REVISTA ELETRNICA MATEMTICA E ESTATSTICA EM FOCO

UMA APLICAO DO MODELO DE FRONTEIRA

ESTOCSTICA USANDO ABORDAGEM BAYESI-
ANA
Bruna Cristina Braga
Universidade Federal de So Paulo
crisbragamc@yahoo.com.br
Juliana Garcia Cespedes
Universidade Federal de So Paulo
cespedes.juliana@gmail.com
RESUMO
No Brasil os cursos de ps-graduao stricto sensu (mestrado e doutorado) so ava-
liados, trienalmente, pela Coordenao de Aperfeioamento de Pessoal de Nvel Su-
perior (CAPES) com o intuito de se estabelecer um padro de qualidade de ensino
e pesquisa no pas. Neste trabalho, com base em informaes disponveis pela CA-
PES, se estabeleceu uma classicao de ecincia dos cursos de ps-graduao da
rea de Matemtica/Probabilidade e Estatstica utilizando os modelos de fronteira
estocstica. A abordagem bayesiana foi utilizada para a obteno dos resumos de in-
teresse e observou-se que a ecincia das instituies depende do nmero de artigos
publicados em peridicos indexados pelo Qualis, da quantidade de livros e captulos
de livros publicados e, tambm, de publicaes em reunies e eventos cientcos.
ABSTRACT
The courses of post-graduate (masters and doctorate) at Brazil are evaluated every
three years for the Coordination and Improvement of Higher Level or Education Per-
sonnel (CAPES) in order to establish a standard of quality teaching and research
in the country. In this paper, based on information available by CAPES ourselves a
efciency rating of graduate courses in the area of Mathematics /Probability and Sta-
tistics using stochastic frontier models. The bayesian approach was used to obtain
summaries of interest and observed that the effectiveness of institutions depends on
the number of articles published in journals indexed by Qualis, quantity of books
and book chapters published, and published in meetings and scientic events.
Palavras-chave: Inferncia bayesiana, funo de produo, ecincia tcnica.
1 INTRODUO
Os cursos de ps-graduao, do Brasil, so avaliados pela CAPES (Coordenao de
Aperfeioamento de Pessoal de Nvel Superior) trienalmente, com o objetivo, fundamental-
mente, de estabelecer o padro de qualidade exigido dos cursos de mestrado e de doutorado
do pas e identicar os cursos que atendem a tal padro.
Na literatura encontram-se, com mais facilidade, artigos que medem a ecincia de
instituies de ensino utilizando a metodologia no paramtrica chamada anlise envolt-
ria de dados (DEA) [19] e [2]. Nesta metodologia estimam-se os coecientes de ecincia
B. C. BRAGA - J. G. CESPEDES 71
VOLUME 2 - NMERO 1 MARO DE 2014 PGINAS: 71 A 79
das instituies limitando-se s informaes contidas na amostra em estudo, propiciando
maior chance de cometer erros de medida [13] e [10].
Nos modelos de fronteira estocstica (abordagem paramtrica) pode-se obter uma esti-
mativa da ecincia global dos cursos e, em vantagem sobre a abordagem no paramtrica,
consideram que a inecincia da instituio depende no somente de fatores controlveis,
tais como, nmero de docentes no programa, quantidade de artigos publicados, nmero
de defesas, etc, mas tambm de uma variao natural que os dados podem conter, tais
como, um aluno desistir da ps-graduao, um professor car doente, efeitos de tempo,
greve, sorte etc [6]. Pereira e Moreira [17] utilizam modelos de fronteira estocstica para
classicar a ecincia das escolas secundrias portuguesas, tanto pblica como privadas,
usando os exames nacionais como indicador do desempenho. Para as escolas do ensino
bsico brasileiras, [22] analisa os principais determinantes da ecincia tcnica das es-
colas usando dois tipos de modelos de fronteira estocstica: o primeiro inclui variveis
ambientais como regressoras e o segundo especica a inecincia como dependente des-
sas variveis ambientais.
Um dos primeiros artigos que utilizam a inferncia bayesiana nos modelos de fronteira
estocstica foi apresentado por van den Broeck et al. [4]. Nesse trabalho, incorpora-se
a incerteza relativa inecincia tcnica considerando-se a distribuio exponencial com
parmetro de forma conhecido. Outros trabalhos relevantes que empregam a abordagem
Bayesiana so de Koop et al. [14] que utilizam o amostrador de Gibbs para analisar o
modelo de fronteira estocstica com distribuio gama para a inecincia, Steel e Koop [20]
apresentam uma reviso da abordagem, Migon [16] utiliza a distribuio log-normal para
o termo de inecincia da rma. Fernndez et al. [8] generalizam o modelo de fronteira de
produo estocstica para dados que apresentammltiplos produtos (um estudo detalhado
desse artigo pode ser encontrado em Cespedes [5]), Cespedes e Leandro [7] comparam os
modelos de fronteira estocstica com erro normal e com erro t-Student e aplicam a dados
de fazendas produtoras de carne, dentre outros.
As distribuies utilizadas para o termo de inecincia so: a distribuio exponencial
[15] e [1], a distribuio meia normal [1], a distribuio gama [21], [12] e [11], a distribuio
normal truncada [21] e a distribuio log-normal [16].
O objetivo deste artigo consiste em estabelecer uma classicao dos cursos de ps-
graduao avaliados pela CAPES na rea de Matemtica/Probabilidade e Estatstica em
relao a sua ecincia, utilizando os modelos de fronteira estocstica com abordagem
bayesiana, a partir das informaes disponveis no site da CAPES.
2 MATERIAIS E MTODOS
Os cursos escolhidos para serem avaliados no projeto foram os cursos da rea de Mate-
mtica/ Probabilidade e Estatstica que possuam programa de ps-graduao de mestrado
ou doutorado ativo no trinio 2007-2009, que receberam nota nal da Capes na avaliao
em 2010.
As instituies que ofereciam tais cursos e foram classicadas, so as seguintes: Uni-
versidade Estadual de Londrina (curso: Matemtica Aplicada e Computacional); Universi-
dade Federal do Paran (curso: Matemtica / Matemtica Aplicada); Universidade Federal
do ABC (curso: Matemtica Aplicada); Universidade Federal do Rio Grande do Sul (curso:
Matemtica / Matemtica Aplicada); Universidade Estadual de Campinas (curso: Matem-
tica / Matemtica Aplicada / Estatstica / Matemtica Universitria); Universidade de So
Paulo (curso: Estatstica / Matemtica Aplicada); Universidade de So Paulo - campus So
Carlos (curso: Matemtica); Instituto Nacional de Matemtica Pura e Aplicada (curso: Ma-
temtica / Matemtica Aplicada ); Universidade Federal de Minas Gerais (curso: Matem-
tica / Estatstica); Universidade Federal do Rio de Janeiro (curso: Matemtica / Estatstica
/ Matemtica Aplicada); Universidade de Braslia (curso: Matemtica / Estatstica); Pon-
tifcia Universidade Catlica do Rio de Janeiro (curso: Matemtica); Universidade Federal
72 ARTIGO DE INICIAO CIENTFICA
REVISTA ELETRNICA MATEMTICA E ESTATSTICA EM FOCO
do Cear (curso: Matemtica); Universidade Federal de Pernambuco (curso: Matemtica /
Estatstica); Universidade Federal de So Carlos (curso: Matemtica / Estatstica); Univer-
sidade Estadual de Maring (curso: Matemtica); Universidade Federal de Alagoas (curso:
Matemtica); Universidade Federal do Amazonas (curso: Matemtica); Universidade Fede-
ral da Bahia (curso: Matemtica); Universidade Federal de Campina Grande (curso: Ma-
temtica); Universidade Federal Fluminense (curso: Matemtica); Universidade Federal de
Gois (curso: Matemtica); Universidade Federal do Par (curso: Matemtica e Estatstica);
Universidade Federal da Paraba/Joo Pessoa (curso: Matemtica); Universidade Federal
de Santa Catarina (curso: Matemtica e Computao Cientca); Universidade Estadual
Paulista "Jlio de Mesquita Filho"Campus So Jos do Rio Preto (curso: Matemtica); Uni-
versidade Estadual Paulista "Jlio de Mesquita Filho"Campus Rio Claro(curso: Matemtica
Universitria); Universidade Federal do Piau (curso: Matemtica); Universidade Federal do
Esprito Santo (curso: Matemtica); Universidade Federal do Rio Grande do Norte (curso:
Matemtica Aplicada e Estatstica); Universidade Federal de Santa Maria (curso: Matem-
tica); Universidade Federal de Uberlndia (curso: Matemtica); Universidade Federal de
Viosa (curso: Matemtica).
Foram consideradas como variveis regressoras (insumos) as informaes disponibiliza-
das no site da CAPES
1
: nmero de docentes permanentes no trinio (2007-2009); nmero
de dissertaes e teses defendidas no trinio; artigos publicados Qualis A no trinio (inclui
Qualis A1 e A2); artigos publicados Qualis B no trinio (inclui Qualis B1, B2, B3, B4, B5);
trabalhos completos publicados em anais de eventos tcnico-cientcos e captulos de li-
vros, texto integral, coletneas, verbetes e outros. O produto considerado na anlise foi a
nota da CAPES no trinio 2010.
2.1 INFERNCIA BAYESIANA
A inferncia bayesiana teve seu incio em 1763, com o artigo do Rev. Thomas Bayes: An
essay towards solving a problem in doctrine of chances [3]. Pode-se denir inferncia baye-
siana como sendo o processo de encontrar um modelo de probabilidade para um conjunto
de dados e resumir o resultado do mesmo por uma distribuio de probabilidade sobre
os parmetros do modelo e sobre quantidades no observadas, tais como, predio para
novas observaes [9].
Diferentemente da abordagem clssica, que considera o parmetro uma quantidade xa
e desconhecida, do ponto de vista bayesiano o parmetro considerado uma quantidade de
incerteza onde se atribui uma distribuio de probabilidade chamada distribuio a priori.
A distribuio a priori ento atualizada pela funo de verossimilhana (informao
dada pela amostra) resultando na distribuio a posteriori:
P(|y) L(|y)P(),
em que a quantidade de incerteza de interesse, P(|Y ) refere-se distribuio a pos-
teriori, L(, Y ) funo de verossimilhana e P() distribuio a priori da quantidade de
incerteza .
Pode-se dizer que a distribuio a posteriori proporcional a funo de verossimilhana
multiplicada pela distribuio a priori.
2.2 MODELO DE FRONTEIRA ESTOCSTICA
Os modelos de fronteira estocstica foram propostos, independente e quase simultane-
amente, por Meeusen e van den Broeck [15] e Aigner et al. [1]. Esses modelos possuem
duas fontes de variao, sendo uma medida de incerteza que se refere inecincia da
1
http://www.capes.gov.br/component/content/article/44-avaliacao/4355-planilhas-comparativas-da-
avaliacao-trienal-2010
B. C. BRAGA - J. G. CESPEDES 73
VOLUME 2 - NMERO 1 MARO DE 2014 PGINAS: 71 A 79
instituio e um erro aleatrio responsvel pela variao natural dos dados que no podem
ser controladas:
y
i
= f(x
ik
,
k
)e
u
i
+v
i
, (1)
em que y
i
refere-se varivel resposta do i-simo curso de ps-graduao, tambm cha-
mado de produto, i = 1, ..., n, f(x
ik
,
k
) a forma funcional das k = 1, ..., K variveis re-
gressoras chamada de funo de produo
2
, u
i
um componente aleatrio que refere-se
inecincia do programa e v
i
refere-se uma variao natural que os dados podem conter
e que no so controladas, tais como, um aluno desistir da ps-graduao, um professor
car doente, efeitos de tempo, greves etc, sobre os valores do produto, juntamente aos efei-
tos combinados de insumos no-especicados na funo de produo, tais como, cargos
administrativos dos docentes, quantidade de horas aula ministrada pelo docente, nmero
de orientandos, etc.
A ecincia do programa ser medida como a razo entre a nota observada relativa
nota esperada do curso (denida pela funo de produo), dado a combinao de insumos:
ET
i
=
f(x
ik
,
k
)e
v
i
u
i
f(x
ik
,
k
)e
v
i
= e
u
i
. (2)
A equao (2) indica a magnitude do produto do i-simo curso relativo ao produto que
poderia ser obtido por um curso eciente usando a mesma combinao de insumos. Os
cursos de ps-graduao sero considerados tecnicamente ecientes se eles estiverem so-
bre a fronteira de produo. Os cursos que estiverem abaixo da fronteira sero considera-
dos tecnicamente inecientes.
A funo de produo utilizada no trabalho ser a funo Cobb-Douglas [5] dada por:
f(x
ik
,
k
) = A
K

k=1
x
ik

k
, (3)
sendo A e
k
quantidades de incertezas a serem estimadas.
A m de se obter as estimativas das quantidades de incertezas do modelo (1) pode-se
utilizar a transformao logartmica para torn-lo linear:
ln(y
i
) = ln(f(x
ik
,
k
)) u
i
+v
i
,
e assim denir a distribuio de probabilidade dos dados, chamada funo de verossimi-
lhana. Greene [12] dene a funo de verossimilhana como:
ln(y
i
|u
i
) N(ln(f(x
ik
,
k
)) u
i
,
2
v
) (4)
u
i
exp(),
emque N(., .) representa a funo densidade da distribuio normal commdia ln(f(x
ik
,
k
))
u
i
e varincia
2
v
, e exp(.) a funo densidade da distribuio exponencial com parmetro
.
O modelo denido em (4) um modelo hierrquico que pode ser facilmente estimado
utilizando a inferncia bayesiana, por meio de programas computacionais gratuitos, tal
como o Winbugs [18], onde denem-se a funo de verossimilhana, as distribuies a
priori para as quantidades de incerteza do modelo, e ainda, obtm-se os valores preditos
das inecincias das instituies u
i
.
A funo de produo (3), aps a transformao logartmica, torna-se:
ln(f(x
ik
,
k
)) =
0
+
K

k=1

k
ln(x
ik
),
em que
0
= ln(A).
2
A funo de produo relaciona os insumos (variveis regressoras) com o produto (varivel resposta) de um
processo de produo, sendo as mais utilizadas chamadas de Cobb-Douglas e translog.
74 ARTIGO DE INICIAO CIENTFICA
REVISTA ELETRNICA MATEMTICA E ESTATSTICA EM FOCO
3 RESULTADOS E DISCUSSES
O modelo (4) foi implementado no programa computacional Winbugs
3
onde denem-se
a funo de verossimilhana e as distribuies a priori para cada quantidade de incerteza.
As distribuies a priori foram denidas de forma no informativa: G(0, 001; 0, 001),

i
N(0; 1.0E 6) e G(0, 1; 0, 1).
Em uma primeira anlise vericou-se que as variveis: nmero de docentes do pro-
grama e teses e dissertaes defendidas no trinio foram no signicativas, ou seja, contri-
buem pouco para a composio da nota do programa segundo a metodologia utilizada neste
trabalho. Na Tabela 1 observa-se o resumo a posteriori das quantidades de incertezas de
interesse.
Quantidades de incerteza Mdia Desvio-padro 2,5 % Mediana 97,5 %
19,43 9,09 8,17 17,32 42,76

0
0,78 0,14 0,49 0,77 1,04

1
0,01 0,06 -0,11 0,01 0,13

2
0,03 0,02 -0,01 0,03 0,06

3
0,09 0,03 0,03 0,08 0,14

4
0,12 0,04 0,04 0,12 0,20

5
-0,05 0,01 -0,07 -0,05 -0,02

6
0,06 0,02 0,02 0,06 0,10
75,58 21,53 42,48 72,6 125,8
TABELA 1: Resumo a posteriori das quantidades de incerteza do modelo de fronteira estocstica
Os valores 2,5% e 97,5% presentes na Tabela 1 correspondem ao intervalo de credibi-
lidade de cada quantidade e incerteza em estudo. Em estatstica bayesiana o intervalo de
credibilidade um intervalo de probabilidade a posteriori, usado para ns similares aos
dos intervalos de conana em estatstica frequentista. Optou-se por incluir os valores da
mediana, pois a probabilidade de determinado valor estar abaixo do intervalo to prov-
vel quanto a probabilidade de estar acima dele. Quando uma quantidade de incerteza no
signicativa, seu intervalo de credibilidade contm um valor muito prximo do nmero
zero.
Observa-se na Tabela 1 que as quantidades
1
e
2
possuem intervalo de credibilidade
centrados em zero, isso mostra que as variveis correspondentes ao nmeros de docentes
no programa e o nmero de teses e dissertaes defendidas contribuem muito pouco no
modelo especicado. Observa-se ainda que todas as outras quantidades de incertezas so
signicativas uma vez que os intervalos de credibilidade das mesmas no contm o valor
zero.
As quantidades de incertezas no signicativas foram retiradas da anlise obtendo-se o
modelo de fronteira estocstica:
ln(y
i
)|u
i
N(
0
+
3
lnx
3
+
4
ln x
4
+
5
ln x
5
+
6
ln x
6
u
i
, ) (5)
u
i
exp()
onde y
i
refere-se nota do programa, x
3
, x
4
, x
5
e x
6
so os insumos que referem-se, res-
pectivamente, ao nmero de artigos publicados em peridicos qualis A1 e A2, nmero de
artigos publicados em peridicos qualis B1, B2, B3, B4 e B5, nmero de publicaes em
eventos cientcos e o nmero de livros (captulos, livros, coletneas) produzidos no trinio.
O termo u
i
refere-se inecincia das instituies.
A Tabela 2 apresenta um resumo a posteriori das inecincias de cada programa de ps-
graduao da rea Matemtica/Probabilidade e Estatstica. A identicao dos programas
foi suprimida por motivos ticos.
3
http://www.mrc-bsu.cam.ac.uk/bugs/winbugs/contents.shtml
B. C. BRAGA - J. G. CESPEDES 75
VOLUME 2 - NMERO 1 MARO DE 2014 PGINAS: 71 A 79
Programa Mdia Desvio-padro 2,5% Mediana 97,5%
u
1
0,070 0,065 0,002 0,049 0,243
u
2
0,081 0,072 0,002 0,060 0,269
u
3
0,089 0,078 0,002 0,067 0,289
u
4
0,079 0,071 0,002 0,058 0,262
u
5
0,045 0,043 0,001 0,031 0,161
u
6
0,087 0,077 0,002 0,065 0,282
u
7
0,053 0,051 0,001 0,038 0,191
u
8
0,046 0,044 0,001 0,032 0,165
u
9
0,053 0,050 0,001 0,037 0,187
u
10
0,050 0,047 0,001 0,035 0,176
u
11
0,066 0,061 0,002 0,047 0,226
u
12
0,046 0,044 0,001 0,032 0,164
u
13
0,080 0,072 0,002 0,059 0,266
u
14
0,053 0,050 0,001 0,038 0,186
u
15
0,035 0,035 0,001 0,024 0,131
u
16
0,057 0,054 0,001 0,041 0,203
u
17
0,102 0,086 0,003 0,079 0,315
u
18
0,061 0,057 0,002 0,044 0,212
u
19
0,087 0,076 0,002 0,066 0,281
u
20
0,050 0,048 0,001 0,036 0,179
u
21
0,070 0,064 0,002 0,051 0,240
u
22
0,055 0,052 0,001 0,040 0,194
u
23
0,081 0,073 0,002 0,060 0,268
u
24
0,091 0,079 0,002 0,069 0,290
u
25
0,068 0,064 0,002 0,048 0,237
u
26
0,035 0,034 0,001 0,024 0,128
u
27
0,038 0,037 0,001 0,027 0,140
u
28
0,035 0,034 0,001 0,024 0,127
u
29
0,072 0,066 0,002 0,052 0,245
u
30
0,065 0,062 0,001 0,045 0,231
u
31
0,113 0,097 0,003 0,086 0,352
u
32
0,043 0,041 0,001 0,030 0,154
u
33
0,054 0,052 0,001 0,038 0,194
u
34
0,036 0,035 0,001 0,024 0,130
u
35
0,035 0,034 0,001 0,024 0,129
u
36
0,035 0,034 0,001 0,024 0,127
u
37
0,069 0,065 0,002 0,048 0,243
u
38
0,032 0,031 0,001 0,022 0,118
u
39
0,022 0,022 0,000 0,015 0,081
u
40
0,046 0,044 0,001 0,032 0,166
u
41
0,037 0,036 0,001 0,026 0,136
u
42
0,047 0,045 0,001 0,033 0,167
u
43
0,047 0,048 0,001 0,032 0,179
u
44
0,044 0,042 0,001 0,031 0,160
u
45
0,051 0,049 0,001 0,036 0,181
u
46
0,051 0,049 0,001 0,036 0,184
TABELA 2: Resumo a posteriori das inecincias dos programas de ps-graduao
76 ARTIGO DE INICIAO CIENTFICA
REVISTA ELETRNICA MATEMTICA E ESTATSTICA EM FOCO
Por meio dos resultados da Tabela 2 possvel ordenar os programas e identicar quais
os programas que possuem maior inecincia tcnica. O programa representado pelo u
31

o mais ineciente da rea de Matemtica/Probabilidade e Estatstica.
A ecincia tcnica foi calculada conforme expresso (2). Obteve-se uma classicao
dos programas ecientes e inecientes. A Figura 1 apresenta os valores das ecincias para
cada programa. No grco pode-se observar que quanto mais prximo do valor um, mais
eciente ser o programa, e quanto mais prximo de zero, menor ecincia est associada
ao programa de ps-graduao. Entre os quarenta e seis resultados obtidos, avaliou-se seis
dos quais trs representam os primeiros cursos mais ecientes e trs os menos ecientes.
Os seis programas avaliados esto relacionadas respectivamente pelos seguintes fatores de
inecincia, contando-se da menos eciente mais eciente: u
31
, u
17
, u
24
, u
36
, u
38
, u
39
.
FIGURA 1: Ecincia Tcnica
A nota CAPES para os cursos de ps-graduao varia em um intervalo de no mnimo
3 e mximo 7. Observou-se no decorrer da anlise que as instituies mais ecientes
no se encontram necessariamente entre as que possuem notas acima de 5, mas sim, em
faixas menores. Isso pode ter ocorrido, pois, foram consideradas na anlise apenas as
informaes das variveis disponveis no site da Capes. Buscando entender as causas que
levaram ecincia destas instituies notou-se que as mesmas so instituies novas,
com incio entre os anos de 2007 e 2008 e, alm disso, os docentes vinculados ao programa
possuem alto nmero de artigos publicados e alta participao em eventos decorrentes, em
grande maioria, sua pesquisa de mestrado ou doutorado. Portanto essas publicaes no
so decorrentes de orientaes no programa.
Entre os cursos menos ecientes encontram-se os programas com mais de 10 anos
de existncia. O nmero de publicaes dos docentes desses programas, por sua vez,
menor, mas so publicaes oriundas de orientaes no programa de ps-graduao,
com os alunos do programa como autores. possvel que as publicaes oriundas de
orientaes no programa de ps-graduao possam ser avaliadas pela CAPES com maior
peso do que as publicaes individuais dos docentes.
A Figura 2 apresenta as densidades a posteriori para os parmetros da fronteira. Estas
densidades podem ser utilizadas como ferramenta para estudar a convergncia das distri-
buies em questo. Quanto mais simtrico, melhor o resultado. Observa-se nos grcos
B. C. BRAGA - J. G. CESPEDES 77
VOLUME 2 - NMERO 1 MARO DE 2014 PGINAS: 71 A 79
(com excesso do primeiro da esquerda e ltimo da direita) que apresentam a simetria
desejada.
FIGURA 2: Densidade a posteriori para as quantidades de incerteza do modelo de fronteira
4 CONCLUSES
Atravs da abordagem bayesiana, estudou-se a ecincia dos cursos de ps-graduao
de determinadas instituies do Brasil. A partir da combinao dos dados com as in-
formaes a priori, obteve-se um resumo da distribuio a posteriori das quantidades de
incerteza do modelo. Com esta metodologia conclui-se que a ecincia dos cursos baseia-
se, principalmente, no nmero de artigos publicados e a mesma independe do nmero de
docentes do programa e do nmero de teses e dissertaes defendidas.
Os resultados e impactos deste projeto vo alm dos resultados analticos, tais como,
vericar quais so os cursos de ps-graduao da rea de Matemtica/Probabilidade e Es-
tatstica que so mais ecientes e quais so os fatores que inuenciam na nota CAPES do
determinado curso, mas sim estudar uma metodologia interdisciplinar que envolva concei-
tos econmicos e estatsticos.
AGRADECIMENTOS
Os autores agradecem ao Conselho Nacional de Desenvolvimento Cientco e Tecnol-
gico (CNPq) pelo auxlio nanceiro recebido no desenvolvimento desse trabalho.
REFERNCIAS
[1] D. J. Aigner, C. A. K. Lovell e P. Schmidt: Formulation and estimation of stochastic fron-
tier production function models. Journal of Econometrics, 6(1):2137, 1977.
[2] L. D. Alencastro e A. Fochezatto: Ecincia tcnica na gesto de recursos eminstituies
privadas de ensino superior. Anlise, 17:234242, 2006.
[3] T. Bayes: An essay towards solving a problem in the doctrine of chances. Philosophical
Transactions of the Royal Society of London, 53:370418, 1763.
[4] J. van den Broeck, G. Koop, J. Osiewalski e M. F. J. Steel: Stochastic frontier models: a
Bayesian perspective. Journal of Econometrics, 61(2):273303, 1994.
78 ARTIGO DE INICIAO CIENTFICA
REVISTA ELETRNICA MATEMTICA E ESTATSTICA EM FOCO
[5] J. G. Cespedes: Ecincia de Produo: um enfoque Bayesiano. Tese de Mestrado, Es-
cola Superior de Agricultura "Luiz de Queiroz", Universidade de So Paulo, Piracicaba,
So Paulo, 2003.
[6] J. G. Cespedes: Modelos de fronteira estocstica: uma abordagem Bayesiana. Tese de
Doutoramento, Escola Superior de Agricultura "Luiz de Queiroz", Universidade de So
Paulo, Piracicaba, So Paulo, 2008.
[7] J. G. Cespedes e R. A. Leandro: Uma aplicao de modelos de fronteira de produo
estocstica com erro normal e com erro t-student. Revista de Matemtica e Estatstica,
24(3):2534, 2006.
[8] C. Fernandez, G. Koop e M. F. J. Steel: A Bayesian analysis of multiple-output produc-
tion frontiers. Journal of Econometrics, 98(1):4779, 2000.
[9] A. Gelman, J. B. Carlin, H. S. Stern e D. B. Rubin: Bayesian data analysis. Chapman
and Hall, London, 2003.
[10] J. C. Glass, D. Mackillop e N. Hyndman: Efciency in the prevision of university te-
aching and research: an empirical analysis of UK Universities. Journal of Applied
Econometrics, 10:6172, 1995.
[11] W. Greene: estimation of a exible frontier production model. Journal of Econometrics,
13(1):101115, 1980.
[12] W. Greene: Maximum likelihood estimation of econometric frontier functions. Journal of
Econometrics, 13(1):2756, 1980.
[13] J. Johnes: Measuring efciency: a comparison of multilevel modeling and data enve-
lopment analysis in the context of higher education. Bulletin of Economic Research,
58(2):75104, 2006.
[14] G. Koop, M. F. J. Steel e J. Osiewalski: Posterior analysis of stochastic frontier models
using Gibbs sampling. Computational Statistics, 10:353373, 1995.
[15] W. Meeusen e J. van den Broeck: Efciency estimation from Cobb-Douglas production
functions with composed error. International Economic Review, 18(2):435444, 1977.
[16] H. Migon: Bayesian hierarchical models for stochastic production frontier. Estadstica,
56:1030, 2004.
[17] M. C. Pereira e S. Moreira: Bayesian hierarchical models for stochastic production fron-
tier. Boletim Econmico: Banco de Portugal, Primavera 2007:101118, 2007.
[18] R Development Core Team: R: A Language and Environment for Statistical
Computing. R Foundation for Statistical Computing, Vienna, Austria, 2010.
http://www.R-project.org, ISBN 3-900051-07-0.
[19] B. Sampaio e J. Guimares: Diferenas de ecincia entre ensino pblico e privado no
Brasil. Economia Aplicada, 13(1):4568, 2009.
[20] M. F. J. Steel e G. Koop: Bayesian analysis of stochastic frontier models in: A Compa-
nion to Theoretical Econometrics, pp. 520537. Baltagi B, 2001.
[21] R. E. Stevenson: Likelihood functions for generalized stochastic frontier estimation.
Journal of Econometrics, 13(1):5766, 1980.
[22] P. P. Trigo: Avaliao da ecincia tcnica no ensino bsico brasileiro. Tese de Mestrado,
Faculdade de Economia, Administrao e Contabilidade, Universidade de So Paulo,
Ribeiro Preto, So Paulo, 2010.
B. C. BRAGA - J. G. CESPEDES 79