PESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc.
|
|
- Jerónimo Gabriel Neto Benevides
- 6 Há anos
- Visualizações:
Transcrição
1 PESQUISA EM MERCADO DE CAPITAIS Prof. Patricia Maria Bortolon, D. Sc.
2 Cap. 7 A Estrutura de Correlações dos Retornos dos Ativos: modelo de índice único ELTO, E.; GRUBER, M.; BROW, S., GOETZMA, W. Moderna Teoria de Carteiras e Análise de Investimentos. São Paulo: Editora Atlas, 2004.
3 Moderna Teoria de Carteiras mais de 50 anos!! Pesquisas sobre como implementar a teoria básica. Como simplificar a quantidade e tipo de insumos necessários; Simplificação dos procedimentos computacionais para os cálculos das carteiras ótimas.
4 Os dados necessários R P = X i R i σ P = X i 2 σ i 2 + j=1 j i Precisamos de estimativas de: Retornos esperados de cada ativo; Variância de cada ativo; Correlação entre cada par de ativos. X i X j σ i σ j ρ ij 1 2 Em uma carteira com 150 ativos isso significa: 150 retornos, 150 variâncias e correlações ((-1)/2)
5 Modelos para prever estruturas de correlações Técnica mais usada: pressupõe que a variação conjunta entre ações se deve a uma única influência ou índice comum. Modelo de Índice Único Uma das razões pelas quais os retornos dos ativos são correlacionados é que há uma resposta comum a mudanças no mercado; Uma medida útil dessa correlação pode ser a relação entre o retorno de uma ação e o retorno de um índice geral do mercado acionário: R i = α i + β i R m
6 Modelo de Índice Único R i = α i + β i R m Componente que independe do mercado Componente que depende do mercado α i = a i + e i Elemento aleatório, tem valor esperado igual a zero R i = α i + β i R m + e i São variáveis aleatórias, com distribuição de probabilidades, variância e desvio padrão (σ ei ; σ m )
7 Pressupostos do Modelo de Índice Único A análise de regressão garante que e i não seja correlacionado com R m cov e i R m = E e i 0 R m R m = 0 O modelo de índice único vale apenas com certos pressupostos. A pressuposição essencial é que e i é independente de e j. E e i e j = 0 Isso implica em a única razão para as ações se moverem juntas é a resposta conjunta às variações do mercado. Entretanto, é uma aproximação da realidade, nada no método de regressão garante isso.
8 Retorno Esperado E[R i ] = E[α i + β i R m + e i ] E[R i ] = E[α i ] + E[β i R m ] + E[e i ] E[R i ] = α i + β i R m
9 Variância do Retorno σ i 2 = E R i R i 2 σ i 2 = E α i + β i R m + e i α i + β i R m 2 Rearranjando e notando que os α se cancelam: σ i 2 = E β i R m R m + e i 2 Elevando ao quadrado os termos entre colchetes: σ i 2 = β i 2 E R m R m 2 + 2β i E e i R m R m + E e i 2 Como, por pressuposição E e i R m R m = 0:
10 Variância do Retorno σ i 2 = β i 2 E R m R m 2 + 2β i E e i R m R m + E e i 2 Como, por pressuposição E e i R m R m = 0: σ i 2 = β i 2 E R m R m 2 + E e i 2 σ 2 i = β 2 i σ 2 2 m + σ ei
11 Covariância entre dois ativos quaisquer σ ij = E R i R i R j R j σ ij = E α i + β i R m + e i α i + β i R m. α j + β j R m + e j α j + β j R m σ ij = E β i R m R m + e i β j R m R m + e j σ ij = β i β j E R m R 2 m + β j E e i R m R m + β i E e j R m R m + E e i e j σ ij = β i β j E R m R m 2 σ ij = β i β j σ m 2
12 Decomposição dos retornos de um ativo β i = 1,5 é o valor que separa o retorno de mercado do retorno do singular do ativo, tornando zero a covariância entre R m e e i. R i = α i + β i R m = 2 + 1,5 4 = 8 σ 2 i = β 2 i σ 2 m + σ 2 ei = 1, ,8 = 20,8
13 Retorno Esperado e Variância de uma carteira Retorno esperado R P = X i R i R P = X i α i + X i β i R m Variância σ P 2 = σ P 2 = X i 2 β i 2 σ m 2 + X i 2 σ i 2 + j=1 j i j=1 j i X i X j σ ij X i X j β i β j σ m 2 + X 2 2 i σ ei
14 Retorno Esperado e Variância de uma carteira Para estimar retorno e risco de uma carteira é preciso: uma estimativa de α i para cada ação, β i para cada ação, σ i 2 para cada ação e, o retorno esperado R m e variância σ m 2 do mercado. Um total de estimativas. Para uma carteira de 150 ativos isso representa 452 estimativas, ao invés das sem a estrutura simplificada. Uma alternativa é estimar retorno esperado, variância e beta de cada ativo e a variância do retorno do mercado. Isso dá estimativas.
15 Características do Modelo de Índice Único O beta e o alfa de uma carteira β P = X i β i α P = O retorno da carteira pode então ser escrito: X i α i R P = α P + β P R m Sendo P a carteira de mercado teremos que ter α P = 0 e β P = 1 para que R P = R m. Portanto, o beta do mercado é igual a 1. A expressão do risco de uma carteira pode ser reescrita (fazendo i = j no duplo somatório): σ P 2 = j=1 X i X j β i β j σ m 2 + X 2 2 i σ ei
16 Características do Modelo de Índice Único Rearranjando os termos: σ P 2 = O risco da carteira pode então ser escrito: X i β i j=1 O risco de uma carteira igualmente ponderada será: σ P 2 = β P 2 σ m 2 + X j β j σ m 2 + X 2 2 i σ ei X 2 2 i σ ei σ P 2 = β P 2 σ m σ 2 ei = 1/ vezes o risco residual médio
17 Características do Modelo de Índice Único À medida que aumenta o no. de ativos na carteira, a importância 1 σ 2 ei do risco residual médio 1 diminui drasticamente. O risco que não é eliminado é o associado ao termo β P. Se o risco residual se aproxima de zero o risco da carteira pode ser escrito: σ P = β P 2 σ m = β P σ m = σ m X i β i Portanto, a medida da contribuição de um ativo para o risco de uma carteira diversificada é β i.
18 Decomposição do Risco σ 2 i = β 2 i σ 2 2 m + σ ei σ 2 ei se aproxima de zero à medida que a carteira aumenta de tamanho. É o risco diversificável. β i 2 σ m 2 não diminui à medida que aumenta. Como σ m 2 é igual para todos os ativos, β i é a medida do risco não diversificável do ativo. β i é muitas vezes usado como medida do risco de um ativo.
19 Estimativas de Betas
20 Estimativa de Betas Históricos Através de diagramas de dispersão e regressão linear β i = σ im 2 σ = t=1 R it R it R mt R mt m t=1 R mt R 2 mt α i = R it β i R mt São estimativas. Podem não ser estacionários no tempo.
21 Exatidão dos Betas Históricos Blume (1970) e Levy (1971): em que medida o beta de um período se relacionava com o beta do período seguinte, examinando carteiras de diferentes tamanhos
22 Ajustamento de Estimativas Históricas O beta estimado é função do verdadeiro beta subjacente e do erro amostral; Uma estimativa alta aumenta a chance de um erro amostral positivo, e uma estimativa baixa a de um erro amostral negativo; Se esse cenário é correto deve-se esperar que os betas tendam a convergir para 1 em períodos sucessivos; Estimativas muito maiores que 1 seriam seguidas por betas mais próximos de 1 (mais baixas), e estimativas de betas abaixo de 1 seriam seguidas por betas mais altos.
23 Ajustamento de Estimativas Históricas Evidências foram apresentadas por Blume (1975) e Levy (1971)
24 A técnica de Blume Tenta corrigir os betas históricos capturando essa tendência a estar mais próximo de 1; Blume (1975) mediu betas em dois períodos consecutivos e fez uma regressão do segundo período em relação ao primeiro: β i2 = 0, ,677β i1 A equação reduz valores altos e aumenta valores baixos. A técnica de Blume resulta em uma extrapolação contínua da tendência de aumento dos betas.
25 A técnica de Vasicek O ajustamento depende do tamanho da incerterza (erro amostral) em relação ao beta. Vasicek (1973) utiliza como ponderação a variação dos betas históricos de uma amostra de ações σ 2 β1 no perído 1 e a variação na estimativa de beta de uma determinada ação i medida no período 1, σ 2 βi1. β i2 = 2 σ βi1 σ 2 + σ β 1 βi1 2 β σ β 1 σ σ β i1 β 1 βi1
26 Precisão do beta ajustado Klemkosky e Martin (1976) testaram as duas técnicas ao longo de 3 períodos de 5 anos para uma ação e uma carteira com 10 ações; As duas técnicas produziram previsões mais exatas dos betas futuros do que os betas sem ajustamento; Entretanto, entre a técnica bayesiana e a de Blume não foi possível identificar claramente qual a melhor. Outra forma de testar os betas é avaliar sua capacidade de prever a estrutura de correlações entre ações!!
27 Betas como previsores de coeficientes de correlação ρ ij = σ ij = β iβ j σ m σ i σ j σ i σ j Elton, Gruber e Ulrich (1978) compararam: A matriz de correlações históricas; Previsões da matriz a partir de betas históricos do período anterior; Idem anterior utilizando a técnica de Blume para ajuste dos betas históricos; Idem anterior utilizando a técnica de Vasicek. 2
28 Betas como previsores de coeficientes de correlação Elton, Gruber e Ulrich (1978) conclusões: A matriz de correlações históricas foi a pior técnica; O modelo de índice único funciona melhor que o conjunto completo de dados históricos; A comparação entre as três técnicas de previsão de betas é mais ambígua.
29 Erros de previsão de betas Modelo de índice único: Como pressupõe que a única fonte de correlação é a resposta ao mercado, quando há outras fontes de correlação como por exemplo setoriais, se essa correlação é positiva o beta será subestimado. Técnica de Blume: Como ajusta o beta me relação a 1 tende a aumentar o coeficiente de correlação médio. Como o coeficiente de correlação é o produto de dois betas o produto tende a ser maior. Técnica de Vasicek: Tende a puxar os coeficientes de correlação médios para baixo.
30 Resumo: por que estimar betas? Para estimar betas futuros; Para gerar coeficientes de correlação necessários à solução da otimização de carteiras. Ao prever betas utilize uma das técnicas de ajustamento (Blume ou Vasicek); ão é clara a preferência de uma ou outra; Para estimar a matriz de correlações a partir de betas, qualquer técnica trará tendenciosidades; Qualquer das 3 estimativas (índice único, Blume ou Vasicek) é melhor que a matriz de correlações histórica; Os autores recomendam fazer o ajustamento na previsão média, neste caso a técnica bayesiana tem melhor desempenho.
31 Betas Fundamentais O risco de uma firma depende de fundamentos operacionais e de mercado; Beaver, Kettler e Scholes (1970) examinaram sete variáveis e a relação com o beta: Distribuição de dividendos (-); Crescimento dos ativos (+); Alavancagem (+); Liquidez (-); Tamanho do ativo (-); Variabilidade dos rendimentos (+); Beta contábil (+).
32 Betas Fundamentais e Históricos Betas Históricos: Vantagens: Medem a resposta de cada ação aos movimentos do mercado; Desvantagens: Mudanças em características das companhias demoram a ter efeito nas estimativas Betas Fundamentais: Vantagens: Respondem mais rapidamente a mudanças nas características das companhias. Desvantagem: Pressupõe que a sensibilidade de todos os betas a uma variável fundamental subjacente é a mesma.
33 O Modelo de Mercado Idêntico ao Modelo de Índice Único, exceto que não se pressupõe que cov(e i, e j ) = 0. Relação entre retornos e retorno de mercado: R i = α i + β i R m + e i Retorno esperado para qualquer ação: R i = α i + β i R m Como não pressupõe que todas as covariâncias entre ações se devem à covariância comum com o mercado, as expressões para risco da carteira são diferentes e mais complexas do que as resultantes do Modelo de Índice Único. A estimativa do beta, entretanto, vale para ambos os moedelos.
Modelos 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 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 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 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 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 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 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 maisModelo de Precificação de A0vos Financeiros (CAPM) e Hipótese do Mercado Eficiente (HME) Aula de Fernando Nogueira da Costa Professor do IE- UNICAMP
Modelo de Precificação de A0vos Financeiros (CAPM) e Hipótese do Mercado Eficiente (HME) Aula de Fernando Nogueira da Costa Professor do IE- UNICAMP Keynes: comparou os investimentos a concurso de beleza
Leia maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avaliação de Empresas RISCO E RETORNO Aula 2 Retorno Total É a variação total da riqueza proporcionada por um ativo ao seu detentor. Fonte: Notas de Aula do Prof. Claudio Cunha Retorno Total Exemplo 1
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 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 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
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 maisBPI αlpha O FEI que investe em Produtos Estruturados.
O FEI que investe em Produtos Estruturados. UMA NOVA FORMA DE INVESTIR O BPI Alpha é o primeiro Fundo Especial de Investimento (FEI) do BPI e tem como objectivo principal dar aos clientes o acesso a uma
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 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 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 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 maisPOLÍTICA DE INVESTIMENTOS DA BRASKEM
ANEXO À PD.CA/BAK-37/2010 POLÍTICA DE INVESTIMENTOS DA BRASKEM Aprovada pelo Conselho de Administração da Braskem S.A. em 29 de Novembro de 2010 1 XX/XX/10 RAE Inventimentos LE Braskem Revisão Data da
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 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 mais15.053 26 de fevereiro de 2002
15.053 26 de fevereiro de 2002 Análise de Sensibilidade apresentado como Perguntas Freqüentes Pontos ilustrados em um exemplo contínuo de fabricação de garrafas. Se o tempo permitir, também consideraremos
Leia maisMBA em Gerenciamento de Projetos. Teoria Geral do Planejamento. Professora: Maria Erileuza do Nascimento de Paula
MBA em Gerenciamento de Projetos Teoria Geral do Planejamento Professora: Maria Erileuza do Nascimento de Paula SOBRAL - CE 2014 O que é Planejamento É um processo contínuo e dinâmico que consiste em um
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 maisIV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla
IV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla Significância Estatística Existe uma estatítica, o t-estatístico,associado a cada estimativa O t-estatístico mede
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 maisRegressão, Interpolação e Extrapolação Numéricas
, e Extrapolação Numéricas Departamento de Física Universidade Federal da Paraíba 29 de Maio de 2009, e Extrapolação Numéricas O problema Introdução Quem é quem Um problema muito comum na física é o de
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 mais1ª) Lista de Exercícios de Laboratório de Física Experimental A Prof. Paulo César de Souza
1ª) Lista de Exercícios de Laboratório de Física Experimental A Prof. Paulo César de Souza 1) Arredonde os valores abaixo, para apenas dois algarismos significativos: (a) 34,48 m (b) 1,281 m/s (c) 8,563x10
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 mais5 Ambiente Experimental
5 Ambiente Experimental Nesse capítulo serão apresentadas as principais informações sobre o ambiente usado nos experimentos. Além de explicar como foi construída a base de dados, também será detalhado
Leia maisPRINCIPAIS FATORES DE ANÁLISES. INVESTIMENTOS e RISCOS
PRINCIPAIS FATORES DE ANÁLISES INVESTIMENTOS e RISCOS RENTABILIDADE A rentabilidade é a variação entre um preço inicial e um preço final em determinado período. É o objetivo máximo de qualquer investidor,
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 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 maisP R O G R A M A TERCEIRA FASE. DISCIPLINA: Estatística Aplicada à Pesquisa Educacional Código: 3EAPE Carga Horária: 54h/a (crédito 03)
UNIVERSIDADE DO ESTADO DE SANTA CATARINA - UDESC CENTRO DE CIÊNCIAS DA SAÚDE E DO ESPORTE - CEFID DEPARTAMENTO DE EDUCAÇÃO FÍSICA - DEF CURSO: LICENCIATURA EM EDUCAÇÃO FÍSICA CURRÍCULO: 2008/2 P R O G
Leia maisGerenciamento do Escopo do Projeto (PMBoK 5ª ed.)
Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.) De acordo com o PMBok 5ª ed., o escopo é a soma dos produtos, serviços e resultados a serem fornecidos na forma de projeto. Sendo ele referindo-se a: Escopo
Leia maisLista de Exercícios 5: Soluções Teoria dos Conjuntos
UFMG/ICEx/DCC DCC Matemática Discreta Lista de Exercícios 5: Soluções Teoria dos Conjuntos Ciências Exatas & Engenharias 2 o Semestre de 206. Escreva uma negação para a seguinte afirmação: conjuntos A,
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 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 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 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 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 maisAutoria: Fernanda Maria Villela Reis Orientadora: Tereza G. Kirner Coordenador do Projeto: Claudio Kirner. Projeto AIPRA (Processo CNPq 559912/2010-2)
Autoria: Fernanda Maria Villela Reis Orientadora: Tereza G. Kirner Coordenador do Projeto: Claudio Kirner 1 ÍNDICE Uma palavra inicial... 2 Instruções iniciais... 3 Retângulo... 5 Quadrado... 6 Triângulo...
Leia maisFERRAMENTAS DA QUALIDADE FOLHA DE VERIFICAÇÃO
FERRAMENTAS DA QUALIDADE FOLHA DE VERIFICAÇÃO 1 A Folha de Verificação é utilizada para permitir que um grupo registre e compile sistematicamente dados de fontes com experiência na área (históricos), ou
Leia maisConteúdo programático por disciplina Matemática 6 o ano
60 Conteúdo programático por disciplina Matemática 6 o ano Caderno 1 UNIDADE 1 Significados das operações (adição e subtração) Capítulo 1 Números naturais O uso dos números naturais Seqüência dos números
Leia maisVALE RIO DOCE S/A. No resultado de 2013 a receita líquida da companhia tinha a seguinte divisão:
VALE RIO DOCE S/A Empresa: A companhia é uma das maiores mineradoras do mundo, sendo a maior das Américas, baseada na capitalização de mercado. É a maior produtora mundial de minério de ferro e pelotas
Leia mais13. Derivativos 1/3/2009 1
13. Derivativos 13.1 Mercados futuros 13.2 Participantes do mercado futuro 13.3 Os preços no mercado futuro 13.4 Exemplo ilustrativo venda a descoberto 13.5 Mercado de opções 13.6 Opção de compra e de
Leia maisARQUITETURA DE COMPUTADORES. Professor: Clayton Rodrigues da Siva
ARQUITETURA DE COMPUTADORES Professor: Clayton Rodrigues da Siva OBJETIVO DA AULA Objetivo: Conhecer a estrutura da arquitetura da Máquina de Von Neumann. Saber quais as funcionalidades de cada componente
Leia maisRabobank International Brazil
Rabobank International Brazil Política de Gerenciamento de Capital Resolução 3.988/2011 Conteúdo 1. Introdução... 3 Patrimônio de Referência Exigido (PRE)... 3 2. Princípios... 4 3. Papéis e Responsabilidades...
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 maisAnálise Qualitativa no Gerenciamento de Riscos de Projetos
Análise Qualitativa no Gerenciamento de Riscos de Projetos Olá Gerente de Projeto. Nos artigos anteriores descrevemos um breve histórico sobre a história e contextualização dos riscos, tanto na vida real
Leia maisTabelas Hash. Aleardo Manacero Jr.
Tabelas Hash Aleardo Manacero Jr. Introdução O uso de listas ou árvores para organizar informações é interessante e produz resultados bastante bons Entretanto, em nenhuma dessa estruturas se obtém o acesso
Leia maisFundo de Investimento em Ações - FIA
Renda Variável Fundo de Investimento em Ações - FIA Fundo de Investimento em Ações O produto O Fundo de Investimento em Ações (FIA) é um investimento em renda variável que tem como principal fator de risco
Leia maisEngenharia de Software II
Engenharia de Software II Aula 26 http://www.ic.uff.br/~bianca/engsoft2/ Aula 26-21/07/2006 1 Ementa Processos de desenvolvimento de software Estratégias e técnicas de teste de software Métricas para software
Leia maisCHAMADA MCT / FINEP ENERGIA DE PRODUTOS E SERVIÇOS COM TECNOLOGIA INOVADORA NA ÁREA DE
CHAMADA MCT / FINEP Ministério da Ciência e Tecnologia / Financiadora de Estudos e Projetos IDENTIFICAÇÃO DE PRODUTOS E SERVIÇOS COM TECNOLOGIA INOVADORA NA ÁREA DE ENERGIA O Ministério da Ciência e Tecnologia
Leia maisProgramação Linear - Parte 4
Mestrado em Modelagem e Otimização - CAC/UFG Programação Linear - Parte 4 Profs. Thiago Alves de Queiroz Muris Lage Júnior 1/2014 Thiago Queiroz (DM) Parte 4 1/2014 1 / 18 Solução Inicial O método simplex
Leia maisFunção. Adição e subtração de arcos Duplicação de arcos
Função Trigonométrica II Adição e subtração de arcos Duplicação de arcos Resumo das Principais Relações I sen cos II tg sen cos III cotg tg IV sec cos V csc sen VI sec tg VII csc cotg cos sen Arcos e subtração
Leia maisTeste de Hipótese e Intervalo de Confiança. Parte 2
Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos
Leia maisUTILIZAÇÃO DE RECURSOS AVANÇADOS DO EXCEL EM FINANÇAS (PARTE III): GERENCIAMENTO DE CENÁRIOS
UTILIZAÇÃO DE RECURSOS AVANÇADOS DO EXCEL EM FINANÇAS (PARTE III): GERENCIAMENTO DE CENÁRIOS! Criando cenários a partir do Solver! Planilha entregue para a resolução de exercícios! Como alterar rapidamente
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 maisA dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas.
A dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas. Jailson da Conceição Teixeira Oliveira 1 Murilo Massaru da Silva 2 Robson Oliveira Lima 3 Resumo: Cabo Verde é um
Leia maisDIMENSÕES DE PESQUISA EM ENGENHARIA DE SOFTWARE
ESPECIAL Engenharia de Software DIMENSÕES DE PESQUISA EM ENGENHARIA DE SOFTWARE por Paulo Borba DECISÕES IMPORTANTES A SEREM TOMADAS NOS PROJETOS E NA CARREIRA DE UM PESQUISADOR EM ENGENHARIA DE SOFTWARE.
Leia maisÁrvores. ! utilizada em muitas aplicações. ! modela uma hierarquia entre elementos. ! O conceito de árvores está diretamente ligado à recursão
Árvores 1 Árvores! utilizada em muitas aplicações! modela uma hierarquia entre elementos! árvore genealógica! diagrama hierárquico de uma organização! modelagem de algoritmos! O conceito de árvores está
Leia maisIntrodução. Ou seja, de certo modo esperamos que haja uma certa
UNIVERSIDADE FEDERAL DA PARAÍBA Teste de Independência Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Um dos principais objetivos de se construir uma tabela de contingência,
Leia maisBEM VINDOS ALUNOS DA GRADUAÇÃ ÇÃO. GESTÃO INTEGRADA PESSOAS E SISTEMAS DE INFORMAÇÃ ÇÃO O QUE O MUNDO TEM A VER COM MARKETING?
BEM VINDOS ALUNOS DA TURMA DE PÓS-GRADUA P GRADUAÇÃ ÇÃO. GESTÃO INTEGRADA PESSOAS E SISTEMAS DE INFORMAÇÃ ÇÃO PROF. PAULO NETO FIB - 2011 O QUE O MUNDO TEM A VER COM MARKETING? O QUE EU TENHO A VER COM
Leia maisAdotada Total / Parcial. Fundamento da não adoção. Recomendação. Não adotada. 1. Princípios Gerais
/ 1. Princípios Gerais As instituições devem adotar uma política de remuneração consistente com uma gestão e controlo de riscos eficaz que evite uma excessiva exposição ao risco, que evite potenciais conflitos
Leia maisESTATÍSTICA DESCRITIVA:
UNIVERSIDADE FEDERAL DE MATO GROSSO Campus Universitário de Sinop(CUS) ESTATÍSTICA DESCRITIVA: Medidas de forma: Assimetria e Curtose Profº Evaldo Martins Pires SINOP -MT TEMAS TRABALHADOS ATÉ AGORA Aula
Leia maisGSCI - GSIG. 2 Programação Linear. Prof. Ricardo Villarroel Dávalos, Dr. Eng.
GSCI - GSIG 2 Programação Linear Prof. Ricardo Villarroel Dávalos, Dr. Eng. E-mail: ricardo.davalos@unisul.br Fpolis, Setembro de 2012 2.4 Modelagem do Problema Problema MODELO: * Restrições =; =
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 maisFundo Municipal dos Direitos da Criança e do Adolescente
- O que são os FUNDOS DE DIREITOS DA CRIANÇA E DO ADOLESCENTE? São recursos públicos mantidos em contas bancárias específicas. Essas contas têm a finalidade de receber repasses orçamentários e depósitos
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 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 maisLógica de Programação. Profas. Simone Campos Camargo e Janete Ferreira Biazotto
Lógica de Programação Profas. Simone Campos Camargo e Janete Ferreira Biazotto O curso Técnico em Informática É o profissional que desenvolve e opera sistemas, aplicações, interfaces gráficas; monta estruturas
Leia maisPLANEJAMENTO E CONTROLE DA PRODUÇÃO
PLANEJAMENTO E CONTROLE DA PRODUÇÃO Não existem regras ou leis para gestão; Não existem países pobres ou ricos, mas simplesmente países mal e bem administrados, que sabem extrair o máximo dos recursos
Leia maisAnálise de Regressão. Notas de Aula
Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas
Leia maisFÍSICA EXPERIMENTAL 3001
FÍSICA EXPERIMENTAL 3001 EXPERIÊNCIA 1 CIRCUITO RLC EM CORRENTE ALTERNADA 1. OBJETIOS 1.1. Objetivo Geral Apresentar aos acadêmicos um circuito elétrico ressonante, o qual apresenta um máximo de corrente
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 maisLIBERAÇÃO DE ATUALIZAÇÃO CORDILHEIRA
LIBERAÇÃO DE ATUALIZAÇÃO CORDILHEIRA (Orientamos aos clientes que utilizam banco de dados SQL, para efetuarem a atualização preferencialmente após o encerramento das atividades do dia, acessando o sistema
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 maisTexto para Coluna do NRE-POLI na Revista Construção e Mercado Pini Setembro 2008. Prof. Dr. João da Rocha Lima Jr.
Texto para Coluna do NRE-POLI na Revista Construção e Mercado Pini Setembro 2008 COMO FAZER A IDENTIFICAÇÃO DAS VANTAGENS E RISCOS DAS PERMUTAS NOS EMPREENDIMENTOS RESIDENCIAIS Prof. Dr. João da Rocha
Leia maisGRADUAÇÃO TECNOLÓGICA EM GESTÃO DA PRODUÇÃO INDUSTRIAL GERENCIAMENTO ESTATÍSTICO DOS PROCESSOS PRODUTIVOS (tópicos da aula 3)
1 GRADUAÇÃO TECNOLÓGICA EM GESTÃO DA PRODUÇÃO INDUSTRIAL GERENCIAMENTO ESTATÍSTICO DOS PROCESSOS PRODUTIVOS (tópicos da aula 3) ANÁLISE DO PROCESSO Só é possivel monitorar um processo após conhecê-lo bem.
Leia maisDisciplina: Economia & Negócios Líder da Disciplina: Ivy Jundensnaider Professora: Rosely Gaeta / /
Disciplina: Economia & Negócios Líder da Disciplina: Ivy Jundensnaider Professora: Rosely Gaeta NOTA DE AULA 03 MICROECONOMIA DEMANDA E OFERTA SEMANA E DATA / / 3.1. A curva de demanda Em uma economia
Leia maisRelatório das Provas da 2ª. Fase - Vestibular 2016
Relatório das Provas da 2ª. Fase - Vestibular 2016 Resumo Executivo O presente relatório apresenta os resultados da segunda fase do Vestibular UNICAMP 2016 constituída por três provas. Esta etapa do vestibular
Leia maisLINEARIZAÇÃO DE GRÁFICOS
LINEARIZAÇÃO DE GRÁFICOS Física Básica Experimental I Departamento de Física / UFPR Processo de Linearização de Gráficos O que é linearização? procedimento para tornar uma curva que não é uma reta em uma
Leia maisImplementação de um serviço de correio eletrônico na Intranet do Pólo de Touros utilizando o ambiente SQUIRELMAIL e POSTFIX em um Servidor Linux
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE ESCOLA AGRÍCOLA DE JUNDIAÍ - EAJ CURSO TÉCNICO DE INFORMÁTICA Projeto das Disciplinas de Sistemas Operacionais de Redes e Projeto de Redes Implementação de um
Leia maisModelo Lógico: Tabelas, Chaves Primárias e Estrangeiras
Modelo Lógico: Tabelas, Chaves Primárias e Estrangeiras Apresentar a próxima etapa da modelagem de dados: o modelo lógico e os conceitos de tabelas, chaves primárias e estrangeiras e como o banco de dados
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 maisCircuitos de Comunicação. Prática 1: PWM
Circuitos de Comunicação Prática 1: PWM Professor: Hélio Magalhães Grupo: Geraldo Gomes, Paulo José Nunes Recife, 04 de Maio de 2014 SUMÁRIO Resumo 3 Parte I PWM - Teoria 3 Geração do PWM 5 Parte II Prática
Leia maisMedidas de Tendência Central. Introdução Média Aritmética Moda Mediana
Medidas de Tendência Central Introdução Média Aritmética Moda Mediana Introdução A maioria dos dados apresenta uma tendência de se concentrar em torno de um ponto central Portanto, é possível selecionar
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 maisEstudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran
Estudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran Camila Gomes de Souza Andrade 1 Denise Nunes Viola 2 Alexandro Teles de Oliveira 2 Florisneide
Leia maisCARTOGRAFIA DE RISCO
CARTOGRAFIA DE RISCO Mapa de Perigosidade de Incêndio Florestal e Mapa de Risco de Incêndio Florestal A Carta de Risco de Incêndio Florestal tem como objetivo apoiar o planeamento de medidas de prevenção
Leia maisé 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média.
Desvio Padrão From Wikipedia, the free encyclopedia probabilidade e estatística, o desvio padrão de uma distribuição de probabilidade, de uma variável aleatória, ou população é uma medida do espalhamento
Leia maisDisciplina: Álgebra Linear - Engenharias ], C = Basta adicionar elemento a elemento de A e B que ocupam a mesma posição na matriz.
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear - Engenharias Professor: André Luiz Galdino Gabarito da 1 a Lista de Exercícios 1. Sejam Encontre: [ 1
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 maisEXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros exercícios)
UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA EXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros eercícios) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Eercícios
Leia maisUM JOGO BINOMIAL 1. INTRODUÇÃO
1. INTRODUÇÃO UM JOGO BINOMIAL São muitos os casos de aplicação, no cotidiano de cada um de nós, dos conceitos de probabilidade. Afinal, o mundo é probabilístico, não determinístico; a natureza acontece
Leia maisMétodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail.
Métodos Quatitativos em Cotabilidade Aálise da Variâcia AOVA Prof. José Fracisco Moreira Pessaha professorfmp@hotmail.com Rio de Jaeiro, 8 de setembro de 01 Aálise da Variâcia com um fator (OE WAY AOVA)
Leia maisMétricas de Software
Métricas de Software Plácido Antônio de Souza Neto 1 1 Gerência Educacional de Tecnologia da Informação Centro Federal de Educação Tecnologia do Rio Grande do Norte 2006.1 - Planejamento e Gerência de
Leia maisUNIVERSIDADE FEDERAL DE SERGIPE PRÓ-REITORIA DE PÓS-GRADUAÇÃO E PESQUISA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E ENGENHARIA DE MATERIAIS
UNIVERSIDADE FEDERAL DE SERGIPE PRÓ-REITORIA DE PÓS-GRADUAÇÃO E PESQUISA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E ENGENHARIA DE MATERIAIS P 2 CEM PLANO DE ENSINO DAS DISCIPLINAS PESQUISA I A PESQUISA VII
Leia mais