Métodos Quantitativos. aula 3
|
|
|
- Vagner Vidal Moreira
- 10 Há anos
- Visualizações:
Transcrição
1 Métodos Quantitativos aula 3 Prof. Dr. Marco Antonio Insper Ibmec São Paulo
2 Simulação Empresarial Auxílio na tomada de decisão. Criação de cenários otimistas e pessimistas. Poder de previsão baseada em estatísticas.
3 O MÉTODO DE MONTE CARLO Ampla aplicação e diversificação de no auxílio à criação de cenários Utilização de números aleatórios gerados através de distribuições de Probabilidade Simulação das flutuações em torno de valores médios observados.
4 A Regra de Monte Carlo Determinar a estatística com a freqüência dos valores observados para cada variável. Criar a distribuição acumulada das probabilidades. Sortear um número aleatório uniforme. Avalia-se o valor na abcissa da distribuição acumulada. Dist. Acum. Prob 1 No. sorteado 0
5 EXERCÍCIO Uma empresa possui seis produtos que individualmente podem fornecer lucros ou prejuízos mensais para fazer frente a concorrência. Foi realizado um levantamento estatístico para todos os produtos (qto ao lucro e prejuízos), que resultaram nos histogramas a seguir. De início, supor que todos os produtos tem iguais chances de serem vendidos. Com base nesses histogramas, estimar o lucro da empresa para cada simulação usando a técnica de Monte Carlo.
6 Distribuição Acumulada 1 Produto A1 Dist. Acum. Prob 1 Produto A2 Dist. Acum. Prob 1 Produto B1 Dist. Acum. Prob Sempre acumula em 1 (100%) 0,6 0,7 0 0, Produto B2 Dist. Acum. Prob Produto C1 Dist. Acum. Prob Produto C2 Dist. Acum. Prob 1 0,8 1 0,5 1 0,
7 Preparando as Entradas
8 O SORTEIO DO VALOR DO PRODUTO NÚMEROS ALEATÓRIOS
9 VERIFICAÇÃO DA CLASSE PERTENCENTE Dist. Acum. Prob 1 SE No. Sorteado < 0,2 0 0, PREJUÍZO
10 VERIFICAÇÃO DA CLASSE PERTENCENTE Dist. Acum. Prob 1 SE No. Sorteado >= 0,2 0 0, LUCRO
11 A Função SE() Dist. Acum. Prob 1 0 0,2-1 10
12 RESULTADO SIMULADO DO PRODUTO (LUCRO OU PREJ.) MAIOR QUE 0,2
13 O RESULTADO FINAL DA SIMULAÇÃO É a soma dos resultados de todos os produtos
14 AUTOMATIZANDO A SIMULAÇÃO (Macro) Ligar o botão de gravação Nome da Macro Escolha da tecla de automatização
15 Gravando... Deixar o cursor aqui!
16 Consolidando os dados
17 ESCOLHENDO A CÉLULA PARA CONSOLIDAR DEVERÁ SER O RESULTADO FINANCEIRO SIMULADO!
18 PREPARANDO PARA INSERIR QUANTAS SIMULAÇÕES DESEJAR Deslocar para baixo a célula consolidada
19 RESULTADO Célula Deslocada PODE PARAR DE GRAVAR!
20 AS SIMULAÇÕES DE LUCROS E PREJUÍZOS Resultados Simulados!
21 GRÁFICO DOS RESULTADOS FINANCEIROS SIMULADOS Lucro Empresarial Lucro total simulação
22 COMO ANALISAR UMA SIMULAÇÃO FINANCEIRA Necessário um número grande de simulações Tamanho da amostra (simulação) acima de 30. Calcular a média. Calcular o desvio padrão. Montar o intervalo de confiança (90%,95%,99%) Observar sempre os cenários otimistas e pessimistas.
23 Intervalo de Confiança para as simulações (38 simulações {ou 38 meses} ) Lucro Médio Mensal (vai depender do no. de simulações): R$3,35 Desvio Padrão Amostral: R$11,77 IC desvioamost = média Zα / 2 ;média + Zα n / 2 desvio AMOST n Para 95% de confiança: [-R$0,46 ; R$7,16]
24 REALIZANDO EXPERIMENTOS experimentos com 38 simulações cada Grande Volatilidade média
25 Voltando a árvore de decisão No exercício anterior, supor que a empresa tem agora apenas os produtos A1,A2,B1 E B2 e eles possuem as seguintes preferências do público: A1 = 29% A2 = 28% B1 = 25% B2 = 18% Qual o VME financeiro esperado num experimento com 10 simulações?
26 A ÁRVORE DE DECISÃO TRADICIONAL Incertezas nas probabilidades Incertezas nos valores dos preços
27 A ÁRVORE SIMULADA POR MONTE CARLO Se o número aleat sorteado for menor que 0,2, troca aqui por ele. Se não, troca pelo complementar (1 - no. aleat)
28 A ÁRVORE SIMULADA POR MONTE CARLO Se o número aleat sorteado for menor que 0,2, troca aqui por (1 - no. aleat) Se não, troca pelo número aleat.
29 Monte Carlo no. sorteado
30 Variação do VME da Empresa Lucro Médio de Vendas Mensais da Empresa (44 simulações) Respeita o Intervalo de Confiança
31 Cenário com preferências iguais dos produtos (25% cada) Lucro Medio/prod - (40 simulações) Respeita o Intervalo de Confiança
Modelagens e Gerenciamento de riscos (Simulação Monte Carlo)
Modelagens e Gerenciamento de riscos (Simulação Monte Carlo) Prof. Esp. João Carlos Hipólito e-mail: [email protected] Sobre o professor: Contador; Professor da Faculdade de Ciências Aplicadas e Sociais
PROBABILIDADE. Aula 5
Curso: Psicologia Disciplina: Métodos Quantitativos Profa. Valdinéia Data: 28/10/15 PROBABILIDADE Aula 5 Geralmente a cada experimento aparecem vários resultados possíveis. Por exemplo ao jogar uma moeda,
UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Aula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello
Aula 04 Método de Monte Carlo aplicado a análise de incertezas Aula 04 Prof. Valner Brusamarello Incerteza - GUM O Guia para a Expressão da Incerteza de Medição (GUM) estabelece regras gerais para avaliar
Aula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO
COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA O que é risco? Quais são os tipos de riscos? Quais são os tipos de análises? Qual a principal função do Excel para gerar simulações aleatórias? O que é distribuição
ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA aula 1 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo ESTATÍSTICA COISAS DO ESTADO ESTATÍSTICA: - Apresentação e Análise de dados - Tomadas de Decisões baseadas em análises -
Teorema Central do Limite e Intervalo de Confiança
Probabilidade e Estatística Teorema Central do Limite e Intervalo de Confiança Teorema Central do Limite Teorema Central do Limite Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
PRIMAVERA RISK ANALYSIS
PRIMAVERA RISK ANALYSIS PRINCIPAIS RECURSOS Guia de análise de risco Verificação de programação Risco rápido em modelo Assistente de registro de riscos Registro de riscos Análise de riscos PRINCIPAIS BENEFÍCIOS
Excel Básico e Avançado. Aula 5
Excel Básico e Avançado Aula 5 Prof. Dr. Marco Antonio Leonel Caetano Mudanças Abruptas www.mudancasabruptas.com.br PROCURA VERTICAL - PROCV Objetivos Busca vertical de identificadores e valores associados
Análise de risco em incorporações imobiliárias: construção de cenários e simulação de Monte Carlo
Análise de risco em incorporações imobiliárias: construção de cenários e simulação de Monte Carlo Pedro Beck Di Bernardi (UFSC) [email protected] Norberto Hochheim (UFSC) [email protected]
Excel Básico e Avançado. Aula 3
Excel Básico e Avançado Aula 3 Prof. Dr. Marco Antonio Leonel Caetano Mudanças Abruptas www.mudancasabruptas.com.br Fórmulas Se distinguem das células de texto por serem iniciadas pelo símbolo = Calculando
Análise de Sensibilidade
Análise de Risco de Projetos Análise de Risco Prof. Luiz Brandão Métodos de Avaliação de Risco Análise de Cenário Esta metodologia amplia os horizontes do FCD obrigando o analista a pensar em diversos
Teorema do Limite Central e Intervalo de Confiança
Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
2. Método de Monte Carlo
2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.
Usando o Arena em Simulação
Usando o Arena em Simulação o ARENA foi lançado pela empresa americana Systems Modeling em 1993 e é o sucessor de dois outros produtos de sucesso da mesma empresa: SIMAN (primeiro software de simulação
Distribuição de probabilidades
Luiz Carlos Terra Para que você possa compreender a parte da estatística que trata de estimação de valores, é necessário que tenha uma boa noção sobre o conceito de distribuição de probabilidades e curva
Utilizando Monte Carlo e Reamostragem em Estimativas. Mauricio Aguiar, TI Métricas
Utilizando Monte Carlo e Reamostragem em Estimativas Mauricio Aguiar, TI Métricas Agenda Introdução Um Exemplo Simples Outro Exemplo Reamostragem Faça Você Mesmo - Monte Carlo Resumo Introdução Estimativas
MÓDULO 1. I - Estatística Básica
MÓDULO 1 I - 1 - Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos e empíricamente observáveis. Unidade Estatística nome dado a cada observação de um
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 impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Segurança da Informação e Proteção ao Conhecimento. Douglas Farias Cordeiro
Segurança da Informação e Proteção ao Conhecimento Douglas Farias Cordeiro Risco O risco é medido por sua probabilidade de ocorrência e suas consequências; Pode se realizar uma análise qualitativa ou quantitativa;
MÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
EXCEL PARA ESPECIALISTAS
CURSO ONLINE EXCEL PARA ESPECIALISTAS CARGA HORÁRIA AULAS MATERIAL DIDÁTICO CERTIFICADO 10h46min 101 250 páginas em PDF + planilhas exemplos Incluso Apresentação Você quer se tornar um especialista em
Monte Carlo em Estimativas de Software
Monte Carlo em Estimativas de Software Mauricio Aguiar ti MÉTRICAS Ltda www.metricas.com.br 1 Agenda Introdução Um Exemplo Simples Outro Exemplo Reamostragem Faça Você Mesmo Resumo www.metricas.com.br
CAP5: Amostragem e Distribuição Amostral
CAP5: Amostragem e Distribuição Amostral O que é uma amostra? É um subconjunto de um universo (população). Ex: Amostra de sangue; amostra de pessoas, amostra de objetos, etc O que se espera de uma amostra?
Análise de Sensibilidade
Métodos de Avaliação de Risco Opções Reais Análise de Risco Prof. Luiz Brandão [email protected] IAG PUC-Rio Análise de Cenário Esta metodologia amplia os horizontes do FCD obrigando o analista a
Versão 1.0 09/Set/2013. www.wedocenter.com.br. WeDo Soluções para Contact Center Consultorias
Verificação do Modelo de Erlang Ponto de Análise: Processo de chegada de contatos Operações de Contact Center Receptivo Por: Daniel Lima e Juliano Nascimento Versão 1.0 09/Set/2013 Ponto de Análise Processo
A presente seção apresenta e especifica as hipótese que se buscou testar com o experimento. A seção 5 vai detalhar o desenho do experimento.
4 Plano de Análise O desenho do experimento realizado foi elaborado de forma a identificar o quão relevantes para a explicação do fenômeno de overbidding são os fatores mencionados na literatura em questão
3 Método de Monte Carlo
25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional
O presente processo de seleção tem por objetivo preencher vaga e formar cadastro de docentes para ministrar as disciplinas/áreas abaixo:
A Faculdade de Economia e Finanças Ibmec/RJ torna pública a abertura de processo seletivo para contratação de professores PJ para o curso de Pós Graduação Executiva - CBA. I Das vagas abertas para seleção
O Método de Simulação de Monte Carlo aplicado ao Plano-sequência para análise do risco em custos
X Congresso Internacional de Custos - Florianópolis, SC, Brasil, 28 a 30 de novembro de 2005 O Método de Simulação de Monte Carlo aplicado ao Plano-sequência para análise do risco em custos Mariano Yoshitake
Histogramas. 12 de Fevereiro de 2015
Apêndice B Histogramas Uma situação comum no laboratório e na vida real é a de se ter uma grande quantidade de dados e deles termos que extrair uma série de informações. Encontramos essa situação em pesquisas
Conteúdo. 1 Introdução. MINUTA Histograma do 1o Sorteio da NF Salvador xxx/2014. 1º Sorteio Eletrônico da Nota Fiscal Salvador
1º Sorteio Eletrônico da Nota Fiscal Salvador Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução O software de Sorteio Eletrônico da Nota Fiscal
Usando o Excel para construir a Tabela de Distribuição de Freqüência
Usando o Excel para construir a Tabela de Distribuição de Freqüência Uma empresa fabricante de lâmpadas deseja testar uma parte de sua produção. Selecionou 60 lâmpadas de 100W e deixou-as ligadas te que
Trabalhando com Pequenas Amostras: Distribuição t de Student
Probabilidade e Estatística Trabalhando com Pequenas Amostras: Distribuição t de Student Pequenas amostras x Grandes amostras Nos exemplos tratados até agora: amostras grandes (n>30) qualquer tipo de distribuição
Tarefa Orientada 12 Inserir Fórmulas
Tarefa Orientada 12 Inserir Fórmulas Pretende-se com esta tarefa automatizar o processo de criação de uma pauta (ver tabela seguinte). O conteúdo da tabela é o seguinte: Nas colunas A e B, coloca-se o
DISTRIBUIÇÃO DE FREQÜÊNCIAS
DISTRIBUIÇÃO DE FREQÜÊNCIAS 1 Dados Brutos: são os dados tomados como eles são, de forma desorganizada. Indica-se por x i Rol: são os dados organizados em ordem crescente ou decrescente. Tamanho da amostra:
Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos
Modelo de distribuição de probabilidade para o número de bolas chamadas até que alguém bata em um bingo Convencional
Modelo de distribuição de probabilidade para o número de bolas chamadas até que alguém bata em um bingo Convencional Pedro Ferreira de Lima 1 Cícero Carlos Felix de Oliveira 2 Dr. Cláudio Tadeu Cristiano
ESCOLA SECUNDÁRIA MANUEL DA FONSECA, SANTIAGO DO CACÉM GRUPO DISCIPLINAR: 500 Matemática Aplicada às Ciências Sociais
ANO: 11º ANO LECTIVO : 008/009 p.1/7 CONTEÚDOS MODELOS MATEMÁTICOS COMPETÊNCIAS A DESENVOLVER - Compreender a importância dos modelos matemáticos na resolução de problemas de problemas concretos. Nº. AULAS
Avaliação dos projetos de E&P implantados sob a perspectiva da Análise de Riscos Econômicos
Avaliação dos projetos de E&P implantados sob a perspectiva da Análise de Riscos Econômicos REGINA DUARTE PLANEJAMENTO FINANCEIRO E GESTÃO DE RISCOS PETROBRAS Setembro/2011 Agenda Contexto Análise de Riscos
1. ROTEIRO DE USO DO CORISCO Para usar o CoRisco, e gerar os seus próprios modelos de risco, você deve seguir o roteiro:
Como usar o CoRisco CoRisco é um programa, escrito na linguagem Visual Basic, que executa automaticamente os passos requeridos para a simulação de Monte Carlo, simplificando muito o trabalho de geração
Aula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Estatística e Probabilidade. Aula 4 Cap 03. Probabilidade
Estatística e Probabilidade Aula 4 Cap 03 Probabilidade Estatística e Probabilidade Método Estatístico Estatística Descritiva Estatística Inferencial Nesta aula... aprenderemos como usar informações para
Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior
Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,
VPL do Projeto. Parte 3. O VPL Projetado Como fazer na planilha Excel
2008 VPL do Projeto Parte 3 O VPL Projetado Como fazer na planilha Excel Bertolo INVENT 21/05/2008 2 VPL do Projeto ORÇAMENTO DE CAPITAL 10 VPL Projetado 1. Básico Problema. Suponha uma empresa considerando
'DGRVGH(QWUDGD SDUD D6LPXODomR
6LPXODomR GH6LVWHPDV 'DGRVGH(QWUDGD SDUD D6LPXODomR,1387 'DGRVGH(QWUDGD SDUD D6LPXODomR 3URSyVLWRReproduzir o comportamento aleatório / estocástico do sistema real dentro do modelo de simulação. *$5%$*(,1*$5%$*(287
CAPÍTULO 04 NOÇÕES DE PROBABILIDADE
CAPÍTULO 0 NOÇÕES DE PROBABILIDADE. ESPAÇO AMOSTRAL É o conjunto de todos os possíveis resultados de um experimento aleatório. No lançamento de uma moeda perfeita (não viciada) o espaço amostral é S =
Excel. Excel conceitos básicos
Excel Docente: Ana Paula Afonso Excel conceitos básicos A folha de cálculo não é mais do que um programa que manipula um conjunto de células dispostas em formato de matriz, cujo conteúdo, quando numérico,
PEDIDO DE COMPRAS AUTOPEÇAS
Apresentação As rotinas de Pedido de Compra do WinThor são utilizadas pelas empresas com objetivo de realizar: o pedido de compra baseado, ou não, em uma sugestão de compra, a cotação de compra entre fornecedores,
Simulação Estocástica
Simulação Estocástica O que é Simulação Estocástica? Simulação: ato ou efeito de simular Disfarce, fingimento,... Experiência ou ensaio realizado com o auxílio de modelos. Aleatório: dependente de circunstâncias
Probabilidade. Distribuição Exponencial
Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos
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 impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
: montante de energia elétrica vendida no mês m na série i em MWmed;
31 4 Desenvolvimento do Modelo No intuito de encontrar o perfil de sazonalização ideal para maximizar os ganos da carteira de contratos foi desenvolvido um modelo de cálculo do lucro anual, o qual foi
6LPXODomR H0RGHODJHP &RPSXWDFLRQDO 1~PHURV $OHDWyULRV 3DUDTXH 6HUYHP " São responsáveis pela aleatoriedade nos modelos de simulação.
6LPXODomR H0RGHODJHP &RPSXWDFLRQDO 1~PHURV $OHDWyULRV 0pWRGR GH0RQWH&DUOR 3DUDTXH 6HUYHP " São responsáveis pela aleatoriedade nos modelos de simulação. Acompanhados da curva de comportamento do sistema,
Professor Mauricio Lutz PROBABILIDADE
PROBABILIDADE Todas as vezes que se estudam fenômenos de observação, cumpre-se distinguir o próprio fenômeno e o modelo matemático (determinístico ou probabilístico) que melhor o explique. Os fenômenos
Noções de Pesquisa e Amostragem. André C. R. Martins
Noções de Pesquisa e Amostragem André C. R. Martins 1 Bibliografia Silva, N. N., Amostragem probabilística, EDUSP. Freedman, D., Pisani, R. e Purves, R., Statistics, Norton. Tamhane, A. C., Dunlop, D.
Atividade 4 - Acerte no alvo
Atividade 4 - Acerte no alvo 1. Justificativa Para entender um processo estatístico, é possível criar um experimento em que os alunos possam vivenciá-lo, organizando, selecionando, interpretando e criticando
Estatística: Conceitos e Organização de Dados. Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos
Estatística: Conceitos e Organização de Dados Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos Introdução O que é Estatística? É a parte da matemática aplicada que
Avaliação e Desempenho Aula 4
Avaliação e Desempenho Aula 4 Aulas passadas Motivação para avaliação e desempenho Aula de hoje Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Experimentos Aleatórios
UNIVERSIDADE FEDERAL DE SANTA MARIA
1 UNIVERSIDADE FEDERAL DE SANTA MARIA Disciplina de Algoritmos e Programação Profa: Juliana Kaizer Vizzotto Lista de Exercícios Vetores Para a implementação de programas que solucionem os problemas a seguir
Pesquisa de opinião pública. sobre. Energia elétrica. Brasil
2ª Pesquisa de opinião pública sobre Energia Elétrica Brasil Julho de 2015 Pesquisa de opinião pública sobre Energia elétrica Brasil Junho de 2014 IBOPE Metodologia Pesquisa quantitativa com aplicação
Excel Básico e Avançado. Aula 6
Excel Básico e Avançado Aula 6 Prof. Dr. Marco Antonio Leonel Caetano Mudanças Abruptas www.mudancasabruptas.com.br TABELA DE FREQUÊNCIAS Objetivos Quantificar repetições de experimentos e eventos Ajudar
6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Probabilidade. Distribuição Exponencial
Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos
Tomada de Decisão e Distribuições de Probabilidade. Lupércio França Bessegato
Tomada de Decisão e Distribuições de Probabilidade Lupércio França Bessegato Introdução Roteiro Tabela de Retorno e Árvore de Decisão Critérios para Tomada de Decisão Exemplos de Aplicação Referências
Métodos de Monte Carlo
Departamento de Estatística - UFJF Outubro e Novembro de 2014 são métodos de simulação São utilizados quando não temos uma forma fechada para resolver o problema Muito populares em Estatística, Matemática,
Universidade Federal de Pernambuco Mestrado em Estatística
Universidade Federal de Pernambuco Mestrado em Estatística Lista 4 de Exercícios de Amostragem Prof. Cristiano Ferraz 1. Em relação ao plano amostral de Bernoulli: a) Explique como retirar uma amostra
ADMINISTRAÇÃO FINANCEIRA ORÇAMENTÁRIA
ADMINISTRAÇÃO FINANCEIRA ORÇAMENTÁRIA AULA 04: ADMINISTRAÇÃO FINANCEIRA DE CURTO PRAZO TÓPICO 05: ADMINISTRAÇÃO DO DISPONÍVEL VERSÃO TEXTUAL Numa situação ideal, em que uma empresa tem um controle total
Introdução a Química Analítica. Professora Mirian Maya Sakuno
Introdução a Química Analítica Professora Mirian Maya Sakuno Química Analítica ou Química Quantitativa QUÍMICA ANALÍTICA: É a parte da química que estuda os princípios teóricos e práticos das análises
Trabalho 7 Fila de prioridade usando heap para simulação de atendimento
Trabalho 7 Fila de prioridade usando heap para simulação de atendimento Data: 21/10/2013 até meia-noite Dúvidas até: 09/10/2013 Faq disponível em: http://www2.icmc.usp.br/~mello/trabalho07.html A estrutura
1. Registou-se o número de assoalhadas da população de 100 apartamentos vendidos num bairro residencial
Escola Superior de Tecnologia de Viseu Fundamentos de Estatística 2010/2011 Ficha nº 1 1. Registou-se o número de assoalhadas da população de 100 apartamentos vendidos num bairro residencial 0; 0; 0; 1;
Tecido 1 2 3 4 5 6 7 A 36 26 31 38 28 20 37 B 39 27 35 42 31 39 22
Teste para diferença de médias Exemplo Dois tipos diferentes de tecido devem ser comparados. Uma máquina de testes Martindale pode comparar duas amostras ao mesmo tempo. O peso (em miligramas) para sete
Regra do Evento Raro p/ Inferência Estatística:
Probabilidade 3-1 Aspectos Gerais 3-2 Fundamentos 3-3 Regra da Adição 3-4 Regra da Multiplicação: 3-5 Probabilidades por Meio de Simulações 3-6 Contagem 1 3-1 Aspectos Gerais Objetivos firmar um conhecimento
Qualidade é o grau no qual um conjunto de características inerentes satisfaz a requisitos. ISO 9001:2008
1 Sumário 1. 2. 3. 4. 5. 6. 7. Introdução...3 Ferramentas da Qualidade...4 Fluxograma...5 Cartas de Controle...7 Diagrama de Ishikawa...9 Folha de Verificação...11 Histograma...13 8. 9. 10. Gráfico de
Estatística e Probabilidade
Estatística e Probabilidade Aula 2 Cap 02 Estatística Descritiva Neste capítulo... estudaremos formas de organizar e descrever conjuntos de dados. O objetivo é tornar os dados mais compreensíveis de modo
Processos Estocásticos
Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte
NOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE ? CARA? OU? COROA? ? Qual será o rendimento da Caderneta de Poupança até o final deste ano??? E qual será a taxa de inflação acumulada em 011???? Quem será o próximo prefeito de
PLANEJAMENTO E CONTROLE DE OBRAS Cronograma e Curva S
PLANEJAMENTO E CONTROLE DE OBRAS Cronograma e Curva S Professora: Eng. Civil Mayara Custódio, Msc. PERT/CPM PERT Program Evaluation and Review Technique CPM Critical Path Method Métodos desenvolvidos em
Fundamentos da Metrologia Científica e Industrial Ambiente Virtual: Balança Digital
Fundamentos da Metrologia Científica e Industrial Ambiente Virtual: Balança Digital 1. Apresentação Quatro elementos estão disponíveis no ambiente virtual: Balança digital a ser calibrada Coleção de massas
MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 19 de Agosto, 2013 Probabilidade: uma Introdução / Aula 3 1 Probabilidade Discreta: Exemplos
Probabilidade e Estatística I Antonio Roque Aula 8. Introdução ao Excel
Introdução ao Excel Esta introdução visa apresentar apenas os elementos básicos do Microsoft Excel para que você possa refazer os exemplos dados em aula e fazer os projetos computacionais solicitados ao
Estimativas de Software Fundamentos, Técnicas e Modelos... e o principal, integrando isso tudo!
Estimativas de Software Fundamentos, Técnicas e Modelos... e o principal, integrando isso tudo! Como usar de forma consistente PF, COCOMOIl, Simulação de Monte Carlo e seu bom senso em estimativas de software
Disciplina Estatística Prof. Msc Quintiliano Siqueira Schroden Nomelini LISTA DE DSITRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DISCRETAS
Disciplina Estatística Prof. Msc Quintiliano Siqueira Schroden Nomelini LISTA DE DSITRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DISCRETAS 1) Devido às altas taxas de juros, uma firma informa que 30% de suas
Universidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria Prova de Conhecimentos Específicos
Dados que podem ser necessários a algumas questões de Estatística: P (t > t α ) = α ν 0,05 0,025 15 1,753 2,131 16 1,746 2,120 28 1,791 2,048 30 1,697 2,042 (Valor: 1,4) Questão 1. Considere o seguinte
4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Excel Básico e Avançado. Aula 7
Excel Básico e Avançado Aula 7 Prof. Dr. Marco Antonio Leonel Caetano Mudanças Abruptas www.mudancasabruptas.com.br Séries Temporais Objetivos Analisar tendências de eventos Identificar sazonalidades Fazer
Me todos Computacionais em Fı sica
Me todos Computacionais em Fı sica Sandra Amato Instituto de Fı sica Universidade Federal do Rio de Janeiro Primeiro Semestre de 2011 Me todos Computacionais em Fı sica 1 2 Ca lculo de Me todo da Estimativa
5 Um simulador estocástico para o fluxo de caixa
5 Um simulador estocástico para o fluxo de caixa O objetivo desse capítulo é o de apresentar um simulador estocástico para o fluxo de caixa de um plano de previdência do tipo PGBL de um único indivíduo.
Resoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ
Resoluções comentadas das questões de Estatística da prova para ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Realizada pela Fundação João Goulart em 06/10/2013 41. A idade média de todos
Probabilidade. Distribuição Normal
Probabilidade Distribuição Normal Distribuição Normal Uma variável aleatória contínua tem uma distribuição normal se sua distribuição é: simétrica apresenta (num gráfico) forma de um sino Função Densidade
Apresentação de Dados em Tabelas e Gráficos
Apresentação de Dados em Tabelas e Gráficos Os dados devem ser apresentados em tabelas construídas de acordo com as normas técnicas ditadas pela Fundação Instituto Brasileiro de Geografia e Estatística
3. Características amostrais. Medidas de localização e dispersão
Estatística Descritiva com Excel Complementos. 77 3. Características amostrais. Medidas de localização e dispersão 3.1- Introdução No módulo de Estatística foram apresentadas as medidas ou estatísticas
Gestão de Projetos. Análises Quantitativas
Gestão de Projetos Análises Quantitativas Por: João Lucas e Rosana Duarte Revisão: Prof. Dr. Sérgio Alves www.profsergio.net Áreas de Conhecimento em Gerenciamento de Projetos (PMI) 1- Dadas as ferramentas
Métodos Quantitativos. aula 1
Métodos Quantitativos aula 1 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo PROBABILIDADE CONDICIONAL - Informação Adicional Ter o privilégio do conhecimento prévio em relação ao mercado
LISTA DE EXEMPLOS - PROBABILIDADE
LISTA DE EXEMPLOS - PROBABILIDADE EXEMPLO 1 CONVERTENDO UM ARREMESSO LIVRE Ache a probabilidade de que o jogador de basquete da NBA, Reggie Miller, converta um arremesso livre depois de sofrer uma falta.
