c (1) OS PREÇOS E A RENTABILIDADE DOS INVESTIMENTOS NA ANÁLISE DE PROJETOS Benedito Silva Neto

Tamanho: px
Começar a partir da página:

Download "c (1) OS PREÇOS E A RENTABILIDADE DOS INVESTIMENTOS NA ANÁLISE DE PROJETOS Benedito Silva Neto"

Transcrição

1 OS PREÇOS E A RENTABILIDADE DOS INVESTIMENTOS NA ANÁLISE DE PROJETOS Benedto Sva Neto Um dos pressupostos normamente adotados quando se anasa um projeto é que a rentabdade dos nvestmentos deve orentar a aocação dos recursos na socedade. Como a rentabdade dos nvestmentos só pode ser anasada em termos monetáros, ta pressuposto mpca que os preços refetem as necessdades socas de produtos. Em outras paavras, o pressuposto (neocássco), de que os preços são defndos peas utdades margnas tornara a rentabdade dos nvestmentos o prncpa crtéro de aocação de recursos na socedade. Ta aocação sera, assm, defnda essencamente pea escasse reatva dos recursos que determna as suas utdades margnas. No entanto, tas pressupostos são nsustentáves. Por eempo (porque as nconsstêncas são mutas), não é possíve, como nos modeos neocásscos, cacuar dretamente o produto obtdo em função das quantdades físcas de trabaho, capta e terra (Y = f(l, C, T)) na medda em que cada uma destas varáves possu uma undade dferente. É como querer mutpcar dos pees por cnco gatos, assumndo que o resutado é de (o quê?). Como não há uma undade comum (e é mpossíve atrbur uma undade à utdade ), não é possíve cacuar quanto havera de aumento do produto Y peo aumento de uma undade de L ou C ou T (sto é, as produtvdades margnas desses fatores de produção, que corresponderam aos seus preços). A aocação dos recursos na socedade pode ser mas bem compreendda reconhecendo que ea é defnda por processos socas, que têm no trabaho o seu fundamento ontoógco básco. Assm, é a aocação dos recursos que determnam os preços e não o nverso. Os preços apenas podem, em certas condções, orentar as escohas dos agentes econômcos para que estes, ndvduamente, utem os recursos de acordo com o que fo defndo peos processos socas, os quas nas socedades captastas se consttuem essencamente na uta de casses. Este mecansmo de formação de preços pode ser demonstrado pea teora da renda dferenca de Mar, que será brevemente dscutda a segur. A teora da renda dferenca de Mar pode ser formaada por meo de um modeo de programação near, onde probema prma consste em encontrar as técncas e as quantdades de produto que mnmam o trabaho, de forma a satsfaer a demanda de produtos, respetando as restrções de meos de produção gerados peo trabaho e de recursos naturas, pode ser formuado como, Função objetvo: mnmar c q + k c (1) sujeta às restrções q D (2) q k a 0 (3) k R j j (4)

2 2 onde temos, c = quantdade c de trabaho necessára por undade do produto com a técnca. q = quantdade q do produto fabrcado com a técnca. c = quantdade c de trabaho necessáro por undade de meo de produção produto com a técnca. k = quantdade k do meo de produção gerado com a técnca. a = quantdade a do meo de produção necessára para produr uma undade do produto com a técnca. D = quantdade demandada D de produto. j = quantdade de recourso natura j necessáro para a produção do meo de produção com a técnca. R j = quantdade máma R a ser utada do recurso natura j. Quanto às undades de medda utadas no modeo, consderando ut = undade de tempo, uf = undade de produto, meo de produção ou recurso natura, na epressão (1) temos que: ut uf uf ut O probema dua de encontrar os preços dos produtos e dos recursos que mamam o vaor agregado consderando a demanda de produtos, a dsponbdade de recursos e as condções técncas de produção, pode ser formuado como, Função objetvo: mamar D p 0 R r (5) sujeta à restrção j j p a c (6) onde, aém das varáves do probema prma, já descrtas, temos, p = preço do produto. = preço do meo de produção (gerado peo trabaho). r j = preço do recurso natura j. r c (7) j j

3 3 De acordo com o teorema da duadade, com as souções ótmas temos, mínmo c q + k c = mámo D p R jr 0 (8) j Retomando a notação adotada anterormente, mas consderando agora, um = undade monetára, as undades de medda utadas no modeo dua são, um na epressão (5): uf um uf um e nas epressões (6) e (7), uf O probema prma permte anasar, de forma objetva, cara e consstente, as reações entre, por um ado, as rqueas, representadas peos coefcentes D (demanda de produtos do trabaho), e R (recursos naturas dsponíves), presentes nas epressões 2, e 4 respectvamente, e pea varáve k (meo de produção produdo peo trabaho), presente na epressão 3, e, por outro ado, o vaor, epresso peo resutado da função objetvo (epressão 1). Já o probema dua permte anasar como os preços se reaconam com rqueas e vaores. É mportante observar que o perf do consumo que determna a demanda de produtos do trabaho é defndo a partr das reações socas que regem a dstrbução do vaor produdo. Da mesma forma, a dsponbdade dos recursos naturas não é defnda apenas pea sua quantdade absouta na naturea, mas prncpamente peas reações de propredade que reguam o acesso a tas recursos. Neste sentdo, são os processos socas que regem a dstrbução do vaor gerado, assm como o acesso aos recursos naturas, que determnam os preços e não o nverso. De acordo com o modeo apresentado, a teora da renda dferenca de Mar ndca que a rentabdade do capta (defnda vaor monetáro da função de produção dvddo peo vaor monetáro dos meos de produção) não pode se consttur em um crtéro para a defnção de preços efcentes. No caso da rentabdade do capta ser o crtéro de aocação dos recursos, na soução ótma os produtos e as técncas que proporconaram as rentabdades (as quas seram guas para estes produtos e técncas) deveram fgurar na base ótma da soução do probema prma (que defne os produtos, as técncas efcentes e as quantdades a serem produdas peas mesmas). Porém, a rentabdade só pode ser defnda a partr dos preços, os quas são obtdos peo probema dua e não peo prma. Como o probema dua não ndca as técncas efcentes, e nem as quantdades que devem ser produdas peas mesmas, também não é possíve modear a mamação da rentabdade a partr do probema dua. A dfcudade em ntegrar a rentabdade no processo de formação de preços, portanto, é que ea supõe preços já defndos. No entanto, nas socedades captastas, como os nvestmentos são decddos por agentes prvados (no níve mcroeconômco), é a sua rentabdade que orenta a sua aocação (o que, aás, pode crar dstorções na aocação dos recursos que podem prejudcar seramente a efcênca da economa). É por esta raão que, em gera, a eaboração de projetos de nvestmento é quase sempre reaada ecusvamente para a seeção dos projetos mas rentáves do ponto de vsta prvado.

4 4 Eempo numérco O probema prma do modeo formaa uma stuação em que a demanda se consttu de dos produtos. O produto a representa um produto de consumo corrente, como por eempo, um móve de madera pré-fabrcado. O produto b representa um objeto de uo, como, por eempo, um móve de madera feto sob medda e bem mas sofstcado. No modeo se consdera que os dos produtos são fabrcados a partr de k, um meo de produção (madera etraída, tratada e benefcada), utando o mesmo recurso natura (madera bruta). A quantdade de madera bruta dsponíve é determnada pea capacdade anua de produção de uma foresta. Para cada produto e meo de produção há duas técncas de produção dsponíves. É mportante saentar que as técncas são específcas para cada produto. Por eempo, a que pode ser apcada para a fabrcação do produto 1 nada tem a ver com que pode ser apcada para a fabrcação do produto 2. Os coefcentes numércos da função objetvo do probema prma correspondem à quantdade de trabaho necessára de ser dretamente apcada para fabrcar cada produto, com cada técnca. Por eempo, 2 a 1 sgnfca que são necessáras duas undades de tempo (horas, por eempo) para fabrcar uma undade de produto a com a. Já os coefcentes presentes nas restrções reatvas aos meos de produção e ao recurso natura ndcam a quantdade de meo de produção ou recurso natura necessáro para a fabrcação de cada produto com cada técnca. Por eempo, 15 b 2 ndca que qune undades de meo de produção (pranchas de madera benefcada de 10 kg, por eempo) são necessáras para a fabrcação de uma undade de produto b com a. O probema prma defne a quantdade a ser fabrcada de cada produto e meo de produção por meo de cada técnca, de forma a satsfaer a demanda dos produtos respetando as restrções de recurso natura, mnmando o vaor na forma de trabaho socamente necessáro. A formuação do probema prma é a segunte: onde, Mnmar 2 a a b b 2 + k k 2 (9) sujeto às restrções demanda de a) a 1 + a 2 >= 90 (10) demanda de b) b 1 + b 2 >= 10 (11) demanda de k) 10 a a b b 2 - k 1 - k 2 <= 0 (12) recurso natur.) 9 k k 2 <= 3600 (13) a 1 = produto a gerado com a ; a 2 = produto a gerado com a ; b 1 = produto b gerado com a ; b 2 = produto b gerado com a ; k 1 = meo de produção k gerado com a ; k 2 = meo de produção k gerado com a.

5 5 O probema dua, obtdo a partr do probema prma, defne os preços que mamam o vaor monetáro de acordo com as técncas e as quantdades defndas peo probema prma. A formuação do probema dua é, onde Mamar 90 p a + 10 p b - 0 p k p r (14) sujeto as restrções pa1) p a - 10 p k <= 2 (15) pa2) p a - 5 p k <= 15 (16) pb1) p b - 20 p k <= 10 (17) pb2) p b - 15 p k <= 25 pk1) p k - 9 p r <= 1 (20) pk2) p k - 3 p r <= 2 (21) p a = preço do produto a ; p b = preço do produto b ; p k = preço do meo de produção k ; p r = preço do recurso natura r. O nome das restrções do probema dua fa ausão à nfuênca de cada produto ou meo de produção, assm como a técnca utada para produ-o, sobre a determnação do preço. Por eempo, a restrção pa1 fa ausão a nfuênca do produto a gerado com a sobre o preço deste produto. De acordo com o teorema da duadade, nas condções ótmas temos, Mínmo 2 a a b b 2 + k k 2 = Mámo 90 p a + 10 p b - 0 p k p r (22) ou seja, o mínmo de vaor na forma de trabaho socamente necessáro é quanttatvamente gua ao vaor monetáro mámo obtdo a partr dos preços. Isto ndca que os preços defndos peo probema dua são efcentes na orentação dos produtores em reação às técncas a serem escohdas de forma a satsfaer a demanda e respetar as restrções de recursos, mnmando o trabaho e mamando o vaor monetáro. É nteressante saentar a mportânca do conceto de efcênca aqu descrto, o qua se apca não apenas aos preços, mas também as técncas. As reações socas não são consderadas de forma epícta na estrutura do modeo, não afetando, assm, a dstrbução do vaor monetáro. No entanto, no modeo as reações socas podem ser consderadas por meo do eame do perf da demanda. Uma dstrbução do vaor monetáro favoráve às casses domnantes mpca no aumento do consumo de produtos de uo, representados no eempo numérco peo produto b. Inversamente, uma dstrbução do vaor monetáro favoráve às casses popuares provoca um aumento da demanda de produtos de consumo corrente, representados no eempo numérco peo produto a. Como no modeo os produtos de uo egem mas trabaho e mas meos de produção (ncusve recurso natura), um aumento do seu consumo mpca em maor pressão sobre a utação de recursos naturas, podendo provocar

6 aumento generaado dos preços. Para anasar este processo por meo de um eempo, podemos consderar como ponto de partda a soução do modeo apresentada na tabea 7, e os vaores monetáros obtdos a partr desta soução apresentados na tabea 8. Os dados apresentados nestas tabeas foram obtdos com a demanda dos produtos nas quantdades consderadas nas tabeas anterores, sto é, 90 undades de produto de consumo corrente e 10 undades de produto de consumo de uo. Como pode ser observado nas tabeas 1 e 2, as duas técncas dsponíves para a fabrcação do meo de produção são efcentes, enquanto que para a fabrcação dos produtos de consumo, quer seja de consumo corrente ou de uo, apenas as técncas que egem menos trabaho são efcentes. Isto ocorre devdo à moderada escasse do recurso natura. 6 Consderações fnas A dscussão reaada neste teto ndca que a forma como os projetos de nvestmento normamente são anasados e avaados, por ser reaada ecusvamente do ponto de vsta mcroeconômco tendo como crtéro básco a rentabdade do capta, pouco contrbu para uma aocação racona dos recursos na economa. A anáse de um ponto de vsta da socedade como um todo (macroeconômca) tendo como crtéro a geração de vaor (em termos absoutos) é, portanto, de fundamenta mportânca para a avaação de projetos.

7 Tabea 1. Soução do modeo com a demanda de 90 undades de produto de consumo corrente e 10 undades de produto de consumo de uo. Técnca Quantdade Preço Prma Dua Meo de produção k 2, Recurso natura ,17 Função objetvo Tabea 2. Vaor agregado pea apcação de 8 undades de trabaho, consderando uma demanda de 90 undades do produto de consumo corrente e 10 undades do produto de consumo de uo. Meo de produção k Meo de produção k Produção físca 4 0,53 0,8 0, produto fna , , meo de produção 100 6, V. mon. da produção menos v. m. dos meos de produção 8 7,73 8 7, recurso natura Vaor agregado 8 7,73 8 7,2 8 8 Nas tabeas 3 e 4 são mostrados os resutados obtdos com o aumento da demanda do produto de consumo de uo de 10 para 25 undades físcas e a dmnução do consumo de produtos de consumo corrente de 90 para 75 undades físcas. Tabea 3. Soução do modeo com a demanda de 75 undades de produto de consumo corrente e 25 undades de produto de consumo de uo. Técnca Quantdade Preço Prma Dua Meo de produção k 2, Recurso natura ,20 Função objetvo

8 8 Tabea 4. Vaor agregado pea apcação de 8 undades de trabaho, consderando uma demanda de 75 undades do produto de consumo corrente e 25 undades do produto de consumo de uo. Meo de produção k Meo de produção k Produção físca 4 0,53 0,8 0, produto fna ,93 49,6 19,84 20,8 10,4 meo de produção 104 6,93 41,6 12, V. mon. da produção menos v. m. dos meos de produção ,36 20,8 10,4 recurso natura ,4 2,4 Vaor agregado ,36 6,4 8 Neste caso, como o produto de uo ege mas trabaho e recurso natura para ser fabrcado, sem que sto seja compensado pea dmnução da egênca de trabaho e de recurso natura provocada pea queda da demanda dos produtos de consumo corrente, a para a produção do produto a (consumo corrente) torna-se necessára, assm como o abandono da para a fabrcação do meo de produção. O resutado é o aumento dos preços dos dos produtos de consumo, do meo de produção e do recurso natura. Tas preços estmuam os agentes econômcos a escoher as técncas efcentes, como mostra a tabea 4. Este eempo, bastante smpes, mostra como a ateração da dstrbução do vaor que determna o perf da demanda, ncde sobre os preços. O mesmo podera ser mostrado em reação à aterações no acesso aos recursos naturas. No caso do eempo, se podera consderar que os propretáros da foresta pudessem decdr eporá-a rapdamente, sem se preocupar com a sua reconsttução. Com sto ees poderam obter uma rentabdade mas eevada e, quando a foresta fosse destruída, reorentar os seus nvestmentos para outra atvdade, sempre procurando o mámo de rentabdade.

c (1) OS PREÇOS E A RENTABILIDADE DOS INVESTIMENTOS NA ANÁLISE DE PROJETOS Benedito Silva Neto

c (1) OS PREÇOS E A RENTABILIDADE DOS INVESTIMENTOS NA ANÁLISE DE PROJETOS Benedito Silva Neto OS PREÇOS E A RENTABILIDADE DOS INVESTIMENTOS NA ANÁLISE DE PROJETOS Benedto Sva Neto Um dos pressupostos normamente adotados quando se anasa um proeto é que a rentabdade dos nvestmentos deve orentar a

Leia mais

Flambagem por Compressão

Flambagem por Compressão Unvesdade Santa Cecía Fambagem por Compressão Conceto de estabdade do equíbro. De forma bastante comum ocorre confusão entre o que são equíbro e estabdade. Uma estrutura pode ser nstáve estando em equíbro.

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

Cálculo Numérico BCC760 Interpolação Polinomial Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.

Leia mais

ANEXO I RISCO DOS SORTEIOS A REALIZAR

ANEXO I RISCO DOS SORTEIOS A REALIZAR Contnuação da Resoução CNSP N o 84, de 013. ANEXO I RISCO DOS SORTEIOS A REALIZAR Art.1 o Consdera-se, para os fns deste anexo, os concetos e notações abaxo: I R. sorteos : montante de capta, referente

Leia mais

Modelo de Alocação de Vagas Docentes

Modelo de Alocação de Vagas Docentes Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006

Leia mais

3 Classificação Supervisionada

3 Classificação Supervisionada 3 Cassfcação Supervsonada 3.. Aprendzado de Máquna A aprendzagem de máquna é uma área da ntegênca artfca que estuda métodos computaconas, a fm de obter um determnado conhecmento específco através de experêncas.

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

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

Leia mais

7 - Distribuição de Freqüências

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

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

Eletromagnetismo Aplicado

Eletromagnetismo Aplicado letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros

Leia mais

Análise de Agrupamentos (Clusters) Marcelo Lauretto

Análise de Agrupamentos (Clusters) Marcelo Lauretto Anáse de Agrupamentos (Custers) Marceo Lauretto Introdução Anáse de Agrupamentos (Custer Anayss) é um conunto de técncas com o obetvo prncpa de dentfcar obetos/entdades com característcas smares. Obetvo:

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

4 Critérios para Avaliação dos Cenários

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

Leia mais

CAPITULO II - FORMULAÇAO MATEMATICA

CAPITULO II - FORMULAÇAO MATEMATICA CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho

Leia mais

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

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

Leia mais

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

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

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

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

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

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

Leia mais

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

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

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

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

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

2 Análise de Campos Modais em Guias de Onda Arbitrários Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por

Leia mais

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1 Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

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

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

Leia mais

Teoria Elementar da Probabilidade

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

Leia mais

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

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

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

Capítulo 16: Equilíbrio Geral e Eficiência Econômica

Capítulo 16: Equilíbrio Geral e Eficiência Econômica Capítulo 6: Equlíbro Geral e Efcênca Econômca Pndck & Rubnfeld, Capítulo 6, Equlíbro Geral::EXERCÍCIOS. Em uma análse de trocas entre duas pessoas, suponha que ambas possuam dêntcas preferêncas. A curva

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

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

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

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

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

Leia mais

DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE

DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE Anabela R. S. REBELO Lc. Químca Industral, CCDR Algarve, Rua Dr. José de Matos n.º 13, 800-503 Faro,

Leia mais

2 Metodologia de Medição de Riscos para Projetos

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

Leia mais

4 Análise termoeconômica

4 Análise termoeconômica 4 Análse termoeconômca Os capítulos precedentes abordaram questões emnentemente térmcas da aplcação de nanofludos em sstemas ndretos de refrgeração. Ao tratar das magntudes relatvas e da natureza das componentes

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

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

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

Leia mais

4 Experimentos Mistura-Processo

4 Experimentos Mistura-Processo Modeagem em Epermentos Mstura-Processo para Otmação de Processos Industras 5 4 Epermentos Mstura-Processo Em certas stuações podem estr outros fatores, aém das proporções dos componentes, ue afetem as

Leia mais

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

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

Leia mais

Flambagem. Cálculo da carga crítica via MDF

Flambagem. Cálculo da carga crítica via MDF Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

Leia mais

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

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

Leia mais

Ramos Energia e Automação

Ramos Energia e Automação Mestrado Integrado em Engenhara Electrotécnca e de Computadores Investgação Operaconal Ramos Energa e Automação 2009.01.15 Prova com consulta Alunos admtdos a exame com avalação contínua Duração: 2h30

Leia mais

D = POLINÔMIO INTERPOLADOR DE NEWTON 1) DIFERENÇAS DIVIDIDAS 1.1) DIFERENÇAS DIVIDIDAS ORDINÁRIAS (D) Sejam n+1 pontos de uma função y = f(x):

D = POLINÔMIO INTERPOLADOR DE NEWTON 1) DIFERENÇAS DIVIDIDAS 1.1) DIFERENÇAS DIVIDIDAS ORDINÁRIAS (D) Sejam n+1 pontos de uma função y = f(x): POLINÔMIO INTERPOLAOR E NEWTON ) IFERENÇAS IVIIAS.) IFERENÇAS IVIIAS ORINÁRIAS () Sejam n pontos de uma função f():... n f( )... n - ferença dvdda de ordem zero: n n M - ferença dvdda de ordem um: M M

Leia mais

Análise Exploratória de Dados

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

Leia mais

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente

Leia mais

Apêndice B Frações mássicas, molares e volúmicas. Estequiometria.

Apêndice B Frações mássicas, molares e volúmicas. Estequiometria. Elementos de Engenhara Químca I Apêndce B Apêndce B Frações másscas, molares e volúmcas. Estequometra. O engenhero químco lda constantemente com msturas de compostos químcos em stuações que mporta caracterzar

Leia mais

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

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

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo: CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

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

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

Leia mais

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

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

Leia mais

Aplicação de ferramenta de auxílio multi-critério à decisão na escolha de alternativas para movimentação e armazenagem de material siderúrgico

Aplicação de ferramenta de auxílio multi-critério à decisão na escolha de alternativas para movimentação e armazenagem de material siderúrgico 1 Aplcação de ferramenta de auxílo mult-crtéro à decsão na escolha de alternatvas para movmentação e armazenagem de materal sderúrgco Ilton Curty Leal Junor Gustavo Pannam Fernandes Paul Adrano de Almada

Leia mais

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,

Leia mais

(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:

(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se: 1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,

Leia mais

18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas

18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas 01/Abr/2016 Aula 11 Potencas termodnâmcos Energa nterna total Entalpa Energas lvres de Helmholtz e de Gbbs Relações de Maxwell 18 e 20/Abr/2016 Aulas 12 e 13 Introdução à Físca Estatístca Postulados Equlíbro

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 206 Macroeconoma I 1º Semestre de 2016 Professores: Fernando Rugtsky e Glberto Tadeu Lma Gabarto

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

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

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

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

Experiência V (aulas 08 e 09) Curvas características

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

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

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

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

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

Leia mais

Teoria Econômica II: Macroeconomia. Economia Aberta. Além, A.C., Macroeconomia, SP: Elsevier, 2010 Capítulo 5

Teoria Econômica II: Macroeconomia. Economia Aberta. Além, A.C., Macroeconomia, SP: Elsevier, 2010 Capítulo 5 Teora Econômca II: Macroeconoma Economa Aberta Além, A.C., Macroeconoma, SP: Elsever, 2010 Capítulo 5 Modelo IS-LM-BP O modelo IS-LM-BP expande a determnação do nível de produto consderando uma economa

Leia mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br 1 soluções eletrolítcas Qual a dferença entre uma solução 1,0 mol L -1 de glcose e outra de NaCl de mesma concentração?

Leia mais

Microeconomia I. Licenciaturas em Administração e Gestão de Empresas e em Economia

Microeconomia I. Licenciaturas em Administração e Gestão de Empresas e em Economia Mcroeconoma I Lcencaturas em Admnstração e Gestão de Empresas e em Economa Ano lectvo 010-011 Teste Intermédo 1º Semestre 5 de Outubro de 010 Regente: Fernando Branco (fbranco@ucppt) Catarna Slva, Danel

Leia mais

MATRIZ INTER-REGIONAL REGIONAL DE INSUMO-PRODUTO SÃO PAULO / RESTO DO BRASIL. Eduardo A. Haddad Edson P. Domingues. TD Nereus

MATRIZ INTER-REGIONAL REGIONAL DE INSUMO-PRODUTO SÃO PAULO / RESTO DO BRASIL. Eduardo A. Haddad Edson P. Domingues. TD Nereus MTRIZ INTER-REGIONL REGIONL DE INSUMO-PRODUTO SÃO PULO / RESTO DO BRSIL Eduardo. Haddad Edson P. Domngues TD Nereus 10-2003 São Pauo 2003 Matrz Inter-regona de Insumo-Produto São Pauo / Resto do Bras Eduardo.

Leia mais

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA) ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA 7 6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA As desvantagens do método BM apresentadas no capítulo 5 sugerem que a alocação dos benefícos seja feta proporconalmente ao prejuízo causado

Leia mais

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

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

Leia mais

Proposta de método para alocação de perdas em redes eléctricas de distribuição com Produção em Regime Especial

Proposta de método para alocação de perdas em redes eléctricas de distribuição com Produção em Regime Especial Capítulo 5 Proposta de método para alocação de perdas em redes eléctrcas de dstrbução com Produção em Regme Especal Neste capítulo propõe-se uma metodologa para efectuar a alocação das perdas de uma rede

Leia mais

Economia Industrial. Prof. Marcelo Matos. Aula 7

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

Leia mais

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

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

Leia mais

Medidas e resultados em um experimento.

Medidas e resultados em um experimento. Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca

Leia mais

Notas de Aula de Probabilidade A

Notas de Aula de Probabilidade A VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável

Leia mais

INTERPOLAÇÃO POLINOMIAL DE LAGRANGE E DE HERMITE INTRODUÇÃO

INTERPOLAÇÃO POLINOMIAL DE LAGRANGE E DE HERMITE INTRODUÇÃO Interpoação Ponoa de Lagrange e de Herte INTERPOLAÇÃO POLINOMIAL DE LAGRANGE E DE HERMITE INTRODUÇÃO Obetvando a preparação aos étodos de aproação a sere apcados à resoução nuérca de equações dferencas

Leia mais

Portaria INMETRO nº 225, de 29 de JULHO de 2009

Portaria INMETRO nº 225, de 29 de JULHO de 2009 Portara nº 225, de 29 de JULHO de 2009 O PRESIDENTE DO INSTITUTO NACIONAL DE METROLOGIA, NORMALIZAÇÃO E QUALIDADE INDUSTRIAL -, no uso de suas atrbuções, conferdas pelo parágrafo 3º do artgo 4º da Le n.

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

2 Incerteza de medição

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

Leia mais

O íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4

O íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4 O íon lantanídeo no acoplamento Russell-aunders e a classfcação de seus estados segundo os subgrupos do grupo G(4 ) O hamltonano, H, dos íons lantanídeos contém uma parte que corresponde ao campo central,

Leia mais

UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Ciências Económicas e Empresariais. Microeconomia I

UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Ciências Económicas e Empresariais. Microeconomia I UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Cêncas Económcas e Empresaras Mcroeconoma I Lcencaturas em Admnstração e Gestão de Empresas e em Economa de Abrl de 003 Fernando Branco Exame para Fnalstas

Leia mais

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

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

Leia mais

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho rof.: nastáco nto Gonçalves lho Introdução Nem sempre é possível tratar um corpo como uma únca partícula. Em geral, o tamanho do corpo e os pontos de aplcação específcos de cada uma das forças que nele

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Elementos de Estatística e Probabilidades II

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

Leia mais

Método do limite superior

Método do limite superior Introdução O método do lmte superor é uma alternata analítca apromada aos métodos completos (e: método das lnhas de escorregamento) que possu um domíno de aplcabldade muto asto e que permte obter alores

Leia mais

Método do limite superior

Método do limite superior Introdução método do lmte superor é uma alternata analítca apromada aos métodos completos (e. método das lnas de escorregamento) que possu um domíno de aplcabldade muto asto e que permte obter alores de

Leia mais

3 A técnica de computação intensiva Bootstrap

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

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais