D e max=l(m). Lembrado aida que 0 d i 1 e d i max 0. Caso todos os d i forem iguais para um dado i, etão d i v s D i = 1 e e(di) assume valor máximo, isto é, e max=l(m). Ao se fixar α = 1, determia-se 0 e(d e i ) 1 para todos os d i s. Essa max ormalização é ecessária para efeito comparativo. A etropia total de D é defiida por: E = i=1. e(d i ) Há duas observações a serem feitas, a primeira é a de que quato maior for e(d i), meor é a iformação trasmitida pelo i-ésimo atributo e a seguda é o caso e(d i)=e max=l(m), etão o i- ésimo atributo ão trasmite iformação e pode ser removida da aálise decisória. Devido ao peso λ i ser iversamete relacioado a e(d i), usa-se 1-e(d i) ao ivés de e(d i) e ormaliza-se para assegurar que 0 λ i 1 e i=1 λ i = 1. Assim: λ i = 1 A etropia associada a cada lote de idicadores é dado por: e(liquidez)=0, e(edividameto)=0, e(retabilidade)=0, e(atividade)=0, E [1 e(d i)] = [1 e(d i )] E. A soma da etropias é dada por E=3, Aplicado a fórmula λ i = [1 e(d i )], tem-se E o valor dos pesos da iformação: λ 1 = 0,55147 λ 2 = 0, λ 3 = 0, λ 4 = 0, Chega-se ao modelo poderado:
10 max Z = 0,55147v 1 + 0,116415v 2 + 0,087587v 3 + 0,244529v 4 s.a: 0,11x 1 + 0,11x 2 + 0,06x 3 + 0,21x 5 + 0,06x 6 + x 7 + 0,95x 8 + 0,04x 9 + 0,08x ,07x ,10x 12 v 1 0 0,06x 1 + 0,07x 2 + 0,07x 3 + 0,22x 5 + 0,10x 6 + x 7 + 0,86x 8 + 0,37x 9 + 0,20x ,16x ,19x 12 v 1 0 0,07x 3 + 0,01x 4 + 0,19x 5 + 0,07x 6 + x 7 + 0,63x 8 + 0,36x 9 + 0,07x ,05 + 0,13x 12 v 1 0 0,91x 1 + 0,91x 2 + 0,83x 4 + 0,99x 5 + 0,87x 6 + x 7 + 0,99x 8 + 0,69x 9 + 0,95x ,94x ,01x 12 v 2 0 0,93x 1 + 0,91x 2 + 0,94x 4 + 0,96x 5 + 0,98x 6 + x 7 + 1x 8 + 0,82x 9 + 0,96x ,96x ,97x 12 v x 2 + 0,55x 3 + 0,34x 4 + 0,23x 5 + 0,56x 6 + 0,21x 7 + 0,31x 8 + 1x 9 + 0,76x ,73x ,68x 12 v 2 0 0,55x 1 + 0,57x 2 + 0,66x 4 + 0,74x 5 + x 6 + 0,96x 7 + 0,91x 8 + 0,60x 9 + 0,74x ,73x ,57x 12 v 3 0 0,56x 1 + 0,54x 2 + 0,73x 4 + 0,87x 5 + 0,83x 6 + x 7 + 0,94x 8 + 0,69x 9 + 0,82x ,80x ,67x 12 v 3 0 0,96x 1 + 0,95x 2 + 0,98x 4 + x 5 + 0,99x 6 + x 7 + x 8 + 0,97x 9 + 0,99x ,99x ,98x 12 v 3 0 0,52x 1 + 0,77x 2 + 0,84x 3 + x 4 + 0,78x 5 + 0,69x 7 + 0,41x 8 + 0,60x 9 + 0,64x ,64x ,57x 12 v 4 0 x 1 + 0,38x 3 + 0,24x 4 + 0,15x 5 + 0,04x 6 + 0,03x 7 + 0,01x 8 + 0,29x 9 + 0,11x ,11x ,36x 12 v 4 0 0,59x 1 + 0,42x 2 + 0,57x 3 + x 4 + 0,80x 6 + 0,07x 7 + 0,18x 8 + 0,63x 9 + 0,70x ,70x ,50x 12 v 4 0 x 1 + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 + x 10 + x 11 + x 12 = 1 x i 0 (i = 1,,12) O raig formado pelo modelo, sem o uso do valor da iformação cosiderado os dados de 2012 como exemplo, levou ao seguite posicioameto cotábil das empresas ivestigadas. Quadro 2 Resultados de 2012 referetes a aplicação do modelo (pesos idêticos) Posição Empresa Variável Z * Estratégia 1ª Teo x 7 = 1 2,19 Pura 2ª Siderúrgica Nacioal x 9 = 0,502 2,05 Mista 3ª Ferbasa x 8 = 1 1,86 Pura 4ª Usimias x 12 = 1 1,70 Pura 5ª Gerdau x 10 = 1 1,67 Pura 6ª Gerdau Met x 11 = 0,689 1,63 Mista 7ª Paraapaema x 1 = 0,398 1,50 Mista 8ª Aliperti x 6 = 0,941 1,49 Mista 9ª Paatlâtica x 5 = 0,831 1,30 Mista 10ª Duque x 4 = 1 1,23 Pura 11ª Fibam x 2 = 0,522 0,97 Mista 12ª Magels x 3 = Fote: Dados da pesquisa. Da mesma forma foram determiados os posicioametos para os aos de 2009, 2010, 2011 e Desta forma apreseta-se abaixo os raigs do período aalisado. Quadro 3 Resultados gerais referetes a aplicação do modelo (pesos idêticos) Posição ª Sid. Nacioal Sid. Nacioal Teo Teo Teo 2ª Gerdau Met Teo Ferbasa Sid. Nacioal Paraapaema 3ª Gerdau Usimias Paraapaema Ferbasa Usimias 4ª Usimias Gerdau Met Paatlâtica Usimias Ferbasa 5ª Teo Ferbasa Gerdau Gerdau Paatlâtica 6ª Magels Gerdau Gerdau Met Gerdau Met Gerdau 7ª Fibam Magels Usimias Paraapaema Magels 8ª Ferbasa Duque Aliperti Aliperti Aliperti 9ª Paraapaema Paatlâtica Duque Paatlâtica Sid. Nacioal 10ª Paatlâtica Aliperti Sid. Nacioal Duque Gerdau Met 11ª Duque Fibam Fibam Fibam Fibam 12ª Aliperti Paraapaema Magels Magels - Fote: Dados da pesquisa.
11 O mesmo modelo, com a iclusão do valor da iformação, gerou o raig (R 2), apresetado a seguir. O Quadro 4 apreseta somete o posicioameto referete ao ao de 2012 para exemplificar. Quadro 4 Resultados de 2012 referetes a aplicação do modelo (com uso do valor da iformação) Posição Empresa Variável Z * Estratégia 1ª Teo x 7 = 1 0,67 Pura 2ª Ferbasa x 8 = 1 0,47 Pura 3ª Sid. Nacioal x 9 = 0,526 0,30 Mista 4ª Usimias x 12 = 0,738 0,29 Mista 5ª Paraapaema x 1 = 0,534 0,26 Mista 6ª Paatlâtica x 5 = 0,791 0,23 Mista 7ª Gerdau x 10 = 1 0,22 Pura 8ª Gerdau Met x 11 = 1 0,20 Pura 9ª Aliperti x 6 = 0,637 0,18 Mista 10ª Magels x 3 = 0,470 0,17 Mista 11ª Duque x 4 = 1 0,15 Pura 12ª Fibam x 2 = Fote: Dados da pesquisa. Em seguida apreseta-se o quadro completo, ou seja, a aálise realizada para todo o período. Quadro 5 Resultados gerais referetes a aplicação do modelo (com uso do valor da iformação) Posição ª Teo Teo Teo Teo Teo 2ª Ferbasa Ferbasa Ferbasa Ferbasa Ferbasa 3ª Sid. Nacioal Paatlâtica Paraapaema Sid. Nacioal Paraapaema 4ª Gerdau Usimias Paatlâtica Usimias Usimias 5ª Gerdau Met Paraapaema Usimias Paraapaema Paatlâtica 6ª Fibam Aliperi Gerdau Paatlâtica Gerdau 7ª Paraapaema Gerdau Aliperti Gerdau Magels 8ª Usimias Gerdau Met Gerdau Met Gerdau Met Sid. Nacioal 9ª Paatlâtica Fibam Sid. Nacioal Aliperti Aliperti 10ª Aliperti Sid. Nacioal Duque Magels Gerdau Met 11ª Duque Duque Fibam Duque Fibam 12ª Magels Magels Magels Fibam - Fote: Dados da pesquisa. Aalisado os Quadros 3 e 5, é possível verificar modificações o raig de posicioameto das empresas, cotudo, é ormal que essas modificações ocorram cosiderado a alteração dos idicadores o período. Destaca-se a oscilação a posição da maioria das empresas pesquisadas e também, a posição da empresa Teo, primeira classificada em todo o período aalisado pelo modelo 1 com utilização do valor da iformação. 5. Coclusão A classificação das empresas por meio de idicadores ecoômico-fiaceiros pode sem dúvida ser elaborada por estudiosos da cotabilidade, que por meio de seus métodos e técicas levam a raigs semelhates aos obtidos pela presete pesquisa. Etretato, o icremeto da cesta de idicadores, da amplicação do horizote temporal e iclusão de mais empresas o cojuto em ivestigação fará com que o ível de dificuldade aumete em forma diretamete proporcioal, iviabilizado a aálise frete as limitações do raciocíio humao dada a complexidade do ceário
12 em estudo. Daí a importâcia da elaboração de uma metodologia (cojuto de métodos) de auxílio à decisão. Diate dos resultados desta pesquisa pode-se afirmar que o objetivo foi alcaçado destacado-se de modo geral a empresa Teo. Destaca-se o fato do trabalho ser fortemete ispirado os trabalhos de Mila Zeley e por esta pesquisa atestar a possibilidade do uso da programação liear como ferrameta de classificação, em especial em ceários multicriteriais. Referêcias Bilbao, J. M.; Ferádez, F. R. (2002). Abstracts of the fifth spaish meetig o game theory ad applicatios. Uiversidad de Sevilla. Dimad, M. A; Dimad, R. W. (1996). The history of game theory, Volume I: from the begiigs to Lodo: Routledge. Ferádez, F. R.; Moroy, L. (2009). Multi-criteria simple games. I: V. Barichard et. al. Multiobjective programmig ad goal programmig: theoretical results ad practical applicatios. Berli Heidelberg: Sprig-Verlag. Ghose, D. B. (1991). A ecessary ad sufficiet coditio for Pareto-optimal security strategies i multicriteria matrix games. Joural of Optimizatio Theory ad Applicatios,. 68, p Ghose, D. B.; Prasad, U. R. (1989). Solutio cocepts i two-perso multicriteria games. Joural of Optimizatio Theory ad Applicatios, v. 63,. 2, p Nishizai, I.; Saawa, M. (2001). Fuzzy ad multiobjective games for coflict resolutio. New Yor: Physica-Verlag. Richardso, R. J. (1989) Pesquisa social: métodos e técicas. 2. ed. São Paulo: Atlas. Silveira, A. (Coord.). Roteiro básico para apresetação e editoração de teses, dissertações e moografias. 2. ed. rev., atual e ampl. Blumeau: Edifurb, Zeley, M. (1982). Multiple criteria decisio maig. New Yor: McGraw-Hill. Zeley, M. (1976). Games with multiple payoffs. Iteratioal Joural of Game Theory, v. 4,. 4, p
XLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL
JOGOS VETORIAIS COMO FERRAMENTA DE AVALIAÇÃO ECONÔMICO- FINANCEIRA: UM ESTUDO MULTICRITÉRIO Adriana Kroenke Universidade Regional de Blumenau FURB Rua Antônio da Veiga, 140 Blumenau- SC, CEP: 89012-900
Leia maisJogos Vetoriais no Posicionamento Contábil de Empresas de Siderurgia e Metalurgia listadas na BM&FBOVESPA
ISSN 0034-7140 (print) ISSN 1806-9134 (online) DOI 10.5935/0034-7140.20170021 Revista Brasileira de Economia, 71(4), 439 452 Jogos Vetoriais no Posicionamento Contábil de Empresas de Siderurgia e Metalurgia
Leia maisDeterminação do grau de eficácia de equipes de manutenção via Processo de Renovação Generalizado
XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a de Outubro de 2006 Determiação do grau de eficácia de equipes de mauteção via Processo de Reovação Geeralizado Márcio José das Chagas Moura (UFPE) marciocmoura@gmail.com
Leia mais5 Teoria dos Valores Extremos
Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos
Leia maisMÉTODOAHP NA ANÁLISE DAS DEMONSTRAÇÕES CONTÁBEIS DAS EMPRESAS DO SETOR METAL-MECÂNICO
R. Eletr. do Alto Vale do Itajaí REAVI, v. 4,. 5, p. I F, mar., 206. ISSN 236-490, DOI: 0.5965/236490040520505 Uiversidade do Estado de Sata Cataria MÉTODOAHP NA ANÁLISE DAS DEMONSTRAÇÕES CONTÁBEIS DAS
Leia maisO termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2
MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica
Leia mais5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
Leia maisNúmero-índice: Conceito, amostragem e construção de estimadores
Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela
Leia mais3. Seja C o conjunto dos números complexos. Defina a soma em C por
Eercícios Espaços vetoriais. Cosidere os vetores = (8 ) e = ( -) em. (a) Ecotre o comprimeto de cada vetor. (b) Seja = +. Determie o comprimeto de. Qual a relação etre seu comprimeto e a soma dos comprimetos
Leia maisFormas Normais. Dalton E. dos Santos, Kelvin E. Nogueira da Silva, Jorge L. dos Santos Ramos Jr.
Formas Normais Dalto E. dos Satos, Kelvi E. Nogueira da Silva, Jorge L. dos Satos Ramos Jr. Departameto de Iformática Uiversidade Tecológica Federal do Paraá (UTFPR) CEP: 80230-901 Curitiba PR Brasil daltoes@ms.com,
Leia maisSobre a unicidade de taxas internas de retorno positivas *
Sobre a uicidade de taxas iteras de retoro positivas * Clóvis de Faro ** 1. Itrodução; 2. A fução valor futuro; 3. Codição de suficiêcia baseada em uma propriedade da fução k(i); 4. Cofroto com as codições
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisCAPÍTULO 8 - Noções de técnicas de amostragem
INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma
Leia maisFORMAS QUADRÁTICAS. Esta forma quadrada pode ser reescrita em forma matricial, segundo:
PROGRAA DE ENGENHARIA QUÍICA/COPPE/UFRJ COQ 897- OIIZAÇÃO DE PROCESSOS- II/ FORAS QUADRÁICAS Em a epressão geral das formas quadráticas é: a a f (, ) cbb a, cujas derivadas parciais são: f(, ) b a a f(,
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisInduzindo a um bom entendimento do Princípio da Indução Finita
Iduzido a um bom etedimeto do Pricípio da Idução Fiita Jamil Ferreira (Apresetado a VI Ecotro Capixaba de Educação Matemática e utilizado como otas de aula para disciplias itrodutórias do curso de matemática)
Leia maisEFICIÊNCIA DOS GASTOS MUNICIPAIS EM EDUCAÇÃO NO BRASIL Priscila Fraiz de Paula 1, Evandro Rodrigues de Faria 2, Mariane Carolina do Vale Gomes 3
EFICIÊNCIA DOS GASTOS MUNICIPAIS EM EDUCAÇÃO NO BRASIL Priscila Fraiz de Paula 1, Evadro Rodrigues de Faria 2, Mariae Carolia do Vale Gomes 3 Resumo: A pesquisa objetivou avaliar quais são os fatores determiates
Leia maisO teste de McNemar. A tabela 2x2. Depois - Antes
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"
Leia maisMatriz de Contabilidade Social. Prof. Eduardo A. Haddad
Matriz de Cotabilidade Social Prof. Eduardo A. Haddad Fluxo circular da reda 2 Defiição 1 Sistema de dados desagregados, cosistetes e completos, que capta a iterdepedêcia existete detro do sistema socioecoômico
Leia maisA DESIGUALDADE DE CHEBYCHEV
A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisABORDAGEM PARA A SOLUÇÃO DE DESIGUALDADES VARIACIONAIS: A FUNÇÃO GAP
ABORDAGEM PARA A SOLUÇÃO DE DESIGUALDADES VARIACIONAIS: A FUNÇÃO GAP SARA MEIRA MOUTTA RABELO (UESC) saramoutta@hotmail.com gudelia g. morales de arica (UENF) gudelia@uef.br O trabalho apreseta uma descrição
Leia mais6. Modelagem Matemática para Solução por Método Exato
69 6. Modelagem Matemática para Solução por Método Exato Os primeiros modelos a tratarem do Problema de Programação da Produção datam das décadas de 50 e 60. Destes modelos, destacam-se os modelos propostos
Leia maisO jogo MAX_MIN - Estatístico
O jogo MAX_MIN - Estatístico José Marcos Lopes Resumo Apresetamos este trabalho um jogo (origial) de treiameto para fortalecer os coceitos de Média, Mediaa, Moda, Desvio Padrão e Desvio Médio da Estatística
Leia mais( ) III) ESPAÇOS VETORIAIS REAIS. Definição: Denomina-se espaço vetorial sobre os Reais (R) ao conjunto não vazio. 1) Existe uma adição:
Elemetos de Álgebra Liear ESPAÇOS VETORIAIS REAIS III) ESPAÇOS VETORIAIS REAIS Defiição: Deomia-se espaço vetorial sobre os Reais (R) ao cojuto ão vazio + : V V V ) Existe uma adição: com as seguites propriedades:
Leia maisMas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real.
Resumo. O estudo das séries de termos reais, estudado as disciplias de Aálise Matemática da grade geeralidade dos cursos técicos de liceciatura, é aqui estedido ao corpo complexo, bem como ao caso em que
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Desenvolvimento Multinomial. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Desevolvimeto Multiomial Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto 1 Desevolvimeto
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisBÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS. 1 a Edição
BÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS 1 a Edição Rio Grade 2017 Uiversidade Federal do Rio Grade - FURG NOTAS DE AULA DE CÁLCULO
Leia maisEscola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ
1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Leia maisO PARADOXO DE SIMPSON
O PARADOXO DE SIMPSON Valmir R. Silva Adre Toom PIBIC-UFPE-CNPq Itrodução A aálise cietífica de dados através da modelagem matemática é uma atividade idispesável a Teoria de Decisão. O mesmo coceito é
Leia maisProvas de Matemática Elementar - EAD. Período
Provas de Matemática Elemetar - EAD Período 01. Sérgio de Albuquerque Souza 4 de setembro de 014 UNIVERSIDADE FEDERAL DA PARAÍBA CCEN - Departameto de Matemática http://www.mat.ufpb.br/sergio 1 a Prova
Leia maisUMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA
ISBN 978-85-7846-516-2 UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA Resumo Alisso Herique dos Satos UEL Email: alisso_hs612@hotmail.com Ferada Felix Silva UEL Email: ferada.f.matematica@gmail.com
Leia maisPTC 2549 SISTEMAS TELEFÔNICOS
PTC 9 SISTMS TLFÔICOS GBRITO D PRIMIR LIST D RCÍCIOS /3/ Questão ) s ecessidades de comuicação etre duas localidades e B são de. e 3. chamadas por dia, para os setidos B e B respectivamete, com uma duração
Leia maisSumário 1 SISTEMAS LINEARES 2 2 SISTEMAS EQUIVALENTES 2 3 SISTEMAS ESCALONADOS 4 4 DISCUSSÃO E RESOLUÇÃO DE SISTEMAS LINEARES 6 5 MATRIZES 7
Sumário 1 SISTEMAS LINEARES 2 2 SISTEMAS EQUIVALENTES 2 3 SISTEMAS ESCALONADOS 4 4 DISCUSSÃO E RESOLUÇÃO DE SISTEMAS LINEARES 6 5 MATRIZES 7 6 OPERAÇÕES COM MATRIZES 7 7 MATRIZES INVERSÍVEIS 11 8 SISTEMAS
Leia maisCaderno de Exercício 2
1 Cadero de Exercício Estimação Potual e Itervalos de Cofiaça 1. Exercícios Aulas 1. Exercício 8.6 do livro Statistics for Ecoomics ad Busiess. O úmero de adares vedidos em cada dia por uma empresa imobiliária
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisCARACTERIZAÇÃO DO CONJUNTO EQUILIBRADOR PARA GRAFOS COM GAP NULO
CARACTERIZAÇÃO DO CONJUNTO EQUILIBRADOR PARA GRAFOS COM GAP NULO Maximiliao Pito Damas Programa de Egeharia de Produção Uiversidade Federal do Rio de Jaeiro e-mail: maxdamas@hotmailcom Lilia Markezo Núcleo
Leia mais2. COMBINAÇÃO LINEAR E DEPENDÊNCIA LINEAR DE VETORES
CAPITULO II COMBINAÇÃO LINEAR E DEPENDÊNCIA LINEAR DE VETORES Acreditamos que os coceitos de Combiação Liear (CL) e de Depedêcia Liear serão melhor etedidos se forem apresetados a partir de dois vetores
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisO PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO
O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO Sérgio Ferado Mayerle, Dr. UFSC / CTC / EPS - mayerle@eps.ufsc.br - Floriaópolis - SC Thiago Dedavid de Almeida Bastos
Leia maisParte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais
Capítulo 3: Gestão de stoques Curso de Admiistração de mpresas 2º Semestre 09 Disciplia: Admiistração da Logística e Patrimôio Capítulo 03: Gestão de estoques (Partes 3 e 4) Parte : Itrodução Parte 2:
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia mais. Dessa forma, quanto menor o MSE, mais a imagem
Uiversidade Federal de Perambuco CI / CCEN - Área II 1 o Exercício de Cálculo Numérico ( 18 / 06 / 2014 ) Aluo(a) 1- Questão 1 (2,5 potos) Cosidere uma imagem digital como uma matriz bidimesioal de dimesões
Leia maisProblema de Fluxo de Custo Mínimo
Problema de Fluo de Custo Míimo The Miimum Cost Flow Problem Fluo de Custo Míimo O Problema de Fluo de Custo Míimo (The Miimum Cost Flow Problem) Este problema possui papel pricipal etre os modelos de
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 04: Medidas de Posição (webercampos@gmail.com) . MÉDIA ARITMÉTICA : Para um cojuto de valores Média Aritmética Simples: xi p Média Aritmética Poderada: MÓDULO 04 - MEDIDAS
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisUniversidade do Estado do Amazonas
Uiversidade do Estado do Amazoas Professor Alessadro Moteiro 6 de Julho de 08 PROJETO DE EXTENSÃO Resoluções de Problemas de Aálise Real I 5º Ecotro/Parte I: Limites de Fuções 5. O Limite de uma Fução
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisCINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA
Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais
Leia maisCAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS
CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são
Leia maisMaterial Teórico - Módulo de ESTATÍSTICA. As Diferentes Médias. Primeiro Ano do Ensino Médio
Material Teórico - Módulo de ESTATÍSTICA As Diferetes Médias Primeiro Ao do Esio Médio Autor: Prof Atoio Camiha Muiz Neto Revisor: Prof Fracisco Bruo Holada Nesta aula, pausamos a discussão de Estatística
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisUMA INTRODUÇÃO À TEORIA DE PONTOS CRÍTICOS
UMA INTRODUÇÃO À TEORIA DE PONTOS CRÍTICOS INTRODUÇÃO Carlos Herique Togo e Atôio Carlos Nogueira Hoje em dia, um dos mais produtivos e atraetes ramos da Matemática é a Teoria de Sigularidades A Teoria
Leia maisSéquências e Séries Infinitas de Termos Constantes
Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates
Leia maisAULA Subespaço, Base e Dimensão Subespaço.
Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar
Leia maisA B C A e B A e C B e C A, B e C
2 O ANO EM Matemática I RAPHAEL LIMA Lista 6. Durate o desfile de Caraval das escolas de samba do Rio de Jaeiro em 207, uma empresa especializada em pesquisa de opiião etrevistou 40 foliões sobre qual
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisCAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE
CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas
Leia maisConstrução do anel de polinômios em uma indeterminada utilizando módulos
Costrução do ael de poliômios em uma idetermiada utilizado módulos Costructio of the rig of polyomials i oe idetermiate usig modules ISSN 2316-9664 Volume 12, jul. 2018 Christia José Satos Goçalves Uiversidade
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisétodos uméricos MÉTODO DOS MOMENTOS - MOM Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos MÉTODO DOS MOMETOS - MOM Prof. Erivelto Geraldo epomuceo PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA ELÉTRICA UIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CETRO FEDERAL DE EDUCAÇÃO TECOLÓGICA
Leia maisAutovalores na Análise de Modelos Matriciais Utilizando o Matlab
Autovalores a Aálise de odelos atriciais Utilizado o atlab Alessadra Fabia Sostisso 1 Eliete Biasotto Hauser 2 RESUO O pricipal objetivo deste trabalho é aalisar o comportameto de sistemas modelados matricialmete
Leia maisNúmeros primos, números compostos e o Teorema Fundamental da Aritmética
Polos Olímpicos de Treiameto Curso de Teoria dos Números - Nível 3 Carlos Gustavo Moreira Aula 4 Números primos, úmeros compostos e o Teorema Fudametal da Aritmética 1 O Teorema Fudametal da Aritmética
Leia maisAnálise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisCapítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA
Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação
Leia maisTransformação de similaridade
Trasformação de similaridade Relembrado bases e represetações, ós dissemos que dada uma base {q, q,..., q} o espaço real - dimesioal, qualquer vetor deste espaço pode ser escrito como:. Ou a forma matricial
Leia maisCEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO
CEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO MATERIAL DIDÁTICO IMPRESSO CURSO: Física DISCIPLINA: Iformática para o Esio de Física CONTEUDISTA: Carlos Eduardo Aguiar AULA
Leia mais1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos
9. Testes de Hipóteses 9.. Itrodução Uma hipótese pode defiir-se simplesmete como uma afirmação acerca de uma mais populações. Em geral, a hipótese se refere aos parâmetros da população sobre os quais
Leia maisAplicações lineares. Capítulo Seja T: a) Quais dos seguintes vectores estão em Im( T )? 1 i) 4. 3 iii) ii)
Capítulo Aplicações lieares Seja T: R R a multiplicação por 8 a) Quais dos seguites vectores estão em Im( T )? i) ii) 5 iii) b) Quais dos seguites vectores estão em Ker( T)? i) ii) iii) c) Qual a dimesão
Leia maisExercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?
1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de
Leia maisMATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho
MATEMÁTICA Professor Haroldo Filho MÓDULO 6 ESTATÍSTICA 1.1 ESTATÍSTICA É a ciêcia que utiliza a coleta de dados, sua classificação, sua apresetação, sua aálise e sua iterpretação para se tomar algum tipo
Leia maisarxiv: v1 [math.ho] 3 Sep 2014
Álbum de figurihas da Copa do Mudo: uma abordagem via Cadeias de Markov Leadro Morgado IMECC, Uiversidade Estadual de Campias arxiv:409.260v [math.ho] 3 Sep 204 Cosiderações iiciais 6 de maio de 204 Com
Leia maisINSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-44 Cálculo Diferecial e Itegral II (Escola Politécica) Terceira Lista de Exercícios - Professor: Equipe de Professores 0.1. Vide Lista,
Leia mais1. Revisão Matemática
Se x é um elemeto do cojuto Notação S: x S Especificação de um cojuto : S = xx satisfaz propriedadep Uião de dois cojutos S e T : S T Itersecção de dois cojutos S e T : S T existe ; para todo f : A B sigifica
Leia maise, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e
Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO PROFESSOR: CARLA SCHWENGBER TEN CATEN Teorema do limite cetral A soma (e sua média) de
Leia maisMEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS
MEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS Brua Gabriela Wedpap (PIBIC/CNPq-UNIOESTE), Miguel Agel Uribe- Opazo (Orietador), e-mail: mopazo@pq.cpq.br.
Leia maisCARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. CARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR Ruth Pereira Loureço (USP) ruth.p.loureco@gmail.com Lida Lee Ho
Leia maisObjetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,
Leia maisJorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2007.
Ageda Aálise e Técicas de Algoritmos Motivação para aálise de de algoritmos Aálise assitótica Algus exemplos simples Jorge Figueiredo Aálise de de Algoritmos Dois aspectos importates: Um problema pode,
Leia maisINFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões
INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela
Leia maisQuantificando os Fenômenos Biológicos
1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisA Computação e as Classificações da Ciência
A Computação e as Classificações da Ciêcia Ricardo de Almeida Falbo Metodologia de Pesquisa Departameto de Iformática Uiversidade Federal do Espírito Sato Ageda Classificações da Ciêcia A Computação e
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisDERIVADAS DE FUNÇÕES11
DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro
Leia maisUniversidade Federal Fluminense ICEx Volta Redonda Introdução a Matemática Superior Professora: Marina Sequeiros
3. Poliômios Defiição: Um poliômio ou fução poliomial P, a variável x, é toda expressão do tipo: P(x)=a x + a x +... a x + ax + a0, ode IN, a i, i = 0,,..., são úmeros reais chamados coeficietes e as parcelas
Leia maisAPLICAÇÃO NO ENSINO DE CÁLCULO NUMÉRICO NA ENGENHARIA DE ALIMENTOS: CONTROLE DO CRESCIMENTO MICROBIANO
APLICAÇÃO NO ENSINO DE CÁLCULO NUMÉRICO NA ENGENHARIA DE ALIMENOS: CONROLE DO CRESCIMENO MICROBIANO 1. INRODUÇÃO Quado os defrotamos com um problema que ão possui solução aalítica tora-se imprescidível
Leia mais