7 Estimação de Parâmetros Desconhecidos e a Questão dos Diagnósticos
|
|
- Vinícius Deluca Mendes
- 6 Há anos
- Visualizações:
Transcrição
1 7 Esimação de Parâmeros Descohecidos e a Quesão dos Diagósicos Nese capíulo, são apreseadas e discuidas as expressões referees às fuções de log verossimilhaça dos modelos em EE lieares (codicioalmee) Gaussiaos e ambém da fução de log verossimilhaça aproximada relaiva aos modelos em EE ão lieares ambém Gaussiaos (iso é, com erros Gaussiaos) abordados via algum filro ão liear aproximado. Uma vez defiido um modelo em EE liear (ou ão liear, mas com raameo aproximado), e coseqüeemee suas respecivas fuções de log verossimilhaça (ou de log verossimilhaça aproximada, para modelos em EE ão lieares com raameo aproximado), ora-se possível a esimação de parâmeros descohecidos, quaidades esas que, praicamee, sempre se fazem presees em siuações práicas coexualizadas o âmbio de uma aálise esaísica, por máxima verossimilhaça (ou máxima verossimilhaça aproximada). Nauralmee, as esimaivas associadas a ese méodo são obidas via maximização das fuções de log verossimilhaça adoadas, procedimeo que, em geral, exige e obriga o uso de méodos uméricos. Também são discuidos algus aspecos de esimação de máxima quasi verossimilhaça, ecologia geralmee adequada, pricipalmee, quado há idícios de violação do pressuposo de ormalidade (codicioal) do modelo proposo, por pare dos dados dispoíveis ao ajuse. Ao fial, algus procedimeos de diagósicos são apreseados, como, por exemplo, gráficos e eses para resíduos, além de algumas referêcias adicioais sobre ese ópico.
2 Fução de Log Verossimilhaça para Modelos Lieares Supoha-se que eseja dispoível uma série emporal de amaho (ão ecessariamee já observada 1 ) de um processo esocásico Y p-variado seguido um modelo em EE liear (codicioalmee) Gaussiao, do ipo discuido o capíulo 2. Deoe-se o veor de parâmeros descohecidos do modelo por ψ, seu espaço paramérico por Θ e fução de log verossimilhaça referee à série dispoível e a ao veor ψ por log L(ψ), sedo que L é a fução de verossimilhaça, cuja expressão aalíica geérica, avaliada em ψ, é usualmee dada por =2 L(ψ) p(y,...,y ) = p(y ) p(y Y,...,Y ). Será discuido mais adiae que a avaliação umérica desa úlima expressão depede suciamee de quaidades associadas às recursões de Kalma discuidas o capíulo 3 e de qual iicialização das mesmas esaria sedo adoada Iicialização Não Difusa Quado o modelo em EE promove meios para que se esabeleçam as quaidades iiciais a 1 E(α 1 ) e P 1 V(α 1 ), como é o caso de odos os modelos esacioários 2 [cf. Durbi e Koopma (2001a), págias 111 e 112, para busca desas quaidades iiciais de modelos ARMA esacioários em forma de espaço de EE], eão, sob ormalidade, ão é difícil deduzir que a log verossimilhaça assumirá a forma específica p 1-1 log L(ψ) = - log(2π) - ( log F + υ 'F υ), (7.1) 2 2 =1 1 No eao, a série há de ser observada o momeo do cômpuo das esimaivas. 2 Nese coexo de modelagem em EE liear, uma codição ecessária e suficiee para esacioariedade é que o modelo seja empo ivariae e que a mariz T eha odos os seus auovalores perecees ao círculo uiário [vide Aderso e Moore (1979) e Harvey (1989)].
3 66 a qual se oa a depedêcia de quaidades proveiees das recursões de Kalma, a saber, as iovações υ = Y Z a e a sua mariz de covariâcias F 3, para odo (a 1 e P 1 já são iicialmee dispoíveis!). Logo, para que se cosrua a fução de verossimilhaça avaliada em ψ, deve-se passar o Filro de Kalma aos dados uma vez com as marizes do sisema avaliadas em ψ. Para ao, uilizam-se as equações de previsão dadas em (3.2) combiadas às de aualização dadas em (3.3), ou aleraivamee o Filro de Kalma 2 em 1, cujas expressões esão em (3.4). Harvey (1989) popularizou a expressão de (7.1) pelo ome de decomposição pelo erro de previsão Iicialização Difusa Para modelos que demadam iicializações difusas (coforme a Defiição 3.4) como é o caso de modelos em EE com algus ou odos os elemeos do veor de esado seguido processos ão esacioários a expressão para a log verossimilhaça alvez precise de algumas modificações, e esas, por sua vez, depedem de qual ipo de iicialização difusa esaria sedo praicada Iicialização Difusa Aproximada Quado se adoa o procedimeo descrio de iicialização aproximada descrio a subseção desa Disseração, há-de se cojeurar qual o momeo d+1 em que a disribuição do veor de esado passa a ficar própria. Para modelos uivariados (iso é, p = 1), é possível provar [vide Harvey (1989)] que d coicide com o úmero de coordeadas ão esacioárias do veor de esado. Em ouras siuações mais gerais, sem a uilização de recursos como o Filro de Kalma Exao (vide subseção 3.6.2), a busca de d, como já explaado previamee, assume caráer ad hoc. 3 Supõe-se, sem perda de geeralidade, que esa mariz, cuja expressão se ecora o fial da seção 3.1, é iverível. Caso iso ão acoeça, pode-se redefiir o modelo em EE de forma a coorar o problema. Vide Koopma e Durbi (2000) ou o capíulo 6 de Durbi e Koopma (2001a) para maiores dealhes.
4 67 Uma vez esabelecido d, e edo em mee de que as expressões para a iovação e para a sua mariz de variâcia e covariâcia ão esão eoricamee bem defiidos os isaes = 1,..., d, pode-se adoar a seguie fução de log verossimilhaça codicioal dada por (-d)p 1-1 log L(ψ) = - log(2π) - ( log F + υ 'F υ). (7.2) 2 2 =d+1 Observe-se que esa versão da log verossimilhaça faz com que se percam os d primeiros veores de medidas, algo que pode sigificar fala de iformação alvez relevae para o processo de esimação de parâmeros descohecidos, pricipalmee para séries ão ão logas. Além disso, as propagações de erro geradas pela adoção de um κ grade (mas ão ifiio!) podem gerar algum ipo de viés. Koopma, Shephard e Doorik (1999) argumeam que ão há muia difereça em se usar a expressão reproduzida em (7.1), em subsiuição àquela referida em (7.2), uma vez que F -1, em geral, assume valores muio pequeos (ou seja, é próxima da mariz ula) os isaes = 1,..., d, a adoção de κ grade Iicialização Difusa Exaa Lembrado das vaages relaivas ao processo de iicialização difusa via Filro de Kalma Exao, discuidas a subseção 3.6.2, desaca-se aquela que diz respeio à possibilidade de se cosruir uma fução de log verossimilhaça exaa. Com efeio: é possível mosrar, sob esa ecologia de iicialização, que expressões evolvedo os veores iiciais das medidas são deduíveis e podem ser iseridas o somaório de (7.2). Oura vaagem que se observa é a ausêcia de qualquer ipo de viés iduzido por aproximações relaivas à escolha de variâcias iiciais grades (porém ão ifiias ). A expressão para a fução de log verossimilhaça exaa, deomiada usualmee por fução de log verossimilhaça difusa e deduzida o capíulo 7 de Durbi e Koopma (2001a), se resume a
5 68 d p =1 2 =d+1,, (0) -1 (0) *, *,, -1 ( ) log L(ψ) = - log(2π) - ω - log F + υ 'F υ a qual ω = log F, F > 0 = log F + υ 'F υ, F = 0, (7.3) sedo que expressões apropriadas para F,, F e *, (0) υ, referees às recursões do Filro de Kalma Exao, se ecoram o capíulo 5 ambém de Durbi e Koopma (2001a). Observe-se que esa log verossimilhaça exaa, assim como as aeriores dadas em (7.1) e (7.2), são direamee adequadas ao se fazer uso da Meodologia de Dora (vide capíulos 4 e 5), pois a ocasião, embora se rabalhe com um veor de medidas aumeado, aida são ajusados modelos em EE lieares (codicioalmee) Gaussiaos. Em ajuses de modelos em EE lieares a pare aplicada desa Disseração (capíulo 9), a fução de log verossimilhaça a ser adoada é a exaa. 7.2 Fução de Quasi Log Verossimilhaça para Modelos Lieares Se houver idícios de que o modelo ajusado ão for regido por disribuições ormais, as expressões dadas em (7.1), (7.2) e (7.3) aida cosumam ser usadas como represeaes aproximadas da verdadeira fução de log verossimilhaça, em geral descohecida. Nese coexo, ais expressões cosiuem as chamadas fuções de quasi log verossimilhaça, e os esimadores/esimaivas, resulaes de maximização desas, são deomiados esimadores/esimaivas de quasi verossimilhaça.
6 Propriedades Assióicas dos Esimadores de (Quasi) Máxima Verossimilhaça O esimador de (quasi) máxima verossimilhaça o qual é o veor aleaório defiido por ˆψ argmax log L(ψ) apresea, eveualmee, ψ Θ propriedades assióicas ieressaes, como cosisêcia fore e ormalidade. No eao, há que se posular algumas codições suficiees, em sempre ão direas de serem checadas, para que ais propriedades sejam garaidas. Tal arefa é depedee do modelo em quesão, o que diz respeio a rês faores: a) sua codição de esacioariedade; b) suas caracerísicas empo-ivariaes; e c) de quais marizes do sisema depedem ou ão de elemeos de ψ. Como as aplicações da Disseração ão cocerem iferêcias esaísicas para parâmeros, ão serão, porao, exposos dealhes. O pesquisador mais ieressado é covidado a esudar as seguies referêcias: Paga (1980), Harvey (1989), Ghosh (1989), Waso (1989), Bollerslev e Wooldridge (1992), Hamilo (1994) e Whie (1994). 7.4 Fução de Log Verossimilhaça Aproximada para Modelos Não Lieares Via Traameo Aproximado Supoha-se, agora, que eseja dispoível uma série emporal exraída de um processo esocásico Y p-variado seguido um modelo em EE ão liear discuido a seção 6.1, com veores de erro das equações das medidas e do esado Gaussiaos e idepedees ere si, e com os pressuposos adicioais requeridos pelo filro ão liear aproximado adoado. Deoe-se ovamee por ψ o veor de parâmeros descohecidos e por Θ o respecivo espaço paramérico. Embora seja eoricamee difícil que se esabeleça uma log verossimilhaça correa para ψ e para a série em quesão, aida resa uma aleraiva maemaicamee iformal para a esimação de ψ. Esa cosiui o méodo da máxima verossimilhaça
7 70 aproximada, proposa, por exemplo, em Fuhrer (1992), Taizaki (1996) e Taizaki e Mariao (1996). Em suma, o méodo é muio simples, dado que já se sabe o procedimeo de cosrução de log verossimilhaças codicioais, como aquela descria em (7.2). O que se deve fazer é aproximar as verdadeiras iovações e as respecivas marizes de covariâcias codicioais por expressões derivadas dos filros ão lieares aproximados, gerado uma fução de log verossimilhaça aproximada. Por exemplo, se o Filro de Kalma Esedido for o escolhido para o processo de esimação recursiva do esado, a fução de log verossimilhaça aproximada que se levaaria é dada pela expressão em (7.1) ou (7.2), mas com as seguies expressões: υ % = Y - Z (a ) F ZPZ' & & + H, (7.4) as quais Z &, a e P esão defiidas a subseção Cosruções aálogas para os ouros filros ão lieares aproximados podem ser esabelecidas. A esimaiva resulae da maximização umérica da fução de log verossimilhaça aproximada é chamada de esimaiva de máxima verossimilhaça aproximada. Salieam-se como comeários fiais desa seção os que seguem: Não há uma eoria assióica desevolvida para eses esimadores; e Todos os problemas, exausivamee discuidos o capíulo 6, referees ao filro ão liear adoado, são auomaicamee herdados. Porao, ão se pode dizer que o méodo da máxima verossimilhaça aproximada é bom; porém, se cosiui a úica aleraiva vigee.
8 Diagósicos Aes que se omem decisões com base em um modelo em EE ajusado (ou qualquer ouro modelo esaísico), deve-se verificar se ese seria uma aproximação razoável para o verdadeiro mecaismo probabilísico gerador dos dados dispoíveis para aálise. A esa arefa, dá-se o ome de diagósicos, os quais, sob o efoque freqüeisa, se caracerizam, basicamee, pela aálise gráfica e/ou iferecial de resíduos e pelo poder prediivo do modelo ajusado (iso é, se as expressões maemáicas esimadas coseguem reproduzir relaivamee bem os dados) Aálise de Resíduos No coexo de espaço de esado, a aálise de resíduos se resume à aálise da série emporal das iovações padroizadas p 1/2 υ (F ) 1 υ, a qual F 1/2 é qualquer mariz posiiva defiida, al que 1/2 1/2 F =(F )(F ), = 1,..., 4. Esas devem apresear propriedades como: (1) média cosae e aproximadamee ula; (2) homocedasicidade icodicioal com variâcia próxima de 1; (3) ausêcia de correlação serial; e, de preferêcia (mas ão idispesavelmee), (4) aspeco Gaussiao. Todas esas propriedades podem ser ivesigadas por procedimeos gráficos e descriivos, ais como os seguies a serem usados a ordem abaixo 5 : 1) plo da série o empo; 2) fução de auocorrelação (ão parcial e parcial); 3) fução de desidade especral suavizada; 4 Como F é mariz simérica ão egaiva, eão a exisêcia de F 1/2 é assegurada pelo Teorema da Decomposição da Raiz Quadrada [cf. Kubrusly (2001), Teorema 5.85]. 5 Esa ordem apreseada ão é obrigaória de ser praicada; mas é recomedável pelo fao de ser correa. Ouras possibilidades seriam eveualmee lícias, desde que ão rasgridam ehuma lógica esaísica. Por exemplo, ão seria razoável checar ormalidade ou se calcular a variâcia amosral de uma série, aes que se esabeleça sua codição de esacioariedade.
9 72 4) média e variâcia amosrais; 5) hisograma; e 6) QQ plo com base a disribuição ormal. Oura forma de se realizar ese ipo de aálise é caracerizada pela práica iesiva de eses de hipóese de especificações, de modo que se chequem os pressuposos em quesão. Ciam-se, já disposos em uma ordem idicada para realização, os seguies eses 6 : 1) Teses radicioais de heerocedasicidade, como o de Whie e o do Muliplicador de Lagrage; 2) Teses de auo-correlação serial, como o de Ljug-Box e o do Muliplicador de Lagrage; 3) Teses de média e de variâcia baseados o Teorema Ceral do Limie para Processos Depedees; e 4) Teses de ormalidade, como o de Jarque e Bera e o de Aderso e Darlig. Por já esarem muio bem esabelecidos a lieraura esaísica, eses procedimeos (gráficos, medidas descriivas e eses de hipóese) ão serão descrios pormeorizadamee esa Disseração embora sejam eveualmee praicados o capíulo 9. O pesquisador ieressado o assuo é covidado a esudar referêcias-padrões sobre aálise de séries emporais; ciam-se Hamilo (1994) e Brockwell e Davis (1996) como exemplos. No eao, ambém são idicados exos que já direcioam a discussão sobre eses e ouros procedimeos para a perspeciva da modelagem em EE, como Harvey (1989), de Jog e Pezer (1998) e Durbi e Koopma (2001a). 6 O mesmo coeúdo da oa aerior.
10 Aálise do Poder Prediivo O poder prediivo de um modelo em EE ajusado pode ser checado aravés da comparação de valores reais dos dados (o coexo presee, eses são as observações das medidas) com os valores previsos dos mesmos. Ese procedimeo pode ser realizado aravés da abordagem dero da amosra (i sample) ou da abordagem fora da amosra (ou of sample). Idique-se por Y, = 1,...,, a série relaiva a j-ésima coordeada do veor de medidas, e por,j Ŷ,j/-1 o correspodee previso um passo à free, sedo, obviamee, que j = 1,..., p. Para se checar a proximidade ere esas duas séries, as maeiras mais aurais seriam aravés de: - Gráfico simulâeo das séries o empo em um mesmo gráfico; - Diagrama de dispersão ere as duas séries; e - Cálculo de medidas descriivas, como: 1 - d,j,j/-1 MAPE = 100 % =d+1 Y - Y ˆ Y,j 1 ˆ 2,j,j/-1 =d+1 MSE = (Y - Y ) (7.5) - d 2 2 PseudoR = Corr(Y ˆ,j,Y,j/-1). Para modelos adequados aos dados, espera-se que os procedimeos acima idiquem aderêcia relaivamee saisfaória ere observados e previsos (Scaer plo com poos em oro do gráfico da fução ideidade, Pseudo R 2 próximo de 1 ec.).
Sistemas Dinâmicos. Sistema massa-mola-atrito. O que é um sistema? Sistemas Lineares e Invariantes no Tempo
Sisemas Diâmicos Sisemas Lieares e Ivariaes o Tempo O que é um sisema? Sisema massa-mola-ario Um sisema é um objeco ou grupo de objecos que ieragem com o mudo. Essa ieracção é represeada aravés de eradas
Leia maisMODELAGEM MATEMÁTICA E O EFEITO ESTUFA
a MODELAGEM MATEMÁTICA E O EFEITO ESTUFA Âgela Maria Loureção Gerolômo 1 UEL Uiversidade Esadual de Lodria agela-maemaica@uol.com.br Rodolfo Eduardo Verua 2 UEL Uiversidade Esadual de Lodria rodolfoverua@yahoo.com.br
Leia maisFUNDO DE COMÉRCIO * Pedro Schubert
FUNDO DE COMÉRCIO * Pedro Schuber Esa maéria que ão em bibliografia e o seu coceio o ambiee coábil refere-se aos bes iagíveis e os auores ficam com os ies iagíveis possíveis de serem regisrados pela coabilidade
Leia maisCAP. 6 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÃO DE RISCO
CAP. 6 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÃO DE RISCO 1. APRESENTAÇÃO Nese capíulo serão abordados vários méodos que levam em coa o uso das probabilidades a aálise de ivesimeos. Eses méodos visam subsidiar
Leia maisPrevisão de consumos
revisão de cosumos Cláudio Moeiro Disribuição de Eergia II 5º ao da EEC - ramo de Eergia (FEU) Modelos de Regressão Se cohecer uma relação liear ere as variáveis depedees e idepedees podemos esimar o valor
Leia maisMétodos de Amortização
Méodos de Amorização Rui Assis Egeheiro Mecâico IST rassis@rassis.com www.rassis.com Fevereiro de 2006 Reviso em Seembro de 20 Méodos de Amorização Irodução Na perspeciva coabilísica, a amorização referese
Leia maisMatriz. Matrizes especiais
Mariz Mariz de ipo m sobre um corpo Uma mariz de ipo m sobre um corpo Ω é um quadro com m lihas e coluas cujos elemeos A ij são escalares de Ω. A11 A2 A1 A21 A22 A 2 A= A ij = Am 1 Am2 Am A mariz A ij
Leia maisTEORIA DE VALORES EXTREMOS PARA CÁLCULO DE VaR *
TEORIA DE VALORES ETREMOS PARA CÁLCULO DE VaR * Luiz Alvares Rezede de Souza ** (lalvares@usp.br) Marcos Eugêio da Silva *** (medsilva@usp.br) Julho de 999 Resumo É cohecido o fao de que disribuições de
Leia maisconceito de análise de investimento
1. coceio de aálise de ivesimeo Aálise de Ivesimeos Prof. Uério Cruz O coceio de aálise de ivesimeo pode hoje ser um cojuo de écicas que permiem a comparação ere resulados de omada de decisões referees
Leia maisComparando Fluxos de Caixa Em Moedas Diferentes
Trabalho Apreseado o II SEGeT II Simpósio de Excelêcia em Gesão e Tecologia promovido pela Associação Educacioal Dom Bosco (AEDB) Comparado Fluxos de Caixa Em Moedas Diferees Marcelo Heriques de Brio -
Leia maisMAT302 - Cálculo 2. INTEGRAIS Integral Indefinida pág. 403. Bibliografia: Cálculo volume I, 5 edição. James Stewart Prof.
MAT - Cálculo Biliografia: Cálculo volume I, 5 edição. James Sewar Prof. Valdecir Boega INTEGRAIS Iegral Idefiida pág. 4 Aé aqui, osso prolema ásico era: ecorar a derivada de uma fução dada. A parir de
Leia maisMETODOLOGIA PARA AVALIAÇÃO ECONÔMICA DE INVESTIMENTOS PARA EMPRESAS
METODOLOGIA PARA AVALIAÇÃO ECONÔMICA DE INVESTIMENTOS PARA EMPRESAS Valessa Orácio ROCHA 1 Daiae Fracie Moraes GOMES Rogério Cosaio dos Saos MOTA Camila Pires Cremasco GABRIEL² Luís Robero Almeida GABRIEL
Leia mais2 Métodos de previsão de vendas de itens de estoque 2.1 Introdução
8 Méodos de previsão de vedas de ies de esoque. Irodução A previsão de demada é processo comum o plaejameo das empresas e poderá ser basae úil o corole de esoques e egociações de preços. Ao se rabalhar
Leia maisTOMADA DE DECISÃO EM FUTUROS AGROPECUÁRIOS COM MODELOS DE PREVISÃO DE SÉRIES TEMPORAIS
ARTIGO: TOMADA DE DECISÃO EM FUTUROS AGROPECUÁRIOS COM MODELOS DE PREVISÃO DE SÉRIES TEMPORAIS REVISTA: RAE-elerônica Revisa de Adminisração de Empresas FGV EASP/SP, v. 3, n. 1, Ar. 9, jan./jun. 2004 1
Leia maisANÁLISE ESTATÍSTICA DE SOBREVIVÊNCIA: UM ESTUDO COM PACIENTES COM CÂNCER DE MAMA
ANÁLISE ESTATÍSTICA DE SOBREVIVÊNCIA: UM ESTUDO COM PACIENTES COM CÂNCER DE MAMA Kelly Araúo César Uiversiae Caólica e Brasília Resumo Ese rabalho apresea a aálise esaísica e sobrevivêcia. Essa esima o
Leia mais( ) ( ) ( ) ( ) ( ) 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Introdução.
55 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Itrodução. No processo de resolução de um problema prático é reqüete a ecessidade de se obter a solução de um sistema de equações ão lieares. Dada
Leia maisSistemas não-lineares de 2ª ordem Plano de Fase
EA93 - Pro. Von Zuben Sisemas não-lineares de ª ordem Plano de Fase Inrodução o esudo de sisemas dinâmicos não-lineares de a ordem baseia-se principalmene na deerminação de rajeórias no plano de esados,
Leia maisDETERMINAÇÃO EXPERIMENTAL DAS PROPRIEDADES DINÂMICAS DE TRANSDUTORES DE PRESSÃO PIEZORRESISTIVOS
DETERMINAÇÃO EXPERIMENTAL DAS PROPRIEDADES DINÂMICAS 15 DETERMINAÇÃO EXPERIMENTAL DAS PROPRIEDADES DINÂMICAS DE TRANSDUTORES DE PRESSÃO PIEZORRESISTIVOS Evaldo Ferezi Luiz Carlos Felicio EESC-USP, Av.
Leia maisMETODOLOGIA PROJEÇÃO DE DEMANDA POR TRANSPORTE AÉREO NO BRASIL
METODOLOGIA PROJEÇÃO DE DEMANDA POR TRANSPORTE AÉREO NO BRASIL 1. Inrodução O presene documeno visa apresenar dealhes da meodologia uilizada nos desenvolvimenos de previsão de demanda aeroporuária no Brasil
Leia maisEscola de Engenharia de Lorena - USP Cinética Química Capítulo 03 Métodos Cinéticos
Escola de Egeharia de Lorea - USP iéica Química aíulo 03 Méodos iéicos Irodução O esudo ciéico, usualmee, é feio a arir de dados exerimeais coleados durae a evolução de uma reação química. Eses dados coleados
Leia maisTécnicas de Previsão
Técicas de Previsão Prof. Ferado Auguso Silva Maris www.feg.uesp.br/~fmaris fmaris@feg.uesp.br 1 Sumário 1. Coceios 2. Eapas de um Modelo de Previsão 1. Objeivos 2. Colea e aálise de dados 3. Seleção da
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 maisTestando a existência de efeitos lead-lag entre os mercados acionários norte-americano e brasileiro
SEGeT Simpósio de Excelêcia em Gesão e Tecologia 2 Tesado a exisêcia de efeios lead-lag ere os mercados acioários ore-americao e brasileiro Oávio Reiro de Medeiros Professor Tiular da Uiversidade de Brasília
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 maisEstimação por Intervalo (Intervalos de Confiança):
Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população
Leia maisDanilo Perretti Trofimoff EXPOSIÇÃO CAMBIAL ASSIMÉTRICA: EVIDÊNCIA SOBRE O BRASIL
FACULDADE IBMEC SÃO PAULO Programa de Mesrado Profissional em Economia Danilo Perrei Trofimoff EXPOSIÇÃO CAMBIAL ASSIMÉTRICA: EVIDÊNCIA SOBRE O BRASIL São Paulo 2008 1 Livros Gráis hp://www.livrosgrais.com.br
Leia maisTESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS
TESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS A hipóese ula (Ho) usualmee esaa é a e que as uas amosras eham sio obias e populações om méias iguais,
Leia maisResposta no tempo de sistemas de primeira e de segunda ordem só com pólos
Resposa o empo de sisemas de pimeia e de seguda odem só com pólos Luís Boges de Almeida Maio de Iodução Esas oas apeseam, de foma sumáia, o esudo da esposa o empo dos sisemas de pimeia e de seguda odem
Leia maisGERAÇÃO DE PREÇOS DE ATIVOS FINANCEIROS E SUA UTILIZAÇÃO PELO MODELO DE BLACK AND SCHOLES
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Mauridade e desafios da Engenharia de Produção: compeiividade das empresas, condições de rabalho, meio ambiene. São Carlos, SP, Brasil, 1 a15 de ouubro de
Leia mais4 Cenários de estresse
4 Cenários de esresse Os cenários de esresse são simulações para avaliar a adequação de capial ao limie de Basiléia numa deerminada daa. Sua finalidade é medir a capacidade de o PR das insiuições bancárias
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 maisAÇÕES DO MERCADO FINACEIRO: UM ESTUDO VIA MODELOS DE SÉRIES TEMPORAIS
AÇÕES DO MERCADO FINACEIRO: UM ESTUDO VIA MODELOS DE SÉRIES TEMPORAIS Caroline Poli Espanhol; Célia Mendes Carvalho Lopes Engenharia de Produção, Escola de Engenharia, Universidade Presbieriana Mackenzie
Leia mais2 PREVISÃO DA DEMANDA
PREVISÃO DA DEMANDA Abandonando um pouco a visão românica do ermo previsão, milhares de anos após as grandes civilizações da nossa hisória, a previsão do fuuro vola a omar a sua posição de imporância no
Leia mais1. Um capital de $80.000,00 é aplicado à taxa de 2,5% ao mês durante um trimestre. Determine o valor dos juros acumulados neste período.
MATEMÁTIA FINANEIRA RESOLUÇÃO DOS EXERÍIOS I. UROS SIMPLES. Um capial de $8., é aplicado à axa de 2,5% ao mês durae um rimesre. Deermie o valor dos juros acumulados ese período. i..,25 8. 3 6., 2. Um egociae
Leia maisANÁLISE DO EFEITO DO PESO DOS VEÍCULOS NAS ESTRADAS
ANÁLISE DO EFEITO DO PESO DOS VEÍCULOS NAS ESTADAS Luciao Bruo Faruolo 1, Divisão de Isrumeos de Medição de Massa, Direoria de Merologia Legal, Isiuo de Nacioal de Merologia, Normalização e ualidade Idusrial,
Leia maisUNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA QUÍMICA ENG 008 Fenômenos de Transporte I A Profª Fátima Lopes
Equações básicas Uma análise de qualquer problema em Mecânica dos Fluidos, necessariamente se inicia, quer diretamente ou indiretamente, com a definição das leis básicas que governam o movimento do fluido.
Leia maisCapítulo 5 Cálculo Diferencial em IR n 5.1 Definição de função de várias variáveis: campos vetoriais e campos escalares.
5. Defiição de fução de várias variáveis: campos vetoriais e. Uma fução f : D f IR IR m é uma fução de variáveis reais. Se m = f é desigada campo escalar, ode f(,, ) IR. Temos assim f : D f IR IR (,, )
Leia maisInstituto de Tecnologia de Massachusetts Departamento de Engenharia Elétrica e Ciência da Computação. Tarefa 5 Introdução aos Modelos Ocultos Markov
Insiuo de Tecnologia de Massachuses Deparameno de Engenharia Elérica e Ciência da Compuação 6.345 Reconhecimeno Auomáico da Voz Primavera, 23 Publicado: 7/3/3 Devolução: 9/3/3 Tarefa 5 Inrodução aos Modelos
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 maisPalavras-chave: Seccionamento vertical, Metalografia, Processamento de imagens.
DESENVOLVIMENTO DE TÉCNICAS PARA ANÁLISE QUANTITATIVA DE PERFIS DE FRATURAS PELO MÉTODO DE SECCIONAMENTO VERTICAL Aa Lúcia Horovisiz Uiversidade Esadual Paulisa, Faculdade de Egeharia de Guaraigueá, Deparameo
Leia maisPROCESSOS ESTOCÁSTICOS E TEORIA DE FILAS
Uiversidade Federal do Rio de Jaeiro COE: rograma de Egeharia de rodução Área de esquisa Oeracioal O Escola oliécica: Dearameo de Egeharia Idusrial ROCESSOS ESTOCÁSTICOS E TEORIA DE FILAS rof. Virgílio
Leia maisTORNEIRO MECÂNICO TECNOLOGIA
TORNEIRO MECÂNICO TECNOLOGIA CÁLCULO ÂNGULO INCL. CARRO SUP. TORNEAR CÔNICO DEFINIÇÃO: É indicar o ângulo de inclinação para desviar em graus na base do carro superior de acordo com a conicidade da peça
Leia maisResumo. Sinais e Sistemas Sinais e Sistemas. Sinal em Tempo Contínuo. Sinal Acústico
Resumo Sinais e Sisemas Sinais e Sisemas lco@is.ul.p Sinais de empo conínuo e discreo Transformações da variável independene Sinais básicos: impulso, escalão e exponencial. Sisemas conínuos e discreos
Leia maisKeywords: Dividend Policy, Expectations, Macroeconomic Projections, Granger Causality. ÁREA 3 Macroeconomia, Economia Monetária e Finanças
Mudaças as Expecaivas Macroecoômicas Afeam a Políica de Dividedos das Empresas de Capial Abero? Uma Aálise de Coiegração e Causalidade de Grager Jéfferso Auguso Colombo Rodrigo Eduardo Bampi 2 Cássio da
Leia mais2 Workshop processamento de artigos em serviços de saúde Recolhimento de artigos esterilizados: é possível evitar?
2 Workshop processamento de artigos em serviços de saúde Recolhimento de artigos esterilizados: é possível evitar? 3 Farm. André Cabral Contagem, 19 de Maio de 2010 Rastreabilidade É definida como a habilidade
Leia maisMATEMÁTICA FINANCEIRA NA GESTÃO FLORESTAL
Uiversidade de São Paulo - Escola Superior de Agriculura 'Luiz de Queiroz' MATEMÁTICA FINANCEIRA NA GESTÃO FLORESTAL Avaliação de Projeos Floresais (Técicas de Maemáica Fiaceira) Prof. Luiz Carlos Esraviz
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 maisUNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE EDUCAÇÃO. Elaborado por Gildenir Carolino Santos Grupo de Pesquisa LANTEC
UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE EDUCAÇÃO Elaborado por Gildenir Carolino Santos Grupo de Pesquisa LANTEC Campinas Fevereiro 2014 2 opyleft Gildenir C. Santos, 2014. Biblioteca - Faculdade
Leia maisEquações Simultâneas. Aula 16. Gujarati, 2011 Capítulos 18 a 20 Wooldridge, 2011 Capítulo 16
Equações Simulâneas Aula 16 Gujarai, 011 Capíulos 18 a 0 Wooldridge, 011 Capíulo 16 Inrodução Durane boa pare do desenvolvimeno dos coneúdos desa disciplina, nós nos preocupamos apenas com modelos de regressão
Leia maisCentro Federal de EducaçãoTecnológica 28/11/2012
Análise da Dinâmica da Volailidade dos Preços a visa do Café Arábica: Aplicação dos Modelos Heeroscedásicos Carlos Albero Gonçalves da Silva Luciano Moraes Cenro Federal de EducaçãoTecnológica 8//0 Objevos
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 maisCritérios para a Apuração dos Preços de Ajuste e Prêmios das Opções de Compra e de Venda Abril 2009
Criérios para a Apuração dos Preços de Ajuse e Prêmios das Opções de Compra e de Veda Abril 2009 Iformamos os procedimeos a serem aplicados durae o mês de abril de 2009 para a apuração dos preços de ajuses
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 maisAPLICAÇÃO DO MODELO ARIMA PARA PREVISÃO DO PREÇO DO FRANGO INTEIRO RESFRIADO NO GRANDE ATACADO DO ESTADO DE SÃO PAULO
APLICAÇÃO DO MODELO ARIMA PARA PREVISÃO DO PREÇO DO FRANGO INEIRO RESFRIADO NO GRANDE AACADO DO ESADO DE SÃO PAULO PAULO ANDRÉ CAVALCANI CAMPOS Ademir Clemene AGNALDO ANÔNIO LOPES DE CORDEIRO Resumo: O
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 maisCurso de Modulação Digital de Sinais (parte 1)
Curso de Modulação Digial de Sinais (pare ) Márcio Anônio Mahias Auguso Carlos Pavão IMT Insiuo Mauá de Tecnologia. O que é modulação O processo de modulação pode ser definido como a ransformação de um
Leia maisQUESTÕES PARA A 3ª SÉRIE ENSINO MÉDIO MATEMÁTICA 2º BIMESTE SUGESTÕES DE RESOLUÇÕES
QUESTÕES PARA A 3ª SÉRIE ENSINO MÉDIO MATEMÁTICA 2º BIMESTE QUESTÃO 01 SUGESTÕES DE RESOLUÇÕES Descritor 11 Resolver problema envolvendo o cálculo de perímetro de figuras planas. Os itens referentes a
Leia maisOPERAÇÕES COM FRAÇÕES
OPERAÇÕES COM FRAÇÕES Adição A soma ou adição de frações requer que todas as frações envolvidas possuam o mesmo denominador. Se inicialmente todas as frações já possuírem um denominador comum, basta que
Leia maisTaxa de Câmbio e Taxa de Juros no Brasil, Chile e México
Taxa de Câmbio e Taxa de Juros no Brasil, Chile e México A axa de câmbio consiui variável fundamenal em economias aberas, pois represena imporane componene do preço relaivo de bens, serviços e aivos, ou
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 maisORIENTAÇÕES PARA ELABORAÇÃO DE RELATÓRIO DE INICIAÇÃO CIENTÍFICA
1 ORIENTAÇÕES PARA ELABORAÇÃO DE RELATÓRIO DE INICIAÇÃO CIENTÍFICA ORIENTAÇÕES GERAIS Cada aluno deve elaborar seu relatório, mesmo que o trabalho esteja sendo desenvolvido em grupo. Os relatórios devem
Leia maisAula 6 Propagação de erros
Aula 6 Propagação de erros Conteúdo da aula: Como estimar incertezas de uma medida indireta Como realizar propagação de erros? Exemplo: medimos A e B e suas incertezas. Com calcular a incerteza de C, se
Leia maisMATEMÁTICA II. Aula 12. 3º Bimestre. Determinantes Professor Luciano Nóbrega
1 MATEMÁTICA II Aula 12 Determinantes Professor Luciano Nóbrega º Bimestre 2 DETERMINANTES DEFINIÇÃO A toda matriz quadrada está associado um número real ao qual damos o nome de determinante. O determinante
Leia maisComo Elaborar uma Proposta de Projeto
Como Elaborar uma Proposta de Projeto Prof. Tiago Garcia de Senna Carneiro tiago@iceb.ufoop.br TerraLAB Laboratório INPE/UFOP para Modelagem e Simulação dos Sistemas Terrestres Departamento de Computação
Leia maisAcionamento de Motores: PWM e Ponte H
Warthog Robotics USP São Carlos www.warthog.sc.usp.br warthog@sc.usp.br Acionamento de Motores: PWM e Ponte H Por Gustavo C. Oliveira, Membro da Divisão de Controle (2014) 1 Introdução Motores são máquinas
Leia maisEDITAL DE SELEÇÃO PARA MESTRADO 2016 PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO (UNIFEI)
1 EDITAL DE SELEÇÃO PARA MESTRADO 2016 PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO (UNIFEI) O Coordenador do Programa de Pós-Graduação em Engenharia de Produção (PPGEP) da Universidade Federal
Leia maisModelos de Previsão. 1. Introdução. 2. Séries Temporais. Modelagem e Simulação - Modelos de Previsão
Modelos de Previsão Inrodução Em omada de decisão é basane comum raar problemas cujas decisões a serem omadas são funções de faos fuuros Assim, os dados descrevendo a siuação de decisão precisam ser represenaivos
Leia maisTAXA DE CÂMBIO E PREÇOS DE EXPORTAÇÃO DA CARNE DE FRANGO EM
TAXA DE CÂMBIO E PREÇOS DE EXPORTAÇÃO DA CARNE DE FRANGO EM Área Temáica: 9. Méodos Quaniaivos Resumo SANTA CATARINA Eliane Pinheiro de Sousa 1 Airon Lopes Amorim 2 Daniel Arruda Coronel 3 Ese arigo buscou
Leia mais,QVWDODomR. Dê um duplo clique para abrir o Meu Computador. Dê um duplo clique para abrir o Painel de Controle. Para Adicionar ou Remover programas
,QVWDODomR 5HTXLVLWRV0tQLPRV Para a instalação do software 0RQLWXV, é necessário: - Processador 333 MHz ou superior (700 MHz Recomendado); - 128 MB ou mais de Memória RAM; - 150 MB de espaço disponível
Leia maisAuditoria de Meio Ambiente da SAE/DS sobre CCSA
1 / 8 1 OBJETIVO: Este procedimento visa sistematizar a realização de auditorias de Meio Ambiente por parte da SANTO ANTÔNIO ENERGIA SAE / Diretoria de Sustentabilidade DS, sobre as obras executadas no
Leia maisRESPOSTA À DECLARAÇÃO EM DEFESA DE UMA MATEMÁTICA FINANCEIRA:- SISTEMA DE AMORTIZAÇÃO PRICE:- BREVE NOTA SOBRE CERTOS ENIGMAS.
RESPOSTA À DECLARAÇÃO EM DEFESA DE UMA MATEMÁTICA FINANCEIRA:- SISTEMA DE AMORTIZAÇÃO PRICE:- BREVE NOTA SOBRE CERTOS ENIGMAS. No sistema de amortização Price, com as seguites hipóteses, ocorrerá cobraça
Leia maisUm modelo matemático para o ciclo de vida do mosquito Aedes aegypti e controle de epidemias
Universidade Federal de Ouro Preo Modelagem e Simulação de Sisemas Terresres DECOM- prof. Tiago Garcia de Senna Carneiro Um modelo maemáico para o ciclo de vida do mosquio Aedes aegypi e conrole de epidemias
Leia mais4. Análise de Sistemas de Controle por Espaço de Estados
Sisma para vrificação Lógica do Corolo Dzmro 3 4. ális d Sismas d Corol por Espaço d Esados No capiulo arior, vimos qu a formulação d um Prolma Básico d Corolo Ópimo Liar, ra cosidrado um sisma diâmico
Leia maisAscensão e Queda do Desemprego no Brasil: 1998-2012
Ascensão e Queda do Desemprego no Brasil: 1998-2012 Fernando Siqueira dos Sanos Resumo: ese rabalho analisa a evolução do desemprego nos úlimos anos, com foco no período 1998 a 2012 devido à melhor disponibilidade
Leia maisProcessamento Digital de Sinais. Conversão A/D e D/A. Prof. Dr. Carlos Alberto Ynoguti
Processamento Digital de Sinais Conversão A/D e D/A Prof. Dr. Carlos Alberto Ynoguti Introdução A maioria dos sinais encontrados na natureza é contínua Para processá los digitalmente, devemos: Converter
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 maisCOMO INVESTIR PESSOA FÍSICA
COMO INVESTIR PESSOA FÍSICA PROJETOS APROVADOS 2013 LEI FEDERAL DE INCENTIVO AO ESPORTE A Lei n 11.428/2006 (LIE) é um instrumento legal que abre uma possibilidade nova e diferenciada de captação de recursos
Leia maisMODULAÇÃO. Modulação. AM Amplitude Modulation Modulação por amplitude 24/02/2015
ODUAÇÃO... PW DIGITA odulação odulação éamodificaçãoinencional e conrolada de um sinal original oalmene conhecido por meio de um ouro sinal, que se deseja ransporar. Esa modificação permie o ranspore do
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 maisPREÇOS DE PRODUTO E INSUMO NO MERCADO DE LEITE: UM TESTE DE CAUSALIDADE
PREÇOS DE PRODUTO E INSUMO NO MERCADO DE LEITE: UM TESTE DE CAUSALIDADE Luiz Carlos Takao Yamaguchi Pesquisador Embrapa Gado de Leie e Professor Adjuno da Faculdade de Economia do Insiuo Vianna Júnior.
Leia maisCIRCUITOS EM CORRENTE ALTERNADA PARTE 1
// UO E OENE END E. UNÇÕE EÓD. DOÍNO DO EO. OE. OÊN. OÊN E. OÊN ENE 7. EÊN 8. ÂN 9. NDUÂN // // UNÇÕE EÓD UNÇÕE EÓD egime UNÇÕE EÓD : eão e ore ão periódi egime eacioário: O valo iaâeo ão coae. egime raiório:
Leia maisFundamentos de Teste de Software
Núcleo de Excelência em Testes de Sistemas Fundamentos de Teste de Software Módulo 1- Visão Geral de Testes de Software Aula 2 Estrutura para o Teste de Software SUMÁRIO 1. Introdução... 3 2. Vertentes
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 maisGIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002....
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002.... 1 Como encaminhar uma Pesquisa? A pesquisa é um projeto racional e sistemático com objetivo de proporcionar respostas
Leia maisMATEMATICA Vestibular UFU 2ª Fase 17 de Janeiro de 2011
Vesibular UFU ª Fase 17 de Janeiro de 011 PRIMEIRA QUESTÃO A realidade mosra que as favelas já fazem pare do cenário urbano de muias cidades brasileiras. Suponha que se deseja realizar uma esimaiva quano
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 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 maisANEXO III. Roteiro para Apresentação de Projetos do Tipo C R$ 50.001,00 a R$ 100.000,00
ANEXO III Roteiro para Apresentação de Projetos do Tipo C R$ 50.001,00 a R$ 100.000,00 1. Apresentação Geral: 1. Nome do projeto 2. Linha(s) Temática(s) 2. Localidade e município 3. Instituição Proponente
Leia mais2. Referencial Teórico
15 2. Referencial Teórico Se os mercados fossem eficienes e não houvesse imperfeições, iso é, se os mercados fossem eficienes na hora de difundir informações novas e fossem livres de impedimenos, índices
Leia maisIdentidade e trabalho do coordenador pedagógico no cotidiano escolar
9 Considerações finais A partir da análise dos dados coletados nessa pesquisa algumas considerações finais se fazem pertinentes em relação às questões iniciais levantadas nesta pesquisa. 9.1 Identidade
Leia maisCRESCIMENTO ECONÔMICO E CONCENTRAÇÃO DE RENDA: SEUS EFEITOS NA POBREZA NO BRASIL
SÉRIES WORKING PAPER BNDES/ANPEC PROGRAMA DE FOMENTO À PESQUISA EM DESENVOLVIMENTO ECONÔMICO - PDE CRESCIMENTO ECONÔMICO E CONCENTRAÇÃO DE RENDA: SEUS EFEITOS NA POBREZA NO BRASIL Emerson Marinho UFC/CAEN
Leia maisPrincípios e Conceitos de Desenho de Software. Projeto de Sistemas de Software Prof. Rodrigo Ribeiro
Princípios e Conceitos de Desenho de Software Projeto de Sistemas de Software Prof. Rodrigo Ribeiro Revisando... Processo Unificado PRAXIS Processo unificado: Dividido em fases e fluxos Fases Concepção,
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 maisFundamentos de Bancos de Dados 3 a Prova Caderno de Questões
Fundamentos de Bancos de Dados 3 a Prova Caderno de Questões Prof. Carlos A. Heuser Dezembro de 2009 Duração: 2 horas Prova com consulta Questão 1 (Construção de modelo ER) Deseja-se projetar a base de
Leia maisM =C J, fórmula do montante
1 Ciências Contábeis 8ª. Fase Profa. Dra. Cristiane Fernandes Matemática Financeira 1º Sem/2009 Unidade I Fundamentos A Matemática Financeira visa estudar o valor do dinheiro no tempo, nas aplicações e
Leia maisALGORITMOS DE PROGRAMAÇÃO DINÂMICA USADOS EM MODELOS MARKOVIANOS OCULTOS (HMMs)
INPE-305-TDI/0 ALGORITMOS DE PROGRAMAÇÃO DINÂMICA USADOS EM MODELOS MARKOVIANOS OCULTOS (HMMs) José Olimpio Ferreira Tese de Douorado do Curso de Pós-Graduação em Compuação Aplicada, orieada pelo Dr. Solo
Leia mais1 - POLÍGONOS REGULARES E CIRCUNFERÊNCIAS
Matemática 2 Pedro Paulo GEOMETRIA PLANA X 1 - POLÍGONOS REGULARES E CIRCUNFERÊNCIAS 1.2 Triângulo equilátero circunscrito A seguir, nós vamos analisar a relação entre alguns polígonos regulares e as circunferências.
Leia maisRisco no mercado de arroz em casca
RISCO NO MERCADO DE ARROZ EM CASCA ANDRÉIA CRISTINA DE OLIVEIRA ADAMI; GERALDO SANT ANA DE CAMARGO BARROS; ESALQ/USP PIRACICABA - SP - BRASIL adami@esalq.usp.br APRESENTAÇÃO ORAL Comercialização, Mercados
Leia mais