ANÁLISE DE RISCO E EFEITOS DA INCERTEZA NA CARTEIRA DE INVESTIMENTOS

Tamanho: px
Começar a partir da página:

Download "ANÁLISE DE RISCO E EFEITOS DA INCERTEZA NA CARTEIRA DE INVESTIMENTOS"

Transcrição

1 ANÁLISE DE RISCO E EFEITOS DA INCERTEZA NA CARTEIRA DE INVESTIMENTOS Dogo Raael de Arruda RESUMO Constam, neste trabalho, concetos relaconados aos rscos e as ncertezas exstentes nas carteras de nvestmento nancero, apoando-se em métodos estatístcos e prncípos báscos lgados a nvestmentos nanceros. Concetos estes que oram extraídos a partr de pesqusa bblográca, vsando sempre o melhor nvestmento a ser eto para acltar as tomadas de decsões dos nvestdores, ao longo do cclo de vda nancero. Palavras-chave: Rsco. Incerteza. 1. INTRODUÇÃO A mpossbldade de consegur prever com exatdão o uturo, é algo que ntrga a humandade. Os rscos e as ncertezas a que estamos nerentes, prncpalmente quando estamos tratando com undades monetáras, que é o combustível de movmentação do planeta. Por sso, o cudado natural que se tem ao analsar cada passo a ser tomado ao longo de um nvestmento, passou a ter a necessdade de um padrão, uma mensuração acltadora para as tomadas de decsões. Assm, matematcamente, o tal processo analítco nancero capaz de derencar a vablzação de um nvestmento, tem sua undamentação em procedmentos estatístcos tas como: desvo padrão, varânca, coecente de varação, covarânca e coecente de correlação. A maor parte dos rscos que possam aetar o desenvolvmento das nanças, tanto pessoas quanto empresaras, além da caracterzação estatístca, podem anda estar suscetíves a prncípos chamados undamentas para ormação de carteras, nos quas relaconam a exstênca do rsco com a rentabldade proposta pela cartera. Contudo, o prncpal objetvo do trabalho é dentcar, nanceramente, como se dene o rsco e suas relações com um certo captal dsponível, de modo a abrr um leque de opções para que o gestor possa ldar com stuações teórcas e reas, partndo do pressuposto que o maor retorno alcançado é o mas atratível.. TERMINOLOGIA BÁSICA Incalmente, alguns concetos devem ser abordados para acltar o desenvolvmento do trabalho. Assm, denremos captal como sendo tudo aqulo que se detém e seja passível de negocação. Atvo, é o captal própro exstente. Passvo, é o captal de terceros com que se pode contar. Cartera, é a coleção ou grupo de atvos. Retorno é total de ganhos ou prejuízos de um nvestmento durante um período de tempo. Por m, nvestmento como sendo a transação nancera vsando algum retorno. Assm, aremos um panorama sobre a admnstração do rsco relaconado a um nvestmento (ou a um conjunto de nvestmentos com seus processos analítcos de avalação e Lcencando do curso de matemátca da Unversdade Católca de Brasíla.

2 admnstração desse rsco. Assm, devemos começar com a dstnção prmtva entre duas palavras bastante relaconadas ao assunto: ncerteza e rsco. A ncerteza é o ato de não se poder prever um dado acontecmento uturo. O rsco é a ameaça a exstênca dos nteresses de uma pessoa provocado por alguma ncerteza, sendo que, normalmente, causa algum prejuízo ou dano. Fnanceramente, quando tratamos de uma stuação de rsco as conseqüêncas são vercadas por meo de perdas ou ganhos. Comumente, a possbldade descendente do rsco é chamado prejuízo e a ascendente como um ganho. Logo, dependendo da expectatva do nvestmento, desvos do valor esperado para o retorno podem ser bons ou runs. Devemos levar em consderação que as característcas de cada ndvduo estão relaconadas com a acetação ou aversão ao rsco. Portanto, uma pessoa ao avalar a relação custo beneíco (lgado ao rsco pode optar entre o menor rsco com menor retorno ou não, por exemplo. Esse processo de compensação e avalação das decsões nanceras tomadas é chamado admnstração do rsco.vale ressaltar que o retorno esperado não é o retorno que os nvestdores acredtam que necessaramente ganharão, e sm o resultado da preccação de todos os resultados possíves, reconhecendo que alguns resultados são mas prováves que outros. Com sso, o processo de admnstração do rsco, que é uma gestão (uma análse, é dvddo em: Identcação do rsco: tem como undamento descobrr quas são as exposções ao rsco mas peculares que estão lgados ao nvestmento em análse e que, eventualmente possam aetar a regulardade do nvestmento. Avalação do rsco: trata-se da quantcação dos rscos, avalando normações sobre a exposção nancera (estmatvas e probabldades de acontecmentos. Seleção de técncas para admnstração do rsco: ncalmente pode-se evtar o rsco não se expondo a ele. Pode-se reter o rsco absorvendo-o e cobrndo com recursos própros, ou por últmo, transerr os rscos repassando-os para terceros. Implementação: coloca-se em ação as técncas seleconadas reduzndo os custos. Revsão: como a cada momento sua expectatva pode mudar quanto ao nvestmento, então se deve reavalar todo o processo para evtar retratações tardas que possam ocasonar perdas. Há também um crtéro para transerênca do rsco, dvddo em três partes: Hedge: o ndvduo abre mão da possbldade de ganho para evtar uma perda. Seguro: é pagar um prêmo para evtar uma perda certa. Dverscação: assmlação de atvos evtando concentrar seu nvestmento num só (bastante usado na teora da cartera.

3 Quanto à dverscação ncalmente dremos que não se pode reduzr o rsco de exposção, mas cra-se um leque de possbldades para evtar a perda total do nvestmento. Trazendo para a lnguagem popular, poderíamos dzer: Deve-se pensar muto bem antes de se colocar todos os ovos numa únca cesta. 3. O RISCO DE UMA CARTEIRA DE INVESTIMENTOS O rsco quando relaconado à cartera de nvestmentos é normalmente lgado às meddas de dspersão varânca e desvo padrão, relaconado com as possbldades de ocorrênca de resultados. 3.1 O desvo padrão como medda do rsco de uma cartera de nvestmentos O desvo padrão é o ndcador estatístco de rsco mas comum a ser usado, medndo a dspersão ou varabldade em torno do valor esperado de retorno. Então, é nteressante além de consderarmos os resultados, que com sua dspersão quem abaxo do valor esperado, também os que com sua dspersão quem acma, pos como sabemos, quanto maor a varabldade menor conança podemos deter sobre resultados assocados ao nvestmento. Assm, o valor esperado de um retorno (k é o mas provável do nvestmento eto, e usa-se sua órmula quando todos os resultados k são conhecdos e supondo que suas probabldades sejam também conhecdas: n (k k P( k 1 Sendo: k : retorno assocado com o -ésmo resultado. P ( k : probabldade de ocorrênca do -ésmo resultado. n: número de resultados consderados. Assm, para aplcação e valdação da órmula, se consderarmos um atvo A no qual o quadro 1 mostra os valores assocados a P ( k (probabldades e os valores assocados a k (retornos com três stuações de mercado, teremos 15% de retorno esperado para o atvo A. Quadro 1: Valores esperados de retornos para o atvo A. Stuações de mercado Probabldade: P k Retorno (%: ( k Retorno esperado: µ k Recessão 0, , 5 3,5 Estável 0, , 5 7,50 Expansão 0, , 5 4,5 Total 1,00-15,00 (

4 (k k P k + k P( k + k P( 3,5 + 7,5 + 4,5 15% 1 ( 1 3 k3 Contudo, ndcaremos para o desvo padrão de retornos a equação abaxo: σ (k [ k µ ( k] n 1 P( k Desenvolvendo o quadrado na expressão dada para o desvo padrão, temos: σ ( k µ ( k [ µ ( k ] De modo geral, quanto maor o desvo padrão, maor o rsco. Mas uma vez, para exemplcação, compara-se os dados do quadro 1 com os dados do quadro relatvos a um atvo B, sendo que, o retorno esperado também é de 15%. Quadro : Valores esperados de retornos para o atvo B. Stuações de Probabldade: Retorno (%: k mercado P k ( Retorno esperado: µ k Recessão 0, , 5 1,75 Estável 0, , 5 7,50 Expansão 0, , 5 5,75 Total 1,00 _ 15,00 (k k P k + k P( k + k P( 1,75 + 7,50 + 5,75 15% 1 ( 1 3 k3 Usando a órmula apresentada para o desvo padrão nos dos casos, e ndcando σ ( k A o valor assocado ao atvo A e σ k o assocado a B, teremos: ( B ( 3 σ ( k A [ k µ ( k ] P( k 4 0, , , 5 1,414 1,41% 1 σ ( k b 64 0, , , 5 5,6569 5,66% Donde B é o mas arrscado, pos tem o maor desvo padrão. 3. Coecente de varação como medda de rsco na cartera de nvestmentos O coecente de varação é uma medda de dspersão relatva usada na comparação do rsco de atvos que derem nos retornos esperados. Usa-se a expressão abaxo para determnar o coecente de varação (CV:

5 σ ( k CV µ ( k Sendo que, quanto maor o valor de CV, maor o rsco do nvestmento. Ilustremos uma stuação que aclte a vsualzação do uso de CV. Stuação: A empresa PKTA (nome ctíco tenta seleconar entre dos atvos, A e B, o menos arrscado. O retorno esperado, o desvo padrão e o coecente de varação de cada retorno dos atvos são dados na quadro 3 abaxo: Quadro 3: Expectatvas de valores apresentados pelas empresas A e B. Estatístcas A B Retorno esperado 1% 0% Desvo padrão 9% 10% Coecente de varação 0,75 0,50 Se a empresa tvesse que comparar os atvos com base somente nos desvos padrões, a escolha possvelmente sera por A, pos tem o menor índce de dspersão. Entretanto, comparando os coecentes de varação dos atvos, vemos que a admnstração cometera um erro relevante escolhendo A, vsto que a dspersão relatva, conorme nos mostra o coecente de varação, em B é o menor. Logo, o uso do coecente de varação para comparar o rsco do atvo é melhor porque também consdera o tamanho relatvo, ou o retorno esperado dos atvos. Retomando os dados obtdos nos quadros 1 e, veremos que: CV CV B A σ ( k µ ( k σ ( k σ ( k A A B B 1,41% 15% 5,66% 15% Vercando, mas uma vez, que B é o mas arrscado. 0,0904 ; 0, A varânca como medda do rsco de uma cartera de nvestmentos A varânca é uma medda estatístca usada para avalar a dspersão da rendbldade do mercado. O uso desta medda está assocado quando ao usarmos os desvos padrão, os valores negatvos contrabalançam com os postvos resultando que o valor do desvo esperado seja zero. Assm, os desvos ao quadrado são necessaramente postvos. Note que, elevando ao quadrado, teremos uma transormação não lnear que exagera os grandes desvos (postvos ou negatvos trando a ênase dos resultados dos pequenos desvos. Outro resultado é que a varânca terá

6 dmensão de undades de medda ao quadrado. Será usada para o cálculo da varânca a segunte órmula: Usando os dados dos quadros 1 e, temos: n (k [ k µ ( k] 1 P( k Quadro 4: Cálculo da varânca dos atvos A e B. Atvo Desvo padrão (%: σ (k Varânca (% : σ ( k A 1,41 1,99 B 5,66 3,04 Uma pequena observação, e um tanto nteressante, é responder qual medda (desvo padrão ou varânca devemos utlzar. Então, dado que o desvo padrão está expresso nas mesmas undades que a taxa de rendbldade, geralmente é mas convenente usar o desvo padrão. Porém, quando tratamos da proporção do rsco resultante de algum ator, normalmente é mas prátco usar a varânca. 3.4 Correlação como medda de rsco na cartera de nvestmentos Esta medda estatístca dene uma relação (se houver entre séres de números representando dados de qualquer tpo. Se duas séres movmentam-se em mesma dreção, então estão correlaconadas postvamente; se este movmento tem dreções opostas, então são negatvamente correlaconados. O grau de correlação vara de +1 (correlação postva pereta à 1 (correlação negatva pereta. Caso a correlação seja zero, dz-se que os atvos não são correlaconados. Ao combnar dos atvos de rsco, a correlação é determnante sobre o desvo-padrão, sendo que a estatístca usada para medr o grau de covaração entre duas taxas de retorno é o coecente de correlação. A covaração méda (probabldade ponderada da soma dos produtos dos desvos-padrão sobre todos os estados da economa, dando-nos assm uma tendênca méda de como os retornos varam (mesmo sentdo ou sentdos opostos, daí vem a covarânca. Matematcamente, a covarânca entre dos atvos, A e B, é dada por: COV AB µ ( k A, k B µ ( k A µ ( k B Sendo: µ k, k k k P( k, k. ( A B A B j A B j Assm, pode-se denr o grau de correlação entre os atvos A e B ( ρ como sendo: AB

7 ρ AB COVAB σ σ A B Então, para os atvos dos quadros 1 e, teremos: Quadro 5: Valores calculados para o atvo A. Stuações de mercado Probabldade: P ( k Retorno (%: k Retorno esperado: µ k ( µ ( k ( k [ µ ( k µ Recessão 0,5 13 3,5 4,5 31,688 Estável 0, ,50 11,50 56,50 Expansão 0,5 17 4,5 7,5 54,188 Dos valores assocados ao quadro 1, na seção 3.1, σ ( 1,41%. Quadro 6: Valores calculados para o atvo B. Stuações de Probabldade: Retorno mercado P ( k (%: k k A Retorno esperado: µ k ( µ ( k ] ( k [ µ ( k µ Recessão 0,5 7 1,75 1,50 9,188 Estável 0, ,50 11,50 56,50 Expansão 0,5 3 5,75 13,5 99,188 Dos valores assocados ao quadro, na seção 3.1, σ ( 5,66%. Cálculo do µ k A, k : ( B µ ( k A, k B , , ,5, , ,75 33,00% Cálculo da covarânca entre os atvos A e B: k B ] COV AB 33,00 ( % Cálculo de ρ AB : ρ AB ( 8 (5,66 0, DIVERSIFICAÇÃO Sgnca deter de quantdades de atvos de múltplo rsco, evtando concentrar todo o nvestmento em um únco somente. Isto elmnará sua exposção ao rsco de qualquer atvo ndvdual. Pode-se reduzr o nível de exposção ao rsco, mas não se reduz a ncerteza no

8 conjunto devdo à possbldade de varabldade do mercado (rsco únco ou nãodverscável. Neste processo, para reduzr o rsco total, é aconselhável combnar na cartera, atvos que tenham correlação negatva ou postva baxa, sendo que, quanto mas baxa or a correlação exstente, menor o rsco resultante. A dverscação reduz a varabldade dos dados, o que estatstcamente, está relaconado com a correlação mpereta. Dz-se que para cada par de atvos, deve haver uma combnação que resultará no menor rsco possível (desvo padrão. E também, que somente uma combnação de um número nnto de possbldades pode mnmzar o rsco 1. A déa prncpal do uso da dverscação na cartera de nvestmentos é combnar atvos de modo que esta combnação dmnua a varabldade dos dados. Assm, atvos que tenham a menor correlação possível, não ram varar da mesma orma em stuações econômcas guas, dmnundo a possbldade de perda de todo o captal nvestdo. A exemplcação desse processo é dada do segunte modo: Sabe-se que um nvestdor deseja ormar uma cartera com dos atvos, com a ntenção de nvestr metade de seu captal em um e o restante no outro, devendo escolher entre os atvos A (quadro1, B (quadro e C (quadro 7. Por motvo pessoal (o que é claramente possível neste trabalho, ele xou o atvo A como certo. Então, agora, basta achar o atvo que tenha, juntamente com A, a menor varabldade de dados. Usando os processos descrtos anterormente, teremos: Quadro 7: Valores esperados de retorno e cálculos relaconados ao atvo C. Stuações Probabldade: Retorno Retorno µ ( k µ ( k [ µ ( k ] de mercado P ( k (%: k esperado: µ k Recessão 0,5 17 4,5 7,5 54,188 Estável 0, ,50 11,50 56,50 Expansão 0,5 13 3,5 4,5 31,688 Total 1,00-15,00-14,16 ( σ ( k C (7,5 + 11,50 + 4,5 (4,5 + 7,50 + 3,5 1,41% Cálculo do µ k A, k : ( C µ ( k A, k C , , ,5 3,00% 1 Algumas pesqusas revelam que se pode ter uma boa dverscação com uma cartera contendo de 15 a 0 títulos. Neste exemplo, não está sendo consderado que o rsco de mercado aeta a cartera a ser ormada.

9 Cálculo da covarânca entre os atvos A e C: Cálculo de ρ AC : COV AC 3,00 (15 15 % ρ AC 1 (correlação negatva pereta. ( Da correlação encontrada, pode-se achar o desvo padrão de uma cartera que contenha os atvos e j, por meo de: σ j j j σ + σ + j ρ σ σ j j Sendo:, : proporção do captal nvestda no atvo e no j. j Então, temos: σ AC (50 (1,41 + (50 (1, ( 1 1,41 1, ,5 9940,5 0% Como o desvo padrão da cartera que contém os atvos A e C é 0 (zero, logo seu rsco é nulo. Assm, AC é a melhor combnação possível, vsto que, o grau de correlação entre A e B é +0,9994. Se todo o rsco da cartera pode ser elmnado (rco total por meo da dverscação, dz-se que esta cartera era aetada somente pelo rsco não-sstemátco ou dverscável. Mas há também o rsco sstemátco ou não dverscável que está relaconado com as varações de mercado que aetam o atvo ndvdual ou a cartera em s. Este rsco não pode ser mnmzado, mas prevsto. Assm, o rsco total exstente em uma cartera é a soma do rsco sstemátco com o não-sstemátco. 5. SELEÇÃO DE CARTEIRAS Este processo é o estudo de como e quando se deve nvestr compensando rsco e retorno esperado. Neste projeto, deve-se levar em consderação o cclo de vda do nvestmento, a melhor estratéga de negocação até a decsão nal. O objeto prncpal é encontrar a cartera que oereça aos nvestdores a mas alta taxa de retorno para um grau de rsco razoável. O processo de otmzação é eto encontrando a melhor combnação de atvos de rsco, e combnando os atvos arrscados ótmos com atvos sem rsco. O atvo lvre de rsco é um título que oerece uma taxa de retorno prevsível a qualquer tempo do nvestmento.

10 Suponhamos a exstênca de um atvo lvre de rsco com retorno esperado de 4% ao ano (a.a. e um atvo de rsco D com retorno esperado de 15% a.a. e desvo padrão %. O quadro 8 mostra as alternatvas para combnarmos os atvos. Note que à medda que procuramos o maor retorno enrentamos uma taxa de rsco crescente. Veja que os dados podem ser ordenados em orma lnear, portanto para qualquer composção da cartera podemos encontrar seu respectvo ponto nesta lnha. Quadro 8: Dados com proporções de nvestmentos. Cartera Proporção nvestda em D Proporção nvestda no (%: atvo sem rsco D (%: S Retorno esperado da cartera(%: µ ( k C Desvo padrão da cartera (%: σ K ,0 L ,5 0,015 M ,5 0,01 N ,75 0,005 O Gráco 1: Ilustração da relação retorno-desvo padrão do quadro 8. Relação retorno-desvo padrão ( k C Retorno(% Lnear (Retorno(% 0 0 0,01 0,0 0,03 Por exemplo, suponha a taxa de retorno de 10% a.a.. Prmero, relaconando o retorno esperado da cartera à proporção nvestda no atvo de rsco e sabendo que o retorno esperado em qualquer cartera, µ, é dado por: ( k C µ ( kc µ ( k + (1 r r + [ µ ( k r ] Sendo: r : a taxa de retorno do atvo lvre de rsco. Fazendo µ ( k 0,15 e r 0,04, temos:

11 µ ( k C 0,04 + 0, 11 D Então, para a cartera de retorno 10%a.a., temos: 0,10 0,04 + 0, 11 D 54,545% D Ou seja, 54,5455 do nvestmento é eto no atvo de rsco. O desvo padrão da cartera σ, é o desvo padrão do atvo vezes o peso desse atvo na cartera: ( k C σ ( k σ ( k 0, 0 C D D Para 54,545%, temos: D Note que D σ ( 0,0 0,545 0,0109 k C σ ( kc, então a equação que representa a lnha de compensação da cartera é: σ ( k [ µ ( k r ] µ ( kc r + D [ µ ( k r ] r + σ ( kc 0,04 + 5,5 σ ( kc σ ( k Analsando a equação, percebe-se que o retorno esperado da cartera pode ser expresso por uma unção que relacona o desvo padrão, sendo um lnha reta nterceptando o exo y em r e, tem um declve µ ( k r σ ( k que mede o retorno extra esperado. Assm, se um nvestdor está analsando um nvestmento que está abaxo da lnha de compensação, cabera uma analse à lnha, pos ela representa a mas alta taxa de retorno esperado para um dado rsco. Para utlzarmos somente atvos de rsco, suponha um atvo E de rsco cujo retorno esperado é de 9%a.a. e desvo padrão 0,03. Suponhamos, também, que o coecente de correlação entre D e E seja zero.

12 Quadro 9: Proporções nvestdas nos atvos A e E. Cartera Proporção nvestda em A Proporção nvestda no (%: atvo E (%: D E Retorno esperado da cartera(%: µ ( k C Desvo padrão da cartera (%: σ P ,0 Q ,5 0,168 R ,18 S ,5 0,030 T ,03 Gráco : Ilustração da relação retorno-desvo padrão do quadro 9. Relação retorno-desvo padrão ( k C Retorno esperado ,1 0, Retorno(% Desvo padrão Combnando os dados dos quadros 8 e 9, haverá um ponto I chamado ponto de tangênca entre os dados, correspondendo a combnação ótma de atvos de rsco, ou seja, é a cartera mas ecente. Gráco 3: Conronto de dados dos grácos 1 e. Retorno esperado Conronto de dados dos grácos 1 e. 0% 15% 10% 5% 0% 0 0,1 0, Desvo padrão retorno retorno Lnear (retorno Esse ponto terá uma proporção de nvestmento de D dado por:

13 Sendo: ψ [ µ ( k r ] σ ( k ; D τ µ ( k r ] ρ σ ( k σ ( k ; [ E DE D E E ξ [ µ ( k r ] σ ( k ; E D D ψ τ ( ψ + ξ δ 1 E D δ µ ( k r + µ ( k r ] ρ σ ( k σ ( k. [ D E DE D E Ou seja, 83,193% em D e 16,8067 em E. Também temos: Reajustando a lnha de compensação: µ ( 13,99% k I k I σ ( 0,0174 0,1399 0,04 µ ( kc 0,04 + σ ( kc 0,04 + 5,7414 σ ( kc 0,0174 Suponha que o nvestdor deseje nvestr 50% na cartera I e 50% em atvos sem rsco. Chamando de W este nvestmento, então: µ ( k σ ( k W W 0,04 + 0,5 (0,0999 0,09 9% 0,5 0,0174 0,0087 Sabendo que a cartera I tem 83,1933% de D e 16,8067% de E, a composção de W é: Quadro 9: Dstrbução de pesos para W. Peso em atvos sem rsco 0,5 Peso no atvo D 0,5 0, ,41160 Peso no atvo E 0,5 0, ,0840 Total 1,00 Interpretando os dados, se tvermos um nvestmento de R$ 10000,00 na cartera W, R$ 5000,00 serão em atvos sem rsco e R$ 4160,00 no atvo D e 840,00 no E.

14 6. CONSIDERAÇÕES FINAIS Por m, após uma denção nancera do rsco e de suas relações matemátcas, verca-se que um nvestmento nancero pode ser prevsível a medda que já se tenha ormulado o nível de aversão ao rsco. O quanto se está dsposto para assumr um dado rsco com o ntuto de aumentar a rentabldade do retorno. Assm sendo, tanto o caráter pessoal quanto o matemátco, devem ressaltar-se no cclo de vda nancero pos, se de um lado os números podem mostrar possíves camnhos através da proporconaldade do nvestmento, por outro a tomada da decsão nal (que mesmo nal pode ser reavalada a qualquer tempo será sempre do nvestdor. REFERÊNCIAS BIBLIOGRÁFICAS BODIE, Zv; KANE, Alex; MARCUS, Alan J. Fundamentos de nvestmentos. Tradução Robert Brand Taylor, 3ª edção. Porto Alegre: Bookman Edtora, 000. BODIE, Zv; MERTON, Robert C. Fnanças. Tradução James Sunderland Cook, 1ª edção revsta amplada. Porto Alegre: Bookman Edtora, 00. BREALEY, Rchard A.; MYERS, Stewart C. Prncípos de Fnanças Empresaras. Tradução Mara do Carmo Fguera. Portugal: The McGraw-Hll Companes, BRIGHAM, Eugene F.; HOUSTON, Joel F. Fundamentos da Moderna Admnstração Fnancera. Tradução Mara Imlda da Costa e Slva. Ro de Janero: Campus, FONSECA, Jaro Smon da; MARTINS, Glberto de Andrade. Curso de Estatístca, 6ª edção. São Paulo: Atlas, GITMAN, Lawrence J. Prncípos de Admnstração Fnancera, 7ª edção. São Paulo: Habra, 00.

Covariância e Correlação Linear

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

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

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

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

Leia mais

Regressão e Correlação Linear

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

Leia mais

NOTA II TABELAS E GRÁFICOS

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

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

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

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

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

Leia mais

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

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações. 1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

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

Leia mais

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 e Organização de Dados Estatísticos

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

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

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

Leia mais

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

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

Leia mais

Universidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações.

Universidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações. A CONSTRUÇÃO DE CARTEIRAS EFICIENTES POR INTERMÉDIO DO CAPM NO MERCADO ACIONÁRIO BRASILEIRO: UM ESTUDO DE CASO PARA O PERÍODO 006-010 Rodrgo Augusto Vera (PROVIC/UEPG), Emerson Martns Hlgemberg (Orentador),

Leia mais

Custo de Capital. O enfoque principal refere-se ao capital de longo prazo, pois este dá suporte aos investimentos nos ativos permanentes da empresa.

Custo de Capital. O enfoque principal refere-se ao capital de longo prazo, pois este dá suporte aos investimentos nos ativos permanentes da empresa. Custo e Captal 1 Custo e Captal Seguno Gtman (2010, p. 432) o custo e Captal é a taxa e retorno que uma empresa precsa obter sobre seus nvestmentos para manter o valor a ação nalterao. Ele também poe ser

Leia mais

PARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.

PARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis. EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve

Leia mais

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO ESPECIALIZAÇÃO EM MERCADO DE CAPITAIS

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO ESPECIALIZAÇÃO EM MERCADO DE CAPITAIS UNIVESIDADE FEDEAL DO IO GANDE DO SUL ESCOLA DE ADMINISTAÇÃO OGAMA DE ÓS-GADUAÇÃO EM ADMINISTAÇÃO ESECIALIZAÇÃO EM MECADO DE CAITAIS MODENA TEOIA DE CATEIAS: DESENVOLVIMENTO E ANÁLISE DE UM MODELO DE SELEÇÃO

Leia mais

ENFRENTANDO OBSTÁCULOS EPISTEMOLÓGICOS COM O GEOGEBRA

ENFRENTANDO OBSTÁCULOS EPISTEMOLÓGICOS COM O GEOGEBRA ENFRENTANDO OBSTÁCULOS EPISTEMOLÓGICOS COM O GEOGEBRA André Luz Souza Slva IFRJ Andrelsslva@globo.com Vlmar Gomes da Fonseca IFRJ vlmar.onseca@rj.edu.br Wallace Vallory Nunes IFRJ wallace.nunes@rj.edu.br

Leia mais

Curso de especialização em Finanças e Economia Disciplina: Incerteza e Risco Prof: Sabino da Silva Porto Júnior Sabino@ppge.ufrgs.

Curso de especialização em Finanças e Economia Disciplina: Incerteza e Risco Prof: Sabino da Silva Porto Júnior Sabino@ppge.ufrgs. Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br Introdução Até agora: conseqüêncas das escolhas dos consumdores

Leia mais

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

Escolha do Consumidor sob condições de Risco e de Incerteza

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

Leia mais

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

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

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

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

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

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

Leia mais

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

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

Leia mais

Metodologia IHFA - Índice de Hedge Funds ANBIMA

Metodologia IHFA - Índice de Hedge Funds ANBIMA Metodologa IHFA - Índce de Hedge Funds ANBIMA Versão Abrl 2011 Metodologa IHFA Índce de Hedge Funds ANBIMA 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge

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

Elaboração: Fevereiro/2008

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

Leia mais

PROVA DE MATEMÁTICA DO VESTIBULAR 2013 DA UNICAMP-FASE 1. RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA

PROVA DE MATEMÁTICA DO VESTIBULAR 2013 DA UNICAMP-FASE 1. RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA PROVA DE MATEMÁTICA DO VESTIBULAR 03 DA UNICAMP-FASE. PROFA. MARIA ANTÔNIA C. GOUVEIA QUESTÃO 37 A fgura abaxo exbe, em porcentagem, a prevsão da oferta de energa no Brasl em 030, segundo o Plano Naconal

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

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. Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

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

Leia mais

Resumos Numéricos de Distribuições

Resumos Numéricos de Distribuições Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas

Leia mais

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

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

Leia mais

1 Princípios da entropia e da energia

1 Princípios da entropia e da energia 1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

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

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação

Leia mais

Organização da Aula. Gestão de Obras Públicas. Aula 2. Projeto de Gestão de Obras Públicas Municipais. Contextualização

Organização da Aula. Gestão de Obras Públicas. Aula 2. Projeto de Gestão de Obras Públicas Municipais. Contextualização Gestão de Obras Públcas Aula 2 Profa. Elsamara Godoy Montalvão Organzação da Aula Tópcos que serão abordados na aula Admnstração e Gestão Muncpal Problemas Admnstração e Gestão Muncpal Gestão do Conhecmento

Leia mais

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

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

Leia mais

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

Polos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa

Polos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa Polos Olímpcos de Trenamento Curso de Teora dos Números - Nível 2 Prof. Samuel Fetosa Aula 10 Dvsores Suponha que n = p α 1 2...pα é a fatoração em prmos do ntero n. Todos os dvsores de n são da forma

Leia mais

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

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

Leia mais

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

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

Leia mais

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

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

Leia mais

www.obconcursos.com.br/portal/v1/carreirafiscal

www.obconcursos.com.br/portal/v1/carreirafiscal www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecnologa de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 7. GRÁFICOS DE INFORMAÇÕES São grácos tpcamente epostvos destnados, prncpalmente, ao públco em geral, objetvando

Leia mais

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS. Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só

Leia mais

Software. Guia do professor. Como comprar sua moto. Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia. Ministério da Educação

Software. Guia do professor. Como comprar sua moto. Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia. Ministério da Educação números e funções Gua do professor Software Como comprar sua moto Objetvos da undade 1. Aplcar o conceto de juros compostos; 2. Introduzr o conceto de empréstmo sob juros; 3. Mostrar aplcações de progressão

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 0 Estatístca Descrtva e Análse Eploratóra Realzadas em etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de grande quantdade de dados e

Leia mais

ESPELHOS E LENTES ESPELHOS PLANOS

ESPELHOS E LENTES ESPELHOS PLANOS ESPELHOS E LENTES 1 Embora para os povos prmtvos os espelhos tvessem propredades mágcas, orgem de lendas e crendces que estão presentes até hoje, para a físca são apenas superfíces poldas que produzem

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

CAPÍTULO 1 Exercícios Propostos

CAPÍTULO 1 Exercícios Propostos CAPÍTULO 1 Exercícos Propostos Atenção: Na resolução dos exercícos consderar, salvo menção em contráro, ano comercal de das. 1. Qual é a taxa anual de juros smples obtda em uma aplcação de $1.0 que produz,

Leia mais

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

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

Leia mais

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

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

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

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M. Lsta de Exercícos de Recuperação do Bmestre Instruções geras: Resolver os exercícos à caneta e em folha de papel almaço ou monobloco (folha de fcháro). Copar os enuncados das questões. Entregar a lsta

Leia mais

Nota Técnica Médias do ENEM 2009 por Escola

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

Leia mais

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL. A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

Leia mais

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto

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

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

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

Leia mais

Controle Estatístico de Qualidade. Capítulo 8 (montgomery)

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

Leia mais

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

ANEXO II METODOLOGIA E CÁLCULO DO FATOR X

ANEXO II METODOLOGIA E CÁLCULO DO FATOR X ANEXO II Nota Técnca nº 256/2009-SRE/ANEEL Brasíla, 29 de julho de 2009 METODOLOGIA E ÁLULO DO FATOR X ANEXO II Nota Técnca n o 256/2009 SRE/ANEEL Em 29 de julho de 2009. Processo nº 48500.004295/2006-48

Leia mais

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas

Leia mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

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

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

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

Leia mais

Associação de resistores em série

Associação de resistores em série Assocação de resstores em sére Fg.... Na Fg.. está representada uma assocação de resstores. Chamemos de I, B, C e D. as correntes que, num mesmo nstante, passam, respectvamente pelos pontos A, B, C e D.

Leia mais

DISTRIBUIÇÃO DE FREQUÊNCIAS

DISTRIBUIÇÃO DE FREQUÊNCIAS Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO

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

DECISÃO SOB INCERTEZA

DECISÃO SOB INCERTEZA PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br 1 Introdução

Leia mais

Estatística stica Descritiva

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

Leia mais

CQ110 : Princípios de FQ

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

Leia mais

4 Otimização e Diversificação: o Binômio Risco-Retorno

4 Otimização e Diversificação: o Binômio Risco-Retorno 4 Otmzação e Dversfcação: o Bnômo Rsco-Retorno O alto dnamsmo e a crescente sofstcação do mercado fnancero mundal fazem com que os nvestdores tenham o constante desafo de utlzarem estratégas que maxmzem

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

Escolha de Portfólio. Professor do IE-UNICAMP http://fernandonogueiracosta.wordpress.com/

Escolha de Portfólio. Professor do IE-UNICAMP http://fernandonogueiracosta.wordpress.com/ Escolha de Portfólio considerando Risco e Retorno Aula de Fernando Nogueira da Costa Fernando Nogueira da Costa Professor do IE-UNICAMP http://fernandonogueiracosta.wordpress.com/ Relação entre risco e

Leia mais

Avaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe

Avaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe Avalação da Tendênca de Precptação Pluvométrca Anual no Estado de Sergpe Dandara de Olvera Félx, Inaá Francsco de Sousa 2, Pablo Jónata Santana da Slva Nascmento, Davd Noguera dos Santos 3 Graduandos em

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

Economia Industrial. Prof. Marcelo Matos. Aula 7

Economia Industrial. Prof. Marcelo Matos. Aula 7 Economa Industral Prof. Marcelo Matos Aula 7 Concentração de Mercado Resende e Boff [cap 5 de K&H, 2013]; Ferguson e Ferguson cap.3; Meddas de Concentração: característcas Possbldade de classfcar meddas

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

Leia mais

GST0045 MATEMÁTICA FINANCEIRA

GST0045 MATEMÁTICA FINANCEIRA GST0045 MATEMÁTICA FINANCEIRA Concetos Báscos e Smbologa HP-12C Prof. Antono Sérgo A. do Nascmento asergo@lve.estaco.br GST0045 Matemátca Fnancera 2 Valor do dnhero no tempo q O dnhero cresce no tempo

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

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

Diversificação - exemplo

Diversificação - exemplo INCETEZA E ISCO /4/009 Dversfcação - exemplo oss cap. 0 Cartera com N atvos Nova stuação: Cartera mas dversfcada Todos os títulos têm a mesma Varânca Todas as covarâncas são guas Todos os Títulos tem a

Leia mais

METROLOGIA E ENSAIOS

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

Leia mais

Risco e Retorno dos Investimentos. Paulo Pereira Ferreira Miba 507

Risco e Retorno dos Investimentos. Paulo Pereira Ferreira Miba 507 Risco e Retorno dos Investimentos Paulo Pereira Ferreira Miba 507 Risco e Retorno Esperados Linha Característica Linha do Mercado de Títulos Linha de Combinação Realidade Brasileira genda Risco e Retorno

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

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

INTRODUÇÃO SISTEMAS. O que é sistema? O que é um sistema de controle? O aspecto importante de um sistema é a relação entre as entradas e a saída

INTRODUÇÃO SISTEMAS. O que é sistema? O que é um sistema de controle? O aspecto importante de um sistema é a relação entre as entradas e a saída INTRODUÇÃO O que é sstema? O que é um sstema de controle? SISTEMAS O aspecto mportante de um sstema é a relação entre as entradas e a saída Entrada Usna (a) Saída combustível eletrcdade Sstemas: a) uma

Leia mais

2 Referencial Teórico

2 Referencial Teórico Referencal Teórco O obetvo deste capítulo é apresentar os concetos de rsco, correlação e dversfcação no contexto da Teora oderna de Carteras e os últmos estudos a respeto das correlações entre mercados

Leia mais

Caderno de Exercícios Resolvidos

Caderno de Exercícios Resolvidos Estatístca Descrtva Exercíco 1. Caderno de Exercícos Resolvdos A fgura segunte representa, através de um polígono ntegral, a dstrbução do rendmento nas famílas dos alunos de duas turmas. 1,,75 Turma B

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

4. Conceitos de Risco-Retorno, diversificação e índices de desempenho de Fundos de Investimento

4. Conceitos de Risco-Retorno, diversificação e índices de desempenho de Fundos de Investimento 4. Concetos de Rsco-Retorno, dversfcação e índces de desempenho de Fundos de Investmento O alto dnamsmo e a crescente sofstcação do mercado fnancero mundal fazem com que os nvestdores tenham o constante

Leia mais