Alexandre Lintz (*) Liliane Renyi (**)

Tamanho: px
Começar a partir da página:

Download "Alexandre Lintz (*) Liliane Renyi (**)"

Transcrição

1 III SEMEAD ANÁLISE DE DIVERSIFICAÇÃO DE CARTEIRAS DE INVESTIMENTO COMPOSTAS POR AÇÕES PERTENCENTES AO ÍNDICE BOVESPA: UM CONFRONTO ENTRE OS MODELOS DE SHARPE E MARKOWITZ Alexadre Litz (*) Liliae Reyi (**) RESUMO A aálise do efeito de diversificação de carteiras de ivestimeto é baseada em pricípios laçados pelos trabalhos de Markowitz e Sharpe. Porém algumas premissas assumidas pelo modelo de Sharpe podem levar a imprecisões devido à forma de cálculo de algus de sues parâmetros. Este trabalho, a partir de resultados obtidos em trabalhos ateriores, buscará medir as possíveis falhas que o modelo de Sharpe pode icorrer, e respoder à seguite questão. Será que as difereças de aálise do modelo de Sharpe são realmete sigificates para carteiras compostas por ações presetes o Ídice Bovespa? (*) Egeheiro Metalúrgico pela Escola Politécica da Uiversidade de São Paulo. Mestrado do Programa de Pós-Graduação em Admiistração da Faculdade de Ecoomia, Admiistração e Cotabilidade da Uiversidade de São Paulo. litz@usp.br. (**) Mestrada do Programa de Pós-Graduação em Admiistração da Faculdade de Ecoomia, Admiistração e Cotabilidade da Uiversidade de São Paulo.

2 INTRODUÇÃO O desevolvimeto de técicas de admiistração de carteiras de ivestimeto é algo que tem motivado o trabalho de iúmeros pesquisadores da área fiaceira este século. Porém, foi através do trabalho Portfolio Selectio de Markowitz (13) e Capital Asset Prices de Sharpe (21) que este assuto teve grade impulso. Embora o modelo de Markowitz teha um maior ível de precisão, o modelo de Sharpe torou-se mais utilizado devido sua simplicidade. Porém, este último pode icorrer em algus erros sutis devido fatores tais como escolha de um ídice que represete o mercado e a aálise da covariâcia etre os retoros de diversos ativos que compõem uma carteira de ivestimetos. Este último fator é mecioado, pois o modelo de Sharpe ao estimar a variâcia de uma carteira de ativos fiaceiros, cosidera como sedo ula as covariâcias etre os resíduos das regressões dos retoros dos ativos com os retoros do mercado. Embora este termo seja chamado de residual, acredita-se que este úmero possa iflueciar de maeira expressiva o cálculo de risco de carteiras compostas por ações egociadas a Bolsa de Valores de São Paulo. Dessa forma, este trabalho busca medir as possíveis falhas que o modelo de Sharpe pode levar a icorrer, através de uma comparação com resultados obtidos a diversificação de carteiras através cálculo de risco do Markowitz. Sabe-se a priori que o modelo de Markowitz é mais preciso que o de Sharpe, cotudo, levata-se a seguite questão: Será que os erros de aálise do modelo de Sharpe são realmete sigificates para carteiras compostas pelas ações mais líquidas do mercado acioário de São Paulo? O trabalho aida discutirá o úmero ótimo de ações que permite se obter carteiras diversificadas para a população de estudo (as ações mais egociadas o mercado acioário de São Paulo), sempre se matedo o paralelo a aálise etre as duas metodologias desevolvidas. Em trabalho aterior, Litz e Reyi (12) empregaram esta aálise a partir do modelo de Sharpe, cotudo, a possível imprecisão ao se empregar este modelo requer que uma aálise mais profuda dos úmeros obtidos seja feita. Uma breve aálise sobre o risco diversificável e próprio será etão realizada, visado-se discutir possíveis falhas de mesuração do risco ao se empregar como medida de risco a metodologia proposta pelo modelo de Sharpe. Por fim, acredita-se que estudos buscado uma melhor compreesão das variates que iflueciam o cálculo de risco seja de fudametal relevâcia para a aálise de risco de carteiras de ivestimeto, ou aida, um setido mais amplo, para o cálculo de risco de istituições fiaceiras como um todo. A metodologia de Sharpe, que atualmete mostrase muito dissemiada e aceita tato a comuidade acadêmica, assim como o mercado fiaceiro como um todo, para a aálise de risco pode levar a evetuais distorções de aálise. Basicamete, esta é a proposta do trabalho: abrir um espaço para se questioar a eficiêcia e acurácia de ambos os modelos, através de uma aálise empírica por simulação de carteiras de ações. A Teoria O desevolvimeto teórico de mercado de capitais as últimas décadas tem se cetrado basicamete a determiação do valor itríseco de um ativo. A determiação deste valor, por sua vez, está relacioada às variáveis retoro e risco. Assumido-se que o mercado é eficiete, pode se dizer que existe uma relação iexorável etre estas duas variáveis: quato maior o risco de um ativo, maior será o prêmio exigido por se estar assumido este risco. Dessa forma, a aálise destes dois fatores é de fudametal importâcia para se obter um bom desempeho de uma carteira. Com relação à variável risco, pode se ecotrar estudos sobre esta variável desde a década de 20, mas foi através do trabalho Portfolio Selectio de Markowitz (13) publicado em 1952 que este tema teve sua pricipal formulação. Através de seu trabalho, Markowitz busca respoder a uma questão crucial: é possível miimizar o risco do ivestidor para um certo ível de gaho esperado? Caso se coseguisse respoder a esta questão, poderia se criar técicas racioais para aalisar a 2

3 diversificação de carteiras, em vez de apeas se seguir o provérbio simplista que até etão vigava de que uca se deve colocar todos os ovos em uma mesma cesta. Markowitz, por sua vez, teta discutir em que cestas que se devem colocar os ovos, ão simplesmete os espalhado aleatoriamete. 14,0% 12,0% Retoro Esperado 10,0% 8,0% 6,0% 4,0% 2,0% E A.. D C B -1 < Correlação < Correlação = - Correlação = 1 0,0% 0,0% 1,0% 2,0% 3,0% 4,0% 5,0% 6,0% 7,0% Risco (desvio padrão do retoro) Figura 1 - Curvas que Relacioam Risco com Retoro Esperado para Diferetes Correlações etre os Retoros dos Ativos O primeiro grade passo de Markowitz para suas descobertas foi quebrar o paradigma de que o retoro esperado de uma carteira de ações apreseta uma relação liear com o desvio padrão do retoro desta carteira, como pode se ver a Figura 1. A ituição das pessoas é imagiar que ao se alocar metade do diheiro um ativo A com um desvio padrão do retoro de 2%, e metade em B com um desvio padrão do retoro de 4%, a carteira apresetará, assim, um desvio de 3% ((2%+4%)/2), localizado-se o poto C da figura. Cotudo, como pode se ver a figura, ão ecessariamete o desvio padrão será de 3%. Para se saber o quato será o verdadeiro desvio padrão do retoro, precisa-se ates saber a correlação existete etre os ativos A e B, ou seja, precisa-se saber o grau de iterdepedêcia etre estes. A ituição das pessoas apeas estaria correta quado a correlação etre os ativos fosse igual a 1. Alterativamete, se a correlação estivesse etre -1 e 1, a relação capaz de explicar o risco e retoro ão seria liear, mas sim hiperbólica, apresetado um risco iferior a 3% (poto D). Por fim, caso a correlação fosse de -1, haveria até mesmo uma combiação etre os ativos A e B que apresetaria um retoro livre de risco (poto E). Para o caso de correlação igual a -1 a equação que explica a relação risco e retoro seria liear. Escolhedo-se proporções corretas etre os ativos, dessa forma, cosegue-se obter um risco para a carteira iferior à simples média do risco dos ativos, se ão até mesmo ulo. Resta etão otimizar a escolha retoro versus risco, valedo observar que quato meor a correlação etre os ativos, maior será a diversificação e, assim, meor será o risco. Supoha assim uma carteira formada por ativos. O retoro desta carteira é dado por: ~ ~ R = w R ode, c i i i= 1 R c é o retoro da carteira (variável aleatória) 3

4 w i é o peso de cada ativo a carteira R i é o retoro do ativo i (variável aleatória) (1) Dada a seguite codição: w i = 1 i= 1 O retoro médio da carteira será: mesmo ível de risco, logo, A domia sobre B (A é preferido a B). Da mesma forma, pode se ver que A apreseta um mesmo retoro que C, porém com maior risco. Assim, C domia sobre A (C é preferível a A). Assim, com a idéia de se buscar o máximo retoro para um dado ível de risco (ou um míimo risco para um dado ível de retoro), agregada à existêcia do pricípio da domiâcia, pode-se perceber que a partir das equações (1) e (2) acima deduzidas se aplicará o multiplicador de Lagrage, possibilitado achar uma equação que represete a froteira eficiete dos ivestimetos com risco. ~ ~ Ruc = E[ wi Ri ] = wi E [ Ri ] = wi Rµ i i= 1 ode, R µi é o retoro médio do ativo i R µc é o retoro médio da carteira i= 1 Retoro C A B Já para o cálculo do risco, Markowitz o defiiu como sedo o desvio padrão da série de retoros. Assim temos: (2) σ ode, c i i i i = 1 i> j = w σ + 2 w w j cov( Ri, R j ) σ c 2 é o desvio padrão dos retoros da carteira σ i 2 é o desvio padrão dos retoros do ativo i cov(ri, Rj) é a covariâcia etre os retoros dos ativos i e j A partir das equações (1) e (2), quado se examia a relação risco versus retoro da carteira, admite-se a racioalidade do ivestidor. Dessa forma, deve-se procurar carteiras que, para um dado ível de retoro esperado, apresetem míima variâcia ou aida que para um dado ível de variâcia apresetem o máximo retoro. O ivestidor, dessa forma, seguirá o pricípio da domiâcia. Para melhor se compreeder este pricípio, há três alterativas de ivestimeto que podem ser vistas a figura 2. Pode se ver que o ativo A apreseta um maior retoro que B, para um - Risco (σ) Figura 2 - Pricípio de Domiâcia O modelo de Markowitz esbarra um grade problema para a época em que fora desevolvido: exige-se um grade úmero de cálculos de covariâcias além da ecessidade de trabalhar com programação quadrática para poder se estimar o peso dos ativos que miimizam o risco da carteira para cada ível de retoro. Atualmete, com a evolução da tecologia computacioal, isto deixa de ser um grade problema, porém, para a época de seu desevolvimeto torava-se bem mais difícil de se operacioalizar. Dada a barreira de cuho prático do modelo, Sharpe (20) propõe um modelo de mais simples operacioalização. A idéia de Sharpe baseia-se a tetativa de se poder calcular o coeficiete de correlação liear dos retoros dos ativos em relação a um úico ativo que atuaria como uma espécie de padrão para comparações. O ativo padrão passou a ser o que Sharpe chamou de carteira de mercado, sedo a carteira formada por todos os ativos de risco da ecoomia. Segudo Sharpe, a carteira de mercado deveria atribuir pesos aos ativos de risco do mercado 4

5 proporcioalmete a seus pesos a ecoomia real (ao PIB do país). O primeiro passo o desevolvimeto do modelo de Sharpe baseia-se a idéia de se fazer uma regressão liear etre os retoros de um ativo qualquer, e os retoros do mercado. Assume-se que os retoros dos ativos com o mercado estão correlacioados, sedo que cada ativo respode ao mercado com uma itesidade diferete. Assume-se que todos os ativos estão respodedo a esta úica força comum a todos. A fórmula ecotrada será: (3) R i = α + βr + ε Assim, α e β são os coeficietes resultates da regressão, equato que ε é o termo de erro aleatório, sedo cosiderado um ruído braco (média zero e com um certo desvio padrão). O itercepto α represeta o retoro do ativo que idepede do mercado, sedo assim o retoro próprio do ativo. O coeficiete agular β, também cohecido por fator beta, descreve a resposta do retoro do ativo a mudaças a taxa de retoro da carteira de mercado. Calculado o retoro médio deste ativo, temos: E[R i ] = E[α + βr m + ε] Como α e β são costates da regressão e ε é um ruído braco, temos: (4) Rµ i = α + βrµ m ode, Rµ i é o retoro médio do ativo i Rµ m é o retoro médio do mercado Assim, para o cálculo da esperaça dos retoros do ativo, o ruído braco desaparece. Calculado a variâcia do retoro do ativo i, teremos: (5) σ = β σ + σ ( ε) i Risco Total m Risco Sistemático Risco Próprio O primeiro termo do lado direito da equação (5) é cohecido por risco sistemático, cojutural ou ão diversificável do ivestimeto e represeta a parcela da variâcia do retoro do ativo que ão pode ser diversificada. Esta parte pode ser explicada quado um movimeto do mercado é capaz de mover o retoro do ativo. Algumas fotes do risco ão diversificável são: variações da taxa de juros (alteração do custo de oportuidade do capital); iflação; flutuações o mercado secudário de ações (capaz de alterar evetuais decisões empresariais). A seguda parcela da variâcia do retoro do ativo, por sua vez, é cohecida como risco ão sistemático, específico, ão cojutural, próprio, diversificável ou residual, e represeta a parcela da variâcia que tede a desaparecer com a diversificação de ativos. Esta parcela explica as oscilações do retoro do ativo adicioais ou iferiores às esperadas devido às oscilações do mercado. Assim, a variação total do retoro de um ativo em parte pode ser explicada por variações ao logo da reta obtida pela equação da regressão (devido variações do mercado), e em parte por variações acima ou abaixo da reta (devido feômeos ligados à empresa). Com relação aos riscos diversificáveis, abaixo segue algumas fotes possíveis: possibilidade de isolvêcia da empresa; competêcia admiistrativa da empresa; tecologia da empresa (possibilidade de obsolescêcia). A mesma expressão ecotrada para ativos idividuais pode ser derivada para carteiras. Cosidere uma carteira formada por ativos, cada um apresetado a participação w 1, w 2,..., w, ode: w 1 + w w = 1 A partir das equações básicas do modelo de Markowitz (1) e (2), e substituido o retoro do 5

6 ativo pela equação (3) do modelo de Sharpe, temos: (6) R = w α + R w β µ c i i µ m i i i= 1 i= 1 É iteressate e importate observar que o fator beta da carteira ada mais é do que a média poderada dos fatores beta dos ativos. A equação do retoro médio da carteira o modelo de Sharpe segue a fórmula apresetada para o retoro médio dos ativos, sedo composta por uma parcela ligada ao retoro próprio da carteira e uma ligada ao retoro do mercado. Com relação ao desvio padrão do retoro, temos: (7)σ = w σ ( ε ) + σ w w β β c Risco Total i i m i = 1 j= 1 i= 1 Risco Próprio i j i j Risco Sistemático σ 2 εc Cov(ε i, ε j ) > 0 Cov(ε i, ε j ) = 0 Cov(ε i, ε j ) < 0 Número de Ativos Figura 3 - Risco Próprio Versus Número de Ativos a Carteira Obtém-se assim uma equação semelhate para a carteira e para os ativos idividualmete, podedo se subdividir o risco da carteira em risco próprio e risco sistemático, da mesma forma que para os ativos em isolado. A grade vatagem desta equação com relação ao modelo de Markowitz é que para o cálculo das covariâcias passa-se a trabalhar com operadores lieares ao ivés de quadráticos. Do poto de vista prático, trabalhar com operador quadrático para a época em que o modelo de Markowitz fora desevolvido torava-se praticamete impossível. Assim, cosegue-se com o modelo de Sharpe uma abordagem mais prática do poto de vista operacioal, embora este perca a precisão do resultado (por cosiderar as correlações etre os resíduos de diferetes ativos igual a zero). Efim, da mesma forma que o modelo de Markowitz, Sharpe também se propõe a calcular a froteira eficiete dos ativos com risco a partir das equações (6) e (7). Assim, para cada ível de retoro, se buscará a composição w 1, w 2,...,w capaz de miimizar a variâcia do retoro da carteira. Para tal, usa-se o multiplicador de Lagrage. A equação fial, assim como ecotrada por Markowitz, resultará em uma hipérbole, que dará origem igualmete à Froteira Eficiete. Vale observar que o modelo assume que o erro aleatório do retoro de um ativo idepede de outro ativo ou carteira, assim, as covariâcias etre os resíduos assumirem o valor zero. Devido esta hipótese, foi possível cosiderar a variâcia da carteira σ 2 εc como sedo a simples somatória das variâcias dos resíduos poderadas por seus respectivos pesos ao quadrado (Σw i 2 σ 2 (ε i )). Dada esta codição, a variâcia residual começa a desaparecer coforme o úmero de ativos da carteira aumeta. Por exemplo, cosidere uma carteira com um úico ativo, ode o desvio padrão 6

7 residual vale 10%. Agora, caso se passe a ter mais um ativo a carteira também com o desvio padrão residual de 10% e com o diheiro alocado meio a meio etre os dois ativos, teremos: σ 2 εc = (0,50) 2 x (0,10) 2 + (0,50) 2 x (0,10) 2 = 0,5% σ εc = 0, 005 = 7, 07% Como pode se ver, houve uma redução do risco próprio da carteira com o simples igresso de mais um ativo com mesma variâcia residual. Dessa forma, pode se ver que quato maior for o úmero de ativos presetes a carteira, distribuido-se igualmete os pesos etre os ativos, meor tederá a ser a variâcia residual. Fazedo-se um gráfico da variâcia residual com o úmero de ativos presetes a carteira, pode se ver que coforme se diversifica a carteira, a variâcia residual tede assitoticamete a zero (vide figura 3). Isto ocorre porque se assume que os resíduos ão são correlacioados, e se algus ativos apresetam retoros acima da liha característica do ativo, outros apresetam abaixo, de modo que há uma compesação etre os resíduos. Como o risco residual da carteira é o somatório dos pesos dos ativos ao quadrado multiplicados pelas respectivas variâcias dos resíduos, este sempre será pequeo se houver um úmero grade de ativos a carteira. A variâcia obtida pelo modelo de Sharpe passa a ser, desse modo, um úmero aproximado da variâcia real da carteira. Pode-se, o etato, subestimá-la ou superestimá-la, como mostra a figura, por ão se computar as covariâcias dos resíduos ε j Figura 4 - Dispersão dos Resíduos etre Diferetes Ativos Caso se quisesse computar os resíduos, poder-se-ia costruir uma matriz de covariâcia coforme o Quadro I: ε k Cov(ε i, ε j ) A B C A σ 2 (ε A ) Cov(ε B, ε A ) Cov(ε C, ε A ) B Cov(ε A, ε B ) σ 2 (ε B ) Cov(ε C, ε B ) C Cov(ε A, ε C ) Cov(ε B, ε C ) σ 2 (ε C ) Quadro I - Matriz de Covariâcia etre os Resíduos Portato, temos que a variâcia do resíduo de uma carteira será : σ 2 (ε c ) = [w i ] [Cov(ε i, ε j )] [w i ] T Ode [w i ] T é a matriz trasposta do vetor de pesos dos ativos a carteira. A covariâcia etre os resíduos mede as oscilações dos retoros de ativos que possuem, por exemplo, algum tipo correlação com empresas de um mesmo setor idustrial. Um exemplo da fragilidade desta hipótese assumida o modelo de Sharpe seria a covariâcia etre ativos do mesmo setor da ecoomia, como telecomuicações e eergia elétrica. Acredita-se a priori, do mesmo modo, que as ações do Ídice Bovespa apresetem uma correlação etre os resíduos sigificativamete alta, podedo evetualmete coduzir a distorções a aálise ao se utilizar o modelo de Sharpe. Dessa forma, o trabalho irá tetar medir esta imprecisão a partir dos ativos presetes o ídice Bovespa. 7

8 Litz e Reyi (12), em trabalho aterior, desevolveram uma aálise a partir do modelo de Sharpe para verificar o efeito de diversificação de carteiras compostas por ações pertecetes ao Ibovespa. Porém, cosciete da importâcia de se aalisar as covariâcias dos resíduos, este trabalho procurou realizar uma aálise semelhate do efeito de diversificação de risco através do modelo de Markowitz, o qual cosidera em seus cálculos todos os elemetos de risco que compõem a ação. Comparado-se os resultados obtidos por ambos os modelos, poder-se-á estimar se a covariâcia etre os resíduos é relevate, assim como aalisar como este fator é capaz de levar a uma sobre ou subestimação do efeito de diversificação de carteiras de ivestimeto. METODOLOGIA A metodologia deste trabalho se divide em três partes. A primeira irá tratar as codições básicas que permitiram o desevolvimeto do projeto, tais como o período de aálise do estudo, a população que irá se aalisar e tratametos ecessários as séries de preços. A seguda parte cosiste a simulação por computador de carteiras aleatórias. Nesta etapa aida se calculará o gaho de diversificação de carteiras. A última parte, efim, buscará comparar o resultado obtido com a diversificação obtida pelo modelo de Markowitz com o de Sharpe. Objetiva-se etão medir o grau de precisão etre os dois modelos a partir de uma aálise realizada com as ações mais líquidas do mercado brasileiro, assim como estimar como a covariâcia dos resíduos iflui esta aálise. Uiverso e Período do Estudo Escolheu-se trabalhar com um período de aálise de um ao, a partir de uma série de preços diários. O trabalho procurou ecerrar o estudo ates do mês de outubro de 1997, pois sabe-se que em períodos de crash de bolsa de valores o mercado mostra-se mais ilíquido, i.e., com várias ações ão sedo egociadas. Isto poderia evetualmete viesar as correlações dos ativos, além de dificultar o trabalho por haver séries icompletas (com ausêcia de preços) em várias datas. O período assim escolhido iicia-se o dia 1º de setembro de 1996 ido até o dia 30 de agosto de A população do estudo é das ações costates o Ídice Bovespa. Escolheu-se trabalhar com estas ações, por se tratar das ações mais líquidas da bolsa de São Paulo, o que asseguraria se estar estudado as ações com maior egociabilidade o mercado acioal. Detro do período determiado, a composição teórica do ídice alterou-se três vezes (a composição do ídice é revisada a cada quatro meses). Icluiu-se assim o uiverso de aálise qualquer ação que tivesse aparecido pelo meos uma vez o ídice durate o ao de vigêcia do estudo. A úica ação que esteve presete o ídice tato a carteira de setembro a dezembro de 1996, assim como a carteira de maio a agosto de 1997, e que ão pôde ser icluída o estudo, foi a da Siderúrgica Riogradese PN (RIO4), pois a empresa fora icorporada ao Grupo Gerdau em 30/07/97, ão permitido que se teha uma série histórica completa de seus preços para o período de aálise. Vale apeas ressalvar que as ações da compahia Refripar (REP4) que estavam presetes o ídice de setembro de 1996 a abril de 1997 passaram a ser cosideradas pertecetes à Electrolux a partir de maio de Fote dos Dados e Tratameto das Séries Para poder se trabalhar com as séries, estas devem sempre ser ajustadas aos pagametos de dividedos, subscrições, boificações, assim como desdobrametos. Os dados foram obtidos através do serviço eletrôico Ecoomática, que apreseta a opção de se obter os preços já ajustados a estes provetos, ão ecessitado assim corrigi-los. Com relação às séries, ocasioalmete algum ativo poderia ão apresetar egociação em alguma data, optado-se por iterpolar os preços liearmete a partir dos dados aterior e posterior mais próximos para obter este valor caso isto ocorresse. Com este procedimeto, deve se ater à possível subestimação dos valores obtidos. Cotudo, como a série de dados é bem 8

9 loga, e pelo fato desta ausêcia de egociação ão se mostrar demasiadamete corriqueira para os ativos em estudo, acredita-se ão estar se levado a um grade viés dos resultados. O Cálculo dos Retoros Diários Para o cálculo do retoro diário, a série foi cosiderada com distribuição cotíua (juros cotíuos), tedo como base a seguite fórmula: ode, P t It = P 0 e, P t é o preço o período t P 0 é o preço o período iicial t é o úmero de períodos existetes (base diária) logo: Pt I = l P A Carteira de Mercado 0 1/ t O estudo realizado por Litz e Reyi (12) utilizou-se do modelo desevolvido por Sharpe. Este modelo é itegralmete baseado a preseça de um ídice capaz de represetar o mercado. Para o Brasil, o ídice mais cohecido o mercado acioário é o Ibovespa. Participam da carteira teórica do Ibovespa as ações de maior egociabilidade os últimos 12 meses e que, em cojuto, represetem pelo meos 80% da soma dos ídices de egociabilidade apurados para todas as ações egociadas a vista os pregões deste período a Bolsa de Valores de São Paulo. Adicioalmete, exige-se que cada ação selecioada por este critério teha participado em pelo meos 80% dos pregões do período cosiderado e que seu volume de egócios o mercado a vista o período correspoda a mais do que 0,1% do volume total de egociações o mercado a vista da Bolsa de Valores de São Paulo o mesmo período. (11) Assim, a egociabilidade é um coceito cetral a metodologia de costrução do Ídice Bovespa. Porém, devido a esta metodologia, atribui-se um peso muito grade para as ações da Telebrás, ocupado, como pode ser visto a composição que se utilizará como base, 44,733% do total com ações do tipo PN, e 5,345% com ações do tipo ON. Ou seja, aproximadamete 50% do ídice pode ser represetado por ações da empresa Telebrás. Por outro lado, o modelo de Sharpe etede por carteira de mercado a combiação de todos os ativos com risco existetes, em proporções correspodetes aos seus valores de mercado. Neste setido, a utilização do Ídice Bovespa como represetativo do mercado paulista ou brasileiro de ações sem dúvida é susceptível a críticas, pois questioa-se pricipalmete a grade cocetração do ídice em certas ações. O modelo de Sharpe requer que se calcule a regressão liear etre todos os retoros dos ativos idividualmete e os retoros do mercado, e tem como objetivo permitir obter os coeficietes agulares e resíduos da regressão, que serão utilizados o cálculo do risco das carteiras. Para o retoro de cada ativo idividualmete, calculou-se o risco total (defiido como o desvio padrão da série dos retoros), assim como o risco sistemático e próprio. Costrução das Carteiras Aleatórias A metodologia utilizada para compor as diversas carteiras de ativos é baseada em simulação por computador. O programa desevolvido gera aleatoriamete diferetes combiações de ativos para diversos tamahos de carteira (de 1 a 50 ativos). Para cada tamaho de carteira, serão simuladas combiações, sempre se distribuido homogeeamete os pesos relativos. Assim, por exemplo, para uma carteira composta por 30 ações, cada ativo sorteado aleatoriamete apresetará um peso de 1/30 a carteira. Através desta metodologia, serão geradas o total simulações, sedo este um úmero que permite maior cofiabilidade das variáveis estudadas. Para cada grupo de carteiras aleatórias de mesmo tamaho, serão calculados os estimadores média 9

10 das variáveis risco sistemático, próprio e total pelo modelo de Markowitz. A partir destes dados serão realizadas as pricipais aálises e coclusões. O risco ecotrado a partir do modelo de Sharpe, foi subdividido em Risco Próprio, Sistemático e Total, como pode ser visto o trabalho de Litz e Reyi (12). Porém, este trabalho, utilizado-se o modelo de Markowitz, apeas se calculará o risco total das carteiras. O passo seguite cosiste em calcular o risco total das carteiras dos mais diversos tamahos a partir do modelo de Markowitz, permitido medir a dimesão do possível erro que pode estar se icorredo ao se utilizar o modelo de Sharpe como estimador de risco para as carteiras compostas por ações do mercado brasileiro. Teste de Sigificâcia para a Igualdade das Variâcias A última etapa cosiste em verificar a partir de quatos ativos o modelo de Sharpe passa a apresetar um erro de mesuração capaz de viesar a aálise da variâcia das carteiras. Para se verificar esta igualdade, realiza-se o teste de sigificâcia para a igualdade das variâcias etre a esperaça do estimador variâcia medido a partir do modelo de Sharpe e o medido a partir do modelo de Markowitz para as carteiras dos mais diversos tamaho, como segue abaixo: H o : σ 2 Markowitz = σ 2 Sharpe H 1 : σ 2 Markowitz σ 2 Sharpe O teste é realizado ao ível de sigificâcia de 10%. Critério de Decisão de Diversificação Ótima das Carteiras O critério para decisão do úmero ótimo de ativos capaz de diversificar uma carteira será através da aálise de covergêcia do estimador média referete ao risco total. Esta covergêcia será atigida quado o decréscimo do risco total da carteira for iferior a um valor arbitrário de 0,01%. Objetiva-se etão comparar com quatos ativos se coseguirá obter covergêcia pelo modelo de Markowitz em comparação ao modelo de Sharpe, com o ituito de aalisar possíveis erros as tomadas de decisões com base o último. ANÁLISE DOS RESULTADOS A partir dos resultados obtidos com as carteiras simuladas pelo modelo de Markowitz, costruiu-se o gráfico disposto a figura 5, que represeta o comportameto do risco total em fução do úmero de ativos que compõem a carteira. 4,0% 3,5% Ris co 3,0% 2,5% 2,0% Esperaça do Risco Esperaça +/- S 1,5% 1,0% Número de Ativos a Carteira Figura 5 - Diversificação de Risco pelo Modelo de Markowitz 10

11 Percebe-se que o risco total das carteiras tede assitoticamete a um certo patamar defiido pelo risco ão diversificável. O risco total médio das carteiras simuladas foi de 2,63% para 1 ativo, decrescedo rapidamete para 1,54% para 6 ativos, 1,40% para 11 ativos até atigir 1,24% para 50 ativos. Pelo critério adotado (variação do risco meor ou igual a 0,01% para icremetos uitários do tamaho da carteira), atigiu-se a covergêcia do risco com 13 ativos, ou seja, a partir deste poto os gahos de diversificação toraram-se iferiores a 0,01% de decréscimo do risco total da carteira. Comparado estes resultados com os obtidos o estudo de Litz e Reyi (12), pode se ver que há uma margem de erro cosiderável ao se aalisar diversificação de ativos em carteiras de ivestimeto através da metodologia de Sharpe. Neste estudo, obteve-se a covergêcia apeas trabalhado com 11 ativos, equato que a covergêcia real ocorreu com 13 pelo critério adotado. Através da Figura 6, é possível se comparar a diversificação de carteiras através do modelo de Sharpe em comparação ao de Markowitz. Como pôde ser visto, detectou-se uma correlação residual etre os diferetes ativos aalisados, pois o risco estimado se comporta de maeira diferete a partir de cada modelo utilizado.dado que o risco calculado pelo modelo de Sharpe é uma simplificação do modelo de Markowitz, e como o primeiro ão leva em cosideração a aálise das covariâcias residuais etre diferetes ativos, coclui-se que as mesmas são positivas (vide Figura 3). 2,8% 2,6% 2,4% 2,2% 2,0% 1,8% Markowitz Sharpe 1,6% 1,4% 1,2% 1,0% Número de Ativos a Carteira Figura 6 - Diversificação de Risco pelos Modelos de Markowitz e Sharpe Fazedo-se o teste de hipótese de igualdade das variâcias, chega-se à coclusão que para carteiras formadas por mais de 15 ativos pode se rejeitar a hipótese ula, ou seja, as variâcias calculadas pelos diferetes modelos toram-se estatisticamete discrepates. Por exemplo, com carteiras de 16 ativos, o desvio padrão dos retoros pelo modelo de Markowitz foi de 1,33%, equato que de Sharpe foi de 1,26%. Este resultado prova a existêcia de correlação residual predomiatemete positiva etre os diferetes ativos presetes as carteiras. Portato, a utilização do modelo de Sharpe para o cálculo de risco das carteiras brasileiras apreseta um viés sigificativo. Para melhor se perceber a dimesão do erro que o modelo de Sharpe os levou, calculou-se um 11

12 percetual de erro da aálise (PEA), que pode ser dado por: ode, PEA = σ σ 2 2 S M 2 σ M σ M 2 é a variâcia obtida pelo modelo de Markowitz σ S 2 é a variâcia obtida pelo modelo de Sharpe Para carteiras formadas por 16 ativos, temos o percetual de erro da aálise de: PEA = ( 1, 25% ) ( 132%, ) 2 ( 1, 32% ) 2 2 = 10, 32% Como pode se ver, houve uma imprecisão de 10,32% a estimação do risco pelo modelo de Sharpe. Este erro vai se torado muito mais forte a medida que se aumeta o úmero de ativos. Fazedo-se o mesmo cálculo etão para a carteira formada por todos os 50 ativos, temos: PEA = ( 115%, ) ( 1, 24% ) 2 ( 124%, ) 2 2 = 13, 99% Assim, obteve-se um erro de estimação do risco da ordem de 14%, para as carteiras de 50 ativos. Vale observar que equato o modelo de Markowitz mostra-se mais preciso para a estimação do risco total, este, por outro lado, ão permite que se cosiga decompor o risco em diversificável e ão diversificável, como o modelo de Sharpe. Assim, gaha-se em precisão de resultado, mas perde-se em praticidade da aálise. Portato, a aálise a partir do modelo de Sharpe se toraria completa caso se alterasse a hipótese de covariâcia ula etre os resíduos das regressões, e se fosse utilizada uma matriz de covariâcia de resíduos o cálculo do modelo. CONCLUSÃO Este estudo teve como pricipal objetivo comparar o resultado ecotrado pelo modelo de Sharpe para carteiras dos mais variados tamahos obtido em estudo aterior por Litz e Reyi (12), com o risco obtido pelo modelo de Markowitz. Buscou-se discutir as possíveis distorções a mesuração do risco através do modelo de Sharpe, decorrete de duas de suas simplificações: 1. O modelo de Sharpe baseia-se a carteira de mercado para se calcular as variâcias e covariâcias etre todos os ativos. Cotudo, caso a carteira utilizada ão seja uma boa proxi do mercado, ão se obterá um úmero preciso para as covariâcias etre os ativos; 2. O calculo da variâcia pelo modelo de Sharpe parte do pressuposto de que ão há covariâcia residual etre os retoros de diferetes ativos, o que pode levar a uma imprecisão os resultados obtidos por este modelo. O trabalho ão visou aalisar a primeira premissa exposta. Dessa forma, a crítica feita ao modelo de Sharpe restrigiu-se à aálise das covariâcias residuais dos retoros dos diferetes ativos presetes o ídice. O resultado obtido apota para uma imprecisão do modelo, chegado-se à magitude de aproximadamete 14% de difereça a aálise etre os dois métodos em carteiras compostas por todos os 50 ativos. Realizado-se um teste de hipótese para a igualdade de variâcias, pôde aida se detectar que a partir de 15 ativos há uma difereça estatisticamete sigificate etre as variâcias calculadas através dos dois modelos. Com relação aos gahos de diversificação, coforme estudos de Litz e Reyi, o modelo de Sharpe idicava que a partir de 11 ativos havia uma covergêcia do risco total a um ível de variação iferior a 0,01%. Por outro lado, o modelo de Markowitz idicou uma covergêcia do risco total apeas quado se trabalha com 13 ativos, seguido o mesmo critério. Dessa forma, o trabalho desevolvido possibilitou medir o tamaho da distorção 12

13 icorrida ao se trabalhar com os diferetes modelos para as ações de maior egociabilidade da Bolsa de São Paulo. Pode se dizer que o modelo de Markowitz permite calcular precisamete o verdadeiro risco de uma carteira, sedo este o úmero ideal para aálise de uma carteira. Cotudo, dada a complexidade de cálculo deste, o modelo simplificado de Sharpe é muito utilizado aida os dias atuais. Medir as distorções desta medida para os ativos brasileiros mostra-se fudametal, como o trabalho aqui presete idicou. Por fim, o presete estudo pode aida ser cosiderado um esboço de um trabalho que pode vir a ser aprofudado posteriormete, valedo-se de discussões e idagações a respeito, dado seu caráter iovador. Mas, sem dúvida, sua utilidade é iegável, buscado-se mesurar as falhas de um modelo muito utilizado a maior parte das istituições fiaceiras, assim como em iúmeros trabalhos de pesquisa cotemporâeos. BIBLIOGRAFIA BODIE, A., KANE, A. e Marcus, A.J. Ivestmets, Irwi, 3ª ed., (1) BRITO, N. R. O. - O efeito diversificação de risco o mercado acioário brasileiro, I: Gestão de Ivestimetos, Atlas, 1989, pp (2) CHEN, N. F.; R. ROSS; ad S. Ross, - Ecoomic Forces ad the Stock Market. Joural of Busiess, 59 (July 1986), pp (3) COPERLAND, T. E. e WESTON, J. F. - Fiacial theory ad corporate policy, 3ª ed., Addiso Weley Publishig Compay, EUA, (4) EID, Willia Jr., A Redução do Risco das Carteiras de Ivestimeto através da Diversificação Aleatória - Estudo de Caso a Bovespa, Dissertação de Mestrado, FGV/SP, (5) EVANS, J. & ARCHER, S. H. Diversificatio ad the Reductio of Dispersio: a Empirical Aalysis, Joural of Fiace, vol. 23, 1968, pp (6) FONSECA, J. S., Martis, G. A. & Toledo, G. L. Estatística Aplicada. São Paulo, Atlas, 1985 (7) FRANCIS, J. C. - Ivestmets: Aalysis ad Maagemet, 4 th editio, NY, McGraw Hill, (8) HAUGEN, Robert A. - Moder Ivestmet Theory. 4ª ed, Pretice Hall, Eglewood Cliffs, 1997, pp (9) KNIGHT, F. - Capital, Time ad Iterest Rate. Ecoomica, 1932, pp (10) LEITE, H. de Paula e SANVICENTE, A.Z. - Ídice Bovespa: Um Padrão para os Ivestimetos Brasileiros. São Paulo, Atlas, (11) LINTZ, A. e RENYI, L., - Aálise de Diversificação de Carteiras Compostas por Ações Pertecetes ao Ídice Bovespa: Uma Aálise a partir do Modelo de Sharpe, Cadero de Pesquisas em Admiistração, São Paulo, vol.1, º 7, 2º Trim../98 (12) MARKOWITZ, Harry M. Potfolio Selectio, Joural of Fiace, v.7, mar/1952, pp (13) MORAES Jr, J. Q. Market Performace of the São Paulo Stock Exchage. Ph.D. Dissertatio, Michiga State Uiversity, (14) REILLY, F.K. - Ivestmets Aalysis ad Portfolio Maagemet, 2 d ed., CA, Dryde press, 1985, pp.101 (15) ROSS, S. - The Arbitrage Theory of Capital Asset Pricig, Joural of Ecoomic Theory, 13 (Dec. 1976), pp (16) SANVICENTE, A. Z. e Mellagi Filho, A. - Mercado de Capitais e estratégias de ivestimeto. São Paulo, Atlas, 1988 (17) SECURATO, J. R. - Decisões Fiaceiras em Codições de Risco, Editora Atlas S.A., São Paulo, 1996, pp (18) SHARPE, W. F. & Alexader, J.A. Ivestmets, 4 th ed., Pretice Hall, Eglewood Cliffs, NJ, 1990, pp.140. (19) SHARPE, W. F. Capital asset prices: a theory of market equilibrium uder coditios of risk, The Joural of Fiace, vol. 19, set. 1964, pp (20) SHARPE, W. F. Diversificatio ad Portfolio Risk, Fiacial ad Aalyst Joural, ov/dez 1972, pp (21) SOLNIK, B. Why ot Diversify Iteratioally, Fiacial Aalyst Joural, July 1974, pp (22) 13

14 TOBIN, J. - Liquidity Preferece as Behavior Towards Risk, Review of Ecoomics Studies, 02/1958, pp (23) WAGNER, W.H. & LAU, S. C. The Effect of Diversificatio o Risk, Fiacial Aalysis Joural, Nov/Dec 1971, pp (24) 14

O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE 1986 A 2004

O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE 1986 A 2004 V I I S E M E A D P E S Q U I S A Q U A N T I T A T I V A F I N A N Ç A S O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

CORRELAÇÃO Aqui me tens de regresso

CORRELAÇÃO Aqui me tens de regresso CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.

Leia mais

Número-índice: Conceito, amostragem e construção de estimadores

Número-índice: Conceito, amostragem e construção de estimadores Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2 MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,

Leia mais

Regressão linear simples

Regressão linear simples Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha

Leia mais

Caderno de Exercício 2

Caderno de Exercício 2 1 Cadero de Exercício Estimação Potual e Itervalos de Cofiaça 1. Exercícios Aulas 1. Exercício 8.6 do livro Statistics for Ecoomics ad Busiess. O úmero de adares vedidos em cada dia por uma empresa imobiliária

Leia mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) uma amostra aleatória da variável aleatória X. - Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer

Leia mais

5 Teoria dos Valores Extremos

5 Teoria dos Valores Extremos Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos

Leia mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

Sumário. 2 Índice Remissivo 17

Sumário. 2 Índice Remissivo 17 i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................

Leia mais

O Índice Preço/Lucro é um Indicador Eficiente? Evidências para o Mercado Brasileiro

O Índice Preço/Lucro é um Indicador Eficiente? Evidências para o Mercado Brasileiro O Ídice Preço/Lucro é um Idicador Eficiete? Evidêcias para o Mercado Brasileiro Kelmara Medes Vieira (UFSM) kelmara@smail.ufsm.br Alexadre Majola Gava (UFRGS) ale.gava@terra.com.br Resumo Este Trabalho

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto

Leia mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17) Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço

Leia mais

5. O algoritmo dos mínimos quadrados

5. O algoritmo dos mínimos quadrados Apotametos de Processameto Adaptativo de Siais 5. O algoritmo dos míimos quadrados Método dos míimos quadrados Os algoritmos de míimos quadrados são uma alterativa aos algoritmos de gradiete. Estrutura

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

10 - Medidas de Variabilidade ou de Dispersão 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.

Leia mais

Revisando... Distribuição Amostral da Média

Revisando... Distribuição Amostral da Média Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia

Leia mais

4 Teoria da Probabilidade

4 Teoria da Probabilidade 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

INTERPOLAÇÃO POLINOMIAL

INTERPOLAÇÃO POLINOMIAL 1 Mat-15/ Cálculo Numérico/ Departameto de Matemática/Prof. Dirceu Melo LISTA DE EXERCÍCIOS INTERPOLAÇÃO POLINOMIAL A aproximação de fuções por poliômios é uma das ideias mais atigas da aálise umérica,

Leia mais

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

O teste de McNemar. A tabela 2x2. Depois - Antes

O teste de McNemar. A tabela 2x2. Depois - Antes Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"

Leia mais

Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 1 a Aula Prática Técnicas de somatório

Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 1 a Aula Prática Técnicas de somatório Uiversidade Federal de Lavras Departameto de Estatística Prof. Daiel Furtado Ferreira 1 a Aula Prática Técicas de somatório Notação e propriedades: 1) Variáveis e ídices: o símbolo x j (leia x ídice j)

Leia mais

Métodos Quantitativos para Ciência da Computação Experimental Aula #4

Métodos Quantitativos para Ciência da Computação Experimental Aula #4 Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado

Leia mais

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para

Leia mais

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe

Leia mais

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal. biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa

Leia mais

2.2. Séries de potências

2.2. Séries de potências Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise

Leia mais

Estimadores de Momentos

Estimadores de Momentos Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo

Leia mais

O termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2

O termo linear significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2 MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica

Leia mais

Como a dimensão da amostra é , o número de inquiridos correspondente é

Como a dimensão da amostra é , o número de inquiridos correspondente é 41. p ˆ 0, 5 e z 1, 960 Se a amplitude é 0,, etão a margem de erro é 0,1. 0,5 0,48 1,960 0,1 0,496 96 0,0510 0,496 0,0510 0,496 0,0510 Tema 5 71) 1.1 4 11 6% Como a dimesão da amostra é 15 800, o úmero

Leia mais

Análise de dados industriais

Análise de dados industriais Aálise de dados idustriais Escola olitécica Departameto de Eeharia Química Roberto Guardai 4 arte 5. ÉCNICAS DE DISCRIMINAÇÃO E DE CLASSIFICAÇÃO DE DADOS Itrodução écicas estatísticas de aálise baseadas

Leia mais

AVALIAÇÃO DE PERFORMANCE DE CARTEIRAS OTIMIZADAS: UMA ABORDAGEM PRÁTICA DA TEORIA DE MARKOWITZ. Aquiles Poletti Moreira 1

AVALIAÇÃO DE PERFORMANCE DE CARTEIRAS OTIMIZADAS: UMA ABORDAGEM PRÁTICA DA TEORIA DE MARKOWITZ. Aquiles Poletti Moreira 1 V S E M E A D E S T U D O D E C A S O F I N A N Ç A S AVALIAÇÃO DE PERFORMANCE DE CARTEIRAS OTIMIZADAS: UMA ABORDAGEM PRÁTICA DA TEORIA DE MARKOWITZ Aquiles Poletti Moreira Daiela Grácio Soares Moita RESUMO

Leia mais

1 a Lista de PE Solução

1 a Lista de PE Solução Uiversidade de Brasília Departameto de Estatística 1 a Lista de PE Solução 1. a) Qualitativa omial. b) Quatitativa discreta. c) Quatitativa discreta. d) Quatitativa cotíua. e) Quatitativa cotíua. f) Qualitativa

Leia mais

A DESIGUALDADE DE CHEBYCHEV

A DESIGUALDADE DE CHEBYCHEV A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades

Leia mais

EFICIÊNCIA DOS GASTOS MUNICIPAIS EM EDUCAÇÃO NO BRASIL Priscila Fraiz de Paula 1, Evandro Rodrigues de Faria 2, Mariane Carolina do Vale Gomes 3

EFICIÊNCIA DOS GASTOS MUNICIPAIS EM EDUCAÇÃO NO BRASIL Priscila Fraiz de Paula 1, Evandro Rodrigues de Faria 2, Mariane Carolina do Vale Gomes 3 EFICIÊNCIA DOS GASTOS MUNICIPAIS EM EDUCAÇÃO NO BRASIL Priscila Fraiz de Paula 1, Evadro Rodrigues de Faria 2, Mariae Carolia do Vale Gomes 3 Resumo: A pesquisa objetivou avaliar quais são os fatores determiates

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma

Leia mais

APÊNDICE B FUNDAMENTOS DE ANÁLISE ECONÔMICA

APÊNDICE B FUNDAMENTOS DE ANÁLISE ECONÔMICA Apêdice B 1 APÊNDICE B FUNDAMENTOS DE ANÁLISE ECONÔMICA A aálise ecoômica de projetos 1 de eergia compara os valores dos ivestimetos realizados hoje com os resultados a serem obtidos o futuro. Nessa comparação

Leia mais

1. Definição e conceitos básicos de equações diferenciais

1. Definição e conceitos básicos de equações diferenciais Capítulo 7: Soluções Numéricas de Equações Difereciais Ordiárias. Itrodução Muitos feómeos as áreas das ciêcias, egearias, ecoomia, etc., são modelados por equações difereciais. Supoa-se que se quer determiar

Leia mais

Cálculo Numérico Lista 02

Cálculo Numérico Lista 02 Cálculo Numérico Lista 02 Professor: Daiel Herique Silva Essa lista abrage iterpolação poliomial e método dos míimos quadrados, e cobre a matéria da seguda prova. Istruções gerais para etrega Nem todos

Leia mais

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE FACULDADE DE ECONOMIA DO PORTO Liceciatura em Ecoomia E C O N O M E T R I A I (LEC0) Exame Fial 0 de Jaeiro de 00 RESOLUÇÃO: I PARTE I GRUPO a) Dispoível uma amostra de observações de Y para períodos cosecutivos,

Leia mais

DERIVADAS DE FUNÇÕES11

DERIVADAS DE FUNÇÕES11 DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Amostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População;

Amostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População; 04/08/014 Uidade 4 : Amostragem Amostragem Coceito, propriedades, métodos e cálculo João Garibaldi Almeida Viaa Coceitos básicos de População e Amostra População; Elemetos que compõem uma população; Ceso;

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

Estudando complexidade de algoritmos

Estudando complexidade de algoritmos Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade

Leia mais

IMPLICAÇÕES DO USO DO FATOR BETA COMO FORMA DE MENSURAR O RISCO PARA PEQUENOS INVESTIDORES

IMPLICAÇÕES DO USO DO FATOR BETA COMO FORMA DE MENSURAR O RISCO PARA PEQUENOS INVESTIDORES IMPLICAÇÕES DO USO DO FATOR BETA COMO FORMA DE MENSURAR O RISCO PARA PEQUENOS INVESTIDORES RESUMO O presete trabalho busca mostrar que existe uma difereça etre a visão de risco dos ivestidores idividuais

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.

Leia mais

O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO

O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO Sérgio Ferado Mayerle, Dr. UFSC / CTC / EPS - mayerle@eps.ufsc.br - Floriaópolis - SC Thiago Dedavid de Almeida Bastos

Leia mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005 PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).

Leia mais

Disciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA

Disciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA Miistério da Educação UIVERSIDADE TECOLÓGICA FEDERAL DO PARAÁ Câmpus Curitiba Diretoria de Graduação e Educação Profissioal Departameto Acadêmico de Estatística 1 Disciplia: Probabilidade e Estatística

Leia mais

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,

Leia mais

Quantificando os Fenômenos Biológicos

Quantificando os Fenômenos Biológicos 1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que

Leia mais

Experimento 1 Estudo da Lei de Hooke

Experimento 1 Estudo da Lei de Hooke Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos

Leia mais

3ª Lista de Exercícios de Programação I

3ª Lista de Exercícios de Programação I 3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,

Leia mais

Análise de Regressão Linear Múltipla I

Análise de Regressão Linear Múltipla I Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto

Leia mais

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc. Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora

Leia mais

UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA

UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA ISBN 978-85-7846-516-2 UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA Resumo Alisso Herique dos Satos UEL Email: alisso_hs612@hotmail.com Ferada Felix Silva UEL Email: ferada.f.matematica@gmail.com

Leia mais

Estatística II Licenciatura em Gestão TESTE I

Estatística II Licenciatura em Gestão TESTE I Estatística II Liceciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circustâcia, é motivo suficiete para a aulação

Leia mais

OMBRO-CABEÇA-OMBRO : TESTANDO A LUCRATIVIDADE DO PADRÃO GRÁFICO DE ANÁLISE TÉCNICA NO MERCADO DE AÇÕES BRASILEIRO

OMBRO-CABEÇA-OMBRO : TESTANDO A LUCRATIVIDADE DO PADRÃO GRÁFICO DE ANÁLISE TÉCNICA NO MERCADO DE AÇÕES BRASILEIRO Caro parecerista, Agradecemos as sugestões e críticas ao osso artigo, as quais procuramos observar a revisão do artigo. A seguir você ecotrará um relatório descrevedo todos os ajustes realizados, a ordem

Leia mais

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida? 1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de

Leia mais

Ajuste de Curvas. Lucia Catabriga e Andréa Maria Pedrosa Valli

Ajuste de Curvas. Lucia Catabriga e Andréa Maria Pedrosa Valli 1-27 Ajuste de Curvas Lucia Catabriga e Adréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempeho (LCAD) Departameto de Iformática Uiversidade Federal do Espírito Sato - UFES, Vitória, ES,

Leia mais

Estacionariedade e correlação temporal em dados financeiros

Estacionariedade e correlação temporal em dados financeiros Estacioariedade e correlação temporal em dados fiaceiros Hoje em dia há uma quatidade imesa de dados fiaceiros sedo armazeados, egócio a egócio, pelo mudo afora. Gratuitamete, é possível coseguir facilmete

Leia mais

Análise de Informação Económica e Empresarial Prova Época Normal 17 de Junho de 2013 Duração: 2h30m (150 minutos)

Análise de Informação Económica e Empresarial Prova Época Normal 17 de Junho de 2013 Duração: 2h30m (150 minutos) Desidade Liceciaturas Ecoomia/Fiaças/Gestão 1º Ao Ao lectivo de 01-013 Aálise de Iformação Ecoómica e Empresarial Prova Época ormal 17 de Juho de 013 Duração: h30m (150 miutos) Respoda aos grupos em Folhas

Leia mais

Como se decidir entre modelos

Como se decidir entre modelos Como se decidir etre modelos Juliaa M. Berbert Quado uma curva é lei de potecia? O procedimeto amplamete usado para testar movimetação biológica a fim de ecotrar padrões de busca como Voos de Levy tem

Leia mais

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos

Leia mais

Capítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias

Capítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias Capítulo VII: Soluções Numéricas de Equações Difereciais Ordiárias 0. Itrodução Muitos feómeos as áreas das ciêcias egearias ecoomia etc. são modelados por equações difereciais. Supoa-se que se quer determiar

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~

Leia mais

1 Amintas engenharia

1 Amintas engenharia 1 Amitas egeharia 2 Cálculo Numérico 1. Itrodução Amitas Paiva Afoso 3 1. Itrodução O que é o Cálculo Numérico? 4 1. Itrodução O Cálculo Numérico correspode a um cojuto de ferrametas ou métodos usados

Leia mais

Teoria da Estimação 1

Teoria da Estimação 1 Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,

Leia mais

Introdução a Complexidade de Algoritmos

Introdução a Complexidade de Algoritmos Itrodução a Complexidade de Algoritmos Estruturas de Dados Prof. Vilso Heck Juior Apresetação Revisão - O Algoritmo; A Complexidade; Exercício. Complexidade de Algoritmos REVISÃO - O ALGORITMO O Algoritmo

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

. Dessa forma, quanto menor o MSE, mais a imagem

. Dessa forma, quanto menor o MSE, mais a imagem Uiversidade Federal de Perambuco CI / CCEN - Área II 1 o Exercício de Cálculo Numérico ( 18 / 06 / 2014 ) Aluo(a) 1- Questão 1 (2,5 potos) Cosidere uma imagem digital como uma matriz bidimesioal de dimesões

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

A finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais.

A finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais. Prof. Jaete Pereira Amador Itrodução Os métodos utilizados para realização de iferêcias a respeito dos parâmetros pertecem a duas categorias. Pode-se estimar ou prever o valor do parâmetro, através da

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

A Relevância do Dólar como Fator na Projeção de Risco em Carteiras de Renda Variável.

A Relevância do Dólar como Fator na Projeção de Risco em Carteiras de Renda Variável. A Relevâcia do Dólar como Fator a Projeção de Risco em Carteiras de Reda Variável. Autoria: Marco Atoio Cuha de Oliveira, Atoio Carlos Figueiredo Resumo A projeção da matriz de covariâcias para ações egociadas

Leia mais

EXERCÍCIO: ANÁLISE OPERACIONAL

EXERCÍCIO: ANÁLISE OPERACIONAL EXERCÍCIO: ANÁLISE OPERACIONAL Corredor A: ligação etre o Leste e o Cetro da cidade de São Poli extesão de cerca de 8 km até o Ael B (limita face leste da área cetral), distiguido-se 3 trechos em fução

Leia mais

Distribuições Amostrais

Distribuições Amostrais 9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue

Leia mais

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas

Leia mais

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza

Leia mais