Modelo de Programação Estocástica
|
|
- David di Azevedo Alves
- 6 Há anos
- Visualizações:
Transcrição
1 Modelo de Programação Estocástca 23 2 Modelo de Programação Estocástca 2.. Concetos báscos A programação estocástca (PE) é defnda como um modelo de otmzação que apresenta um ou mas parâmetros estocástcos chamados de fatores de rsco. O objetvo é encontrar uma solução ótma dadas todas as possíves realzações desses fatores. A classe de modelos de PE consderada como a mas mportante dentro do ALM são os modelos de recurso. Um modelo de recurso é aquele em que uma decsão de prmero estágo é tomada sem o conhecmento dos valores futuros dos fatores de rsco e, em seguda, uma decsão de recurso é efetuada dependendo da realzação obtda. No ALM sso ocorre, por exemplo, quando é escolhda uma cartera de alto rsco que nos pores cenáros é ncapaz de pagar todos os benefícos futuros. A decsão de recurso neste caso é a tomada de um empréstmo que, por sua vez, terá um custo de captação. Um modelo de recurso de dos estágos é caracterzado pelo prmero estágo onde se tomam decsões sem saber o valor futuro dos fatores de rsco no futuro e pelo segundo onde as decsões de recurso são tomadas tendo toda a nformação necessára. Para esse tpo de problema temos a segunte formulação: mn s. a x 0 z c'. x E A. x b f x,
2 Modelo de Programação Estocástca 24 Onde a f(x,) é a função de segundo estágo dada por: f x, mn d'. y s. a W. y y 0. x Nesta formulação x representa as decsões de prmero estágo e y() as decsões de recurso. A varável y() é dependente do conjunto de valores dos fatores de rsco. A matrz A é a de coefcentes determnístcos e as matrzes W e dos estocástcos, sendo x e y varáves não-negatvas. O problema apresentado pode ser reescrto como uma otmzação lnear únca: mn s. a z c'. x A. x b. x W Q. x. y x, y Q p. d'. y W,, y Q Q. y Q 0 r r Q Onde r = realzação de e p = P( = r ), =,..., Q Uma programação estocástca de dos estágos é representada por um vetor x de solução ncal a pror e um vetor y() de ajuste a posteror, onde os acontecmentos futuros já são conhecdos. No caso mult-estágo, os acontecmentos futuros são revelados progressvamente de forma que haja um vetor de ajuste para cada novo estágo do problema.,, E y y y,,, E Onde E é o número de estágos do problema.
3 Modelo de Programação Estocástca 25 Além dsso, a formulação apresentada pode ser classfcada como uma programação estocástca lnear, já que sua função objetvo e suas restrções são funções lneares das varáves do problema. A utlzação de uma abordagem lnear vablza a solução de problemas de grande porte, em termos de número de varáves e restrções. Utlzando uma abordagem lnear mult-estágo, mutos artgos desenvolvem modelos de ALM com programação estocástca para fundos de pensão. Nestes trabalhos, formas dferentes de modelagem são utlzadas para representar a realdade do fundo e da economa como um todo Revsão da lteratura Os artgos dedcados à descrção dos modelos de ALM com programação estocástca apresentam algumas característcas que dferencam o tpo de modelagem adotada: o horzonte de planejamento, a função objetvo, as varáves de decsão e as restrções. A escolha do horzonte de planejamento depende da aplcação do modelo ALM. Horzonte de médo prazo se relacona a aplcações para bancos, como Kusy e Zemba (986), ou seguradoras, como Carño e Zemba (998). Horzontes de longo prazo, por sua vez, são escolhdos para modelos aplcados aos fundos de pensão como Dert (998), Drjver, Haneveld e Vlerk (2000), Kouwenberg (200) e Kovu, Pennanen e Ranne (2004). No caso dos modelos aplcados aos fundos de pensão, a função objetvo apresenta duas lnhas claras de modelagem: A prmera, Kusy e Zemba (986), Carño e Zemba (998) e Kovu, Pennanen e Ranne (2004) maxmzam a rqueza (ou lucro) esperada ao fnal do horzonte. Especfcamente para os fundos de pensão, nsttuções sem fns lucratvos, maxmzar o lucro é equvalente a mnmzar as contrbuções pagas. A mnmzação do conhecdo cost of fundng é adotada por Dert (998), Drjver, Haneveld e Vlerk (2000) e Kouwenberg (200). As duas lnhas de modelagem da função objetvo têm como varáves de decsão a polítca de nvestmento dos atvos, no entanto para a segunda lnha são acrescdas varáves relaconadas à polítca de contrbuções do fundo.
4 Modelo de Programação Estocástca 26 Duas restrções báscas são usadas em todos os modelos ALM va programação estocástca. A prmera delas trata da conservação de rqueza de cada nvestmento, ou seja, o valor de cada nvestmento cresce com sua rentabldade e vara de acordo com as transações realzadas. A segunda é o balanço de caxa, sto é, a soma das entradas de caxa (venda de atvos, contrbuções, dvdendos,...) deve ser gual à soma das saídas (compra de atvos, benefícos, custos de transação,...). Lmtes na alocação e na polítca de contrbuções também são bastante comuns nos artgos da lteratura. Além de adotarem estes lmtes, Dert (998), Drjver, Haneveld e Vlerk (2000), Kouwenberg (200) e Kovu, Pennanen e Ranne (2004) utlzam equações para modelar o estado de solvênca da nsttução. Dert (998), Drjver, Haneveld e Vlerk (2000) utlzam uma chance constrant para mpor um lmte máxmo de probabldade de nsolvênca. Sendo assm, o problema é transformado numa programação estocástca mult-estágo msta ntera, sto é, varáves bnáras são ncluídas para contar os cenáros que caracterzam nsolvênca. Duas crítcas podem ser fetas aos trabalhos ctados no parágrafo anteror. Prmeramente, o esforço computaconal de uma programação ntera é muto maor, além de só permtr a escolha de um lmte superor para a probabldade de nsolvênca. A segunda dz respeto ao cálculo da reserva técnca (R). Dert (998), Drjver, Haneveld e Vlerk (2000) e Kouwenberg (200) fazem esse cálculo usando a taxa de desconto atuaral determnada por le. Kovu, Pennanen e Ranne (2004), por sua vez, usam a denomnada techncal nterest rate calculada como uma proporção das rentabldades dos atvos dependente do nível de solvênca do fundo. Esta proporção é estmada externamente já que o nível de solvênca é uma varável de decsão obtda a posteror. odas essas modelagens não utlzam a taxa de desconto adequada. Segundo Vega (2003), o cálculo da reserva técnca deve consderar a rentabldade de cartera como taxa de desconto para representar corretamente o custo de oportundade do fundo. A escolha de uma taxa de desconto fxa ndependente da polítca de nvestmentos pode ser nterpretada como uma aproxmação do portfólo por um únco contrato de renda fxa sem rsco. Esta aproxmação é adotada devdo a uma dependênca crcular de algumas varáves aleatóras que devem ser conhecdas a pror com outras obtdas a partr da reposta
5 Modelo de Programação Estocástca 27 do modelo. A reserva matemátca, que representa um parâmetro ncal do modelo de PE, é função da rentabldade da cartera que, por sua vez, é calculada a partr da alocação ótma obtda como solução do modelo de PE. No entanto, a alocação ótma depende do conhecmento prévo da reserva matemátca. Por sso, a escolha de uma taxa de desconto fxa torna possível o cálculo de um valor aproxmado a pror da reserva matemátca. Este valor pode ser subestmado ou superestmado dependendo do valor da taxa escolhda. Outra crítca mportante aos trabalhos ctados é a ausênca de uma medda do rsco de equlíbro (nsolvênca) dos fundos de pensão. Nesses artgos, o rsco de nsolvênca pode ser aproxmado pela probabldade de uma rqueza fnal negatva ou por um patrmôno menor que a R calculada com uma taxa de desconto fxa. Entretanto, as duas formas não representam a verdadera probabldade de nsolvênca do fundo. A medda do rsco de equlíbro é ncluída no presente trabalho de forma novadora. Os fluxos reas do passvo (até a extnção do fundo) são descontados pela rentabldade da cartera, ou seja, consderando o real custo de oportundade da nsttução. A dstrbução de probabldades desta rentabldade é aproxmada pelas observações contdas no horzonte de planejamento. Para efetos de comparação, calcula-se também a reserva técnca com a taxa de desconto determnada pela legslação braslera (IGP-M+6%) - como é feto nos artgos da lteratura.
6 Modelo de Programação Estocástca Modelo proposto O modelo desenvolvdo neste artgo utlza uma programação lnear estocástca mult-estágo para a gestão de atvos e passvos de fundos de pensão brasleros, em especal os de grande porte. São contempladas 4 classes de atvos: - ações, 2- móves, 3- renda fxa e 4- caxa. São ncluídas consderações de lqudez, custos de transação, empréstmos, além das restrções de balanço, de nventáro de atvos e de regulação (relatvas à legslação braslera). A defnção da notação, das varáves e dos parâmetros é o próxmo passo para a descrção do modelo de PE. Defne-se a notação N t como o número de nós no estágo t {,..., }, e n t {,..., N t } representando um nó qualquer no mesmo nstante. Defnção das varáves de decsão c (n t ) = valor (R$) comprado do atvo no nó n t v (n t ) = valor (R$) venddo do atvo no nó n t e(n t ) = empréstmo (R$) tomado no nó n t Defnção das varáves de estado a (n t ) = valor (R$) alocado no atvo no nó n t y(n ) = max [0, rqueza no nó n menos requsto de captal] w(n ) = max [0, requsto de captal menos rqueza no nó n ] Defnção dos parâmetros determnístcos pe = penalzação por uma rqueza fnal menor que o requsto de captal bo = bonfcação por uma rqueza fnal maor que o requsto de captal sp = spread da taxa de empréstmo sobre o juros ma = percentual máxmo de ações no portfólo ct = custo de transação percentual cc = capacdade máxma de compra do atvo cv = capacdade máxma de venda do atvo a (ncal) = valor (R$) alocado no atvo antes da prmera decsão L * = requsto de captal Defnção dos parâmetros estocástcos ou fatores de rsco l(n t ) = fluxo de caxa nomnal do passvo no nó n t r (n t ) = retorno do atvo entre os nós nterlgados n t- e n t
7 Modelo de Programação Estocástca Função objetvo Exstem duas formas de se representar a função objetvo de um fundo de pensão. A prmera delas é mnmzar as contrbuções do partcpante e do patrocnador, e a segunda é maxmzar a utldade esperada do patrmôno do fundo ao fnal do horzonte de estudos mantendo a polítca de contrbução constante. Intutvamente pode-se dzer que estas são equvalentes, pos quanto mas dnhero sobrando maores seram as reduções nas contrbuções. Fo escolhda para esse trabalho a segunda opção já que, na prátca, a polítca de contrbuções não é uma varável que tenha flexbldade de ser alterada pelo gestor a cada período. Sendo assm, a função objetvo do modelo é maxmzar a utldade esperada da rqueza do fundo ao fnal do horzonte de estudos. Sabendo que os fundos de pensão são nsttuções sem fns lucratvos, fca claro que a escolha de uma função utldade côncava que represente as preferêncas de um ndvíduo avesso ao rsco é a mas adequada. Devdo a algortmos de solução mas efcentes para o problema de otmzação com mutas restrções e varáves, e à facldade de nterpretação dos parâmetros, fo escolhda uma função utldade lnear por partes. A utldade do fundo relaconada à rqueza em um nó termnal n é dada por: rqueza n uyn, wn bo. yn pe wn u. Sabendo que y(n ) e w(n ) representam respectvamente o quanto à rqueza fnal excede o requsto de captal (L * ) e o quanto falta para atngr o mesmo valor (L * ), é possível afrmar que a aversão ao rsco do fundo de pensão é caracterzada pela escolha dos parâmetros pe e bo. A função de utldade será côncava se pe > bo, pos assm o portfólo escolhdo é menos arrscado evtando prejuízos nos cenáros mas pessmstas. A Fgura 5 exemplfca uma função utldade lnear por partes de um ndvíduo avesso ao rsco para um requsto de captal nulo (L * = 0).
8 Modelo de Programação Estocástca 30 Fgura 5. Função utldade lnear por partes O valor da função objetvo é a utldade esperada da rqueza ao fnal do horzonte de planejamento, ou seja, é a méda das utldades de todos os nós termnas. urqueza Ebo. y pe w E. Logo, max z N n p n. bo. y n pe. wn Onde p n é a probabldade de ocorrênca do nó termnal n Neste trabalho, os exercícos de smulação consderam que os cenáros são equprováves e que os parâmetros bo e pe são e 2, respectvamente. Sendo assm, temos que p n p e a função objetvo passa a ser: max z N n p. yn 2. wn
9 Modelo de Programação Estocástca Restrções As relações mportantes entre varáves e parâmetros são expressas pelas restrções. Foram consderados quatro tpos de restrções para o modelo: Restrção de balanço Restrção de nventáro de atvos Restrção de máxmo de alocação em ações (regulatóra) Restrção de lqudez Restrção de balanço Restrção de balanço para os prmeros estágos A restrção de balanço determna de forma coerente a evolução da rqueza do fundo ao longo do tempo. O valor total dos atvos no nstante t+ será o valor total em t rentablzado e, em seguda, subtraído das obrgações líqudas do fundo. As classes de atvos consderadas são: - ações; 2- móves; 3- renda fxa; 4- caxa. A restrção é expressa pela equação abaxo: 4 r n. a n en sp r n. en ln ct. c n v n A t a n, n, n n terlgados, t 0,,, 2 t t t t t 3 t t t 4 t t O modelo consdera que os fluxos de caxa do passvo são acumulados no fnal de cada período enquanto que os empréstmos são tomados no níco e pagos no fnal. A Fgura 6 lustra a ordem cronológca dos desembolsos e outros fatos relevantes. Fgura 6. Fluxos relatvos à restrção de balanço
10 Modelo de Programação Estocástca 32 Restrção de balanço para o últmo estágo No últmo estágo a restrção de balanço apresenta uma modfcação que defne o superávt ou défct ao fnal do horzonte. Se o valor dos atvos rentablzado e descontado das obrgações do penúltmo período é postvo caracterza-se um superávt, caso contráro um défct. 4 L r n. a n en sp r n. en ln * y n wn, n, n n terlgados 3 Se o lado esquerdo da equação for postvo logo o valor de y(n ) será maor que zero e w(n ) será nula. Da mesma forma se o lado esquerdo for negatvo w(n ) será postva e y(n ) será gual a zero Restrção de nventáro de atvos A restrção de nventáro de atvos especfca que o valor nvestdo em um atvo em t+ será o valor nvestdo em t rentablzado, somado as compras e subtraído as vendas do mesmo atvo em t+. Esta restrção garante a conservação da rqueza de cada atvo ndvdual e a coerênca do valor alocado com as transações efetuadas. a nt r nt. a nt c nt v nt,2 e3; t 0,..., 2, É mportante destacar que a classe de atvos 4- caxa não é contemplada por essa equação pela ausênca de custos de transação. Além dsso, não fara sentdo comprar ou vender caxa.
11 Modelo de Programação Estocástca 33 Nesta equação é de fácl percepção que a escolha do valor das varáves de decsão c (n t+ ) e v (n t+ ) defne completamente a varável de estado a (n t+ ), já que a (n t ) do período anteror e as rentabldades são conhecdos. Percebe-se também a necessdade de uma restrção de nventáro de atvos para a prmera decsão. a n a ncal c n v n,, e Nessa equação não é necessáro a rentabldade do atvo já que as alocações a (n 0 ) e a (ncal) estão pratcamente no mesmo nstante de tempo como pode ser vsto na Fgura 7. Fgura 7. Alocação ncal Restrção de máxmo de alocação em ações (regulatóra) A legslação braslera determna que no máxmo 50% da cartera de um fundo de pensão deve ser nvestmento em renda varável, com exceções aos casos de ações hedgadas por opções. Para efetos de smplfcação não serão consderadas opções e conseqüentemente o lmte de ma = 50% será rígdo. a 4 n ma. a n, t 0 t t,...,
12 Modelo de Programação Estocástca Restrção de lqudez A restrção de lqudez fo ncluída para evtar que o gestor do fundo possa comprar ou vender uma quantdade de títulos maor que a capacdade do mercado. Esta restrção é de suma mportânca no contexto braslero já que os grandes fundos do país conseguem movmentar o mercado de preços com suas posções em cartera. As equações defnem que o valor da varável de decsão de compra (venda) deve ser menor ou gual à capacdade de compra (venda) do mercado. Os parâmetros de capacdade de compra cc e o de venda cv não são observáves dretamente, sendo assm escolhdos de acordo com a opnão e a sensbldade do gestor do fundo. Para exercícos smulação as capacdades de compra e venda serão uma proporção da movmentação de títulos dos respectvos mercados. c v nt cc, t 0,...,,,2 e3 n cv, t 0,...,,,2 e3 t
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 maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia mais2 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 maisDespacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos
Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões
Leia maisOs 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 maisCAPÍTULO 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 mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisProgramação 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 maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia mais7 - 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 maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia maisFaculdade 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 mais2 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 maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisIntrodução a Combinatória- Aplicações, parte II
Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o
Leia mais2 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 mais1. 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 maisCurso 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 maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisX = 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 maisR 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 maisCaderno de Fórmulas em Implementação. SWAP Alterações na curva Libor
Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3
Leia maisQ 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )
DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco
Leia maisMinistério 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 maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia mais2 Lógica Fuzzy Introdução
2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia mais4 Sistemas de partículas
4 Sstemas de partículas Nota: será feta a segunte convenção: uma letra em bold representa um vector,.e. b b Nesta secção estudaremos a generalzação das les de Newton a um sstema de váras partículas e as
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisRealimentação negativa em ampliadores
Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação
Leia maisEstatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard
Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisFigura 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 maisMicroeconomia 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 maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisAdriana da Costa F. Chaves
Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisNOTA 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 maisObjetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
Leia maisProgramação Linear 1
Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisCÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL
ESCOLA FEDERAL DE ENGENHARIA DE ITAJUBÁ INSTITUTO DE ENGENHARIA MECÂNICA DEPARTAMENTO DE PRODUÇÃO CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL Dego
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia mais4. Conceitos de Risco-Retorno, diversificação e índices de desempenho de Fundos de Investimento
4. Concetos de Rsco-Retorno, dversfcação e índces de desempenho de Fundos de Investmento O alto dnamsmo e a crescente sofstcação do mercado fnancero mundal fazem com que os nvestdores tenham o constante
Leia maisAo 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 maisAo 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 maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisDISTRIBUIÇÃO DE FREQUÊNCIAS
Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO
Leia maisExercícios de CPM e PERT Enunciados
Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia maisDEFINIÇÃO - 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 maisO F Í C I O C I R C U L A R. Participantes dos Mercados da B3 Segmento BM&FBOVESPA. Ref.: Nova Metodologia do Índice Dividendos BM&FBOVESPA (IDIV).
01 de novembro de 2017 069/2017-DP O F Í C I O C I R C U L A R Partcpantes dos Mercados da B3 Segmento BM&FBOVESPA Ref.: Nova Metodologa do Índce Dvdendos BM&FBOVESPA (IDIV). Concluída a fase de dscussão
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisINFLAÇÃO E DESIGUALDADE*
Artgos Outono 2009 INFLAÇÃO E DESIGUALDADE* Isabel H. orrea** 1. INTRODUÇÃO A baxa persstente da taxa de nflação é talvez a mudança de polítca maor, mas sustentada, e comum a um maor número de países desenvolvdos.
Leia maisDECISÃO SOB INCERTEZA
PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br 1 Introdução
Leia maisTABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS
TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe
Leia maisConstrução e aplicação de índices-padrão
Construção e aplcação de índces-padrão Artgo Completo José Aparecdo Moura Aranha (Admnstrador e Contador, Professor Assstente do Curso de Admnstração da Unversdade Federal de Mato Grosso do Sul - Câmpus
Leia maisMODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:
MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no
Leia maisMETODOLOGIA DO ÍNDICE CARBONO EFICIENTE (ICO2)
METODOLOGIA DO ÍNDICE CARBONO Abrl/2015 [data] METODOLOGIA DO ÍNDICE CARBONO O ICO2 é o resultado de uma cartera teórca de atvos, elaborada de acordo com os crtéros estabelecdos nesta metodologa. Os índces
Leia maisAnálise 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 maisMecanismos de Escalonamento
Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur
Leia mais1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.
Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de
Leia maisProcedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson
Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas
Leia maisCARGA E DESCARGA DE UM CAPACITOR
EXPEIÊNCIA 06 CAGA E DESCAGA DE UM CAPACITO 1. OBJETIVOS a) Levantar, em um crcuto C, curvas de tensão no resstor e no capactor em função do tempo, durante a carga do capactor. b) Levantar, no mesmo crcuto
Leia maisMedidas de Tendência Central. Prof.: Ademilson Teixeira
Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central
Leia maisLei das Malhas (KVL) Lei dos Nós (KCL)
Le das Malhas (KL) Le dos Nós (KCL) Electrónca Arnaldo Batsta 5/6 Electrónca_omed_ef KCL (Krchhoff Current Law) Nó é o ponto de lgação de dos ou mas elementos de crcuto amo é uma porção do crcuto contendo
Leia maisSistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?
Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda
Leia maisDiferença 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 maisAtividade em Soluções Eletrolíticas
Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende
Leia maisMicroeconomia 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 maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot)
Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 2.1 Olgopólo em Quantdades (Cournot) Isabel Mendes 2007-2008 18-03-2008 Isabel Mendes/MICRO II 1 2.1 Olgopólo em Quantdades
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisCurvas Horizontais e Verticais
Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs
Leia maisCARTA-CIRCULAR N.º 273. Ref.: Alterações decorrentes do Projeto de Padronização de Taxas
CARTA-CIRCULAR N.º 273 Aos Partcpantes de Todos os Sstemas Ref.: Alterações decorrentes do Projeto de Padronzação de Taxas A Central de Custóda e de Lqudação Fnancera de Títulos - CETIP comunca que a partr
Leia maisÍndices de Concentração 1
Índces de Concentração Crstane Alkmn Junquera Schmdt arcos André de Lma 3 arço / 00 Este documento expressa as opnões pessoas dos autores e não reflete as posções ofcas da Secretara de Acompanhamento Econômco
Leia mais4 Otimização e Diversificação: o Binômio Risco-Retorno
4 Otmzação e Dversfcação: o Bnômo Rsco-Retorno O alto dnamsmo e a crescente sofstcação do mercado fnancero mundal fazem com que os nvestdores tenham o constante desafo de utlzarem estratégas que maxmzem
Leia maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia mais6 Modelo de imunização estocástica
95 6 Modelo de munzação estocástca Sabemos que, em geral, quanto mas complexa for a classe de varações que deseamos munzar, mas restrtvas se tornam as condções de munzação. ontraro a sso, quanto menor
Leia maisEletromagnetismo 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 maisMEDIDAS DE TENDÊNCIA CENTRAL
3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia mais2 - Análise de circuitos em corrente contínua
- Análse de crcutos em corrente contínua.-corrente eléctrca.-le de Ohm.3-Sentdos da corrente: real e convenconal.4-fontes ndependentes e fontes dependentes.5-assocação de resstêncas; Dvsores de tensão;
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisMecânica. Sistemas de Partículas
Mecânca Sstemas de Partículas Mecânca» Sstemas de Partículas Introdução A dnâmca newtonana estudada até aqu fo utlzada no entendmento e nas prevsões do movmento de objetos puntformes. Objetos dealzados,
Leia maisEXPANSÃO TÉRMICA DOS LÍQUIDOS
Físca II Protocolos das Aulas Prátcas 01 DF - Unversdade do Algarve EXPANSÃO ÉRMICA DOS ÍQUIDOS 1 Resumo Estuda-se a expansão térmca da água destlada e do glcerol utlzando um pcnómetro. Ao aquecer-se,
Leia maisAplicações de Estimadores Bayesianos Empíricos para Análise Espacial de Taxas de Mortalidade
Aplcações de Estmadores Bayesanos Empírcos para Análse Espacal de Taxas de Mortaldade Alexandre E. dos Santos, Alexandre L. Rodrgues, Danlo L. Lopes Departamento de Estatístca Unversdade Federal de Mnas
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisFinanças - BACEN 1997 CESPE
Fnanças - BACE 997 CESPE Legenda: Tema, Itens Importantes Certo, Errado Questão 3. Exstem dversos nstrumentos fnanceros a dsposção do nvestdores: LIBOR, ações, opções, Eurobond, Swaps. Quanto às característcas
Leia maisMETODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO
Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento
Leia mais