Var como uma medida de risco para modelos de estoque
|
|
- Vinícius Cesário Carvalhal
- 6 Há anos
- Visualizações:
Transcrição
1 Var como uma medida de risco para modelos de estoque José Roberto Securato Departamento de Administração da FEA-US atrícia rado Belfiore Escola olitécnica da US alavras-chave: Valor em Risco; Controle de Estoques; Otimização Tema do Trabalho: Custos e Tomada de Decisões Recursos audiovisuais: owerpoint
2 Var como uma medida de risco para modelos de estoque alavras-chave: Valor em Risco; Controle de Estoques; Otimização Tema do Trabalho: Custos e Tomada de Decisões Resumo Este trabalho mostra a aplicação do conceito valor em risco () no controle de estoques. é uma medida de risco bastante utilizada em finanças e também pode ser aplicada para modelos de estoque. A estimativa do pode ser feita através de modelos de probabilidade ou simulação. O modelo determina a quantidade ótima solicitada com base em uma demanda aleatória, com o objetivo de minimizar o custo esperado ou de maximizar o lucro esperado. O modelo será aplicado para um único período.
3 1. Introdução Os modelos de estoques tradicionais têm como objetivo minimizar o custo esperado. (Valor em Risco) é uma medida de risco utilizada em finanças, que significa a maior perda esperada, num determinado nível de confiança, dentro de um horizonte de planejamento. O intervalo de confiança utilizado geralmente varia entre 95% a 99%. Em relação ao horizonte de planejamento, pode-se adotar períodos curtos (de apenas um dia) ou períodos mais longos (de até um ano). Em finanças geralmente aplica-se para pequenos períodos. O Valor em Risco é medido em unidades monetárias, totalizando a perda máxima. Em função disto, a comunicação entre as pessoas foi facilitada. A facilidade de comunicação é uma das razões que contribuiu para a adoção do também nas indústrias. Cash Flow at Risk (CFaR) é o conceito de nas indústrias, que mede a máxima perda esperada em uma atividade industrial. O objetivo deste trabalho é estudar o conceito de aplicado aos modelos de estoques. A sequência do trabalho está organizada da seguinte forma: a seção mostra a aplicação de no controle de estoques, na seção 3 é feito um estudo de caso e na seção 4 estão as considerações finais.. aplicado a modelos de estoque Em finanças, é definido como a perda máxima dos ativos financeiros de uma carteira. Considerando R o retorno aleatório (em termos absolutos) de uma carteira em um horizonte k, com uma distribuição de probabilidade F, com um nível de confiança 1 d, o valor em risco da carteira ( v ) pode ser definido como: F ( v) r( R v) d (1) Em outras palavras, v é o percentil da distribuição dos retornos. Na política de estoques, ao invés dos retornos são utilizados ganhos ou custos. Neste caso é o percentil da distribuição de ganhos ou custos. F ( v) r( L v) d O objetivo na gestão de estoques é atender a demanda dos clientes de modo que não haja excesso e nem falta de estoques. Consideremos o problema abaixo:
4 ara um horizonte de planejamento T e um intervalo de confiança, podemos definir como a perda máxima esperada no horizonte T. também pode ser definido como a probabilidade da perda ( ) ser maior que v no horizonte de planejamento T : v ( v) T ( ) d () onde: T (.) - probabilidade definida ao longo do tempo T A probabilidade de perda pode ser definida como: v ( ) d (3) T No caso de distribuição normal a probabilidade de perda representa a volatilidade. freqüentemente é usado como ferramenta de risco contra a volatilidade. odemos estimar a medida de risco através de modelos de probabilidade ou simulação. Neste trabalho, o horizonte de planejamento estudado será de um único período. Consideremos uma empresa no qual o lucro originário da administração de estoques ( ) é uma variável aleatória denominada π ( ). Consideremos Q um lucro definido, que varia linearmente proporcional a um fator alfa (acima do lucro) e a outro fator beta (abaixo do lucro), temos que: [ π ( Q π ( Q] + βe[ Q π ( π ( Q ]; β α v αe (4) Acima de um período, o problema de otimização consiste em selecionar este valor, dado por: Max v Q α ( π ( Q) df + β ( Q π ( df (5) Q π Q π A solução é: α F π (Q) (6) α + β com: α (7) α + β e: 1 Q( F π ( ; ) (8)
5 O risco é determinado através da probabilidade, onde a preferência é não ganhar abaixo do nível Q. Uma política ótima de estoques pode ser obtida minimizando o. Em outras palavras o problema é: 1 minq( F π ( ; ) (9) 0 Assumindo que a função lucro tem uma distribuição de probabilidade normal com média Eπ ( ) e variância ( π ( )), o valor Q pode ser interpretado como o valor em risco. Desta forma temos que: E( π ( + Z ( π ( (10) com: 1 α α + β A quantidade ótima de estoque inicial é definida maximizando o : Max E( π ( + Z1 var( π ( (11) 0 onde: α α + β O valor máximo de é a maior tolerância possível dentro do risco especificado. 3. Computando e estimando o Consideremos um problema de estoque que tem como função custo a equação abaixo: [ ( Q Q] + αe[ Q Q] v β E C ) (1) onde Q é o custo de estoque pré-definido. Minimizando v Q temos: ( C Q) FC ( Q) λ, λ β /( α + β ), λ (13)
6 e 1 Q ( F ; (14) ( ) C Da equação (14) temos: Min 1 Q( FC ; 0 ( ) (15) O custo de estoque pode ser definido como: C ( c + h max(,0) + vmax(,0) (16) onde: estoque inicial demanda aleatória com distribuição de probabilidade conhecida c custo de pedido h custo de estocagem v custo de falta de produto Se fôssemos considerar a função lucro na equação (16) teríamos: π ( ) p min(, c h max(,0) vmax(,0) (17) onde: p - preço de venda O custo esperado para um único período pode ser definido como: E ( c + h ( ) df + v ( df (18) 0 ou: ˆ (19) E( c + (h + v)f + v( (h + v)f 1, Da equação (19) temos: E( c + ( h + v) F v (0) O custo mínimo pode ser obtido abaixo:
7 E( v c 0 F ( (1) ( v + h) que resulta em um problema de estoque de único período. A variância do custo é: Var [ + h max(,0) + vmax(,0) ] [ E( C ( ))] () ( E c Da equação () obtém-se: var( ( v h)( h + v + c) F (h + v) Derivando temos: ( v h ) F [ F ( F1 )] ( h v) ( v c) vˆ )[ F F1 ] v [ E( ) ˆ, + + +, + ] var( E( E(, [ c + v ] v( v + c) ˆ ( v h) ( h + v + c) + ( v h)( h + v + c) F 1, [ F + ( h + v + c) F ] 1, (3) (4) A equação (4) combinada com as equações (15) e (19) determinam a política ótima de estoques. Embora a solução analítica não seja possível, a mesma pode ser calculada numericamente. Uma empresa possui os seguintes parâmetros de custo: c1, h, v6 e demanda uniforme (0,M) com M60, então: [ E( ) ˆ ] var( 40 F 0F + 7F [ F ( F )] + 16( 5 + 6ˆ )[ F F ] 1,, 1, 1, (5) F ( M ; 3 F ( ;F ( 1, M, 3M odemos assim calcular a política ótima de estoques numericamente. ara os valores de (0;0.05;0.1;0.15;0.) a quantidade ótima de estoques é: (37.5; 39; 40.5; 4; 44) respectivamente.
8 4. Conclusões O objetivo deste trabalho foi aplicar a medida de risco no controle de estoques. O modelo é difícil de ser resolvido analiticamente mas pode ser facilmente resolvido numericamente ou através de simulação. Este trabalho mostra o elo entre as áreas de finanças e operações. Da mesma forma que o conceito de foi aplicado em estoques, pode ser estendido para outras áreas como qualidade, etc, no qual o conceito de risco é importante. Este modelo pode ser estendido para modelos multi-períodos.
9 Referências Bibliográficas Bell D.E., 198, Regret in decision making under uncertaint, Operations Research, 30, Bell D.E., 1983, Risk premiums for decision regrets, Management Science, 9, Bell D.E., 1985, Disappointment in decision making under uncertaint, Operation Research, 33, 1-7 Gul, Faruk A Theor of Disappointment Aversion, Econometrica 59, Jia J. and J.S. Der, 1995, Risk-Value Theor, Department of Management Science and Information Sstems, The Graduate School of Business, Universit of Texas, Austin, Working aper, 94/ Jorion., 1996, Risk^: Measuring the Risk in Value at Risk, Financial Analst Journal, November/December Jorion., 1997, Value at Risk: The New Benchmark for Controlling Market Risk, Irwin, Chicago Kreps D., 1979, A representation theorem for preference for flexibilit, Econometrica, 47, Loomes G. and R. Sugden, 198, Regret Theor: An alternative to rational choice under uncertaint, Economic Journal, 9, Loomes G. and R. Sugden, 1987, Some implications of a more general form of regret theor, Journal of Economic Theor, 41, Luciano E., eccati L. and Cifarelli D. M., 003, as a risk measure for multiperiod static inventor models, International Journal of roduction Economics, 81-8, Ritchken. and C.S. Tapiero, 1986, Contingent claim contracts and inventor control, Operation Research, 34, Savage L.J., The Foundations of Statistics, Wile, 1954 Tapiero C.S., 000, Ex-ost Inventor Control, International Journal of roduction Research, April Tapiero C.S., Value at Risk and Inventor Control, B.. 105, 9501 Cerg ontoise, France
5 MEDIDAS DE RISCO 5.1 INTRODUÇÃO
5 MEDIDAS DE RISCO 5.1 INTRODUÇÃO Neste capítulo, são apresentadas as medidas de risco usadas no setor elétrico e em finanças, analisando as propriedades da definição de medida de risco coerente [30].
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisTema: Estimar um modelo para medir o risco sistemático das carteiras no mercado brasileiro utilizando o fator mercado e medidas de liquidez.
Aluno: Rafael Milanesi Caldeira Professor Orientador: Adriana Bruscato Bortoluzzo Tema: Estimar um modelo para medir o risco sistemático das carteiras no mercado brasileiro utilizando o fator mercado e
Leia maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia maisPesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear
Pesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear Introdução à Pesquisa Operacional Origens militares Segunda guerra mundial Aplicada na alocação de
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisRiskControl Serviços Ltda Curso de Gestão de Riscos - Petrobrás Gestão de Risco em Empresas Não Financeiras. Rio de Janeiro - Maio de 2006
RiskControl Serviços Ltda Curso de Gestão de Riscos - Petrobrás Gestão de Risco em Empresas Não Financeiras Rio de Janeiro - Maio de 2006 VaR para Empresas Como deve ser a adaptação do conceito de VaR
Leia maisAnálise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013
Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos
Leia maisPESQUISA OPERACIONAL. UNIDADE 1 Introdução à Pesquisa Operacional. Prof. Me. Carlos Guimarães
PESQUISA OPERACIONAL UNIDADE 1 Introdução à Pesquisa Operacional Prof. Me. Carlos Guimarães Objetivo Introduzir o tema Pesquisa Operacional por meio da apresentação: Da sua origem; Das sociedades profissionais
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia maisENTENDENDO OS CONCEITOS DE RISCO E RETORNO - (Parte II)
ENTENDENDO OS CONCEITOS DE RISCO E RETORNO - (Parte II)! Como calcular o retorno usando dados históricos?! Como calcular a variância e o desvio padrão?! A análise do retorno através da projeção de retornos
Leia maisDocumentação Técnica Opções Flexíveis sobre Taxa de Câmbio
Documentação Técnica Opções Flexíveis sobre Taxa de Câmbio Ref.: CETIP-RANGER-DT-0001/006 maio de 006 Criação: 30/03/006 Última revisão: 5/04/006 Impressão: 05/05/006 1. INTRODUÇÃO...3. ETAPAS...3.1. ASSUME-SE
Leia mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO E TRANSPORTES
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO E TRANSPORTES Conteúdos dos tópicos das provas de seleção para o mestrado acadêmico 2005 I. TÓPICOS
Leia maisP. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)
Amostragem: Em pesquisas científicas, quando se deseja conhecer características de uma população, é comum se observar apenas uma amostra de seus elementos e, a partir dos resultados dessa amostra, obter
Leia mais3 Métricas para Gerenciamento de Riscos em Empresas Não Financeiras
24 3 Métricas para Gerenciamento de Riscos em Empresas Não Financeiras Neste capítulo são apresentadas algumas métricas utilizadas em gerenciamento de riscos em companhias não financeiras, fazendo um resumo
Leia maisConsidere os portfolios X, Y e Z, abaixo, caracterizados pelas respectivas distribuições de probabilidades:
Fundação Getulio Vargas Curso de Graduação Disciplina: Estatística Professor: Moisés Balassiano 1. Investidores geralmente constroem portfolios, ou carteiras, contendo diversas aplicações financeiras.
Leia maisCap. 4- Interpolação Numérica Definições. Censos de BH. Qual o número de habitantes na cidade de Belo Horizonte em 1975?
Cap. 4- Interpolação Numérica 4.1. Definições Censos de BH População em BH (Habitantes,5,,, 1,5, 1,, 5, 194 196 198 Ano Ano 195 196 197 198 1991 1996 1 No. habitantes 5.74 68.98 1.5. 1.78.855..161.91.71.8.56.75.444
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisCurso Profissional de Nível Secundário
Curso Profissional de Nível Secundário Técnico Auxiliar de Saúde 2 TAS Ano Letivo: 2014/2015 Matemática (200 horas) 11º Ano PLANIFICAÇÃO A LONGO PRAZO A7 Probabilidades Fenómenos aleatórios. 2 aulas Argumento
Leia maisMANUAL DE RISCOS DE MERCADO Modal Administradora de Recursos Ltda. - MAR
MANUAL DE RISCOS DE MERCADO Modal Administradora de Recursos Ltda. - MAR Última atualização: Junho / 2016 EXCLUSIVO PARA USO INTERNO Produzido pelas áreas de Risco Operacional e Compliance, Controladoria
Leia maisVERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE ORGANIZAÇÕES PROCESSO SELETIVO DOUTORADO - TURMA 20 VERSÃO
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíveis resultados de um experimento. Evento é qualquer subconjunto do espaço amostral. Evento combinado: Possui duas
Leia maisI - Introdução à Simulação
1 I - Introdução à Simulação Simulação é, entendida como a imitação de uma operação ou de um processo do mundo real. A simulação envolve a geração de uma história artificial de um sistema para a análise
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisRESENHA DO ARTIGO TEORIA DE PORTFÓLIO: COMPOSIÇÃO ÓTIMA DE UMA CARTEIRA DE INVESTIMENTO.
RESENHA DO ARTIGO TEORIA DE PORTFÓLIO: COMPOSIÇÃO ÓTIMA DE UMA CARTEIRA DE INVESTIMENTO. RESUMO Natalia de Cassia Moreira Graduanda em Engenharia de Produção Faculdade de Ciências Sociais Aplicadas de
Leia maisGerenciamento de Risco
2010 Gerenciamento de Risco Nota Técnica 03 Diretoria de Investimentos Previ-Rio 09/2010 Nota técnica 03 Gerenciamento de Risco O gerenciamento de risco é um instrumento essencial para a otimização do
Leia maisFernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisAnálise e avaliação do Prêmio de Risco nos mercados acionários brasileiro e americano
Luciano Snel Corrêa Análise e avaliação do Prêmio de Risco nos mercados acionários brasileiro e americano Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de
Leia maisModelos discretos e contínuos
Modelos discretos e contínuos Joaquim Neto joaquim.neto@ufjf.edu.br Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF Versão 3.0 1
Leia maisEstimativas e Tamanhos de Amostras
Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para
Leia maisMORE INVEST GESTORA DE RECURSOS Manual de Risco de Mercado. Versão: Setembro de 2015
MORE INVEST GESTORA DE RECURSOS Manual de Risco de Mercado Versão: Setembro de 2015 Sumário Objetivo... 3 Estrutura... 3 Risco de Mercado... 4 Política de Risco de Mercado... 4 Rotina Diária... 4 Metodologias
Leia maisESCOLA SECUNDÁRIA DE LOUSADA
ESCOLA SECUNDÁRIA DE LOUSADA 2012 2013 PLANIFICAÇÃO DA DISCIPLINA DE MATEMÁTICA Curso Profissional de Técnico de Multimédia ELENCO MODULAR A7 Probabilidades 28 A6 Taxa de variação 36 A9 Funções de crescimento
Leia mais4 Análise de Confiabilidade em Sistemas de Potência
4 Análise de Confiabilidade em Sistemas de Potência 4.. Introdução Qualquer sistema de potência está sujeito à falhas em seus equipamentos, que muitas vezes não podem ser previstas. Estas falhas podem
Leia maisComércio numa cidade
Comércio numa cidade Alberto A. Pinto a,c, Telmo Parreira b,c a Departamento de Matemática, Faculdade de Ciências, Universidade do Porto, Portugal b Universidade do Minho, Portugal c LIAAD-INESC Porto
Leia mais3 Técnicas de Otimização de Carteiras
3 Técnicas de Otimização de Carteiras Nesse capítulo apresentamos o modelo de Markowitz para seleção de carteiras e algumas outras alternativas propostas na literatura. 3.1 Modelo de Média-Variância Em
Leia maisRisco. Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol.
Risco Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol. Definição: A probabilidade de um resultado (de uma lotaria) é a possibilidade
Leia maisTeoria das Desições Financeiras II p.1/15
Teoria das Desições Financeiras II José Fajardo Barbachan IBMEC Business School Rio de Janeiro Teoria das Desições Financeiras II p.1/15 Probabilidade para Finanças Teoria das Desições Financeiras II p.2/15
Leia maisAula 2 Amplificadores de Pequenos Sinais Capacitores de Acoplamento e de Desvio
Aula 2 Amplificadores de Pequenos Sinais Capacitores de Acoplamento e de Desvio Prof. Dr. Hugo Valadares Siqueira Princípio da Superposição O Princípio da Superposição para circuitos elétricos contendo
Leia maisMetodologia de gestão de Risco de Mercado
Metodologia de gestão de Risco de Mercado Data Criação: Ago/11 Data última revisão: Jun/13 1 Sumário 1. Introdução... 3 2. Risco de mercado... 3 3. Métodos de gerenciamento de risco... 3 4. Controle de
Leia maisSoluções da Colectânea de Exercícios
Soluções da Colectânea de Exercícios (Edição de Fevereiro de 2003) Capítulo 1 1.1 d) x = 3.167; s = 0.886 (dados não agrupados) e) mediana = x = 3.25; q 1 = 2.4 ; q 3 = 3.9 1.2 a) x = 2.866 ; x = 3; moda
Leia maisPESQUISA OPERACIONAL APLICADA A LOGÍSTICA
PESQUISA OPERACIONAL APLICADA A LOGÍSTICA Pós-Graduação em Logística e Supply Chain Valdick Sales 1 APRESENTAÇÃO Valdick sales Graduado em Ciência da Computação pela UFPE. Pós-Graduado em Redes e Banco
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho julho/2014 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia mais4 Modelagem em Árvore
MODELAGEM EM ÁRVORE 39 4 Modelagem em Árvore 4.1 Introdução A modelagem por árvore de cenários é uma forma usual de representação de incertezas em problemas estocásticos multi-período [9, 14, 28, 42, 43].
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia maisICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof.
ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim 1 de 6 Pessoal, segue a resolução das questões de Estatística da prova realizada pela SEFAZ-PE, para o cargo de Auditor Fiscal do Tesouro
Leia mais6 Intervalos de confiança
6 Intervalos de confiança Estatística Aplicada Larson Farber Seção 6.1 Intervalos de confiança para a média (amostras grandes) Estimativa pontual DEFINIÇÃO: Uma estimativa pontual é a estimativa de um
Leia maisProgramação Dinâmica: Modelos Determinísticos
Programação Dinâmica: Modelos Determinísticos Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP www.feg.unesp.br/~fmarins fmarins@feg.unesp.br
Leia maisRepresentação de Aversão a Risco no Planejamento da Operação e Formação do PLD. São Paulo Junho de 2016
Representação de Aversão a Risco no Planejamento da Operação e Formação do PLD São Paulo Junho de 2016 Agenda 1) Contextualização 2) Teoria e Conceitos Técnicas de Representação da Aversão a Risco (Mercado
Leia maisRespostas. Resposta 1: Considerando que o objetivo é calcular a proporção de hipertensos, recorremos à fórmula abaixo:
Deseja-se saber a proporção de pacientes com hipertensão arterial entre os pacientes de um ambulatório de diabetes mellitus. Estudos anteriores de diabetes têm encontrado uma proporção de 18,5%. 1. Qual
Leia maisExercícios. Finanças Benjamin M. Tabak
Exercícios Finanças Benjamin M. Tabak ESAF BACEN - 2002 Uma carteira de ações é formada pelos seguintes ativos: Ações Retorno esperado Desvio Padrão Beta A 18% 16% 1,10 B 22% 15% 0,90 Também se sabe que
Leia maisPesquisa Operacional. Introdução à Pesquisa Operacional
Pesquisa Operacional Introdução à Pesquisa Operacional 1 PESQUISA OPERACIONAL PO Sumário Origens A natureza O impacto Principais sociedades profissionais ligadas à PO Algumas publicações científicas ligadas
Leia maisPESQUISA OPERACIONAL. Fabiano F. T. dos Santos. Instituto de Matemática e Estatística
PESQUISA OPERACIONAL Fabiano F. T. dos Santos Instituto de Matemática e Estatística Dualidade em Programação Linear Todo problema de programação linear, que chamaremos de primal, traz consigo um segundo
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia maisTP052-PESQUISA OPERACIONAL I Introdução. Prof. Volmir Wilhelm Curitiba, Paraná, Brasil
TP052-PESQUISA OPERACIONAL I Introdução Prof. Volmir Wilhelm Curitiba, Paraná, Brasil TP052-PESQUISA OPERACIONAL I Ementa Revisão de Álgebra Linear. Modelos de Programação Linear. O Método Simplex. O Problema
Leia maisAVALIAÇÃO DE DESEMPENHO DE DIVISÕES B R I C K L E Y, S M I T H E Z I M M E R M A N
AVALIAÇÃO DE DESEMPENHO DE DIVISÕES B R I C K L E Y, S M I T H E Z I M M E R M A N Avaliação de desempenho de divisões ORGANIZAÇÕES podem ser divididas em sub unidades, que possuem alguns direitos de decisão
Leia maisUniversidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria-PPGEAB Prova de Conhecimentos Específicos
-PPGEAB Dados que podem ser necessários na resolução de algumas questões: Quantis de distribuições P (t > t α ) = α P (F > F 0,05 ) = 0, 05 ν 1 ν 0,05 0,025 ν 2 42 43 56 57 89 1,66 1,99 42 1,67 1,67 1,63
Leia mais3 Operação das Térmicas e Sistemas Hidrotérmicos
3 Operação das Térmicas e Sistemas Hidrotérmicos 3.1 Sistemas Hidrotérmicos 3.1.1 Custos de oportunidade À primeira vista, as usinas hidrelétricas seriam sempre acionadas primeiro no despacho econômico,
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Amostragem estratificada Divisão da população em
Leia mais2014 RJ Gestão de riscos como geração de valor e defesa contra crises
2014 RJ Gestão de riscos como geração de valor e defesa contra crises Visão do Financiador e Investidor Institucional Renê Sanda Membro do Conselho de Administração da CPFL e do FGC Comunidade de Conselheiros
Leia maisNT 206. Distribuições Estatísticas aplicadas ao tráfego. Engº: Sun Hsien Ming. a) f(x) 0 (1) 1. Introdução
NT 206 Distribuições Estatísticas aplicadas ao tráfego Engº: Sun Hsien Ming 1. Introdução Durante os trabalhos para desenvolver o Manual de Critérios de Implantação de Semáforos, houve a necessidade de
Leia maisDETERMINAÇÃO EXPERIMENTAL DA ACELERAÇÃO DE CORPOS EM QUEDA SELEÇÃO DE INSTRU- MENTOS
DETERMINAÇÃO EXPERIMENTAL DA ACELERAÇÃO DE CORPOS EM QUEDA SELEÇÃO DE INSTRU- MENTOS Sandra Maria Couto Moreira Ronaldo Luiz Neves Pinheiro Luiz Carlos de Alvarenga Depto. de Física UFV Viçosa MG I. Introdução
Leia maisMetodologia para Avaliação do Grau de Consistência da Gestão de Fundos de Investimentos
Metodologia para Avaliação do Grau de Consistência da Gestão de Fundos de Investimentos 1. Introdução Examinando o termo PERFORMANCE podemos entendê-lo como atuação ou desempenho sendo, em geral, acompanhado
Leia maisEquações diferenciais ordinárias
Departamento de Física Universidade Federal da Paraíba 24 de Junho de 2009 Motivação Problemas envolvendo equações diferenciais são muito comuns em física Exceto pelos mais simples, que podemos resolver
Leia maisRisco de Portfólios em Múltiplas Frequências
Risco de Portfólios em Múltiplas Frequências Joana Ramos FCUP 25 de Janeiro de 2013 Joana Ramos (FCUP) Risco de Portfólios em Múltiplas Frequências 25 de Janeiro de 2013 1 / 26 Abstract Portfolio risk
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Planejamentos Fatoriais Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Planejamento Fatorial Fatores ou Variáveis Temperatura
Leia maisProgramação Matemática Lista 3
Programação Matemática Lista 3. Coloque na forma padrão os seguintes problemas de programação linear: a) Maximizar X 7 X + 8 X 3 +X 4 X + X X 3 + X 4 4 X + X 3 9 X + X 3 + X 4 6 X 0, X 0, X 3 0, X 4 0
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade 1 Aspectos Gerais 2 Variáveis Aleatórias 3 Distribuições de Probabilidade Binomiais 4 Média e Variância da Distribuição Binomial 5 Distribuição de Poisson 1 1 Aspectos Gerais
Leia maisZeros de Polinômios. 1 Resultados Básicos. Iguer Luis Domini dos Santos 1, Geraldo Nunes Silva 2
Zeros de Polinômios Iguer Luis Domini dos Santos, Geraldo Nunes Silva 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP, Brazil, iguerluis@hotmail.com 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP,Brazil,
Leia maisLista de Exercícios 1 - Otimização Linear Prof. Silvio Alexandre de Araujo. Construção de Modelos e Solução Gráfica
Lista de Exercícios 1 - Otimização Linear Prof. Silvio Alexandre de Araujo Construção de Modelos e Solução Gráfica 1) - Estudar Capítulo 1 do livro texto; - Estudar Capítulo 2 do livro texto (seções 2.1,
Leia maisSistemas de equações lineares
É um dos modelos mais u3lizados para representar diversos problemas de Engenharia (cálculo estrutural, circuitos elétricos, processos químicos etc.) Conservação da carga: i 1 i 2 i 3 = 0 i 3 i 4 i 5 =
Leia maisUMA INTRODUÇÃO AOS CONCEITOS DE GESTÃO ABSOLUTA E RELATIVA DE INVESTIMENTOS. Ney Roberto Ottoni de Brito
UMA INTRODUÇÃO AOS CONCEITOS DE GESTÃO ABSOLUTA E RELATIVA DE INVESTIMENTOS Ney Roberto Ottoni de Brito Junho 2005 I. INTRODUÇÃO Este trabalho objetiva apresentar os conceitos de gestão absoluta e de gestão
Leia maisBOLETIM CLIMATOLÓGICO TRIMESTRAL DA ESTAÇÃO METEOROLÓGICA DO IAG/USP - DJF 2013/ VERÃO -
BOLETIM CLIMATOLÓGICO TRIMESTRAL DA ESTAÇÃO METEOROLÓGICA DO IAG/USP - DJF 2013/2014 - - VERÃO - Seção Técnica de Serviços Meteorológicos Instituto de Astronomia, Geofísica e Ciências Atmosféricas. Universidade
Leia mais2 FORMAÇÃO DE PREÇOS NO MERCADO DE CURTO PRAZO
FORMAÇÃO DE PREÇOS NO MERCADO DE CURTO PRAZO 19 2 FORMAÇÃO DE PREÇOS NO MERCADO DE CURTO PRAZO Este capítulo discute o cálculo da produção de energia de cada gerador, hidrelétrico e térmico, ao longo do
Leia maisJorge Luiz Moretti de Souza 2, José Antônio Frizzone 3
OPÇÃO DE VENDA TRIMESTRAL DO CAFÉ BENEFICIADO, EM UM MODELO DE SIMULAÇÃO APLICADO AO PLANEJAMENTO DE PROJETOS DE IRRIGAÇÃO PARA A CULTURA DO CAFEEIRO 1 Jorge Luiz Moretti de Souza 2, José Antônio Frizzone
Leia maisMatemática Ensino Médio Anotações de aula Estatística Marco Polo
Matemática Ensino Médio Anotações de aula Estatística Marco Polo Prof. José Carlos Ferreira da Silva 2016 1 ÍNDICE ESTATÍSTICA Introdução... 04 Conceitos preliminares...04 Distribuição de frequência unitárias...
Leia mais7. Diferenciação Implícita
7. Diferenciação Implícita ` Sempre que temos uma função escrita na forma = f(), dizemos que é uma função eplícita de, pois podemos isolar a variável dependente de um lado e a epressão da função do outro.
Leia maisINSTITUTO DE PREVIDÊNCIA DOS SERVIDORES MUNICIPAIS DE NANUQUE Fevereiro/2014 RELATÓRIO DE DESEMPENHO MENSAL Em atendimento a Resolução CMN 3.922/10 de acordo com os artigos: Art. 4º. Os responsáveis
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho agosto/2013 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisESTRUTURA E ANÁLISE DE CUSTOS. Princípios da Contabilidade de Custos Finalidade; Objetivos e enfoque (gerencial, formal e aspectos legais) 18/02/2016
ESTRUTURA E ANÁLISE DE CUSTOS Princípios da Contabilidade de Custos Finalidade; Objetivos e enfoque (gerencial, formal e aspectos legais) 18/02/2016 CONTABILIDADE X CUSTOS Contabilidade é a ciência que
Leia mais4 Modelo da mistura de carvões
4 Modelo da mistura de carvões É imprescindível que se conheça com profundidade o problema a ser resolvido ou estudado e que se saiba com precisão quais são as variáveis, quais são os parâmetros e restrições
Leia maisConsidere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas
Leia maisGabarito da 1 a Lista de Exercícios de Econometria II
Gabarito da 1 a Lista de Exercícios de Econometria II Professor: Rogério Silva Mattos Monitor: Delano H. A. Cortez Questão 1 Considerando que o modelo verdadeiro inicialmente seja o seguinte: C = a + 2Y
Leia mais2. METODOLOGIA DE PESQUISA
2. METODOLOGIA DE PESQUISA O presente capítulo apresenta a metodologia de pesquisa proposta e procura-se dar uma visão geral do que será feito para atingir os objetivos. Está dividido em seis partes: i)
Leia maisAPLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS
APLICAÇÃO DE NÚMEROS FUZZY TRIANGULARES EM ANÁLISES DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA - MÉTODO BASEADO NA TEORIA DOS JOGOS Alexandre Ferreira de Pinho, Mestrando Escola Federal de Engenharia de
Leia maisBOLETIM CLIMATOLÓGICO TRIMESTRAL DA ESTAÇÃO METEOROLÓGICA DO IAG/USP - Dez/ Jan/ Fev/ Verão -
BOLETIM CLIMATOLÓGICO TRIMESTRAL DA ESTAÇÃO METEOROLÓGICA DO IAG/USP - Dez/2014 - Jan/2015 - Fev/2015 - - Verão - Seção Técnica de Serviços Meteorológicos Instituto de Astronomia, Geofísica e Ciências
Leia maisAula 3 Distribuição de Frequências.
1 Estatística e Probabilidade Aula 3 Distribuição de Frequências. Professor Luciano Nóbrega Distribuição de frequência 2 Definições Básicas Dados Brutos são os dados originais que ainda não foram numericamente
Leia maisEST029 Cálculo de Probabilidade I Cap. 6: Caracterização Adicional de Variáveis Aleatórias
EST029 Cálculo de Probabilidade I Cap. 6: Caracterização Adicional de Variáveis Aleatórias Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Motivação Suponha que tenhamos um experimento onde a probabilidade
Leia maisInstrumentação Industrial. Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição
Instrumentação Industrial Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição Introdução a Metrologia O que significa dizer: O comprimento desta régua é 30cm. A temperatura
Leia maisPlanificação a médio e longo prazo. Matemática B. 11º Ano de escolaridade. Total de aulas previstas: 193. Ano letivo 2015/2016
Planificação a médio e longo prazo Matemática B 11º Ano de escolaridade. Total de aulas previstas: 193 Ano letivo 2015/2016 Professor responsável: Paulo Sousa I O programa Matemática B do 11º Ano - Página
Leia maisPESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc.
PESQUISA EM MERCADO DE CAPITAIS Prof. Patricia Maria Bortolon, D. Sc. Cap. 13 O Modelo Padrão de Precificação dos Ativos ELTON, E.; GRUBER, M.; BROWN, S., GOETZMANN, W. Moderna Teoria de Carteiras e Análise
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia maisPopulação e Amostra. População: O conjunto de todas as coisas que se pretende estudar. Representada por tudo o que está no interior do desenho.
População e Amostra De importância fundamental para toda a análise estatística é a relação entre amostra e população. Praticamente todas as técnicas a serem discutidas neste curso consistem de métodos
Leia maisExponencial de uma matriz
Exponencial de uma matriz Ulysses Sodré Londrina-PR, 21 de Agosto de 2001; Arquivo: expa.tex Conteúdo 1 Introdução à exponencial de uma matriz 2 2 Polinômio característico, autovalores e autovetores 2
Leia maisDO RISCO DE MERCADO PARA UMA CARTEIRA DE AÇÕES
Bradesco RISK MANAGEMENT Corretora São Paulo, 10 de Junho de 1999 BERNARDO ALONSO S. GARCIA + 55.11.35.9631 5900.analise@bradesco.com.br INTRODUÇÃO Este trabalho tem por objetivo analisar o cálculo do
Leia mais