|
|
- João Henrique Gentil Carvalho
- 8 Há anos
- Visualizações:
Transcrição
1 SIMULAÇÃO DE RISCO NA AVALIAÇÃO DE EMPREENDIMENTOS PELO MÉTODO DE MONTE CARLO Prof. Dr. Gabriel A. Costa Lima Gerente da AREMAS (Smart Business Solutions) Contatos:
2 Quem somos AREMAS Consultoria, Treinamento & Software (CNPJ: / ; I.E.: ) é uma empresa que atua em treinamento, consultoria e venda de software. A equipe é formada por profissionais de diferentes áreas tais como engenharia, estatística, matemática e informática. Uma vez que muitos dos trabalhos de consultoria envolvem diferentes áreas de conhecimento tais como engenharia, estatística, economia, computação, dentre outras. A coordenação técnica de treinamentos e consultorias é de responsabilidade do Prof. Dr. Gabriel A. Costa Lima, ver currículo Lattes: ( suporte@aremas.com.br @ Todos os direitos reservados 2
3 Sumário 1) Conceitos gerais de risco, incerteza e simulação de Monte Carlo 2) Exemplo de avaliação de risco de um plano de telefonia celular 3) Exemplo de otimização por meio de simulação 4) Exemplo de avaliação de risco de um grande empreendimento imobiliário 5) Considerações finais 6) Espaço para perguntas suporte@aremas.com.br @ Todos os direitos reservados 3
4 Conceitos gerais de risco, incerteza e simulação de Monte Carlo
5 1) Conceitos gerais de risco, incerteza e simulação de Monte Carlo Exemplos de problema onde há riscos: O fundo de investimento composto por ações de empresas de siderurgia vem apresentando bons resultados nos últimos 2 anos. Devo aplicar R$ 50 mil neste fundo? Qual a probabilidade de não obter um retorno superior ao da caderneta de poupança? O planejamento de operações de uma mineradora (transporte, reserva, etc) foi realizado considerando-se o preço do minério de ferro igual a US$ 45/ton. Qual o risco de que a empresa possa perder dinheiro? Nas atividades do agronegócio a falta ou excesso de chuvas pode causar prejuízos. Qual a probabilidade que ocorra excesso de chuvas em SP e escassez em MT? Qual a melhor seleção de projetos de seis sigma de modo a maximizar a média do VPL e ao mesmo tempo garantir que haja uma probabilidade de 95% de que a empresa não perderá dinheiro? Ao selecionar um plano de telefone celular, qual a probabilidade de que sua escolha seja a melhor no longo prazo? Em todos estes problema há apenas um certeza: a presença da incerteza. Você poderia pensar em 3 problemas do seu dia-a-dia onde há incerteza? suporte@aremas.com.br @ Todos os direitos reservados 5
6 1) Conceitos gerais de risco, incerteza e simulação de Monte Carlo Incerteza: Uma variável é incerta quando não se pode garantir quais serão os seus valores futuros. Exemplos: O valor exato do preço do petróleo daqui a 3 anos; O número total de acidentes nas estradas do Brasil entre hoje até daqui a 2 anos; A vida de uma broca usada em perfuração de rocha; O resultado do lançamento de um dado; Risco: não há um consenso sobre o conceito de risco, mas alguns autores e tomadores de decisão empregam o seguinte: é a probabilidade de que no futuro possa ocorrer um evento desfavorável. Exemplos: Há um risco de 85% de que a empresa petroleira não encontre óleo no furo BS-670; Há um risco de 99,99% de perder pelo menos US$ 200 num cassino; Há uma chance de 87% de que as chuvas sejam em nível insuficiente para a plantação de soja e acumular água numa barragem para evitar racionamento no próximo semestre suporte@aremas.com.br @ Todos os direitos reservados 6
7 1) Conceitos gerais de risco, incerteza e simulação de Monte Carlo Há outros autores que entendem que no conceito de risco devemos considerar conjuntamente: probabilidade de perda e magnitude do valor de tal perda. Assim, vejamos os dois casos: Jogo na loteria: probabilidade de perda é 99,999% e valor do investimento é R$ 1,5; Perfuração de poço exploratório: probabilidade de perda é 95% e o valor do investimento é US$ 150 milhões; há, por outro lado, 5% de chance de sucesso e neste caso o ganho será US$ 3 bilhões. Nos dois exemplos, qual dos dois é o mais arriscado? Podemos pensar no valor esperado da perda isoladamente? Importante: Não se pode eliminar completamente a incerteza, mas podemos usarasimulaçãodemontecarloparaquantificaroriscoqueéderivadodetal incerteza em variáveis importantes como o VPL, tempo para terminar um projeto, o nível de estoques, etc suporte@aremas.com.br @ Todos os direitos reservados 7
8 1) Conceitos gerais de risco, incerteza e simulação de Monte Carlo Exemplo 1.1) Um analista da divisão financeira da Leirbag Corp estuda o risco do fluxo trimestral de um pequeno projeto. Foram consideradas somente duas variáveis: Receita: os analistas concluíram que esta pode ser modelada por meio de uma distribuição triangular com valor pessimista igual a $ , valor mais provável igual a $ e valor otimista igual a $ ; Custo: os analistas concluíram que esta pode ser modelada por meio de uma distribuição uniforme com valor inferior igual a $ ,80 e valor superior igual a $ ,20. Pede-se: Realizar a modelagem em planilha Estimar a média do lucro Estimar a probabilidade do lucro ser inferior à média suporte@aremas.com.br @ Todos os direitos reservados 8
9 1) Conceitos gerais de risco, incerteza e simulação de Monte Carlo Modelagem do problema e resultados empregando-se o Crystal Ball Há 79,62% de que o lucro esteja acima de $ 30 mil suporte@aremas.com.br @ Todos os direitos reservados 9
10 Exemplo de avaliação de risco de um plano de telefonia celular
11 2.1) Elementos de uma análise de risco Passo 1) Identificar as variáveis mais importantes e que causam impacto na variável resposta Passo 2) Modelagem das relações entre as variáveis tanto incertas como determinísticas Passo 3) Modelagem da incerteza das variáveis incertas e que sejam importantes Passo 4) Realizar a simulação de Monte Carlo das variáveis incertas e obter a distribuição de probabilidade da variável resposta Passo 5) Analisar as estatísticas de interesse: média, desvio padrão, probabilidade de sucesso, probabilidade de fracasso (risco), etc Passo 6) Tomar a decisão a partir dos resultados da simulação de Monte Carlo (estatísticas obtidas) suporte@aremas.com.br @ Todos os direitos reservados 11
12 2.1) Elementos de uma análise de risco A principal ferramenta para análise de risco é simulação de Monte Carlo. Por que? Esta permite realizar experimentos (empregando-se número aleatórios) que sejam semelhantes àqueles que ocorrem na realidade, mas com diversas vantagens: menor custo, menor tempo, maior segurança, permite ganhar mais informações, etc. Por exemplo: qual o número ótimo de caixas num supermercado para que o gerente tenha 90% de certeza de que não mais que 25 pessoas estarão na fila esperando? Problemas assim tão complexos são, na prática, solucionados empregando-se simulação de Monte Carlo. Os interessados em encontrar aplicações de simulação para resolver problemas que envolver risco podem consultar o site da Operations Resources and Management Science ( suporte@aremas.com.br @ Todos os direitos reservados 12
13 2.1) Elementos de uma análise de risco Exemplo 2.1) As empresas do segmento de telecomunicações oferecem diferentes planos de serviços para os mais variados clientes. Suponhamos que você esteja estudando o melhor plano de telefonia para as suas necessidades de uso pessoal e que haja dois planos candidatos: World celular e Freedom celular. O plano World Cellular possui um custo fixo de $ 39,90 e o cliente possui 400 minutos para ligações locais e não há limite para ligações de longa distância. A partir de 400 minutos em ligações locais a tarifa será $ 0,4 / minuto. O plano Freedom Cellular possui uma tarifa fixa de $ 35 e o cliente pode fazer ligações locais ilimitadas. No entanto, para as ligações de longa distância há uma tarifa de $ 0,13 / minuto suporte@aremas.com.br @ Todos os direitos reservados 13
14 2.1) Elementos de uma análise de risco Modelo para escolha do plano de telefonia Todos os direitos reservados 14
15 2.2) Identificação das variáveis incertas A primeira fase para solucionar este problema consiste na identificação das variáveis incertas: Se o cliente empregar o telefone somente para ligações locais a escolha é óbvia em favor do Freedom Cellular; Se o cliente somente usar o telefone somente para ligações de longa distância a escolha é imediata pelo World Cellular. O problema é você realizará ligações locais e também de longa distância. Para complicar, não se sabe ao certo o número de minutos que será gastos nas ligações locais e urbanas. Portanto, há duas fontes de incerteza: o total de minutos e a fração do tempo total que será gasto em ligações de longa distância e locais suporte@aremas.com.br @ Todos os direitos reservados 15
16 2.2) Modelagem da incerteza das variáveis incertas A modelagem das variáveis incertas consiste em assumir que seus os valores serão geradas de acordo com alguma distribuição de probabilidade Galeria com diversas distribuições de probabilidade que existem no Crystal Ball suporte@aremas.com.br @ Todos os direitos reservados 16
17 2.2) Modelagem da incerteza das variáveis incertas A partir de dados históricos (vários meses) das suas contas de telefone, nota-se que a média do número total de minutos gastos foi 400 e o desvio padrão foi 20 minutos. Portanto, você pode assumir como uma primeira aproximação que os número de minutos totais gastos no mês seguinte pode ser modelado por meio de uma distribuição normal. A fração dos minutos totais que foram usados para ligações de longa distância também pode ser estimada a partir de dados históricos. Foi verificado que na maior parte dos meses cerca de 30% dos minutos totais foram usados na forma de ligações de longa distância, 40% num caso extremo e 10% no outro caso extremo. Logo, podemos modelar a fração dos minutos gastos em ligação de longa distância por meio de distribuição de probabilidade do tipo triangular suporte@aremas.com.br @ Todos os direitos reservados 17
18 2.3) Modelagem das relações entre as variáveis A modelagem da relação entre as variáveis se faz por meio de recursos matemáticos (equações). Por exemplo, a relação entre demanda de alimentos (D) e preço (P) podem ser modeladas por meio de: D(P) = a b*p, Ondeaebsão constantes. No entanto, P é incerta e deve ser modelada por meio de distribuição de probabilidade. Na modelagem da relação entre as variáveis podemos usar as funções existentes no excel (estatísticas, trigonométricas, lógicas, etc). As funções lógicas do excel (SE, OU, MIN, MAX, etc) são muito úteis na modelagem de problemas reais envolvendo tributos, demanda, estoques, etc. Por exemplo, no caso do plano de telefone World cell, o cliente paga além da tarifa básica somente o número de minutos T exceder 400 minutos, ou seja, o custo total será 39,99 + (T-400)*0,4, se T > suporte@aremas.com.br @ Todos os direitos reservados 18
19 2.3) Modelagem das relações entre as variáveis Modelagem das relações entre as variáveis Modelagem entre as variáveis Todos os direitos reservados 19
20 2.3) Modelagem das relações entre as variáveis O seu problema consiste em: Desenvolver um modelo para analisar qual dos 2 planos é o melhor em termos de custo; Estimar a média e o desvio padrão do custo dos dois possíveis planos de telefonia; Uma vez que a escolha é mutuamente excludente, estimar a probabilidade que sua escolha realmente seja a melhor; Discussão & solução suporte@aremas.com.br @ Todos os direitos reservados 20
21 2.4) Realizar a simulação dos valores das variáveis incertas e obter a distribuição de probabilidade da variável resposta Veja que a média da economia de custo ao escolher o Word Cell é $ 0,35. No entanto, há uma probabilidade de 26,55% de que o custo seja superior a $45. Por meio das estatísticas geradas pela simulação o analista pode obter mais informações que sejam importantes para a tomada de decisões suporte@aremas.com.br @ Todos os direitos reservados 21
22 2.5) Estimar as estatísticas de interesse A simulação permite obter a distribuição de freqüências da variável resposta. Importante: veja que com a simulação de Monte Carlo realizada pelo Crystal Ball você obtém mais informações a respeito da variável aleatória custo de plano de telefone (mostradas à direita do histograma) suporte@aremas.com.br @ Todos os direitos reservados 22
23 2.6) Tomar a decisão a partir dos resultados da simulação de Monte Carlo A escolha depende da aversão ao risco do tomador de decisão Há 13,09% de chance de que o plano world celular seja melhor. É importante observar não somente o valor da média da simulação, mas também os de mínimo e máximo, muito embora eles tenham baixa probabilidade de ocorrerem na prática suporte@aremas.com.br @ Todos os direitos reservados 23
24 2.6) Tomar a decisão a partir dos resultados da simulação de Monte Carlo A escolha depende da aversão ao risco do tomador de decisão Overlay Chart 1 Statistic Freedom Cell World celular Trials Base Case $48,87 $39,99 Mean $48,87 $43,18 Median $49,11 $39,99 Mode '--- $39,99 Standard Deviation $3,33 $4,65 Variance $11,12 $21,60 Skewness -0,2071 1,60 Kurtosis 2,44 5,08 Coeff. of Variability 0,0682 0,1076 Minimum $40,58 $39,99 Maximum $56,74 $63,98 Mean Std. Error $0,11 $0,15 Podemos comparar as duas distribuições para tomar a decisão que seja coerente com o nível de risco do tomador de decisão suporte@aremas.com.br @ Todos os direitos reservados 24
25 3) Exemplo de otimização por meio de simulação Otimização determinística e estocástica: O que é? Quais as diferenças? Quando devem ser empregadas?
26 3.1) Otimização determinística Exemplo 3.1) O gerente de uma pizzaria deseja estimar o preço (P) que maximiza as suas receitas. Depois de pesquisas de mercado, a função demanda (D) encontrada foi: D(P) = 60 1,6*P. Se ele quiser maximizar a receita da empresa, qual deve ser o preço de venda? Receita Preço O preço ótimo é R$18,75. Este é um problema de otimização determinística por que estamos assumindo que a relação linear entre D e P não oscila ao longo do tempo suporte@aremas.com.br @ Todos os direitos reservados 26
27 3.1) Otimização determinística As ferramentas de otimização determinística são bem conhecidas na literatura: cálculo diferencial, programação linear, programação inteira, etc; Uma solução ótima é aquela que permite a maneira mais eficiente de empregar recursos limitados e maximizar os retornos; Os modelos de otimização são empregados em áreas como finanças, logística, engenharia, manufatura, logística, etc. Neste modelos há geralmente duas características importantes: restrições de algum tipo de recurso e necessidade de maximizar/minimizar alguma variável; Na prática, poucos são os problemas determinísticos. Por isso, os modelos de otimização estocástica são tão importantes suporte@aremas.com.br @ Todos os direitos reservados 27
28 3.2) Idéia geral de otimização de uma função Entende-se por otimização o processo de encontrar os pontos de máximo e mínimo de uma função (locais e globais). Para encontrar os pontos de máximo e mínimo devemos empregar, na maioria das vezes, métodos numéricos como os que são oferecidos pelo Oracle Crystal Ball suporte@aremas.com.br @ Todos os direitos reservados 28
29 3.2) Idéia geral de otimização de uma função Problemas típicos: Engenharia econômica: minimização de custos de estoques, maximização de produtividade, etc; Análises em meio ambiente: escolha da remediação mais eficiente e com menor custo; Planejamento de logística: escolha do caminho que gera o custo mínimo; Gerenciamento de operações: alocação de equipamentos de modo a maximizar a probabilidade de sucesso de que a produção seja suficiente para atender aos termos do contrato de exportação? Gestão de marketing: estimativa do investimento ótimo em diferentes mídias; Recursos Humanos: alocação ótima de mão-de-obra para desenvolver um projeto; Mercado financeiro: estratégia ótima de alocação de recursos de portfólios para maximizar a média do retorno Muitos outros, tais como os casos que são estudados ao final deste curso; suporte@aremas.com.br @ Todos os direitos reservados 29
30 3.3) Otimização determinística X estocástica Na otimização determinística o maximização ou minimização da função pode ser realizada por meio de modelos analíticos já bem conhecidos na literatura de pesquisa operacional. Y Na otimização determinística envolve variáveis que possuem comportamento previsível Na otimização estocástica as funções objetivo e restrições são associadas às estatísticas (média, desvio padrão, curtose, etc) das variáveis incertas. X Na otimização estocástica a maximização ou minimização envolve variáveis com comportamento imprevisível suporte@aremas.com.br @ Todos os direitos reservados 30
31 3.4) Um exemplo de modelagem, simulação e otimização Exemplo 3.2) O gerente de produção da divisão autos da Leirbag estuda qual deve ser o nível ótimo de produção de um determinado produto sabendo-se que a demanda é estocástica. As variáveis incertas são: Demanda: é uma variável incerta e deve ser modelada por meio de uma distribuição triangular (500; 1200; 1400); O custo fixo é constante e igual a $ 5500; Custo variável: é uma variável incerta e deve ser modelada por meio de uma distribuição uniforme com parâmetros $2,7 e $ 3,3 por unidade; Preço: é uma variável incerta e deve ser modelada por meio de uma distribuição triangular (10,8; 12; 13,2); A produção deve se encontrar entre 800 unidades (já há contrato firme de venda) e 1500 unidades (restrição de capacidade); O problema do gerente consiste em: Analisar o risco do lucro se a produção for 1200 unidades; Estimar a produção ótima para maximizar a média do lucro; suporte@aremas.com.br @ Todos os direitos reservados 31
32 3.4) Um exemplo de modelagem, simulação e otimização Limitações do Solver o Excel para realizar otimização: Somente realiza otimização envolvendo variáveis determinísticas As restrições devem ser lineares A função objetivo deve ser linear O número de variáveis é limitado Vantagens da otimização com o OptQues da Oracle Crystal Ball: Realiza simultaneamente otimização usando-se simulação (otimização estocástica) Alta flexibilidade para solucionar problemas complexos Permite não-linearidades nas restrições e função objetivo Usa todas as facilidades das funções existentes no Excel suporte@aremas.com.br @ Todos os direitos reservados 32
33 3.4) Um exemplo de modelagem, simulação e otimização Análise de risco do lucro para a produção de 1200 unidades Veja que a simulação permite conhecer qual a amplitude da variabilidade, quantificar as probabilidades em diversos cenários, mas não diz qual deve ser a produção ótima. Já a otimização diz a você o que deve ser feito para obter os seus objetivos suporte@aremas.com.br @ Todos os direitos reservados 33
34 3.4) Um exemplo de modelagem, simulação e otimização Resultado da otimização estocástica com o Crystal Ball suporte@aremas.com.br @ Todos os direitos reservados 34
35 3.4) Um exemplo de modelagem, simulação e otimização Veja que o nível ótimo de produção para maximizar a média do lucro deste exemplo simples é unidades e a média do lucro será $ 3.623,34 (valor encontrado com poucas simulações). Note que o valor ótimo da produção é ligeiramente inferior ao valor mais provável da demanda que é 1200 unidades. Este exemplo mostra que uma estimativa empregando somente as ferramentas do Microsoft Excel podem superavaliar o resultado final. Isto porque a média de uma variável de saída em função das médias das variáveis de entrada somente pode ser calculada corretamente empregando simulação na grande maioria dos casos reais nos quais ocorrem não-linearidades no modelo. O que podemos dizer das demais estatísticas geradas pela simulação e otimização? suporte@aremas.com.br @ Todos os direitos reservados 35
36 Exemplo de avaliação de risco de um grande empreendimento imobiliário Ver planila excel
37 ESPAÇO PARA DISCUSSÕES simulação de risco na avaliação de imóveis pelo método de monte carlo Prof. Dr. Gabriel A. Costa Lima Gerente da AREMAS (Smart Business Solutions) Contatos:
38 Referências bibliográficas Ragsdale, Cliff T. (2001), Spreadsheet modeling and decision analysis a practical introduction to management science, South-Western College Publishing. Evans, James E., Olson, David L. (2000), Statistics, data analysis and decision modeling, Prentice-Hall Inc. Winston, Wayne L., Albright, S. Christian (1997), Management Science a practical approach, Wadsworth Publishing Company. Pindyck, Robert S., Rubinfeld, D. (1997), Econometric models and economic forecasts, 4 th edition, McGraw-Hill. Makridakis, S., Wheelwright, S. (1997), Forecasting: methods and applications, 3 th edition, New York Wiley. Eppen, G. P, Gould, F. J., Schmidt, C. P., Weatherford, L. R. (1998), Introductory Management Science Decision Modeling with Spreadsheets, Prentice Hall Inc. Bodie, Zvi Kane, Alex Marcus, Alan J. (2002), Investments, Mcgraw Hill, Edition 5/E, suporte@aremas.com.br @ Todos os direitos reservados 38
Modelagens e Gerenciamento de riscos (Simulação Monte Carlo)
Modelagens e Gerenciamento de riscos (Simulação Monte Carlo) Prof. Esp. João Carlos Hipólito e-mail: jchbn@hotmail.com Sobre o professor: Contador; Professor da Faculdade de Ciências Aplicadas e Sociais
Leia maisAvaliação dos projetos de E&P implantados sob a perspectiva da Análise de Riscos Econômicos
Avaliação dos projetos de E&P implantados sob a perspectiva da Análise de Riscos Econômicos REGINA DUARTE PLANEJAMENTO FINANCEIRO E GESTÃO DE RISCOS PETROBRAS Setembro/2011 Agenda Contexto Análise de Riscos
Leia maisCOMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO
COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA O que é risco? Quais são os tipos de riscos? Quais são os tipos de análises? Qual a principal função do Excel para gerar simulações aleatórias? O que é distribuição
Leia maisSeu objetivo é encontrar o valor de T que maximiza o lucro médio por mês. Usando o Crystal Ball Crystal Ball implementa o seu modelo Excel permitindo
Política de Troca de Brocas de Perfuração Autor Crystal Ball Sumário Quando perfurando certos tipos de terrenos, a performance de uma broca de perfuração diminui com o tempo devido ao desgaste. Eventualmente,
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia maisAnálise de Sensibilidade
Análise de Risco de Projetos Análise de Risco Prof. Luiz Brandão Métodos de Avaliação de Risco Análise de Cenário Esta metodologia amplia os horizontes do FCD obrigando o analista a pensar em diversos
Leia maisCAPÍTULO 9 RISCO E INCERTEZA
CAPÍTULO 9 9 RISCO E INCERTEZA 9.1 Conceito de Risco Um fator que pode complicar bastante a solução de um problema de pesquisa operacional é a incerteza. Grande parte das decisões são tomadas baseando-se
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisTomada de Decisão e Distribuições de Probabilidade. Lupércio França Bessegato
Tomada de Decisão e Distribuições de Probabilidade Lupércio França Bessegato Introdução Roteiro Tabela de Retorno e Árvore de Decisão Critérios para Tomada de Decisão Exemplos de Aplicação Referências
Leia maisPindyck & Rubinfeld, Capítulo 15, Mercado de Capitais::REVISÃO
Pindyck & Rubinfeld, Capítulo 15, Mercado de Capitais::REVISÃO 1. Uma empresa utiliza tecidos e mão-de-obra na produção de camisas em uma fábrica que foi adquirida por $10 milhões. Quais de seus insumos
Leia maisUnidade I FINANÇAS EM PROJETOS DE TI. Prof. Fernando Rodrigues
Unidade I FINANÇAS EM PROJETOS DE TI Prof. Fernando Rodrigues Nas empresas atuais, a Tecnologia de Informação (TI) existe como uma ferramenta utilizada pelas organizações para atingirem seus objetivos.
Leia mais( ) Prova ( ) Prova Semestral
( ) Prova ( ) Prova Semestral (x) Exercícios ( ) Segunda Chamada ( ) Prova Modular ( ) Prova de Recuperação ( ) Prática de Laboratório ( ) Exame Final/Exame de Certificação ( ) Aproveitamento Extraordinário
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisMetodologia para seleção de amostras de contratos de obras públicas (jurisdicionados) utilizando a programação linear aplicativo Solver
REVISTA Metodologia para seleção de amostras de contratos de obras públicas (jurisdicionados) utilizando a programação linear aplicativo Solver André Mainardes Berezowski 1 Resumo Trata da apresentação
Leia mais3 Método de Monte Carlo
25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional
Leia mais2. A FERRAMENTA SOLVER (EXCEL)
Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção 2. A FERRAMENTA SOLVER (EXCEL) Diversas ferramentas para solução de problemas de otimização, comerciais ou acadêmicos, sejam eles lineares
Leia maisConcentração Mínima de Açúcar (g/l) N (normal) 2000 60 2 E (europeu fino) 1000. 80 1. Teor Máximo de Acidez (%)
FACULDADE LOURENÇO FILHO Revisão ENADE 2011 Disciplina: Pesquisa Operacional Profa. Danielle Abreu 17/096/2011 Questão 1 ENADE 2008 O gerente de planejamento e controle da produção de uma empresa de suco
Leia maisPESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *
PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária
Leia maisLista 2 - Modelos determinísticos
EA044 - Planejamento e Análise de Sistemas de Produção Lista 2 - Modelos determinísticos Exercício 1 A Companhia Ferroviária do Brasil (CFB) está planejando a alocação de vagões a 5 regiões do país para
Leia maisCAPÍTULO 2 MATEMÁTICA FINANCEIRA
CAPÍTULO 2 MATEMÁTICA FINANCEIRA A Matemática Financeira se preocupa com o valor do dinheiro no tempo. E pode-se iniciar o estudo sobre o tema com a seguinte frase: NÃO SE SOMA OU SUBTRAI QUANTIAS EM DINHEIRO
Leia maisGestão de Stocks. Maria Antónia Carravilla. Março 2000. Maria Antónia Carravilla
Gestão de Stocks Março 2000 Introdução Objectivos Perceber o que é o stock Saber como classificar stocks Saber fazer uma análise ABC Saber comparar modelos de gestão de stocks Saber utilizar modelos de
Leia maisSTC SAD Profº Daniel Gondim
STC SAD Profº Daniel Gondim Roteiro Sistemas de Trabalhadores do Conhecimento (STC) Conceitos Aplicações Sistemas de Apoio à Decisão (SAD) Conceitos Aplicações Sistemas de Trabalhadores do Conhecimento
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisGerenciamento de Projetos Técnicas e Ferramentas iniciais
Gerenciamento de Projetos Técnicas e Ferramentas iniciais Metodologia Aula Teórica Exemplos e Exercícios práticos Questões de concursos anteriores Metodologia e Bibliografia Fontes PMBOK, 2004. Project
Leia maisCrédito. Adm. Geral. Para que Estudar Análise de Investimento e Financiamento? Título da aula: Decisões de Investimento e Financiamento I
Adm. Geral Prof. Marcelo dos Santos Título da aula: Decisões de Investimento e Financiamento I Para que Estudar Análise de Investimento e Financiamento? Garantir melhores decisões financeiras na empresa;
Leia maisNoções de Pesquisa e Amostragem. André C. R. Martins
Noções de Pesquisa e Amostragem André C. R. Martins 1 Bibliografia Silva, N. N., Amostragem probabilística, EDUSP. Freedman, D., Pisani, R. e Purves, R., Statistics, Norton. Tamhane, A. C., Dunlop, D.
Leia maisSAD orientado a MODELO
Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a MODELO DISCIPLINA: Sistemas de Apoio a Decisão SAD Orientado a Modelo De acordo com ALTER
Leia maisPERGUNTAS MAIS FREQÜENTES SOBRE VALOR PRESENTE LÍQUIDO (VPL)
PERGUNTAS MAIS FREQÜENTES SOBRE VALOR PRESENTE LÍQUIDO (VPL) Melhor método para avaliar investimentos 16 perguntas importantes 16 respostas que todos os executivos devem saber Francisco Cavalcante(f_c_a@uol.com.br)
Leia maisIntrodução. 1. Introdução
Introdução 1. Introdução Se você quer se atualizar sobre tecnologias para gestão de trade marketing, baixou o material certo. Este é o segundo ebook da série que o PDV Ativo, em parceria com o Agile Promoter,
Leia maisMATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)
AULA 07 MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) JAMES A. O BRIEN MÓDULO 01 Páginas 286 à 294 1 AULA 07 SISTEMAS DE APOIO ÀS DECISÕES 2 Sistemas de Apoio à Decisão (SAD)
Leia maisObjetivos. Engenharia de Software. O Estudo de Viabilidade. Fase do Estudo de Viabilidade. Idéias chave. O que Estudar? O que concluir?
Engenharia de Software O Estudo de Viabilidade Objetivos O que é um estudo de viabilidade? O que estudar e concluir? Benefícios e custos Análise de Custo/Benefício Alternativas de comparação 1 2 Idéias
Leia maisBANRIDICAS FINANCEIRAS. A sua cartilha sobre Educação Financeira
BANRIDICAS FINANCEIRAS A sua cartilha sobre Educação Financeira Planejando seu orçamento Traçar planos e colocar tudo na ponta do lápis - não é tarefa fácil, mas também não é impossível. O planejamento
Leia maisSistemas de Informação CEA460 - Gestão da Informação
Sistemas de Informação CEA460 - Gestão da Informação Janniele Aparecida Conceitos Sistema de Informação Conjunto de componentes interrelacionados que coletam (ou recuperam), processam e armazenam e distribuem
Leia maisO presente processo de seleção tem por objetivo preencher vaga e formar cadastro de docentes para ministrar as disciplinas/áreas abaixo:
A Faculdade de Economia e Finanças Ibmec/RJ torna pública a abertura de processo seletivo para contratação de professores PJ para o curso de Pós Graduação Executiva - CBA. I Das vagas abertas para seleção
Leia maisAvaliação de Desempenho em Sistemas de Computação e Comunicação
Avaliação de Desempenho em Sistemas de Computação e Comunicação Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM UFES Objetivos
Leia maisLista de exercícios: Modelagem matemática Otimização Combinatória
Lista de exercícios: Modelagem matemática Otimização Combinatória Nas questões abaixo: i) Formule e apresente o modelo matemático. Caso não esteja, coloque na forma padrão. ii) Especicar as variáveis,
Leia maisAnálise de Sensibilidade
Métodos de Avaliação de Risco Opções Reais Análise de Risco Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio Análise de Cenário Esta metodologia amplia os horizontes do FCD obrigando o analista a
Leia maisGerenciamento de Vendas em Ambientes de Alta Competitividade. Prof. Dr. Emerson Wagner Mainardes
Gerenciamento de Vendas em Ambientes de Alta Competitividade Prof. Dr. Emerson Wagner Mainardes UM POUCO DE HISTÓRIA No Brasil, antes de 01 de julho de 1994, vender era relativamente fácil. Vivíamos em
Leia maisCAPÍTULO 7 - ÁRVORES DE DECISÃO
CAPÍTULO 7 - ÁRVORES DE DECISÃO 1. CONSIDERAÇÕES INICIAIS A árvore de decisão é uma maneira gráfica de visualizar as consequências de decisões atuais e futuras bem como os eventos aleatórios relacionados.
Leia maisLIDANDO COM SAZONALIDADES NO PROCESSO LOGÍSTICO
LIDANDO COM SAZONALIDADES NO PROCESSO LOGÍSTICO Praticamente todos os processos logísticos estão sujeitos a algum tipo de sazonalidade. A humanidade e seus grupos sociais, desde tempos remotos, sempre
Leia maisAgenda. Modelagem de Sistemas de Informação II. Por que é importante gastar tempo estudando Requisitos? Aula 1 - Introdução.
Modelagem de Sistemas de Informação II Aula 1 - Introdução Eber Schmitz Núcleo de Computação Eletrônica Universidade Federal do Rio de Janeiro Agenda Por que é importante gastar tempo estudando Requisitos?
Leia maisEngenharia de Requisitos Estudo de Caso
Engenharia de Requisitos Estudo de Caso Auxiliadora Freire Fonte: Engenharia de Software 8º Edição / Ian Sommerville 2007 Slide 1 Engenharia de Requisitos Exemplo 1 Reserva de Hotel 1. INTRODUÇÃO Este
Leia maisModelagem e Decisão Planilhas Eletrônicas
Modelagem e Decisão Planilhas Eletrônicas Modelagem e Decisão (07181) Instituto de Ciências Econômicas, Administrativas e Contábeis (ICEAC) Universidade Federal do Rio Grande (FURG) Introdução Objetivo
Leia maisSIMULAÇÃO DE GESTÃO EMPRESARIAL
SIMULAÇÃO DE GESTÃO EMPRESARIAL I INTRODUÇÃO O JOGO DE GESTÃO EMPRESARIAL é uma competição que simula a concorrência entre empresas dentro de um mercado. O jogo se baseia num modelo que abrange ao mesmo
Leia maisMS877 PROJETO SUPERVISIONADO II Técnicas de Análise de Investimentos
MS877 PROJETOSUPERVISIONADOII TécnicasdeAnálisedeInvestimentos TathianaFarinelliSanchezRA046576 INTRODUÇÃO Capitalismo:sistemaeconômicocaracterizadopelapropriedadeprivadadosmeiosdeproduçãoepela existênciademercadoslivres,trabalhoassalariado.
Leia maisENTENDENDO OS CONCEITOS DE RISCO E RETORNO - (Parte III)
ENTENDENDO OS CONCEITOS DE RISCO E RETORNO - (Parte III)! Como calcular o retorno esperado de uma carteira?! O que é um peso em uma carteira?! Como calcular o risco de uma carteira? Autores: Francisco
Leia maisGerenciamento de projetos. cynaracarvalho@yahoo.com.br
Gerenciamento de projetos cynaracarvalho@yahoo.com.br Projeto 3URMHWR é um empreendimento não repetitivo, caracterizado por uma seqüência clara e lógica de eventos, com início, meio e fim, que se destina
Leia maisA UTILIZAÇÃO DE FERRAMENTAS COMPUTACIONAIS NO ENSINO DA DISCIPLINA DE ENGENHARIA ECONÔMICA
A UTILIZAÇÃO DE FERRAMENTAS COMPUTACIONAIS NO ENSINO DA DISCIPLINA DE ENGENHARIA ECONÔMICA Álvaro Gehlen de Leão Pontifícia Universidade Católica do Rio Grande do Sul Faculdade de Engenharia Departamento
Leia maisProf. Cleber Oliveira Gestão Financeira
Aula 2 Gestão de Fluxo de Caixa Introdução Ao estudarmos este capítulo, teremos que nos transportar aos conceitos de contabilidade geral sobre as principais contas contábeis, tais como: contas do ativo
Leia maisTrabalho de Casa 1. 15.053 Introdução à Otimização Para ser entregue no início da aula de quinta-feira, 14 de fevereiro de 2002
Trabalho de Casa 1 15.053 Introdução à Otimização Para ser entregue no início da aula de quinta-feira, 14 de fevereiro de 2002 1. Formulações de PL a. Dê um exemplo de uma programação linear de duas variáveis
Leia maisCapítulo 15: Investimento, Tempo e Mercado de Capitais
Pindyck & Rubinfeld, Capítulo 15, Mercado de Capitais :: EXERCÍCIOS 1. Suponha que a taxa de juro seja de 10%. Qual é o valor de um título com cupom que paga $80 por ano, durante cada um dos próximos 5
Leia maisEscolha 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 maisINTRODUÇÃO À ADMINISTRAÇÃO FINANCEIRA 1.1
1.0 INTRODUÇÃO À ADMINISTRAÇÃO FINANCEIRA 1.1 1.2 ADMINISTRAÇÃO FINANCEIRA Qual o objetivo das empresas para a administração financeira? Maximizar valor de mercado da empresa; Aumentar a riqueza dos acionistas.
Leia maisIntrodução à matemática nanceira
Introdução à matemática nanceira Estela Mara de Oliveira 1 e Sônia Regina Leite Garcia (Orientadora) 2 1 Instituto de Matemática e Estatística da Universidade de São Paulo (IME-USP), Brazil estelaime@hotmailcom
Leia maisUnidade III FINANÇAS EM PROJETO DE TI. Prof. Fernando Rodrigues
Unidade III FINANÇAS EM PROJETO DE TI Prof. Fernando Rodrigues Quando se trabalha com projetos, é necessária a utilização de técnicas e ferramentas que nos auxiliem a estudálos, entendê-los e controlá-los.
Leia maisCOMO INVESTIR PARA GANHAR DINHEIRO
COMO INVESTIR PARA GANHAR DINHEIRO Por que ler este livro? Você já escutou histórias de pessoas que ganharam muito dinheiro investindo, seja em imóveis ou na Bolsa de Valores? Após ter escutado todas essas
Leia maisDisciplina: Suprimentos e Logística II 2014-02 Professor: Roberto Cézar Datrino Atividade 3: Transportes e Armazenagem
Disciplina: Suprimentos e Logística II 2014-02 Professor: Roberto Cézar Datrino Atividade 3: Transportes e Armazenagem Caros alunos, Essa terceira atividade da nossa disciplina de Suprimentos e Logística
Leia maisPLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES?
PLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES? Índice 1. O que é planejamento de...3 1.1. Resultados do planejamento de vendas e operações (PVO)...
Leia mais6 Análise Econômica. 6.1. Fundamentos
Análise Econômica 74 6 Análise Econômica 6.1. Fundamentos Os tradicionais métodos de análise econômico-financeira se baseiam em considerações sobre o Fluxo de Caixa Descontado (FCD). Para a análise econômica
Leia maisEquações do primeiro grau
Módulo 1 Unidade 3 Equações do primeiro grau Para início de conversa... Você tem um telefone celular ou conhece alguém que tenha? Você sabia que o telefone celular é um dos meios de comunicação que mais
Leia maisPesquisa realizada com os participantes do 12º Seminário Nacional de Gestão de Projetos. Apresentação
Pesquisa realizada com os participantes do de Apresentação O perfil do profissional de Projetos Pesquisa realizada durante o 12 Seminário Nacional de, ocorrido em 2009, traça um importante perfil do profissional
Leia maisCARTILHA EDUCAÇÃO FINANCEIRA
CARTILHA EDUCAÇÃO FINANCEIRA ÍNDICE PLANEJANDO SEU ORÇAMENTO Página 2 CRÉDITO Página 12 CRÉDITO RESPONSÁVEL Página 16 A EDUCAÇÃO FINANCEIRA E SEUS FILHOS Página 18 PLANEJANDO SEU ORÇAMENTO O planejamento
Leia maisO QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I
O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I! A utilização de escores na avaliação de crédito! Como montar um plano de amostragem para o credit scoring?! Como escolher as variáveis no modelo de credit
Leia maisLogística e a Gestão da Cadeia de Suprimentos. "Uma arma verdadeiramente competitiva"
Logística e a Gestão da Cadeia de Suprimentos "Uma arma verdadeiramente competitiva" Pequeno Histórico No período do pós-guerra até a década de 70, num mercado em franca expansão, as empresas se voltaram
Leia mais4 passos para uma Gestão Financeira Eficiente
4 passos para uma Gestão Financeira Eficiente Saiba como melhorar a gestão financeira da sua empresa e manter o fluxo de caixa sob controle Ciclo Financeiro Introdução Uma boa gestão financeira é um dos
Leia maisSimulação Computacional de Sistemas, ou simplesmente Simulação
Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.
Leia maisCurso superior de Tecnologia em Gastronomia
Curso superior de Tecnologia em Gastronomia Suprimentos na Gastronomia COMPREENDENDO A CADEIA DE SUPRIMENTOS 1- DEFINIÇÃO Engloba todos os estágios envolvidos, direta ou indiretamente, no atendimento de
Leia maisPROGRAMA DE DISCIPLINA
Faculdade Anísio Teixeira de Feira de Santana Autorizada pela Portaria Ministerial nº 552 de 22 de março de 2001 e publicada no Diário Oficial da União de 26 de março de 2001. Endereço: Rua Juracy Magalhães,
Leia maisSISTEMAS DE GESTÃO São Paulo, Janeiro de 2005
SISTEMAS DE GESTÃO São Paulo, Janeiro de 2005 ÍNDICE Introdução...3 A Necessidade do Gerenciamento e Controle das Informações...3 Benefícios de um Sistema de Gestão da Albi Informática...4 A Ferramenta...5
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia maisAlessandro Almeida www.alessandroalmeida.com 23/04/2013. 1 Semestre de 2013
Alessandro Almeida www.alessandroalmeida.com 23/04/2013 1 Semestre de 2013 Fonte: https://www.facebook.com/cons ELHOSDOHEMAN Defina os seguintes termos: a) Risco Definição do PMBoK, 4ª edição: Um evento
Leia maisPesquisa Operacional
GOVERNO DO ESTADO DO PARÁ UNIVERSIDADE DO ESTADO DO PARÁ CENTRO DE CIÊNCIAS NATURAIS E TECNOLOGIA DEPARTAMENTO DE ENGENHARIA Pesquisa Operacional Tópico 4 Simulação Rosana Cavalcante de Oliveira, Msc rosanacavalcante@gmail.com
Leia maisCAPÍTULO 2. DEMONSTRAÇÕES FINANCEIRAS, IMPOSTOS, e FLUXO DE CAIXA. CONCEITOS PARA REVISÃO
Bertolo Administração Financeira & Análise de Investimentos 6 CAPÍTULO 2 DEMONSTRAÇÕES FINANCEIRAS, IMPOSTOS, e FLUXO DE CAIXA. CONCEITOS PARA REVISÃO No capítulo anterior determinamos que a meta mais
Leia maisINFORME MINERAL DNPM JULHO DE 2012
INFORME MINERAL DNPM JULHO DE 2012 A mineração nacional sentiu de forma mais contundente no primeiro semestre de 2012 os efeitos danosos da crise mundial. Diminuição do consumo chinês, estagnação do consumo
Leia maisUTILIZAÇÃO DE RECURSOS ESTATÍSTICOS AVANÇADOS DO EXCEL PREVISÃO
UTILIZAÇÃO DE RECURSOS ESTATÍSTICOS AVANÇADOS DO EXCEL PREVISÃO! Fazendo regressão linear! Relacionando variáveis e criando uma equação para explicá-las! Como checar se as variáveis estão relacionadas!
Leia maisRoteiro para apresentação do Plano de Negócio. Preparamos este roteiro para ajudá-lo(a) a preparar seu Plano de Negócio.
Roteiro para apresentação do Plano de Negócio Preparamos este roteiro para ajudá-lo(a) a preparar seu Plano de Negócio. Abaixo encontra-se a estrutura recomendada no Empreenda! O Plano de Negócio deverá
Leia maisPesquisa Operacional. 4x1+3x2 <=1 0 6x1 - x2 >= 20 X1 >= 0 X2 >= 0 PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL
Modelo em Programação Linear Pesquisa Operacional A programação linear é utilizada como uma das principais técnicas na abordagem de problemas em Pesquisa Operacional. O modelo matemático de programação
Leia maisSERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA
SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente
Leia maisSonho Planejado, Sonho Realizado
Sonho Planejado, Sonho Realizado Escola Estadual Alceu Gomes da Silva Sala 12 - Sessão 2 Professor(es) Apresentador(es): Lilian Gomes dos Santos Realização: Foco Educação Financeira e apoio às habilidades
Leia maisPOR QUE PRECISAMOS SER RACIONAIS COM O DINHEIRO?
ORGANIZE SUA VIDA POR QUE PRECISAMOS SER RACIONAIS COM O DINHEIRO? - Para planejar melhor como gastar os nossos recursos financeiros QUAIS OS BENEFÍCIOS DE TER UM PLANEJAMENTO FINANCEIRO? - Para que possamos
Leia maisA IMPORTÂNCIA DA MATEMÁTICA NAS ÁREAS DO CONHECIMENTO
A IMPORTÂNCIA DA MATEMÁTICA NAS ÁREAS DO CONHECIMENTO 1. Introdução: Por que a Matemática? Eu, Alessandro Ferreira Alves professor de Matemática já alguns anos, já vivenciei em vários momentos a experiência
Leia maisNo cálculo de porcentagem com operações financeiras devemos tomar muito cuidado para verificar sobre quem foi calculada essa porcentagem.
1º BLOCO... 2 I. Porcentagem... 2 Relacionando Custo, Venda, Lucro e Prejuízo... 2 Aumentos Sucessivos e Descontos Sucessivos... 3 II. Juros Simples... 3 III. Juros Compostos... 4 2º BLOCO... 6 I. Operadores...
Leia maisAula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Leia maisANEXO F: Conceitos Básicos de Análise Financeira
ANEXO F: Conceitos Básicos de Análise Financeira Juros e Taxas de Juros Tipos de Empréstimos Valor Atual Líquido Taxa Interna de Retorno Cobertura de Manutenção de Dívidas Juros e Taxa de Juros Juro é
Leia maisCOMO CALCULAR O EQUILÍBRIO DO CAIXA ATRAVÉS DO MODELO DE BAUMOL
COMO CALCULAR O EQUILÍBRIO DO CAIXA ATRAVÉS DO MODELO DE BAUMOL O que é o Modelo de Baumol? Como podemos calculá-lo? Qual a sua relação com o cálculo do QEE (Quantidade Econômica de Estoque)? Quais são
Leia maisAvaliação de Investimentos
Métodos e Critérios de Avaliação de Investimentos de Capital Orçamento de capital é o nome dado ao processo de decisões de procura e aquisição de ativos de longo prazo. São cinco as principais etapas do
Leia maisSISTEMA. Tecnologia. Software. Hardware. Prazos. Pessoas. Qualidade. Custo GERENCIAMENTO DE RISCO: COMO GARANTIR O SUCESSO DOS PROJETOS DE TI?
GERENCIAMENTO DE RISCO: COMO GARANTIR O SUCESSO DOS PROJETOS DE TI? Os projetos de Tecnologia de Informação possuem características marcantes, que os diferencia dos demais são projetos onde o controle
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisUtilizando o EXCEL Solver
Utilizando o EXCEL Solver Outubro de 2000 2 A opção Solver no Excel pode ser utilizada para resolver problemas de otimização lineares e nãolineares. As restrições de inteiros podem ser colocadas nas variáveis
Leia maisCAP. 2 CONSIDERAÇÕES SOBRE OS CRITÉRIOS DE DECISÃO
CAP. 2 CONSIDERAÇÕES SOBRE OS CRITÉRIOS DE DECISÃO 1. OS CRITÉRIOS DE DECISÃO Dentre os métodos para avaliar investimentos, que variam desde o bom senso até os mais sofisticados modelos matemáticos, três
Leia maisTreinamento Presencial: Inteligência de Mercado Aplicada a Compras. Data: 20 de Agosto de 2015 Carga horária: 8 horas Local: São Paulo/ SP
Treinamento Presencial: Inteligência de Mercado Aplicada a Compras Data: 20 de Agosto de 2015 Carga horária: 8 horas Local: São Paulo/ SP Procurement Business School Quem somos: Procurement Business School
Leia maisCOMO CALCULAR E PROJETAR A DEPRECIAÇÃO PELO MÉTODO DA LINHA RETA COM O AUXÍLIO DO EXCEL
COMO CALCULAR E PROJETAR A DEPRECIAÇÃO PELO! O que é Depreciação?! Quais os problemas da Depreciação?! O problema da Vida Útil?! Como calcular o valor da depreciação pelo Método da Linha Reta no Excel?
Leia maisQual é o risco real do Private Equity?
Opinião Qual é o risco real do Private Equity? POR IVAN HERGER, PH.D.* O debate nos mercados financeiros vem sendo dominado pela crise de crédito e alta volatilidade nos mercados acionários. Embora as
Leia maisORIENTAÇÕES SOBRE A PROVA DISCURSIVA
IF SUDESTE MG REITORIA Av. Francisco Bernardino, 165 4º andar Centro 36.013-100 Juiz de Fora MG Telefax: (32) 3257-4100 CONCURSO PÚBLICO PARA PROVIMENTO DE CARGO EFETIVO ORIENTAÇÕES SOBRE A PROVA DISCURSIVA
Leia maisEstimativas de Software Fundamentos, Técnicas e Modelos... e o principal, integrando isso tudo!
Estimativas de Software Fundamentos, Técnicas e Modelos... e o principal, integrando isso tudo! Como usar de forma consistente PF, COCOMOIl, Simulação de Monte Carlo e seu bom senso em estimativas de software
Leia maisCOMO MELHORAR O DESEMPENHO DAS LINHAS DE. Edson Donisete da Silva, Carlos Roberto Sponteado Aquarius Software
COMO MELHORAR O DESEMPENHO DAS LINHAS DE PRODUÇÃO Edson Donisete da Silva, Carlos Roberto Sponteado Aquarius Software Objetivo Apresentar conceitos e ferramentas atuais para melhorar eficiência da produção
Leia maisCOMO COMEÇAR 2016 se organizando?
COMO COMEÇAR 2016 se organizando? Como começar 2016 se organizando? Conheça estratégias simples para iniciar o novo ano com o pé direito Você sabia que, de acordo com o Sebrae, os principais motivos que
Leia maisFATEC Cruzeiro José da Silva. Ferramenta CRM como estratégia de negócios
FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Cruzeiro SP 2008 FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Projeto de trabalho de formatura como requisito
Leia mais