RACIONALIDADE DOS AGRICULTORES: QUE DIZEM OS DADOS?

Tamanho: px
Começar a partir da página:

Download "RACIONALIDADE DOS AGRICULTORES: QUE DIZEM OS DADOS?"

Transcrição

1 Elseu Alves ISSN RACIONALIDADE DOS AGRICULTORES: QUE DIZEM OS DADOS? Elseu Alves 1 Resumo - Os dados com os quas os economstas trabalham foram gerados por agentes que tomaram decsões baseadas no conhecmento que tveram dos mercados, de tecnologas e de como se comportam perante o rsco. Numa economa compettva, o mercado nduz à busca da máxma efcênca, que se traduz na mnmzação de custo, quando o nível de produção é fxado, ou na maxmzação da renda líquda, quando se dexa aquela restrção de lado. É claro que, no nível de produção correspondente à renda líquda máxma, o custo é também mínmo. Assm, é pertnente perguntar se os dados revelam que os produtores mnmzam custo ou maxmzam a renda líquda, e que mplcações sto tem na exstênca da função custo e de produção. Este trabalho procura responder a estas questões, numa exposção em que se realçam concetos, dexando de lado a demonstração de teoremas. Palavras-chave: Custo, renda líquda, agrcultura. 1. Introdução O camnho comum de quem quer conhecer a função de produção ou de custo é estmar, dretamente, uma fórmula prevamente escolhda e verfcar o comportamento estatístco desta. Os dados foram gerados pelos produtores, de acordo com as regras de comportamento que seguem, com o conhecmento que têm dos métodos de produção, dos preços de produtos e nsumos, e, anda, obedecendo-se às restrções que não podem remover. É possível que as observações sejam ncompatíves com a função custo ou de produção; assm, os resultados estatístcos do modelo padecem de um víco de orgem, que será dscutdo neste trabalho. 1 Elseu Alves é pesqusador da Embrapa. Recebdo em 05/11/2003 Aceto em 01/12/

2 REVISTA DE ECONOMIA E AGRONEGÓCIO, VOL.1, Nº 4 Na prátca, os dados não respetam totalmente as condções teórcas, embora seja possível perturbá-los, de modo que se conformem com elas. A questão é saber qual é a magntude acetável para a perturbação e que crtéros devem ser obedecdos. Esta é outra questão que se aborda. De que raconaldade se fala? Mnmzar custo é um crtéro, e outro é maxmzar a renda líquda, mas procura-se alguma condção que permta restrngr-se a um conjunto fnto de observações, ou seja, embora possa ser trabalhoso, por nspeção pode-se descobrr o que ocorreu. Esta lnha de pesqusa começou com Afrat (1967, 1972, 1976) e fo aperfeçoada por Varan (1982, 1983, 1984, 1985). Houve extensão para nsumos fxos, por Ray ebhadra (1993), e para stuações que envolvam rsco, por Chavas e Cox (1993). Em Alves (2000), os trabalhos de Varan, Ray e Bhadra, e de Chavas e Cox foram revstos, e todos os teoremas foram demonstrados. 2. Pressuposções Admte-se a exstênca de um conjunto de produção que descreve a tecnologa que é do conhecmento de todos os produtores que geraram as observações. Se cada produtor tvesse um conjunto de produção que lhe é específco, as comparações entre produtores perderam a razão de ser. A essênca do procedmento é a comparação entre agrcultores. Representa-se por x uma cesta de nsumos, e por y, a produção, que pode ser múltpla. No caso, y zsgnfca que cada componente de y é maor ou gual a cada componente de z. Em mutos casos, restrngr-seá a produção de um únco produto; x é um vetor de n componentes e y, de m componentes. As componentes de x e y são não-negatvas. Na maora dos casos estudados, m = 1, ou seja, produz-se um únco produto. Reserva-se o símbolo * para ndcar a multplcação escalar de dos vetores, como em w* x. 516

3 Elseu Alves Smbolcamente, representa-se o conjunto de produção, da segunte forma: V ( y) = { x : x produz y}. Um exemplo muto restrto de V(y) é uma soquanta. V(y) satsfaz a duas pressuposções: 1. Uma famíla de conjunto de produção é encadeada se: V ( y ) > V ( y ), então, V ( y ) < V ( y ), ou seja, se uma combnação de nsumos produz determnado produto, ela produzrá qualquer quantdade menor dele. Os conjuntos de produção que produzem maor quantdade de produto fcam, portanto, dentro dos conjuntos de produção que produzem menos. Para produzr a quantdade y, o agrcultor tem mutas opções de conjuntos de produção, e não apenas a daquele que lhe é específco, como, por exemplo, todos os conjuntos que produzem mas que y. Por que os conjuntos são encadeados? Se 1 2 n n n y y... y, segue-se que V( y ) V( y )... V( y ) V( y ). Desta forma, a cadea de conjuntos dá aos produtores váras opções de escolha, quanto aos conjuntos, e quebra-se, assm, a especfcdade. 2. Não se pode cobr o desperdíco: os agrcultores podem desperdçar nsumos, sem ncorrer em nenhum custo. Quem o evtará é o mercado, ao elmnar os agrcultores nefcentes. Smbolcamente, se x V( y), e u x, então, u V( y). Assm, se uma combnação de nsumos produz y, então, toda combnação que tver todas as componentes maores ou guas à ncal também produzrá y. Sem esta pressuposção, o papel do mercado para gerar efcênca técnca desaparecerá 2. 2 A combnação de nsumos que produz y pertence à respectva soquanta. 517

4 REVISTA DE ECONOMIA E AGRONEGÓCIO, VOL.1, Nº 4 3. Raconalzação de custo No caso, produz-se um únco produto. Quando é que o agrcultor A é raconal no que dz respeto a custo? Quando a combnação de nsumos que ele escolheu para produzr y não custar mas que qualquer outra combnação que produza y, avalada pelos preços pagos pelo agrcultor A, ou seja, pelos preços que A pagou pelos nsumos, nenhuma combnação dos demas agrcultores, ou qualquer outra que produza a mesma quantdade, pode custar menos. Em símbolos, c-raconalzação, e c representa custo, Defnção 1 (c-raconalzação) Se x é a combnação de nsumos que o agrcultor escolheu para produzr y, e se x é outra combnação de nsumos que produza a mesma quantdade, também de seu conhecmento, ou seja, x V( y ), w o vetor de preços pagos pelos nsumos pelo agrcultor, então, w * x w * x, x V( y ). Nota-se que a defnção é típca de mnmzação de custo. No entanto, não se realza nenhum exercíco de mnmzação para se encontrar x, pos se admte que o agrcultor tenha feto a escolha correta. Por sto, não se mportuna com os teoremas de exstênca. O que o teorema segunte fará, a fm de saber se o produtor é raconal, é reduzr a procura aos pontos observados, sem ter que verfcar cada ponto de V( y ). Aí está o seu poder. 518

5 Elseu Alves Teorema 1 As seguntes condções são equvalentes: () Exste uma famíla encadeada de conjuntos de produção, V(y), em que c-raconalza as observações; j () Se y y, então, w * x j w * x ; () Exste uma famíla não-trval de conjuntos de produção, que são convexos, fechados, encadeados e permtem o desperdíco. O tem () dz que quem produz mas não pode gastar menos preços dos nsumos de quem produz menos. Este tem é verfcável emprcamente; assm, é possível saber se os produtores da amostra são mnmzadores de custo e se a famíla de conjuntos nos quas se busca o mínmo também exste. Varan (1985), ao sugerr um teste para saber se as dscrepâncas observadas levam à rejeção da hpótese de c-raconalzação, aplcou-o a dos conjuntos de dados. No Brasl, Souza e Alves (2003) aplcaram o teste a uma amostra de produtores de lete. Se o tem () passar no teste, o tem () segue-se. Por ele, o conjunto V(y) garante a exstênca da função custo, que, então, poderá ser estmada, ou seja, os dados da amostra não são ncompatíves com a exstênca de uma função custo. Então, os dados ndcam que é legítmo estmar a função custo. Se o tem (), do teorema, passar pelo teste, pelo tem (), os produtores são mnmzadores de custo. 4. C-raconalzação e exstênca de função de produção O teorema da dualdade ensna como se obter a função de produção da função custo e vce-versa. É, assm, natural ndagar a quas condções os dados devem satsfazer, de modo que mplquem a exstênca de uma função de produção. 519

6 REVISTA DE ECONOMIA E AGRONEGÓCIO, VOL.1, Nº 4 Defnção 2 (cf-raconalzação) n A função de produção, defnda em R +, cf-raconalzará os dados ( w, x, y ), conforme o crtéro de mnmzação de custo, se: () f( x ) = y ; () f( x) f( x ) w * x w * x. Requer-se que o gráfco da função passe por todas as observações e que quem produza mas não possa gastar menos. Essa exgênca é compreensível por causa de (), mas cra problemas estatístcos para quem quser estmar f(x), pos o ajustamento tem que ser perfeto. Teorema 2 As seguntes condções são equvalentes: 1. Exste uma função contínua que cf-raconalza as observações; 2. y j y w j x j w j x ; 3. y j < y w j x j < w j x ; 4. Exste uma função contínua semcôncava e monótona crescente, a qual cf-raconalza as observações 3. Em relação ao teorema 1, tem-se que checar, além de 2, a condção 3: quem produz menos tem que gastar menos do que quem produz mas. O teste de Varan (1985) aplca-se sem maores dfculdades, e, por 4, a função de produção é semcôncava contínua. A função f(x) será semcôncava, se f( x) a e f( z) a f( tx+ (1 t) z) a, 0 t 1. 3 x z f( x) f( z), mplca que a função é monótona crescente. 520

7 Elseu Alves 5. Retorno constante: cf-raconalzação Pelo crtéro da cf-raconalzação é possível testar se a função de produção admte retornos constantes à escala, e se a condção obtda não é complcada de se verfcar emprcamente. Por defnção, a função de produção admte retornos constantes à escala, lnear homogênea; quando se duplcarem os nsumos, a produção se duplcará também. Tecncamente, f( tx) = tf( x) t 0. Defne-se w v =. Assm, a compo- w* x nente de preço normalzada v é preço do nsumo, dvddo pelo custo de produção, w* x; e v é o vetor normalzado de preços. Teorema 3 1. Exste uma função de produção lnear homogênea que cfraconalza os dados; j y 2. v * x para todo j; j y 3. Exste uma função de produção contínua, monótona crescente e lnear homogênea que cf-raconalza os dados. A condção 2 é, emprcamente, verfcável. Fxa-se o agrcultor, então, haverá n testes, quando n for o tamanho da amostra, porque vararão os v s e os y s dos outros agrcultores e o própro v * x = 1. É possível estmar uma função de produção, que, pelos resultados estatístcos, deve ser lnear homogênea. Mas, se a condção 2 for volada, estar-se-á dante de resultado enganoso. Mas, e se as volações forem pouco freqüentes? Aí o pesqusador terá de usar seu julgamento a respeto do que é pouco e confrontá-lo com o ajustamento da função de produção. 521

8 REVISTA DE ECONOMIA E AGRONEGÓCIO, VOL.1, Nº 4 Há uma condção para verfcar se a função de produção é homotétca, mas ela é complcada de se aplcar aos dados, por sto, é omtda. 6. Exstênca da função de produção: o crtéro da renda líquda É nteressante usar a renda líquda em conjugação com a função de produção, como crtéro de raconalzação, no caso rf-raconalzação. Defnção 3 (rf-raconalzação) Os dados serão rf-raconalzáves, se: 1. f( x ) = y, 2. p * y w * x p * y w * x. A condção 2 dz que o agrcultor escolheu a combnação que maxmza a renda líquda. Note-se que a renda líquda será lmtada por aquela do agrcultor, quando forem usados os seus preços para produto e nsumos na avalação. Teorema 4 1. Exste uma função de produção que rf-raconalza os dados, 2. j j 3. p y w x p y w x, Exste uma função de produção, defnda em contínua, côncava e monótona crescente que rf-raconalza os dados. A condção 2 dz que, consderando-se o preço do produto e o vetor preço dos nsumos, a combnação produto-nsumo do agrcultor é melhor que qualquer outra combnação escolhda pelos outros produtores, quanto à renda líquda. A condção 2 pode ser verfcada emprcamente e assegura, em 3, a exstênca de uma função da função de produção, com as propredades menconadas. O problema estatístco é que o gráf- 522

9 Elseu Alves co da função de produção, no caso côncava e monótona crescente, tem que passar por todas as observações. Assm, o ajustamento tem que ter R 2 = 1, ou, estatstcamente, não pode dvergr dsto. Em 1, a condção 2 assegura que os agrcultores maxmzem a renda líquda e sejam raconas nesse ponto de vsta. Pelo crtéro da rf-raconalzação, é possível testar se a função de produção é separável, mas as condções são muto complcadas de serem aplcadas aos dados. Por sto, omte-se o enuncado do teorema pertnente, que está em Alves (2000). 7. Produção múltpla e r-raconalzação Exge-se uma mudança de símbolos. O conjunto Y contém dos conjuntos de vetores; os de snal não-negatvo representam a produção e os de snas não-postvos, os nsumos. Há n nsumos e m produtos, portanto, Y tem n+m componentes. O vetor p tem n+m componentes, para representar os preços de n nsumos e m produtos. Os preços são nãonegatvos. Portanto, se x Y, p * x será a renda líquda. As observações serão r-raconalzadas, se p * x p * x, x Y, ou seja, a combnação escolhda pelo agrcultor, quando ela for avalada pelo seu vetor preço, é a que maxmza a sua renda líquda. Teorema 5 1. Exste um conjunto Y que r-raconalza as observações; j 2. 0 = p * y p * y j = 1, 2... T e T é o tamanho da amostra; 3. Exste um cone convexo e fechado, Y, e z pertence a Y e y z, então, y pertence a Y e Y r-raconalza as observações. 523

10 REVISTA DE ECONOMIA E AGRONEGÓCIO, VOL.1, Nº 4 O sgnfcado de y zmerece explcação. As componentes de y, que dzem respeto à produção, são menores ou guas às respectvas componentes de z. As componentes de y, que se referem a nsumos, são maores ou guas, em valores absolutos, às respectvas componentes de z, ou seja, y produz menos ou a mesma cosa e gasta mas ou gual a z. Assm, permte-se o desperdíco. Por 3, Y é um cone, ou seja, se z pertence a Y, segue-se que tz, t é um número real não-negatvo, pertence a Y. Por ser Y um cone, a renda líquda máxma tem que ser zero. A condção 2 é emprcamente verfcável. Se passar no teste, segue-se que os agrcultores maxmzam a renda líquda e são r-raconas. Como 3 segue-se de 2, pode-se, legtmamente, estmar uma função custo para produtos múltplos. 8. Teste de hpótese As observações em número de T, admtndo-se um únco produto, correspondem a ( w, x, y ) = 1,2,..., n; partcularza o agrcultor ; w é vetor de preços; x é o vetor de nsumos; e y é a produção. j j Pelo teorema 1, condção (), y y w * x w * x, e o teste estatístco se faz por meo desta. Em prmero lugar, ordenam-se os y s do menor para o maor. Não havendo empates, o número de comparações é dado por T*(T-1)/2. Se houver empate, é precso comparar w * x com w * x j, e j j j w * x com w * x. O snal da desgualdade tem que ser o mesmo. A cada acerto atrbu-se 1 e, a cada erro, 0. Se o número de acertos for grande, acma de 80%, em relação ao total de comparações, será um prmero snal que não desfavorece a hpótese. Varan (1985) afrmou 524

11 Elseu Alves que o número de comparações é 2 T, porque ele olha a desgualdade j y y nas duas dreções. Mas, a condção dos não mplca bem sto. Se os nsumos forem meddos em undades monetáras, o problema desaparecerá, como ocorreu em Souza e Alves (2003). A base do teste formal é admtr que exste quantdade correta dos nsumos e que o agrcultor não a usou por causa fatores aleatóros, ou seja, xk = zk + εk e k refere-se a nsumo e, ao agrcultor; k vara de 1 a M; e, de 1 a T. O vetor x tem n componentes e z representa a demanda verdadera, que é desconhecda. Admte-se que εk seja normal e ndependentemente dstrbuído, com méda zero e mesma varânca, σ 2. Caso fosse possível observar a verdadera demanda z, poder-se-a computar a estatístca V = ( zk xk ) / σ T M = 1 k= , que, pelas hpóteses fetas, tem dstrbução qu-quadrado com TM graus de lberdade. A estatístca V não é observável, mas pode-se calcular o seu lmte nferor pela mnmzação da soma de quadrado do numerador, respetandose as restrções, w * x w * x, j = 1,2,... n. Seja R o valor obtdo j pela solução da programação quadrátca, o que sto sgnfca? Ora, se as restrções fossem satsfetas, o mínmo buscado sera zero. O que se procura fazer, quando algumas restrções não são satsfetas, é modfcar, o mínmo possível, as observações sobre os nsumos, para que as restrções sejam atenddas. É fácl compreender que o problema de programação quadrátca tem restrções lneares e corresponde a mínmos quadrados com restrções. Assm, 2 2 R/ σ V. Usando-se R, obtém-se um χ nunca maor que o dado por V, e aumenta-se a chance de rejetar a hpótese de que os produtores mnmzam custo.

12 REVISTA DE ECONOMIA E AGRONEGÓCIO, VOL.1, Nº 4 Mas a varânca 2 σ é desconhecda, e não se pode calcular o qu-quadrado. A solução proposta por Varan (1985) é obter o qu-quadrado, que corresponde a TM graus de lberdade, e nível de sgnfcânca de rejeção de hpótese acordado. Seja este valor gual K α 2 ; assm, σ = R/ K α. Que se faz com este valor? Aí o pesqusador tem que exercer o seu julgamento para saber se ele é sufcentemente pequeno, como erro de medção. A estatístca σ _ /TM é utlzada por Varan para saber se o desvo-padrão médo, em relação a cada nsumo e produtor, é pequeno. Em vrtude de as undades de meddas dos nsumos serem dferentes, na aplcação que fez, Varan (1985) especfcou o termo do erro, como segue: z = x (1 + ε ). k k k Varan (1985) respondeu a uma sére de objeções ao método e recomendou que o letor as lesse. 9. Perturbação dos dados e efcênca econômca A programação quadrátca fornece a cesta de nsumos de cada produtor, de modo que ela obedeça às restrções expressas em (), do teorema 1. Consderando-se os novos valores dos nsumos, pode-se calcular o custo a que eles correspondem e dvdr o valor obtdo pelo custo observado. Tem-se, assm, medda de efcênca custo, subordnada ao fato de que a combnação de nsumos da programação quadrátca é compatível com a déa de que os produtores sejam mnmzadores de custo. A orentação estudada é nsumos, mas é fácl adaptá-la para produto (Souza e Alves, 2003). Há outro método para calcular a efcênca custo, qual seja, o encapsulamento de dados (DEA), com orentação produto ou nsumo. Com testes de hpóteses, uma exposção rgorosa do método pode ser encontrada em Souza, Geraldo S. (2003). A nova combnação do DEA, 526

13 Elseu Alves necessaramente, não necessta satsfazer à condção (), do teorema 1, e a modfcação dos dados tende a ser maor que a do método Varan. Um dos usos das meddas de efcênca econômca é ajudar os agrcultores a admnstrar bem seu negóco. Mas, quanto maor for a perturbação dos dados pela técnca de programação, mas dfícl se tornará a acetação da nova combnação de nsumos. A esse respeto, o método Varan se destaca, porque vsa à menor perturbação de cada observação, respetando-se a condção (), do teorema 1. Assm, um crtéro de seleção de métodos de análse da efcênca econômca é o grau de perturbação das observações, meddo pela soma dos quadrados das dferenças entre o valor observado e o valor proposto. A boa admnstração objetva aumentar a renda líquda do estabelecmento. Assm, o grau de aumento da renda líquda precsa ser levado em conta. Como o DEA procura reduzr, o máxmo possível, a quantdade de cada nsumo, ele tende a levar vantagem sobre o método de Varan, mas é precso checar se sua recomendação de consumo de nsumos não escapa das possbldades dos produtores. Em Souza e Alves (2003), o método de Varan comportou-se muto bem, quanto aos graus de perturbação da combnação de nsumos. Mas, quanto à renda líquda, perdeu para o DEA, mas não dexou de trazer aumento substancal. 10. Conclusões O trabalho mostrou que é mportante verfcar se os dados são compatíves com a exstênca da função custo, ou de produção, e anda ndcou como testar a hpótese de que os agrcultores sejam mnmzadores de custo. Dscutram-se dos crtéros para comparar métodos que medem a efcênca custo: perturbação dos dados e aumento da renda líquda. O método Varan comportou-se bem em relação aos dos crtéros e teve a van- 527

14 REVISTA DE ECONOMIA E AGRONEGÓCIO, VOL.1, Nº 4 tagem de propor uma combnação de nsumos que é compatível com a mnmzação de custos e, ao mesmo tempo, não dverge tanto daquela correspondente às observações. Por sto, é mas faclmente acetável pelos produtores. É precso aperfeçoar a parte estatístca do método de Varan e estudar melhor os crtéros que permtem julgar os dferentes métodos que medem a efcênca custo. Referêncas bblográfcas AFRIAT, S. N. The constructon of a utlty functon from expendture data. Internatonal Economc Revew, 8, 67-77, AFRIAT, S. N. Effcency estmaton of producton functons. Internatonal Economc Revew, 13, , AFRIAT, S. N. Combnatoral Theory of demand. London, Input- Output Publshng Company, ALVES, Elseu Teora da produção: métodos não paramétrcos (mmeo.), Brasíla, Embrapa, CHAVAS, Jean-Paul e COX, Thomas L. On genarlzed revealed preference analyss. The Quarterly Journal of Economcs, 108, , RAY, S. C. e BHADRA, D. Nonparametrc test of cost mnmzng behavor: a study of Indan farmers. Amercan Journal of Agrcultural Economcs, 75, 4, , SOUZA, Geraldo da Slva. Funções de produção: uma abordagem estatístca com o uso de modelos de encapsulamento de dados, Brasíla, Embrapa, Texto para Dscussão 17,

15 Elseu Alves SOUZA, Danel, P. H. & ALVES, Elseu. Dos crtéros para avalação da efcênca técnca, Revsta de Economa e Agronegóco, Vol.1, No. 3, VARIAN, H. The nonparametrc approach to demand analyss, Econometrca, 50, , VARIAN, H. The nonparametrc test of consumer behavor, Revw of Economc Studes, 50, , VARIAN, H. The nonparametrc approach to producton analyss, Econometrca, 52, , VARIAN, H. Nonparametrc analyss of optmzng behavor wth measurement error. Journal of Econometrcs, 30, ,

16 REVISTA DE ECONOMIA E AGRONEGÓCIO, VOL.1, Nº 4 530

DOIS CRITÉRIOS PARA AVALIAÇÃO DA EFI- CIÊNCIA TÉCNICA 1

DOIS CRITÉRIOS PARA AVALIAÇÃO DA EFI- CIÊNCIA TÉCNICA 1 Danel Pacífco Homem de Souza & Elseu Alves ISSN 1679-1614 DOIS CRITÉRIOS PARA AVALIAÇÃO DA EFI- CIÊNCIA TÉCNICA 1 Danel Pacífco Homem de Souza Elseu Alves 3 Resumo - Dos crtéros foram utlzados para testar

Leia mais

4 Critérios para Avaliação dos Cenários

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

Leia mais

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

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

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

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

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

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

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

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

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

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

RACIONALIDADE DOS AGRICULTORES: QUE DIZEM OS DADOS?

RACIONALIDADE DOS AGRICULTORES: QUE DIZEM OS DADOS? ISSN 1679-1614 RACIONALIDADE DOS AGRICULTORES: QUE DIZEM OS DADOS? Eliseu Alves! Resumo - Os dados com os quais os economistas trabalham foram gerados por agentes que tomaram decisões baseadas no conhecimento

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

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

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

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

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

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

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

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

Leia mais

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

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

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

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

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

Leia mais

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

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

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

3 A técnica de computação intensiva Bootstrap

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

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot)

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot) Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 2.1 Olgopólo em Quantdades (Cournot) Isabel Mendes 2007-2008 18-03-2008 Isabel Mendes/MICRO II 1 2.1 Olgopólo em Quantdades

Leia mais

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

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

Leia mais

TESTE DO QUI-QUADRADO - Ajustamento

TESTE DO QUI-QUADRADO - Ajustamento Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

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

Leia mais

Teoria Elementar da Probabilidade

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

Leia mais

MAP Cálculo Numérico e Aplicações

MAP Cálculo Numérico e Aplicações MAP0151 - Cálculo Numérco e Aplcações Lsta 5 (Correção Neste ponto, todos já sabemos que todas as questões têm o mesmo valor, totalzando 10.0 pontos. (Questão 1 Fque com vontade de fazer mas do que fo

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Leia mais

Capítulo 16: Equilíbrio Geral e Eficiência Econômica

Capítulo 16: Equilíbrio Geral e Eficiência Econômica Capítulo 6: Equlíbro Geral e Efcênca Econômca Pndck & Rubnfeld, Capítulo 6, Equlíbro Geral::EXERCÍCIOS. Em uma análse de trocas entre duas pessoas, suponha que ambas possuam dêntcas preferêncas. A curva

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

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

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

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase Soluções Nível Unverstáro XXVII Olmpíada Braslera de Matemátca GABARITO Prmera Fase SOLUÇÃO DO PROBLEMA : Pelo enuncado, temos f(x) = (x )(x + )(x c) = x 3 cx x + c, f'(x) = 3x cx, f '( ) = ( + c) e f

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

3 Elementos de modelagem para o problema de controle de potência

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

Leia mais

Capítulo 2. Modelos de Regressão

Capítulo 2. Modelos de Regressão Capítulo 2 Modelos de regressão 39 Capítulo 2 Modelos de Regressão Objetvos do Capítulo Todos os modelos são errados, mas alguns são útes George E P Box Algumas vezes fcamos assustados quando vemos engenheros

Leia mais

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

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

Leia mais

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

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

Leia mais

2 Incerteza de medição

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

Leia mais

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

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

Leia mais

Aula Características dos sistemas de medição

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

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

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

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

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

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

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

Métodos Experimentais em Ciências Mecânicas

Métodos Experimentais em Ciências Mecânicas Métodos Expermentas em Cêncas Mecâncas Professor Jorge Luz A. Ferrera Sumáro.. Dagrama de Dspersão. Coefcente de Correlação Lnear de Pearson. Flosofa assocada a medda da Estatstca. este de Hpótese 3. Exemplos.

Leia mais

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

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

Leia mais

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

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

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Experiência V (aulas 08 e 09) Curvas características

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

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Capítulo XI. Teste do Qui-quadrado. (χ 2 )

Capítulo XI. Teste do Qui-quadrado. (χ 2 ) TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

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

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

Leia mais

Identidade dos parâmetros de modelos segmentados

Identidade dos parâmetros de modelos segmentados Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos

Leia mais

Análise Complexa Resolução de alguns exercícios do capítulo 1

Análise Complexa Resolução de alguns exercícios do capítulo 1 Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

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

Leia mais

Microeconomia I. Licenciaturas em Administração e Gestão de Empresas e em Economia

Microeconomia I. Licenciaturas em Administração e Gestão de Empresas e em Economia Mcroeconoma I Lcencaturas em Admnstração e Gestão de Empresas e em Economa Ano lectvo 010-011 Teste Intermédo 1º Semestre 5 de Outubro de 010 Regente: Fernando Branco (fbranco@ucppt) Catarna Slva, Danel

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

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

Leia mais

Classificação de Padrões

Classificação de Padrões Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Nesse prátca, estudaremos a potênca dsspada numa resstênca de carga, em função da resstênca nterna da fonte que a almenta. Veremos o Teorema da Máxma Transferênca de Potênca, que dz que a potênca transferda

Leia mais

Dados ajustáveis a uma linha recta

Dados ajustáveis a uma linha recta Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

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

Leia mais

Implementação Bayesiana

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

Leia mais

Topologia, geometria e curvas no plano

Topologia, geometria e curvas no plano Topologa, geometra e curvas no plano Roberto Imbuzero Olvera 23 de Março de 2011 1 Abertos, fechados e compactos Defnção 1 Um subconjunto F C é dto fechado se qualquer sequênca convergente em F tem lmte

Leia mais

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

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

Leia mais

Regressão Linear Simples by Estevam Martins

Regressão Linear Simples by Estevam Martins Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer

Leia mais

Estatística Espacial: Dados de Área

Estatística Espacial: Dados de Área Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

6 Análises de probabilidade de ruptura de um talude

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

Leia mais