Metodos Quantitativos Aplicado Aos Negocios

Paulo Afonso Bracarense
Ubiratan Vieira Guimares
Mtodos Quantitativos Aplicados a Negcios

2008
2008 IESDE Brasil S.A. proibida a reproduo, mesmo parcial, por qualquer processo, sem autorizao por
escrito dos autores e do detentor dos direitos autorais.
B796 Bracarense, Paulo Afonso / Mtodos Quantitativos Aplicados a Neg-

cios. / Paulo Afonso Bracarense ; Ubiratan Vieira Guimares.
Curitiba : IESDE Brasil S.A. , 2008.
324 p.
ISBN: 978-85-7638-902-6
1. Investimentos Anlise. 2. Anlise de regresso. 3. Correlao

(Estatstica). 4. Anlise de sries temporais. 5. Sries temporais. I. Ttulo.
II. Guimares, Ubiratan Vieira.
CDD 650.01513
Todos os direitos reservados.
IESDE Brasil S.A

Al. Dr. Carlos de Carvalho, 1.482. CEP: 80730-200
Batel Curitiba PR
0800 708 88 88 www.iesde.com.br
Paulo Afonso Bracarense
Doutor em Engenharia de Produo com con-
centrao em Inteligncia Artificial pela Univer-
sidade Federal de Santa Catarina (UFSC). Mestre
em Estatstica e Experimentao Agrcola pela
Escola Superior de Agricultura Luiz de Queiroz
(ESALQ-USP). Bacharel em Estatstica pela Uni-
versidade Federal do Paran (UFPR). Professor
da UFPR. Diretor Superintendente da Fundao
da Universidade Federal do Paran (FUNPAR).
Ubiratan Vieira Guimares

Mestre em Administrao com concentrao em
Sistemas de Informao para Tomada de Deci-
so pela Universidade Federal do Rio Grande do
Sul (UFRGS). Especialista em Estatstica Aplicada
e Qualidade e Produtividade pelo Instituto Brasi-
leiro de Qualidade Nuclear (IBQN) , Bacharel em
Estatstica pela Universidade Federal do Paran
(UFPR). Foi diretor executivo do Ibmec Educacio-
nal em Curitiba e Coordenador Acadmico dos
Programas Executivos MBA e CBA do Ibmec MG.
Atuou na consultoria de grandes empresas e insti-
tuies, tais como: Electrolux S/A, Grupo Positivo,
Renault, Volvo, Spaipa, Banco Mundial, BID, V&M,
entre outras.
09
sumrio
sumri Introduo conceitos e aplicaes |
9 | Pblico-alvo
10 | Linguagem matemtica
11 | Modelagem matemtica dos fenmenos reais
12 | Os papis da teoria de probabilidades e da anlise de dados amostrais
13 | Organizao dos captulos do livro
19
19 | Anlise de dados |
19 | Problema
23 | Conceitos fundamentais
26 | Variveis categorizadas
29 | Variveis quantitativas
36 | Medidas estatsticas
53
53 | Probabilidades e distribuies de probabilidades |
53 | Problema
59 | Axiomas e regras de probabilidades
62 | Probabilidades conjunta, marginal, condicional e independncia
65 | Teorema de Bayes
67 | Distribuies de probabilidades discretas
72 | Variveis aleatrias discretas
83
83 | Amostragem |
83 | Problema
87 | Tipos de amostragem
91 | Tabela de nmeros aleatrios
93 | Principais tcnicas de amostragem
99 | Tamanho da amostra
115
Estimao |
115 | Problema
119 | A distribuio normal
129 | Distribuio amostral das mdias
132 | Distribuio amostral das propores
134 | Estimao por ponto
137 | Intervalo de confiana
142 | Testes de hipteses
142 | Hiptese nula versus hiptese alternativa
153
Anlise de regresso e de correlao |
153 | Problema
159 | Construindo a reta de regresso
168 | Verificao da bondade do modelo
181 | Predio e intervalos de predio
189
Teoria da deciso |
189 | Problema
192 | Critrios de escolha utilizando distribuio a priori
197 | Representao atravs de diagrama de deciso
199 | Estabelecimento de distribuies de probabilidades
sumrio
sumri 205 | Tomada de decises baseada na utilidade esperada
206 | Tomada de deciso com probabilidades a posteriori
Anlise de sries temporais |

219 | Problema
219
224 | Mtodo dos mnimos quadrados ordinrios

230 | Modelo de mdias mveis
243 | Outros mtodos de previso
249
Anexos |
279
Gabarito |
321
Referncias |
323
Anotaes |
Apresentao
Este livro foi escrito com o objetivo de fornecer
Aplicados a Negcios
Mtodos Quantitativos
elementos tericos e tcnicos para profissionais
que necessitam tomar decises tendo como
material essencial conjuntos de dados que pre-
cisam ser analisados.
Um conjunto de dados, por si s, no passa de
um conjunto de dados. necessrio que se
domine uma srie de tcnicas para que esses
dados possam gerar alguma informao. O pa-
tamar superior da anlise de dados a aquisi-
o do conhecimento. E ela s estar disponvel
se ao domnio terico do campo de atuao,
experincia profissional e de vida e intuio
do tomador de decises forem trabalhadas as
tcnicas quantitativas necessrias para agregar
a esses atributos informaes provenientes de
dados corretamente adquiridos.
O livro foi organizado de forma a cobrir toda a
base que compe o campo de conhecimento da
Estatstica. Comeando por tcnicas de estatsti-
ca descritiva e de anlise exploratria de dados,
passando pela medio da incerteza atravs da
teoria de probabilidades e pela compreenso
das possibilidades indutivas da teoria clssica
da Estatstica no trato com amostras.
Trs tcnicas teis e bastante utilizadas na rea
de negcios foram apresentadas em detalhes
balanceando-se a complexidade com a explora-
o da intuio. O trato conceitual foi priorizado
em relao ao trabalho matemtico extensivo.
Optamos por trabalhar com toda a conceituao
bsica at o quinto captulo buscando ajudar o
leitor a desenvolver sua sensibilidade com re-
lao aos conceitos abordados. Tratamos cada
tcnica com exemplos especficos e ilustrativos
na rea de Negcios.
A cincia busca compreender os fenmenos
Aplicados a Negcios
Mtodos Quantitativos
reais atravs de modelos, muitas vezes de
modelos matemticos muito prprios para
estudos realizados em ambiente de incer-
teza. A teoria de probabilidades e a teoria
estatstica clssica so ferramentas muito
teis para ajudar o tomador de decises em
sua opo por diferentes aes diante de
cenrios postos.
Esperamos que o contedo do livro, acom-
panhado das aulas, possa ser de grande valia
para os leitores. Estamos certos, no entanto,
que navegar por essas guas far com que
cada um sinta-se mais confortvel em viver
e trabalhar em um mundo cercado de incer-
tezas e que vale mais a pena compreender
o mundo dessa forma do que viver seguro,
acorrentado e mope na iluso das coisas
certas e absolutas.
Teoria da deciso
Problema
A empresa ABC est fabricando um novo equipamento que deseja dispo-
nibilizar para o mercado. sabido que o investimento em propaganda pode
trazer um grande retorno se a vendagem do produto for alta. No entanto, o
investimento tem um custo elevado e se a quantidade vendida do produto
no for alta, esse investimento em propaganda pode trazer prejuzo para a
empresa. A questo colocada para a diretoria se ela deve ou no proceder
ao investimento em propaganda.
Duas aes, ento, so possveis de serem tomadas. A primeira no in-

vestir em propaganda e a segunda realizar o investimento. Uma pesquisa
extensiva foi realizada e os cenrios que foram apresentados para a diretoria
representavam trs possibilidades de venda (forte, moderada e fraca). Os re-
sultados financeiros podiam variar como segue.
No caso de investimento em propaganda se as vendas do novo produto

forem fortes o retorno financeiro pode chegar a R$90.000,00 por ms. Se
as vendas forem moderadas o retorno pode chegar a R$30.000,00 e se as
vendas forem fracas a empresa pode ter um prejuzo de R$4.000,00. Na hip-
tese de no se fazer o investimento em propaganda os retornos esperados
para as trs situaes de venda sero R$60.000,00, R$10.000,00 e R$2.000,00
dependendo de as vendas serem fortes, moderadas ou fracas.
Diante desse quadro de possibilidades, qual a ao que a diretoria deve

tomar de forma a potencializar as suas possibilidades de lucro?
A tabela abaixo resume as situaes de retorno expostas:
A1 = Investir em A2 = No investir
Eventos
propaganda (R$) em propaganda (R$)
1 = venda forte 90 60
2 = venda moderada 30 10
3 = venda fraca -4 2
Observa-se que nenhuma das aes prefervel em todos os eventos

ou estados da natureza. A ao de investir em propaganda prefervel nos
casos de futuras vendas fortes ou moderadas, mas se a venda for fraca a ao
preferida no investir em propaganda.
Se a diretoria soubesse com certeza qual evento ocorreria, o processo de

deciso seria simples. Bastaria olhar para a linha que representasse maior
ganho e selecionar a ao que produzisse o melhor rendimento. No entanto,
a incerteza de que evento ocorrer torna o problema mais interessante.
Vrios diferentes critrios de seleo da melhor ao podem ser suge-

ridos. Se houvesse ainda a possibilidade de agregar mais informaes
sobre as probabilidades de ocorrncia de cada um dos eventos, a tomada
de deciso poderia ser realizada com base nessas informaes, o que seria
muito desejvel.
Conceitos fundamentais
A tomada de deciso gerencial tem crescido em complexidade e os ins-
trumentos da Teoria de Deciso Estatstica tm se tornado um importante
modelo para se fazer escolhas racionais entre aes alternativas quando a
informao incompleta e sob ambiente de incerteza. O problema de de-
ciso sob estudo pode ser representado por um modelo que compreende
cinco elementos.
O tomador de deciso
o agente a quem cabe a responsabilidade por tomar as decises. O
tomador de decises pode ser um indivduo, uma corporao, uma agncia
governamental e assim por diante.
Aes
A deciso envolve uma seleo entre duas ou mais alternativas de aes.
O problema escolher a melhor entre essas aes alternativas. Algumas
vezes o tomador de decises deve escolher a melhor das estratgias dispo-
nveis, em que cada estratgia uma regra de deciso que indica qual ao
deve ser tomada em resposta a um tipo especfico de informao amostral
ou experimental.
190
Teoria da deciso
Eventos
Os eventos esto fora do controle do tomador de decises, que no
sabe ao certo qual evento de fato ocorrer. Os eventos se constituem de
um conjunto de resultados mutuamente exclusivos, isto , um e somen-
te um deles ocorrer. Os eventos tambm so chamados de estados da
natureza ou simplesmente resultados.
Ganho
a medida do resultado da opo por uma ao especfica. Os ganhos so
apresentados em tabelas de ganhos ou matrizes de ganho, que apresentam as
conseqncias de cada ao selecionada e cada evento que possa ocorrer.
Incerteza
A falta de definio de qual evento ou estado da natureza ir ocorrer
definido como incerteza. Essa incerteza ser indicada em termos de pro-
babilidades associadas aos eventos. Uma das caractersticas da Teoria Es-
tatstica de Deciso o assinalamento de probabilidades para a ocorrncia
desses eventos. Entre os tipos de probabilidades utilizadas est a probabi-
lidade subjetiva.
A tabela de ganhos expressa em termos genricos. Assumimos que exis-

tem n aes alternativas A1, A2 ... An e m possveis eventos ou estados da
natureza denotados por 1, 2 ... m. Os resultados de ganhos possveis so
denotados pela letra u com os indicadores respectivos de aes e eventos.
A letra u est sendo usada por sua associao com utilidade, conforme
ser mais bem explicado adiante. A matriz abaixo resume as relaes acima
descritas:
Aes
Eventos A1 A2 ... An
1 u11 u12 ... u1n
2 u21 u22 ... u2n
... ... ... ... ...
m um1 um2 ... umn
191
Como essas utilidades podem ser determinadas ser assunto para este
captulo. Em sntese, a utilidade de se selecionar ao A2 e ter o resultado
do evento 1 denotada por u12 e assim por diante. A utilidade uij se refere
ao j e o evento i.
Se de antemo for sabido com certeza que o evento que ir ocorrer o

3, ento basta ao tomador de decises olhar ao longo da linha correspon-
dente qual a maior utilidade e assim definir que ao deve ser tomada. No
entanto, no mundo real, uma vez que o estado da natureza no de domnio
do tomador de decises, ele no sabe com certeza qual especfico evento ir
ocorrer. A escolha da melhor ao a ser tomada em face de um ambiente de
incerteza o problema central da tomada de deciso.
Critrios de escolha
utilizando distribuio a priori
Muitos diferentes critrios existem para selecionar a melhor ao. O crit-
rio mais imediato conhecido como o critrio maximin de ganho. Outros
trs critrios simples tambm so bastante utilizados, so normalmente co-
nhecidos como: ganho esperado sob incerteza, perda esperada de opor-
tunidade e critrio minimax da perda de oportunidade.
Critrio maximin de ganho

No mtodo chamado critrio maximin, o tomador de decises assume
que uma vez que uma ao seja escolhida, a natureza ser malevolente e
escolher o estado da natureza que minimize o rendimento de sua escolha.
O tomador de decises escolhe a ao que maximize o rendimento sob a
pior perspectiva.
Em outras palavras, o melhor do pior uma forma de proteo. No exem-

plo do investimento em propaganda, a matriz de rendimentos apresen-
tada abaixo:
A1 = Investir em A2 = No investir
Eventos
propaganda (R$) em propaganda (R$)
3 = venda fraca 4 2
192
Teoria da deciso
Se os diretores escolherem a ao A1, a natureza provocar a ocorrncia

de 3 e o resultado ser um prejuzo de R$4.000,00. Se o tomador de decises
escolher a ao A2, tambm a natureza provocar a ocorrncia de 3 e o lucro
ser de R$2.000,00.
Sendo assim, o tomador de decises dever escolher a ao que produza

o maior rendimento, no caso a ao A2. Isto , a empresa no deve inves-
tir em propaganda. Ento, o objetivo desse processo de deciso escolher
aquela ao que produza o mximo entre os mnimos rendimentos, por isso,
o termo maximin.
Naturalmente, o critrio maximin um tipo de critrio pessimista. No

razovel supor que um executivo tomaria decises ou deveria tomar de-
cises dessa forma. Na maioria das situaes o critrio maximin congelaria
o tomador de decises em completa paralisia e implicaria que seria melhor
que ele mudasse de ramo de atividade.
Parece ser razovel que um tomador de decises deva levar em conta as

probabilidades de ocorrncia dos diferentes possveis estados da nature-
za. Se, no exemplo acima, a probabilidade de vendas fracas for muito peque-
na, no h porque concentrar-se sobre a possibilidade dessa ocorrncia. Os
prximos procedimentos procuraro dar conta dessa alternativa.
Ganho esperado sob incerteza

Em um problema real de tomada de deciso, deve-se esperar que o toma-
dor de decises tenha alguma idia sobre a probabilidade de ocorrncia
dos vrios estados da natureza e que esse conhecimento possa ajudar na
escolha da melhor ao a ser tomada.
No exemplo em questo, se a diretoria percebe que as vendas do novo produ-

to sero fracas e que no compensaro o investimento em propaganda, deve-se
decidir pela ao A1. No entanto, se a diretoria percebe que o produto pode ter
uma boa aceitao, talvez valha a pena fazer um investimento em propaganda.
Se o nmero de eventos e o nmero de aes possveis passarem a ser

muito grandes, o problema pode tornar-se muito complexo, e o tomador
de decises necessitar de outro tipo de mtodo para processar as informa-
es relevantes. No entanto, os procedimentos apresentados neste captulo
cobrem uma grande gama de problemas de tomada de deciso.
193
Voltando ao problema do investimento em propaganda. Nesse caso, a maxi-

mizao consiste em selecionar a ao que produza o maior ganho esperado.
Vamos assumir que a diretoria da empresa ABC tome o seguinte procedi-

mento de assinalamento de probabilidades para cada um dos eventos. Com
base em uma extensiva pesquisa da experincia passada com produtos seme-
lhantes e de acordo com a opinio de especialistas, a diretoria conclui que as
vendas podem ser moderadas (evento 2) em uma razo de 50 para 50. E mais,
concluem que um pouco menos provvel que as vendas aumentem com
investimento em propaganda (evento 1) do que as vendas sejam pequenas
(evento 3). Com base nessa perspectiva, a diretoria estabelece a seguinte dis-
tribuio de probabilidades subjetivas para os eventos em questo:
Evento Probabilidade
1 = venda forte 0,2
2 = venda moderada 0,5
3 = venda fraca 0,3
Total 1
Para determinar a base de escolha entre investir em propaganda (Ao

1) e no investir em propaganda (Ao 2), necessrio calcular o ganho es-
perado para cada ao. Como indicado na tabela abaixo, o ganho tratado
como uma varivel que toma diferentes valores dependendo de que evento
ocorra. O valor esperado de cada ao ser a mdia ponderada dos re-
sultados sob cada ato, em que os pesos so as probabilidades de que cada
evento possa ocorrer.
Ao 1: investir em Ao 2: no investir em
propaganda propaganda
Evento
Probabi- Resultado Probabili- Resultado
Resultado Resultado
lidade ponderado dade ponderado
1 0,2 90 18 0,2 60 12
2 0,5 30 15 0,5 10 5
3 0,3 -4 -1,2 0,3 2 0,6
Total 1,0 31,8 1,0 17,6
Resultado esperado: R$31.800,00 Resultado esperado: R$17.600,00
194
Teoria da deciso
Verifica-se dos clculos realizados que a diretoria pode esperar um resul-

tado de R$31.800,00 de retorno de vendas se investir em propaganda e de
R$17.600,00 caso no invista em propaganda. Para maximizar o ganho es-
perado, a diretoria deveria selecionar a ao A1 e investir em propaganda.
Perda de oportunidade esperada

Um conceito til na anlise de deciso sobre incerteza o da perda de
oportunidade. A perda de oportunidade a perda causada pela falha em
escolher a melhor ao. As perdas de oportunidade so calculadas separa-
damente para cada evento que pode acontecer.
Da ocorrncia de um especfico evento pode-se determinar a melhor

ao possvel. Para um dado evento, a perda de oportunidade a diferena
entre o ganho daquele ato e o ganho para o melhor ato que poderia ter
sido selecionado.
No exemplo do investimento em propaganda, se o evento 3 ocorrer

(vendas fortes) a melhor ao a A1, para a qual o ganho de R$90.000,00.
A perda para esta ao 90 90 = 0. O ganho para a ao A2 R$30.000,00
e a perda de oportunidade da ao A2 a quantidade que o ganho para
a melhor ao, ou seja, R$90.000,00 excedem os R$30.000,00 de ganho da
ao A2, que , portanto, R$90.000,00 R$30.000,00 = R$60.000,00.
A tabela das perdas de oportunidade para o problema em questo :
Tabela de ganhos Tabela de perda de

(R$) oportunidades (R$)
Evento A1 A2 A1 A2
1 = venda forte 90 60 0 30
2 = venda moderada 30 10 0 20
3 = venda fraca -4 2 6 0
Pode-se calcular agora as perdas de oportunidades esperadas, levando-se

em conta a distribuio de probabilidades subjetivas estimadas de maneira
anloga ao que foi feito com o ganho esperado sob incerteza. O objetivo ser o
de escolher aquela ao com menor perda de oportunidade esperada.
As seguintes quantidades podem ento ser definidas POE(A1) e POE(A2)

como perda de oportunidade esperada para a ao de investir em propagan-
da e a perda de oportunidade esperada ao no se investir em propaganda:
195
Ao 1: investir em propaganda Ao 2: no investir em propaganda

Evento Probabi- Resultado Probabili- Resultado
Resultado Resultado
lidade ponderado dade ponderado
1 0,2 0 0,0 0,2 30 6,0
2 0,5 0 0,0 0,5 20 10,0
3 0,3 6 1,8 0,3 0 0,0
Total 1,0 1,8 1,0 16,0
Se a diretoria escolher a ao que minimize a perda de oportunidade

esperada, escolher a ao A1, a mesma ao selecionada sob o critrio de
maximizar o ganho esperado. Pode ser demonstrado que esse resultado no
ocorreu por acaso. Sempre a ao escolhida pelo critrio da maximizao do
ganho esperado tambm ser o escolhido para a minimizao da perda de
oportunidade esperada.
Critrio minimax da perda de oportunidade

No mtodo do critrio minimax de perda de oportunidade, o tomador
de deciso seleciona a ao que minimiza a pior perda de oportunidade
possvel. Como no critrio de maximin, de maximizar os piores ganhos, o
critrio minimax para a perda de oportunidade toma uma perspectiva pes-
simista. O tomador de deciso determina para cada ao a maior perda de
oportunidade que pode ocorrer.
No exemplo em discusso, para a ao A2 a maior perda de oportunidade

possvel de R$16.000,00, para a ao A1, R$1.800,00. Ento, o tomador de
decises opta pela ao A2, que a de no se investir em propaganda.
Nesse exemplo, a ao escolhida pelo processo minimax foi a mesma da es-

colhida para o processo maximim, ao A2, mas esse fato nem sempre ocorre.
Valor esperado da informao

perfeita (VEIP) ou o custo da incerteza
A quantidade perda de oportunidade esperada (POE) pode ser inter-
pretada tambm atravs do valor esperado da informao perfeita (VEIP)
ou do custo da incerteza (CI).
196
Teoria da deciso
O valor esperado da informao perfeita (VEIP) a diferena entre o

ganho esperado com informao perfeita e o ganho esperado sob incerte-
za. Como foi visto acima, para o problema do investimento em propagan-
da, o ganho esperado sob incerteza foi de R$31.800,00 o ganho esperado
com informao perfeita pode ser determinado pela escolha do melhor
ganho para cada evento e as probabilidades aqui so consideradas como
aproximaes das freqncias relativas calculadas por vrias observaes
anteriores.
Ganhos Ganhos
Evento Probabilidades
(R$) ponderados
1 = venda forte 90 0,2 18,0
2 = venda moderada 30 0,5 15,0
3 = venda fraca 2 0,3 0,6
33,6
Ento, o valor esperado da informao perfeita ser igual a R$33.600,00

R$31.800,00 = R$1.800,00. Exatamente o mesmo valor encontrado para a
perda de oportunidade esperada.
A expresso custo da incerteza destaca o custo associado tomada de

deciso sob incerteza, uma vez que o ganho esperado com perfeita informa-
o subentende que esse seria o ganho esperado com o conhecimento de
eventos passados ou ganho esperado sob certeza.
Representao atravs de diagrama de deciso

Pode ser til para melhor visualizao representar a estrutura de um
problema de deciso sob incerteza atravs de um diagrama de rvore
de deciso, tambm chamado de diagrama de deciso ou diagrama
de rvore.
O problema do investimento em propaganda pode ser apresentado atra-

vs do diagrama abaixo:
197
R$90,00
1
2
R$30,00
A1 3
2
R$4,00
R$60,00
1 1
A2
2
R$10,00
3
2
R$2,00
Saindo do ponto 1, o tomador de decises pode seguir o ramo A1 ou

o ramo A2, correspondentes, respectivamente, s aes de investir em
propaganda e no investir em propaganda. No ponto 2, um novo ramo
pode ser aberto a partir da primeira deciso que corresponde aos poss-
veis eventos, alcanando os valores de ganhos pela escolha da ao e o
acontecimento do evento.
Para a tomada de deciso, o diagrama precisa receber as novas informa-

es correspondentes ao valor das estimativas de probabilidade que cada
evento ocorra e a realizao da anlise retrospectiva ou de induo backward
(para trs). Multiplica-se ento os valores dos ganhos no final de cada ramo
pelo valor da probabilidade de cada um dos eventos somando os resulta-
dos destes produtos e retornando ao ponto 2, que assume o valor de ganho
esperado para cada uma das aes, A1 e A2, com valores de R$31.800,00 e
R$17.600,00 respectivamente.
O valor do ganho esperado para a ao 1 foi determinado pela seguinte

expresso:
31,8 = (0,2).(90) + (0,5).(30) + (0,3).(4)
O novo passo retornar do n 2 para o n 1 atravs da escolha do ganho

esperado de maior valor, no caso o ganho esperado correspondente da ao
1, conforme exposto no diagrama 2:
198
Teoria da deciso
R$90,00
(0,2)
R$31,8
(0,5)
R$30,00
A1 (0,3)
2
R$31,8
R$4,00
R$60,00
1 (0,2)
A2 R$23,0
(0,5)
R$10,00
(0,3)
2
R$2,00
Dessa forma, o diagrama de rvore reproduz de forma esquemtica

e compacta a anlise realizada atravs das tabelas. Um diagrama anlogo
pode ser construdo em termos de perdas de oportunidade.
Estabelecimento
de distribuies de probabilidades
Estabelecer as probabilidades de ocorrncia de cada estado da natureza
(eventos) uma tarefa fundamental para o equacionamento do esquema de
tomada de decises. At agora, o estabelecimento dessas probabilidades foi
realizado de forma subjetiva e simples. Se houver uma forma mais cientfi-
ca de estabelecimento da distribuio de probabilidades dos possveis even-
tos, o problema da tomada de decises pode ser mais bem equacionado.
Se a varivel aleatria que representa os estados da natureza for discre-

ta e houver somente um nmero pequeno de resultados possveis, ento
o tomador de decises provavelmente ser capaz de assinalar diretamente
probabilidades para cada possvel resultado. No entanto, se a varivel aleat-
ria tiver um nmero grande de valores possveis, o tomador de decises ter
que tratar a varivel aleatria como contnua e necessitar construir uma
funo de distribuio acumulada trabalhando com um nmero de interva-
los selecionados da varivel aleatria.
199
Duas situaes possveis so apresentadas ao tomador de decises:
1. o tomador de decises estabelece diretamente uma distribuio de

probabilidades subjetivas sem um processamento formal dos dados;
2. existe uma pequena quantidade de dados do passado, e o tomador

de decises processa essa informao para construir uma distribuio
de probabilidades acumulada ou cumulativa.
O problema agora encontrar meios para a construo dessas distribuies

de probabilidades. Trabalharemos com as duas possibilidades, a saber: (I) assi-
nalamento subjetivo direto; e (II) assinalamento usando dados do passado.
Assinalamento subjetivo direto

Nesse caso, o estabelecimento de uma distribuio cumulativa de pro-
babilidades subjetiva ser feito sem processamento formal de dados.
Tomemos por exemplo um caso em que o tomador de decises infere

que para o prximo ano as vendas de certo produto de sua companhia
devero ficar entre 100 000 e 500 000 unidades e deseja estabelecer uma
distribuio de probabilidades cumulativas subjetivas sem usar explicita-
mente qualquer dado.
A base de procedimento focalizar a ateno em poucos pontos da dis-

tribuio. Uma proposta trabalhar com os percentis. Se pensarmos em trs
percentis, o mais adequado tomar o primeiro e o quarto quartil e a media-
na. O primeiro quartil divide o rol de dados em duas partes, os primeiros 25%
e os ltimos 75%. A mediana divide o rol de dados em duas partes iguais, os
primeiros 50% e os ltimos 50%. E o terceiro percentil divide o rol tambm
em duas partes, os primeiros 75% e os ltimos 25%.
Observe que o primeiro quartil representa o vigsimo quinto percentil, a

mediana representa o qinquagsimo percentil e o terceiro quartil o septu-
agsimo quinto percentil.
Comecemos pela mediana ou o qinquagsimo percentil. O tomador

de decises deve escolher, entre 100 000 e 500 000, um valor que acredite
que a probabilidade de ocorrer um valor menor ou igual a ele seja igual a
50%. Pode ser qualquer valor no intervalo inicialmente estabelecido. Vamos
supor que aps muita reflexo ele acredite que esse valor deve ser algo em
200
Teoria da deciso
torno de 350 000. Ou seja, o tomador de decises acredita que a chance de

se vender menos de 350 000 unidades do produto de 50%. Naturalmente,
a chance de vender mais de 350 000 tambm de 50%.
O raciocnio deve ser repetido para a determinao dos outros dois valo-
res. Vamos supor que esses valores sejam 250 000 e 400 000. Ou seja, o toma-
dor de decises acredita que a probabilidade de vender mais do que 250 000
produtos seja de 75% e que a probabilidade de vender mais do que
400 000 produtos seja de 25%.
Dessa forma, trs pontos da distribuio de probabilidades cumulativa

foram determinados. Os percentis de ordem 25, 50 e 75, ou equivalente-
mente o primeiro, o segundo e o terceiro quartis. Lembrando que o segundo
quartil coincide com a mediana.
O procedimento usual o de determinar mais dois pontos, preferencial-

mente mais prximos dos extremos e usar esses cinco pontos para a constru-
o da funo que represente a distribuio de probabilidades cumulativa.
Uma proposta usar o primeiro e o nonagsimo nono percentis, ou os

percentis de ordem 1 e de ordem 99. Esses valores podem ser considerados
como os valores limites inferior e superior da primeira condio estabeleci-
da. Ou seja, podemos escolher como primeiro percentil o valor de 100 000
unidades de venda e 500 000 como o valor do nonagsimo nono percentil.
Dessa forma, estabelecemos que a probabilidade de vender mais do que
100 000 unidades do produto em questo de 99% e que a probabilidade
de vender mais do que 500 000 unidades de somente 1%.
A figura abaixo representa a situao construda. O grfico pode ser con-

siderado como uma aproximao da distribuio de probabilidade cumu-
lativa subjetiva da venda do produto no prximo ano.
Distribuio de probabilidade cumulativa

1
0,9
0,8
0,7
Probabilidade
0,6
0,5
0,4
0,3
0,2
0,1
0
0 100 200 300 400 500 600
Vendas
201
A distribuio anterior, que representa uma distribuio de probabilidades

discreta, pode ser mais bem aproximada atravs de uma curva em forma de s
pela unio de seus pontos, para a construo de uma distribuio de probabi-
lidades contnua.

1
0,9
0,8
0,7
Probabilidades
0,6
0,5
0,4
0,3
0,2
0,1
0
0 100 200 300 400 500 600
Vendas
O assinalamento direto da distribuio de probabilidades cumulativa

subjetiva apropriada para as seguintes situaes: (I) quando existir um
nmero pequeno de dados e no houver dados do passado; e (II) quando,
apesar de existirem dados do passado, o tomador de decises no se sentir
confortvel para usar esses dados para o estabelecimento da distribuio de
probabilidade cumulativa. Este ltimo caso pode ocorrer em razo de mu-
danas da poltica da empresa ou de algum avano tecnolgico importante
implementado, por exemplo.
Assinalamento de probabilidades
usando dados do passado
Se existe uma grande quantidade de dados do passado, o tomador de de-
cises pode us-los para estabelecer a distribuio de probabilidades atravs
do uso das freqncias relativas dos dados. No entanto, se a quantidade
de dados for pequena, um procedimento deve ser realizado tomando a dis-
tribuio de freqncias destes dados para a construo de uma distribuio
de freqncias acumulada atravs de aproximaes.
202
Teoria da deciso
Vamos ilustrar a construo de uma distribuio cumulativa de probabi-

lidades atravs de um exemplo simples. Certa loja vende, entre outros, um
produto A. Acompanhando a venda desse produto nos ltimos 20 meses,
observamos que em um determinado ms foram vendidos 33 unidades. Em
outros dois meses foram vendidos 38. Fazendo observaes dessa ordem,
pudemos construir a seguinte distribuio de freqncias que relaciona o
nmero de produtos vendidos com a quantidade de meses em que esse
nmero foi alcanado. Um possvel resultado o que segue:
Nmero de Nmero de meses em Nmero de Freqncia relativa

produtos que os produtos vendi- produtos do nmero de
vendidos dos alcanaram a venda vendidos produtos vendidos
33 1 33 1/20 = 0,05
34 0
35 4 35 4/20 = 0,20
36 5 36 5/20 = 0,25
37 0
38 2 38 2/20 = 0,10
39 3 39 3/20 = 0,15
40 0
41 1 41 1/20 = 0,05
42 2 42 2/20 = 0,10
43 2 43 2/20 = 0,10
Podemos, com base nos dados, acima construir a distribuio de freqn-

cias acumuladas para o nmero de produtos vendidos:
Nmero de Freqncia relativa do nmero Freqncia relativa

produtos vendidos de produtos vendidos acumulada
33 0,05 0,05
34 0,05
35 0,20 0,25
36 0,25 0,50
203
Nmero de Freqncia relativa do nmero Freqncia relativa

produtos vendidos de produtos vendidos acumulada
37 0,50
38 0,10 0,60
39 0,15 0,75
40 0,75
41 0,05 0,80
42 0,10 0,90
43 0,10 1,00
Considerando que a freqncia relativa uma aproximao de probabili-

dades e que, portanto, a freqncia relativa acumulada uma aproximao
da probabilidade acumulada, podemos construir o seguinte grfico da dis-
tribuio de freqncias relativas acumuladas, que representam as probabi-
lidades de vender at certo nmero de produtos. Observando a tabela acima
ou o grfico abaixo, podemos verificar que a probabilidade de vender at 36
produtos em um determinado ms de 50%.

1
0,9
0,8
0,7
Probabilidade
0,6
0,5
0,4
0,3
0,2
0,1
0
30 35 40 45 50
Nmero de produtos vendidos
Para aplicaes em tomada de decises sob incerteza, trabalhar com

dados contnuos pode dificultar enormemente a tarefa. At aqui trabalha-
mos com dados discretos. Existem tcnicas para transformar dados contnu-
os em dados discretos, mas que esto fora do escopo do presente texto.
204
Teoria da deciso
Tomada de decises
baseada na utilidade esperada
At agora as anlises de tomada de deciso tiveram por critrio a escolha
da ao tima como aquela que resultaria em maior ganho mdio a longo
prazo se a mesma deciso tivesse que ser tomada repetidamente sob idn-
ticas condies. No entanto, algumas decises pessoais e nos negcios so
tomadas frente a um nico conjunto de condies. Em algumas dessas oca-
sies no seria realstico pensar em termos de muitas repeties da mesma
situao de deciso.
Sendo assim, til ter um aparato para lidar com tomada de deciso em
tempo nico. A Teoria da Utilidade fornece tal aparato e tambm um mtodo
lgico para tomada de decises repetitivas. Para ilustrar a idia, vamos supor
trs situaes com duas aes alternativas para cada uma delas. Na primeira
(A) se contrapem duas decises que tm como conseqncia para a ao A1
receber R$0 com certeza e, para a ao A2, receber R$0,60 com probabilidade
e perder R$0,40 com probabilidade . Na segunda situao, B1 implica
ganhar R$0,00 com certeza e B2, receber R$60.000,00 com probabilidade
e perder R$40.000,00 com probabilidade . A terceira situao, C1 implica
receber R$1 milho com certeza contra C2, que implica receber R$2 milhes
com probabilidade e receber R$0,00 com probabilidade .
O clculo do ganho esperado para a deciso colocada em A de R$0,10

[(1/2).(0,6)+(1/2).(0,4)]. Isso significa que a longo prazo o resultado dever
ser positivo. Ocorre, no entanto, que se a deciso tem que ser tomada para
somente uma realizao, a perda pode ser de R$0,40. A firma talvez possa
correr esse risco. Mas na situao B, o valor do ganho esperado a longo prazo
seria de R$10.000,00, o que levaria o tomador de decises a optar pelo risco,
ou seja, escolher a ao B2. Como a situao pontual, a firma pode perder
R$40.000,00. Ficando invibializado o tomador de decises pode optar por
no correr o risco e optar por ganho certo de R$0,00.
No caso da situao C, mesmo pensando a longo prazo, o valor do ganho

esperado seria R$1.050.000,00 se a opo fosse por C2, contra um ganho certo
de R$1.000.000,00 pela ao C1. Nesse caso, no resta muita dvida que, apesar
de a ao C2 poder resultar num ganho de R$2,1 milhes, a melhor ao seria
mesmo tomar a ao C1, com ganho certo de R$1 milho.
Fica claro que grandes e pequenas corporaes podem tomar diferentes

atitudes diante do risco. A questo que o tomador de decises deve respon-
205
der : Qual a probabilidade para que a conseqncia M1 se torne indiferente

para que se possa correr o risco de optar por ganhar M1 com certa probabilida-
de p ou M2 com probabilidade 1p?. Esse tipo de questo pode ser respondido
pela aplicao da metodologia da Teoria da Utilidade. No objeto de estudo
aqui o desenvolvimento mais aprofundado dessa teoria, seno o de apresen-
t-la ilustrativamente, mesmo porque essa situao no muito comum na
prtica diria da tomada de decises. Maiores informaes sobre essa teoria
podem ser adquiridas atravs de bibliografia mais aprofundada, como o livro
de R. S. Schlaifer, Analysis of Decisions Under Uncertainty, McGraw Hill.
Tomada de deciso com

probabilidades a posteriori
As anlises feitas at agora podem ser consideradas como anlises a
priori, isto , a tomada de decises foi baseada em melhor ganho (ou menor
perda) com base em aes relacionadas com uma distribuio de probabili-
dades construda sem a utilizao de levantamento de dados amostrais auxi-
liares. Aqui discutiremos a chamada anlise a posteriori, em que a distribui-
o de probabilidades envolvida na tomada de decises ser feita com base
em probabilidades a priori revisadas pela observao de dados amostrais
complementares.
Probabilidades a posteriori
As probabilidades a posteriori so calculadas com base em duas informa-
es, as probabilidades a priori e a informao obtida atravs da observao
de um conjunto de dados. O meio de fazer essa atualizao o Teorema de
Bayes. Se uma nova atualizao for necessria, a atual probabilidade a pos-
teriori ser utilizada como probabilidade a priori no novo contexto em que
uma nova tomada amostral seja realizada.
O propsito de incorporar mais evidncia atravs de processos amostrais

o de reduzir o custo esperado da incerteza.
Se o custo esperado da incerteza (ou de outra forma, o custo esperado da

perda de oportunidade) for elevado, ento o acrscimo de nova informao
atravs de um processo de amostragem pode se tornar desejvel. O mtodo
geral para se incorporar nova informao, ou nova evidncia amostral, pode
206
Teoria da deciso
ser ilustrado pelo uso de dois tipos de informao amostral: (I) atravs da
especificao da confiabilidade da informao amostral; e (II) atravs da es-
pecificao do tamanho da amostra.
Anlise a posteriori:
uma ilustrao da especificao da confiabilidade
Retomando o exemplo do investimento em propaganda, a situao colo-
cada para o tomador de decises era a de decidir entre duas aes, A1 (inves-
tir em propaganda de um novo produto) e A2 (no investir em propaganda
de um novo produto).
Qual a ao que a diretoria deve tomar de forma a potencializar as suas

possibilidades de lucro, diante do quadro de retorno ou possveis ganhos?
A tabela abaixo resume a situao de retorno exposta, na qual os valo-

res so expressos em milhares de reais, isto , 90 representa um ganho de
R$90.000,00:
A1 = investir em A2 = no investir em
Eventos
propaganda (R$) propaganda (R$)
3 = venda fraca -4 2
Com base em avaliaes subjetivas, a diretoria estabelece a seguinte dis-

tribuio de probabilidades para os eventos em questo:
Evento Probabilidade
1 = venda forte 0,2
2 = venda moderada 0,5
3 = venda fraca 0,3
Total 1,0
Diante desses dados, foram determinados os valores esperados de ganhos

sob incerteza para a ao A1 de R$31.800,00 e para a ao A2 de R$17.600,00.
207
Associado a esses clculos, foi determinado o custo da incerteza (ou

valor esperado da perda de oportunidade) em R$1.800,00, considerado alto
pela diretoria. Decide-se ento por proceder a um levantamento amostral
no sentido de verificar os ganhos esperados para cada ao de forma que o
custo da incerteza possa ser reduzido atravs da incorporao de evidncias
adicionais e, portanto, com a diminuio da incerteza.
Vamos assumir que a pesquisa possa resultar em trs resultados amostrais,

denotados por x1, x2 e x3, correspondentes aos trs estados da natureza (even-
tos) 1, 2 e 3. Especificamente, os resultados da pesquisa podem ser: a amos-
tra indica vendas fortes (x1), vendas moderadas (x2) ou vendas fracas (x3).
A pesquisa foi realizada e a amostra indicou um nvel de venda moderada

para o produto, isto , x2 foi observado.
Suponha agora que, com base em pesquisas anteriores semelhantes,

os pesquisadores possam acessar a confiabilidade da evidncia amostral
nos seguintes termos: no passado, quando o nvel de venda real foi modera-
do, a pesquisa amostral indicou corretamente venda moderada em 80% das
vezes. No entanto, quando o nvel real de vendas foi forte, em cerca de 20%
das pesquisas realizadas o nvel indicado foi erroneamente indicado como
moderado. E quando o nvel real de vendas foi baixo, cerca de 30% das pes-
quisas amostrais indicaram vendas moderadas.
Essas freqncias relativas representam probabilidades condicionais que as

evidncias indicassem nvel moderado de vendas, dados os trs possveis even-
tos de nvel de venda. Essas probabilidades podem ser representadas por:
P(x2/1) = 0,2
P(x2/2) = 0,8
P(x2/3) = 0,3
Com essa informao, a distribuio de probabilidades a priori original

pode ser revisada conforme indica a tabela abaixo:
208
Teoria da deciso
Probabilidade Probabilidade Probabilidade Probabilidade

a priori condicional conjunta a posteriori
Eventos i P(i) P(x2/i) P(i) P(x2/i) P(i/x2)
1 = venda forte 0,2 0,2 0,04 0,0755
2 = venda
0,5 0,8 0,40 0,7547
moderada
3 = venda fraca 0,3 0,3 0,09 0,1698
Total 1,0 0,53 1,0000
Observe a utilizao do Teorema de Bayes para cada um dos i:
P (1)P(x2 / 1)
P(1 / x2) =
P (i)P(x2 / i)
Na tabela, multiplicar cada probabilidade a priori P(i) pela sua correspon-

dente probabilidade condicional P(x2/i), obtendo-se assim as probabilida-
des conjuntas, cuja soma P(i) P(x2/i). Para calcular as probabilidades a
posteriori associadas a cada um dos eventos i, basta dividir a probabilidade
conjunta de cada evento pela soma das probabilidades conjuntas. Essa
uma forma confortvel de calcular as probabilidades a posteriori atravs do
uso do Teorema de Bayes.
Fica bem ilustrativo a diminuio do espao amostral com a correspon-

dente probabilidade de 0,53 e quanto dessa probabilidade ser destinada a
cada um dos eventos. Equivale, portanto, a considerar 0,53 como a totalida-
de (1,0) e verificar quanto disso corresponde a cada um dos eventos.
Assim, com uma indicao amostral de vendas moderadas, a probabili-

dade a priori de 0,5 do evento vendas moderadas foi revisado e cresceu para
aproximados 0,75. Da mesma forma, as probabilidades 0,2 e 0,3, correspon-
dentes aos eventos venda fraca e venda forte, foram revisados e declinaram
para 0,07 e 0,17.
209
Essas probabilidades revisadas podem ser agora utilizadas para os clcu-

los do ganho esperado a posteriori e da perda esperada de oportunidade
a posteriori ou custo esperado da incerteza. Ento, os resultados obtidos
foram de R$28.756,80 de ganho esperado para a ao A1 (investir em propa-
ganda) e R$12.416,60 para A2 (no investir em propaganda) e o custo espera-
do da incerteza diminuiu de R$1.800,00 para R$1.018,80.
Ganho esperado a posteriori

Evento Probabi- Resultado Probabi- Resulta- Resultado
Resultado
lidade ponderado lidade do ponderado
1 0,0755 90 6,795 0,0755 60 4,53
2 0,7547 30 22,641 0,7547 10 7,547
3 0,1698 -4 -0,6792 0,1698 2 0,3396
Total 1,0000 28.756,80 1,0000 12.416,60
Perda de oportunidade esperada a posteriori
Probabi- Resultado Probabi- Resultado

Evento Resultado Resultado
lidade ponderado lidade ponderado
1 0,0755 0 0 0,0755 30 2,265
2 0,7547 0 0 0,7547 20 15,094
3 0,1698 6 1,0188 0,1698 0 0
Total 1,0000 1,0188 1,0000 17,3590
O diagrama de rvores abaixo descreve a situao para os ganhos espe-

rados a posteriori.
210
Teoria da deciso
R$90,00
755)
R$28.756,60 (0,0
(0,7547)
R$30,00
A1 (0,1
698
2 )
R$28.756,60
R$4,00
R$60,00
755)
1 (0,0
A2 R$12,416,60
(0,7547)
R$10,00
(0,1
698
)
2
R$2,00
Como o ganho esperado sob A1 maior que o ganho esperado sob A2,
a melhor das duas aes continua sendo a de investir em propaganda. Ob-
serve, no entanto, que essa deciso poderia ter sido modificada aps o assi-
nalamento da distribuio de probabilidades a posteriori, com a incluso de
novas evidncias devidos ao processo de busca de dados na amostragem.
A amostragem indicada anteriormente indicou vendas moderadas, mas

se ela tivesse indicado vendas fracas ou vendas fortes, o mesmo procedi-
mento poderia ser realizado para o clculo dos novos valores de ganhos es-
perados e de custos da incerteza.
O custo da incerteza teve uma diminuio de R$1.800,00 para R$1.088,00.

Esse custo significa o quanto o tomador de decises estaria disposto a pagar
para ter a informao perfeita. Se esse valor tivesse crescido ao invs de di-
minudo, como foi o caso, significaria que a evidncia amostral no resultou
em diminuio da dvida de que ao tomar e que a nova situao no traria
maior segurana na deciso.
Anlise a posteriori:
uma ilustrao da aceitao da amostragem
Como uma segunda ilustrao da anlise a posteriori, vamos considerar
o problema da aceitao da amostragem de um produto manufaturado.
Vamos assumir que a empresa ABC inspeciona artigos de componentes de
211
seus produtos vindos de certo fornecedor. Observando dados de inspees

passadas, a empresa verifica que 10%, 20% e 30% dos componentes do for-
necedor tinham defeitos.
Da experincia passada, a empresa ABC estabeleceu como critrio de

aceitao de lotes com at 10% peas de defeituosas para retrabalho, e re-
jeitar lotes com 20% e 30% de peas defeituosas. A questo consiste em de-
cidir se aceita ou no um novo lote atravs do exame de uma amostra sua.
Essa deciso dever ser tomada com base em algumas informaes que
a empresa tem. Primeiro, com base em freqncias relativas, lotes com essas
percentagens de peas defeituosas ocorreram 50%, 30% e 20% das vezes.
Ou seja, lotes com 10% de peas defeituosas ocorreram em 50% das entre-
gas. Outra informao que ser utilizada ser a matriz de resultados baseada
na matriz de perda de oportunidades em tomar a ao A1, de rejeitar o lote,
e a ao A2, de aceitar o lote. Com base em resultados anteriores, essa matriz
dada por:
Matriz de perda de oportunidade
Evento Ao A1 Ao A2
Proporo de defeituosas Rejeitar o lote Aceitar o lote
0,10 R$30,00 R$0,00
0,20 R$0,00 R$15,00
0,30 R$0,00 R$20,00
Seria mais realstico tomar eventos com propores de defeituosas va-

riando de 0%, 1% at 100%, ou mesmo considerar esta como uma varivel
contnua. Para efeito de simplificao de apresentao do mtodo, sero
consideradas somente essas trs possibilidades.
Com essas informaes e com base no resultado de uma amostra de, diga-
mos, 10 elementos de uma nova entrega, em que ser verificado o nmero de
peas defeituosas entre essas 10, a empresa decidir se aceita ou no o lote.
A empresa pode usar as freqncias relativas (50%, 30% e 20%) como dis-
tribuio a priori e determinar a perda esperada de oportunidade para cada
uma das duas aes possveis:
212
Teoria da deciso
Ao A1 - rejeitar o lote Ao A2 - aceitar o lote

Evento
p Perda de Perda Perda de Perda
P0(p) P0(p)
oportunidade ponderada oportunidade ponderada
0,10 0,50 30 15,00 0,50 0 0,00
0,20 0,30 0 0,00 0,30 15 4,50
0,30 0,20 0 0,00 0,20 20 4,00
Total 1,00 R$15,00 1,00 R$8,50
Quando ento utilizamos os dados do passado, verificamos que a perda

esperada de oportunidade a priori para ao A1 (R$15,00) supera a perda da
ao A2 (R$8,50). Assim, a ao tima a ao A2, de aceitar o lote.
Indo agora para a anlise a posteriori, quando uma amostra de tamanho

10 com reposio dos itens do lote retirada para anlise. Verifica-se que trs
peas so defeituosas. Qual ser agora a melhor ao?
As evidncias amostrais devem ser utilizadas para revisar as probabili-

dades a priori das propores de peas defeituosas. Para aplicar o Teorema
de Bayes, necessrio determinar as probabilidades condicionais P(X = 3/n
= 10, p). Aqui ser necessria a aplicao do clculo de probabilidades de
um processo de Bernoulli atravs da distribuio binomial. Ento:
P(X = 3/n = 10, p) = Cn,xpx (1 p)n x
Essas probabilidades sero iguais a 0,0574, 0,2013 e 0,2668 para p igual

a 0,10, 0,20 e 0,30 respectivamente. Seno, vejamos para p = 0,10, o mesmo
pode ser feito para p = 0,20 e p = 0,30:
P(X = 3/n = 10, p) = Cn, xpx (1 p)n x = C10, 3 (0,10)3.(0,9)7
(120).(0,001).(0,478297) = 0,057396 0,0574
Dessa forma, as probabilidades a posteriori podem ser determinadas di-

retamente pelo Teorema de Bayes atravs de uma tabela auxiliar. Como j
realizado anteriormente, denotaremos a probabilidade a priori por P0 e a
probabilidade a posteriori por P1:
213
Probabilidade Probabilidade Probabilidade Probabilidade

Eventos p a priori condicional conjunta a posteriori
P0(p) P(X=3/n=10,p) P(p) P(X=3/n=10,p) P1(p)

0,10 0,5 0,0574 0,02870 0,20147
0,20 0,3 0,2013 0,06039 0,42394
0,30 0,2 0,2668 0,05336 0,37459
Total 1,0 0,14245 1,00000
As perdas esperadas de oportunidade podem agora ser recalculadas uti-

lizando essas probabilidades a posteriori. O novo clculo das perdas espera-
das de oportunidade apresentado na tabela abaixo:
Ao A1: rejeitar o lote Ao A2: aceitar o lote

Evento
P Perda de Perda Perda de Perda
P1(p) P1(p)
oportunidade ponderada oportunidade ponderada
0,10 0,20147 30,00 6,04 0,20147 0,00 0,00
0,20 0,42394 0,00 0,00 0,42394 15,00 6,36
0,30 0,37459 0,00 0,00 0,37459 20,00 7,49
Total 1,00000 R$6,04 1,00000 R$13,85
A ao tima agora a de rejeitar o lote, uma vez que a perda esperada de

oportunidade de A2 maior do que a perda esperada de oportunidade de A1.
Para efeito de comparao, pode-se verificar que se supusssemos que o

nmero de peas defeituosas na amostra de 10 itens fosse de 2 unidades, a
ao preferida seria A1 com perda de oportunidade de 12,41 contra 9,79 de
A2. E se houvesse uma nica defeituosa, a perda de oportunidade de A1 seria
de 19,47 contra 5,67 de A2.
Efeito do tamanho da amostra

Podemos analisar o efeito do tamanho da amostra no clculo das pro-
babilidades a posteriori. Suponha que uma amostra de tamanho 100 e no
mais de tamanho 10 seja retirada. Vamos assumir a mesma proporo de
defeituosas, 30% como no caso da amostra pequena. Ento, um nmero de
30 peas defeituosas foi encontrado no lote.
214
Teoria da deciso
Probabilidade Probabilidade Probabilidade

Eventos Probabilidade conjunta
a priori condicional a posteriori
p
P0(p) P(X=30/n=100,p) P(p) P(X=30/n=100,p) P1(p)
0,10 0,5 0,000000018 0,000000009 0,00000005
0,20 0,3 0,005189 0,0015567 0,082
0,30 0,2 0,086784 0,0173568 0,918
Total 1,0 0,018913509 1,000
A maior probabilidade, 91,8%, foi encontrada para o evento p = 0,30

depois que foi acrescentada informao que na amostra de tamanho 100
havia 30% de defeituosas. Pode-se generalizar esse resultado da seguinte
forma: medida que o tamanho da amostra cresce, a distribuio de pro-
babilidades a posteriori da varivel aleatria proporo de defeituosas
influenciada muito mais pelo tamanho da amostra do que pela distribuio
de probabilidades a priori.
Atividades de aplicao
As informaes a seguir devem ser utilizadas para a resoluo dos exerc-
cios de 1 a 5. Um investidor tem R$50.000,00 e deve decidir entre trs portf-
lios preparados por um especialista. Os portflios so caracterizados como de
alto risco, mdio risco e baixo risco, e os retornos dependem da situao eco-
nmica. Assumindo que somente duas situaes econmicas sejam conside-
radas (crescimento e recesso) a probabilidade de recesso de 30%. Dada
a seguinte matriz de resultados (dada em centenas de reais), qual portflio o
investidor deveria escolher?
Portflio
Estados da natureza Risco alto Risco baixo
risco mdio
Crescimento 10 4 2
Recesso -15 -2 1
1. Qual dos trs portflios deve ser escolhido se o critrio utilizado for
o maximim?
2. Para o problema em questo, qual a crtica ao uso desse critrio?
215
3. Para o critrio ganho esperado sob incerteza, qual a deciso a ser to-
mada?
4. Calcule as perdas de oportunidade esperada para cada portflio.
5. Faa a representao atravs do diagrama de deciso para o critrio

minimax.
6. Construa a distribuio de probabilidades acumulada atravs da uti-

lizao de dados de vendas do passado com relao aos nmeros de
pedidos e ao nmero de semanas em que eles foram feitos, conforme
tabela a seguir:
Nmero de Nmero de semanas Nmero de Nmero de semanas

equipamentos que o nmero de equipamentos em que o nmero de
vendidos ordens foi recebido vendidos ordens foi recebido
21 1 32 1
22 0 33 1
23 0 34 1
24 2 35 0
25 2 36 0
26 3 37 1
27 3 38 1
28 1 39 1
29 0 40 0
30 0 41 0
31 1 42 1
Dados para os exerccios 7 e 8. Um novo curso est sendo ofertado em

uma faculdade. Seja p a proporo de estudantes que tiveram notas infe-
riores mdia no trabalho final do curso. Os estados da natureza e suas res-
pectivas probabilidades condicionais so as seguintes:
216
Teoria da deciso
P P0(p)
0,05 0,30
0,10 0,40
0,15 0,20
0,20 0,10
7. Das informaes dadas, preencha as clulas em branco e interprete os

dados. O X o resultado da pesquisa de 1 000 empresas de construo.
Estados da natureza P0() P(X/) P0() P(X/) P1(/X)
1 = casas tero preos aumen-

0,80
tados no prximo ano
1 = casas tero preos iguais

0,60
ou diminudos no prximo ano
8. So dados os seguintes resultados de um experimento em que 1

produto superior e 2 produto igual ou inferior. Calcule as proba-
bilidades a priori.
Estados da natureza P(X/) P1(/X)

1 0,50 0,25
2 0,50 0,75
217

Metodos Quantitativos Aplicado Aos Negocios

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Metodos Quantitativos Aplicado Aos Negocios

Enviado por

Direitos autorais:

Formatos disponíveis

Paulo Afonso Bracarense

Ubiratan Vieira Guimares

Mtodos Quantitativos Aplicados a Negcios

B796 Bracarense, Paulo Afonso / Mtodos Quantitativos Aplicados a Neg-

1. Investimentos Anlise. 2. Anlise de regresso. 3. Correlao

Todos os direitos reservados.

IESDE Brasil S.A

Ubiratan Vieira Guimares

Anlise de sries temporais |

224 | Mtodo dos mnimos quadrados ordinrios

Duas aes, ento, so possveis de serem tomadas. A primeira no in-

No caso de investimento em propaganda se as vendas do novo produto

Diante desse quadro de possibilidades, qual a ao que a diretoria deve

A tabela abaixo resume as situaes de retorno expostas:

Observa-se que nenhuma das aes prefervel em todos os eventos

Se a diretoria soubesse com certeza qual evento ocorreria, o processo de

Vrios diferentes critrios de seleo da melhor ao podem ser suge-

A tabela de ganhos expressa em termos genricos. Assumimos que exis-

1 u11 u12 ... u1n

2 u21 u22 ... u2n

... ... ... ... ...

m um1 um2 ... umn

Se de antemo for sabido com certeza que o evento que ir ocorrer o

Critrio maximin de ganho

Em outras palavras, o melhor do pior uma forma de proteo. No exem-

Se os diretores escolherem a ao A1, a natureza provocar a ocorrncia

Sendo assim, o tomador de decises dever escolher a ao que produza

Naturalmente, o critrio maximin um tipo de critrio pessimista. No

Parece ser razovel que um tomador de decises deva levar em conta as

Ganho esperado sob incerteza

No exemplo em questo, se a diretoria percebe que as vendas do novo produ-

Se o nmero de eventos e o nmero de aes possveis passarem a ser

Voltando ao problema do investimento em propaganda. Nesse caso, a maxi-

Vamos assumir que a diretoria da empresa ABC tome o seguinte procedi-

2 = venda moderada 0,5

3 = venda fraca 0,3

Para determinar a base de escolha entre investir em propaganda (Ao

3 0,3 -4 -1,2 0,3 2 0,6

Total 1,0 31,8 1,0 17,6

Resultado esperado: R$31.800,00 Resultado esperado: R$17.600,00

Verifica-se dos clculos realizados que a diretoria pode esperar um resul-

Perda de oportunidade esperada

Da ocorrncia de um especfico evento pode-se determinar a melhor

No exemplo do investimento em propaganda, se o evento 3 ocorrer

A tabela das perdas de oportunidade para o problema em questo :

Tabela de ganhos Tabela de perda de

Pode-se calcular agora as perdas de oportunidades esperadas, levando-se

As seguintes quantidades podem ento ser definidas POE(A1) e POE(A2)

Ao 1: investir em propaganda Ao 2: no investir em propaganda

1 0,2 0 0,0 0,2 30 6,0

2 0,5 0 0,0 0,5 20 10,0

3 0,3 6 1,8 0,3 0 0,0

Total 1,0 1,8 1,0 16,0

Resultado esperado: R$1.800,00 Resultado esperado: R$16.000,00

Se a diretoria escolher a ao que minimize a perda de oportunidade

Critrio minimax da perda de oportunidade

No exemplo em discusso, para a ao A2 a maior perda de oportunidade

Nesse exemplo, a ao escolhida pelo processo minimax foi a mesma da es-

Valor esperado da informao

O valor esperado da informao perfeita (VEIP) a diferena entre o

1 = venda forte 90 0,2 18,0

2 = venda moderada 30 0,5 15,0

3 = venda fraca 2 0,3 0,6

Ento, o valor esperado da informao perfeita ser igual a R$33.600,00