O gráfico abaixo mostra um exemplo das vendas (em unidades vendidas) mensais de um produto. Exemplo de Serie Temporal mes

Tamanho: px
Começar a partir da página:

Download "O gráfico abaixo mostra um exemplo das vendas (em unidades vendidas) mensais de um produto. Exemplo de Serie Temporal mes"

Transcrição

1 Modelos de Prevsão Irodução Em omada de decsão é basae comum raar problemas cujas decsões a serem omadas são fuções de faos fuuros Assm, os dados descrevedo a suação de decsão precsam ser represeavos do que ocorre o fuuro Em corole de esoques, por eemplo, as decsões são baseadas de acordo com a demada para o em corolado durae um horzoe de plaejameo específco Em plaejameo facero, faz-se ecessáro prever o padrão do fluo de dhero em relação ao empo Séres Temporas A maora dos méodos de prevsão esaísca é baseada a ulzação dos dados hsórcos a parr de uma sére de empo ou sére emporal Uma sére de empo é uma sére de observações de alguma quadade de eresse (uma varável aleaóra) em relação ao empo Assm, se X é uma varável aleaóra de eresse o empo, e se observações são omadas os empos,,,, eão os valores observados { X, X,, X } são uma sére de empo O gráfco abao mosra um eemplo das vedas (em udades veddas) mesas de um produo 8 Eemplo de Sere Temporal 7 6 vedas mesas (em udades) mes Fgura - Eemplo de Sére Temporal Noas de Aula - Ferado Noguera

2 Porque uma sére emporal é uma descrção do passado, um procedmeo lógco para realzar prevsões é fazer uso desses dados hsórcos Se os dados passados são dcavos do que se esperar o fuuro, pode-se eão posular um modelo maemáco que é represeavo do processo O modelo pode eão ser usado para gerar prevsões Em suações reas, geralmee ão se em cohecmeo da forma eaa do modelo que gera a sére emporal, com sso, faz-se ecessáro escolher um modelo apromado Freqüeemee, a escolha é fea observado os padrões de uma sére emporal Algus padrões ípcos são: a Sére de empo é gerada por um processo com valor cosae superposo a fluuações aleaóras b Sére de empo é gerada por um processo lear superposo a fluuações aleaóras c Sére de empo é gerada por um processo com valor cosae superposo a varações sazoas e fluuações aleaóras A fgura abao, mosra eemplos gráfcos dos padrões ípcos a, b e c 3 a 3 b 3 c empo empo empo Fgura - Padrões Típcos de Séres Temporas 3 Méodos de Prevsão para Modelos com Valor Cosae A represeação maemáca para uma sére emporal com valor cosae superposa a fluuações aleaóras pode ser dada por: X k + e,,, () ode: X é uma varável aleaóra observada o empo ; k é o valor cosae do modelo; Noas de Aula - Ferado Noguera

3 e é o erro aleaóro ocorrdo o empo (geralmee assumdo er valor esperado gual a zero e varâca cosae) Seja F + a prevsão do valor da sére emporal o empo +, dado os valores observados { X, X,, X } 3 Méodo de Prevsão de Méda Móvel Ese méodo usa os úlmos valores da sére emporal, como a prevsão para o empo + Porao: F + + () Ese méodo é cohecdo como Esmador de Méda Móvel Eemplo: represea o volume de vedas mesas O valor F + represea o volume prevso de veda para o mês segue baseado o volume de vedas dos úlmos meses A segue abela mosra o volume de vedas de uma loja os úlmos meses e seus respecvos valores prevsos para algus valores de Tabela - Volume de vedas e seus respecvos valores prevsos F + para algus valores de mês F +, F +, F +, 3 F +, Noas de Aula - Ferado Noguera 3

4 e 6 A fgura abao mosra os gráfcos para os valores dados a abela para,, 3 3 Meda Movel para 3 Meda Movel para 5 5 vedas mesas (em udades) 5 vedas mesas (em udades) 5 5 observado esmado mes 5 observado esmado mes 3 Meda Movel para 3 3 Meda Movel para vedas mesas (em udades) 5 vedas mesas (em udades) 5 5 observado esmado mes 5 observado esmado mes Fgura 3 - Gráfcos para os valores da abela Observação: cabe ressalar que, de posse dos valores da sére para os meses aé, o valor prevso de eresse é apeas o referee ao mês 3 No eao, valores referees aos meses aerores foram calculados apeas para comparação com os valores reas A fgura 4 mosra os pesos (ese caso ou ) que cada valor da sére emporal é poderado para esmar o valor da sére emporal o sae + para os mesmos valores de ulzados a fgura 3 Noas de Aula - Ferado Noguera 4

5 Pesos para Pesos para peso 5 peso mes mes Pesos para 3 Pesos para peso 5 peso mes mes Fgura 4 - Pesos para dferees valores de A prcpal desvaagem dese méodo é que o peso dado sobre -+ é o mesmo que para, ou seja, as observações mas agas recebem o mesmo peso que as observações mas recees Uma alerava para coorar ese problema é ulzar o méodo abao 3 Méodo de Prevsão com Suavzação Epoecal Ese méodo ulza a segue epressão: F ( α) F + α + () ou, equvaleemee: ( F ) F + F + α (3) ode: α (<α<) é uma cosae de suavzação Noas de Aula - Ferado Noguera 5

6 Assm, a prevsão é smplesmee uma soma poderada da úlma observação e da prevsão F Devdo a esá relação recursva ere F + e F, F + pode ser escro como: ( α) + α( α) F + α + α + (4) A epressão (4) dea claro que ese méodo forece maor peso para o valor, decrescedo o peso para as observações aerores Eemplo : o mesmo eemplo para a seção 3 A abela mosra os valores prevsos para algus valores de α Obs: F (codção de calzação) Tabela - Volume de vedas e seus respecvos valores prevsos F + para algus valores de α mês F +, α F +, α 3 F +, α 5 F +, α A fgura abao mosra os gráfcos para os valores dados a abela para α, 3, 5 e 9 Noas de Aula - Ferado Noguera 6

7 3 Suavzaçao Epoecal para alfa 3 Suavzaçao Epoecal para alfa vedas mesas (em udades) 5 vedas mesas (em udades) observado esmado mes observado esmado mes 3 Suavzaçao Epoecal para alfa 5 3 Suavzaçao Epoecal para alfa vedas mesas (em udades) 5 vedas mesas (em udades) observado esmado mes observado esmado mes Fgura 5 - Gráfcos para os valores da abela A fgura 6 mosra os pesos que cada valor da sére emporal é poderado para esmar o valor da sére emporal o sae + para os mesmos valores de α ulzados a fgura 5 Noas de Aula - Ferado Noguera 7

8 Pesos para alfa 5 Pesos para alfa 3 peso 5 peso mes mes 5 Pesos para alfa 5 9 Pesos para alfa peso 3 5 peso mes mes Fgura 6 - Pesos para dferees valores de alfa Uma medda de efcêca dese méodo pode ser obda sob a cosderação que o processo é compleamee esável, assm que X, X,, são varáves aleaóras depedees e decamee dsrbuído (d ) com varâca σ Porao segue que (para grade ): var [ F ] + ασ α σ ( α) α (5) assm que a varâca é esascamee equvalee para a méda móvel com (-α)/α 9 Assm, em ermos de varâca, o Méodo de Suavzação Epoecal com ese valor de α é equvalee para o Méodo da Méda-Móvel que ulza 9 observações Ereao, se uma mudaça o processo ocorre, Suavzação Epoecal rá reagr mas rapdamee com melhor ajuse de que o Méodo da Méda Móvel Duas varáves aleaóras são depedees se P ( A B) P( A B )P ( B) P( A )P ( B) Duas varáves aleaóras são decamee dsrbuídas se possuem a mesma dsrbução de probabldade Noas de Aula - Ferado Noguera 8

9 Uma desvaagem dese Méodo esá a dfculdade em escolher um valor aproprado para α O Méodo de Suavzação Epoecal pode ser vso como um processo de flragem com um flro esaísco cujas eradas são os dados "puros" a parr de um processo esocásco e a saída são esmavas suavzadas de uma méda que vara com o empo Uma maera de car o processo recursvo é ulzar F (como ulzado para gerar os valores da abela ) 4 Méodos de Prevsão para Modelos com Valor Cosae e Tedêca A represeação maemáca para o processo (que gera a sére emporal) com valor cosae, edêca e fluuações aleaóras pode ser dada por: X a + k + e,,, (6) ode: X é uma varável aleaóra observada o empo ; a é a edêca do modelo; k é o valor cosae do modelo; e é o erro aleaóro ocorrdo o empo (geralmee assumdo er valor esperado gual a zero e varâca cosae) 4 Méodo de Prevsão com Suavzação Epoecal de Hol Ese méodo ulza a segue epressão: L ( α)( L T ) α + (7) + T ( L L ) + ( β) T β (8) F + L + T (9) ode: L é a compoee de ível; T é a compoee de edêca; Noas de Aula - Ferado Noguera 9

10 h é o horzoe de prevsão;,,,h; F + é a prevsão; α (<α<) é a cosae de suavzação da compoee de ível (L ); β (<β<) é a cosae de suavzação da compoee de edêca (T ); Em (7), pode-se perceber que o valor de ível L é uma soma (méda) poderada do própro valor da sére e L - e T - (ível e edêca prevsos o empo -, respecvamee) Para uma sére sea de erro aleaóro, a quadade (L - + T - ) é eaamee o valor de L, uma vez que a varação de empo ere e - é obvamee Assm, a epressão (7) pode ser eedda como: L ' ( α)( L ) α + () ode: L ' ( L, T ) f () Em (8), a parcela L L é a dervada dscrea que represea, porao, a edêca Para o resae, o racocío é aálogo ao realzado para a epressão (7) Cosderado que a prmera amosra da sére emporal é para, os valores L e T são fuções de L e T Como ão ese amosra da sére para, faz-se ecessáro calzar L e T Esem váras maeras de calzar esas varáves, dere as quas pode-se car: L () T () ou T () ou Noas de Aula - Ferado Noguera

11 T ( ) + ( ) + ( ) (3) Obs: uma vez que a compoee de edêca em uma sére é represeada apeas por um coefcee (coefcee agular da rea) as formas apreseadas em (), () e (3) para calzar T são possíves represeações para a dervada dscrea da sére calculada em Eemplo: A abela 3 mosra os valores prevsos para α 4 e β 4 Obs: L e T - (codção de calzação) Uma vez que o horzoe de prevsão ese eemplo é 3, os parâmeros α e β ómos deve ser aqueles mmzem algum créro de omzação cosderado o horzoe de prevsão Assm, o erro assocado ao empo deve ser calculado ere + e F +, para,,,h Eemplfcado, o erro assocado ao mês 6, deve ser calculado ere 7 e F 7, 8 e F 8 e 9 e F 9 e ão somee ere 7 e F 7 (ou mesmo ere 6 e F 6 ), porém com F 7, F 8 e F 9 calculados aravés da epressão (9) em 6 (F 7, F 8 e F 9 é fução apeas de L 6 e T 6 ) Os valores apreseados a abela 3 a colua F são os valores obdos aravés da epressão (9), porém para Os erros foram calculados ulzado-se as dfereças quadrácas, o eao, qualquer ouro créro podera er sdo usado (por eemplo, as dfereças absoluas) A abela 3 mosra a colua Cálculo de F + em 6 os valores de L 6 e T 6 ulzados para os cálculos de F 7, F 8 e F 9 A colua Somaóra das dfereças quadrácas mosra as dfereças quadrácas ere 7 e F 7, 8 e F 8 e 9 e F 9 e a colua erro o erro assocado ao mês 6 Noas de Aula - Ferado Noguera

12 Tabela 3 - Volume de vedas e seus respecvos valores prevsos F para valores de α 4 e β 4 mês L T F α 4 β Cálculo de F + em L 6 93 T 6 7 F 7 4 F 8 67 F Somaóra das dfereças quadrácas (5-4) (8-67) 37 (8-83) erro 474 A fgura abao mosra os gráfcos para os valores dados a abela 3 para α 4 e β 4 Noas de Aula - Ferado Noguera

13 45 Hol: alfa 4 bea 4 4 vedas mesas (em udades) observado esmado 5 5 mes Fgura 7 - Gráfcos para os valores da abela 3 5 Méodos de Prevsão para Séres Temporas Sujeas a Feômeos Sazoas É basae comum esr padrões sazoas com valores maores em dados saes de empo de que em ouros em uma sére emporal Por eemplo, ese feômeo ocorre para o volume de vedas de ozes, amêdoas, ere ouros produos ípcos de fesas aalas a época do aal, assm como roupas de lã para o período de vero, brozeadores e boés o período do verão, ec Ese feômeo vola a cosderação que o processo que gera a sére é por uma compoee de valor cosae ou edêca e oura compoee de fluuação aleaóra, cujos méodos descros as seções 3, 3 e 4 podem ser ulzados para prevsão Uma maera de realzar prevsões com padrões sazoas é corrgr a sére emporal do efeo da sazoaldade e eão ulzar os méodos descros as seções 3 ou 3 (para modelos de séres de valor cosae e sazoaldade) ou ada 4 (para modelos de séres com edêca e sazoaldade) Noas de Aula - Ferado Noguera 3

14 5 Méodo de Prevsão com Correção à Pror Cosderado que o modelo do processo que gera a sére emporal é dado por: X k + S + e,,, (4) ode: X é uma varável aleaóra observada o empo ; k é o valor cosae do modelo; S é a compoee sazoal o empo ; e é o erro aleaóro ocorrdo o empo (geralmee assumdo er valor esperado gual a zero e varâca cosae) O procedmeo pode ser resumdo como: Corrgr a sére emporal do efeo da sazoaldade aravés da dvsão (ou subração) dos valores da sére emporal pelos seus respecvos faores sazoas Realzar a prevsão aravés dos méodos descros as seções 3 ou 3 3 Mulplcar (ou adcoar) a prevsão pelos faores sazoas corporado a sazoaldade Quado o efeo da sazoaldade é rerado e corporado à sére por meo de dvsão e mulplcação, respecvamee, dos valores da sére emporal pelos faores sazoas o méodo é deomado mulplcavo Quado o efeo da sazoaldade é rerado e corporado à sére por meo de subração e adção, respecvamee, dos valores da sére emporal pelos faores sazoas o méodo é deomado advo Cosderado o méodo mulplcavo, o faor sazoal mede a relação da méda dos valores da sére emporal de um mesmo período com a méda de odos os valores da sére emporal De maera formal fca: FS µ µ (5) ode: µ é a méda dos valores da sére emporal para os períodos µ é a méda dos valores da sére emporal Noas de Aula - Ferado Noguera 4

15 Eemplo: o volume de vedas de um dado produo em um ao é dado pela segue sére emporal descra a abela 4 Tabela 4 - Volume de vedas para o eemplo da seção 3 mês mês quadrmesral quadrmesre Aalsado cudadosamee esa sére emporal, percebe-se que ese um período de 4 meses (quadrmesre) em que os valores reoram apromadamee aos valores do período passado, ou seja, ese cera perodcdade os dados, que o jargão ulzado em séres emporas é deomado sazoaldade Assm, o valor da sére emporal para o mês é apromadamee o mesmo para o mês 5 e o mês 9 O valor da sére emporal para o mês é apromadamee o mesmo para o mês 6 e o mês e assm por dae A abela abao mosra os valores médos µ para os meses quadrmesras (,, 3 e 4) e os faores sazoas FS sedo µ Noas de Aula - Ferado Noguera 5

16 Tabela 5 - Valores de µ e FS mês quadrmesral µ FS A abela 6 mosra os valores da sére emporal c corrgdos dos efeos sazoas aravés de: c FS (6) É mporae ressalar que os valores de FS são peródcos (ver abela 6) mês Tabela 6 - Valores de c mês FS c quadrmesral Noas de Aula - Ferado Noguera 6

17 A fgura 8 mosra o gráfco da sére emporal orgal (dados "bruos") e da sére emporal corrgda dos efeos sazoas 3 Vedas Orgas e Corrgda da Sazoaldade vedas quadrmesras (em udades) orgal corrgdo sazoal mes Fgura 8 - Sére Temporal Orgal e Corrgda dos Efeos Sazoas De posse dos valores da sére emporal corrgda dos efeos sazoas, pode-se ulzar um dos méodos de prevsão descros as seções 3 e 3 Ulzado o Méodo de Suavzação Epoecal para um valor de α 3 fca: Tabela 7 - Valores de F + a parr de c para o Méodo de Suavzação Epoecal com α 3 mês c F, α Noas de Aula - Ferado Noguera 7

18 A fgura 9 mosra os gráfcos para os valores dados a abela 7 Veda Prevsa Corrgda da Sazoaldade - Suavzaçao Epoecal para alfa 3 3 vedas quadrmesras (em udades) corrgdo da sazoaldade esmado corrgdo da sazoaldade mes Fgura 9 - Sére Temporal Corrgda dos Efeos Sazoas e Prevsa (esmada) Mulplcado os valores da sére emporal prevsa F pelos seus respecvos faores sazoas FS, êm-se os valores da sére emporal prevsa F S acrescda dos efeos sazoas De modo formal fca: F S F + + * FS (7) A abela 7 mosra eses valores Noas de Aula - Ferado Noguera 8

19 Tabela 8 - Valores de F S mês FS F, α 3 F S A fgura mosra os valores da abela 8 Veda Prevsa com Sazoaldade -Suavzaçao Epoecal para alfa vedas mesas (em udades) 5 5 orgal esmado com sazoaldade mes Fgura - Sére Temporal Orgal e Prevsa (esmada) Acrescda dos Efeos Sazoas Noas de Aula - Ferado Noguera 9

20 A fgura mosra as séres emporas das fguras 8, 9 e superposos 3 Veda Sazoal - Suavzaçao Epoecal para alfa 3 5 vedas mesas (em udades) 5 5 orgal corrgdo da sazoaldade esmado corrgdo da sazoaldade esmado com sazoaldade mes Fgura - Sére emporal orgal, corrgda dos efeos da sazoaldade, prevsa (esmada) corrgda dos efeos da sazoaldade e prevsa (esmada) acrescda dos efeos da sazoaldade É mporae desacar que ese méodo é basae smples uma vez que cosdera cosaes os faores sazoas (o eemplo o faor sazoal para o mês é repedo para o mês 5 e mês 9; o faor sazoal para o mês é repedo para o mês 6 e mês ; e assm por dae) Ese méodo fo descro prcpalmee para fs ddácos a fm de faclar a compreesão do méodo de Hol-Wers descro a seção 5 Ada, ese prcípo podera ser ulzado de maera aáloga para processos com edêca, de al modo que a sére calmee é corrgda da compoee de edêca, realza-se a prevsão aravés dos méodos descros as seções 3 ou 3 e eão corporase a edêca os valores prevsos 5 Méodo de Prevsão com Suavzação Epoecal de Hol-Wers Cosderado que o modelo do processo que gera a sére emporal seja dado por: Noas de Aula - Ferado Noguera

21 X k + a + S + e,,, (8) ode: X é uma varável aleaóra observada o empo ; a é a edêca do modelo; k é o valor cosae do modelo; S é a compoee sazoal o empo ; e é o erro aleaóro ocorrdo o empo (geralmee assumdo er valor esperado gual a zero e varâca cosae) Ese méodo ulza a segue epressão: L α S m + ( α)( L + T ) (9) T ( L L ) + ( β) T β () S γ L + ( γ) S m () ( L T ) S m+ mod(,m ) F () ode: L é a compoee de ível; T é a compoee de edêca; S é a compoee de sazoaldade; m é o período sazoal; h é o horzoe de prevsão;,,,h; mod(,m) é o reso da dvsão de por m; F + é a prevsão; α (<α<) é a cosae de suavzação da compoee de ível (L ); β (<β<) é a cosae de suavzação da compoee de edêca (T ); γ (<γ<) é a cosae de suavzação da compoee de sazoaldade (S ); Noas de Aula - Ferado Noguera

22 Em (9), pode-se perceber que os valores da sére ( ) são dvddos pelos faores sazoas, da mesma forma que em (6) a fm de corrgr os valores da sére dos efeos da sazoaldade, as demas parcelas da epressão são aálogas as da epressão (7) o méodo de Hol A epressão () é gual à epressão (8) o méodo de Hol A dvsão dos valores da sére ( ) pelos valores de ível (L ) a epressão () pode ser eedda como a medda de faor sazoal saâea Em () a sazoaldade é corporada à sére aravés da mulplcação da soma dos valores prevsos para as compoees de Nível (L ) e Tedêca (T ) pela compoee sazoal S -m+ Esem váras maeras de calzar esas varáves, dere as quas pode-se car: L m + m ( + + ) m (3) T m m m+ m + m+ m + + m+ m m m (4),S,,S S m L L L m m (5) Eemplo: A abela 9 mosra os valores da sére emporal, e as compoees calculadas L, T, S e os valores prevsos F para α, β e γ Tas parâmeros foram deermados por eumeração eausva (força-brua) para odas as combações de valores de α, β e γ dscrezados em ervalos de O horzoe de prevsão é h 7 e o período sazoal é m 4 Uma observação mporae é a respeo do parâmero γ ser zero Esse fao ão sgfca que ão ese sazoaldade a sére, mas sm, que os faores sazoas foram calzados com valores que ão foram ecessáros serem corrgdos ao logo da prevsão Como pode ser observado a colua γ da abela 9, os faores sazoas esão quase guas (de 4 em 4 períodos) porque γ (prómo de zero) Caso ese fosse zero, os faores sazoas seram guas de 4 em 4 períodos As codções de calzação ulzadas foram as descras as epressões (3), (4) e (5) Noas de Aula - Ferado Noguera

23 O méodo para deermação dos parâmeros α, β e γ ómos é aálogo ao descro o eemplo para o méodo de Hol (em 4) Tabela 9 - Volume de vedas e seus respecvos valores prevsos F para valores de α, β e γ mês L T S F α β γ Noas de Aula - Ferado Noguera 3

24 A fgura abao mosra os gráfcos para os valores dados a abela 9 para α, β e γ Hol-Wers: alfa bea gama 9 8 vedas mesas (em udades) observado esmado mes Fgura - Gráfcos para os valores da abela 9 53 Um Méodo de Deermação do Período de Sazoaldade Uma maera de deermar o período do feômeo sazoal em uma sére emporal é aravés da própra speção vsual do gráfco desa (como por eemplo, o gráfco da fgura 8 ou ) Uma oura maera de deermar o período do feômeo sazoal é aravés da aálse da orma do resíduo orudo da regressão lear para os valores de um gráfco do po Scaer (espalhar, dspesar) para város valores de Leg (pera) Os coceos sobre regressão lear e ajusameo de fuções são abordados o em 6 O gráfco do po Scaer é um gráfco de poos que pode er qualquer dmesão No caso bdmesoal (D), o eo das abscssas represea os valores da sére emporal X e o eo das ordeadas represea os valores da sére emporal X +Leg Assm, para um valor de Leg, por eemplo, um poo dese gráfco erá coordeadas (X,X + ) O valor do Leg é o própro período do feômeo sazoal, porao, para uma sére emporal com período do feômeo sazoal gual a Leg, os poos com coordeadas Noas de Aula - Ferado Noguera 4

25 (X,X +Leg ) serão coleares se os valores da sére emporal forem perfeamee peródcos Nese caso, a orma da regressão lear será zero, dcado que o período do feômeo sazoal é Leg Em suações reas, dfclmee êm-se séres emporas perfeamee peródcas, o que resula em um valor dferee de zero para a orma do resíduo da regressão lear Com sso, pode-se eão escolher como o período do feômeo sazoal aquele que apresear o valor mímo para a orma do resíduo da regressão lear obdo para város valores de Leg Os gráfcos abao mosram os gráfcos Scaer para város valores de Leg para a sére emporal da fgura 8 6 Scaer Plo para Leg Norma Resduo Scaer Plo para Leg Norma Resduo X+Leg 8 6 X+Leg X X 6 Scaer Plo para Leg 3 Norma Resduo Scaer Plo para Leg 4 Norma Resduo X+Leg 8 6 X+Leg X X Noas de Aula - Ferado Noguera 5

26 6 Scaer Plo para Leg 5 Norma Resduo Scaer Plo para Leg 6 Norma Resduo X+Leg 8 6 X+Leg X X Fgura - Gráfcos Scaer para város valores de Leg Como era de se esperar, o meor valor da orma do resíduo ocorreu para o gráfco Scaer gerado com Leg 4, uma vez que a sére emporal ulzada fo a mesma da fgura 8 O gráfco da fgura 3 mosra os valores das ormas dos resíduos para cada valor de Leg 8 Norma do Resduo em fuçao do Leg Norma do Resduo da Regressao Lear Leg - Perodo do Feomeo Sazoal Fgura 3 - Normas dos resíduos da Regressão Lear em fução do Leg 6 Regressões por Mímos Quadrados O coceo de regressão pode ser eeddo como uma maera de "ajusar" um dado modelo maemáco a um cojuo de dados (geralmee observados ou mesurados) Noas de Aula - Ferado Noguera 6

27 Os modelos maemácos podem ser quasquer e ão apeas leares como é basae comum ecorar a leraura especalzada sobre o ema Algus eemplos que podem ser cados sobre regressões são: ) Um dvíduo mede a esão V em um compoee elerôco cuja ressêca R é cosae equao vara a corree I Uma vez que V RI, é de se esperar que as observações V se relacoem de maera dreamee proporcoal (lear) a corree I com R cosae No eao, esá codção de leardade ão é verfcada a práca devdo a város faores que podem, por eemplo, alerar a ressêca R durae o epermeo (al como varação de emperaura) volado a leardade do epermeo Porém, mesmo se a ressêca R ão varar, ada assm a leardade ão é perfea segudo os dados observados Ese fao se deve a evável mprecsão as observações (mesurações) coduzdas pelo homem (mesmo que ese ulze equpameos que aulem as mesurações) Porao, um modelo maemáco mas realsa para ese epermeo sera: V RI + e (6) ode: e é o erro ere V (observado) e RI O gráfco da fgura 3 mosra os valores observados de V em fução de I, e as reas deal e ajusada (óma o sedo de mímos quadrados) Noas de Aula - Ferado Noguera 7

28 Regressao Lear 8 esao (Vols) 6 4 deal observaçoes ajusado corree (Amperes) Fgura 3 - Regressão Lear A rea verde (ajusada) é a rea cuja soma dos quadrados das dfereças ere os valores de esão observados V e os valores de esão ajusados Va para os mesmos valores de corree I é míma Ese créro de calcular os parâmeros do modelo (o caso, o coefcee agular e lear da rea) é deomado de Créro de Mímos Quadrados ) Um dvíduo dspara um projél aravés de um cahão e observa algumas posções do mesmo É bem cohecdo que a rajeóra descra pelo projél é uma parábola o plao y (cosderado o comprmeo e y a alura) Com sso, o modelo a ser ulzado deve ser: y a + b + c + e (7) ode: a, b e c são os parâmeros da parábola e aálogo à defção para epressão (6) O gráfco da fgura 4 mosra os valores observados de y em fução de, e as parábolas óma e ajusada Noas de Aula - Ferado Noguera 8

29 Regressao - Polomo grau 8 alura (meros) 6 4 deal observaçoes ajusado comprmeo (meros) Fgura 4 - Regressão Polômo de o grau 4 O Méodo dos Mímos Quadrados (MMQ) O Méodo dos Mímos Quadrados fo orgalmee desevolvdo de maera depedee por Gauss e Legedre Noas de Aula - Ferado Noguera 9

30 Noas de Aula - Ferado Noguera 3 Joha Carl Fredrch Gauss (*777 em Bruswck (agora Alemaha); 855 em Göge (agora Alemaha) Adre-Mare Legedre (*75 em Pars, Fraça; 833 em Pars, Fraça) Cosdere que as meddas dreas de uma gradeza X, sejam: l, l,, l os valores obdos em uma sére de observações Uma vez que é mpossível ober o verdadero valor de X, adoa-se, com base em cero créro, o valor e calculam-se as dfereças:,,, v l v l v l v l (8) A as dfereças v dá-se o ome de resíduos, so é, os valores, a pror descohecdos, que somados as observações reproduzem o valor escolhdo Mudado o créro, pode-se eleger um valor dferee de deomado ' Com sso, um ovo cojuo de resíduos sera obdo:,,, v l v l v l v l (9)

31 Dá mesma maera, podem-se adoar ouros créros e deomar '', ''', Assm, qual dos valores, ', '',, adoar como sedo o valor úco, dado às observações l, dscrepaes ere sí, para represear a cóga X? O créro mas ulzado para ese po de problema é: "acear como melhor esmava de X o valor que ora míma a soma dos quadrados dos resíduos": v m (3) Ese créro fo elaborado, de maera depedee, por Gauss e Legedre, e a ese se deoma Créro dos Mímos Quadrados (como já cado o eemplo ) Quado as observações ão oferecem o mesmo grau de cofaça, esas são homogeezadas aravés de pesos p : p v m (3) Adoado-se oação marcal, o cojuo de resíduos { v } pode ser represeado por um veor V [ v, v,, ] e, porao, a epressão (3), fca: v V V m (3) e a epressão (3), fca: V PV m (33) ode: P é uma marz quadrada, deomada marz dos pesos, caracerzado a epressão 33, como uma forma quadráca Dado seqüêca, desgado por o valor adoado como esmava da gradeza sobre a qual foram eecuadas observações repedas em codções suposamee smlares, os resíduos são: l v,,, (34) Admdo que as observações sejam ão-correlacoadas, a marz P será dagoal e admdo ada que as observações ofereçam o mesmo grau de cofaça, a marz P Noas de Aula - Ferado Noguera 3

32 degeera-se para a marz dedade I Aplcado o Méodo dos Mímos Quadrados (MMQ): ( l ) f V PV V V m (35) Igualado a dervada de f em relação a a zero, fca: ( l ) df d (36) A epressão (36) pode ser escra como: ( l ) + ( l ) + + ( l ) l (37) A epressão (37) defca como a méda arméca das observações Sem demosrações, o MMQ forece uma solução de varâca míma, assm, a marz varâca-covarâca a ser forecda pelo ajusameo, e cujos elemeos dagoas são represeavos da precsão do veor dos valores ajusados, erá raço (somaóra dos elemeos da dagoal de uma marz) mímo O MMQ pode ser dvddo em rês "sub-méodos" deomados: Méodo Paramérco, Méodo dos Correlaos e Méodo Combado No Méodo Paramérco (ou Méodo das Observações Idreas), os valores observados ajusados são epressos eplcamee como uma fução dos parâmeros ajusados No méodo dos Correlaos (ou Méodo das Equações de Codção) os valores observados ajusados lgam-se aravés de equações de codção O Méodo Combado reúe ao parâmeros ajusados como valores observados ajusados lgados por uma fução ão eplíca O Méodo dos Correlaos ão será raado esas oas de aula 4 Méodo Paramérco No caso de observações dreas, as cógas são os valores observados ajusados No caso de observações dreas, objeva-se esmar gradezas que se vculam às observadas Para dsgu-las das prmeras é usual desgá-las de parâmeros, o que eplca a deomação do méodo Noas de Aula - Ferado Noguera 3

33 Em algumas aplcações o modelo maemáco adoado é ão-lear Com sso, o procedmeo ulzado mas comum é learzar o modelo medae um desevolvmeo em sére (geralmee a sére de Taylor * é a ulzada) Equações de Observação Seja o úmero de equações de observação e u o úmero de parâmeros: L b : veor ( ) dos valores observados; V: veor ( ) dos resíduos; L a : veor ( ) dos valores ajusados: L L V (38) a b + X : veor (u ) cujos compoees são valores apromados dos parâmeros; X: veor correção (u ) X a : veor dos parâmeros ajusados (u ): X a + X X (39) Nese méodo eão, o modelo maemáco fca: L F( ) (4) a X a Subsudo as epressões (38) e (39) em (4), learzado o segudo membro da epressão (4) com a fórmula de Taylor e desprezado os ermos de mas alas ordes, fca: L b + V F F X ( X + X) F( X ) + X a X a X (4) Desgado a fução dos parâmeros apromados por L : L F( ) (4) X * Sére de Taylor f ( ) f() f ( ) ( ) ( )! de f() com cero em Obs: f () é a -ésma dervada de Noas de Aula - Ferado Noguera 33

34 e a marz das dervadas parcas por A: F A X a X a X (43) a epressão (4) se escreve sucessvamee: L b + V L + AX V AX + L L (44) b e falmee fazedo: L L L b (45) obém-se o modelo maemáco learzado do Méodo dos Parâmeros: V A X + L (46) u u Equações Normas Mmzado a forma quadráca fudameal, obém-se: φ V PV ( AX + L) P( AX + L) m (47) ( X A + L ) P( AX + L) X A PAX + X A PL + L PAX + L PL m φ (48) o o e o 3 o membros da epressão (48) são guas, eão: φ X A PAX + X A PL + L PL m (49) gualado a zero a dervada prmera de (49) em relação a X: φ A PAX + A PL X (5) A PAX + A PL (5) Noas de Aula - Ferado Noguera 34

35 X ( A PA) A PL (5) fazedo: N A PA (53) U A PL (54) subsudo as epressões (53) e (54) em (5): X ( N) U (55) o veor dos parâmeros ajusados fca: X a + X X (56) Uma vez que fo realzada a learzação do modelo devem-se reper os cálculos aé que as compoees do veor X sejam desprezíves sob alguma cosderação Quado o modelo ulzado é lear o processo eravo ão é ecessáro (por movos óbvos) podedo com sso, ser ulzado quasquer valores para as compoees do veor X O dagrama abao mosra o processo eravo: eração L F(X ) A F'(X ) X -N - U X a X + X aualzação X X a eração L F(X ) A F'(X ) X -N - U X a X + X aualzação X X a eração L F(X ) A F'(X ) X -N - U X a X + X X < FIM Fgura 5 - Processo Ieravo para o MMQ sob o Méodo Paramérco para modelos ão-leares Noas de Aula - Ferado Noguera 35

36 Assm, a cada eração faz-se ecessáro calcular A, L, L, N, U e X As observações L b e os pesos P permaecem cosaes durae o processo eravo É mporae ressalar que ese processo de mmzação é o Méodo do Gradee (como já vso em Programação Não-Ler) e, porao, é eremamee depedee das codções cas, que ese caso, é o veor X (veor dos parâmeros apromados) Com sso, uma boa esmava a pror dos parâmeros apromados pode ser fudameal para a covergêca da solução para a solução óma (mímo global ao vés de mímos locas) Marz Varâca-Covarâca Aes do ajusameo, ecessa-se esmar a precsão das meddas efeuadas para compor a marz varâca-covarâca dos valores observados ( L b ) e a parr desa e da varâca da udade de peso a pror σ, ober a marz dos pesos: P σ L (57) b Após o ajusameo, pode-se esmar a varâca da udade de peso (varâca a poseror) e a marz varâca-covarâca das varáves aleaóras evolvdas o processo: X, X a, V, L a A marz varâca-covarâca das correções X pode ser deduzda a parr de: X ( N) U N A PL N A P( L L b ) N A PL + N A PL (58) b Aplcado a le de propagação das covarâcas: X G L b G (59) ode: G N A P (6) e por serem P e N - marzes smércas: G ( ) PAN P A N (6) subsudo (6) em (59), fca: Noas de Aula - Ferado Noguera 36

37 X N A P L PAN (6) b cosderado ada que: L σ P (63) b e: X σ N A PP PAN σ N A PAN σ N NN (64) Uma vez que ˆσ é uma esmava de σ, resula: X σ ˆ (65) N ode: ˆσ de acordo com a epressão (7) X a + A marz varâca-covarâca dos parâmeros X pode ser deduzda a parr de: X X (66) a sedo o veor X cosae: X a X (67) A marz varâca-covarâca dos valores observados ajusados L deduzda a parr de: a b b b b a a pode ser L L + V L + AX + L L + AX + L L L AX + L (68) Aplcado a le de propagação de covarâcas: L A XA (69) a A marz varâca-covarâca dos resíduos V pode ser deduzda a parr de: V L a L b (7) V L a L (7) b Noas de Aula - Ferado Noguera 37

38 Varâca da Udade de Peso A Varâca da Udade de Peso a pror, depedee do seu valor, ão flueca o veor das cógas X, porao, seu valor pode ser escolhdo arbraramee, desde que dferee de zero A Varâca da Udade de Peso a poseror, aqu represeada por ˆσ é esmada por: σ ˆ V PV V PV S u (7) Comparação ere σ e ˆσ Uma vez que o valor de σ ão flueca X, pode-se adoar, sem perda de geeraldade, σ, por eemplo A dscrepâca ere o valor de σ e ˆσ (obdo após o ajusameo) pode ser ulzada como um dcador da qualdade do ajusameo Se houver dscrepâca ere σ e ˆσ, aplca-se um ese de hpóese baseado a dsrbução de Qu-Quadrado χ a fm de cosaar se a dscrepâca é sgfcava a cero ível de sgfcâca Uma resposa posva dca que esem problemas o ajusameo A forma quadráca V L b V em dsrbução de χ com S ν graus de lberdade, so é: V L V χ ( ν) (73) b ou, de forma aáloga: σ ˆ S χ ( ν) (74) σ esa-se a hpóese básca (hpóese ula): H : ˆ σ σ (75) α P é a probabldade máma admda para correr o rsco de um erro Tpo I A probabldade de comeer um erro do Tpo II é acear H H falsa β P rejear H H falsa é cohecdo como a Poêca ível de sgfcâca ( rejear H H verdadera) β ( ) e ( ) P ou Poder do Tese A grosso modo pode-se dzer que quao meor o ível de sgfcâca, maor o ervalo de cofaça e, porao, maor dspersão em oro do valor esmado O ível de sgfcâca deve ser fado a pror Noas de Aula - Ferado Noguera 38

39 cora a hpóese alerava: H : ˆ σ > σ (76) compara-se o valor calculado: χ * σˆ σ V PV ν σ (77) com o valor eórco (abelado): χ (78) ν, α *, α A hpóese básca (H ) é acea, ao ível de sgfcâca α, se: χ < χ ν (79) No caso coráro, deve-se proceder a uma aálse cudadosa do ajusameo: pode haver erro a marz varâca-covarâca dos valores observados, ou podem os resíduos esar ecessvamee grades em decorrêca de uma fala grossera ou de erros ssemácos, pode o modelo maemáco ão ser cossee com as observações, ou o ssema ser mal codcoado, ec Eemplo: ajusar uma rea em relação a um cojuo de observações Ese eemplo é o caso clássco de regressão, deomado Regressão Lear: O modelo maemáco é dado por: y a + b (8) ode: a e b são os parâmeros do modelo maemáco (coefcee agular e lear, respecvamee); e e y formam as coordeadas de um poo o plao caresao O modelo maemáco empregado o méodo paramérco assume que F( ) L, a X a ou seja, as observações ajusadas são dadas eplcamee em fução dos parâmeros No eao, o modelo a epressão (8) ão esá esa forma O procedmeo, ese caso, mas adequado sera ulzar o Méodo Combado, porém, cosderado seo de erros, esa varável pode ser cosderada cosae (do poo de vsa esaísco) e eão, pode-se ulzar o Méodo Paramérco Noas de Aula - Ferado Noguera 39

40 Noas de Aula - Ferado Noguera 4 Cada poo observado forece uma equação (y a + b, y a + b,, y a + b) O úmero de parâmeros é u e o úmero de observações, maedo ada a geeraldade ese aspeco, é A marz A fca: b y b y b y a y b y a y A (8) Devdo ao modelo ser lear, pode-se escolher qualquer valor para os compoees do veor X A maera mas smples é adoar odas as compoees dese veor guas a zero e, porao, resulado em um veor ambém ulo para L O veor L eão fca: b y y y y y y L L L (8) Assumdo que odas as observações possuem a mesma precsão, a marz de pesos P degeera-se a marz dedade Assm, a marz N, fca: A A N (83) O veor U fca: y y y y y L A U (84) O veor X fca:

41 X ( N) U (85) E o veor X a é: X a + X X (86) A abela abao mosra um cojuo de dados observados Tabela - Valores observados Poo y Para os valores dados a abela, a marz N, N - e o veor U fcam: N N U (87) X a L a O veor X a fca: 86 5 O veor L a (valores ajusados) fca: (88) (89) Eses são os parâmeros que deermam a rea cuja somaóra dos quadrados dos resíduos é mímo A rea ajusada fca: y (9) Para gerar os dados da abela, cosderaram-se os parâmeros da rea a e b e acresceou-se ruído braco uforme A eses valores deomou-se de observações A fgura 6 mosra os valores observados, a rea ajusada e a rea deal (sea de ruídos) Noas de Aula - Ferado Noguera 4

42 3 Regressao Lear y deal observaçoes ajusado Fgura 6 - Regressão Lear para o eemplo A marz varâca-covarâca das correções X e dos parâmeros X é: a 4 X X a 66 (9) A marz varâca-covarâca dos valores observados ajusados L L (9) a a fca: A marz varâca-covarâca dos resíduos V fca: V (93) A gradeza V PV resula em: V PV 37 (94) Noas de Aula - Ferado Noguera 4

43 O Qu-Quadrado calculado fca: χ V PV 37 * σ 37 (95) Os valores eórcos (abelados) para -u 4- graus de lberdades e ível de sgfcâca de 5% é: χ 599 (96),95 A hpóese básca é acea, ao ível de sgfcâca 5%, se: χ < χ (97) *,95 < Como a epressão (97) é verdadera, a hpóese básca é acea ao ível de sgfcâca 5%, e, porao, o ajusameo ão "apresea problemas" e pode ser cosderado aceo 4 Méodo Combado O Méodo Combado pode ser eeddo como um méodo de aplcações geras, pos reúe ao parâmeros ajusados como valores observados ajusados, porém lgados por uma fução ão eplíca Em oação formal: F ( X, L ) a a (98) Fazedo: V L a L b (99) e X X a X () F A X a X () F B L a L b () Noas de Aula - Ferado Noguera 43

44 ( X, ) L b Modelagem e Smulação - Modelos de Prevsão W F (3) A learzação do modelo é: F F X ( X,L ) F( X + X,L + V) F( X,L ) + ( X X ) + ( L L ) a a b b a X a F L a Lb a b (4) porao: AX + BV + W (5) Cosderado que esam valores observados e u parâmeros lgados por r equações, resulam as segues dmesões para as marzes: r A u u X r B V + rw r + (6) Tem-se, porao, S r - u graus de lberdade, sedo ecessáro > r - u Equações Normas Além de mmzar a forma quadráca fudameal, deve-se proceder de maera que os resíduos (dos valores observados) e as correções X (dos parâmeros apromados) aedam à jução represeada por (5) Ulzado mulplcadores de Lagrage (como em Programação Não Lear), defe-se a fução: φ V PV K ( AX + BV + W) m (7) ode: K é o veor cujas compoees são os mulplcadores de Lagrage (ou dos correlaos) Aulado as dervadas parcas em relação a V, K e X: φ PV B K PV B K V φ K ( AX + BV + W) AX + BV + W φ A K A K X (8) (9) () Noas de Aula - Ferado Noguera 44

45 As equações marcas (8), (9) e () represeam um cojuo de + r + u equações algébrcas evolvedo + r + u cógas: resíduos (v), r correlaos (k) e u parâmeros () Ou, mas cocsamee, as rês equações marcas mecoadas evolvem rês cógas, os veores V, K e X, e podem ser reudas em uma hpermarz: P B B V () A + K W A X Resolvedo o ssema acma (ão demosrado), resula: ( A M A) A M W X () ode: M BP B (3) Obda as compoees do veor das correções X aravés de () a seqüêca pode ser: X a + X X (4) K M ( AX + W) (5) V P B K (6) L L V (7) a b + Para modelos ão-leares, faz-se ecessáro ulzar um processo eravo de mmzação O dagrama abao mosra o processo eravo (aálogo ao do Méodo Paramérco): Noas de Aula - Ferado Noguera 45

46 eração WF(L b,x ) A F'(X ) B F'(L b ) X -(A M - A) - A M - W X a X + X aualzação X X a eração WF(L b,x ) A F'(X ) B F'(L b ) X -(A M - A) - A M - W X a X + X aualzação X X a eração WF(L b,x ) A F'(X ) B F'(L b ) X -(A M - A) - A M - W X a X + X X < FIM Fgura 7 - Processo Ieravo para o MMQ sob o Méodo Combado para modelos ão-leares Marz Varâca-Covarâca a As marzes Varâca-Covarâcas serão dadas sem demosração A marz varâca-covarâca dos parâmeros X é dada por: ( A M A) X X σˆ (8) a ode: ˆσ de acordo com a epressão () A marz varâca-covarâca dos valores observados ajusados L a é dada por: L a σˆ P + P ( M A) A M BP P B M BP B M A A (9) A marz varâca-covarâca dos resíduos V é dada por: V σˆ P L a () A marz varâca-covarâca do erro de fechameo W é dada por: σˆ M () W Noas de Aula - Ferado Noguera 46

47 Varâca da Udade de Peso por: A Varâca da Udade de Peso a poseror, aqu represeada por ˆσ é esmada σ ˆ V PV V PV S r u () Comparação ere σ e ˆσ Idêco ao realzado para o Méodo Paramérco Noas de Aula - Ferado Noguera 47

48 Apêdce Tabela A - Perces da Dsrbução de Qu-Quadrado χ P,5,,5,5,,5,75,9,95,975,99,995 ν,,,,,,,3,7 3,84 5, 6,63 7,88,,,5,,,58,77 4,6 5,99 7,38 9,,6 3,7,,,35,58, 4, 6,5 7,8 9,35,34,84 4,,3,48,7,6,9 5,39 7,78 9,49,4 3,8 4,86 5,4,55,83,5,6,67 6,63 9,4,7,83 5,9 6,75 6,68,87,4,64, 3,45 7,84,64,59 4,45 6,8 8,55 7,99,4,69,7,83 4,5 9,4, 4,7 6, 8,48,8 8,34,65,8,73 3,49 5,7, 3,36 5,5 7,53,9,95 9,73,9,7 3,33 4,7 5,9,39 4,68 6,9 9,,67 3,59,6,56 3,5 3,94 4,87 6,74,55 5,99 8,3,48 3, 5,9,6 3,5 3,8 4,57 5,58 7,58 3,7 7,8 9,68,9 4,73 6,76 3,7 3,57 4,4 5,3 6,3 8,44 4,85 8,55,3 3,34 6, 8,3 3 3,57 4, 5, 5,89 7,4 9,3 5,98 9,8,36 4,74 7,69 9,8 4 4,7 4,66 5,63 6,57 7,79,7 7,,6 3,68 6, 9,4 3,3 5 4,6 5,3 6,6 7,6 8,55,4 8,5,3 5, 7,49 3,58 3,8 6 5,4 5,8 6,9 7,96 9,3,9 9,37 3,54 6,3 8,85 3, 34,7 7 5,7 6,4 7,56 8,67,9,79,49 4,77 7,59 3,9 33,4 35,7 8 6,6 7, 8,3 9,39,86 3,68,6 5,99 8,87 3,53 34,8 37,6 9 6,84 7,63 8,9,,65 4,56,7 7, 3,4 3,85 36,9 38,58 7,43 8,6 9,59,85,44 5,45 3,83 8,4 3,4 34,7 37,57 4, 8,3 8,9,8,59 3,4 6,34 4,93 9,6 3,67 35,48 38,93 4,4 8,64 9,54,98,34 4,4 7,4 6,4 3,8 33,9 36,78 4,9 4,8 3 9,6,,69 3,9 4,85 8,4 7,4 3, 35,7 38,8 4,64 44,8 4 9,89,86,4 3,85 5,66 9,4 8,4 33, 36,4 39,36 4,98 45,56 5,5,5 3, 4,6 6,47 9,94 9,34 34,38 37,65 4,65 44,3 46,93 6,6, 3,84 5,38 7,9,84 3,43 35,56 38,89 4,9 45,64 48,9 7,8,88 4,57 6,5 8,,75 3,53 36,74 4, 43,9 46,96 49,65 8,46 3,56 5,3 6,93 8,94,66 3,6 37,9 4,34 44,46 48,8 5,99 9 3, 4,6 6,5 7,7 9,77 3,57 33,7 39,9 4,56 45,7 49,59 5,34 3 3,79 4,95 6,79 8,49,6 4,48 34,8 4,6 43,77 46,98 5,89 53, ,9 8,5,57,47 4,8 9,5 4, 46,6 49,8 53, 57,34 6,7 4,7,6 4,43 6,5 9,5 33,66 45,6 5,8 55,76 59,34 63,69 66, ,3 5,9 8,37 3,6 33,35 38,9 5,98 57,5 6,66 65,4 69,96 73,7 5 7,99 9,7 3,36 34,76 37,69 4,94 56,33 63,7 67,5 7,4 76,5 79, ,73 33,57 36,4 38,96 4,6 47,6 6,67 68,8 73,3 77,38 8,9 85, ,53 37,48 4,48 43,9 46,46 5,9 66,98 74,4 79,8 83,3 88,38 9, ,38 4,44 44,6 47,45 5,88 56,99 7,8 79,97 84,8 89,8 94,4 98, 7 43,8 45,44 48,76 5,74 55,33 6,7 77,58 85,53 9,53 95,,43 4, 75 47, 49,48 5,94 56,5 59,79 66,4 8,86 9,6 96,,84 6,39,9 8 5,7 53,54 57,5 6,39 64,8 7,4 88,3 96,58,88 6,63,33 6, ,7 57,63 6,39 64,75 68,78 75,88 93,39,8 7,5,39 8,4,3 9 59, 6,75 65,65 69,3 73,9 8,6 98,65 7,57 3,5 8,4 4, 8, ,5 65,9 69,9 73,5 77,8 85,38 3,9 3,4 8,75 3,86 9,97 34,5 67,33 7,6 74, 77,93 8,36 9,3 9,4 8,5 4,34 9,56 35,8 4,7 75,55 78,46 8,87 86,79 9,47 99,67 9,6 9,39 35,48 4,9 47,4 5,95 83,85 86,9 9,57 95,7,6 9, 3,5 4,3 46,57 5, 58,95 63,65 3 9, 95,45,33 4,66 9,8 8,79 4,48 5,5 57,6 63,45 7,4 75,8 4,65 4,3 9,4 3,66 9,3 8,38 5,89 6,83 68,6 74,65 8,84 86,85 ν, α Noas de Aula - Ferado Noguera 48

49 5 9,4,67 7,98,69 8,8 37,98 6,9 7,58 79,58 85,8 93, 98,36 6 7,68,35 6,87 3,76 37,55 47,6 7,68 83,3 9,5 96,9 4,53 9,8 7 6,6 3,6 35,79 4,85 46,84 57,3 8,5 94,,4 8, 5,8,4 8 34,88 38,8 44,74 49,97 56,5 66,87 9,4 4,7,3 9,4 7,6 3,6 9 43,55 47,6 53,7 59, 65,49 76,5,76 5,37 3,6 3,6 38,7 43,96 5,4 56,43 6,73 68,8 74,84 86,7 3, 6, 33,99 4,6 49,45 55,6 3 4,66 45,97 53,9 6,88 69,7 83,4 36,4 33,79 34,4 349,87 359,9 366, ,9 337,6 346,48 354,64 364, 38,58 48,7 436,65 447,63 457,3 468,7 476,6 5 4,3 49,39 439,94 449,5 459,93 478,3 5,95 54,93 553,3 563,85 576,49 585, 6 54,53 5,37 534, 544,8 556,6 576,9 6,99 644,8 658,9 669,77 683,5 69, ,38 65,9 68,58 639,6 65,5 674,4 74,86 748,36 76,66 775, 789,97 8,3 8 7,73 79,9 73,5 735,36 749,9 77,67 86,6 85,67 866,9 88,8 895,98 96, ,48 84,5 88,76 83,37 846,7 87,3 98,4 954,78 97,9 985,3,63 3,4 FONTE: Seções, e 3: Hller & Leberma, CAP Seção 4: Caml Gemael Irodução ao Ajusameo de Observações, Edora UFPR, 994 Noas de Aula - Ferado Noguera 49

50 Eercícos - Modelos de Prevsão qualquer erro, favor evar e-mal para ferog@egprodufjfbr ) Uma compaha em as segues vedas durae os cco úlmos meses: 5, 7, 9, 4 O geree de vedas agora quer uma prevsão das vedas o prómo mês a) Qual o valor esmado para o Méodo da Méda Móvel com os 3 meses mas recees? b) Qual o valor esmado para o Méodo da Méda Móvel com o úlmo mês mas recee? c) Qual o valor esmado para o Méodo de Suavzação Epoecal com α 3? ) Uma loja possu os segues valores de lucros os úlmos das:,,3,78,5,,43,65, 33,,,,4,8,9,,7,43,43,4 Qual o lucro prevso para o prómo da cosderado: a) O Méodo da Méda Móvel com os úlmos 3 das? b) O Méodo de Suavzação Epoecal com α 3? c) O mesmo que b), porém cosderado sazoaldade 3) Quas os parâmeros ómos (segudo o créro de Mímos Quadrados) de um polômo de o grau para os segues valores observados: y ) Faça um programa que calcule a prevsão dos ídces de flação, poupaça, IGPM, IPC e coação do dólar Ulze o méodo de méda móvel e suavzação epoecal Deerme ambém créros para defr os parâmeros ómos ulzados os méodos mplemeados Resposas a) 9 b) 4 Noas de Aula - Ferado Noguera 5

51 c) 64 a) b) 3745 d) 3 3) a -659 b 938 c 9785 Noas de Aula - Ferado Noguera 5

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z) Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2

Leia mais

4 - ANÁLISE DE SÉRIES TEMPORAIS

4 - ANÁLISE DE SÉRIES TEMPORAIS INE 700 Aálse de Séres Temporas 4 - ANÁLISE DE SÉRIES TEMPORAIS Sére Temporal é um cojuo de observações sobre uma varável, ordeado o empo, e regsrado em períodos regulares. Podemos eumerar os segues exemplos

Leia mais

Contabilometria. Números-Índices

Contabilometria. Números-Índices Coablomera Números-Ídces Foes: Seveso (1981) Esaísca Alcada à Admsração Ca. 15 Foseca, Mars e Toledo (1991) Esaísca Alcada Ca. 5 Números-Ídces Sezam modfcações em varáves ecoômcas durae um eríodo de emo

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

4 Sondagem do canal de propagação rádio-móvel

4 Sondagem do canal de propagação rádio-móvel 4 Sodagem do caal de propagação rádo-móvel O desempeho dos ssemas de comucações móves é eremamee depedee do comporameo do caal de propagação. O percurso ere uma esação ase e um ermal móvel pode apresear

Leia mais

Análise de Eficiência Energética em Sistemas Industriais de Ventilação

Análise de Eficiência Energética em Sistemas Industriais de Ventilação Aálse de Efcêca Eergéca em Ssemas Idusras de elação Kleber Davd Belovsk, Déco Bspo, Aôo Carlos Delaba, Sérgo Ferrera de aula Slva Faculdade de Egehara Elérca da Uversdade Federal de Uberlâda UFU, Aveda

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

TESTE DE VIDA SEQÜENCIAL COM DISTRIBUIÇÕES DE AMOSTRAGEM WEIBULL E WEIBULL INVERTIDA

TESTE DE VIDA SEQÜENCIAL COM DISTRIBUIÇÕES DE AMOSTRAGEM WEIBULL E WEIBULL INVERTIDA TST VI SQÜNCI CM ISTRIBUIÇÕS MSTRGM WIBU WIBU INVRTI ael I. e Souza Jr. Resumo: mecasmo de ese de vda seqüecal represea uma suação de ese de hpóese a qual é omada uma decsão de se acear ou se rejear uma

Leia mais

Sistema de vigilância para detecção de interação espaçotempo de eventos pontuais

Sistema de vigilância para detecção de interação espaçotempo de eventos pontuais Sema de vglâca para deecção de eração epaçoempo de eveo poua Taãa C. Smõe Reao M. Aução Deparameo de Eaíca Uverdade Federal de Ma Gera UFMG Caa Poal: 70 370-90 Belo Horzoe MG Bral a_eaca@ahoo.com.braucao@e.ufmg.br

Leia mais

PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004

PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004 PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004 SUMÁRIO 1. INRODUÇÃO... 1 2. FONE DE DADOS... 1 3. PROJEÇÃO DO NÚMERO DE DOMICÍLIOS... 2 3.1 Mucípo emacpado em 2001... 5 3.2 População

Leia mais

Modelos de Previsão. 1. Introdução. 2. Séries Temporais. Modelagem e Simulação - Modelos de Previsão

Modelos de Previsão. 1. Introdução. 2. Séries Temporais. Modelagem e Simulação - Modelos de Previsão Modelos de Previsão Inrodução Em omada de decisão é basane comum raar problemas cujas decisões a serem omadas são funções de faos fuuros Assim, os dados descrevendo a siuação de decisão precisam ser represenaivos

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

2.4. Grandezas Nominais e Reais

2.4. Grandezas Nominais e Reais 2.4. Gradezas Nomas e Reas rcpas varáves macroecoómcas (IB, C, G, I, X, Q,...): sedo agregações, são ecessaramee valores moeáros Calculadas a preços correes / em valor / em ermos omas, Mas eressa, frequeemee,

Leia mais

A Estrutura a Termo da Taxa de Juros: Uma Síntese *

A Estrutura a Termo da Taxa de Juros: Uma Síntese * TEXTO PARA DISCUSSÃO Nº 447 A Esruura a Termo da Taxa de Juros: Uma Síese * José W. Ross ** Ro de Jaero, dezembro de 996 * Esse esudo eve apoo facero do CNPq (Proc. 522436/96-0). ** Da Dreora de Pesqusa

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

ECONOMETRIA CLÁSSICA

ECONOMETRIA CLÁSSICA Méodos Quaavos II Mesrado em Ecooma Aplcada Faculdade de Ecooma e Admsração Pro. Rogéro Slva de Maos ECONOMETRIA CLÁSSICA Noas de Aula . INTRODUÇÃO. OBJETIVOS Modelos ecoomércos Mesuração Vercação de eoras

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

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. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas.

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas. 1 INTRODUÇÃO E CONCEITOS INICIAIS 1.1 Mecânca É a pare da Físca que esuda os movmenos dos corpos. 1. -Cnemáca É a pare da mecânca que descreve os movmenos, sem se preocupar com suas causas. 1.3 - Pono

Leia mais

ANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ

ANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ ANÁISE MATRICIA DE ESTRUTURAS DE BARRAS PEO MÉTODO DE RIGIDEZ A análse matrcal de estruturas pelo método de rgdez compreende o estudo de cnco modelos estruturas báscos: trelça plana, trelça espacal, pórtco

Leia mais

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros. Dscpla POO-I 2º Aos(If) - (Lsta de Eercícos I - Bmestre) 23/02/2015 1) Escrever um programa que faça o calculo de trasformação de horas em muto ode às horas devem ser apeas úmero teros. Deverá haver uma

Leia mais

3 Precificação de resseguro

3 Precificação de resseguro Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até

Leia mais

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação

Leia mais

Modelagem e Simulação de Processos

Modelagem e Simulação de Processos ENG 7737 Modelagem e Smulação de Processos PARTE I: Irodução Prof. Argmro R. Secc Deparameo de Egeara Químca Escola de Egeara Uversdade Federal do Ro Grade do Sul 995/ Coeúdo. Programa da Dscpla... 3.

Leia mais

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4.

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4. CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013 Esabelece os procedmenos para o cálculo da parcela dos avos ponderados pelo rsco (RWA) referene às exposções sueas à varação de axas de uros prefxadas denomnadas

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Conceitos básicos População É constutuida por todos os elementos que são passíveis de ser analisados de tamanho N

Conceitos básicos População É constutuida por todos os elementos que são passíveis de ser analisados de tamanho N sísc Coceos áscos opulção É cosuud por odos os elemeos que são pssíves de ser lsdos de mho mosrgem Sucojuo d populção que é eecvmee lsdo com um ddo mho mosr leór mosr ode cd elemeo d populção êm hpóeses

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

CAPÍTULO 2 DINÂMICA DA PARTÍCULA: FORÇA E ACELERAÇÃO

CAPÍTULO 2 DINÂMICA DA PARTÍCULA: FORÇA E ACELERAÇÃO 13 CAPÍTULO 2 DINÂMICA DA PATÍCULA: OÇA E ACELEAÇÃO Nese capíulo seá aalsada a le de Newo a sua foma dfeecal, aplcada ao movmeo de paículas. Nesa foma a foça esulae das foças aplcadas uma paícula esá elacoada

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

ANEXO III. Nota Técnica nº 148/2010-SRE/ANEEL Brasília, 24 de maio de 2010.

ANEXO III. Nota Técnica nº 148/2010-SRE/ANEEL Brasília, 24 de maio de 2010. ANEXO III Noa Técnca nº 148/21-SRE/ANEEL Brasíla, 24 de mao de 21. M E T O D O L O G I A E Á L U L O D O F A T O R X ANEXO II Noa Técnca n o 148/21 SRE/ANEEL Em 24 de mao de 21. Processo nº 485.269/26-61

Leia mais

TESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS

TESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS TESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS A hipóese ula (Ho) usualmee esaa é a e que as uas amosras eham sio obias e populações om méias iguais,

Leia mais

DINÂMICA E PREVISÃO DE PREÇOS DE COMMODITIES AGRÍCOLAS COM O FILTRO DE KALMAN

DINÂMICA E PREVISÃO DE PREÇOS DE COMMODITIES AGRÍCOLAS COM O FILTRO DE KALMAN XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO DINÂICA E PREVISÃO DE PREÇOS DE COODITIES AGRÍCOLAS CO O FILTRO DE KALAN Flávo Pnhero Corsn (POLI-USP) flavo.corsn@gmal.com Celma de Olvera Rbero (POLI-USP)

Leia mais

2 Programação Matemática Princípios Básicos

2 Programação Matemática Princípios Básicos Programação Maemáca Prncípos Báscos. Consderações Geras Os objevos dese capíulo são apresenar os conceos de Programação Maemáca (PM) necessáros à compreensão do processo de omzação de dmensões e descrever

Leia mais

Teoria de Potência Ativa e Reativa Instantânea e Aplicações Filtros Ativos e FACTS

Teoria de Potência Ativa e Reativa Instantânea e Aplicações Filtros Ativos e FACTS Teora de Poêca Aa e Reaa Isaâea e Aplcações Flros Aos e FACTS (GRQ:DWDQDEH COPPE/UFRJ DXUFLR$UHGH COPPE/EE/UFRJ Laboraóro de Elerôca de Poêca Caxa Posal 6854,.945-97 Ro de Jaero RJ, Brazl E-mals: waaabe@coe.ufrj.br,

Leia mais

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade. Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,

Leia mais

RIO DE JANEIRO, RJ BRASIL MARÇO DE 2009

RIO DE JANEIRO, RJ BRASIL MARÇO DE 2009 1 METODOLOGIA PARA ESTUDOS DE CIRCULAÇÃO NATURAL EM CIRCUITOS FECHADOS Rafael de Olvera Pessoa de Araujo DISSERTAÇÃO SUBMETIDA AO PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E TECNOLOGIA NUCLEARES DO INSTITUTO

Leia mais

Análise tributária das formas de remuneração dos sócios: uma abordagem com cálculo atuarial

Análise tributária das formas de remuneração dos sócios: uma abordagem com cálculo atuarial Aálse rbuára das formas de remueração dos sócos: uma abordagem com cálculo auaral Resumo A redução dos cusos de emresas or meo de laejameo rbuáro é óco recorree, ao a esqusa coábl acadêmca, como a ráca

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

É o quociente da divisão da soma dos valores das variáveis pelos números deles:

É o quociente da divisão da soma dos valores das variáveis pelos números deles: Meddas de Posção. Itrodução Proª Ms. Mara Cytha O estudo das dstrbuções de requêcas, os permte localzar a maor cocetração de valores de uma dstrbução. Porém, para ressaltar as tedêcas característcas de

Leia mais

Apostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Caderno de Fórmulas. Swap

Caderno de Fórmulas. Swap Swap Elaboração: Abrl/25 Últma Atualzação: 5/4/216 Apresetação O adero de Fórmulas tem por objetvo oretar os usuáros do Módulo de, a compreesão da metodologa de cálculo e dos crtéros de precsão usados

Leia mais

AVALIAÇÃO ECONÔMICA DO IMPACTO DO PROGRAMA DE CONTROLE DE HOMICÍDIOS FICA VIVO

AVALIAÇÃO ECONÔMICA DO IMPACTO DO PROGRAMA DE CONTROLE DE HOMICÍDIOS FICA VIVO AVALIAÇÃO ECONÔMICA DO IMPACTO DO PROGRAMA DE CONTROLE DE OMICÍDIOS FICA VIVO Rafael Almeda da Maa Môca Vegas Adrade Resumo O argo vesga a efevdade do programa de corole de homcídos Fca Vvo cado o fal

Leia mais

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC) Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação

Leia mais

Previsão de consumos

Previsão de consumos revisão de cosumos Cláudio Moeiro Disribuição de Eergia II 5º ao da EEC - ramo de Eergia (FEU) Modelos de Regressão Se cohecer uma relação liear ere as variáveis depedees e idepedees podemos esimar o valor

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

CAP. 6 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÃO DE RISCO

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

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

Medidas de Localização

Medidas de Localização 07/08/013 Udade : Estatístca Descrtva Meddas de Localzação João Garbald Almeda Vaa Cojuto de dados utlzação de alguma medda de represetação resumo dos dados. E: Um cojuto com 400 observações como aalsar

Leia mais

IMPLEMENTAÇÃO DOS MÉTODOS DE RESÍDUOS PONDERADOS POR QUADRATURAS GAUSSIANAS. Eduardo Moreira de Lemos

IMPLEMENTAÇÃO DOS MÉTODOS DE RESÍDUOS PONDERADOS POR QUADRATURAS GAUSSIANAS. Eduardo Moreira de Lemos IMPLEMENTAÇÃO DOS MÉTODOS DE RESÍDUOS PONDERADOS POR QUADRATURAS GAUSSIANAS Edardo Morera de Lemos DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO DE ENGENHARIA DA

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

UNIVERSIDADE FEDERAL DO CEARÁ DEPARTAMENTO DE ENGENHARIA DE TRANSPORTES PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES

UNIVERSIDADE FEDERAL DO CEARÁ DEPARTAMENTO DE ENGENHARIA DE TRANSPORTES PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES UNIVSIDAD FDAL DO CAÁ DPATAMNTO D NGNHAIA D TANSPOTS POGAMA D PÓS-GADUAÇÃO M NGNHAIA D TANSPOTS ANÁLIS VISCOLÁSTICA D MATIAIS ASFÁLTICOS CONSIDANDO OS FITOS DA TMPATUA DO DANO so de Lma Porela OINTADOA:

Leia mais

INDICADORES DE DESEMPENHO PARA SISTEMAS CENTRALIZADOS DE CONTROLE DO TRÁFEGO URBANO EM TEMPO REAL

INDICADORES DE DESEMPENHO PARA SISTEMAS CENTRALIZADOS DE CONTROLE DO TRÁFEGO URBANO EM TEMPO REAL INDICADORES DE DESEMPENO PARA SISTEMAS CENTRALIZADOS DE CONTROLE DO TRÁFEGO URBANO EM TEMPO REAL amfracy Bro Meeses Carlos erque Pres Leadro Ssema Ceralzado de Corole de Tráfego de Foraleza CTAFOR Auarqua

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

Unidade II ESTATÍSTICA

Unidade II ESTATÍSTICA ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as

Leia mais

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

Leia mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Parca Mara Borolon. Sc. Modelos de ados em Panel Fone: GUJARATI;. N. Economera Básca: 4ª Edção. Ro de Janero. Elsever- Campus 006 efnções Geras Nos dados em panel a mesma undade de core

Leia mais

ANÁLISE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONSTRUÇÃO DOS COEFICIENTES COM APLICAÇÕES

ANÁLISE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONSTRUÇÃO DOS COEFICIENTES COM APLICAÇÕES UNIVERIDADE FEDERAL DO PARANÁ ANÁLIE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONTRUÇÃO DO COEFICIENTE COM APLICAÇÕE CURITIBA 004 ACHIKO ARAKI LIRA ANÁLIE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONTRUÇÃO DO

Leia mais

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

Aluno(a): Professor: Chiquinho

Aluno(a): Professor: Chiquinho Aluo(a): Pofesso: Chquho Estatístca Básca É a cêca que tem po objetvo oeta a coleta, o esumo, a apesetação, a aálse e a tepetação de dados. População e amosta - População é um cojuto de sees com uma dada

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

Denilson Ricardo de Lucena Nunes. Gestão de suprimentos no varejo

Denilson Ricardo de Lucena Nunes. Gestão de suprimentos no varejo Denlson Rcardo de Lucena Nunes Gesão de suprmenos no varejo semas de reposção de esoques em duas camadas e análse de esquemas de monorameno da prevsão de demanda Tese de Douorado Tese apresenada ao programa

Leia mais

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C) RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção

Leia mais

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados Eercícos e Cálculo Numérco Iterpolação Polomal e Métoo os Mímos Quaraos Para a ução aa, seja,, 6 e, 9 Costrua polômos e grau, para apromar, 5, e ecotre o valor o erro veraero a cos b c l Use o Teorema

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Obra publicada pela Universidade Federal de Pelotas

Obra publicada pela Universidade Federal de Pelotas Obra publcada pela Uversdade Federal de Pelotas Retor: Prof. Dr. Atoo Cesar Goçalves Bores Vce-Retor: Prof. Dr. Maoel Luz Breer de Moraes Pró-Retor de Etesão e Cultura: Prof. Dr. Luz Era Goçalves Ávla

Leia mais

A estrutura a termo de taxas de juros no Brasil: modelos, estimação, interpolação, extrapolação e testes

A estrutura a termo de taxas de juros no Brasil: modelos, estimação, interpolação, extrapolação e testes A esruura a ermo de axas de juros no Brasl: modelos, esmação, nerpolação, exrapolação e eses Sergo Lus Frankln Jr. Thago Baraa Duare César da Rocha Neves + Eduardo Fraga L. de Melo ++ M.Sc., SUSEP/CGSOA

Leia mais

INTRODUÇÃO AO MÉTODO DOS ELEMENTOS FINITOS

INTRODUÇÃO AO MÉTODO DOS ELEMENTOS FINITOS ITRODUÇÃO AO MÉTODO DOS ELEMETOS FIITOS oas e Aua o Prof. Ferao L. B. Rbero COPPE / UFRJ Programa e Egehara Cv Ro e Jaero, // Iroução ao Méoo os Eemeos Fos Programa e Egehara Cv, COPPE / UFRJ oas e aua

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes

Leia mais

Análise Discriminante: classificação com 2 populações

Análise Discriminante: classificação com 2 populações Análse Dscrmnane: classcação com oulações Eemlo : Proreáros de coradores de rama oram avalados seundo duas varáves: Renda U$ ; Tamanho da roredade m. Eemlo : unção dscrmnane unvarada ~ ama4 4 3 e ~ ama8.5

Leia mais

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n 1 CAPÍTULO 1 REPREENTAÇÃO E CLAIFICAÇÃO DE ITEMA 1.1. Represenação de ssemas 1.1.1. semas com uma enrada e uma saída (IO) e sema monovarável IO = ngle Inpu ngle Oupu s e = enrada s = saída = ssema 1.1..

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

Matemática Ficha de Trabalho

Matemática Ficha de Trabalho Matemátca Fcha de Trabalho Meddas de tedêca cetral - 0º ao MEDIDAS DE LOCALIZAÇÃO Num estudo estatístco, depos de recolhdos e orgazados os dados, há a ase de trar coclusões através de meddas que possam,

Leia mais

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal.

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal. Grpe: Época de grpe; acvdade grpal; cálculo da lnha de ase e do respecvo nervalo de confança a 95%; e área de acvdade asal. ÉPOCA DE GRPE Para maor facldade de compreensão será desgnado por época de grpe

Leia mais

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3 Idetfcação da exstêca de padrão espacal aleatóro a dstrbução dos pacetes portadores de doeça geétca rara com defcêca físca da Assocação de Assstêca à Craça Defcete (AACD) de Perambuco Aa Clara P. Campos

Leia mais

2 Métodos de previsão de vendas de itens de estoque 2.1 Introdução

2 Métodos de previsão de vendas de itens de estoque 2.1 Introdução 8 Méodos de previsão de vedas de ies de esoque. Irodução A previsão de demada é processo comum o plaejameo das empresas e poderá ser basae úil o corole de esoques e egociações de preços. Ao se rabalhar

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Uma Calculadora Financeira usando métodos numéricos e software livre

Uma Calculadora Financeira usando métodos numéricos e software livre Uma Calculadora Facera usado métos umércos e software lvre Jorge edraza Arpas, Julao Sott, Depto de Cêcas e Egeharas, Uversdade Regoal ItegradaI, URI 98400-000-, Frederco Westphale, RS Resumo.- Neste trabalho

Leia mais

Perguntas freqüentes Credenciadores

Perguntas freqüentes Credenciadores Pergutas freqüetes Credecadores Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte pelo facameto da compra pelo emssor?

Leia mais

Análise comparativa e teste empírico da validade dos modelos CAPM tradicional e condicional: o caso das ações da Petrobrás

Análise comparativa e teste empírico da validade dos modelos CAPM tradicional e condicional: o caso das ações da Petrobrás Análse comparava e ese empírco da valdade dos modelos capm radconal e condconal: o caso das ações da Perobrás Análse comparava e ese empírco da valdade dos modelos CAPM radconal e condconal: o caso das

Leia mais

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do

Leia mais

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO; Aplcação de Motores de Méda esão dedcados acoados por versor de frequêca e utlzação de um úco projeto em dferetes solctações de carga. Gleuber Helder Perera Rodrgues Esp. Eg. WEG Brasl gleuber@weg.et Alex

Leia mais

A Medição e o Erro de Medição

A Medição e o Erro de Medição A Medção e o Erro de Medção Sumáro 1.1 Itrodução 1.2 Defções 1.3 Caracterzação da qualdade de medção 1.4 O erro da medção 1.4.1 Os erros aleatóros 1.4.2 Os erros sstemátcos 1.5 O verdadero valor, o erro

Leia mais

CIRCUITOS EM CORRENTE ALTERNADA PARTE 1

CIRCUITOS EM CORRENTE ALTERNADA PARTE 1 // UO E OENE END E. UNÇÕE EÓD. DOÍNO DO EO. OE. OÊN. OÊN E. OÊN ENE 7. EÊN 8. ÂN 9. NDUÂN // // UNÇÕE EÓD UNÇÕE EÓD egime UNÇÕE EÓD : eão e ore ão periódi egime eacioário: O valo iaâeo ão coae. egime raiório:

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido.

Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. A Prevsão com o Modelo de Regressão.... Inrodução ao Modelo de Regressão.... Exemplos de Modelos Lneares... 3. Dervação dos Mínmos Quadrados no Modelo de Regressão... 6 4. A Naureza Probablísca do Modelo

Leia mais

Avaliação Inter/Intra-regional de absorção e difusão tecnológica no Brasil: Uma abordagem não-paramétrica. AUTORES.

Avaliação Inter/Intra-regional de absorção e difusão tecnológica no Brasil: Uma abordagem não-paramétrica. AUTORES. Avalação Iner/Inra-regonal de absorção e dfusão ecnológca no Brasl: Uma abordagem não-paramérca. Palavras chave: Efcênca écnca Produvdade oal Varação ecnológca AUTORES Emerson Marnho ouor em Economa pela

Leia mais

MAT302 - Cálculo 2. INTEGRAIS Integral Indefinida pág. 403. Bibliografia: Cálculo volume I, 5 edição. James Stewart Prof.

MAT302 - Cálculo 2. INTEGRAIS Integral Indefinida pág. 403. Bibliografia: Cálculo volume I, 5 edição. James Stewart Prof. MAT - Cálculo Biliografia: Cálculo volume I, 5 edição. James Sewar Prof. Valdecir Boega INTEGRAIS Iegral Idefiida pág. 4 Aé aqui, osso prolema ásico era: ecorar a derivada de uma fução dada. A parir de

Leia mais

3 Planejamento da Operação Energética no Brasil

3 Planejamento da Operação Energética no Brasil 3 Planeameno da Operação Energéca no Brasl 3.1 Aspecos Geras O ssema elérco braslero é composo por dos dferenes pos de ssemas: os ssemas solados, os quas predomnam na regão Nore do Brasl e represenam cerca

Leia mais

Comprimento de Arco. Comprimento de Arco

Comprimento de Arco. Comprimento de Arco UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Comprmento de Arco

Leia mais