Opções Reais. Estimando Volatilidade. Volatilidade. Volatilidade. Mestrado. IAG PUC-Rio. Prof. Luiz Brandão

Tamanho: px
Começar a partir da página:

Download "Opções Reais. Estimando Volatilidade. Volatilidade. Volatilidade. Mestrado. IAG PUC-Rio. Prof. Luiz Brandão"

Transcrição

1 Opções Reais Esimado Volailidade Mesrado Prof. Luiz Bradão IAG PUC-Rio Volailidade Volailidade O Valor Presee V 0 de um aivo é obido descoado-se os seus fluxos de caixa a uma axa de reoro ajusada ao risco (µ). Em um projeo, a axa µ equivale ao WACC. Como assumimos que o valor presee do projeo é o seu valor de mercado, a axa µ é ambém o reoro do projeo, que assumimos cosae ao logo do empo. Para um projeo sujeio a icerezas, esse reoro irá variar esocasicamee, à medida que os seus fluxos de caixa variam. Defiimos a volailidade como o desvio padrão aualizado da disribuição dos reoros de um projeo em codições de icereza. Um faor deermiae para o cálculo do valor das opções de um projeo é a sua volailidade (σ). A volailidade σ reflee a variabilidade das mudaças em um projeo o empo devido as icerezas que afeam o seu fluxo de caixa. A simulação desas icerezas forece uma esimaiva do volailidade σ. A esimação da volailidade de um projeo evolve as seguies eapas: ) Deermiação do VP do projeo aravés da modelagem do aivo básico com ferrameas radicioais de FCD ) Modelagem das icerezas e seus processos esocásicos 3) Simulação de Moe Carlos das variáveis do projeo para gerar uma disribuição de reoros. O desvio padrão desa disribuição é a volailidade do projeo. 3 4

2 Méodos de Esimação Deermiação do V 0 A quara e úlima eapa evolve a represeação do processo esocásico do valor do projeo o modelo biomial e a modelagem das opções. Veremos dois méodos uilizados para esa esimação: Méodo de Copelad e Aikarov (CA) Méodo de Bradão, Dyer e Hah (BDH) A difereça ere eses méodos se resrige à modelagem do valor presee do projeo ao fial do primeiro período, como veremos a seguir. O aivo básico é o projeo sem opções A deermiação do V 0 do projeo é feia uilizado as ferrameas radicioais de FCD A axa de descoo uilizada é o WACC ou oura que seja represeaiva do risco do projeo. V 0 = [ ] E C ( + µ ) = Nessa eapa ão são cosideradas ehum fluxo de caixa resulae de qualquer flexibilidade gerecial ou opções que o projeo possa apresear. 5 6 Modelagem das Icerezas 3 Simulação de Moe Carlo Deermia-se quais são as variáveis de ieresse cuja icerezas afeam os fluxos de caixa do projeo Para cada variável ideificada, deermia-se o seu processo esocásico (MGB, MAB, Reversão a Média, ec.) e esimam-se os parâmeros ecessários. Esses parâmeros podem ser obidos aravés de dados hisóricos, dados de mercado ou esimaivas de gerees ou perios. Sempre que dispoível, deve-se dar preferêcia a dados de mercado. Possíveis correlações ere as variáveis ambém devem ser modeladas. Nesa eapa os méodos de CA e BDH se difereciam. 7 Aravés da simulação gera-se cojuos de Fluxos de Caixa Fuuros do Projeo. Cada ieração da simulação forece um cojuo de fluxos de caixa, a parir dos quais se deermia o valor pré-dividedo V do projeo ao fial do primeiro período. Cada ieração forece um valor de V, a parir do qual calcula-se o reoro do projeo v. No méodo de CA, V é calculado como O reoro v é defiido como A simulação gera um cojuo de amosras dos reoros da variável aleaória v a parir do qual compuamos a volailidade do projeo. Podemos verificar a cofiabilidade da simulação checado se µ = v + σ /. v = l ( V V0) i= i ( ) ( i ) V = C + C + µ 8

3 3 Simulação de Moe Carlo 4 Modelagem das Opções A volailidade σ é defiida como o desvio padrão aualizado dos reoros v, ode: v ( ) i vi σ = Observe que o reoro v e a volailidade σ são suficiees para caracerizar compleamee o processo esocásico logormal do valor do projeo. Recomeda-se um míimo de ierações para a Simulação de Moe Carlo Noe que se dv = µ Vd + σvdz é o processo esocásico do valor do projeo, eão dlv = vd+σ dz é o processo esocásico dos reoros do projeo, ode µ = v + σ Uma vez defiido o processo esocásico do valor do projeo, ese pode ser modelado aravés do méodo biomial uilizado-se o sofware de arvores de decisão DPL. O valor dese aivo básico deermiado pelo DPL deve coicidir com o valor V 0 calculado aeriormee pelo méodo do FCD. Uma vez modelado o aivo básico, são iseridas as opções de flexibilidade represeadas por ós de decisão, e o valor do projeo com opções pode eão ser deermiado uilizado-se probabilidades euras a risco os ós de icereza e a axa livre de risco para descoar os fluxos resulaes. 9 0 Exemplo: IerSom Lda. Passo : Modelo FCD, V 0 A IerSom preede laçar uma ova liha de produos que erá uma vida úil de quaro aos. Os fluxos de caixa esperados dese projeo esão apreseados a plailha a seguir. O WACC é de 0% e a axa livre de risco é de 5%. O projeo em uma opção de expadir o ao e pode ser abadoado por um valor fixo os aos e 3. Esima-se que a receia irá crescer 8% a.a. Qual é o valor do projeo, cosiderado as opções exisees? Aalisaremos ese projeo seguido as quaro eapas mecioadas aeriormee Receias Cusos Variáveis (43) (467) (504) (544) Cusos Fixos (80) (80) (80) (80) Depreciação (300) (300) (300) (300) LAIR Imposos 50% (34) (60) (88) (8) Depreciação Ivesimeo (.00) Fluxo de Caixa Livre (.00) V 0 =.78 WACC = 0% Ivesimeo = (.00) VPL 0 = ()

4 Passo : Modelagem das Icerezas Nese exemplo emos uma úica icereza, que é o valor fuuro das receias. Assumimos que as receias R seguem um MGB. A média do processo é µ R = 7.70% (que correspode a uma axa aual de crescimeo discrea de 8.0%) Assumimos ambém que a volailidade da receia é σ R = 30%. Nese caso, o modelo será: R R + + = Re = Re 0.30 RISKNORMAL 0.077, 0.30 RISKNORMAL( 0.03, 0.30) Passo 3: Simulação Uilizado-se o méodo de CA, o valor do projeo ao fial do primeiro período é defiido como Calculado-se o reoro v, uma rodada da simulação com ierações forece uma média de v =,8% e uma volailidade de 39,4%. i= i ( ) ( i ) V = C + C + µ Noe que se o erro da simulação pode ser ideificado verificado-se se o ermo µ compuado aravés de µ = v + σ esá próximo do valor uilizado o cálculo do valor presee do projeo origial..xls 3 IerSom.xls 4 Passo 4: Modelar o Projeo e as Opções Passo 4: Modelo DPL Esses dados são uilizados para modelar o aivo básico como um MGB com os seguies parâmeros: O modelo DPL do aivo básico é: PV = 78 WACC = 0% WACC D D3 u d T T3 Volailidade = 39,4% Os fluxos de caixa são modelados a parir da axa de disribuição deermiada a plailha. Uma vez modelado o projeo básico, podemos icluir qualquer umero de opções exisees. Vol D r D4 p PV T T4 Supoha que o projeo possua uma opção de expadir 30% o ao a um cuso de $00 e aida pode ser abadoado por $350 os aos e

5 Passo 4: Modelo DPL com opções Resulados O valor do projeo com as opções de expasão e abadoo, é de,34,74. Esse valor é sigificaivamee maior do que o valor origial do projeo sem opções. Um dos parâmeros deermiaes do valor das opções é a volailidade do aivo básico, que ese caso foi de 39,4% a.a. 7 8 Méodo de BDH Méodo de BDH BDH argumearam que o méodo de CA sisemaicamee superavalia a volailidade de um projeo, levado a valores de opção acima do real. Isso pode ser demosrado aravés de um exemplo simples. Supoha um projeo com vida úil de seis aos, e que gera receias liquidas com uma volailidade de 30%. Qual a volailidade do projeo calculado por CA? Aravés da simulação obemos um valor de Vol = 46,4% Como sabemos por defiição que a volailidade dese projeo é de 30%, fica claro que o méodo de CA superesima a volailidade do projeo. Porque o méodo de CA forece valores icorreos? O problema esá a forma como as icerezas são modeladas. O modelo de CA defie a volailidade σ como o desvio padrão dos reoros v, ode: V C + V( C,..., C ) v l l = = V0 V0 A variâcia de v é dada por: (,..., ) C+ V C C Var( v) = Var l = Var l ( C+ V( C,..., C )) l ( V0) V 0 9 0

6 Méodo de BDH Méodo de BDH Simplificado ficamos com: O valor (V ) do projeo o ao é o somaório dos valores presee o ao dos fluxos de caixa a parir durae oda a vida úil do projeo. Dessa forma, assumido que as variações os fluxos de caixa são idepedees, ese modelo a variâcia aumea com o úmero de períodos do projeo uma vez que o ermo de covariâcia será zero. Para resolver ese problema, BDH apreseam um raameo aleraivo para o cálculo da volailidade de um projeo. ( ( )) Var( v) = Var l C + V C,..., C ( i ) Var() v = Var l Ci e µ i= Segudo BDH, uma fórmula mais adequada é uma defiição para v que abraja apeas as icerezas do primeiro período do projeo Cosidera-se as expecaivas codicioais para os períodos subseqüees. Isso pode ser obido defiido-se um modelo ode apeas o fluxo de caixa do primeiro ao (C ) seja esocásico, especificado os períodos subseqüees (C, C 3,..., C ) pelo seu valor esperado o isae codicioado à realização observada de C. v V ( ( ),..., ( ) ) C + V E C E C C = l = l V 0 V 0 Exemplo No mesmo exemplo aerior, recalculado os reoros do projeo aravés do modelo BDH. Para isso aleramos a modelagem das icerezas da receia para que apeas o primeiro período seja esocásico. Adicioado mais foes de Icereza Dessa forma, os períodos subseqüees serão represeados pelo valor esperado codicioado ao valor realizado o período aerior. Calculado-se o reoro v, uma rodada da simulação com ierações forece uma média de v = 5,03% e uma volailidade correa de 30,00%. Vemos que com isso obemos um valor meor para a volailidade, o que reduz o valor das opções do projeo. Aplicado-se BDH ao exemplo aerior da IerSom, obém-se uma volailidade de 9,%, sigificaivamee abaixo da aerior. O valor do projeo com opções será de.33,79. 3

7 DiaGeesis S.A. Uma das vaages da simulação de Moe Carlo é que o modelo compora projeos com múliplas foes de icereza. Essas foes de icereza podem ser de qualquer aureza, idepedees ou correlacioadas ere si. Ese modelo pode ser mais facilmee demosrado aravés de um exemplo práico. Supoha que a DiaGeesis S.A. em um projeo com cico aos de vida uil e requer um ivesimeo de $0,000. O WACC é 5% a.a. e a axa livre de risco é de 5%. A aálise de FCD forece um valor esperado de O projeo em um opção de expadir o ao e pode ser abadoado os aos e 3. Passo - Caso Base Vedas Cusos (.000) (.67) (.347) (.54) (.754) (.984) Desp Operacioais (800) (800) (800) (800) (800) Depreciação (4.000) (4.000) (4.000) (4.000) (4.000) LAIR I.R. 40% (750) (.050) (.383) (.75) (.6) Lucro Líquido Depreciação CAPEX (0.000) Fluxo de Caixa Livre (0.000) V 0 = WACC = 5% 5 6 Duas Foes de Icereza Icereza de Vedas Supoha que ese projeo em duas foes de icereza idepedees: Vedas (S) Processo Esocásico: Movimeo Geomérico Browiao Taxa Crescimeo (drif rae) = 0% a.a. Volailidade = 40%. Cusos (C) Processo Esocásico: Movimeo Geomérico Browiao Taxa Crescimeo (drif rae) = 8% a.a. Volailidade =0%. O processo MGB das vedas será: ds = µ Sd + σ Sdz S O modelo de simulação é: σ S RISKNORMAL µ S, σs S = + Se ode: S = Vedas o ao aerior µ S = axa média de crescimeo σ S = Volailidade S 7 8

8 Icereza de Cuso Passo - Parâmeros da Simulação O processo MGB das vedas será: dc = µ Cd + σ Cdz C O modelo de simulação é: σ C RISKNORMAL µ C, σc C = + Ce ode: C = Vedas o ao aerior µ C = axa média de crescimeo σ C = Volailidade C Vedas: S Cusos: C = + = + Se Ce 0.40 RISKNORMAL 0.0, RISKNORMAL 0.08, Passo 3 e 4 Simulação e Modelagem Modelo do Projeo Básico A simulação calculada por BDH forece uma volailidade de 43.89%, comparada com 64,6% obida com CA. Uilizaremos o valor de 43,89% pelos moivos discuidos aeriormee. Para a modelagem em DPL, calculamos iicialmee a axa de disribuição para cada um dos cico aos do projeo. Os demais parâmeros são: V 0 = r = 5% Volailidade = 43,89% Taxa de disribuição em cada ao. Uma vez modelado o aivo básico, procedemos a iclusão das opções do projeo. 3 3

9 Iserido as Opções Modelo com Opções O projeo pode ser expadido em 30% ao fial do ao a um cuso de $ O projeo pode ser abadoado ao fial dos aos e 3, recebedo-se um valor residual de $8,000. Com esas opções, o valor do projeo aumea de $0.056 para $.663,4. Se esas opções pudessem apeas ser icluídas o projeo a um cuso, qual o valor máximo que seria viável pagar pela iclusão desas flexibilidades? Opções Reais Mesrado Prof. Luiz Bradão bradao@iag.puc-rio.br IAG PUC-Rio

5 Modelo Teórico Modelagem determinística

5 Modelo Teórico Modelagem determinística 5 Modelo Teórico Nese rabalho será adoada a simulação de Moe Carlo para precificar as opções reais do projeo, uilizado o sofware @Risk. O modelo eórico aplicado é baseado a premissa de que o valor presee

Leia mais

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória.

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória. Prof. Lorí Viali, Dr. viali@ma.ufrgs.br hp://www.ma.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X R x = X(s) X(S) Uma fução X que associa a cada elemeo de S (s S) um úmero real x = X(s) é deomiada

Leia mais

Exemplo. Exemplo. Taxa Interna de Retorno. Administração

Exemplo. Exemplo. Taxa Interna de Retorno. Administração Admiisração Taxa Iera de Reoro Deomia-se Taxa Iera de Reoro (TRI) de um fluxo de caixa à axa de juros que aula o Valor Presee Líquido (VPL). MATEMÁTICA FINANCEIRA Por: EDÉZIO SACRAMENTO edezio@oi.com.br

Leia mais

APÊNDICE C FUNDAMENTOS ESTATÍSTICOS SÉRIES TEMPORAIS 1

APÊNDICE C FUNDAMENTOS ESTATÍSTICOS SÉRIES TEMPORAIS 1 Apêdice C APÊNDICE C FUNDAMENTOS ESTATÍSTICOS SÉRIES TEMPORAIS Nese Apêdice são apreseados algus coceios de esaísica úeis para validar os modelos de previsão de demada de eergia, sobreudo os que evolvem

Leia mais

3 Derivação dos modelos

3 Derivação dos modelos 3 Derivação dos modelos Ese capíulo apresea a derivação de odos os modelos que serão aalisados. Basicamee serão desevolvidos rês casos disios. Deses casos serão exraídos os modelos que serão esudados esa

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Processos Estocásticos

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Processos Estocásticos Deparameo de Iformáica Disciplia: do Desempeho de Sisemas de Compuação Variável leaória Real Variável leaória x(w) Processos Esocásicos R Prof. Sérgio Colcher Medida de Probabilidade colcher@if.puc-rio.br

Leia mais

Secção 7. Sistemas de equações diferenciais.

Secção 7. Sistemas de equações diferenciais. 7. Sisemas de equações difereciais Secção 7. Sisemas de equações difereciais. (Farlow: Sec. 6., 6.4 e 6.6) No caso geral, um sisema de equações difereciais de primeira ordem pode ser represeado da seguie

Leia mais

INTERPRETANDO CORRETAMENTE O PASSADO PODEM-SE GERAR PREVISÕES ÚTEIS PARA O FUTURO.

INTERPRETANDO CORRETAMENTE O PASSADO PODEM-SE GERAR PREVISÕES ÚTEIS PARA O FUTURO. MÓDUO - MODEOS DE PREVISÃO E ESTIMATIVA DE DEMANDA Baseado em Chopra, Suil e Meidl, Peer, Gereciameo da Cadeia de Suprimeos, Preice Hall, São Paulo, 23. Quao se deve fabricar os próximos dias? Quais os

Leia mais

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra Exame fial Esaísica Maria Helea Almeida 7 de Maio de 003 José Aóio Piheiro Duração h e 30 Noe bem: Grupos diferees em folhas diferees Não se esqueça de ideificar TODAS as folhas 3 Para maer a ordem, a

Leia mais

Lista de Exponenciais e Logaritmos Extensivo Alfa Professor: Leandro (Pinda)

Lista de Exponenciais e Logaritmos Extensivo Alfa Professor: Leandro (Pinda) Lisa de Expoeciais e Logarimos Exesivo Alfa Professor: Leadro (Pida) 1. (Eem 2017) Para realizar a viagem dos sohos, uma pessoa precisava fazer um emprésimo o valor de R$ 5.000,00. Para pagar as presações,

Leia mais

INTRODUÇÃO ÀS FINANÇAS

INTRODUÇÃO ÀS FINANÇAS INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Mii-Tese II Daa de realização: 17 de maio de 2014 Duração: 75 miuos Nome: Nº de aluo: Turma: CLASSIFICAÇÃO GRUPO 1 GRUPO 2 GRUPO 3 TOTAL Aee as seguies idicações:

Leia mais

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007)

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007) Méodos saísicos de Previsão MÉTODO TATÍTICO D PRVIÃO 0 08 06 04 0 00 98 96 94 9 90 0 5 0 5 0 Aálise de rros Berardo Almada Lobo Berardo Almada-Lobo (007) Méodos saísicos de Previsão Regressão Liear Múlipla

Leia mais

Tipos de Processos Estocásticos

Tipos de Processos Estocásticos Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 6: Inrodução ao Cálculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável

Leia mais

1. Na figura seguinte está representada parte do gráfico de uma função g, de domínio R e contínua em

1. Na figura seguinte está representada parte do gráfico de uma função g, de domínio R e contínua em PROVA ESCRITA DE MATEMÁTICA A.º E 00 Fevereiro 8 Duração da prova: 90 miuos VERSÃO Grupo I Para cada uma das cico quesões dese grupo, seleccioe a resposa correca de ere as aleraivas que lhe são apreseadas

Leia mais

ANÁLISE DE SINAIS E SISTEMAS

ANÁLISE DE SINAIS E SISTEMAS ANÁLISE DE SINAIS E SISTEMAS AULA 3: OPERAÇÕES BÁSICAS EM SINAIS: OPERARAÇÕES NAS VARIÁVEIS DEPENDENTES; OPERARAÇÕES NA VARIÁVEL INDEPENDENTE. FUNÇÕES ELEMENTARES: O DEGRAU UNITÁRIO; A RAMPA UNITÁRIA;

Leia mais

4 Método dos elementos distintos para simular rochas

4 Método dos elementos distintos para simular rochas 4 Méodo dos elemeos disios para simular rochas Em 2004, Poyody e Cudall (56) propuseram um modelo para simular o comporameo de rochas, o BPM ( Boded Paricle Model for rock ). Nesse modelo, a rocha é modelada

Leia mais

Juros Compostos 2016

Juros Compostos 2016 Juros Composos 2016 1. (G1 - ifal 2016) Em 2000, cero país da América Laia pediu um emprésimo de 1 milhão de dólares ao FMI (Fudo Moeário Ieracioal) para pagar em 100 aos. Porém, por problemas políicos

Leia mais

5 Análise Não-Linear pelos Métodos de Galerkin-Urabe e Balanço Harmônico

5 Análise Não-Linear pelos Métodos de Galerkin-Urabe e Balanço Harmônico álise Não-Liear pelos Méodos de Galerki-Urabe e Balaço Harmôico expressão (.7) obida o Capíulo para a fução de Larae é uilizada essa seção para a obeção das equações difereciais de movimeo uilizadas a

Leia mais

Previsão de venda. Sistema agroindustrial, (1999);

Previsão de venda. Sistema agroindustrial, (1999); Objeivos desa apreseação Plaejameo de produção: Previsão de Demada Aula 6 Pare 1 Mauro Osaki TES/ESALQ-USP Pesquisador do Cero de Esudos Avaçados em Ecoomia Aplicada Cepea/ESALQ/USP Foe: 55 19 3429-8841

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NM ÉRICOS PARA E QAÇÕES DIFEREN CIAIS PARCIAIS 4- Méodo de Difereças Fiias Aplicado às Equações Difereciais Parciais. 4.- Aproximação de Fuções. 4..- Aproximação por Poliômios. 4..- Ajuse de Dados:

Leia mais

INTRODUÇÃO ÀS FINANÇAS

INTRODUÇÃO ÀS FINANÇAS INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Exame 1ª Época Daa de realização: 3 de juho de 2015 Duração: 120 miuos Nome: Nº de aluo: Turma: GRUPO 1 CLASSIFICAÇÃO GRUPO 2 GRUPO 3 GRUPO 4 GRUPO 5 TOTAL Aee as

Leia mais

3 Fundamentação Teórica de Modelos Bayesianos de Previsão

3 Fundamentação Teórica de Modelos Bayesianos de Previsão 37 3 Fudameação Teórica de Modelos Bayesiaos de Previsão 3.. Abordagem Bayesiaa para Esimação A iformação que se em acerca de um parâmero de ieresse θ é crucial a ciêcia esaísica. Se o valor verdadeiro

Leia mais

APLICAÇÃO DO FILTRO DE KALMAN NA DETERMINAÇÃO DO PRAZO DE VALIDADE DE ALIMENTOS PERECÍVEIS

APLICAÇÃO DO FILTRO DE KALMAN NA DETERMINAÇÃO DO PRAZO DE VALIDADE DE ALIMENTOS PERECÍVEIS 45 APLICAÇÃO DO FILTRO DE KALMAN NA DETERMINAÇÃO DO PRAZO DE VALIDADE DE ALIMENTOS PERECÍVEIS Péricles César de Araújo* RESUMO A simplicidade meodológica do Filro de Kalma viabiliza sua aplicação para

Leia mais

5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t

5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t 5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,

Leia mais

Universidade Tecnológica Federal do Paraná Departamento de Eletrônica Disciplina: Teoria da Informação Professor: Dyson Pereira Junior

Universidade Tecnológica Federal do Paraná Departamento de Eletrônica Disciplina: Teoria da Informação Professor: Dyson Pereira Junior Uiversidade ecológica Federal do Paraá Deparameo de Elerôica Disciplia: eoria da Iformação Professor: Dyso Pereira Juior ZONA DE IMPECIÃO NÍVEI APOXIMAÇÃO DO VALO UPEIO APOXIMAÇÃO DO VALO INFEIO 5.4 Capacidade

Leia mais

Problema de Designinação Generalizada. Problema de Designinação. - aplicações: - observações: = 0 caso contrário n n. - Seja a variável: xij

Problema de Designinação Generalizada. Problema de Designinação. - aplicações: - observações: = 0 caso contrário n n. - Seja a variável: xij Prof. Silvio Alexadre de Araujo Problema de Desigiação ou Alocação (Assigme) - Dados agees desigados para realizar arefas - Cada agee j (j=,..,) deve execuar uma e só uma arefa i,.., - Cada arefa i deve

Leia mais

4 - ANÁLISE DE SÉRIES TEMPORAIS

4 - ANÁLISE DE SÉRIES TEMPORAIS INE 7001 Aálise de Séries Temporais 1 4 - ANÁLISE DE SÉRIES TEMPORAIS Série Temporal é um cojuo de observações sobre uma variável, ordeado o empo, e regisrado em períodos regulares. Podemos eumerar os

Leia mais

Faculdade de Engenharia. Análise Matemática 2 MIEEC 2015/2016

Faculdade de Engenharia. Análise Matemática 2 MIEEC 2015/2016 aculdade de Egeharia Aálise Maemáica 2 MEEC 25/26 ucioameo aculdade de Egeharia Teórico-práicas exposição e discussão da maéria resolução de exercícios Trabalho exra-aula resolução dos exercícios proposos

Leia mais

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas. Coceio Na Esaísica exise siuações ode os dados de ieresse são obidos e isaes sucessivos de epo (iuo, hora, dia, ês ou ao), ou aida u período coíuo de epo, coo acoece u elerocardiograa ou sisógrafo. Esses

Leia mais

INTRODUÇÃO ÀS FINANÇAS

INTRODUÇÃO ÀS FINANÇAS INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Exame 1ª Época Daa de realização: 4 de juho de 2014 Duração: 120 miuos Nome: Nº de aluo: Turma: GRUPO 1 CLASSIFICAÇÃO GRUPO 2 GRUPO 3 GRUPO 4 GRUPO 5 TOTAL Aee as

Leia mais

4 Método de geração de cenários em árvore

4 Método de geração de cenários em árvore Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.

Leia mais

MOMENTOS E FUNÇÕES GERADORAS

MOMENTOS E FUNÇÕES GERADORAS MOMENTOS E FUNÇÕES GERADORAS HÉLIO BERNARDO LOPES Resumo. O presee exo visa mosrar, de um modo ão uificado quao possível, a emáica dos momeos e das fuções geradoras, esas úlimas muio ausees, aualmee, das

Leia mais

Métodos de Amortização

Métodos de Amortização Méodos de Amorização Rui Assis Egeheiro Mecâico IST rassis@rassis.com www.rassis.com Fevereiro de 2006 Reviso em Seembro de 20 Méodos de Amorização Irodução Na perspeciva coabilísica, a amorização referese

Leia mais

28/11/2016. Renda Variável. Mercado Financeiro I RCC Ações a Vista. Agenda da Aula Mercado de Ações. Ações.

28/11/2016. Renda Variável. Mercado Financeiro I RCC Ações a Vista. Agenda da Aula Mercado de Ações. Ações. Carlos R. Godoy 1 Uiversidade de São Paulo Carlos R. Godoy Mercado Fiaceiro I RCC 0407 2 Faculdade de Ecoomia, Admiisração e Coabilidade Ribeirão Preo Mercado Fiaceiro I RCC 0407 Reda Variável a Visa Aula

Leia mais

A limitação da metodologia dos MQ conduziu a diversas abordagens alternativas. As

A limitação da metodologia dos MQ conduziu a diversas abordagens alternativas. As Capíulo 3 ESTIMAÇÃO ROBUSTA A limiação da meodologia dos MQ coduziu a diversas abordages aleraivas. As écicas de esimação robusa cosiuem uma abordagem à esimação ão depededo de uma disribuição em paricular.

Leia mais

LISTA DE EXERCÍCIOS 3 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO

LISTA DE EXERCÍCIOS 3 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO LISTA DE EXERCÍCIOS 3 INE 700 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO ) A que compoees de uma série emporal (pelo modelo clássico) esariam pricipalmee associados cada um dos seguies

Leia mais

conceito de análise de investimento

conceito de análise de investimento 1. coceio de aálise de ivesimeo Aálise de Ivesimeos Prof. Uério Cruz O coceio de aálise de ivesimeo pode hoje ser um cojuo de écicas que permiem a comparação ere resulados de omada de decisões referees

Leia mais

Critérios para a Apuração dos Preços de Ajuste e Prêmios das Opções de Compra e de Venda Maio 2009

Critérios para a Apuração dos Preços de Ajuste e Prêmios das Opções de Compra e de Venda Maio 2009 Criérios para a Apuração dos Preços de Ajuse e Prêmios das Opções de Compra e de Veda Maio 2009 Iformamos os procedimeos a serem aplicados durae o mês de maio de 2009 para a apuração dos preços de ajuses

Leia mais

3 Computação de Volumes de Gás Natural

3 Computação de Volumes de Gás Natural 3 Compuação de olumes de Gás Naural 3.1. Codições Para a Compuação de olumes de Gás Naural A orma API 21.1 apresea diversos aspecos relacioados à compuação de volumes obidos a parir da iegração, ao logo

Leia mais

Fluxos de Caixa Independentes no Tempo Média e Variância do Valor Presente Uso da Distribuição Beta Fluxos de Caixa Dependentes no Tempo Fluxos de

Fluxos de Caixa Independentes no Tempo Média e Variância do Valor Presente Uso da Distribuição Beta Fluxos de Caixa Dependentes no Tempo Fluxos de Cap. 6 - Análise de Invesimenos em Siuação de Risco Fluxos de Caixa Independenes no Tempo Média e Variância do Valor Presene Uso da Disribuição Bea Fluxos de Caixa Dependenes no Tempo Fluxos de caixa com

Leia mais

INTRODUÇÃO ÀS FINANÇAS

INTRODUÇÃO ÀS FINANÇAS INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Mii -Tese II Daa de realização: 18 de maio de 2013 Duração: 90 miuos Nome: Nº de aluo: Turma: CLASSIFICAÇÃO GRUPO 1 GRUPO 2 GRUPO 3 TOTAL Aee as seguies idicações:

Leia mais

7 Estimação de Parâmetros Desconhecidos e a Questão dos Diagnósticos

7 Estimação de Parâmetros Desconhecidos e a Questão dos Diagnósticos 7 Esimação de Parâmeros Descohecidos e a Quesão dos Diagósicos Nese capíulo, são apreseadas e discuidas as expressões referees às fuções de log verossimilhaça dos modelos em EE lieares (codicioalmee) Gaussiaos

Leia mais

Simulação por Eventos Discretos

Simulação por Eventos Discretos imulação por Eveos Disreos Apliação à simulação de ráfego isemas de Teleomuiações IEEC - Área de Teleomuiações 4º Ao - º emesre FEUP 009-0 JL, PR Ieioalmee em brao imulação por eveos disreos - priípios

Leia mais

MAGISTÉRIO MATEMÁTICA

MAGISTÉRIO MATEMÁTICA PROVA DE CONHECIMENTOS ESPECÍFICOS CONCURSO DE ADMISSÃO 0 ao CFO/QC - 0 PAG -6 4 Aalise as afirmaivas a seguir, colocado ere parêeses a lera V quado se raar de proposição verdadeira e a lera F quado se

Leia mais

ECONOMIA DOS RECURSOS NATURAIS. A gestão dos recursos naturais recursos renováveis

ECONOMIA DOS RECURSOS NATURAIS. A gestão dos recursos naturais recursos renováveis ECONOMIA DOS RECURSOS NATURAIS A gesão dos recursos aurais recursos reováveis Recursos biológicos Os recursos biológicos diferem dos recursos ão reováveis o seido em que aqueles crescem e se reproduzem

Leia mais

INTRODUÇÃO ÀS FINANÇAS

INTRODUÇÃO ÀS FINANÇAS INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Exame 1ª Época Daa de realização: 30 de maio de 2013 Duração: 120 miuos Nome: Nº de aluo: Turma: Classificação Aee as seguies idicações: A prova pode ser realizada

Leia mais

APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA NA INDÚSTRIA DE CONFECÇÕES

APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA NA INDÚSTRIA DE CONFECÇÕES APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA NA INDÚSTRIA DE CONFECÇÕES ABNER ROCHA PINHEIRO (UNIFOR ) aberocha@homail.com Ferado Luiz Emereciao Viaa (UNIFOR ) fleviaa@oi.com.br Eduardo Alecar Lima Casro

Leia mais

Faculdades Adamantinenses Integradas (FAI)

Faculdades Adamantinenses Integradas (FAI) Faculdades Adamaieses Iegradas (FAI) www.fai.com.br ROCHA, Naiara Chierici; BOTTA, Vaessa. Diâmica populacioal aplicada à população de Adamaia. Omia Exaas, v.2,.2, p.56-65, 2009. DINÂMICA POPULACIONAL

Leia mais

Critérios para a Apuração dos Preços de Ajuste Março 2009.

Critérios para a Apuração dos Preços de Ajuste Março 2009. Criérios para a Apuração dos Preços de Ajuse Março 2009. Iformamos os procedimeos a serem aplicados durae o mês de março de 2009 para a apuração dos preços de ajuses diários dos coraos derivaivos fiaceiros

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. 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 impaco de programas sociais: por que, para que e quado fazer? (Cap. 1 do livro) 2. Esaísica e Plailhas Elerôicas 3. Modelo de Resulados Poeciais e Aleaorização (Cap. 2 e 3 do livro) 4.

Leia mais

Sinais e Sistemas. Env. CS1 Ground. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with. gravity and sine wave forcing in the

Sinais e Sistemas. Env. CS1 Ground. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with. gravity and sine wave forcing in the -4-6 -8 - - -4-6 -8 Frequecy khz Hammig kaiser Chebyshev Siais e Sisemas Power Specral Desiy Ev B F CS CS B F CS Groud Revolue Body Revolue Body Power/frequecy db/hz Sie Wave Joi Acuaor Joi Sesor Revolue

Leia mais

Tipos de Processos Estocásticos

Tipos de Processos Estocásticos Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 7: Inrodução ao álculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável

Leia mais

CAP. 6 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÃO DE RISCO

CAP. 6 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÃO DE RISCO CAP. 6 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÃO DE RISCO 1. APRESENTAÇÃO Nese capíulo serão abordados vários méodos que levam em coa o uso das probabilidades a aálise de ivesimeos. Eses méodos visam subsidiar

Leia mais

FUNDO DE COMÉRCIO * Pedro Schubert

FUNDO DE COMÉRCIO * Pedro Schubert FUNDO DE COMÉRCIO * Pedro Schuber Esa maéria que ão em bibliografia e o seu coceio o ambiee coábil refere-se aos bes iagíveis e os auores ficam com os ies iagíveis possíveis de serem regisrados pela coabilidade

Leia mais

Opções Reais. Modelagem do Ativo Básico. Processos Estocásticos. Modelando Incerteza. Processos Estocásticos. IAG PUC-Rio

Opções Reais. Modelagem do Ativo Básico. Processos Estocásticos. Modelando Incerteza. Processos Estocásticos. IAG PUC-Rio Opções Reais Modelagem do Ativo Básico Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio Processos Estocásticos Modelando Incerteza Processos Estocásticos A incerteza em um projeto pode ter mais do

Leia mais

( ) ( ) ( ) ( ) MATEMÁTICA 2 VOLUME 2 RESOLUÇÕES - EXERCITANDO EM CASA. L = 6x + 180x = (x 15). T(h) = h + 22h 85.

( ) ( ) ( ) ( ) MATEMÁTICA 2 VOLUME 2 RESOLUÇÕES - EXERCITANDO EM CASA. L = 6x + 180x = (x 15). T(h) = h + 22h 85. MATEMÁTICA VOLUME RESOLUÇÕES - EXERCITANDO EM CASA AULA. D Escrevedo a lei de T a forma caôica, vem T(h) = h + h 8 = (h h + 8) = [(h ) 6] = 6 (h ). Assim, a emperaura máxima é 6 C, ocorredo às horas. Tal

Leia mais

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with -4-6 -8 - - -4-6 -8-3 -3 Frequecy (khz Hammig kaiser Chebyshev Siais e Sisemas Power Specral Desiy Ev B F CS CS B F CS Groud Revolue Body Revolue Body Power/frequecy (db/hz Sie Wave Joi Acuaor Joi Sesor

Leia mais

étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA éodos méricos SISTEMS DE EQUÇÕES LINERES (Coiação) Prof. Erivelo Geraldo Nepomceo PROGRM DE PÓS-GRDUÇÃO EM ENGENHRI ELÉTRIC UNIVERSIDDE DE JOÃO DEL-REI PRÓ-REITORI DE PESQUIS CENTRO FEDERL DE EDUCÇÃO TECNOLÓGIC

Leia mais

Tabela: Variáveis reais e nominais

Tabela: Variáveis reais e nominais Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas

Leia mais

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida

Leia mais

Cálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH

Cálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale

Leia mais

z 0 0 w = = 1 Grupo A 42. alternativa C det A = Como A é inteiro positivo, então n deve ser par. 43. A comuta com B A B = B A

z 0 0 w = = 1 Grupo A 42. alternativa C det A = Como A é inteiro positivo, então n deve ser par. 43. A comuta com B A B = B A Resoluções das aividades adicioais Capíulo 6 Grupo A. aleraiva C de A 6 (de A) 8 de A. aleraiva C de A de( A) (de A) de A (de A) de A Como A é ieiro posiivo, eão deve ser par.. A comua com B A B B A y

Leia mais

3 Modelos de Markov Ocultos

3 Modelos de Markov Ocultos 23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável

Leia mais

4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.

4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos. 4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia

Leia mais

6 Processos Estocásticos

6 Processos Estocásticos 6 Processos Esocásicos Um processo esocásico X { X ( ), T } é uma coleção de variáveis aleaórias. Ou seja, para cada no conjuno de índices T, X() é uma variável aleaória. Geralmene é inerpreado como empo

Leia mais

Cap. 6 - Análise de Investimentos em Situação de Risco

Cap. 6 - Análise de Investimentos em Situação de Risco Cap. 6 - Análise de Invesimenos em Siuação de Risco Fluxos de Caixa Independenes no Tempo Média e Variância do Presene Uso da Disribuição Bea Fluxos de Caixa Dependenes no Tempo Fluxos de caixa com Dependência

Leia mais

Limite Hidrodinâmico de Processos de Exclusão Totalmente Assimétricos. Luana Amaral Gurgel

Limite Hidrodinâmico de Processos de Exclusão Totalmente Assimétricos. Luana Amaral Gurgel UNIVERSIDADE FEDERAL DA BAHIA INSTITUTO DE MATEMÁTICA PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA DISSERTAÇÃO DE MESTRADO Limie Hidrodiâmico de Processos de Exclusão Toalmee Assiméricos Luaa Amaral Gurgel

Leia mais

FUNDO DE COMÉRCIO * Pedro Schubert

FUNDO DE COMÉRCIO * Pedro Schubert FUNDO DE COMÉRCIO * Pedro Schuber Esa maéria que ão em bibliografia e o seu coceio o ambiee coábil refere-se aos bes iagíveis e os auores ficam com os ies iagíveis possíveis de serem regisrados pela coabilidade

Leia mais

Nome: Nº de aluno: Turma: Licenciatura: Assinale o tipo de prova que realiza. Classificação

Nome: Nº de aluno: Turma: Licenciatura: Assinale o tipo de prova que realiza. Classificação INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Frequêcia/Exame 1ª Época Daa de realização: 29 de Maio de 2008 Duração: 120 miuos Nome: Nº de aluo: Turma: Liceciaura: Assiale o ipo de prova que realiza Frequêcia

Leia mais

Departamento de Economia, FEA/USP Macroeconomia II 2º/2015 Mauro Rodrigues Primeira Lista de Exercícios - Solução

Departamento de Economia, FEA/USP Macroeconomia II 2º/2015 Mauro Rodrigues Primeira Lista de Exercícios - Solução Deparameo de Ecoomia, FEA/USP Macroecoomia II 2º/205 Mauro Rodriue Primeira Lia de Exercício - Solução. Joe, cap.4, exercício. Ver arquivo com plailha. 2. Coidere uma ecoomia a qual a fução de produção

Leia mais

3 Metodologia 3.1. O modelo

3 Metodologia 3.1. O modelo 3 Meodologia 3.1. O modelo Um esudo de eveno em como obeivo avaliar quais os impacos de deerminados aconecimenos sobre aivos ou iniciaivas. Para isso são analisadas as diversas variáveis impacadas pelo

Leia mais

METODOLOGIA PARA AVALIAÇÃO ECONÔMICA DE INVESTIMENTOS PARA EMPRESAS

METODOLOGIA PARA AVALIAÇÃO ECONÔMICA DE INVESTIMENTOS PARA EMPRESAS METODOLOGIA PARA AVALIAÇÃO ECONÔMICA DE INVESTIMENTOS PARA EMPRESAS Valessa Orácio ROCHA 1 Daiae Fracie Moraes GOMES Rogério Cosaio dos Saos MOTA Camila Pires Cremasco GABRIEL² Luís Robero Almeida GABRIEL

Leia mais

1 a Lista: MTM146: Prof. Paulo Magalhães:

1 a Lista: MTM146: Prof. Paulo Magalhães: a Lisa: MTM46: Prof Paulo Magalhães: Exercício : Mosre que a solução do sisema de EDO s x y f ( x y y com codições iiciais: x ( x(, f saisfazedo f (, é dada por x( f ( d Exercício : Resolva o seguie y

Leia mais

*UiILFRGH&RQWUROH(:0$

*UiILFRGH&RQWUROH(:0$ *UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos

Leia mais

Filtros de Partículas: O Algoritmo Resample-Move Ana Flávia Cupertino Pinto

Filtros de Partículas: O Algoritmo Resample-Move Ana Flávia Cupertino Pinto UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA MESTRADO EM ESTATÍSTICA Filros de Parículas: O Algorimo Resample-Move Aa Flávia Cuperio Pio Orieador: Prof.

Leia mais

Fundamentos da Análise Estocástica

Fundamentos da Análise Estocástica Fudameos da Aálise Esocásica BREVE REVISÃO SOBRE A TEORIA DE PROBABILIDADES AXIOMAS DE KOLMOGOROV Espaço de Probabilidades Ω,,P. Adrey N. Kolmogorov 1903-1987. Ω Espaço Amosral Todos os possíveis resulados

Leia mais

Um estudo de simulação sobre a estimação do desvio padrão de processos na presença de causas especiais de variação

Um estudo de simulação sobre a estimação do desvio padrão de processos na presença de causas especiais de variação Um esudo de simulação sobre a esimação do desvio padrão de processos a preseça de causas especiais de variação Márcio Aôio Couo Ferreira (UFAM) macouo@ufam.edu.br José Raimudo Gomes Pereira (UFAM) jrpereira@ufam.edu.br

Leia mais

ESTRATÉGIA DE CONTROLE ÓTIMO COM HORIZONTE DE TEMPO MÓVEL

ESTRATÉGIA DE CONTROLE ÓTIMO COM HORIZONTE DE TEMPO MÓVEL ESTRATÉGIA DE CONTROLE ÓTIMO COM HORIZONTE DE TEMPO MÓVEL L. S. SANTOS 1, D. M. PRATA 2. 1 Uiversidade Federal do Rio de Jaeiro, Deparameo de Egeharia Química - PEQ COPPE. 2 Uiversidade Federal Flumiese,

Leia mais

4 Modelagem e metodologia de pesquisa

4 Modelagem e metodologia de pesquisa 4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,

Leia mais

MÉTODOS OBSERVACIONAIS EM CLIMATOLOGIA E METEOROLOGIA DE MESOESCALA : NOTAS DE AULA. Prof. Resposável: Dra. Leila M. Véspoli de Carvalho IAG/USP

MÉTODOS OBSERVACIONAIS EM CLIMATOLOGIA E METEOROLOGIA DE MESOESCALA : NOTAS DE AULA. Prof. Resposável: Dra. Leila M. Véspoli de Carvalho IAG/USP MÉTODOS OBSERVACIONAIS EM CLIMATOLOGIA E METEOROLOGIA DE MESOESCALA : NOTAS DE AULA Prof. Resposável: Dra. Leila M. Véspoli de Carvalho IAG/USP ANÁLISE DE SÉRIES TEMPORAIS Referêcias Básicas : I) ALGORITMOS

Leia mais

4 Modelo teórico Avaliação tradicional

4 Modelo teórico Avaliação tradicional 4 Modelo eórico 4.1. Avaliação radicional Em economia define-se invesimeno como sendo o ao de incorrer em um cuso imediao na expecaiva de fuuros reornos (DIXIT e PINDYCK, 1994). Nesse senido as empresas

Leia mais

Capítulo 4. Propriedades dos Estimadores de Mínimos Quadrados

Capítulo 4. Propriedades dos Estimadores de Mínimos Quadrados Capíulo 4 Propriedades dos Esimadores de Mínimos Quadrados Hipóeses do Modelo de Regressão Linear Simples RS1. y x e 1 RS. Ee ( ) 0 E( y ) 1 x RS3. RS4. var( e) var( y) cov( e, e ) cov( y, y ) 0 i j i

Leia mais

DENOMINADORES: QUAIS SÃO? COMO SE CALCULAM?

DENOMINADORES: QUAIS SÃO? COMO SE CALCULAM? DENOMINADORES: QUAIS SÃO? COMO SE CALCULAM? POPULAÇÃO SOB OBSERVAÇÃO A idade e o sexo da população inscria nas lisas dos médicos paricipanes é conhecida. A composição dessas lisas é acualizada no final

Leia mais

1 a Lista: MTM146: Prof. Paulo Magalhães:

1 a Lista: MTM146: Prof. Paulo Magalhães: Exercício : Mosre que a solução do sisema de EDO s x y f ( x y y com codições iiciais: x ( ) x() ) ), f saisfazedo x( f ( ) d f ( ) cos( ) d f ( ) cos( ) d f ( ), é dada por Exercício : Resolva o seguie

Leia mais

Critérios para a Apuração dos Preços de Ajuste Fevereiro 2009.

Critérios para a Apuração dos Preços de Ajuste Fevereiro 2009. Criérios para a Apuração dos Preços de Ajuse Fevereiro 2009. Iformamos os procedimeos a serem aplicados durae o mês de fevereiro de 2009 para a apuração dos preços de ajuses diários dos coraos derivaivos

Leia mais

Investigação Operacional. Modelos de Previsão

Investigação Operacional. Modelos de Previsão Ivesigação Operacioal Modelos de Previsão Liceciaura em Egeharia Civil Liceciaura em Egeharia do Terriório Liceciaura em Egeharia e Arquiecura Naval I. Irodução à previsão Objecivos II. III. IV. Méodos

Leia mais

Uso da Simulação de Monte Carlo e da Curva de Gatilho na Avaliação de Opções de Venda Americanas

Uso da Simulação de Monte Carlo e da Curva de Gatilho na Avaliação de Opções de Venda Americanas J.G. Casro e al. / Ivesigação Operacioal, 27 (2007 67-83 67 Uso da imulação de Moe Carlo e da Curva de Gailho a Avaliação de Opções de Veda Americaas Javier Guiérrez Casro Tara K. Nada Baidya Ferado A.

Leia mais

MOSFET: O MOSFET canal p e a Resistência de Saída Aula 3

MOSFET: O MOSFET canal p e a Resistência de Saída Aula 3 MOSFET: O MOSFET caal p e a Resisêcia de Saída Aula 3 49 Aula Maéria Cap./págia ª 03/08 Elerôica PS33 Programação para a Primeira Prova Esruura e operação dos rasisores de efeio de campo caal, caracerísicas

Leia mais

2 Processos Estocásticos de Reversão à Média para Aplicação em Opções Reais

2 Processos Estocásticos de Reversão à Média para Aplicação em Opções Reais Processos Esocásicos de Reversão à Média para Aplicação em Opções Reais Resumo Ese capíulo analisa alguns méodos usados na deerminação da validade de diferenes processos esocásicos para modelar uma variável

Leia mais

EXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016

EXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016 Nome: Aluno nº: Duração: h:30 m MESTRADO INTEGRADO EM ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL Ano lecivo 05/6 - ª Época (V) 8 de Janeiro de 06 I (7 valores) No quadro de dados seguine (Tabela

Leia mais

EXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)

EXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1) Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas

Leia mais

3 Modelo Teórico e Especificação Econométrica

3 Modelo Teórico e Especificação Econométrica 3 Modelo Teórico e Especificação Economérica A base eórica do experimeno será a Teoria Neoclássica do Invesimeno, apresenada por Jorgensen (1963). Aneriormene ao arigo de Jorgensen, não havia um arcabouço

Leia mais

TIR Taxa Interna de Retorno LCF Economia de Recursos Florestais 2009

TIR Taxa Interna de Retorno LCF Economia de Recursos Florestais 2009 TIR Taxa Inerna de Reorno LCF 685-Economia de Recursos Floresais 2009 TIR: Taxa Inerna de Reorno AT Taxa Inerna de Reorno (TIR)de um projeo é aquela que orna o valor presene das receias menos o valor presene

Leia mais

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FINAL DE CURSO AVALIAÇÃO DE INVESTIMENTOS

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FINAL DE CURSO AVALIAÇÃO DE INVESTIMENTOS PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FINAL DE CURSO AVALIAÇÃO DE INVESTIMENTOS Auor: Marcello Couiho Mazza Marícula: 9916568-6 Orieador: José Herique

Leia mais

Modelo de Uso da Terra para a Agropecuária Brasileira. (Brazilian Land Use Model) BLUM

Modelo de Uso da Terra para a Agropecuária Brasileira. (Brazilian Land Use Model) BLUM Isiuo de Esudos do Comércio e Negociações Ieracioais Modelo de Uso da erra para a Agropecuária Brasileira (Brazilia Lad Use Model) BLUM BLUM é um modelo ecoômico diâmico de equilíbrio parcial, muli-regioal

Leia mais

Aplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo

Aplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo Aplicação Uma famosa consuloria foi conraada por uma empresa que, enre ouras coisas, gosaria de enender o processo gerador relacionado às vendas de deerminado produo, Ainda, o conraane gosaria que a empresa

Leia mais

Finanças Corporativas. Análise de Sensibilidade. Métodos de Avaliação de Risco. Motochoque Ltda. Análise de Risco

Finanças Corporativas. Análise de Sensibilidade. Métodos de Avaliação de Risco. Motochoque Ltda. Análise de Risco Finanças Corporativas Análise de Risco Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio Métodos de Avaliação de Risco Análise de Cenário Esta metodologia amplia os horizontes do FCD obrigando o analista

Leia mais

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO 2-TANSFOMAÇÃO DE COODENADAS: PAÂMETOS DE EPESENTAÇÃO 2.1 Cosseos Dreores e a Mar de oação Seam dos ssemas caresaos um de referêca e ouro fo um corpo rígdo defdos pelos ssemas ( e ( respecvamee que são

Leia mais

XXII OLIMPÍADA BRASILEIRA DE MATEMÁTICA Terceira Fase Nível 3 (Ensino Médio)

XXII OLIMPÍADA BRASILEIRA DE MATEMÁTICA Terceira Fase Nível 3 (Ensino Médio) XXII OLIMPÍADA BRAILEIRA DE MATEMÁTICA Terceira Fase Níel 3 (Esio Médio PROBLEMA 1: Em uma folha de papel a rea r passa pelo cao A da folha e forma um âgulo com a borda horizoal, como a figura 1. Para

Leia mais

Luiz Carlos Estraviz Rodriguez

Luiz Carlos Estraviz Rodriguez Luiz Carlos Esraviz Rodriguez Aposila para uso em cursos de formação acadêmica e capaciação profissioal. Ciação do odo ou pare dese maerial requer prévia auorização do auor. P I R A C I C A B A São Paulo

Leia mais