DECISÃO SOB INCERTEZA

Tamanho: px
Começar a partir da página:

Download "DECISÃO SOB INCERTEZA"

Transcrição

1 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br 1 Introdução Até agora: conseqüêncas das escolhas dos consumdores são conhecdas com certeza. Nova suposção: consumdores e produtores tem apenas uma déa aproxmada dos resultados possíves e atrbuem probabldades para dstntos cenáros possíves. DECISÃO SOB INCERTEZA Probabldades (objetva e subjetva): permtem analsar decsão sob ncerteza. Aplcações: Mercado de seguros ampla-se o conjunto de commodtes. 2 Incerteza e Rsco 1

2 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Teora da Probabldade Mundo com certeza: Ação resultado certo = ocorre com certeza Agora: Mundo com ncerteza: Ação resultado ncerto = dferentes resultados possíves Se for possível atrbur probabldade postva para esses resultados ncertos é possível analsar decsão de rsco de forma semelhante a analse de decsões em jogos de azar. 3 Teora da Probabldade Probabldade objetva: observável va expermento Ex: moeda não-vcada arremessada mutas vezes (1000 a vezes) Moeda justa: p(ca)=p(co)= 50%. Obtém-se, portanto, uma dstrbução de probabldades sobre resultados que é objetva e sso permte fazer prevsões. 4 Incerteza e Rsco 2

3 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Teora da Probabldade Moeda Justa: Cara com probabldade ½ Coroa com probabldade ½ Dado justo: 1 ponto pr 1/6 2 pontos pr 1/6 3 pontos pr 1/6 4 pontos pr 1/6 5 pontos pr 1/6 6 pontos pr 1/6 5 Teora da Probabldade Probabldade subjetva: experênca; formação/pesqus (nformações a pror); crença. Ex: decdr entre dos atvos; decdr entre dos empregos; tratamento médco. Palpte do Gerente: Um Atvo para R$ 6 por ação com pr 1/3 e nada com pr zero. Outro Atvo paga R$ 3 com pr ½ e R$ 1 com pr ½ Outro Gerente: tera outro conjunto de palptes. 6 Incerteza e Rsco 3

4 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 O que devemos saber sobre probabldades? Somam 1 Valor esperado Varânca Independênca 7 O que devemos saber sobre probabldades? 1. Probabldades somam 1: Moeda: ½ + ½ = 1 Dado: 1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 1 Atvos: 1/3 + 2/3 = 1 Eventos são mutuamente exclusvos Exaurem todos os resultados possíves Apenas um evento ocorrerá 8 Incerteza e Rsco 4

5 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 O que devemos saber sobre probabldades? 2. Valor esperado: valor médo dos resultados possíves. Num jogo jogado mutas vezes esse resultado é o esperado. Multplca-se cada resultado por sua probabldade e somam-se os produtos Aposta justa: o preço pago para partcpar do jogo (gamble) é gual ao valor esperado do jogo. 9 E[A1] = valor esperado do Atvo 1 Se os atvos custam R$ 2, então, a aposta é justa: E [ A E [ A ] = (6) + (0) = ] = (3) + (1) = Incerteza e Rsco 5

6 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Proposção: o valor esperado de um resultado certo (pr = 1) é o própro valor do resultado. 3. Varânca: jogos dferentes com o mesmo valor esperado podem dferr na dspersão em relação a meda Varânca = é a soma da dferença ao quadrado entre os resultados possíves e o valor esperado da lotera, cada uma, multplcada por suas respectvas probabldades. 11 Varânca: dspersão méda dos resultados em relação à méda. Var Var Var 2 [ A ] = ( 6 2) ( 0 2) 1 [ A ] = + = [ A ] = (3 2) (1 2) = 1, Incerteza e Rsco 6

7 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/ Independênca Cada vez que o jogo é jogado a dstrbução de probabldades dos resultados é a mesma do jogo sendo uma únca vez. Resultados possíves são ndependentes: A ocorrênca de um evento não tem nfluênca sobre a probabldade de ocorrênca de outro evento. Toda vez que uma moeda justa é arremessada, a probabldade de ocorrer cara contnua sendo de ½ não mportando quantas coroas tenha ocorrdo ate então. 13 Proposção: Se dos eventos são ndependentes então a probabldade de que ambos ocorram juntos é a multplcação de ambas as probabldades. Probabldade de obter cara e cara em dos arremessos sucessvos é: Pr(ca, ca) = (1/2)(1/2) = ¼ Pr(ca, co)= ¼ Pr(co, ca)= ¼ Pr(co, co)= ¼ 14 Incerteza e Rsco 7

8 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/ Arremessos: há 8 seqüêncas gualmente prováves Pr(ca, ca, ca)= (1/2)(1/2)(1/2)= (1/8) n-arremessos: Há 2 n seqüêncas gualmente prováves cada uma ocorrendo com probabldade (1/2) n. Suposção: cada ação n-resultados ndependentes e dferentes. x = valor do - ésmo resultado p = probabld ade do - ésmo resultado ocorrerá. 15 Propredades da probabldade n 1. p = 1, 0 = 1 2. pr ( x, x ) = j 3. E 4. Var [ x ] ( = n = 1 n = 1 p )( p x [] x = p ( x x ) 2 p ); n j = x = Incerteza e Rsco 8

9 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Função Utldade Esperada ou Funcao Utldade de von Neumann- Morgenstern. Lvro: Theory of Games and Economc Behavour Autores: John(y) Von Neumann e Oskar Morgenstern (1944; 1947) 17 Motvação Paradoxo de São Petersburgo: sugere que precsamos de outro conceto além do valor esperado e da varânca para tomar decsão num ambente envolvendo Incerteza e Rsco. Usamos a Utldade Esperada (EU): que se consttu numa representação das preferêncas sob ncerteza em termos de valor esperado de um conjunto de utldades sobre os resultados ou conseqüêncas possíves de uma ação ou escolha. 18 Incerteza e Rsco 9

10 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Utldade Esperada U vn M = EU = n { } pu( x) = 1 Lnear em Probabldades 19 Utldade Esperada- Axomas báscos 1. Preferêncas sobre resultados possíves são completas, reflexvas e transtvas. Supor rank de resultados: 1. X 1 = por resultado 2. Xn = melhor resultado 2. Loteras compostas podem ser reduzdas a loteras smples x~ 20 Incerteza e Rsco 10

11 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Lotera composta: reduconsmo Prmero jogo (gamble): Regras ou hstóra do jogo: Arremesse uma moeda: se CARA aparece, você deve arremessar outra moeda, se CARA aparece novamente você ganha R$ 1,00. Se aparece COROA você ganha R$ 0,75. Se aparece coroa no prmero arremesso: você deve jogar um dado. Seu prêmo agora é R$ 0,10 por ponto no dado, ou seja, você ganha: R$ 0,10 1 Ponto; R$ 0,20 2 Pontos; (...); R$ 0,60 6 Pontos. 21 Fgura ou representação gráfca do jogo Game 1: Pr (ca)= Pr(co)= 0,5 P(ca,ca)= (1/2)(1/2) = (¼) chance de obter R$ 1,00 P(ca,co)=(1/2)(1/2) = (1/4) chance do obter R$ 0,75 Game 2: Coroa na prmera rodada: P(co, 1)= (1/2)(1/6) = (1/12) chance de obter R$ 0,10 P(co, 2)= (1/2)(1/6) = (1/12) chance de obter R$ 0,20 P(co, 3)= (1/2)(1/6) = (1/12) chance de obter R$ 0,30 P(co, 4)= (1/2)(1/6) = (1/12) chance de obter R$ 0,40 P(co, 5)= (1/2)(1/6) = (1/12) chance de obter R$ 0,50 P(co, 6)= (1/2)(1/6) = (1/12) chance de obter R$ 0,60 22 Incerteza e Rsco 11

12 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Nova Lotera: reduzda Oferece: R$ 1,00 com pr =1/4 R$ 0,75 com pr= ¼ R$ 0,60 com pr= 1/12 R$ 0,50 com pr= 1/12 R$ 0,40 com pr= 1/12 R$ 0,30 com pr= 1/12 R$ 0,20 com pr= 1/12 R$ 0,10 com pr= 1/12 23 Segundo Gamble: grar a RODA DA FORTUNA: ganha o prêmo assocado com a quantdade mostrada onde o pontero para. Pedaços de pzza Probabldade da Lotera smples. Axoma 2: dz que o consumdor é ndferente entre joga o prmero ou segundo jogo. Os dos jogos propcam a mesma utldade. 24 Incerteza e Rsco 12

13 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Utldade Esperada: axomas báscos 3. Axoma da contnudade: para cada resultado x entre x 1 ex n o consumdor pode atrbur uma probabldade p, tal que ele é ndferente entre obter x com certeza e jogar uma lotera que envolve obter x n com probabldade p e x 1 com probabldade (1-p ). Vamos chama-la de lotera 4. Axoma da Substtutbldade: a lotera x~ sempre pode ser substtuída por seu Equvalente certo (EC) x em qualquer outra lotera, pos o consumdor é ndferente entre eles. 5. Preferêncas sobre loteras são transtvas 6. Axoma da monotoncdade: se duas loteras têm 2 alternatvas dêntcas, cada uma dferndo em probabldades, então a lotera que dá maor probabldade para a alternatva mas preferda é preferda à outra lotera. px + 1 p) x f px + (1 p ) x ssep f [ ] [ ] p n ( 1 n 1 25 Indvíduo raconal: escolhe a alternatva de rsco que maxmza utldade esperada Proposção: se preferêncas sobre loteras satsfazem os axomas (1) a (6) então podemos assnalar números U(x ) assocados com x, tal que se compararmos 2 loteras L e L que oferecem probabldade (p 1...p n ) e (p 1...p n ) de obter os mesmos resultados, L será preferível a L sse: n = 1 p U ( x ) > n = 1 p U ( x ) 26 Incerteza e Rsco 13

14 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 O Índce de Utldade de vn-m Forma de construção: 27 1) Rank de todos os resultados possíves: x1 p x 2 p x3... x n 1 p x n Atrbu-se ao resultado menos-preferdo valor utldade zero: u(x1)= 0; Atrbu-se ao resultado mas-preferdo valor utldade um: u(xn)= 1; Atrbu-se a todos os resultados ntermedáros possíves x um valor utldade p: U( x 1 ) 0 U( x ) 1 n U( x ) p 28 Incerteza e Rsco 14

15 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Game l Game 2 J. ; ^,$0.75 $0.10 $0.20 $0.30 $0.40 $0.50 $ Incerteza e Rsco 15

16 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Onde x é o Equvalente Certo (EC) de uma lotera envolvendo x n com probabldade p e x1 com probabldade (1-p). Esse índce de utldade equvale a tomar valores esperados das utldades de x n e x 1 usando as probabldades p e (1-p ) assocadas com a lotera para a qual x é o EC: U ( x ) = pu ( xn) + (1 p ) U ( x1) = p + 0 = p (2) 31 Esse índce de utldade descrto em (1) e (2) é únco em transformações lneares ou afns: Uma transformação lnear preserva o EC. Consdere U(x ), então: V ( x) = c + du ( x) (3) Substtundo (1) em (3) : V ( x ) = c + d.0 = c 1 V ( x ) = c + d.1 = c + d n (4) De (4) a Utldade Esperada de x, dado p : V ( x ) = p ( c + d) + (1 p ) c = c + dp O valor de V(x ) é o mesmo da utldade transformada de x. Portanto, (5) mostra que quando avalamos a utldade esperada de x va transformação lneares das utldades de x 1 e x n obtemos de volta a utldade transformada de x e sso sgnfca que transformações lneares preservam o EC. (5) 32 Incerteza e Rsco 16

17 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Comportamento em relação ao rsco Comportamento dos ndvíduos, que são defndos pela forma da UE: 1. Rsk averse: para uma rqueza constante um resultado certo é sempre preferível a uma lotera com o mesmo valor esperado, mas com alguma varanca postva 2. Rsk neutro: o ndvduo ndferente entre o resultado certo e a lotera de mesmo valor esperado. 3. Rsk lover: ndvduo prefere a lotera ao resultado certo. 33 Aversão ao rsco 3 resultados possíves 2 ações que podem ser tomadas e que rendem os resultados com probabldades dferentes Resultado 1: R$ 50 U(50) = 30 Resultado 2: R$ 100 U(100) = 80 Resultado 3: R$ 150 U(150) = 110 (6) Ação A: rende R$ 100 e tem uma EU de 80: E{U(ação A)}= (1).U(100)= 80. (7) Ação B: rende R$ 50 com pr. ½ e rende R$ 150 com pr. ½. 34 Incerteza e Rsco 17

18 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 { ( ação B) } E U { ( ação B) } E U = 1 U (50) = ( ) = 70 2 U (150) { ( ação B) } < E{ U ( ação A) } (8) E U Mesmo cada ação rendendo um payoff esperado de R$ 100, a Utldade Esperada da ação B é menor que a Utldade Esperada da ação A. Isso ocorre porque a função Utldade desse ndvduo é côncava. R$ 100 U(100) = 80 R$ 50 U(50) = 30 R$ 150 U(150) = Indvduo Avesso ao Rsco: Função Utldade U(x) côncava. $50 $100 $150 A EU do gamble 50/50 em [100+50] e [100-50] está no ponto médo da combnação lnear da utldade de R$ 50 e R$ 150. Essa EU = 70, é menor do que recebe R$ 100 com certeza, EU = 80. Proposção: ndvíduos que tem função utldade côncava são avessos ao rsco. 36 Incerteza e Rsco 18

19 PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Aversão ao rsco: Este ndvduo, que é avesso ao rsco, estara dsposto a pagar a quantdade γ para evtar o rsco: Com um payoff de [100- γ] o ndvíduo obtém uma U(100- γ)= 70 e não tem que tomar qualquer rsco. Defnmos: γ = prêmo de rsco: é a quantdade que um ndvduo avesso ao rsco está dsposto a pagar para não correr rscos. [100- γ]= Equvalente certo 37 Attudes em relação ao rsco: U (x) E{U(x)\ U x a x x + a x ã x x 4- a x-a x x + a x 38 Incerteza e Rsco 19

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

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

Leia mais

Introdução. Incerteza: o básico. Perfil do tomador de risco: Teoria da Probabilidade. Prof: Sabino da Silva Porto Júnior

Introdução. Incerteza: o básico. Perfil do tomador de risco: Teoria da Probabilidade. Prof: Sabino da Silva Porto Júnior Icerteza: o básco Prof: Sabo da Slva Porto Júor Sabo@ppge.ufrgs.br Itrodução Até agora: coseqüêcas das escolhas dos cosumdores são cohecdas com certeza. Nova suposção: cosumdores e produtores tem apeas

Leia mais

Escolha do Consumidor sob condições de Risco e de Incerteza

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

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Implementação Bayesiana

Implementação Bayesiana Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6:

2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6: Lsta de Exercícos - Probabldade INE 700 GABARITO LISTA DE EXERÍIOS PROBABILIDADE ) Vamos medr o tempo de duração da lâmpada. Ao lgarmos a lâmpada ela pode não funconar, ou durar um tempo ndetermnado. a)

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

PROBABILIDADE - CONCEITOS BÁSICOS

PROBABILIDADE - CONCEITOS BÁSICOS ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo

Leia mais

CAPÍTULO IV TEORIA DE JOGOS

CAPÍTULO IV TEORIA DE JOGOS CAPÍTULO IV TEORIA DE JOGOS 66 Teora de Jogos Caracterzação:. Cenáro determnístco.. v. Um conjunto de agentes de decsão (jogadores) Um conjunto de estratégas (acções) puras Uma função utldade para cada

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

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

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

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

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

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

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Classificação de Padrões

Classificação de Padrões Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.4

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.4 Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.4 Provsão de Bens Públcos de forma descentralzada: a solução de Lndahl Isabel Mendes 2007-2008 13-05-2008 Isabel Mendes/MICRO

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Forma extensiva: Jogos na forma extensiva: Definições: Observações

Forma extensiva: Jogos na forma extensiva: Definições: Observações Forma extensva: Jogos na forma extensva: Drew Fudenberg e Jean Trole (993, cap. 3) Chrstan Montet e Danel Serra (003, cap. ) Descrção exata dos sucessvos movmentos dos jogadores em conexão com a nformação

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

Risco. Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol.

Risco. Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol. Risco Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol. Definição: A probabilidade de um resultado (de uma lotaria) é a possibilidade

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

2 Modelos de Otimização sob Incerteza 2.1. Introdução

2 Modelos de Otimização sob Incerteza 2.1. Introdução 2 Modelos de Otmzação sob Incerteza 2.. Introdução Modelos de programação matemátca são comumente utlzados para solução de problemas de programação da produção, de logístca, de schedulng e de planejamento

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Resolução das Questões Objetivas

Resolução das Questões Objetivas COMISSÃO PERMANENTE DE SELEÇÃO COPESE PRÓ-REITORIA DE GRADUAÇÃO PROGRAD CONCURSO PISM III - TRIÊNIO 2008-2010 Prova de Matemátca Resolução das Questões Objetvas São apresentadas abaxo possíves soluções

Leia mais

The Correlated Equilibrium q Nathan Canen

The Correlated Equilibrium q Nathan Canen The Correlated Equlbrum Nathan Canen Introdução Consderemos o jogo estátco de nformação completa representado na forma normal: J1 O F O J2 F 2,1) 0,0) 0,0) 0) 1,2) Os equlíbros de Nash são os perfs de

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

SIMULADO PROVA DE MICROECONOMIA. 19/07/2012 QUINTA-FEIRA HORÁRIO: 10:30h às 12:45h

SIMULADO PROVA DE MICROECONOMIA. 19/07/2012 QUINTA-FEIRA HORÁRIO: 10:30h às 12:45h SIMULDO PROV DE MICROECONOMI 9/07/0 QUINT-FEIR HORÁRIO: 0:30h às :5h QUESTÃO 0 Com respeto aos efetos renda e substtução, avale as afrmatvas: (0) Quando o preço de um bem vara, se os efetos substtução

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão Microeconomia II Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 3.1 Introdução à Teoria das Probabilidades e da Preferência pelo Risco Isabel Mendes 2007-2008 18-03-2008 Isabel Mendes/MICRO

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

3 Algoritmos propostos

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

Leia mais

Estudo e Previsão da Demanda de Energia Elétrica. Parte II

Estudo e Previsão da Demanda de Energia Elétrica. Parte II Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Diversificação - exemplo

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

Leia mais

4 Autovetores e autovalores de um operador hermiteano

4 Autovetores e autovalores de um operador hermiteano T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

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

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

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Dados ajustáveis a uma linha recta

Dados ajustáveis a uma linha recta Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 ) DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

2 Referencial Teórico

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

Leia mais

Economia Industrial. Prof. Marcelo Matos. Aula 7

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

Leia mais

BEM -ESTAR SOCIAL. Referências Deaton ( 1997 ), Capítulo 3, seção 3.1 baseado no Trabalho Clássico de Atkinson (1970) On The Measurement of Inequality

BEM -ESTAR SOCIAL. Referências Deaton ( 1997 ), Capítulo 3, seção 3.1 baseado no Trabalho Clássico de Atkinson (1970) On The Measurement of Inequality Curso Bem-Estar Socal - Marcelo er - www.fgv.brcps BEM -ESTAR SOCAL Referêncas Deaton 997, Capítulo 3, seção 3. baseado no Trabalho Clássco de Atknson 970 On The Measurement of nequalty Função Bem-Estar

Leia mais

3. Estatística descritiva bidimensional

3. Estatística descritiva bidimensional 3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Cap. 11 Correlação e Regressão

Cap. 11 Correlação e Regressão Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

Leia mais

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;

Leia mais

Estatística Espacial: Dados de Área

Estatística Espacial: Dados de Área Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes

Leia mais

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

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

Leia mais

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS 177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

2 Estado da Arte em Otimização de Portfólio

2 Estado da Arte em Otimização de Portfólio 6 2 Estado da Arte em Otmzação de Portfólo 2.. Introdução O desenvolvmento de modelos de otmzação de portfólo tem orgem na área econômco-fnancera. Tas modelos são utlzados para auxlar na determnação da

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha 09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;

Leia mais

Ajuste dos Mínimos Quadrados

Ajuste dos Mínimos Quadrados TLF 00/ Cap. IX juste dos mínmos quadrados Capítulo IX juste dos Mínmos Quadrados 9.. juste de uma lnha recta a dados epermentas 9 9.. Determnação dos parâmetros da recta, e B (Incertezas apenas em e guas

Leia mais

Teoria Macroeconômica II - Semestre II de 2016 Lista de exercćios 03 - Indução Retroativa II

Teoria Macroeconômica II - Semestre II de 2016 Lista de exercćios 03 - Indução Retroativa II Teora Macroeconômca II - Semestre II de 206 Lsta de exercćos 03 - Indução Retroatva II Professores: Jefferson Bertola and Fábo Gomes Exercíco (A Campng Trp Economy). Consdere um grupo de N pessoas em sua

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores) 1 UNIVERIDADE NOVA DE LIBOA Faculdade de Economa Análse de Dados e Probabldade º emestre 008/009 Teste Intermédo A Clara Costa Duarte Data: 01/04/009 Graça lva Duração: 1h Grupo I (5 Valores) uponha que

Leia mais