Escolar Documentos
Profissional Documentos
Cultura Documentos
ESTATSTICA
Marcus Vinicius Quintella Cury, D.Sc
mvqc@fgvmail.br
Realizao Fundao
Getulio Vargas
FGV Management
I. Ttulo
Sumrio
1.
PROGRAMA DA DISCIPLINA
1.1 EMENTA
1.2 CARGA HORRIA TOTAL
1.3 OBJETIVOS
1.4 CONTEDO PROGRAMTICO
1.5 METODOLOGIA
1.6 CRITRIOS DE AVALIAO
1.7 BIBLIOGRAFIA RECOMENDADA
CURRICULUM RESUMIDO DO PROFESSOR
1
1
1
1
2
2
2
2
2.
ESTATSTICA
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2,10
2,11
2.12
I NTRODUO
SRIES ESTATSTICAS
NMEROS RELATIVOS
MEDIDAS DE TENDNCIA CENTRAL
MEDIDAS DE DISPERSO
COVARINCIA E COEFICIENTE DE CORRELAO
REGRESSO LINEAR
DISTRIBUIO NORMAL
ANLISE DE S ENSIBILIDADE
SIMULAO DE RISCO
EXERCCIOS PROPOSTOS
REFERNCIAS B IBLIOGRFICAS
3.
MATERIAL COMPLEMENTAR
3
5
6
6
8
10
12
14
21
22
26
30
31
ii
1. Programa da disciplina
1.1 Ementa
Introduo estatstica e probabilidade. Mdia, moda e mediana: medidas de tendncia.
Varincia e desvio-padr o: medidas de disperso. Distribuio dos eventos. Estatstica
para controle de desempenho. Estatstica para estimar valores desconhecidos. Correo
linear e regresso. Tomada de deciso sob incerteza. Intervalo de confiana. Controle de
qualidade. Modelos de previso. Regresso linear.
1.3 Objetivos
1.3.1
1.3.2
1.3.3
1.3.4
Estatstica
1.5 Metodologia
Aulas expositivas, estudos de caso, trabalhos em grupo e debates.
Estatstica
2. Estatstica
2.1
Introduo
4
planejado; o preo de alguns produtos especficos e servios foi diferente do planejado.
(Oldcorn & Parker, 1998)
Existem diversas tcnicas desenvolvidas para o tratamento do risco e da
incerteza em anlise econmica de projetos, inclusive modelos matemticos e
estatsticos sofisticados. Entretanto, muitas dessas tcnicas so demasiadamente
tericas, de difcil aplicao prtica, ou muito simplificadas, resultando em informaes
insuficientes para a tomada de deciso.
Mesmo assim, algumas destas tcnicas so bastante teis e podem ser aplicadas
com sucesso no tratamento do risco e da incerteza na anlise de alternativas de projetos,
tais como as que sero aqui abordadas: a anlise de sensibilidade e a simulao de
risco.
Todavia, para uma correta aplicao dessas tcnicas, torna-se necessrio o
conhecimento prvio de uma importante ferramenta: a estatstica; cujas noes bsicas
sero apresentadas a seguir.
Os mtodos estatsticos so hoje utilizados em quase todos os setores da
atividade humana. Nos negcios e na economia, figuram entre os mais importantes
mtodos de auxlio na tomada de deciso. Como resultado do desenvolvimento da
indstria de computadores, os modernos mtodos estatsticos se tornaro cada vez mais
importantes para aqueles a quem cabe tomar decises.
A estatstica uma disciplina importante para o economista, administrador,
engenheiro e analista de projetos investimento, em geral, independentemente de seu
setor de especializao. A utilizao sempre crescente dos computadores permite ao
especialista nesses setores utilizar tcnicas cada vez mais complexas e aperfeioadas.
(Guerra e Donaire, 1982)
A estatstica, na verdade, constitui uma parte da matemtica aplicada e tem por
objetivo tirar concluses sobre uma populao, a partir de dados observados em uma
amostra dessa populao. (Merril e Fox, 1980)
A estatstica dividida em
estatstica descritiva e estatstica indutiva, conforme a definio abaixo:
Estatstica descritiva ou dedutiva: trata da apurao, apresentao, anlise e
interpretao dos dados observados (descreve as amostras ou a populao). a parte
esttica da estatstica, que consiste no clculo de valores representativos da amostra e
na construo grfica dos dados observados;
Estatstica indutiva ou inferncia estatstica: parte do particular para o geral, ou seja,
o processo pelo qual so feitas generalizaes para a populao, a partir da amostra.
Populao o conjunto formado por todos os elementos que tm pelo menos
uma caracterstica comum de interesse. Amostra o sub-conjunto da populao, que
dever apresentar as caractersticas prprias da populao. O processo pelo qual, atravs
da amostra, so estudadas as caractersticas da populao denominado Amostragem.
Fundamentalmente, existem dois tipos de amostragem: a probabilstica e a noprobabilstica. A amostragem ser probabilstica (ou aleatria) se todos os elementos da
populao tiverem probabilidade conhecida e no nula, de pertencer a amostra; em caso
contrrio, ela ser no probabilstica (ou no aleatria). S a amostragem probabilstica
permite calcular o erro amostral.
As tcnicas de induo estatstica usam a hiptese da amostragem ser
probabilstica, a qual implica na existncia de um sorteio (segundo regras bem
Estatstica
5
determinadas); esse sorteio, no entanto, nem sempre pode ser realizado como, por
exemplo, no caso da populao no ser finita ou no ser totalmente acessvel. Assim
sendo, em muitos casos utiliza-se a amostragem no aleatria e, nesses casos, o bomsenso poder indicar a possibilidade de se utilizar ou no as tcnicas de induo para
esse tipo de amostragem. Portanto, sempre que possvel, para obter uma amostra que
seja representativa da populao, deve-se optar pela amostragem probabilstica. (Guerra
e Donaire, 1982)
As tcnicas estatsticas aqui abordadas sero de grande valia quando da
aplicao no tratamento do risco e da incerteza, na anlise de projetos. Cabe ressaltar
que no pretenso deste texto esgotar o assunto, pelo contrrio, deseja -se, apenas,
apresentar as tcnicas estatsticas de interesse na matria em questo.
2.2
Sries Estatsticas
Valores em R$
120.000
124.000
118.000
132.000
Venda (t / ano)
30.000
35.000
28.000
50.000
Estatstica
6
QUADRO 3 - Distribuio das Qualificaes Tcnicas - RJ - 1995
Qualificao
ENGENHEIRO
ARQUITETO
ECONOMISTA
TECNICO 2 GRAU
Quantidade
25
11
5
38
2.3
Nmeros Relativos
2.4
%
21,83
32,54
29,76
15,87
100,00
7
desvantagens. A medida escolhida depende tanto da natureza dos dados estatsticos
como da finalidade a que se destina.
A Mdia. A mdia aritmtica muitas vezes chamada simplesmente mdia , e, assim
sendo, ser doravante denominada no presente texto. Seja x1 , x2 , ..., xn um conjunto de
nmeros reais. A mdia deste conjunto dada por:
n
x = xi / n
(1)
i=0
Renda (R$)
6.000
5.000
6.000
8.000
12.000
47.000
i=0
i=0
Xw = wi xi / wi
(2)
Estatstica
EXERCCIO RESOLVIDO N 02
Considere a distribuio de pesos abaixo e encontre o valor da mdia ponderada:
Pela expresso (2):
xi
wi
158
4
163
10
168
15
173
9
178
6
Valor Esperado. Dada uma distribuio de probabilidades, o seu valor esperado nada
mais que a mdia ponderada da distribuio, cuja soma dos pesos igual unidade.
Assim, E(R) indica o valor esperado de R, Pk a probabilidade de ocorrncia de cada
resultado e Rk representa o valor de cada resultado considerado.
E(R) = R = Pk . Rk
(3)
i=0
2.5
Medidas de Disperso
( xi - x )2
s2 =
i=1
(4)
n-1
Estatstica
( xi - x )2 . f i
i=1
s2 =
(5)
n-1
2 = Pk . (Rk . R)2
(6)
k=1
EXERCCIO RESOLVIDO N 04
Calcule a varincia e o desvio-padro da seguinte amostra: 7, 10, 12, 15, 16, 18,
20:
x = (7+10+12+15+16+18+20)/7 = 14;
Pela expresso (4):
Varincia:s2=[(7-14) 2 + (10-14)2 + (12-14) 2 + (15-14) 2 + (16-14) 2 + (18-14) 2 +
+ (20-14) 2] / 6 = 21 E
Desvio-Padro: s = 4,58 E
Coeficiente de Variao. Enquanto o desvio-padro mede o grau de disperso absoluto
dos valores em torno da mdia, o coeficiente de variao, geralmente expresso em
porcentagem, indica a disperso relativa, ou seja, a quantidade de desvios-padro por
unidade de mdia.
CV = s / x
(7)
Estatstica
10
EXERCCIO RESOLVIDO N 05
Calcule a varincia, o desvio-padro e o coeficiente de variao da seguinte
situao de investimento:
Cenrio
RECESSO
ESTABILIDADE
CRESCIMENTO
Retorno
7%
16%
20%
Probabilidade
20%
50%
30%
2.6
COVA,B =
n
Estatstica
11
EXERCCIO RESOLVIDO N 06
Calcule a covarincia entre os ttulos abaixo:
Situao da Economia
Retorno do Ttulo A
(R A)
Retorno do Ttulo B
(RB)
RECESSO
ESTABILIDADE
CRESCIMENTO
-15%
35%
55%
20%
-15%
10%
(9)
[n xi2 - (
xi )2] [n yi2 - (
yi ) 2]
(10)
Estatstica
12
COVx,y = rx,y . s x . sy
(11)
2.7
(12)
13
y = + .x
(13)
xi
yi = a + b.xi
onde yi o yi estimado para xi e a e b as estimativas de e , respectivamente.
n xi 2 - (
xi )2
b = COVx,y / VARx
a = yi / n - b . xi / n
(15)
(16)
(17)
Estatstica
14
R2 = (rx,y )2
EXERCCIO RESOLVIDO N 07
A srie histrica abaixo mostra, para o perodo 1991-1995, as quantidades
vendidas de um determinado produto e seus respectivos preos unitrios de
mercado. Realize uma regresso linear da varivel Vendas sobre a varivel
Preo e verifique se h correlao entre elas. Faa tambm uma projeo das
vendas para quando o preo atingir R$24,00.
Ano
Vendas (un/ano)
Preo (R$/un)
1991
1200
30,00
1992
1450
27,50
1993
1370
28,30
1994
1520
25,80
1995
1600
25,00
2.8
Dada uma experincia aleatria, pode -se sempre associar a seus resultados
(eventos) mutuamente exclusivos uma probabilidade. claro que esses resultados
podem ser expressos sempre numericamente, mesmo quando tm natureza qualitativa.
Assim, pode-se considerar uma varivel x, que assume um valor numrico cada vez que
ocorre um evento. A esta grandeza numrica, que assume diferentes valores, estando
cada um destes valores associado a uma certa probabilidade, d -se o nome de varivel
aleatria.
Estatstica
15
Chama -se de funo de probabilidade funo P(x) que associa as
probabilidades aos valores da varivel. Evidentemente, devido ao aspecto aleatrio da
experincia, os resultados, e por conseguinte os valores da varivel, so imprevisveis.
A varivel aleatria dita discreta quando pode assumir, com probabilidade
diferente de zero, um nmero finito de valores dentro de um intervalo finito (caso tpico
das contagens). Por outro lado, a varivel dita contnua quando pode assumir infinitos
valores dentro de um intervalo finito (caso tpico das medies).
As variveis observadas na prtica so, quase sempre, resultado da soma de
inmeras outras variveis aleatrias independentes. Assim, por exemplo: o tempo gasto
numa operao industrial a soma dos tempos dispendidos nos diversos estgios de que
se compe a operao; as caractersticas biolgicas de indivduos a soma das
hereditariedades de seus ancestrais; etc.
Tais variveis produzem um distribuio que, por ser muito freqentemente
encontrada na prtica, denominada distribuio normal. Muitas variveis aleatrias
que, embora no tenham distribuio normal, tm uma distribuio bastante aparentada
com a normal e sero ento consideradas como uma aproximao para a normal.
A varivel aleatria x, que toma todos os valores reais - < x < + , tm uma
distribuio normal se sua funo de probabilidade for da forma:
-(x - )2
2
2
f(x) =
(19)
X = N (
, 2)
(20)
f(x)
16
Ei = Pin . Fin
(21)
i2 = Pin . (Fin - Ei )2
(22)
Estatstica
17
No caso do estudo da probabilidade da viabilidade de um projeto de
investimento, calcula -se o VPL dos vrios valores esperados, obtendo-se o valor
esperado do VPL, representado por E(VPL) , alm da varincia e do desvio-padro do
VPL, conforme as expresses abaixo:
n
E(VPL) = E i . (1 + i)-k
k=0
2 (VPL) = i2 . (1 + i) 2k
(23)
(24)
k=0
(VPL) = k . (1 + i) k
(25)
k=0
(VPL) =
2 (VPL)
(26)
z = N (0, 1)
onde:
z = (x - ) /
(27)
(28)
Estatstica
18
A varivel aleatria desta distribuio dita varivel reduzida ou padronizada
(ou score reduzido). Isto consiste, basicamente, em se fazer uma translao do eixo
das ordenadas, mudando-se a origem do eixo das abcissas para x = .
Como a expresso da funo distribuio depende de e , alm da varivel x,
este fato acarreta num grande trabalho para elaborao de uma tabela. Isto pode ser
solucionado ao se trabalhar com a varivel reduzida, pois a expresso de sua funo
distribuio independe de e . Alm disso, como a curva simtrica em relao a x =
(ou z = 0), basta tabelar apenas metade da distribuio.
Embora possam ser construdas tabelas de vrios tipos, aqui ser apresentada
apenas a mais comum, que fornece uma faixa central (vide quadro 5). Assim, para cada
valor de zi , basta procurar na tabela do quadro 5 como se fosse positivo e trocar o sinal
encontrado. Da: F(x) = 0,5 (valor tabelado).
A rea hachurada da figura 3 corresponde a: P(0 z z0 ) = F(z0 ) - 0,5.
f(x)
f(z)
x=0
z=0
x=
z0
x
z
(29)
P (viabilidade) = 1 - P(inviabilidade)
(30)
Estatstica
19
Estatstica
20
zi =
xi - (x)
(x)
F(xi)-F(
)
0
z
VALORES DE F(x) - F() = F(x) 0,5 NA DISTRIBUIO NORMAL
z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4,0
0,00
0,0000
0,0398
0,0793
0,1179
0,1554
0,1915
0,2257
0,2580
0,2881
0,3159
0,3413
0,3643
0,3849
0,4032
0,4192
0,4332
0,4452
0,4554
0,4641
0,4713
0,4772
0,4821
0,4861
0,4893
0,4918
0,4938
0,4953
0,4965
0,4974
0,4981
0,4987
0,4990
0,4993
0,4995
0,4997
0,4998
0,4998
0,4999
0,4999
0,5000
0,5000
0,01
0,0040
0,0438
0,0832
0,1217
0,1591
0,1950
0,2291
0,2611
0,2910
0,3186
0,3438
0,3665
0,3869
0,4049
0,4207
0,4345
0,4463
0,4564
0,4649
0,4719
0,4778
0,4826
0,4864
0,4896
0,4920
0,4940
0,4955
0,4966
0,4975
0,4982
0,4987
0,4991
0,4993
0,4995
0,4997
0,4998
0,4998
0,4999
0,4999
0,5000
0,5000
0,02
0,0080
0,0478
0,0871
0,1255
0,1628
0,1985
0,2324
0,2642
0,2939
0,3212
0,3461
0,3686
0,3888
0,4066
0,4222
0,4357
0,4474
0,4573
0,4656
0,4726
0,4783
0,4830
0,4868
0,4898
0,4922
0,4941
0,4956
0,4967
0,4976
0,4982
0,4987
0,4991
0,4994
0,4995
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,5000
0,03
0,0120
0,0517
0,0910
0,1293
0,1664
0,2019
0,2357
0,2673
0,2967
0,3238
0,3485
0,3708
0,3907
0,4082
0,4236
0,4370
0,4484
0,4582
0,4664
0,4732
0,4788
0,4834
0,4871
0,4901
0,4925
0,4943
0,4957
0,4968
0,4977
0,4983
0,4988
0,4991
0,4994
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,5000
0,04
0,0160
0,0557
0,0948
0,1331
0,1700
0,2054
0,2389
0,2704
0,2995
0,3264
0,3508
0,3729
0,3925
0,4099
0,4251
0,4382
0,4495
0,4591
0,4671
0,4738
0,4793
0,4838
0,4875
0,4904
0,4927
0,4945
0,4959
0,4969
0,4977
0,4984
0,4988
0,4992
0,4994
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,5000
0,05
0,0199
0,0596
0,0987
0,1368
0,1736
0,2088
0,2422
0,2734
0,3023
0,3289
0,3531
0,3749
0,3944
0,4115
0,4265
0,4394
0,4505
0,4599
0,4678
0,4744
0,4798
0,4842
0,4878
0,4906
0,4929
0,4946
0,4960
0,4970
0,4978
0,4984
0,4989
0,4992
0,4994
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,5000
0,06
0,0239
0,0636
0,1026
0,1406
0,1772
0,2123
0,2454
0,2764
0,3051
0,3315
0,3554
0,3770
0,3962
0,4131
0,4279
0,4406
0,4515
0,4608
0,4686
0,4750
0,4803
0,4846
0,4881
0,4909
0,4931
0,4948
0,4961
0,4971
0,4979
0,4985
0,4989
0,4992
0,4994
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,5000
0,07
0,0279
0,0675
0,1064
0,1443
0,1808
0,2157
0,2486
0,2794
0,3078
0,3340
0,3577
0,3790
0,3980
0,4147
0,4292
0,4418
0,4525
0,4616
0,4693
0,4756
0,4808
0,4850
0,4884
0,4911
0,4932
0,4949
0,4962
0,4972
0,4979
0,4985
0,4989
0,4992
0,4995
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,5000
0,08
0,0319
0,0714
0,1103
0,1480
0,1844
0,2190
0,2517
0,2823
0,3106
0,3365
0,3599
0,3810
0,3997
0,4162
0,4306
0,4429
0,4535
0,4625
0,4699
0,4761
0,4812
0,4854
0,4887
0,4913
0,4934
0,4951
0,4963
0,4973
0,4980
0,4986
0,4990
0,4993
0,4995
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,5000
0,09
0,0359
0,0753
0,1141
0,1517
0,1879
0,2224
0,2549
0,2852
0,3133
0,3389
0,3621
0,3830
0,4015
0,4177
0,4319
0,4441
0,4545
0,4633
0,4706
0,4767
0,4817
0,4857
0,4890
0,4916
0,4936
0,4952
0,4964
0,4974
0,4981
0,4986
0,4990
0,4993
0,4995
0,4997
0,4998
0,4998
0,4999
0,4999
0,4999
0,5000
0,5000
Estatstica
21
2.9
Anlise de Sensibilidade
EXERCCIO RESOLVIDO N 09
Imagina -se que o VPL de um fluxo de caixa de um certo projeto seja igual a
R$14.000 e que sua vida til seja igual a 10 anos. Caso esta vida til seja
alterada de 10%, ou seja, passe de 10 para 11 anos, e os demais componentes
do fluxo de caixa permaneam constantes, o VPL deste projeto passaria de
R$14.000 para R$17.500, confirmando a sua viabilidade econmica. Diz-se,
portanto, que o projeto no sensvel variao procedida. Por outro lado, se
a mesma vida til variasse de 10 para 5 anos, o VPL assumiria o valor
negativo de R$1.000, inviabilizando, agora, o projeto. Desta forma, o projeto
pode ser considerado sensvel alterao proposta.
Estatstica
22
EXERCCIO RESOLVIDO N 10
Proceda uma variao de 10% no valor do investimento do fluxo de caixa
abaixo, para que a sensibilidade do projeto possa ser observada, a partir da
TIR.
ANO
FLUXO (R$)
0
-100.000
1
50.000
2
2
60.000
3
65.000
TIR (% a.a.)
25,98
32,40
40,01
%
- 20
+ 23
23
1)
2)
3)
4)
Cabe ressaltar que a metodologia descrita acima utiliza o mtodo Monte Carlo
(Shamblin e Stevens, 1979), que um mtodo de simulao baseado na utilizao de
nmeros aleatrios, que so sorteados para gerar resultados e as distribuies de
probabilidades correspondentes. Alm disso, evidente que a simulao Monte Carlo
somente deve ser praticada com utilizao do computador, pois, caso contrrio, a
maioria dos modelos com este tipo de simulaes teria sua execuo impraticvel.
A seguir, ser apresentado uma aplicao do mtodo Monte Carlo em anlise
de projetos de investimento: (Abreu e Sthepan, 1982)
Uma fbrica de camisas est considerando a compra de um novo equipamento
de costuras, cuja instalao permitir melhorar sensivelmente seu processo de produo
e, conseqentemente, aumentar a produo, bem como baratear os custos unitrios de
produo. O projeto apresentado estima o equipamento em R$ 20.000, mas a
experincia passada mostra que o custo real do investimento pode variar sensivelmente
em torno desse valor, tanto para maior quanto para menor. Alm disso, o nvel de
produo suplementar P depender essencialmente do nve l de demanda D. Embora as
previses de venda sejam bastante favorveis, as variaes possveis no nvel de
demanda podem afetar de modo significativo o resultado final. E a estimativa do novo
custo unitrio C um parmetro que tambm pode variar em propor es importantes.
Para simplificar, ser considerado um horizonte de estudo de 2 anos, ao final
dos quais a mquina ter um valor residual VR igual metade do investimento inicial.
O custo do capital da empresa de 15% ao ano e o preo unitrio de venda Pu das
camisas ao comrcio de R$ 1.
Para o gerente financeiro, o problema se resume na determinao do VPL,
calculado, para este caso, pela seguinte expresso:
Estatstica
24
VPL =
I + D1 (P - C1 ) + D2 (P - C2) + VR
(1 + i)
(1 + i) 2
(1 + i)2
(31)
Investimento
I
R$
18.000
19.000
20.000
21.000
22.000
23.000
%
5
10
35
25
15
10
Demanda
Ano1
D1
UN
%
22.000
5
25.000
10
28.000
30
30.000
40
32.000
10
33.000
5
Demanda
Ano2
D2
UN
%
21.000
5
23.000
5
27.000 10
31.000 30
32.000 20
33.000 20
34.000 10
Custo Unit
Ano1
C1
R$
%
0,48
10
0,49
20
0,50
40
0,51
20
0,52
10
de
Custo Unit
Ano2
C2
R$
%
0,47
10
0,48
20
0,49
30
0,50
30
0,51
10
25
Investimento
Demanda Ano1
Demanda Ano2
I
R$
18.000
19.000
20.000
21.000
22.000
23.000
D1
UN
22.000
25.000
28.000
30.000
32.000
33.000
D2
UN
21.000
23.000
27.000
31.000
32.000
33.000
34.000
N.A.
00-04
05-14
15-49
50-74
75-89
90-99
N. A.
00-04
05-14
15-44
45-84
85-94
95-99
N.A.
00-04
05-09
10-19
20-49
50-69
70-89
90-99
Custo Unit
Ano1
C1
R$
N.A.
0,48
00-09
0,49
10-29
0,50
30-69
0,51
70-89
0,52
90-99
Custo Unit
Ano2
C2
R$
N.A.
0,47
00-09
0,48
10-29
0,49
30-59
0,50
60-89
0,51
90-99
Valor Mximo
(R$)
Freqncia
Percentual
(%)
2.000,00
4.000,01
6.000.01
8.000,01
10.000,01
12.000,01
14.000,01
16.000,01
4.000,00
6.000,00
8.000,00
10.000,00
12.000,00
14.000,00
16.000,00
18.000,00
1
9
33
134
348
409
64
2
0,1
0,9
3,3
13,4
34,8
40,9
6,4
0,2
Com esses valores pode-se calcular o VPL esperado, tomando como valor
representativo de cada classe de intervalo o valor mdio (R$.10 3):
E(VPL) = 3 (0,001) + 5 (0,009) + 7 (0,033) + 9 (0,134) + 11(0,348) + 13 (0,409) +
15 (0,064) + 17 (0,002) = 11,624 E
Assim, o VPL esperado corresponde a R$ 11.624 e o analista pode analisar as
diversas probabilidades do projeto ser vivel economicamente, a partir da curva de
distribuio cumulativa.
Estatstica
26
17.50
15.15
14.75
15.10
18.81
11.85
17.41
11.77
12.07
19.00
17.60
20.60
21.58
16.09
12.67
14.67
18.64
17.59
13.14
21.11
20.30
23.76
22.57
16.24
16.13
14.44
13.79
19. 78
12.35
12.63
15.08
20.48
16.28
15.57
16.93
17.17
11.54
13.09
16.69
17.02
22.87
18.16
25.96
21.07
25.38
18.11
19.21
21.74
10.58
19.78
Resp.:
2.11.2
2.11.3
2.11.4
Estatstica
27
2.11.5
3,20
850
3,95
810
4,11
800
4,58
780
4,95
725
5,50
650
5,95
630
6,40
600
Resp.:
2.11.6
2.11.7
2.11.8
1,81
1,90
1,86
1,79
1,82
1,78
Calcule:
a) A probabilidade de se conseguir uma taxa abaixo de 1,75 % a.m.;
b) O intervalo de confiana para , no nvel de 95%;
Resp.:
Estatstica
28
2.11.9
Amostra 2
Amostra 3
Classes
Freqncias
Classes
Freqncias
Classes
Freqncias
6 12
12 18
18 24
2
6
4
5 10
10 15
15 20
2
7
3
2 8
8 14
14 20
1
7
4
Resp.:
1992
20
1993
30
1994
38
1995
52
1996
58
1997
72
Pede-se:
a) Ajustar uma reta aos dados;
b) Calcular o coeficiente de explicao para a reta;
c) Estimar o lucro para 1998
d) Construir o intervalo de confiana para a estimativa acima =5%.
Resp.:
Estatstica
29
RETORNO
ESPERADO
DESVIO
PADRO
X
Y
Z
18%
22%
15%
8%
11%
4%
COEFICIENTES DE CORRELAO
A
1,00
0,75
0,44
B
0,75
1,00
0,68
C
0,44
0,68
1,00
Supondo que voc construa uma carteira de risco com os trs ativos
acima, cujas participaes na na qual os dois primeiros participam com
40% cada um, calcule a probabilidade de que o retorno esperado da
carteira seja positivo, considerando-se que os retornos das aes tenham
distribuio normal.
Resp.:
2.11.13 Com base nos possveis cenrios criados para o retorno esperado de um
determinado ativo financeiro, para o prximo ano, mostrados no quadro
abaixo, calcule a probabilidade do retorno ser superior a 21%.
Cenrios
Possveis
CRESCIMENTO
ESTABILIDADE
RECESSO
Probabilidade de
Ocorrncia
15%
60%
25%
Retorno Esperado
27%
16%
9%
Resp.:
2.11.14 A empresa Alfa pretende abrir uma filial numa outra cidade. O
investimento estimado para este projeto de R$ 2.200.000,00 e o fluxo de
caixa lquido anual projetado para os prximos 10 anos, aps os impostos,
de R$ 700.000,00. Todavia, como existem incertezas quanto
performance futura da empresa, a diretoria estabeleceu cenrios
probabilsticos para estudar a viabilidade do investimento em questo,
conforme mostra o quadro abaixo. Sabendo -se que a T.M.A. da empresa
Alfa de 15% ao ano, calcule a probabilidade de sucesso deste projeto,
considerando que os fluxos de caixa apresentam perfeita correlao
temporal.
Moeda: R$
Cenrio
Investimento
Fluxo de Caixa Anual
Pessimista
20%
2.500.000
1.000.000
Esperado
50%
4.000.000
1.500.000
Otimista
30%
6.000.000
2.250.000
Resp.:
Estatstica
30
Estatstica
31
3.
Material Complementar
Estatstica