ENDOGENEIDADE E VARIÁVEIS INSTRUMENTAIS
|
|
- Neuza Farinha Pedroso
- 6 Há anos
- Visualizações:
Transcrição
1 Econometria II, Lic. em Economia Luís Filipe Martins Dpt. de Métodos Quantitativos ISCTE - EG luis.martins@iscte.pt lfsm Lisboa, 6/09/005 ENDOGENEIDADE E VARIÁVEIS INSTRUMENTAIS Wooldridge 5 0. Motivação e Consequências para o OLS Uma das hipóteses clássicas (M M5) do MRLM, y i = β + β x i β k x ik + u i = x 0 iβ + u i,,..., n, () é M de exogeneidade estrita entre erros e regressores E(u i X) =E(u i x,..., x n )=0,,..., n E(u X) =0 n, () uma condição que implica E(u i )=0e Cov(u i,x ij )=E(u i x ij )=0,j =,..., k, i =,..., n. (3) Portanto, quando derivámos as propriedades do OLS assumimos que, no modelo em causa, os erros e os regressores não estavam autocorrelacionados - eram exógenos. Na prática existem casos de modelizações nas quais esta hipótese pode não ser válida. Eis três exemplos de modelos com endogeneidade. Example Sal = β + β Exp + u, onde Sal ésalário, Exp éanosdeexperiência e u inclui avariável idade que está correlacionada com Exp. Este é um exemplo de um modelo em que se encontra omitida uma variável relevante. Quando se admite que a variável idade éestatisticamentesignificativa para explicar o nível de salários, o verdadeiro modelo é Sal = β + β Exp + β 3 Id + u, β 3 6=0. (4)
2 Como foi demonstrado num capítulo anterior, bβ = Expi Exp Sal i Expi Exp, (5) em que, porque a verdadeira especificação é(4), E bβ Exp,Id Expi Exp Id i = β + β 3 Expi Exp = β + β 3 b δ 6= β, (6) onde Id = δ + δ Exp + u. O estimador β b não é centrado porque β 3 6= 0 (idade érelevante)e b δ 6=0. Este segundo resultado éverdadeiropoise (Id Exp) =δ +δ Exp, uma função de Exp! Apesar de ser enviesado, será queoestimadoré consistente (corrige o bias assimptóticamente)? Arespostaé negativa pois, como Cov(Id,Exp) 6= 0, p lim bβ n = β Cov(Id,Exp) + β 3 6= β V (Exp) (7) O sentido do bias (enviesamento) para amostras finitas e assimptóticamente depende do sinal da correlação na amostra e nas variáveis, respectivamente, para além do sinal de β 3. Este podemos tomar como positivo, β 3 > 0, em que maiores salários são, em média, pagos a trabalhadores de maior idade. Por outro lado podemos assumir que Expi Exp Id i e Cov(Id,Exp) são de sinal positivo - experiência aumenta com a idade. Consequentemente, os enviesamentos (finito ou assimptótico) são de sinal positivo, Expi Exp Id i β 3 Expi Exp > 0; β 3 Cov(Id,Exp) V (Exp) > 0, (8) o que significa que b β sobreavalia o verdadeiro valor b β. Example Sav = β + β Inc + u, onde Sav époupança e Inc érendimentodisponível mas que émedidocomerro:e = Inc Inc,E(e) =0,V(e) =σ e, onde Inc é o verdadeiro valor. é Este é um exemplo de erro de medida na variável independente em que o verdadeiro modelo Sav = β + β (Inc e)+u = β + β Inc +(u β e), (9) onde Cov(u β e, Inc) =Cov(u, Inc)+Cov( β e, Inc) = β σ e 6= 0, (0) assumindo que Cov(u, Inc) =0eCov(e, Inc )=0: Cov(e, Inc) =E(e.Inc) =E(e ) E(e.Inc )=σ e. () Foi provado anteriormente que β b é inconsistente: p lim bβ n = β + Cov(u β µ e, Inc) σ = β Inc V (Inc) σ Inc + σ e < β. ()
3 ( q d = βp + u Example 3, onde, para um dado mercado (bens, serviços, trabalho,...), p é q s = δp + e preço, q d é a quantidade procurada, q s é a quantidade oferecida. Este é um exemplo de um modelo de equações simultâneas. Como a quantidade observada é determinada em equilibrio de procura e oferta, nenhuma das curvas (procura (β) eoferta(δ)) éidentificada. Se q s = δp + γz + e, z éumavariável exógena, entãoaofertanão é identicada (não é possivel estimar δ, γ) mas a procura éidentificável (é possível estimar β). De qualquer forma, a estimação de β em q d = q = βp + u por OLS é inconsistente: p = q γz e δ = βp + u γz e δ p = πz + η (u e), oqueimplicanaequação de procura E (u p) =E (u πz + η (u e)) 6= 0. De uma forma semelhante, Cov(u, p) =E(up) =E(u [πz + η (u e)]) 6= 0. Portanto, o OLS é enviesado e inconsistente. O que estes exemplos nos permitem concluir é que quando existe endogeneidade no modelo o OLS é enviesado e inconsistente. Este resultado não édeestranharvistoqueahipótese M (que implica M 0 )éumacondição necessária para que o OLS seja centrado (e, consequentemente, consistente). Esta éumasituação mais grave para o OLS quando comparada com os casos de heterocedasticidade e autocorrelação dos erros. Para além destes problemas, e como consequência, a inferência com o OLS standard torna-se errónea; não faz sentido falar em estimação robusta de V ( β) b e o estimador não éblue(não é U - unbiased!), nem assimptóticamente. Nestas condições, importa definir um método de estimação alternativo ao OLS. O método éde variáveis instrumentais (ou SLS) e serádiscutidonaspróximas secções. 0. Variáveis Instrumentais e o Estimador IV TalcomooOLSeoMLE, oestimadoriv(variáveis instrumentais) pertence à classe de estimadores GMM. O IV éumgmmlineareasuautilização justifica-seprincipalmenteemmodelos com endogeneidade, Cov(u i,x ij )=E(u i x ij ) 6= 0, para algum j =,..., k e i =,..., n, (3) onde se mantém a hipótese de E(u) = 0. Na estimação IV é necessário recorrer ao uso de variáveis instrumentais a(s) qual(is) estão associadas a um particular regressor endogeno. Definition z éumavariável instrumental para x se (i) z é exogeno em relação ao erro u, Cov(u, z) =E(uz) =0; e(ii) z está (fortemente) correlacionado com o regressor x, Cov(x, z) 6= 0 Example 4 Anos de experiência do pai pode ser um instrumento para Exp. Nível de escolaridade dos pais e número de irmãos/irmãs podem ser instrumentos para Educ. Teste IQ pode ser 3
4 um instrumento para talento/aptidão. Salário pode ser um instrumento para Inc. No mercado agrícola, o número de dias de chuva pode ser uma variável exogena na equação da oferta. Para que um instrumento z para x seja estatisticamente válido, temos de verificar ambas condições Cov(u, z) =0eCov(x, z) 6= 0. Em relação à primeira, e como não observamos u, partimos apenas de pressupostos da teoria económica ou senso comum. A análise da correlação amostral entre z eosresiduosbu é um tanto quanto simplista e não rigorosa. Para verificar que Cov(x, z) 6= 0 e qual a intensidade da relação entre eles, uma das possibilidades éusarumteste t na regressão auxiliar x = δ + δ z + u; δ = Cov(x, z). (4) V (z) Após a definição de variável intrumental é muito simples a expressão do estimador IV. No MRLS, y = β + β x + u, Cov(u, x) =E(ux) 6= 0, (5) para uma amostra de dimensão n eumúnico instrumento para x, bβ,iv = (z P i z)(y i y) n (z i z)(x i x) = β + (z i z) u P i n (z i z)(x i x). (6) Naturalmente, β b,iv = y β b,iv x. Ao contrário do OLS e GLS, o IV não resulta de minimização de quadrados de erros. A sua expressão pode no entanto ser justificada pelo método dos momentos: de (5), Cov(y, z) = Cov(β + β x + u, z) =β Cov(x, z)+cov(u, z) =β Cov(x, z) (7) β = Cov(y, z) Cov(x, z). Alternativamente, resulta dos momentos E (u) =0eE(uz) =0. Quando a variável instrumental éválida, o estimador IV é consistente, p lim bβ n IV = β. Mas vejamos o seguinte. Num modelo com endogeneidade, Corr(u, x) 6= 0, p lim bβ n,ols = β + Corr(u, x) σ u 6= β σ, (8) x Corr(u, z) σ u p lim bβ n,iv = β + = β Corr(x, z) σ, (9) x porque o instrumento éválido, Corr(u, z) =0eCorr(x, z) 6= 0. Mas, se o instrumento não é válido, no sentido de que Corr(u, z) 6= 0, então o IV também éinconsistente,p lim bβ n IV 6= β. O IV tem um menor enviesamento assimptóticodoqueoolssecorr(u, x) > Corr(u,z) Corr(x,z), condição Nada pode ser dito em relaçãoaamostrasdedimensão finita pois a hipótese que assumimos édecov(z, u) =0. Estudos de Monte Carlo podem mostrar que existe um enviesamento para pequenas amostras. 4
5 esta que não éfácil de testar a não ser de uma forma intuitiva em que se calculam as correlações amostrais onde u é representado pelos residuos bu. Sob a hipótese de E(u z) =σ = V (u), V bβ,iv σ x, z = nσ xcorr(x, z), (0) que pode ser consistentemente estimada por d V bβ,iv x, z = bσ nbσ, () xrx,z onde bσ = n bu i e bu i são os residuos IV, bu i = y i β b,iv β b,iv x i, bσ x = n (x i x), e R x,z resultadomodelo(4). Portanto, para n elevado, s se bβ,iv bσ = SST x Rx,z q = bσ Pn (z i z) (z i z)(x i x), () q bσ quecoincidecomaexpressão para o estimador inconsistente OLS SST x se R x,z =, isto é, se x e z são linearmente dependentes na amostra! Em geral, isso não acontece, e porque 0 <R x,z <, oivémenosefficiente (maior se do que o OLS). Mas, não nos esqueçamos que, ao contrário do IV, o OLS é inconsistente sob a hipótese de endogeneidade. Quanto maior éa correlação entre x e z (melhor qualidade do instrumento), maior éaprecisão na estimação IV do modelo. Passamos agora àanálise geral no MRLM, y i = x 0 iβ + u i,,..., n, y = Xβ + u, (3) em que Cov(u, X) =E(X 0 X 0 u u)=p lim = p lim! x i u i 6= 0 k. (4) Suponhamos em primeiro lugar que existem tantos instrumentos como regressores, z 0 z Z n k =... =... z k ; Z0 k n =(z,...,z n ); (5) Z 0 u p lim z 0 n = p lim z n... z nk! z i u i =0 k. (6) 5
6 Nestas condições, (3) é equivalente a Z 0 y = Z 0 Xβ + Z 0 u e por isso, supondo que a matriz Z 0 X = z ix 0 i não ésingular, Z 0 y p lim = bβ IV = p lim n Z 0 X n! Z 0 X Z 0 u β + p lim n n! 0 Z y n = Z 0 0 X Z y = = β + Z 0 0 X Z u = β + OIVé consistente, p lim bβ n IV = β + p lim! n β Z 0 X Z 0 y k = p lim.p lim, (7)! z i x 0 i z i y i (8)! z i x 0 i z i u i. (9) z i xi! 0.p lim n n z i u i = β, (30) e, sob V (u Z) =σ I n, tem como matriz consistente de variâncias-covariâncias, bσ k k = µ d bβiv d 0 V bβiv X, Z = E β bβiv β X, Z (3) bσ = = bσ!! Z 0 X Z 0 Z X 0 Z = bσ z i x 0 i z i z 0 i x i zi! 0 ; (3) n k bu i,iv. (33) Notequeseaamostraé i.i.d., pela (U)LLN, p lim P n z ix 0 i σ Ω, então = E z x 0. Se V (u Z) = Σ = σ Z 0 X Z 0 ΩZ X 0 Z. (34) Pode-se provar que bσ é menor (maior eficiencia) quando X e Z estão mais correlacionados equeoivé, em geral, menos eficiente do que o OLS. As matrizes de variâncias-covariâncias (e o próprio estimador) do IV e do OLS coincidem quando Z = X. Mas o OLS é inconsistente! Assimptóticamente, e sob algumas condições de regularidade, n bβiv β énormalmente distribuido. Na prátical, no entanto, o modelo pode ser sobre-identificado:onúmero de intrumentos m ésuperioraonúmero de regressores k, z 0 Z n m =... = Z 0 u p lim z 0 n = p lim z... z m ; Z0 m n =(z,...,z n );m>k; (35) z n... z nm! z i u i =0 m. (36) 6
7 Quando m>k,a matriz Z 0 X de dimensão m k não é quadrada e por isso não admite uma inversa. Neste caso, pré-multiplicamos (3) por X 0 Z Z 0 0 Z Z para obter bβ IV µ = X 0 Z Z 0 0 Z Z X X 0 Z Z 0 0 Z Z y; (37) bσ = bσ X 0 Z Z 0 Z Z 0 X. (38) Escolha do número de instrumentos. Escolha dos instrumentos. 0.3 Estimador SLS Nesta secção apresentamos um método de estimação alternativo que se baseia em minimos quadrados a dois passos (SLS). Para efeitos de simplicidade na exposição consideremos o modelo estrutural y = β + β x + β 3 z + u; Cov(u, x) 6= 0,Cov(u, z) =0, (39) em que x éendógeno, z éexógeno e z,z são instrumentos válidos para x. Num primeiro passo, estima-se consistentemente por OLS o modelo (v satisfaz as hipóteses standard) x = δ + δ z + δ 3 z + δ 4 z + v; δ 3 6=0, δ 4 6=0, (40) em que x temcomoregressorestodasasvariáveis exógenas (instrumentos e do modelo estrutural). Como a combinação linear de todas as variáveis exógenas E (x z,z,z )=δ +δ z +δ 3 z + δ 4 z é o melhor instrumento para x, este é estimado por d E (x z, z,z )=bx = b δ + b δ z + b δ 3 z + b δ 4 z. (4) No segundo passo, estima-se consistentemente por OLS o modelo estrutural (39) y = β + β bx + β 3 z + u, (4) onde bx é determinado no primeiro passo e o estimador resultante para β coincide com o IV. No entanto, os se para o SLS não são os mesmos que do IV (). E para o MRLM, numa forma mais geral? Como sabemos, o estimador SLS coincide com o estimadoriv(ver(7)e(37)).aideiaéaseguinte:nomodelo y = X β + X β + u, X =(X,X ), β 0 = β 0, β 0, (43) em que X é o conjunto de variáveis endógenas, Cov(u, X )=E(Xu) 0 X 0 =p lim u 6=0. (44) 7
8 No primeiro passo, do sistema X = Zπ + v, resulta o OLS bπ = Z Z 0 Z (37) éoolsem Z 0 Z Z 0 X e bx = Zbπ = Z 0 X. Fazendo a substituição no modelo original, e após alguma cálculos, o SLS y = X b + bv β + X β + u y = Z Z 0 0 Z Z X β + X β + u. (45) A expressão do SLS é dada em (37). Uma condição necessária équeonúmero de instrumentos (colunas de Z) seja igual ou superior ao número total de regressores (X,X ),k. Alternativamente, podia-se tomar y = Xβ + u emquenoprimeiropassobπ = Z 0 0 Z Z X e bx = Z Z 0 0 Z Z X e o SLS era o OLS em y = bxβ + v, β b = X b 0 bx X b 0 y. 0.4 Testes: Endogeneidade e Sobre-Identificação Tal como apresentámos nos capítulos de heterocedasticidade e autocorrelação dos erros, torna-se necessário nesta discussão apresentar testes à exogeneidade dos regressores. No caso de mais do que um instrumento por regressor endogeno, também podemos testar a validade de algum dos instrumentos no sentido de não estarem correlacionados com os erros. OtestedeHausmané o procedimento de referência para inferir sobre a exogeneidade dos regressores. Podendo ser utilizado noutro contexto, o teste de Hausman procura comparar estatisticamente dois estimadores β b E e β b C para o mesmo modelo e vector de parâmetros β. O estimador β b C é consistente sob ambas as hipóteses H 0 e H enquanto que o estimador β b E apenas é consistente sob a nula H 0. Por outro lado, sob a hipótese nula H 0, β b E é(assimptóticamente) mais eficiente do que β b C. No contexto deste capítulo, onde H 0 é exogeneidade e H é endogeneidade, β b C éoiveβ b E éools. Vejamos o teste de Hausman com o recurso a regressão auxiliar. Porque Cov(u, x) 6= 0, os erros u e v dos modelos (39) e (40) estão autocorrelacionados, Cov(u, v) 6= 0. Otesteà exogeneidade é muito simplesmente o teste rácio t ao coeficiente δ na regressão auxiliar (aumentada em relação ao modelo estrutural em δbv) y = β + β x + β 3 z + δbv + u, (46) onde bv são os resíduos do primeiro passo. Se existirem mais do que uma variável endogena (por exemplo, 5) então usa-se o teste F àsignificância conjunta dos 5 coeficientes associados aos 5 resíduos do primeiro passo. Afórmula geral da estatística de Hausman édadapor µ H = n bβc β b d E 0 AV bβc d AV bβe bβc β E b, (47) d onde AV bβ éavariância-covariância assimptótica, em que soba hipótese nula é assimptóticamente 8
9 distribuida χ k. No nosso caso de interesse, µ H = bβiv β b d OLS 0 V bβiv V d bβols bβiv β OLS b d χ k, (48) onde β b IV, β b d OLS, V bβiv d, V bβols foram definidos anteriormente. Para testar se um particular regressor x, que tem associado o parâmetro β no modelo, não éendógeno! H 0 : Cov(u, x) =E(ux) =0 p lim x i u i =0, (49) pode-se utilizar a estatística bβ,iv b β,ols V d bβ,iv V d χ bβ,ols d. (50) Para finalizar, apresentamos um teste ànão autocorrelação de erros e instrumentos onde o numero de instrumentos é pelo menos dois. Num contexto IV ou GMM linear, procura-se testar a hipótese nula de H 0 : E(uZ) =0,Z m em que os m> instrumentos para x não estão autocorrelacionados com u. Se H 0 não éaceiteentão concluimos que pelo menos um dos instrumentos não éválido e está correlacionado com os erros u. O modelo diz-se sobre-identificado pois m>. No caso de exacta identificação, m =, não é possivel desenvolver este teste. OtesteésimilaraoanteriordeHausmanemqueserecorrearesiduos. Nestecaso,no entanto, a estatística de teste é nr em que o R resulta do modelo auxiliar, bu = δ + δ z + π z + π z π m z m + e, (5) onde bu são os resíduosivdomodeloestruturalez,z,..., z m são os (possiveis) instrumentos para x. Aestatisticaéassimptóticamente distribuida como χ m. Na prática, pode-se estimar o modelo por IV com um instrumento existente e depois testar a introdução de um novo instrumento em que m =. De uma forma mais geral, pode-se testar para r regressores endogenos aintrodução de q instrumentos adicionais no modelo. A estatistica seria distribuida como χ q, onde q é a diferença entre o numero de instrumentos disponiveis (fora do modelo estrutural) e onumeroderegressoresendógenos r. Aplicações (...) Na verdade, o GMM linear considera E(u (β).z) =0 m onde m k (numero de instrumentos é maior ou igual ao número de parâmetros). 9
10 Exercícios. Discuta a questão de endogeneidade e a escolha de instrumentos no modelo Nota = β + β Faltas+ u, em que Nota é a nota do exame e Faltas é o numero de aulas que o aluno faltou.. Provar que o SLS no modelo y = β + β x + u eapenasz é instrumento para x coincide com o IV (6)
MODELOS DE ESCOLHA BINÁRIA
Econometria II, Lic. em Economia Luís Filipe Martins Dpt. de Métodos Quantitativos ISCTE - EG luis.martins@iscte.pt http://home.iscte.pt/ lfsm Lisboa, 24/0/2005 MODELOS DE ESCOLHA BINÁRIA Wooldridge 7.5,7
Leia maisMódulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano
Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com
Leia maisAnálise de Variância (ANOVA)
Análise de Variância (ANOVA) A Regressão Linear visa modelar uma variável resposta numérica (quantitativa), à custa de uma ou mais variáveis preditoras, igualmente numéricas. Mas uma variável resposta
Leia maisÁlgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial
Álgebra Linear Aplicada à Compressão de Imagens Universidade de Lisboa Instituto Superior Técnico Uma Breve Introdução Mestrado em Engenharia Aeroespacial Marília Matos Nº 80889 2014/2015 - Professor Paulo
Leia maisPlano da Apresentação. Correlação e Regressão linear simples. Correlação linear. Associação entre hábitos leitura e escolaridade.
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Plano da Apresentação Correlação linear Diagrama de dispersão Covariância Coeficiente de correlação de Pearson Teste de correlação
Leia maisCorrelação e Regressão linear simples
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Regressão linear simples Prof. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Correlação linear Diagrama de dispersão Covariância
Leia maisTeste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisO Cálculo λ sem Tipos
Capítulo 2 O Cálculo λ sem Tipos 21 Síntaxe e Redução Por volta de 1930 o cálculo lambda sem tipos foi introduzido como uma fundação para a lógica e a matemática Embora este objectivo não tenha sido cumprido
Leia mais0.1 Introdução Conceitos básicos
Laboratório de Eletricidade S.J.Troise Exp. 0 - Laboratório de eletricidade 0.1 Introdução Conceitos básicos O modelo aceito modernamente para o átomo apresenta o aspecto de uma esfera central chamada
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisAula 5. Uma partícula evolui na reta. A trajetória é uma função que dá a sua posição em função do tempo:
Aula 5 5. Funções O conceito de função será o principal assunto tratado neste curso. Neste capítulo daremos algumas definições elementares, e consideraremos algumas das funções mais usadas na prática,
Leia maisMOQ-14 Projeto e Análise de Experimentos
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear
Leia maisTipos de investigação educacional diferenciados por:
Bento Março 09 Tipos de investigação educacional diferenciados por: Praticalidade Básica Aplicada Método Qualitativo Quantitativo Experimental Não experimental Questões Etnográfica Histórica Descritiva
Leia mais[RESOLUÇÃO] Economia I; 2012/2013 (2º semestre) Prova da Época Recurso 3 de Julho de 2013
Economia I; 01/013 (º semestre) Prova da Época Recurso 3 de Julho de 013 [RESOLUÇÃO] Distribuição das respostas correctas às perguntas da Parte A (6 valores) nas suas três variantes: ER A B C P1 P P3 P4
Leia mais2 Conceitos Básicos. onde essa matriz expressa a aproximação linear local do campo. Definição 2.2 O campo vetorial v gera um fluxo φ : U R 2 R
2 Conceitos Básicos Neste capítulo são apresentados alguns conceitos importantes e necessários para o desenvolvimento do trabalho. São apresentadas as definições de campo vetorial, fluxo e linhas de fluxo.
Leia maisExercícios e questões de Álgebra Linear
CEFET/MG Exercícios e questões de Álgebra Linear Versão 1.2 Prof. J. G. Peixoto de Faria Departamento de Física e Matemática 25 de outubro de 2012 Digitado em L A TEX (estilo RevTEX). 2 I. À GUISA DE NOTAÇÃO
Leia maisCoeficiente de Assimetria e Curtose. Rinaldo Artes. Padronização., tem as seguintes propriedades: Momentos
Coeficiente de Assimetria e Curtose Rinaldo Artes 2014 Padronização Seja X uma variável aleatória com E(X)=µ e Var(X)=σ 2. Então a variável aleatória Z, definida como =, tem as seguintes propriedades:
Leia maisFACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007)
FACULDADE DE CIÊNCIAS E TECNOLOGIA Redes de Telecomunicações (2006/2007) Engª de Sistemas e Informática Trabalho nº4 (1ª aula) Título: Modelação de tráfego utilizando o modelo de Poisson Fundamentos teóricos
Leia maisProbabilidade e Estatística
Probabilidade e Estatística TESTES DE HIPÓTESES (ou Testes de Significância) Estimação e Teste de Hipóteses Estimação e teste de hipóteses (ou significância) são os aspectos principais da Inferência Estatística
Leia maisAnálise espacial do prêmio médio do seguro de automóvel em Minas Gerais
Análise espacial do prêmio médio do seguro de automóvel em Minas Gerais 1 Introdução A Estatística Espacial é uma área da Estatística relativamente recente, que engloba o estudo dos fenômenos em que a
Leia maisAnálise de Regressão Linear Simples III
Análise de Regressão Linear Simples III Aula 03 Gujarati e Porter Capítulos 4 e 5 Wooldridge Seção.5 Suposições, Propriedades e Teste t Suposições e Propriedades RLS.1 O modelo de regressão é linear nos
Leia maisEGEA ESAPL - IPVC. Resolução de Problemas de Programação Linear, com recurso ao Excel
EGEA ESAPL - IPVC Resolução de Problemas de Programação Linear, com recurso ao Excel Os Suplementos do Excel Em primeiro lugar deverá certificar-se que tem o Excel preparado para resolver problemas de
Leia maisActivALEA. ative e atualize a sua literacia
ActivALEA ative e atualize a sua literacia N.º 26 A FREQUÊNCIIA RELATIIVA PARA ESTIIMAR A PROBABIILIIDADE Por: Maria Eugénia Graça Martins Departamento de Estatística e Investigação Operacional da FCUL
Leia maisComandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios
Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios O Método Intuitivo de elaboração de circuitos: As técnicas de elaboração de circuitos eletropneumáticos fazem parte
Leia maisTestes de Hipóteses Estatísticas
Capítulo 5 Slide 1 Testes de Hipóteses Estatísticas Resenha Hipótese nula e hipótese alternativa Erros de 1ª e 2ª espécie; potência do teste Teste a uma proporção; testes ao valor médio de uma v.a.: σ
Leia maisConsideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar:
Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: o tempo médio de efeito de dois analgésicos não é o mesmo; a popularidade de determinado partido político aumentou; uma
Leia maisTécnicas de Contagem I II III IV V VI
Técnicas de Contagem Exemplo Para a Copa do Mundo 24 países são divididos em seis grupos, com 4 países cada um. Supondo que a escolha do grupo de cada país é feita ao acaso, calcular a probabilidade de
Leia maisO JOVEM COMERCIÁRIO: TRABALHO E ESTUDO
O JOVEM COMERCIÁRIO: TRABALHO E ESTUDO O comércio sempre foi considerado como porta de entrada para o mercado de trabalho sendo, assim, um dos principais setores econômicos em termos de absorção da população
Leia mais(1, 6) é também uma solução da equação, pois 3 1 + 2 6 = 15, isto é, 15 = 15. ( 23,
Sistemas de equações lineares generalidades e notação matricial Definição Designa-se por equação linear sobre R a uma expressão do tipo com a 1, a 2,... a n, b R. a 1 x 1 + a 2 x 2 +... + a n x n = b (1)
Leia maisDEPARTAMENTO DE MATEMÁTICA
FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km 1, Tel: +258 21401078, Fax: +258 21401082, Maputo Cursos de Licenciatura em Ensino de Matemática
Leia maisMODULAÇÃO DE UM SINAL ANALÓGICO
Relatório de Microprocessadores 2007/2008 Engenharia Física Tecnológica MODULAÇÃO DE UM SINAL ANALÓGICO USANDO UM PWM E UM CIRCUITO RC E AQUISIÇÃO ATRAVÉS DE UM ADC Laboratório IV Trabalho realizado por:
Leia maisRelatório do Experimento 1 Sistema Massa - Mola. Fernando Henrique Ferraz Pereira da Rosa
FEP0111 - Física I Relatório do Experimento 1 Sistema Massa - Mola Fernando Henrique Ferraz Pereira da Rosa 4 de novembro de 2005 Sumário 1 Introdução 2 2 Objetivos 2 3 Procedimento experimental 2 3.1
Leia maisRecorrendo à nossa imaginação podemos tentar escrever números racionais de modo semelhante: 1 2 = 1 + 3 + 32 +
1 Introdução Comecemos esta discussão fixando um número primo p. Dado um número natural m podemos escrevê-lo, de forma única, na base p. Por exemplo, se m = 15 e p = 3 temos m = 0 + 2 3 + 3 2. Podemos
Leia maisAULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisExercícios de Aprofundamento Mat Polinômios e Matrizes
. (Unicamp 05) Considere a matriz A A e A é invertível, então a) a e b. b) a e b 0. c) a 0 e b 0. d) a 0 e b. a 0 A, b onde a e b são números reais. Se. (Espcex (Aman) 05) O polinômio q(x) x x deixa resto
Leia maisGEOMETRIA DO TAXISTA. (a -b )² + (a -b )²
GEOMETRI O TXIST Geometria do Taxista é uma geometria não-euclidiana, no sentido em que a noção de distância não é a mesma e acordo com o desenho abaixo, suponhamos um motorista de táxi que apanha um cliente
Leia maisNOTA SOBRE A TEORIA DA ESTABILIDADE DO EQUILÍBRIO EM MERCADOS MÚLTIPLOS: JOHN HICKS
NOTA SOBRE A TEORIA DA ESTABILIDADE DO EQUILÍBRIO EM MERCADOS MÚLTIPLOS: JOHN HICKS Tácito Augusto Farias* RESUMO Esta nota trata das principais contribuições conceituais de um importante economista do
Leia maisLinha Técnica Sessão IV Variáveis Instrumentais
Impact Evaluation Linha Técnica Sessão IV Variáveis Instrumentais Human Development Human Network Development Network Middle East and North Africa Region World Bank Institute Spanish Impact Evaluation
Leia maisFigura 4.1: Diagrama de representação de uma função de 2 variáveis
1 4.1 Funções de 2 Variáveis Em Cálculo I trabalhamos com funções de uma variável y = f(x). Agora trabalharemos com funções de várias variáveis. Estas funções aparecem naturalmente na natureza, na economia
Leia maisProbabilidade. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá os conceitos básicos de probabilidade que é a base de toda inferência estatística, ou seja, a estimativa de parâmetros populacionais com base em dados amostrais.
Leia maisDISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Leia maisDefinição de determinantes de primeira e segunda ordens. Seja A uma matriz quadrada. Representa-se o determinante de A por det(a) ou A.
Determinantes A cada matriz quadrada de números reais, pode associar-se um número real, que se designa por determinante da matriz Definição de determinantes de primeira e segunda ordens Seja A uma matriz
Leia maisPROGRAMA ERASMUS+ Ação-Chave 1: Mobilidade individual de estudos para estudantes do ensino superior. 2.º Ciclo. Regulamento
PROGRAMA ERASMUS+ Ação-Chave 1: Mobilidade individual de estudos para estudantes do ensino superior 2.º Ciclo Regulamento I. INDICAÇÕES GERAIS 1.1. A mobilidade Erasmus oferece aos alunos de mestrado a
Leia maisComo rodar a regressão no gretl. Usando o Console para calcular elasticidade. Elasticidade. Usando o Console para calcular predição
Como rodar a regressão no gretl Alguns tópicos do gretl Usando o console: Comando: ols y const 3 Estima uma função linear usando o método de Mínimos Quadrados Ordinários. Elasticidade Intuição: resposta
Leia maisINDUÇÃO MATEMÁTICA. Primeiro Princípio de Indução Matemática
INDUÇÃO MATEMÁTICA Indução Matemática é um método de prova matemática tipicamente usado para estabelecer que um dado enunciado é verdadeiro para todos os números naturais, ou então que é verdadeiro para
Leia maisCusto de Oportunidade do Capital
Custo de Oportunidade do Capital É o custo de oportunidade de uso do fator de produção capital ajustado ao risco do empreendimento. Pode ser definido também como a taxa esperada de rentabilidade oferecida
Leia maisPós-Graduação em Computação Distribuída e Ubíqua
Pós-Graduação em Computação Distribuída e Ubíqua INF612 - Aspectos Avançados em Engenharia de Software Engenharia de Software Experimental [Head First Statistics] Capítulos 10, 11, 12 e 13 [Experimentation
Leia maisDureza Rockwell. No início do século XX houve muitos progressos. Nossa aula. Em que consiste o ensaio Rockwell. no campo da determinação da dureza.
A UU L AL A Dureza Rockwell No início do século XX houve muitos progressos no campo da determinação da dureza. Introdução Em 1922, Rockwell desenvolveu um método de ensaio de dureza que utilizava um sistema
Leia maisPressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
Leia maisDistribuição Normal de Probabilidade
Distribuição Normal de Probabilidade 1 Aspectos Gerais 2 A Distribuição Normal Padronizada 3 Determinação de Probabilidades 4 Cálculo de Valores 5 Teorema Central do Limite 1 1 Aspectos Gerais Variável
Leia maisOptimização e Algoritmos (2004/2005)
Optimização e Algoritmos (2004/2005) Instituto Superior Técnico Engenharia Electrotécnica e de Computadores Série de Problemas 3 Regras de Armijo e Wolfe, Introdução às funções convexas Problema 1.[Regras
Leia maisResolução de sistemas de equações lineares: Método de eliminação de Gauss
Resolução de sistemas de equações lineares: Método de eliminação de Gauss Marina Andretta ICMC-USP 21 de março de 2012 Baseado no livro Análise Numérica, de R L Burden e J D Faires Marina Andretta (ICMC-USP)
Leia maisMicroeconomia. Prof.: Antonio Carlos Assumpção
Microeconomia Efeitos Renda e Substituição Prof.: Antonio Carlos Assumpção Efeito Renda e Efeito Substituição Uma queda no preço de um bem ou serviço tem dois efeitos: Substituição e Renda Efeito Substituição
Leia maisSeu pé direito nas melhores Faculdades
10 Insper 01/11/009 Seu pé direito nas melhores Faculdades análise quantitativa 40. No campeonato brasileiro de futebol, cada equipe realiza 38 jogos, recebendo, em cada partida, 3 pontos em caso de vitória,
Leia maisMedidas de Localização
MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS RESUMO Estatística 2 Medidas de Localização e Dispersão 10º ano Cláudia Henriques Medidas de Localização Estatísticas Medidas que se calculam a partir dos dados
Leia maisA Estatística e a Engenharia
Causarum Cognitio - Stanza della Segnatura, Palácio do Vaticano 1 Uma definição de engenharia: Um engenheiro é alguém que resolve problemas que interessam à sociedade pela aplicação eficiente de princípios
Leia maisEstatística Analítica
Teste de Hipótese Testes Estatísticos 2 Teste de Hipótese Testes Estatísticos 3 1 Teste de Hipótese Testes Estatísticos 4 Principais Testes: Teste Qui-quadrado Teste T de Student Teste ANOVA Teste de Correlação
Leia maisEntropia, Entropia Relativa
Entropia, Entropia Relativa e Informação Mútua Miguel Barão (mjsb@di.uevora.pt) Departamento de Informática Universidade de Évora 13 de Março de 2003 1 Introdução Suponhamos que uma fonte gera símbolos
Leia mais2 Segmentação de imagens e Componentes conexas
Universidade Tecnológica Federal do Paraná (UTFPR) Departamento Acadêmico de Informática (DAINF) Algoritmos II Professor: Alex Kutzke (alexk@dainf.ct.utfpr.edu.br) Especificação do Primeiro Trabalho Prático
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 5 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise de dados bivariada: cruzamentos e medidas de associação variáveis nominais e ordinais e variáveis
Leia maisFísica Experimental III
Física Experimental III Unidade 4: Circuitos simples em corrente alternada: Generalidades e circuitos resistivos http://www.if.ufrj.br/~fisexp3 agosto/26 Na Unidade anterior estudamos o comportamento de
Leia maisAula 8 21/09/2009 - Microeconomia. Demanda Individual e Demanda de Mercado. Bibliografia: PINDYCK (2007) Capítulo 4
Aula 8 21/09/2009 - Microeconomia. Demanda Individual e Demanda de Mercado. Bibliografia: PINDYCK (2007) Capítulo 4 Efeito de modificações no preço: Caso ocorram modificações no preço de determinada mercadoria
Leia maisECONOMIA DA EDUCAÇÃO Módulo 1 Princípios de Economia
Opções Estratégicas Para a Implantação de Novas Políticas Educacionais ECONOMIA DA EDUCAÇÃO Módulo 1 Princípios de Economia Bob Verhine Universidade Federal da Bahia verhine@ufba.br A divulgação desta
Leia maisRESUMO ABSTRACT. Vamos supor que uma caixa-preta, representada por uma relação de entrada e saída. f :!! 7!
REALIZAÇÃO CANÔNICA DA SEQÜÊNCIA DE FIBONACCI Paulo Franca Bandel (IC) 1 & Marcos Antonio Botelho Labmat Laboratório de Matemática Experimental Departamento de Matemática Instituto Tecnológico de Aeronáutica
Leia mais3º Ano do Ensino Médio. Aula nº06
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº06 Assunto: Noções de Estatística 1. Conceitos básicos Definição: A estatística é a ciência que recolhe, organiza, classifica, apresenta
Leia maisInstituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época Normal 9/01/2013 Duração 2 horas
Instituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época Normal 9/01/2013 Duração 2 horas NOME: Turma: Processo Espaço Reservado para Classificações A utilização do telemóvel
Leia maisVantagens e desvantagens da utilização do patrimônio líquido pelo seu valor de mercado na avaliação de empresas
Vantagens e desvantagens da utilização do patrimônio líquido pelo seu valor de mercado na avaliação de empresas! Quais as vantagem da utilização do valor de mercado em relação a utilização do patrimônio
Leia mais. (A verificação é imediata.)
1 Universidade de São Paulo/Faculdade de Educação Seminários de Ensino de Matemática (SEMA-FEUSP) Coordenador: Nílson José Machado novembro/2010 Instabilidade em Sistemas de Equações Lineares Marisa Ortegoza
Leia maisAvaliação do Risco Isolado
Avaliação do Risco Isolado! O que é! Onde é utilizada! Análise de Sensibilidade! Análise de Cenários! Exemplos Francisco Cavalcante (francisco@fcavalcante.com.br) Sócio-Diretor da Cavalcante & Associados,
Leia maisUniversidade Nova de Lisboa FACULDADE DE ECONOMIA
Universidade Nova de Lisboa FACULDADE DE ECONOMIA Nome: Exame de Econometria I 1998/1999 (150 minutos) 5 de Fevereiro de 1999 Na folha existem espaços para apresentar as suas respostas. Defina todos os
Leia maisFicha de Exercícios nº 2
Nova School of Business and Economics Álgebra Linear Ficha de Exercícios nº 2 Matrizes, Determinantes e Sistemas de Equações Lineares 1 O produto de duas matrizes, A e B, é a matriz nula (mxn). O que pode
Leia maisProf. Daniela Barreiro Claro
O volume de dados está crescendo sem parar Gigabytes, Petabytes, etc. Dificuldade na descoberta do conhecimento Dados disponíveis x Análise dos Dados Dados disponíveis Analisar e compreender os dados 2
Leia maisUniversidade Federal de Goiás Campus Catalão Departamento de Matemática
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear Professor: André Luiz Galdino Aluno(a): 4 a Lista de Exercícios 1. Podemos entender transformações lineares
Leia maisInteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Leia maisAula 15 Amplificadores Operacionais (pág. 453 a 459)
Aula 15 Amplificadores Operacionais (pág. 453 a 459) Prof. Dr. Aparecido Nicolett PUC-SP Slide 1 Considerações gerais: Amplificadores Operacionais são amplificadores diferencias com ganho muito alto, impedância
Leia maisAvaliação Econômica do Projeto de Microcrédito para a população da Zona Norte de Natal/RN
FUNDAÇÃO ITAÚ SOCIAL CENTRO DE APOIO AOS MICROEMPREENDEDORES Avaliação Econômica do Projeto de Microcrédito para a população da Zona Norte de Natal/RN Equipe: Iraê Cardoso, Isabela Almeida, Lilian Prado,
Leia maisAvaliação Econômica Projeto de Inclusão Digital. Naercio Aquino Menezes Filho Centro de Políticas Públicas Insper FEA-USP e Fundação Itaú Social
Avaliação Econômica Projeto de Inclusão Digital Naercio Aquino Menezes Filho Centro de Políticas Públicas Insper FEA-USP e Fundação Itaú Social Estrutura da Apresentação 1) O que é a Avaliação Econômica?
Leia maisResolução da Lista de Exercício 6
Teoria da Organização e Contratos - TOC / MFEE Professor: Jefferson Bertolai Fundação Getulio Vargas / EPGE Monitor: William Michon Jr 10 de novembro de 01 Exercícios referentes à aula 7 e 8. Resolução
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE. Aula 03 Inversão de matrizes
UNIVERSIDDE FEDERL DO RIO GRNDE DO NORTE Prof. Hector Carrion S. Álgebra Linear ula Inversão de matrizes Resumo Matriz inversa Inversa de matriz elementar Matriz adjunta Inversão de matrizes Uma matriz
Leia maisConteúdo programático
Introdução à Linguagem C Conteúdo programático Introdução à Linguagem C Estrutura de Programas Variáveis, Constantes Operadores, Entrada e Saída de Dados Estruturas de Desvio Estrutura de Múltipla Escolha
Leia maisPOTENCIAÇÃO, RADICIAÇÃO E LOGARITMAÇÂO NOS NÚMEROS REAIS. Potenciação 1
POTENCIAÇÃO, RADICIAÇÃO E LOGARITMAÇÂO NOS NÚMEROS REAIS Potenciação 1 Neste texto, ao classificarmos diferentes casos de potenciação, vamos sempre supor que a base e o expoente sejam não nulos, pois já
Leia maisUNIVERSIDADE ESTADUAL DE MARINGÁ CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA 1 GRÁFICOS
UNIVERSIDADE ESTADUAL DE MARINGÁ CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA Prof. Irineu Hibler 1 GRÁFICOS Os gráficos desempenham na Física Experimental um papel preponderante. Mais facilmente pelos
Leia maisPerguntas e respostas sobre os serviços móveis de dados
Perguntas e respostas sobre os serviços móveis de dados (As seguintes informações são só para referência, em caso de dúvida consulte a operadora.) 1. Como se podem utilizar os serviços móveis de dados?
Leia maisSejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou
Sejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou y = ax + b ax y = b Desta forma, para encontrarmos a equação da reta que passa por entre esses dois
Leia maisEstimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança
Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade
Leia mais. B(x 2, y 2 ). A(x 1, y 1 )
Estudo da Reta no R 2 Condição de alinhamento de três pontos: Sabemos que por dois pontos distintos passa uma única reta, ou seja, dados A(x 1, y 1 ) e B(x 2, y 2 ), eles estão sempre alinhados. y. B(x
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Produtos Notáveis; Equações; Inequações; Função; Função Afim; Paridade;
Leia maisSe inicialmente, o tanque estava com 100 litros, pode-se afirmar que ao final do dia o mesmo conterá.
ANÁLISE GRÁFICA QUANDO y. CORRESPONDE A ÁREA DA FIGURA Resposta: Sempre quando o eio y corresponde a uma taa de variação, então a área compreendida entre a curva e o eio do será o produto y. Isto é y =
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 21 de Junho de 2013 3 Uma outra medida usada para verificar o ajuste do modelo. Essa estatística é dada por X
Leia maisUniversidade Estadual de Campinas Departamento de Matemática. Teorema de Jacobson. Adriana Wagner(RA: 144768) Gustavo Terra Bastos(RA: 143800)
Universidade Estadual de Campinas Departamento de Matemática Teorema de Jacobson Adriana Wagner(RA: 144768) Gustavo Terra Bastos(RA: 143800) Campinas - SP 2013 1 Resumo Nesta monografia apresentamos a
Leia maisREGULAMENTAÇÃO DE CARTÕES DE CRÉDITO NO BRASIL COMISSÃO DE FINANÇAS E TRIBUTAÇÃO DA CÂMARA DOS DEPUTADOS. Brasília, 23 de junho de 2010
REGULAMENTAÇÃO DE CARTÕES DE CRÉDITO NO BRASIL COMISSÃO DE FINANÇAS E TRIBUTAÇÃO DA CÂMARA DOS DEPUTADOS Brasília, 23 de junho de 2010 1 IMPORTÂNCIA DO PRESENTE DEBATE NA CÂMARA DOS DEPUTADOS: REFLEXÃO
Leia maisWWW.RENOVAVEIS.TECNOPT.COM
Energia produzida Para a industria eólica é muito importante a discrição da variação da velocidade do vento. Os projetistas de turbinas necessitam da informação para otimizar o desenho de seus geradores,
Leia maisComecemos por relembrar as propriedades das potências: = a x c) a x a y = a x+y
. Cálculo Diferencial em IR.1. Função Exponencial e Função Logarítmica.1.1. Função Exponencial Comecemos por relembrar as propriedades das potências: Propriedades das Potências: Sejam a e b números positivos:
Leia maisAula de Exercícios - Teorema de Bayes
Aula de Exercícios - Teorema de Bayes Organização: Rafael Tovar Digitação: Guilherme Ludwig Primeiro Exemplo - Estagiários Três pessoas serão selecionadas aleatóriamente de um grupo de dez estagiários
Leia maisFinanças Empresariais I. Cap. 4
Finanças Empresariais I Cap. 4 1. Se o payback de um projeto de investimento é menor do que a vida útil desse projeto o que podemos concluir acerca do VAL? E quanto ao payback atualizado? 2. A empresa
Leia maisVERSÃO RESPOSTAS PROVA DE MARKETING
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE ORGANIZAÇÕES PROCESSO SELETIVO DOUTORADO - TURMA 2011 VERSÃO
Leia maisCódigos de bloco. Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2
Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2 Códigos de bloco Prof. Diego da Silva de Medeiros São José, maio de 2012 Codificação
Leia mais