1 Gabarito da Lista 1
|
|
- Jorge Viveiros
- 5 Há anos
- Visualizações:
Transcrição
1 1 Gabarito da Lista Questão Letra a) Diz-se que um mercado é eficiente se seu preço é a esperança dos dividendos futuros, trazido a valor presente, usando toda a informação disponível. Pode-se dividir a eficicência em fraca, semiforte e forte de acordno com a informação que se considera para a formação do preço. A efiniência fraca requer apenas que as informações de preços passados sejam usadas. A semi-forte requer que toda a informação disponível publicamente seja aplicada e a eficiência forte considera a informação pública e privada (como aconteceria se exisitissem insiders) Letra b) Não, pois se todos conhecem todas as informações disponíveis, estas já estariam refletidas no preço Letra c) Diferença no preço de ações negociadas em mercados diferentes mas que tem o fluxo de caixa proporcional como no caso das açõe da Shell e da Royal Dutch Letra d) Esta frase está de acordo com a hipótese de mercados eficicientes, ou seja, que toda informação já está refletida no preço. No entanto, evidências empíricas de under-reaction contradizem esta afirmação. Por exemplo, constatou-se no mercado americano que os preços das ações de empresas com resultados positivos tendem a continuar crescer por um certo tempo. Ou seja, o preço continua a mudar, mesmo sem informação relevante nova. Um outro exemplo seria a inclusão da ação em algum índice. Em geral, esta inclusão não é causada por informação nova sobre os fundamentos da empresa (de modo mais preciso, o evento que levou a empresa a ser incluida no índice, como uma maior liquidez, pode ter ocorrido meses antes da sua inclusão). No entanto, verifica-se em alguns mercados que a inclusão ou a exclusão no índice tem impacto no preço. 1
2 1. Questão a) Overreaction: Ações perdedoras no longo prazo se tornam vencedoras no longo prazo e vice-versa. Um exemplo é o ordenamento das ações com base no desempenho dos três anos anteriores e formando uma carteira com 35 ações vencedoras e 35 ações perdedoras. Podemos definir este efeito também como: P (r t = bom z t 1 = bom, z t = bom,..., z t j = bom) < < P (r t = bom z t 1 = ruim, z t = ruim,..., z t j = ruim) Onde z t i são informações relevantes para a formação do preço do ativo. É como se os ativos com um histórico de crescimento fizessem as pessoas acreditar que este crescimento continuará sem levar em conta a possibilidades deste histórico ter ocorrido por obra do acaso. Underreaction (Momentum): É o efeito inverso ao overreaction, porém a formação de carteira se utiliza de horizontes de tempo mais curto. Jagadeesh e Titman (1993) acham este fenômeno selecionando carteiras olhando os preços em até um ano. Uma outra forma de definir seria P (r t = bom z t 1 = bom) > P (r t = bom z t 1 = ruim) Deste modo, pode-se interpretar como sendo uma demora para o preço absorver completamente a informação nova. Informação que não diz respeito aos fundamentos implicar mudança: A definição vem da própria frase (quando escrita de maneira clara). Um exemplo é a inclusão de ações no índice S&P 500. de preço Carteiras Value: Todas são estratégias que geram anomalias no sentido de gerar retornos em excesso. Um exemplo são as carteiras formadas por book-to-market. b) A evidência favorável seria achar o valor de α próximo de r f (1 β p ). Inversamente, seria uma evidência desfavorável se achássemos valores significativamente diferentes de r f (1 β p ). c) Pela teoria da eficiência dos mercados, todas as informações já estariam refletidas no preço. Deste modo, os retornos ajustados ao risco deveria ser não previsível. Uma forma de verificar esta afirmação seria fazer o teste da raiz unitária. Neste caso, poderia ser feito o teste de Dick-Fuller que usaria uma regressão do tipo 1.3 Questão 3 P t = a + δp t 1 + e t Letra a) Para achar a demanda de um indivíduo devemos maximizar a função abaixo arg z max{e[ e (γ)w ]} s.a.
3 W = (W 1 zp 1 ) + zv onde v tem distribuição normal N(F, σ ε) Note que e (γ)w é uma variável aleatória com distribuição lognormal. Deste modo: Por fim: E[ e (γ)w ] = exp{e[ (γ)w ] + 1 V ar( (γ)w )} E[ (γ)w ] = E{ (γ)[(w 1 zp 1 ) + zv]} = (γ)[(w 1 zp 1 ) + zf ] V ar( (γ)w ) = 4γ V ar(w ) = 4γ z σ ε E[ e (γ)w ] = exp{ (γ)[(w 1 zp 1 ) + zf ] + 1 4γ z σ ε} Podemos simplificar a tarefa de maximizar a função acima. Note que maximizar E[ e (γ)w ] é o mesmo que minimizar E[e (γ)w ]. Transformações estritamente crescente da função objetivo não alteram a ordenação (por exemplo, f(x) > f(y) ln f(x) > ln g(x)) e portanto deixam o arg min inalterado. Deste modo arg z min{e[e (γ)w ]} = arg z min{ln(e[e (γ)w ])} = arg z min{ln exp{ (γ)e[w ] + 1 4γ V ar(w )} = arg z min{ (γ)[e t W ] + 1 4γ V ar(w )} = arg z max{(γ)[e t W ] 1 4γ V ar(w )} = arg z max{(γ)[(w 1 zp 1 ) + zf ] 1 4γ z σ ε} A última igualdade segue da troca de sinais. Este novo problema é equivalente ao anterior, porém pe muito mais fácil de revolver, bastando aplicar a condição de primeira ordem. Obseve que a condição de segunda ordem é satisfeita pois a função objetivo é côncava - para ver isto basta derivar duas vezes e notar que o resultado é sempre negativo e igual a 4λ σε. L = γ[(w 1 zp 1 ) + zf ] 1 4γ z σ ε d dz L = 0 (C.P.O.) d dz L = γ(f p 1) 4γ σεz = 0 z = γ(f p 1) 4γ σ ε = (F p 1) γσ ε Esta é a demanda de um indivíduo. Como os agentes são iguais, a demanda agregada é igual a demanda individual vezes o número de indivíduos. Para achar o preço basta igualar a demanda agregada com a oferta agregada. Esta última é fixa e igual a Q. Assim: 3
4 nz = Q γσε = Q nf np 1 = Qγσ ε nf + np 1 = Qγσε np 1 = Qγσε + nf p 1 = F Qγσ ε/n 1.3. Letra b) O prêmio de risco é Qγσε/n. Ela depende de: Quantidade ofertada Q : Dado que a oferta é fixa, quanto maior a oferta menor deverá ser o preço para que o mercado a absorva. Aversão ao risco γ: Quanto maior aversão ao risco do agente, maior deve ser o preço para que os indivíduos absorvam a oferta. Variância do ativo σε: Quanto maior a variância, mais os indivíduos evitam este ativo pois são avessos ao risco (γ > 0). Assim, exigem um preço menor para absorver a oferta. O número de indivíduos: Dado que o ativo paga, em média, mais do que o ativo livre de risco (F > r = 0), sempre há uma demanda por parte dos agente (isto é um resultado da teoria microeconomica). Além disto, os agentes demandam apenas olhando os fundamentos do ativo (a distribuição de seu payoff) e seu preço. Portanto, quanto mais indíviduos, menor será o preço necessário para o mercado absorver a oferta Letra c) Os Noise Traders percebem a esperança do ativo de maneira diferente. O problema é o mesmo que a da letra a, exceto que devemos trocar F por F + θ. Assim, a demanda deste novo agente é: Agora, a demanda agregada é: Igualando a oferta: z n = (F + θ p 1) γσ ε γσ ε + (F + θ p 1) γσ ε γσ ε + (F + θ p 1) γσ ε = Q n(f p 1 ) (F + θ p 1 ) = Qγσ ε (n + 1)F θ + (n + 1)p 1 = Qγσε (n + 1)p 1 = Qγσε θ + (n + 1)F 4
5 p 1 = F Qγσ ε θ n + 1 Uma primeira mudança é que há mais um agente para absorver a oferta (isto é refletido na mudança de n para n + 1), o que força a diminuição de preço. Mas o fator mais relevantes é que a presença do noise trader faz com que o preço seja maior caso ele seja otimisa (θ > 0). Ou seja, se ele é otimista, sua demanda é maior que as dos agentes racionais. Isto leva a uma maior demanda agregada, o que faz pressão para aumentar os preços Letra d) O retorno (líquido) de um ativo é definido como: r t+1 = p t+1 + D t+1 p t 1 Onde p denota preços e D, dividendos. No caso do ativo acima, ele não pode ser revendido. Portanto p t+1 = 0 e D t+1 = v. Sendo assim, o retorno esperado é: E(r ) = F F Qγσ ε θ 1 = F F + Qγσ ε θ F Qγσ ε θ = Qγσ ε θ F Qγσ ε θ Assim, para θ < Qγσ ε teremos um retorno positivo. No entanto, isto não significa bater o mercado pois este retorno médio positivo reflete apenas o ganho em carregar risco. (note que o retorno pode ser negativo e, portanto, este ativo não domina estritamente o ativo livre de risco). 5
Finanças Comportamentais
Axel Simonsen axelsimonsen@fgv.br EPGE/FGV MFEE 2011 Revisão Seja s t uma variável aleatória que pode assumir dois estados: s t 2 fs, sg Dizemos que o processo é markoviano de primeira ordem se a distribuição
3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Finanças Comportamentais
Axel Simonsen axelsimonsen@yahoo.com.br EPGE/FGV MFEE 2013 Revisão Seja s t uma variável aleatória que pode assumir dois estados: s t 2 fs, sg Dizemos que o processo é markoviano de primeira ordem se a
Professor: Carlos Eugênio da Costa Finanças Públicas Monitor: Alexandre Sollaci
Professor: Carlos Eugênio da Costa Finanças Públicas - 03 Monitor: Alexandre Sollaci EBEF/FGV Lista - Revisão de Microeconomia Questão. Mostre que no caso de referências quase-lineares temos a igualdade
G4 de Álgebra Linear I
G4 de Álgebra Linear I 20122 Gabarito 7 de Dezembro de 2012 1 Considere a transformação linear T : R 3 R 3 definida por: T ( v = ( v (1, 1, 2 (0, 1, 1 a Determine a matriz [T ] ε da transformação linear
Econometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Finanças Comportamentais
Axel Simonsen axelsimonsen@fgv.br EPGE/FGV MFEE 2011 Barberis, Shleifer & Wurgler (2005) Existem vários padrões de co-movimentos no retorno de ações ações small-cap,value, dentro de uma mesma indústria,
Gabarito e resolução da prova de seleção PPGE FURG Estatística
Gabarito e resolução da prova de seleção PPGE FURG 2019. Questão 1) Resposta: letra c) i. (FALSO) Estatística Variáveis de interação sempre podem ser incluídas mos modelos de regressão, se isso não gerar
Finanças Comportamentais
Axel Simonsen axelsimonsen@fgv.br EPGE/FGV MFEE 2011 Suponha que determinado ativo esteja com preço diferente de seu fundamento. Investidores espertos (que percebem o diferencial) podem se aproveitar,
Prova FINAL GABARITO
Universidade de São Paulo Primeiro Semestre de 2016 FEA-RP REC5003 Microeconomia I Cláudio R. Lucinda Prova FINAL GABARITO Esta é uma prova SEM consulta. A duração da prova é de 4h. Organizem o seu tempo
Notas de Aula do Curso de Análise Macroeconômica VI - Ibmec. Professor Christiano Arrigoni Coelho
Notas de Aula do Curso de Análise Macroeconômica VI - Ibmec Professor Christiano Arrigoni Coelho Vamos agora nos aprofundar na discussão sobre se a estabilização do produto e do desemprego é ou não um
PESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc.
PESQUISA EM MERCADO DE CAPITAIS Prof. Patricia Maria Bortolon, D. Sc. Cap. 6 Técnicas de Cálculo da Fronteira Eficiente ELTON, E.; GRUBER, M.; BROWN, S., GOETZMANN, W. Moderna Teoria de Carteiras e Análise
CC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Value-at-Risk: Overview. Análise de Risco (1) R.Vicente mpmmf
Value-at-Risk: Overview Análise de Risco () R.Vicente mpmmf Resumo Objetivos Definição Esquema Geral Dinâmica de Preços Passeio Aleatório Discreto Somas de Variáveis Aleatórias Teorema Central do Limite
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE CIÊNCIAS EXATAS
1 1) Seja X uma variável aleatória com função de densidade dada por: Pede-se: f (x) = e 2 1 (, )(x) 1.1) Qual a distribuição da variável aleatória Y = X? 1.2) Encontre o valor esperado da variável Y. 2
Lista de Exercícios 2
FGV RJ / EPGE Mestrado em Finanças e Economia Empresarial Gerenciamento de Investimentos Professor: Marcos Antonio C. da Silveira Lista de Exercícios 2 Orientação: Recomenda-se fortemente a formação de
ELE2005: Análise Estratégica de Investimentos e de Decisões com Teoria dos Jogos e Jogos de Opções Reais.
ELE2005: Análise Estratégica de Investimentos e de Decisões com Teoria dos Jogos e Jogos de Opções Reais. Segunda Prova (P2) 12/12/2006 OBS: 1) A prova é SEM CONSULTA. A nota da prova é = mínimo{10; pontuação
Séries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 12
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 12 Regressão com Variáveis Não-Estacionárias Considere três processos estocásticos definidos pelas seguintes
4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Análise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
p( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Tema: Estimar um modelo para medir o risco sistemático das carteiras no mercado brasileiro utilizando o fator mercado e medidas de liquidez.
Aluno: Rafael Milanesi Caldeira Professor Orientador: Adriana Bruscato Bortoluzzo Tema: Estimar um modelo para medir o risco sistemático das carteiras no mercado brasileiro utilizando o fator mercado e
Comprando e Vendendo - Gabarito
CENTRO DE CIÊNCIAS SOCIAIS DEPARTAMENTO DE ECONOMIA ECO 1113 TEORIA MICROECONÔMICA I PROFESSOR: JULIANO ASSUNÇÃO TURMA: 2JA Comprando e Vendendo - Gabarito 2019 Questão 1: Avalie se as afirmativas são
ESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Se a integração analítica não é possível ou
ESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Considere o problema de encontrar o valor que
Aula 4. Aula de hoje. Aula passada
Aula 4 Aula passada Função de distribuição Bernoulli Sequência de v.a. Binomial, Geométrica, Zeta Valor esperado Variância Distribuição conjunta Independência de v.a. Aula de hoje Valor esperado condicional
05/10/2016. Teoria de Mercado Eficiente. Mercado Financeiro I RCC Agenda da Aula - 7. Mito ou Verdade? Mito ou Verdade? Mito ou Verdade?
Carlos R. Godoy Universidade de São Paulo Carlos R. Godoy Financeiro I RCC 007 Faculdade de Economia, Administração e Contabilidade Ribeirão Preto Financeiro I RCC 007 Teoria de Aula 7 Carlos R. Godoy
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
Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Subida e Descida. Subida e Descida
Mecânica de oo I Mecânica de oo I 763 º Ano da Licenciatura em Engenharia Aeronáutica Mecânica de oo I. Equações de Movimento linha de referência do avião α ε T, linha de tracção γ L γ, trajectória de
Modelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Finanças Comportamentais: Um estudo empírico sobre o mercado acionário brasileiro
Thiago Sertã Costa Finanças Comportamentais: Um estudo empírico sobre o mercado acionário brasileiro Dissertação de Mestrado Dissertação apresentada ao Programa de Pósgraduação em Administração de Empresas
VARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
TEORIA DA PRODUÇÃO. Rafael V. X. Ferreira Abril de 2017
MICROECONOMIA I TEORIA DA PRODUÇÃO Rafael V. X. Ferreira rafaelferreira@usp.br Abril de 2017 Universidade de São Paulo (USP) Faculdade de Economia, Administração e Contabilidade (FEA) Departamento de Economia
CAPÍTULO 6 * JOGOS NA FORMA ESTRATÉGICA COM INFORMAÇÃO COMPLETA
CAPÍTULO 6 * JOGOS NA FORMA ESTRATÉGICA COM INFORMAÇÃO COMPLETA Objetivos: Definir a forma normal ou estratégica para representação de jogos estáticos com informação completa e desenvolver os conceitos
Econometria. Econometria MQO MQO. Resíduos. Resíduos MQO. 1. Exemplo da técnica MQO. 2. Hipóteses do Modelo de RLM. 3.
3. Ajuste do Modelo 4. Modelo Restrito Resíduos Resíduos 1 M = I- X(X X) -1 X Hipóteses do modelo Linearidade significa ser linear nos parâmetros. Identificação: Só existe um único conjunto de parâmetros
EXAME NACIONAL DE SELEÇÃO 2010
EXAME NACIONAL DE SELEÇÃO 2010 PROVA DE ESTATÍSTICA 1 o Dia: 30/09/2009 - QUARTA FEIRA HORÁRIO: 10h 30m às 12h 45m (horário de Brasília) EXAME NACIONAL DE SELEÇÃO 2010 PROVA DE ESTATÍSTICA 1º Dia: 30/09
Value at Risk Não-linear. Análise de Risco (4) R.Vicente
Value at Risk Não-linear Análise de Risco (4) R.Vicente Resumo Portfolios Lineares Portfolios Não-lineares: Aproximação Delta Portfolios Não-lineares: Aproximação Delta-quadrática Portfolios Não-lineares:
MAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Modelos de Regressão Múltipla - Parte IV
1 Modelos de Regressão Múltipla - Parte IV Erica Castilho Rodrigues 01 de Fevereiro de 2017 2 3 4 Nos modelos vistos até agora a mudança de um grupo para o outro estava apenas no intercepto. Podemos também
TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Nocturno) 2009/2010. Primeira Parte. P (X a) =1 F (a). 0 f(x) 1. P (X a X b) = F (a) F (b)
TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Nocturno) 009/00 Primeira Parte [,0]. Considere a variável aleatória (v.a.) X e seja F (x) a sua função distribuição. Considere as seguintes afirmações:
Finanças Comportamentais
Axel Simonsen axelsimonsen@fgv.br EPGE/FGV MFEE 2011 Retornos no cross-section e modelos racionais: anomalias Os retornos na cross-section são difíceis de serem explicados pelos modelos racionais. Na abordagem
Gabarito da Primeira Prova MAT Tipo A
Gabarito da Primeira Prova MAT-2454 - Tipo A 10 de Outubro de 2011 -A- Questão 1. Apenas uma das funções f ou g abaixo admite plano tangente a seu gráfico no ponto P = 0,0,0): x 2 y fx,y) = x 2 +y2, se
Transformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
IND Análise de Investimentos com Opções Reais
IND 2072 - Análise de Investimentos com Opções Reais PROVA 1 o Semestre de 2006-11/07/2006 Parte I: Demonstração (5 pontos). Seja V o valor do projeto que segue um movimento geométrico Browniano. V tem
Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
PESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc.
PESQUISA EM MERCADO DE CAPITAIS Prof. Patricia Maria Bortolon, D. Sc. Cap. 7 A Estrutura de Correlações dos Retornos dos Ativos: modelo de índice único ELTO, E.; GRUBER, M.; BROW, S., GOETZMA, W. Moderna
ELE2005: Análise Estratégica de Investimentos e de Decisões com Teoria dos Jogos e Jogos de Opções Reais.
ELE2005: Análise Estratégica de Investimentos e de Decisões com Teoria dos Jogos e Jogos de Opções Reais. Segunda Prova (P2) 11/12/2007 OBS: 1) A prova é SEM CONSULTA. A nota da prova é = mínimo{10; pontuação
{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
ADMINISTRAÇÃO FINANCEIRA
ADMINISTRAÇÃO FINANCEIRA Prof. Renê Coppe Pimentel Prof. Renê Coppe Pimentel Pg. 1 RISCO E RETORNO (PORTFÓLIO DE 2 ATIVOS) Prof. Renê Coppe Pimentel Pg. 2 RISCO E RETORNO: PORFOLIOS Portfólios Teoria de
ESCOLHA SOB INCERTEZA
MICROECONOMIA I ESCOLHA SOB INCERTEZA Rafael V. X. Ferreira rafaelferreira@usp.br Março e Abril de 2017 Universidade de São Paulo (USP) Faculdade de Economia, Administração e Contabilidade (FEA) Departamento
IND Análise de Investimentos com Opções Reais
IND 2072 - Análise de Investimentos com Opções Reais PROA P1 1 o Semestre de 2007-10/05/2007 OBS: 1) A prova é SEM CONSULTA. A nota da prova é = mínimo{10; pontuação da P1} 2) Múltipla escolha: responder
Análise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
TEORIA MICROECONÔMICA I N
CENTRO DE CIÊNCIAS SOCIAIS DEPARTAMENTO DE ECONOMIA 2016.1 ECO 1113 TEORIA MICROECONÔMICA I N PROFESSOR: JULIANO ASSUNÇÃO TURMA: 2JA LISTA 2 1. Na tabela a seguir, estão descritas as cestas escolhidas
MODELO DE BERTRAND. 1. Modelo de Bertrand - Exposição Inicial
MODELO DE BERTRAND PROF. DR. CLÁUDIO R. LUCINDA Neste texto, iremos analisar o modelo inicialmente desenvolvido por Joseph Bertrand como uma resposta às conclusões do Modelo de Cournot. Dentro deste modelo,
AULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Investimento em Fatores no Brasil Axel Simonsen
Investimento em Fatores no Brasil Axel Simonsen Gestor de Estratégias Quantitativas da BRAM Agosto/2014 Investimento em Fatores no Brasil Agenda 2 Conceito Evidências Entendendo Fatores e seus riscos Fatores
Fundamentos de matemática financeira e utilização de calculadora com Edgar Abreu.
Fundamentos de matemática financeira e utilização de calculadora com Edgar Abreu. M = C + J T Z Y X T Z Y X T Z Y X T Z Y X No gráfico abaixo vamos compreender a volatilidade a partir de um exemplo cotidiano:
Equilíbrio Químico. 1 Equilíbrio propriamente dito. Miguel Almeida
Equilíbrio Químico Miguel Almeida 1 Equilíbrio propriamente dito É provável que você já tenha ouvido alguém dizer alguma vez as coisas vão se equilibrar em um momento de incerteza sobre a vida. Geralmente
Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
1 x. = π 2. pois. Probabilidade: um curso introdutório - Mônica Barros - Capítulo 7 - Soluções
Soluções - Capítulo 7 Lista semestre 000.0:, 3, 5 a, 5, 6, 7,, 4, 5 Problema Ache a mediana das densidades Qui-quadrado com e graus de liberdade. A densidade Qui-quadrado com n graus de liberdade é dada
Teste para a Média Populacional com Variância Conhecida
Teste para a Média Populacional com Variância Conhecida Quando o desvio padrão σ for conhecido, a estatística do teste é: x µ z obs = σ n onde: x é a média amostral; µ é a média populacional testada (sob
ELE2005: Análise Estratégica de Investimentos e de Decisões com Teoria dos Jogos e Jogos de Opções Reais.
ELE2005: Análise Estratégica de Investimentos e de Decisões com Teoria dos Jogos e Jogos de Opções Reais. Segunda Prova Extra (P2 de segunda chamada) 18/12/2006 OBS: 1) A prova é SEM CONSULTA. A nota da
Integração por frações parciais - Parte 1
Universidade de Brasília Departamento de Matemática Cálculo Integração por frações parciais - Parte Neste pequeno texto vamos desenvolver algumas ideias para integrar funções racionais, isto é, funções
SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
Solução dos Exercícios - Capítulos 1 a 3
Capítulo 9 Solução dos Exercícios - Capítulos a 3 9. Capítulo. a Como o valor se refere aos pacientes estudados, e não a todos os pacientes, esse é o valor de uma estatística amostral. b Estatística amostral
MAE0229 Introdução à Probabilidade e Estatística II
Exercício Entre jovens atletas, um nível alto de colesterol pode ser considerado preocupante e indicativo para um acompanhamento médico mais frequente. Suponha que são classificados como tendo taxa de
Economia. Modelo de precificação de ativos e avaliação de riscos. Professor Jacó Braatz.
Economia Modelo de precificação de ativos e avaliação de riscos Professor Jacó Braatz www.acasadoconcurseiro.com.br Economia MODELOS DE PRECIFICAÇÃO DE ATIVOS E AVALIAÇÃO DE RISCO O modelo CAPM (Capital
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 214 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
1.3 Comprimento de arco
0 CAPÍTULO. CURVAS NO E ENOE 3.3 Comprimento de arco Seja γ :[a, b] V uma curva não necessariamente regular. Consideremos P ([a, b]) o conjunto de todas as partições de [a, b]. Uma partição P = a = t 0
Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
= 2 sen(x) (cos(x) (b) (7 pontos) Pelo item anterior, temos as k desigualdades. sen 2 (2x) sen(4x) ( 3/2) 3
Problema (a) (3 pontos) Sendo f(x) = sen 2 (x) sen(2x), uma função π-periódica, temos que f (x) = 2 sen(x) cos(x) sen(2x) + sen 2 (x) 2 cos(2x) = 2 sen(x) (cos(x) sen(2x) + sen(x) cos(2x) ) = 2 sen(x)
3 Revisão da Literatura
14 3 Revisão da Literatura A regressão padrão, apresentada no capítulo 5, contém uma determinada categoria de gasto como variável dependente e um conjunto de variáveis independentes. Dentre as variáveis
1) Considere Y N(1, 1) e X Y = y N(y, 4). A quantidade de interesse é θ = P (X > 1).
1 Considere Y N1, 1 e X Y y Ny, 4. A quantidade de interesse é θ P X > 1. a Explique como obter uma estimativa de θ via simulação. Solução: Uma maneira simples de obter uma estimativa de θ é simulando
MAE116 Noções de Estatística
Exercício 1 (Estimação) Um agente de viagens deseja estimar a proporção de clientes satisfeitos com os serviços da agência. (a) Determine o tamanho da amostra necessário para que o erro cometido na estimação
Modelos de Regressão Múltipla - Parte I
Modelos de Regressão Múltipla - Parte I Erica Castilho Rodrigues 4 de Outubro de 2016 2 3 Introdução 4 Quando há apenas uma variável explicativa X, temos um problema de regressão linear simples onde ǫ
Retorno em escolaridade no Paraná
1. Introdução Retorno em escolaridade no Paraná Juliana Kikuchi Van Zaist * Luciano Nakabashi ** A educação, um dos principais componentes que determinam a quantidade de capital humano em uma economia,
MAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I Gabarito da 2 a Prova - 1 o semestre de 2015
MAT27 ÁLGEBRA LINEAR PARA ENGENHARIA I Gabarito da 2 a Prova - 1 o semestre de 201 Nesta prova considera-se fixada uma orientação do espaço e um sistema de coordenadas Σ (O, E) em E 3, em que E é uma base
Resolução de Questões das Listas de Cálculo de Uma Variável:
Eercícios resolvidos: Cálculo I -A- Cálculo Diferencial e Integral Aplicado I Cálculo Aplicado I Lista Questão Lista Questão 20 20 6 6 40 40 4 4 2 2 4 6 4 6 4 24 4 24 5 8 5 8 8 8 9 9 9 4 9 4 2 0 2 0 7
Matemática B Extensivo v. 4
Extensivo v. Exercícios 0) a) S π ; π b) S π π ; c) S π π ; a) (x) x π Portanto, S π π ;. π π 0) B tg x 0 tg x x π. 0) A Portanto, possui uma única solução para x [0, p]. x 0 x x x π. b) Errata: S π π
Econometria Espacial Aula 2: Matrizes de pesos espaciais
Econometria Espacial Aula 2: André Luis Squarize Chagas achagas@usp.br 16 de março de 2016 Agenda Agenda Agenda Escolha da matriz W Matrizes endógenas Matrizes de vizinhança Critérios usuais de vizinhança
Redes Complexas Aula 7
Redes Complexas Aula 7 Aula retrasada Lei de potência Distribuição Zeta Propriedades Distribuição Zipf Exemplo Wikipedia Aula de hoje Distribuição de Pareto Medindo lei de potência Estimando expoente Exemplos
Mais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
17.1 multiplicidade de um ponto da curva
Aula 17 multiplicidades de interseção (Anterior: C é fecho algébrico de R ) Voltamos ao estudo de curvas planas O assunto agora diz respeito à compreensão das multiplicidades O exemplo modelo bem conhecido
Tópicos Especiais em Qualidade
Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando
PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012
PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG - 0/0 Instruções:. Cada questão respondida corretamente vale (um) ponto.. Cada questão respondida incorretamente vale - (menos um) ponto. 3.
Lema. G(K/F ) [K : F ]. Vamos demonstrar usando o Teorema do Elemento Primitivo, a ser provado mais adiante. Assim, K = F (α).
Teoria de Galois Vamos nos restringir a car. zero. Seja K/F uma extensão finita de corpos. O grupo de Galois G(K/F ) é formado pelos isomorfismos ϕ : K K tais que x F, ϕ(x) = x. Lema. G(K/F ) [K : F ].
AULA 02 Distribuição de probabilidade normal
1 AULA 02 Distribuição de probabilidade normal Ernesto F. L. Amaral 02 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH)
AV1 - MA UMA SOLUÇÃO. d b =. 3q 2 = 2p 2,
AV1 - MA 11-01 Questão 1. Prove que se a, b, c e d são números racionais tais que a + b 3 = c + d 3 então a = c e b = d. A igualdade a + b 3 = c + d 3 implica que (a c) = (d b) 3. Suponha que tenhamos
Mestrado em Finanças e Economia Empresarial EPGE - FGV. Derivativos. Parte 9: Gregas e Delta Hedging
Mestrado em Finanças e Economia Empresarial EPGE - FGV Derivativos Parte 9: Gregas e Delta Hedging Derivativos - Alexandre Lowenkron Pág. 1 Fórmula de Black-Scholes Fórmula de Black-Scholes da Call Européia
Prova Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - o Ano 0 - a Fase Proposta de resolução GRUPO I. Temos que P A B) P A) + P B) P A B) P A B) P A) + P B) P A B) Como A e B são independentes, então P A) P B) P A B), pelo
Técnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Instituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época de Recurso 2/Julho/2013 Duração 2 horas
Instituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época de Recurso 2/Julho/2013 Duração 2 horas NOME: Processo Espaço Reservado para Classificações A utilização do telemóvel
Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
AULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Lema. G(K/F ) [K : F ]. Vamos demonstrar usando o Teorema do Elemento Primitivo, a ser provado mais adiante. Assim, K = F (α).
Teoria de Galois Vamos nos restringir a car. zero. Seja K/F uma extensão finita de corpos. O grupo de Galois G(K/F ) é formado pelos isomorfismos ϕ : K K tais que x F, ϕ(x) = x. Lema. G(K/F ) [K : F ].
Linguagens Formais e Autômatos (LFA)
Linguagens Formais e Autômatos (LFA) Aula de 16/09/2013 Conversões e Transformações 1 Conversões de Gramáticas LR em LL e vice-versa Qual é a ideia? S S a a a = a b c b c ε ε a a Seja GRD uma gramática
Teoria dos Conjuntos. (Aula 6) Ruy de Queiroz. O Teorema da. (Aula 6) Ruy J. G. B. de Queiroz. Centro de Informática, UFPE
Ruy J. G. B. de Centro de Informática, UFPE 2007.1 Conteúdo 1 Seqüências Definição Uma seqüência é uma função cujo domíno é um número natural ou N. Uma seqüência cujo domínio é algum número natural n N
Econometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica: