Departamento de Informática. Análise de Decisão. Métodos Quantitativos LEI 2006/2007. Susana Nascimento
|
|
- Elza Fraga Dias
- 8 Há anos
- Visualizações:
Transcrição
1 Departamento de Informática Análise de Decisão Métodos Quantitativos LEI 26/27 Susana Nascimento Advertência Autores João Moura Pires Susana Nascimento Este material pode ser livremente usado para uso pessoal ou académico e sem qualquer autorização prévia do autor desde que acompanhado desta declaração do autor. Para uso comercial (por exemplo em cursos pagos) o uso deste material requer a expressa autorização do autor. 2 1
2 Sumário Introdução Tomada de decisão sem experimentação Tomada de decisão com experimentação Árvores de Decisão Teoria da Utilidade 3 Tomada de decisão em ambientes com Incerteza Um fabricante de téxteis quer introduzir um novo produto no mercado Qual irá ser a reacção dos potenciais consumidores? Qual a quantidade de produto a produzir? Dever-se-á fazer um estudo de mercado em pequena região antes de comercializar pelo País inteiro? Que investimento é necessário fazer em Públicidade para que lançamento de produto seja um sucesso? Uma empreza financeira quer investir em seguros Quais os sectores de mercado e seguradoras individuais que constituíem os melhores alvos? Para onde é que a economia está dirigida? Como é que estes factores devem afectar (i.e. que peso devem ter) na tomada de decisão? 4 2
3 Análise de Decisão Estudo de metodologias para a Tomada de Decisão em ambientes com elevado grau de incerteza associado. Exemplo: enunciado Um empresa possui um terreno acerca do qual há suspeita da existência de petróleo Uma firma consultora indica que existe 1 chance em 4 de haver petróleo Uma outra empresa (que também tem conhecimento dessa hipótese) propõe-se comprar o terreno por 9. Exploração do petróleo: Custos: 1 No caso de haver petróleo espera-se uma facturação de 8, ou seja um lucro de 7 6 3
4 Exemplo: organizar os dados Lucro Situação real do terreno Decisões alternativas Explorar o terreno Vender o terreno Probabiliade Há petróleo em 4 Não há petróleo em 4 Qual a decisão a tomar? Vender? Explorar o terreno? Obter mais informação? 7 Exemplo: Formular o Problema A decisão consiste na escolha de uma entre n alternativas a 1, a 2,, a n. Factores aleatórios determinam as circunstâncias em que a decisão vai ser executada. Essas circunstâncias são designadas por estados do mundo ou cenários - e 1,,, e m. Sejam P(e i ) as probabilidades de cada um dos cenários e i Assume-se: são conhecidas as consequências da decisão em cada um dos cenários - Lucro(a i e j ) Qual a decisão a tomar? Obter mais informação? 8 4
5 Organizar os dados Lucro Estados do mundo ou cenários Decisões alternativas e 1 e m a 1 Lucro(a 1 e 1 ) Lucro(a 1 e m ) Lucro(a i e j ) a n Lucro(a n e 1 ) Lucro(a n e m ) Prob. dos cenários P(e 1 ) P(e m ) 9 Critérios para a Tomada de Decisão C 1 : Maximizar o ganho C 2 : Maximizar a verosimilhança C 3 : Regra de Bayes - Maximizar o ganho esperado 1 5
6 Maximizar o ganho (C 1 : Max-Min) Para cada alternativa possível, a i, determinar o ganho mínimo para todos os cenários/estados possíveis, e j (j=1,...,m) Para cada a i determinar min j lucro(a i e j ) Escolher a alternativa que maximiza o lucro mínimo Escolher a alternativa a k (1 k n), tal que: min j lucro(a i e j ) = max i min j lucro(a i e j ) Justificação - ponto de vista pessimista Escolher a alternativa do melhor ganho garantido 1º analisar as alternativas considerando o pior cenário 2º escolher a alternativa que maximiza o ganho numa situação de pior cenário 11 Exemplo: critério Max-Min Lucro Situação real do terreno Decisões alternativas e 1 : há petróleo : não há petróleo min j (a i e j ) a 1 : o terreno a 2 : o terreno max i min j (a i e j ) 9 Não entra em linha de conta com as probabilidades dos cenários! 12 6
7 C 2 : Maximizar a verosimilhança Identificar o cenário mais provável (mais verosímil) e escolher a acção que, para esse cenário, maximiza o ganho. Apenas toma em consideração os efeitos da decisão para o cenário mais provável. Não considera as probabilidades dos outros cenários Não considera os ganhos possíveis nos outros cenários 13 Exemplo: critério da máxima verosimilhança Lucro Situação real do terreno Decisões alternativas a 1 : Explorar o terreno a 2 : Vender o terreno Probabiliade P(e j ) e 1 : Há petróleo : não há petróleo Cenário mais provável Maior ganho no cenário mais provável 14 7
8 Regra de Bayes - Maximizar o valor esperado Com base nas probabilidades dos cenários calcular o valor esperado do ganho para cada uma das decisões alternativas e escolher aquela alternativa que maximiza o valor esperado do ganho. Ganho esperado de cada decisão alternativa Escolher a alternativa a k : m Lucro(a i ) = lucro(a i e j )P(e j ) j=1 Lucro(a k ) = max i Lucro(a i ) 15 Um exemplo: Regra de Bayes Lucro Situação real do terreno Decisões alternativas e 1 : há petróleo : não há petróleo Lucro(a i ) a 1 : o terreno a 2 : o terreno P(e j ) Lucro(a 1 ) =.25(7 K ) +.75 (-1 K ) = 1 K Lucro(a 2 ) =.25(9 K ) +.75 (9 K ) = 9 K 16 8
9 Notas sobre a Regra de Bayes A regra de maximizar o lucro esperado incorpora toda a informação disponível Os ganhos possíveis em cada um dos cenários As probabilidades de ocorrência dos cenários Probabilidades Apesar de estes valores serem estimativas das chances de ocorrência do cenários futuros é pior não as ter em conta. Não ter em conta significa assumir que os cenários futuros são equiprováveis. análise de sensibilidade 17 Análise de Sensibilidade da Regra de Bayes Os valores mais sensíveis sobre os quais convém efectuar uma análise de sensibilidade são os valores das probabilidades Analisar como variam os ganhos esperados das alternativas com a variação da distribuição de probabilidades O número de variáveis independentes é igual ao número de cenários possíveis menos 1. Porquê? Interessa analisar para que valores das probabilidades a decisão se altera. analisar graficamente 18 9
10 Um exemplo: Análise de sensibilidade da regra de Bayes Lucro(a i ) a 2 a Lucro(a1) Lucro(a2) P(e 1 ) Lucro(a 1 ) = P(e 1 )7 + (1 - P(e 1 ))(-1) Lucro(a 2 ) = P(e 1 )9 + (1 - P(e 1 ))9 Lucro(a 1 ) = Lucro(a 2 ) P(e 1 ) = Tomada de decisão com experimentação Inicialmente temos E = {e 1,,, e m }: conjunto de cenários ou estados P(E) = {P(e 1 ), P( ),, P(e m )}: respectivas probabilidades A = {a 1, a 2,., a n } Lucros(A E) = {lucro(a i e j ) i = 1,.., n; j = 1,, m} Pela regra de decisão de Bayes m Análise de Lucro(a i ) = lucro(a i e j )P(e j ) sensibilidade j=1 Obter mais informação para melhorar a confiança em P(E). Quais os novos valores de P(E)? Quanto custa obter nova informação? Valerá a pena? 2 1
11 Exemplo: Chegada de nova informação Antes de se tomar a decisão é possível realizar um estudo sísmico detalhado para estimar melhor a probabilidade de existência de petróleo no terreno. O estudo custa 3 Resultados do estudo: T = {F (favorável), D(desfavorável)} Caraterísticas de confiança e fiabilidade deste teste: P(D e 1 (Petróleo)) =.4; P(F e 1 (Petróleo)) =.6; P(D (não há Petróleo)) =.8; P(F (não há Petróleo)) =.2; 21 Como incorporar a nova informação? Inicialmente temos E = {e 1,,, e m }: conjunto de cenários ou estados P(E) = {P(e 1 ), P( ),, P(e m )}: respectivas probabilidades A = {a 1, a 2,., a n } Lucros(A E) = {lucro(a i e j ) i = 1,.., n; j = 1,, m} Vamos realizar uma experiência que se caracteriza por ter como resultados possíveis: T={t 1,, t K }. Para cada e j : P( T = tk e j ) k = 1,.. K O que se pretende saber é: P(e j t k ) Probabilidades apriori Probabilidades aposteriori 22 11
12 Teorema de Bayes U e1 e 3 e 4 e 6 e 7 e 5 T e8 e 9 e 1 {e 1,,, e m } uma partição de U {P(e 1 ), P( ),, P(e m )} Prob. apriori Nova informação ou evidência: T P(e i T) Prob. a posteriori U e 6 e e 7 5 T Normalização e 6 e 7 T e e 5 2 e 3 e 4 e 8 e9 e 3 e 4 e 8 e 9 23 Teorema de Bayes U e1 e 6 e 7 e 5 T e8 e 1 P(e i ) = P(e i U) P(e i T) = P(e i, T) / P(T) e 3 e 4 e 9 U e 6 e e 7 5 T Normalização e 6 e 7 T e e 5 2 e 3 e 4 e 8 e9 e 3 e 4 e 8 e 9 P(e i, T) = P(e i, T U) P(e i T) = P(e i, T T) 24 12
13 Teorema de Bayes U e1 e 6 e 7 e 1 e 5 T e8 e 3 e 4 e 9 conhecido P(e i T) = P(e i, T) / P(T) P(e i, T) = P(e i )P(T e i ) m P(T ) = P(e i,t ) = P(e i )P(T e i ) m i=1 i=1 U e 6 e e 7 5 T Normalização e 6 e 7 T e e 5 2 e 3 e 4 e 8 e9 e 3 e 4 e 8 e9 P(e i, T) = P(e i, T U) P(e i T) = P(e i, T T) 25 Teorema de Bayes U e1 e 6 e 7 e 1 e 5 T e8 e 3 e 4 e 9 P(e i T ) = P(e i )P(T e i ) m P(e i )P(T e i ) i=1 U e 6 e e 7 5 T Normalização e 6 e 7 T e e 5 2 e 3 e 4 e 8 e9 e 3 e 4 e 8 e 9 P(e i, T) = P(e i, T U) P(e i T) = P(e i, T T) 26 13
14 Como incorporar a nova informação? Inicialmente temos E = {e 1,,, e m }: Conjunto de cenários ou estados P(E) = {P(e 1 ), P( ),, P(e m )}: Respectivas probabilidades Vamos realizar uma experiência que se caracteriza por ter como resultados possíveis: T={t 1,, t K }. Para cada e j : P(T = t k e j ),k =1,..K Calcular probabilidades aposteriori P(e j t k ) P( e j ) P( tk e j ) P( e j T ) = m P( ei ) P( T ei ) i= 1 27 Exemplo: Como incorporar a nova informação? T = {F (favorável), D (desfavorável)} Caraterísticas de confiança e fiabilidade deste teste P(D e 1 (Petróleo)) =.4; P(F e 1 (Petróleo)) =.6; P(D (não há Petróleo)) =.8; P(F (não há Petróleo)) =.2; Probabiliades à priori: P(e 1 ) =.25; P( ) =.75 Se T = F P(e 1 F) = P(e 1 )P(F e 1 ) P(e 1 )P(F e 1 )+ P( )P(F ) = =.5 P( F) =1 P(e 1 F) =
15 Exemplo: Como incorporar a nova informação? T = {F (favorável), D (desfavorável)} Caraterísticas de confiança e fiabilidade deste teste P(D e 1 (Petróleo)) =.4; P(F e 1 (Petróleo)) =.6; P(D (não há Petróleo)) =.8; P(F (não há Petróleo)) =.2; Probabiliades à priori: P(e 1 ) =.25; P( ) =.75 Se T = D P(e 1 D) = P(e 1 )P(D e 1 ) P(e 1 )P(D e 1 )+ P( )P(D ) = =1/7 P( D) =1 P(e 1 D) = 6/7 29 Exemplo: Como incorporar a nova informação? P(e i ) P(T e i ) F D P(e i, T) F D e 1.25 e e P(e i, T) = P(e i )P(T e i ) P(T ) = P(e i,t ) e i P(e i T) = P(e i, T) / P(T) P(T) P(e i T) e 1.3 F.5.7 D 1/7.5 6/7 3 15
16 Exemplo: Como incorporar a nova informação? P(e i ) P(T e i ) F D P(e i, T) F D e 1.25 e e apriori T = F P(T).3.7 T = D aposteriori P(e i T) e 1 F.5 D 1/7.5 6/7 31 Exemplo: decidir com a nova informação T = D Lucro Situação real do terreno Decisões alternativas e 1 : há petróleo : não há petróleo Lucro(a i ) a 1 : o terreno a 2 : o terreno P(e j T = D) 1/7 6/7 Lucro(a 1 ) = (1/7)(7 K ) + (6/7) (-1 K ) = 1/7 = Lucro(a 2 ) =.5(9 K ) +. 5 (9 K ) = 9 K 32 16
17 Exemplo: decidir com a nova informação T = F Lucro Situação real do terreno Decisões alternativas e 1 : há petróleo : não há petróleo Lucro(a i ) a 1 : o terreno a 2 : o terreno P(e j T = F).5.5 Lucro(a 1 ) =.5(7 K ) +.5 (-1 K ) = 3 K Lucro(a 2 ) =.5(9 K ) +. 5 (9 K ) = 9 K 33 Exemplo: decidir com nova informação - resumo apriori a posteriori - com experimentação T = F T = D e 1.25 e 1. 5 e 1 1/ /7 Lucro(a 1 ) = 1 Lucro(a 1 ) = 3 Lucro(a 1 ) = Lucro(a 2 ) = 9 Lucro(a 2 ) = 9 Lucro(a 2 ) = 9 Custo da experiência 3 K Lucro(a 1 ) = 27 Lucro(a 2 ) = 6 Lucro(a 1 ) = -16 (-15,718) Lucro(a 2 ) =
18 Questão: Vale realmente a pena obter mais informação? Conhecendo: As probabilidades apriori de cada um dos possíveis cenários: P(e i ) O lucro esperado de cada uma das alternativas: Lucro(a i ) As características de fiabilidade e confiança do teste: P(T e i ) O custo do teste Será que vale a pena realizar a experiência (que tem um custo) para obter mais informação? Ou, antes pelo contrário decidir já com a informação disponível? 35 O Valor da experiência: dois passos Assumir que a experiência remove qualquer incerteza sobre o estado do mundo ou cenário em que nos encontramos, ou seja depois de conhecido o resultado da experiência, o estado do mundo fica completamente determinado. valor esperado da informação perfeita- aumento do valor esperado do lucro ignorando o custo da experiência. O valor esperado da informação perfeita é o limite superior do valor potencial da experiência (se este valor for inferior ao custo da experiência, esta não se deve realizar). Podemos então determinar o valor da experiência
19 Valor esperado da informação perfeita (EVPI) Aumento do valor esperado do lucro ignorando o custo da experiência e supondo que esta determina completamente qual o estado do mundo é o EVPI. Para cada cenário escolhemos a melhor decisão, isto é, supondo que o cenário é conhecido. Assim o lucro em cada caso é: max i lucro(a i e j ) O lucro esperado com informação perfeita é a média destes lucros máximos ponderada pela probabilidade de ocorrência dos estados. LucroInfPerfeita = O EVPI é a diferença entre o lucro esperado com informação perfeita e o lucro esperado sem a experimentação m P(e j )max lucro(a i e j ) j=1 i { } EVPI = LucroInfPerf LucroSemExperimentação 37 Exemplo: Valor esperado da informação perfeita Decisão sem exper. Decisões alternativas a 1 : o terreno Situação real do terreno e 1 : há petróleo 7 : não há petróleo -1 Lucro(a i ) 1 a 2 : o terreno Lucro(a 1 ) =.25(7 K ) +.75 (-1 K ) = 1 K Lucro(a 2 ) =.25(9 K ) +.75 (9 K ) = 9 K LucroSemExperimentação = 1 K 38 19
20 Exemplo: Valor esperado da informação perfeita Decisão com Inf. Perfeita Decisões alternativas Situação real do terreno e 1 : há petróleo : não há petróleo a 1 : o terreno a 2 : o terreno LucroInfPerf =.25(7 K ) +.75 (9 K ) = K EVPI = LucroInfPerf - LucroSemExperimentação = = K 39 Exemplo: Resumo - valor da experimentação Sem realizar experimentação LucroSemExperimentação = 1 K Realizando uma experiência que determine completamente o estado do mundo LucroInfPerf = K Aumento do lucro com informação perfeita EVPI = K Custo da experiência real: 3 K Como EVPI = K > 3 K vale a pena analisar com mais detalhe se realização da experiência pode ou não trazer mais valia. 4 2
21 Valor Esperado da Experiência: EVE EVE - Aumento do valor esperado do lucro ignorando o custo da experiência. Para cada resultado possível da experiência escolhe-se a decisão de acordo com a regra de Bayes. Assim o lucro em cada caso é: Lucro(T = t k ) O lucro esperado com a experiência é a média destes lucros ponderada pela probabilidade de ocorrência de cada resultado da experiência. m LucroEsperadoComExp = P(t k ) Lucro(T = t k ) O EVE é a diferença entre o lucro esperado com a experiência e o lucro esperado sem a experimentação EVE = LucroEsperadoComExp - LucroSemExp k=1 41 Exemplo: EVE apriori a posteriori - com experimentação T = F P(T=F) =.3 T = D P(T=D) =.7 e 1.25 e 1. 5 e 1 1/ /7 Lucro(a 1 ) = 1 Lucro(a 2 ) = 9 Lucro(a 1 ) = 3 Lucro(a 2 ) = 9 Lucro(a 1 ) = Lucro(a 2 ) = 9 LucroEsperadoComExp = (.3) 3 + (.7) 9 = 153 EVE = LucroEsperadoComExp - LucroSemExp = = 53 K 42 21
22 Exemplo: Resumo - valor da experimentação Sem realizar experimentação LucroSemExperimentação = 1 K Custo da experiência real: 3 K Realizando uma experiência perfeita LucroInfPerf = K Aumento do lucro com informação perfeita EVPI = K Como EVPI > 3 K vale a pena determinar EVE Realizando a experiência real LucroInfComExper = 153 K Aumento esperado do lucro com experiência EVE = 53 K Como EVE > 3 K vale a pena realizar a experiência 43 Sumário AD-A2 Introdução Tomada de decisão sem experimentação Tomada de decisão com experimentação Árvores de decisão Teoria da utilidade 44 22
23 Árvores de Decisão Sequências de decisões Devemos realizar o estudo sísmico? Devemos ou o terreno? Uma árvore de decisão tem: Nós de decisão: representados por um quadrado e indicam que uma decisão deve ser tomada neste ponto do processo. Os ramos que saiem do nó são as alternativas da decisão. Nós de aleatório: representados por um círculo e indicam que um acontecimento aleatório deve ocorrer nesse ponto. Os ramos que saiem do nó são os resultados possíveis da experiência aleatória. 45 Árvores de Decisão: exemplo f Há petróleo b desfavorável c Sem petróleo Fazer estudo a favorável d g Há petróleo Sem petróleo Sem estudo e h Há petróleo Sem petróleo 46 23
24 Árvores de Decisão: exemplo 1. Ganhos nos ramos 2. Lucro nas folhas Fazer estudo -3 a Sem estudo b desfavorável favorável c d e f g h Há petróleo 67 8 Sem petróleo Há petróleo 67 8 Sem petróleo Há petróleo 7 8 Sem petróleo Árvores de Decisão: exemplo 3. Probabilidades nos ramos (nos aleatórios) Fazer estudo -3 a Sem estudo b desfavorável (.7) favorável (.3) c d e f g h a posteriori dado T = D Há petróleo (1/7) 67 8 Sem petróleo -13 (6/7) a posteriori dado T = F Há petróleo (.5) Sem petróleo -13 (.5) 6 apriori Há petróleo(.25) 7 8 Sem petróleo -1 (.75)
25 Árvores de Decisão: exemplo 4. Efectuar a análise Calcular o Lucro Esperado Fazer estudo a Sem estudo 123 b desfavorável (.7) favorável (.3) LE(nó) = Soma(Lucro(filhos)*P(filho)) 6 c 27 d 1 e f 27 g 9 1 h 9 Há petróleo (1/7) 67 8 Sem petróleo (6/7) Lucro Há petróleo (.5) 67 8 Sem petróleo -13 (.5) 6 Há petróleo(.25) 7 8 Sem petróleo -1 (.75) 9 49 Árvores de Decisão: exemplo 5. Decidir Fazer estudo a Sem estudo 123 b desfavorável (.7) favorável (.3) 6 c 27 d 1 e f 27 g 1 h Há petróleo (1/7) 67 8 Sem petróleo (6/7) Há petróleo (.5) 67 8 Sem petróleo -13 (.5) 6 Há petróleo(.25) 7 8 Sem petróleo -1 (.75)
26 Árvores de Decisão: exemplo 5. Decidir 6 Fazer estudo a 123 b desfavorável (.7) favorável (.3) c 27 d g Há petróleo (.5) 8 Sem petróleo (.5) Árvores de Decisão: exemplo 4. Efectuar a análise Calcular o Lucro Esperado Fazer estudo a Sem estudo = b Custo da experiência é 3 desfavorável (.7) favorável (.3) 6 c 27 d 1 e f g 1 h a posteriori dado T = D Há petróleo (1/7) 67 8 Sem petróleo (6/7) a posteriori dado T = F Há petróleo (.5) 67 8 Sem petróleo -13 (.5) 6 apriori Há petróleo(.25) 7 8 Sem petróleo -1 (.75)
27 Exemplo: Resumo - valor da experimentação Sem realizar experimentação LucroSemExperimentação = 1 K Custo da experiência real: 3 K Realizando a experiência real LucroInfComExper = 153 K Aumento esperado do lucro com experiência EVE = 53 K Como EVE > 3 K vale a pena realizar a experiência = 23 (153-3) - 1 = 23 (153-1) - 3 = 23 EVE - Custo da experiência = Aumento esperado do lucro com a experiência depois de subtraído o seu custo 53 Teoria da Utilidade Valores monetários não são a única medida possível para avaliar as consequências da tomada de decisão. Exemplos: Uma aposta: (1 ;.5) e ( ;.5) LucroEsperado = 5 ( 4 ; 1.) e ( ;.) LucroEsperado = 4 Um investimento Enorme lucro e enorme prejuízo (risco de falência) Seguros Porque é que as pessoas compram seguros? (investimento pobre sob ponto vista monetário...) 54 27
28 Funções de Utilidade para o Lucro Monetário u(m) K M 55 Funções de Utilidade para o Lucro Monetário u(m) K M Função de utilidade marginal decrescente para valor monetário: Averso ao risco 56 28
29 Funções de Utilidade para o Lucro Monetário u(m) Favorável ao lucro Neutro Averso ao risco Cada decisor tem a sua função de utilidade e é em geral dependente do contexto. Como definir? Preferências do decisor K M 57 Princípio da Indiferença O decisor é indiferente a duas alternativas que tenham o mesmo valor esperado de utilidade. Exemplo: Função de utilidade como a do exemplo; Oferta: lucro = 1 ; u = 4; probabilidade = p E(u) = 4p lucro = ; u = ; probabilidade = 1 - p Escolher entre pares de alternativas (definir valores de p): Oferta com p =.25 (E(u) = 1) ou obter com garantia 1 K (u(1 K ) = 1) Oferta com p =. 5 (E(u) = 2) ou obter com garantia 3 K (u(3 K ) = 2) Oferta com p =.75 (E(u) = 3) ou obter com garantia 6 K (u(6 K ) = 3) 58 29
30 Modelos para a Função de Utilidade Assumir que a função de utilidade tem uma certa forma matemática e então ajustá-la: Escala da função de Utilidade é irrelevante Somente os valores relativos de Utilidade interessam Função exponencial de utilidade Modelo de u(m ) = R 1 e M R aversão ao risco R - Tolerância ao risco do decisor Grande aversão ao risco - Pequenos valores de R Pequena aversão ao risco - grandes valores de R 59 Função Exponencial de Utilidade u(m) 7 6 u(m ) = R 1 e M R Pequena aversão ao risco - grandes valores de R R = 2 R = 4 R = 6 Grande aversão ao risco - Pequenos valores de R M 6 3
31 Modelos para a Função de Utilidade (2) Vamos considerar uma caso em que os valores de M para os quais estamos interessados pertencem a [m -, m + ] u(m) = A Be M R Onde A = e m R e m R e m + R 1 B = e m R e m + R Fazendo R = m +, obtêm uma função cujo contradomínio é [, 1] 61 31
QuickTime and atiff (Uncompressed) decompressorare needed to see this picture. Análise de Decisão. Métodos Quantitativos 2004/2005.
QuickTime and atiff (Uncompressed) decompressorare needed to see this picture. Análise de Decisão Métodos Quantitativos 2004/2005 João Moura Pires Sumário Introdução Tomada de decisão sem experimentação
Leia maisJogos vs. Problemas de Procura
Jogos Capítulo 6 Jogos vs. Problemas de Procura Adversário imprevisível" necessidade de tomar em consideração todas os movimentos que podem ser tomados pelo adversário Pontuação com sinais opostos O que
Leia mais2. São grupos, respectivamente, de crédito na Conta 1 (PIB) e débito na Conta 2 (RNDB) das Contas Nacionais:
UNIVERSIDADE FEDERAL DE SERGIPE Pró-Reitoria de Pós-Graduação e Pesquisa Núcleo de Pós-Graduação e Pesquisa em Economia Mestrado Profissional em Desenvolvimento Regional e Gestão de Empreendimentos Locais
Leia maisModelos de Filas de Espera
Departamento de Informática Modelos de Filas de Espera Métodos Quantitativos LEI 2006/2007 Susana Nascimento (snt@di.fct.unl.pt) Advertência Autor João Moura Pires (jmp@di.fct.unl.pt) Este material pode
Leia mais1) Eficiência e Equilíbrio Walrasiano: Uma Empresa
1) Eficiência e Equilíbrio Walrasiano: Uma Empresa Suponha que há dois consumidores, Roberto e Tomás, dois bens abóbora (bem 1) e bananas (bem ), e uma empresa. Suponha que a empresa 1 transforme 1 abóbora
Leia maisAlgoritmo MiniMax. Minimax
Algoritmo MiniMax Luís Carlos Calado 050509043 João Carlos Sousa 050509027 José Carlos Campos 060509007 Rodolfo Sousa Silva 050509069 1 Minimax Minimax (ou minmax) é um método usado na Teoria da Decisão,
Leia maisCAPÍTULO III TOMADA DE DECISÃO COM INCERTEZA E RISCO
CAPÍTULO III TOMADA DE DECISÃO COM INCERTEZA E RISCO TOMADA DE DECISÃO 36 Tomada de Decisões Primeiro Passo i. Identificar decisões alternativas. ii. Identificar consequências possíveis. iii. Identificar
Leia maisTeoria da utilidade / CI. Sumário. Teoria da utilidade / CI. Teoria da utilidade / CI. Teoria da utilidade / CI. Teoria da utilidade / CI
Sumário Teoria da utilidade Bens complementares Bens substitutos Vimos que os agentes económicos Confrontam-se com cabazes E que dos seus gostos/preferências resulta uma função de utilidade u: Se A f B
Leia maisEstatística II Antonio Roque Aula 9. Testes de Hipóteses
Testes de Hipóteses Os problemas de inferência estatística tratados nas aulas anteriores podem ser enfocados de um ponto de vista um pouco diferente: ao invés de se construir intervalos de confiança para
Leia maisCOMO CALCULAR A PERFORMANCE DOS FUNDOS DE INVESTIMENTOS - PARTE I
COMO CALCULAR A PERFORMANCE DOS FUNDOS DE INVESTIMENTOS - PARTE I O que é o Índice de Sharpe? Como calcular o Índice de Sharpe? Revisão do conceito de risco. O desvio-padrão como medida de risco. Autor:
Leia maisCÓDIGO CRÉDITOS PERÍODO PRÉ-REQUISITO TURMA ANO INTRODUÇÃO
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS ESCOLA DE GESTÃO E NEGÓCIOS CURSO DE CIÊNCIAS CONTÁBEIS, ADMINISTRAÇÃO E ECONOMIA DISCIPLINA: ESTRUTURA E ANÁLISE DE CUSTO CÓDIGO CRÉDITOS PERÍODO PRÉ-REQUISITO
Leia maisfunção de produção côncava. 1 É importante lembrar que este resultado é condicional ao fato das empresas apresentarem uma
90 6. CONCLUSÃO Segundo a teoria microecônomica tradicional, se as pequenas empresas brasileiras são tomadores de preços, atuam nos mesmos mercados e possuem a mesma função de produção, elas deveriam obter
Leia maisModelos, em escala reduzida, de pontes e barragens. Simuladores de voo (ou de condução), com os quais se treinam pilotos (ou condutores).
SIMULAÇÃO 1 Introdução Entende-se por simulação a imitação do funcionamento de um sistema real recorrendo a uma representação desse sistema. Com essa representação modelo, pretende-se realizar experimentações
Leia mais7 etapas para construir um Projeto Integrado de Negócios Sustentáveis de sucesso
7 etapas para construir um Projeto Integrado de Negócios Sustentáveis de sucesso Saiba como colocar o PINS em prática no agronegócio e explore suas melhores opções de atuação em rede. Quando uma empresa
Leia maisDois eventos são disjuntos ou mutuamente exclusivos quando não tem elementos em comum. Isto é, A B = Φ
Probabilidade Vimos anteriormente como caracterizar uma massa de dados, como o objetivo de organizar e resumir informações. Agora, apresentamos a teoria matemática que dá base teórica para o desenvolvimento
Leia maisipea políticas sociais acompanhamento e análise 7 ago. 2003 117 GASTOS SOCIAIS: FOCALIZAR VERSUS UNIVERSALIZAR José Márcio Camargo*
GASTOS SOCIAIS: FOCALIZAR VERSUS UNIVERSALIZAR José Márcio Camargo* Como deve ser estruturada a política social de um país? A resposta a essa pergunta independe do grau de desenvolvimento do país, da porcentagem
Leia mais1. Os métodos Não-Paramétricos podem ser aplicados a uma ampla diversidade de situações, porque não exigem populações distribuídas normalmente.
TESTES NÃO - PARAMÉTRICOS As técnicas da Estatística Não-Paramétrica são, particularmente, adaptáveis aos dados das ciências do comportamento. A aplicação dessas técnicas não exige suposições quanto à
Leia maisJogos Olímpicos de Verão - Londres 2012
Mestrado Integrado em Engenharia Eletrotécnica e de Computadores Investigação Operacional 2011.10.19 1 o Mini-teste Prova com consulta Duração: 1h30min Jogos Olímpicos de Verão - Londres 2012 Os Jogos
Leia maisSistemas de Apoio à Decisão
Sistemas de Apoio à Decisão Processo de tomada de decisões baseia-se em informação toma em consideração objectivos toma em consideração conhecimento sobre o domínio. Modelar o processo de tomada de decisões
Leia maisCURSO: ADMINISTRAÇÃO Prof Dra. Deiby Santos Gouveia Disciplina: Matemática Aplicada OFERTA DE MERCADO
CURSO: ADMINISTRAÇÃO Prof Dra. Deiby Santos Gouveia Disciplina: Matemática Aplicada OFERTA DE MERCADO A oferta de uma mercadoria, a um dado preço, é a quantidade que os vendedores estão dispostos a oferecer
Leia maisProbabilidade e Estatística I Antonio Roque Aula 11 Probabilidade Elementar: Novos Conceitos
Probabilidade Elementar: Novos Conceitos Vamos começar com algumas definições: Experimento: Qualquer processo ou ação bem definida que tenha um conjunto de resultados possíveis 1) Lançamento de um dado;
Leia maisA presente seção apresenta e especifica as hipótese que se buscou testar com o experimento. A seção 5 vai detalhar o desenho do experimento.
4 Plano de Análise O desenho do experimento realizado foi elaborado de forma a identificar o quão relevantes para a explicação do fenômeno de overbidding são os fatores mencionados na literatura em questão
Leia maisContabilidade Gerencial PROFESSOR: Salomão Soares VPL E TIR
Contabilidade Gerencial PROFESSOR: Salomão Soares VPL E TIR Data: VPL(VAL) Valor Presente Líquido ou Valor Atual Líquido O valor presente líquido (VPL), também conhecido como valor atual líquido (VAL)
Leia maisA 'BC' e, com uma régua, obteve estas medidas: = h = 3,6. Portanto a área do triângulo ABC vale = 7,56cm
1 Um estudante tinha de calcular a área do triângulo C, mas um pedaço da folha do caderno rasgou-se. Ele, então, traçou o segmento 'C' paralelo a C, a altura C' H do triângulo 'C' e, com uma régua, obteve
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia maisUnidade III AVALIAÇÃO DE EMPRESAS. Prof. Rubens Pardini
Unidade III AVALIAÇÃO DE EMPRESAS Prof. Rubens Pardini Conteúdo programático Unidade I Avaliação de empresas metodologias simples Unidade II Avaliação de empresas metodologias aplicadas Unidade III Avaliação
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Avaliações de Testes Diagnósticos 03/14 1 / 17 Uma aplicação
Leia maisFundamentos de Contabilidade. Formação do Patrimônio. Professor Isnard Martins
Fundamentos de Contabilidade Professor Isnard Martins Formação do Patrimônio Bibliografia Osni Moura Ribeiro, Contabilidade Fundamental 1Saraiva, 2011 1 Formação do Patrimônio Para constituir uma empresa,
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisR E S O L U Ç Ã O. Parágrafo único. O presente regulamento passa a vigorar para os novos currículos vigentes a partir do 1º semestre de 2016.
RESOLUÇÃO CONSEACC/CP 18/2015 ALTERA O REGULAMENTO DO TRABALHO DE GRADUAÇÃO DOS CURSOS DE ENGENHARIA DO CAMPUS CAMPINAS DA UNIVERSIDADE SÃO FRANCISCO USF. O Presidente do Conselho Acadêmico de Campus CONSEACC,
Leia maisO QUE É CFROI CASH FLOW RETURN ON
1 O QUE É CFROI CASH FLOW RETURN ON Métricas de Retorno Os direcionadores do retorno total do acionista -TSR O CFROI passo a passo Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas graduado
Leia maisPLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 11 PESQUISA DE MERCADO
PLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 11 PESQUISA DE MERCADO Índice 1. Pesquisa de mercado...3 1.1. Diferenças entre a pesquisa de mercado e a análise de mercado... 3 1.2. Técnicas de
Leia maisPATRIMÔNIO LÍQUIDO CONTÁBIL versus VALOR DE MERCADO Cálculo do patrimônio líquido pelo valor de mercado
UP-TO-DATE. ANO I. NÚMERO 37 PATRIMÔNIO LÍQUIDO CONTÁBIL versus VALOR DE MERCADO Cálculo do patrimônio líquido pelo valor de mercado Autor: Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas
Leia maisANALISE COMBINATORIA Um pouco de probabilidade
ANALISE COMBINATORIA Um pouco de probabilidade Programa Pró-Ciência Fapesp/IME-USP-setembro de 1999 Antônio L. Pereira -IME USP (s. 234A) tel 818 6214 email:alpereir@ime.usp.br 1 Um carro e dois bodes
Leia maisASPECTOS CONCEITUAIS OBJETIVOS planejamento tomada de decisão
FACULDADES INTEGRADAS DO TAPAJÓS DISCIPLINA: CONTABILIDADE GERENCIAL PROFESSOR: JOSÉ DE JESUS PINHEIRO NETO ASSUNTO: REVISÃO CONCEITUAL EM CONTABILIDADE DE CUSTOS ASPECTOS CONCEITUAIS A Contabilidade de
Leia mais4. Metodologia. Capítulo 4 - Metodologia
Capítulo 4 - Metodologia 4. Metodologia Neste capítulo é apresentada a metodologia utilizada na modelagem, estando dividida em duas seções: uma referente às tábuas de múltiplos decrementos, e outra referente
Leia maisProva Escrita de Matemática Aplicada às Ciências Sociais
Exame Final Nacional do Ensino Secundário Prova Escrita de Matemática Aplicada às Ciências Sociais 11.º Ano de Escolaridade Decreto-Lei n.º 139/2012, de 5 de julho Prova 835/2.ª Fase 15 Páginas Duração
Leia maisEducação Financeira As Cinco Regras mais Importante da Educação Financeira para Enfrentar a Crise. A Terceira é a Minha Favorita
Educação Financeira As Cinco Regras mais Importante da Educação Financeira para Enfrentar a Crise. A Terceira é a Minha Favorita Flávio José de Almeida Ferreira Fevereiro/2016 Sumário Introdução... 3 Educação
Leia maisMetodologia para seleção de amostras de contratos de obras públicas (jurisdicionados) utilizando a programação linear aplicativo Solver
REVISTA Metodologia para seleção de amostras de contratos de obras públicas (jurisdicionados) utilizando a programação linear aplicativo Solver André Mainardes Berezowski 1 Resumo Trata da apresentação
Leia mais7 - Análise de redes Pesquisa Operacional CAPÍTULO 7 ANÁLISE DE REDES. 4 c. Figura 7.1 - Exemplo de um grafo linear.
CAPÍTULO 7 7 ANÁLISE DE REDES 7.1 Conceitos Básicos em Teoria dos Grafos Diversos problemas de programação linear, inclusive os problemas de transporte, podem ser modelados como problemas de fluxo de redes.
Leia maisNormas Internacionais de Avaliação. Preço Custo e valor Mercado Abordagem de valores Abordagens de avaliação
Normas Internacionais de Avaliação Preço Custo e valor Mercado Abordagem de valores Abordagens de avaliação Mercado Mercado é o ambiente no qual as mercadorias e serviços são transacionados entre compradores
Leia maisExtensões ao modelo Labini- Modigliani que exploram outras estratégias de ficação de preços
Extensões ao modelo Labini- Modigliani que exploram outras estratégias de ficação de preços J. N. Bhagwati em Oligopoly Theory, Entry Prevention and Grotwth (modelo Bh) Modelo Bh Incorpora novos determinantes
Leia maisPesquisa Operacional. Componentes de um modelo de PL
Pesquisa Operacional Introdução à Modelagem de Problemas Lineares Recursos Escasso. Componentes de um modelo de PL O modelo Matemático é composto por: Função Objetivo (eq. Linear, Ex.: Lucro) Restrições
Leia maisAvaliação pelo Método do Fluxo de Caixa Descontado
Avaliação pelo Método do Fluxo de Caixa Descontado! Estimativa do Fluxo de Caixa! O método do fluxo de caixa descontado! Valor presente do fluxo de caixa futuro Francisco Cavalcante (francisco@fcavalcante.com.br)
Leia maisTrata-se do processo de planejamento, identificação, análise e planejamento de respostas e controle de riscos.
Aula 22 1 2 Trata-se do processo de planejamento, identificação, análise e planejamento de respostas e controle de riscos. O objetivo deste processo é aumentar a possibilidade de eventos positivos e reduzir
Leia maisInvestigação Operacional
Licenciatura em Engenharia de Comunicações Licenciatura em Engenharia Electrónica Industrial e Computadores Investigação Operacional Exercícios de Métodos para Programação Linear Grupo de Optimização e
Leia maisEventos independentes
Eventos independentes Adaptado do artigo de Flávio Wagner Rodrigues Neste artigo são discutidos alguns aspectos ligados à noção de independência de dois eventos na Teoria das Probabilidades. Os objetivos
Leia maisDOCUMENTOS DE GESTÃO FINANCEIRA Realizado por GESTLUZ - Consultores de Gestão
DOCUMENTOS DE GESTÃO FINANCEIRA Realizado por GESTLUZ - Consultores de Gestão A Análise das Demonstrações Financeiras Este artigo pretende apoiar o jovem empreendedor, informando-o de como utilizar os
Leia maisCOMO IDENTIFICAR E ANALISAR OS IMPACTOS DOS DRIVERS DA EMPRESA (CASH E VALUE)
COMO IDENTIFICAR E ANALISAR OS IMPACTOS DOS DRIVERS DA EMPRESA (CASH E VALUE) O que são cash e value drivers Como identificá-los Como analisá-los Autor: Francisco Cavalcante(f_c_a@uol.com.br) Administrador
Leia maisO mercado de bens CAPÍTULO 3. Olivier Blanchard Pearson Education. 2006 Pearson Education Macroeconomia, 4/e Olivier Blanchard
O mercado de bens Olivier Blanchard Pearson Education CAPÍTULO 3 3.1 A composição do PIB A composição do PIB Consumo (C) são os bens e serviços adquiridos pelos consumidores. Investimento (I), às vezes
Leia maisINVESTIMENTO A LONGO PRAZO 1. Princípios de Fluxo de Caixa para Orçamento de Capital
5 INVESTIMENTO A LONGO PRAZO 1. Princípios de Fluxo de Caixa para Orçamento de Capital 1.1 Processo de decisão de orçamento de capital A decisão de investimento de longo prazo é a decisão financeira mais
Leia maisPERGUNTAS MAIS FREQÜENTES SOBRE VALOR PRESENTE LÍQUIDO (VPL)
PERGUNTAS MAIS FREQÜENTES SOBRE VALOR PRESENTE LÍQUIDO (VPL) Melhor método para avaliar investimentos 16 perguntas importantes 16 respostas que todos os executivos devem saber Francisco Cavalcante(f_c_a@uol.com.br)
Leia maisENTREVISTA "Não se ganha com. a caça ao dividendo"
ENTREVISTA "Não se ganha com a caça ao dividendo" JORGE BENTO FARINHA, VICE-PRESIDENTE DA PORTO BUSINESS SCHOOL Em Portugal não se ganha dinheiro com a caça ao dividendo Co-autor do livro "Dividendos e
Leia maisTÉCNICAS DE AVALIAÇÃO ECONÔMICA. comunicação técnica do CETEM Avaliação Econômica de Projetos Prof. Raul Oliveira Neto
TÉCNICAS DE AVALIAÇÃO ECONÔMICA comunicação técnica do CETEM Avaliação Econômica de Projetos Prof. Raul Oliveira Neto Introdução As técnicas de avaliação econômica são utilizadas para converter os dados
Leia maisAMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE ll
AMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE ll! Os parâmetros para decisão do auditor.! Tipos de planos de amostragem estatística em auditoria. Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas
Leia maisFalso: F = Low voltage: L = 0
Curso Técnico em Eletrotécnica Disciplina: Automação Predial e Industrial Professor: Ronimack Trajano 1 PORTAS LOGICAS 1.1 INTRODUÇÃO Em 1854, George Boole introduziu o formalismo que até hoje se usa para
Leia maisManual do Gestor da Informação do Sistema
Faculdade de Engenharia da Universidade do Porto Licenciatura Informática e Computação Laboratório de Informática Avançada Automatização de Horários Manual do Gestor da Informação do Sistema João Braga
Leia maisDefinições (parágrafo 9) 9 Os termos que se seguem são usados nesta Norma com os significados
Norma contabilística e de relato financeiro 14 Concentrações de actividades empresariais Esta Norma Contabilística e de Relato Financeiro tem por base a Norma Internacional de Relato Financeiro IFRS 3
Leia mais6. Programação Inteira
Pesquisa Operacional II 6. Programação Inteira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Programação Inteira São problemas de programação matemática em que a função objetivo, bem
Leia maisNORMA CONTABILISTICA E DE RELATO FINANCEIRO 14 CONCENTRAÇÕES DE ACTIVIDADES EMPRESARIAIS. Objectivo ( 1) 1 Âmbito ( 2 a 8) 2
NORMA CONTABILISTICA E DE RELATO FINANCEIRO 14 CONCENTRAÇÕES DE ACTIVIDADES EMPRESARIAIS Esta Norma Contabilística e de Relato Financeiro tem por base a Norma Internacional de Contabilidade IFRS 3 Concentrações
Leia maisEstatística Descritiva I
Estatística Descritiva I Bacharelado em Economia - FEA - Noturno 1 o Semestre 2016 Profs. Fábio P. Machado e Gilberto A. Paula MAE0219 (Economia-FEA-Noturno) Estatística Descritiva I 1 o Semestre 2016
Leia maisAvaliação de projetos de investimento
Gestão Empresarial e Economia Avaliação de projetos de investimento Critérios de avaliação de investimentos Sumário Critérios de avaliação de investimentos o Valor actual líquido o Taxa interna de rentabilidade
Leia maisSESSÃO TÉCNICA SOBRE O VALE I&DT E VALE INOVAÇÃO NOS SISTEMAS DE INCENTIVOS ÀS EMPRESAS
SI À INVESTIGAÇÃO E DESENVOLVIMENTO TECNOLÓGICO SI À QUALIFICAÇÃO E INTERNACIONALIZAÇÃO DE PME SESSÃO TÉCNICA SOBRE O VALE I&DT E VALE INOVAÇÃO NOS SISTEMAS DE INCENTIVOS ÀS EMPRESAS Data: 13 de Outubro
Leia maisOrganização interna da empresa
Organização interna da empresa IST, LEGI - Teoria Económica II Margarida Catalão Lopes 1 Duas questões neste capítulo: A) Em que circunstâncias as empresas preferirão englobar internamente as várias fases
Leia maiscadeira Modelação dos Sistemas Biológicos Parte 1 - Biometria
cadeira Modelação dos Sistemas Biológicos, Licenciatura em Biologia, cadeira Modelação dos Sistemas Biológicos Parte 1 - Biometria Análise Estatística stica Análise Exploratória vs. Confirmatória Técnicas
Leia maisSimulado ENEM: Matemática
Simulado ENEM: Matemática Questão 1 Cinco diretores de uma grande companhia, doutores Arnaldo, Bernardo, Cristiano, Denis e Eduardo, estão sentados em uma mesa redonda, em sentido horário, para uma reunião
Leia maisUniversidade da Beira Interior Departamento de Matemática. Fábrica 1 Fábrica 2 Fábrica 3 Mina 1 45 80 140 Mina 2 70 145 95
Universidade da Beira Interior Departamento de Matemática INVESTIGAÇÃO OPERACIONAL Ano lectivo: 2008/2009; Curso: Economia Ficha de exercícios nº5: Problema de Transportes e Problema de Afectação. 1. Uma
Leia maisTÍTULO: ANÁLISE DE RISCO E RETORNO: UMA COMPARAÇÃO ENTRE TÍTULOS PÚBLICOS
TÍTULO: ANÁLISE DE RISCO E RETORNO: UMA COMPARAÇÃO ENTRE TÍTULOS PÚBLICOS CATEGORIA: CONCLUÍDO ÁREA: CIÊNCIAS SOCIAIS APLICADAS SUBÁREA: ADMINISTRAÇÃO INSTITUIÇÃO: UNIVERSIDADE DE RIBEIRÃO PRETO AUTOR(ES):
Leia maisCOMISSÃO DAS COMUNIDADES EUROPEIAS RECOMENDAÇÃO DA COMISSÃO
PT PT PT COMISSÃO DAS COMUNIDADES EUROPEIAS Bruxelas, 30.4.2009 C(2009) 3177 RECOMENDAÇÃO DA COMISSÃO que complementa as Recomendações 2004/913/CE e 2005/162/CE no que respeita ao regime de remuneração
Leia maisEmpreenda! 9ª Edição Roteiro de Apoio ao Plano de Negócios. Preparamos este roteiro para ajudá-lo (a) a desenvolver o seu Plano de Negócios.
Empreenda! 9ª Edição Roteiro de Apoio ao Plano de Negócios Caro (a) aluno (a), Preparamos este roteiro para ajudá-lo (a) a desenvolver o seu Plano de Negócios. O Plano de Negócios deverá ter no máximo
Leia mais24/10/2009. Definições. Componentes. Tipos. Mensuração. Perfis de indivíduos. Gerenciamento
Riscos conceitos e tipificação Prof. Dr. Tharcisio Bierrenbach de Souza Santos Risco: definições, tipificação e relevância Definições Componentes Tipos Mensuração Perfis de indivíduos Gerenciamento 2 1
Leia maisIndicadores de Risco Macroeconômico no Brasil
Indicadores de Risco Macroeconômico no Brasil Julho de 2005 Risco Macroeconômico 2 Introdução: Risco Financeiro e Macroeconômico Um dos conceitos fundamentais na área financeira é o de risco, que normalmente
Leia maisAnálise de Sensibilidade
Métodos de Avaliação de Risco Opções Reais Análise de Risco Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio Análise de Cenário Esta metodologia amplia os horizontes do FCD obrigando o analista a
Leia maisAnálise SWOT seguindo a metodologia do BMG
Análise SWOT seguindo a metodologia do BMG Análise SWOT (abreviatura das palavras em inglês Strong, Weakness, Opportunities e Threats) é uma análise ambiental que consiste em levantar pontos internos e
Leia maisUnidade II AVALIAÇÃO DE EMPRESAS. Prof. Rubens Pardini
Unidade II AVALIAÇÃO DE EMPRESAS Prof. Rubens Pardini Conteúdo programático Unidade I Avaliação de empresas metodologias simples Unidade II Avaliação de empresas metodologias aplicadas Unidade III Avaliação
Leia maisTécnicas de Computação Paralela Capítulo III Design de Algoritmos Paralelos
Técnicas de Computação Paralela Capítulo III Design de Algoritmos Paralelos José Rogado jose.rogado@ulusofona.pt Universidade Lusófona Mestrado Eng.ª Informática e Sistemas de Informação 2013/14 Resumo
Leia maisCARTILHA. Previdência. Complementar NOVA TRIBUTAÇÃO. www.sulamericaonline.com.br
CARTILHA Previdência Complementar NOVA TRIBUTAÇÃO www.sulamericaonline.com.br Índice 1. Os Planos de Previdência Complementar e o Novo Regime Tributário 4 2. Tratamento Tributário Básico 5 3. Características
Leia maisb) a 0 e 0 d) a 0 e 0
IFRN - INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RN PROFESSOR: MARCELO SILVA MATEMÁTICA FUNÇÃO DO º GRAU 1. Um grupo de pessoas gastou R$ 10,00 em uma lanchonete. Quando foram pagar a conta,
Leia maisO QUE É ATIVO INTANGÍVEL?
O QUE É ATIVO INTANGÍVEL?! Quais as características do Ativo Intangível?! O problema da mensuração dos Ativos Intangíveis.! O problema da duração dos Ativos Intangíveis. Francisco Cavalcante(f_c_a@uol.com.br)
Leia maisAfinal o que são e como se calculam os quartis? Universidade do Algarve Departamento de Matemática
Afinal o que são e como se calculam os quartis? Susana Fernandes Mónica Pinto Universidade do Algarve Departamento de Matemática Introdução Imaginemos que queremos calcular os quartis de um conjunto de
Leia maisÍndice de Exercícios. Exercício 1.
Índice de Exercícios Exercício 1...1 Exercício 2...2 Exercício 3...4 Exercício 4...7 Exercício 5. (Ficha de trabalho de Metrologia e Qualidade módulo 4)...8 Exercício 6. (Ficha de trabalho de Metrologia
Leia maisProcessos Estocásticos
Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte
Leia maisLegislação aplicada às comunicações
Legislação aplicada às comunicações Fundamentos de competição Carlos Baigorri Brasília, março de 2015 Objetivo Conhecer os principais conceitos envolvidos na regulação econômica: Oferta e demanda Teoremas
Leia maisMÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA
MÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA Em um amostra, quando se têm os valores de uma certa característica, é fácil constatar que os dados normalmente não se distribuem uniformemente, havendo uma
Leia maisC N INTERPRETAÇÃO TÉCNICA Nº 2. Assunto: RESERVA FISCAL PARA INVESTIMENTO Cumprimento das obrigações contabilísticas I. QUESTÃO
C N C C o m i s s ã o d e N o r m a l i z a ç ã o C o n t a b i l í s t i c a INTERPRETAÇÃO TÉCNICA Nº 2 Assunto: RESERVA FISCAL PARA INVESTIMENTO Cumprimento das obrigações contabilísticas I. QUESTÃO
Leia maisPlanejamento e Análise de Sistemas de Produção
Aula 26 Planejamento e Análise de Sistemas de Produção Paulo Augusto Valente Ferreira Departamento de Telemática Faculdade de Engenharia Elétrica e Computação Universidade Estadual de Campinas Conteúdo
Leia maisNorma Interpretativa 2 Uso de Técnicas de Valor Presente para mensurar o Valor de Uso
Norma Interpretativa 2 Uso de Técnicas de Valor Presente para mensurar o Valor de Uso Esta Norma Interpretativa decorre da NCRF 12 - Imparidade de Activos. Sempre que na presente norma existam remissões
Leia maisCUSTOS. Custo = sacrifício de recursos com vista a atingir determinados objectivos (representa utilização de recursos).
Controlo de Gestão é o conjunto de instrumentos que visam motivar os gestores a atingir os objectivos estratégicos da empresa, privilegiando a acção e a tomada de decisão em tempo útil e favorecendo a
Leia mais3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar
3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar Vimos que as previsões sobre as capacidades caloríficas molares baseadas na teoria cinética estão de acordo com o comportamento
Leia maisPROVA DE NÍVEL SUPERIOR. CARGO: Técnico de Nível Superior Pleno I - ADMINISTRADOR OU ECONOMISTA
PROVA DE NÍVEL SUPERIOR CARGO: Técnico de Nível Superior Pleno I - ADMINISTRADOR OU ECONOMISTA Responda as questões 1 a 5 de acordo com a Instrução Normativa Conjunta SECON/SEFAZ/SEPLAN Nº 01/2005. 1.
Leia maisFMEA (Failure Model and Effect Analysis)
Definição FMEA (Failure Model and Effect Analysis) Conceitos Básicos A metodologia de Análise do Tipo e Efeito de Falha, conhecida como FMEA (do inglês Failure Mode and Effect Analysis), é uma ferramenta
Leia maisLaudo Técnico. Belo Horizonte, 22 de outubro de 2014. Retificação ao Laudo Técnico emitido no dia 18 de setembro de 2014. Considerar o presente laudo.
Laudo Técnico Belo Horizonte, 22 de outubro de 2014 Retificação ao Laudo Técnico emitido no dia 18 de setembro de 2014. Considerar o presente laudo. 1) Solicitante: Associação Brasileira de Frigoríficos
Leia maisSessão 4: Avaliação na perspectiva de diferentes tipos de organizações do setor sem fins lucrativos
Sessão 4: Avaliação na perspectiva de diferentes tipos de organizações do setor sem fins lucrativos Avaliação Econômica como instrumento para o aprimoramento da gestão das ações sociais 26/09/2013 Fundação
Leia maisMÉTODOS ESTATÍSTICOS I 3ª. AVALIAÇÃO PRESENCIAL 1º Semestre de 2010 Prof. Moisés Lima de Menezes (pode usar calculadora) Versão Tutor
MÉTODOS ESTATÍSTICOS I ª. AVALIAÇÃO PRESENCIAL º Semestre de 00 Prof. Moisés Lima de Menezes (pode usar calculadora) Versão Tutor. (,0 pontos) Em uma cidade onde se publicam jornais: A, B e C, constatou-se
Leia maisAula 1. Introdução à Avaliação Econômica de Projetos Sociais
Aula 1 Introdução à Avaliação Econômica de Projetos Sociais Avaliar é... Emitir juízo de valor sobre algo. Avaliação Econômica é... Quantificar o impacto e o retorno econômico de um projeto, com base em
Leia maisLista de Exercícios Tratamento de Incerteza baseado em Probabilidade
Lista de Exercícios Tratamento de Incerteza baseado em Probabilidade 1) Explique o termo probabilidade subjetiva no contexto de um agente que raciocina sobre incerteza baseando em probabilidade. 2) Explique
Leia maisTeoria da Firma. Discriminação de preços tarifa em duas partes e concorrência monopolística. Roberto Guena de Oliveira USP. 28 de julho de 2014
Teoria da Firma Discriminação de preços tarifa em duas partes e concorrência monopolística Roberto Guena de Oliveira USP 28 de julho de 2014 Roberto Guena (USP) Discrim. & conc. monop. 28 de julho de 2014
Leia maisCONHECIMENTOS ESPECÍFICOS» ADMINISTRAÇÃO FINANCEIRA «
CONHECIMENTOS ESPECÍFICOS» ADMINISTRAÇÃO FINANCEIRA «21. O sistema de intermediação financeira é formado por agentes tomadores e doadores de capital. As transferências de recursos entre esses agentes são
Leia maisMonopólio. Microeconomia II LGE108. Características do Monopólio:
Monopólio Introdução Características do Monopólio: Existe uma única empresa do lado da oferta; Existem muitos compradores de pequena dimensão; Não existem substitutos próximos; Existe informação perfeita
Leia mais