Вы находитесь на странице: 1из 128

GESTO DE RISCO DE

CARTEIRAS DIVERSIFICADAS

Wilson Motta Miceli
Novembro 2010
Agenda
Estatstica Descritiva: medidas de tendncia central e de
variabilidade;
Distribuies de probabilidades discretas e contnuas
Intervalos de confiana;
Introduo algebra matricial;
Teoria de Mdia e Varincia - modelo de Markowitz;
Clculo da fronteira eficiente de um portflio com vrios ativos
caso prtico;
Modelos CAPM (Capital Assets Pricing Model) - principais
caractersticas;
Modelos APT (Arbitrage Pricing Theory) - principais
caractersticas;
Carteiras de Renda Fixa - principais conceitos;
Duration, Duration Modificada e Convexidade conceituao e
prtica;
Valor em Risco (VaR) de uma carteira de ativos caso prtico;
Derivativos conceituao e prtica;
Mitigao do risco de preo com o uso de derivativos
estratgias operacionais.
Referncias Bibliogrficas

DOWNING, D.; CLARK, J. Estatstica Aplicada. 2
ed. So Paulo. 2002
LEVINE,D.M.; BERENSON,M.L.; STEPHAN,D.
Estatstica: Teoria e Aplicaes. Rio de
Janeiro.2000
LEVIN,J.; FOX,J.A. Estatstica para Cincias
Humanas. 9 ed. So Paulo. 2004
STEVENSON, W. J. Estatstica aplicada
Administrao. So Paulo. 1981
TRIOLA, M. F. Introduo Estatstica. 7 ed.
So Paulo. 2001

Funo da Estatstica
Apresentao e descrio das
informaes;
Retirada de concluses sobre
populaes com base em amostras;
Melhoria na gesto da qualidade e
produtividade;
Obteno de previses confiveis.
Estatstica descritiva
So mtodos que envolvem a coleta, a
apresentao e a caracterizao de
um conjunto de dados, de modo a
descrever apropriadamente as variveis
caractersticas deste conjunto.
Levine,Berenson e Stephan (2000, p.5).

Estatstica descritiva
Populao (universo): totalidade dos
dados.
Amostra: parte da populao.
Parmetro: medida calculada para
descrio de uma populao.
Estatstica: medida calculada para
descrio de uma amostra.
Estatstica descritiva
Distribuio de frequncia: tabela com dados
organizados convenientemente em grupos de
classes ou categorias e numericamente
ordenados.
verificar o nmero de dados;
mximo e mnimo (amplitude);
n classes: mnimo(5) e mximo(15);
intervalo classe = amplitude / n classes;
Frequncia: n dados pertencentes ao intervalo
classe, FREQUNCIA(matriz_dados;matriz_bin)
Histograma: grfico barras verticais, construdas
limites de cada classe.
Distribuies de Frequncias

Frequncia Absoluta de uma observao da
srie o nmero de repeties dessa
observao.

Distribuio de Frequncias Absolutas de uma
srie de dados uma funo que representa
pares formados pelos valores das observaes e
suas respectivas freqncias.
Distribuies de Frequncias
Frequncia Relativa de uma observao da srie
o nmero de repeties dessa observao
dividida pelo tamanho da amostra.

Distribuio de Frequncias Relativas de uma
srie de dados uma funo que representa
pares formados pelos valores das observaes e
suas respectivas freqncias relativas.
Distribuies de Frequncias


Frequncia Acumulada de uma observao da srie
dada pela soma das freqncias, absolutas ou
relativas, desde a observao inicial da srie.

Distribuio de Frequncias Acumuladas de uma
srie de observaes uma funo que representa
pares formados pelos valores das observaes e
suas respectivas freqncias acumuladas.
Distribuio frequncias
Q. Dados 50
Mximo 97,00
Mnimo 33,00
k 10 n de classes
A 64,00 Amplitude
i 7 Intervalo
Classe Centro Classe Freq. Abs. Freq. Rel.
36,50 29,50 33,00 3 6,00%
43,50 36,50 40,00 4 8,00%
50,50 43,50 47,00 4 8,00%
57,50 50,50 54,00 6 12,00%
64,50 57,50 61,00 5 10,00%
71,50 64,50 68,00 10 20,00%
78,50 71,50 75,00 8 16,00%
85,50 78,50 82,00 5 10,00%
92,50 85,50 89,00 3 6,00%
99,50 92,50 96,00 2 4,00%
Dados
33,00 50,00 61,00
69,00 80,00 35,00
52,00 64,00 71,00
81,00 35,00 53,00
65,00 73,00 84,00
Total 50 100%
Histograma
0
1
2
3
4
5
6
7
8
9
10
33,00 40,00 47,00 54,00 61,00 68,00 75,00 82,00 89,00 96,00
Histograma
poligono frequncia
0
2
4
6
8
10
12
33,00 40,00 47,00 54,00 61,00 68,00 75,00 82,00 89,00 96,00
centro classe
f
r
e
q
u

n
c
i
a
Histograma Frequncia acumulada
Classes CentroClasse Freq. Abs. Acum. Freq. Rel. Acum.
36,50 29,50 33,00 3 6,00%
43,50 36,50 40,00 7 14,00%
50,50 43,50 47,00 11 22,00%
57,50 50,50 54,00 17 34,00%
64,50 57,50 61,00 22 44,00%
71,50 64,50 68,00 32 64,00%
78,50 71,50 75,00 40 80,00%
85,50 78,50 82,00 45 90,00%
92,50 85,50 89,00 48 96,00%
99,50 92,50 96,00 50 100,00%
0
5
10
15
20
25
30
35
40
45
50
33,00 40,00 47,00 54,00 61,00 68,00 75,00 82,00 89,00 96,00
Frequncia absoluta acumulada
Exerccio - Estatstica descritiva
Analisar o exerccio 1 (planilha Excel), com
50 dados e 10 classes.
Dados
33,00 50,00 61,00
69,00 80,00 35,00
52,00 64,00 71,00
81,00 35,00 53,00
65,00 73,00 84,00
39,00 54,00 65,00
73,00 85,00 41,00
55,00 65,00 74,00
85,00 41,00 55,00
66,00 74,00 88,00
42,00 57,00 66,00
76,00 89,00 45,00
59,00 66,00 77,00
91,00 47,00 60,00
67,00 77,00 94,00
48,00 60,00 68,00
78,00 97,00
Medidas Tendncia Central
Mdia aritmtica (mdia): soma dos dados
de um conjunto dividido total dados.
n
X ..... X X
X
n 2 1
_
+ +
=

=
=
n
i 1
i
_
n
X
X
Quando os dados estiverem agrupados, por exemplo numa distribuio de
freqncia, calcula-se a mdia aritmtica ponderada pelas freqncias
relativas.
Exemplo:
X1 = 2, f= 1
X2 = 4, f= 3
X3 = 5, f= 4
X4 = 3, f= 2
_
X
= (2x1 + 4x3 + 5x4 + 3x2) / 10 = 4,0
O Excel a funo que calcula a mdia : Mdia(num1; num2....)
Medidas Tendncia Central
MDIA PONDERADA

Ponderao pelos pesos

EXEMPLO
Um cliente aplicou $ 8.500 da seguinte maneira:
$ 4.000 em carteira livre, que rendeu 12% a.a.
$ 3.200 em renda fixa que rendeu 15% a.a.
$ 1.300 em ouro que rendeu 10%

Pede-se calcular a rentabilidade total no prazo de 1 ano.


4.000 x 12 + 3.200 x 15 + 1.300 x 10 = 5,65 + 5,65 + 1,52=12,82% a.a.
8.500 8.500 8.500
Medidas Tendncia Central
Mediana
o valor do meio de um conjunto de dados, ela
no afetada por valores extremos, por isso
quando se tm valores extremos, deve-se utilizar a
mediana.
Se o tamanho da amostra for um nmero mpar,
(n+1)/2
Se o tamanho da amostra for um nmero par,
mdia aritmtica dos 2 nmeros centrais.
Exemplo: 2, 5, 7, 9, 12, 16
Mediana = (7+9) / 2 = 8
No excel a funo Med(nm1;nm2;...)

Medidas Tendncia Central


Moda
o dado que mais frequente, no afetada por valores
extremos.
Exemplo: notas escolares: 4; 6; 6,5; 7; 8,5 e 9
A moda no existe
Ao contrrio, notas: 0; 2,5; 3; 4; 0; 0; 3
A moda = 0
No excel a funo que expressa a moda :
MODO(nm1;nm2;...)
Medidas Tendncia Central


Quartis
So medidas de localizao.
O primeiro quartil, Q1 o valor que corresponde a 25% dos
dados inferiores aos 75% dos dados restantes.
Q2 a mediana, 50% das observaes menores.
Q3 o terceiro quartil, ou seja, 75% dos dados inferiores.
No excel a funo : QUARTIL(matriz;quarto).

Medidas Tendncia Central


Percentis
Divide a amostra em 100 partes iguais, valor que
coloca k% dos valores sua esquerda.
No excel a funo : PERCENTIL(MATRIZ;k)
Exercciopercentil: montar uma escala com o uso do
percentil para o retorno de preos (planilha Excel).

Medidas disperso


So medidas que medem o grau de afastamento
em relao sua mdia.
Varincia
a distncia de cada nmero (dado) em relao
mdia dos dados, tudo elevado ao quadrado,
dividido pelo nmero de dados.



n
) x x (
n
1 i
2
_
i
2

=

= o
No excel a funo dada por: VAR(nm1;nm2;.....)
Medidas disperso


Desvio Padro
Em face da dificuldade de interpretao da varincia, o
desvio padro uma medida de disperso preferida.
a raiz quadrada da varincia.
A unidade de medida do desvio padro igual mdia.



Var(x) = o
Medidas disperso


Desvio Padro da amostra
Quando se mede o desvio padro de toda uma populao, as
frmulas anteriores devem ser usadas, mas na prtica costuma-
se usar dados extrados de uma srie histrica, ento, deve-se
usar a varincia e o desvio padro amostral.

Desvio padro amostral (S) =

No excel a funo dada por: DESVPAD(nm1;nm2;.......)
1 - n
) x (x
2
1
_
i
=

n
i
Medidas disperso


Coeficiente de variao
Se o interesse medir a magnitude da disperso em relao
mdia, pode-se calcular a estatstica conhecida por
coeficiente de variao cv.
a razo entre o desvio padro amostral e a mdia amostra.




_
X
S
cv =
Medidas disperso


Assimetria (A)
o grau de afastamento de uma distribuio de
probabilidade do seu eixo simtrico.
Coeficiente de assimetria de Pearson - A
A = (Mdia Moda) / desvio padro

A =


S
Mo X
_

Assimetria positiva, quando Mdia > Moda


No excel a funo : Distoro (nm1;nm2;...)
Medidas disperso


Curtose (K)
Determina o grau de achatamento da distribuio
Distribuio que no chata, nem delgada, denomina-se
mesocrtica, a delgada, chama-se leptoctica e a achatada,
denomina-se platicrtica.



Q3 = 3 quartil; Q1 = 1 quartil; P90 = 90 % e P10 = 10 %
No excel a funo dada por: CURT(nm1;nm2;....)

) P 2.(P
Q - Q
K
10 90
1 3

=
Estatstica descritiva
Analisar o exerccio 2 (planilha Excel)
Dados
33,00 50,00 61,00
69,00 80,00 35,00
52,00 64,00 71,00
81,00 35,00 53,00
65,00 73,00 84,00
39,00 54,00 65,00
73,00 85,00 41,00
55,00 65,00 74,00
85,00 41,00 55,00
66,00 74,00 88,00
42,00 57,00 66,00
76,00 89,00 45,00
59,00 66,00 77,00
91,00 47,00 60,00
67,00 77,00 94,00
48,00 60,00 68,00
78,00 97,00
Volatilidade histrica
Calcula a variabilidade do retorno dos
preos.
a medida do desvio padro de uma
srie histrica:

( )
2
n
1 = i
i
x -
1 - n
1


Retorno de preos
Retorno discreto: r =

Retorno contnuo: r =

Os retornos dirios contnuos seguem
uma distribuio de probabilidade Normal.
Facilita o clculo de modelos de
precificao e de risco.
1 -
P
P
1 - t
t
)
P
P
( ln
1 - t
t
Clculo do retorno de preos
Data Preo Retorno: r
d1 P
1
d2 P
2
ln (P
2
/P
1
)
d3 P
3
ln (P
3
/P
2
)

d4 P
4
ln (P
4
/P
3
)

Volatilidade histrica


Exerccio: Volatilidade (planilha Excel)
Calcular a volatilidade diria e anual dos retornos dos
preos.


No excel a funo dada por: DESVPAD(nm1;nm2;.......)
Volatilidade - EWMA
Um outro mtodo, para clculo da
volatilidade o modelo EWMA
Exponentially Weighted Moving Average,
que estima as volatilidades das sries de
retornos por meio da suavizao
exponencial.
um mtodo de ampla utilizao pela
indstria, facilita a interpretao das
estimativas e de fcil implementao.
O EWMA foi introduzido pelo sistema
Riskmetrics do Banco J.P.Morgan.
Volatilidade EWMA
A frmula do modelo EWMA, assumindo-se
que a mdia dos retornos dirios seja igual
a zero, dada por:

Onde:
estimada ade volatilid = o
decaimento de fator =
objeto - ativo do dirio retorno r
i
=

=
=
t
1 i
2
i
i - t
r
x ) 1 ( o
Volatilidade - EWMA
Por meio da planilha EWMA, calcular a
volatilidade diria e anual.
Volatilidade Implcita

o o
BS mer
i
C - C
+ =
Vega = Variao da Call / Variao da Volatilidade
=
S. t . e
2.
-d
1
2
2
t
S. t . e
2.
-d
1
2
2
t
Funo Aleatrio
ALEATORIO( ) Excel
Retorna um nmero aleatrio entre 0 e 1.
Todos os valores so igualmente provveis.
Exemplos:
3*ALEATORIO( ) = nmeros aleatrios entre
0 e 3.
5+ 3*ALEATORIO( ) = nmeros aleatrios
entre 5 e 8.
Volatilidade Carteira Aes


Exerccio: CarteiraAleatorio (planilha Excel)
Clculo do retorno dos preos das aes submetido a
uma volatilidade aleatria.
Verificao por meio da estatstica descritiva da
rentabilidade da carteira.





Aes Quantidade Cotao Volume R$
A 120.000 45,00 5.400.000,00
B 80.000 30,00 2.400.000,00
C 60.000 22,50 1.350.000,00
D 45.000 60,50 2.722.500,00
E 22.500 7,50 168.750,00
F 17.800 4,60 81.880,00
G 30.000 30,00 900.000,00
H 90.000 21,00 1.890.000,00
I 15.000 30,00 450.000,00
J 16.000 45,00 720.000,00
K 17.000 22,50 382.500,00
Total R$ 16.465.630,00
Probabilidade - Conceitos
Conceito: a possibilidade ou a chance de
que um evento em particular venha a
ocorrer, segundo Levine (2000, p.168).
Probabilidade de ocorrncia = X/T
Onde:
X= nmero de resultados procurados
T = nmero total de resultados possveis
Varivel Aleatria
Conceito: qualquer varivel sobre a qual
h incerteza.
uma funo com valores numricos,
onde o valor determinado por fatores de
chance. Stevenson (1981, p.97)
uma varivel que no sabemos ao certo
que valor tomar, mas para qual
poderemos calcular a probabilidade de
tomar determinado valor. Downing
(2002,p.79)

Varivel Aleatria

H dois tipos de variveis aleatrias:
Discretas e Contnuas.

Discretas valores so enumerveis, ou
seja, podem ser contados.

Contnuas podem tomar qualquer valor de
um determinado intervalo.
Varivel Aleatria
Discreta
Exemplo 1: Classificao de candidatos ao
mestrado por sexo:
resultado: o candidato selecionado mulher ou
homem
varivel aleatria: x=0, se mulher
x = 1 se homem
espao amostral: discreto (finito)
Exemplo 2: probabilidade de um aluno entrar na
universidade, o espao amostral o discreto, pois
a varivel aleatria o sucesso ou insucesso.
Varivel Aleatria

Contnua
Exemplo: Compra de uma ao.
resultado: o valor da taxa de retorno
diria.
varivel aleatria: x = taxa de retorno
espao amostral: contnuo (infinito)


Variveis aleatrias discretas

Distribuio de probabilidade
Especificao da chance de ocorrncia
de cada possvel valor da varivel
aleatria (caso discreto).
Para cada valor da varivel associa-se
sua probabilidade de ocorrncia
X
j
P(X=X
j
)
Distribuio de probabilidade
discreta
x 10 15 27
P(x) 0,20 0,35 0,45

0
0,1
0,2
0,3
0,4
0,5
1 2 3
Observe que:
0 s P(X=X
j
) s 1
EP(X=X
j
) = 1
Distribuio de probabilidade
discreta
A funo probabilidade do resultado de uma
jogada de um dado :
X1 = 1 P(1) = 1/6
X2 = 2 P(2) = 1/6
X3 = 3 P(3) = 1/6
X4 = 4 P(4) = 1/6
X5 = 5 P(5) = 1/6
X6 = 6 P(6) = 1/6

0
2
4
6
8
10
12
14
16
18
n=1 n=2 n=3 n=4 n=5 n=6
P(x)
Distribuio de probabilidade
discreta
Conceito: a probabilidade de um evento
situa-se entre 0 e 1 e o somatrio das
probabilidades dos eventos igual a 1.

x P(x)
5 0,10
6 0,20
7 0,30
8 0,25
9 0,15
0
0,05
0,1
0,15
0,2
0,25
0,3
5 6 7 8 9
P(x)
Valor Esperado de uma varivel
aleatria discreta
Se uma varivel aleatria (x) toma os valores: x
1
, x
2
,
x
3
, ......., x
n
, com as probabilidades
correspondentes: p
1
, p
2
, p
3
, ........, p
n
, ento seu
valor esperado, E(x) :
p
1
. x
1
+ p
2
. x
2
+ p
3
. X
3
+ ......+ p
n
. X
n

E(x) =

O valor esperado a mdia ponderada de todos os
resultados possveis (pesos so as probabilidades)

=
n
1 i
i i
x . p
Exemplo de um valor esperado de uma
varivel aleatria
Uma empresa poder auferir os resultados
seguintes no prximo exerccio:

X (resultado) = R$ 100,00 p(X) = 0,4
R$ 150,00 p(X) = 0,6
E(x) = 0,4 x 100 + 0,6 x 150 = 130,00

O valor esperado (esperana) a mdia de todos os
valores que esperaramos obter se medssemos a
varivel aleatria um nmero muito grande de
vezes.

Mdia ou Valor Esperado


= E(x) = x.P(X)

x
1
, x
2
, x
3
, .... so os valores da varivel e
P( X) so as probabilidades

Mdia ou Valor Esperado
A mdia o valor esperado E(x) de uma varivel aleatria
Onde X= valores da varivel aleatria e P(X) as
probabilidades de ocorrncia
Exemplo:
X = valor da ao
X= 12,50 P(X) = 0,20
X= 13,00 P(X) = 0,25
X= 13,50 P(X) = 0,30
X= 14,00 P(X) = 0,20
X= 15,00 P(X) = 0,05
E(x)=12,50x0,20 + 13,00x0,25 + 13,50x0,30 + 14,00x0,20 +
15,00x0,05 = 13,35
Propriedades da Mdia

K constante E(K) = K
E(X +Y) = E(X) + E(Y)
E(X -Y) = E(X) - E(Y)
o constante E(o X) = o E(X)
X e Y independentes ento:
E(X Y) = E(X)E(Y)

Varincia

A Varincia de uma varivel aleatria
discreta dada por:

o
2

= var(X) = E[(X- )
2
] = (x - )
2
.P(X)

O desvio padro de uma varivel aleatria
raiz quadrada de sua varincia.
Propriedades da Varincia

var(X) > 0
K constante var(K) = 0
o constante var(o X) = o
2
var(X)
X e Y independentes,
var(X +Y) = var(X) + var(Y)
var(X -Y) = var(X) + var(Y)
var(X) = E(X
2
)-E(X)
2




Exemplo de Varincia
No exemplo anterior:
X (resultado) = R$ 100,00 p(X) = 0,4
R$ 150,00 p(X) = 0,6
E(x) = 0,4 x 100 + 0,6 x 150 = R$130,00
Var(x) = (100-130)
2
x 0,4 + (150-130)
2
x 0,6
Var(x) = 900 x 0,4 + 400 x 0,6 = R$
2
600,00
Desvio padro (o) = R$ 24,49
Combinaes

Fatorial de um nmero inteiro: n!
n! = n.(n-1).(n-2).(n-3). ....
5! = 5.4.3.2.1 = 120
(n+2)! = (n+2).(n+1).n!
(4+2)! = (4+2).(4+1).4!
Combinao simples, no interessa a ordem dos elementos.

C
n,p
=
p)! - (n p!
n!
Combinaes

Exemplo:
Quantos grupos de 3 alunos podem ser formados
numa sala de mestrado de 15 alunos?
Repare que ao se tomar uma resposta, Carlos, Ana e
Daniel, ao se inverter a ordem deles, no altera o
grupo, portanto, trata-se de combinao.



455
3 . 2 . 1
13 . 14 . 15
3!.12!
2! 15.14.13.1
.12! ! 3
! 15
)! 3 15 ( ! 3
! 15
C
p n,
= = = =

=
Distribuio Binomial - Conceito
Conceito: designa situaes em que os
resultados de uma varivel aleatria
podem ser grupadas em duas classes.
As classes devem ser mutuamente
excludentes.
Exemplos:
- respostas a um teste (V) ou (F)
- produtos classificados como: defeituosos
ou perfeitos.
- preos sobem ou recuam.

Distribuio Binomial
Hipteses:
H (n) observaes ou experimentos
idnticos;
(n) experimentos (sucesso/fracasso)
independentes;
em cada experimento h uma mesma
probabilidade de sucesso (p) e
(1-p) de fracasso.
Distribuio Binomial
X varivel que conta o nmero de
sucessos
X e { 0,1,...,n}

n
P(X=k) = p
k
(1-p)
n-k
K
Exemplo de Distribuio Binomial

Uma empresa de turismo aceita reservas para o prximo feriado,
ela sabe que 90% das reservas so confirmadas.
A operadora sabendo desse fato, compromete 20 lugares para
um grupo de 22 clientes.
Qual a probabilidade de que o grupo viaje com 19 turistas?


a) n=22; x = 19; p = 0,90 e q= 0,10

P(x=19) =
20,80% 0,1 x 0,9 x
)! 19 22 ( ! 19
! 22
3 19
=

Exemplo de Distribuio Binomial



Qual a probabilidade de que algum turista, com reserva, fique
de fora?
b) n=22; x
1
= 21 e x
2
= 22; p= 0,90 e q=0,10

P(x
1
=21) =


P(x
2
=22) =

P(x
1
+x
2
) = 24,07% + 9,85% = 33,92%


24,07% 0,1 x 0,9 x
)! 21 22 ( ! 21
! 22
1 21
=

9,85% 0,1 x 0,9 x


)! 22 22 ( ! 22
! 22
0 22
=

Propriedades da Distribuio
Binomial

Propriedades:

E(X) = n.p
var(X) = n.p.(1-p)

Exemplo de Distribuio Binomial
ExercicioBinomial1
Suponha que o preo da soja seja P
t
num determinado dia.
No dia seguinte o preo poder subir (s) = s.P
t
; ou
descer (d) = d.P
t
com probabilidades p e q
respectivamente.
Supondo que as probabilidades e os incrementos (s e d)
sejam constantes ao longo do tempo.
a) Calcular o nmero de dias mdios que o preo sobe.
b) Qual a probabilidade de que o preo suba exatamente 2
dias?
c) Qual a distribuio de probabilidades do preo da soja
ao final de 3 dias? Considere um perodo de 3 dias com
o preo inicial de 100,00 e os incrementos de s= 1,01 e
d= 0,98 e p=0,70 (probabilidade de sucesso).
Exemplo de Distribuio Binomial
ExercicioBinomial1
Supondo que as probabilidades e os
incrementos (s e d) sejam constantes ao
longo do tempo.
a) Calcular o nmero de dias mdios que o
preo sobe.
n = 3 dias e p = 0,7
E(x) = n.p = 3.0,7 = 2,1 dias
Exemplo de Distribuio Binomial
ExercicioBinomial1
Supondo que as probabilidades e os
incrementos (s e d) sejam constantes ao
longo do tempo.
b) Qual a probabilidade de que o preo
suba exatamente 2 dias?
P(x=2) =

P(x=2) = 0,4410 = 44,10%
= =

0,3 x 0,7 x 3 0,3 x 0,7 x


)! 2 3 ( ! 2
! 3
2 1 2
Exemplo de Distribuio Binomial
c) Qual a distribuio de probabilidades do preo da soja ao
final de 3 dias? Considere um perodo de 3 dias com o
preo inicial de 100,00 e os incrementos de s= 1,01 e d=
0,98 e p=0,70. Planilha Excel: ExercicioBinomial1


103,0301 X =3
102,01
101,00 99,9698 X =2
100,00 98,98
98,00 97,0004 X = 1
96,04
94,1192 X =0
Exemplo de Distribuio Binomial na planilha Excel

Atravs da planilha Excel, ExerccioBinomial2,
verifique a distribuio de probabilidades de
uma carteira de aes, com 10 ativos, supondo-
se que a probabilidade de alta seja de 55%.


Distribuio de Poisson
A distribuio de Poisson descreve as
probabilidades do nmero de
ocorrncias num intervalo contnuo.
Exemplos: defeitos/cm
2
, sacas/ha
(produtividade agrcola), clientes/hora,
chamadas telefnicas/min.
Note-se que a unidade de medida
contnua, mas a varivel aleatria
discreta (defeitos,sacas,clientes)
Distribuio de Poisson
Hipteses:

A probabilidade de uma ocorrncia a
mesma em todo o campo de observao;
A probabilidade de mais de uma
ocorrncia num nico ponto
aproximadamente zero;
O nmero de ocorrncias em qualquer
intervalo independente do nmero de
ocorrncias em outros intervalos.

Distribuio de Poisson
Uma varivel aleatria que assume valores
0,1,2, possui distribuio de Poisson com
parmetro quando :


P(X= K) =


onde: = taxa mdia por unidade

k!
) ( e
k -

Exemplo de Distribuio de Poisson


O risco operacional num banco em relao
a digitao de 0,20/hora. Qual a
probabilidade de que se cometam 2
erros/hora?
P(k=2)=?
P(k=2) =

P(k=2) = 0,0164 = 1,64%
2!
e x 20 , 0
-0,20 2
Exemplo Distribuio de Poisson
Chegada de clientes na hora do
almoo.
Se, em mdia, trs clientes chegam a
cada minuto, qual a probabilidade de
que, em um dado minuto, exatamente
dois clientes iro chegar? Levine,
Berenson e Stephan (2000, p.203)


Exemplo Distribuio de Poisson
= 3,0
X = 2 clientes


P(2) =

P(X) = 0,2240 = 22,40%

2!
) 0 , 3 ( e
2 ,0 3 -
Exemplo Distribuio de Poisson
Qual a chance (probabilidade) de que mais de
dois clientes iro chegar em um dado minuto?
P(X>2) = P(X=3)+P(X=4)+...+P(X= )
Como a soma de todas as probabilidades igual
a 1
P(X>2) = 1 P(X<=2) =
= 1 [P(X=0)+P(X=1)+P(X=2)]
P(X>2) = 1

P(X>2) = 1 [0,0498+0,1494+0,2240] = 0,5768

+ +
! 2
) 0 , 3 ( e

! 1
) 0 , 3 ( e

! 0
) 0 , 3 ( e
2 -3,0 1 -3,0 0 -3,0
Exemplo Distribuio de Poisson
Concluso do exerccio:
H probabilidade de 22,40% de que
dois clientes cheguem em um dado
minuto.
H probabilidade de 42,30% de que
dois ou menos clientes chegaro ao
banco a cada minuto.
H probabilidade de 57,70% de que
trs ou mais clientes chegaro ao
banco a cada minuto.


Aproximao da Distribuio de Poisson
para Distribuio Binomial
Quando o nmero de observaes
grande e a probabilidade de sucesso
(p) est prxima de 0 ou de 1.
A mdia do processo = n.p ,ou seja, a
mdia de Poisson igual a mdia
binomial.



Exemplo aproximao de Poisson para
Binomial
Se retirarmos 50 peas da produo de uma
mquina que fornece 2% de defeitos, qual a
probabilidade de encontrarmos duas peas
defeituosas?
Binomial = P(x=2) = .(0,02)
2
. (0,98)
48
P(x=2) = 0,1857 = 18,57%
Poisson = =n.p = 50x0,02 = 1,0
P(x=2) = = 0,1839 = 18,39%

|
|
.
|

\
|
2
50
2!
.1 e
2 -1
Exerccio Distribuio de Poisson
Exerccio (utilize a planilha Poisson):
Supondo que em mdia a inadimplncia
dos emprstimos seja de 2,5 em cada
100 emprstimos concedidos em um
perodo.
1- qual a chance de que a
inadimplncia atinja 3% neste perodo?
2- qual a probabilidade de que a
inadimplncia supere 3%?


Exerccio Distribuio de Poisson
Um portflio de emprstimos formado por
dois ativos A = $ 250.000,00 e B = $
400.000,00
Supondo-se que a taxa mdia de
inadimplncia do ativo A seja de 3% e a do
ativo B seja igual a 2%. Simule o nmero de
inadimplncias no intervalo de 0 a 9.
Analisar o comportamento da distribuio
de probabilidades de cada emprstimo com
uso da planilha CreditRiskPortfolio.
Varivel aleatria contnua
Varivel aleatria contnua, quando os
dados so intervalos de dados, ou uma
faixa de intervalo infinitesimal. A varivel
aleatria contnua pode tomar qualquer
valor numrico real em determinado
intervalo.
Exemplos: altura do salto de um atleta,
expectativa de vida de um ser humano,
tempo de atendimento a clientes,
velocidade.
Varivel aleatria contnua
Propriedades:
A probabilidade de ocorrncia de um
determinado valor da varivel (x) zero, ou
seja, P(x=k) = 0
f(x) >= 0

rea =

P(a<=x<=b) =
1 dx f(x) =
}


}
b
f(x)dx
a
Funo contnua de densidade de
probabilidade
Uma varivel aleatria contnua tem um nmero infinito de valores possveis que
podem ser representados por um intervalo no eixo central.
Sua distribuio de probabilidade chamada de distribuio contnua de
probabilidade, representada neste estudo pela distribuio normal.
Essa distribuio utilizada em uma ampla variedade de aplicaes prticas
nas quais as variveis aleatrias so alturas e pessoas de pessoas, medies
cientficas, valores de vendas, e assim por diante.
Regra emprica:
As probabilidades de valores em alguns intervalos comumente usados so:
68% da rea est entre - e + .
95% da rea est entre - 2 e + 2
99,7% da rea est entre - 3 e + 3
0,00
0,02
0,04
0,06
0,08
0,10
25 30 35 40 45 50 55
A mdia, a mediana e a moda so iguais. O ponto
mais alto da curva est na mdia, que tambm a
mediana e a moda da distribuio.
A curva normal tem formato de sino e simtrica
em torno da mdia
A curva normal aproxima-se do eixo X e medida
que se afasta da mdia em ambos os lados, mas
nunca toca o eixo.
O desvio padro determina a largura da curva
Entre - e + (no centro da curva) o grfico
curva-se para baixo. esquerda de - e
direita de + o grfico curva-se para cima. Os
pontos nos quais a curva muda sua curvatura para
cima ou para baixo so chamados de pontos de
inflexo.
0,00
0,02
0,04
0,06
0,08
0,10
25 30 35 40 45 50 55
Distribuio Normal
A distribuio normal uma distribuio contnua de probabilidade de uma
varivel aleatria x. Seu grfico chamado de curva normal e tem as
seguintes propriedades:
mdia =
Padro Desvio =
Faturamento semestral de um grupo de 17 estabelecimentos de um varejista,
cuja mdia de vendas foi de $ 416.307,86 e o desvio padro de $ 196.398,06
Anlise sob a tica do negcio:
A concentrao dos valores em torno da mdia indica que no cmputo geral, as
vendas apresentam-se com pouca variabilidade. Entretanto, como as respectivas
lojas localizam-se em cidades distintas, os resultados individuais podem no ser
atrativos pois h que se avaliar o potencial de vendas de cada uma dessas
localidades, a fim de aplicar tcnicas de estmulo comercializao das
mercadorias da empresa.
0,0000
0,0002
0,0004
0,0006
0,0008
0,0010
0,00 200.000,00 400.000,00 600.000,00 800.000,00
Loja 563 699.763,72
Loja 186 186.541,46 Mdia 416.307,86
Loja 159 255.106,23 Erro padro 47.633,53
Loja 534 576.594,31 Mediana 337.075,67
Loja 29 202.256,02 Modo #N/D
Loja 71 204.881,43 Desvio padro 196.398,06
Loja 522 867.392,18 Varincia 38.572.196.694,49
Loja 145 310.512,90 Curtose -0,05
Loja 54 299.903,37 Assimetria 0,78
Loja 542 591.665,27 Intervalo 680.850,72
Loja 555 530.727,93 Mnimo 186.541,46
Loja 48 246.592,71 Mximo 867.392,18
Loja 176 306.468,01 Soma 7.077.233,68
Loja 550 555.751,14 Contagem 17
Loja 50 337.075,67
Loja 544 437.613,11
Loja 545 468.388,22
Vendas realizadas
Estatstica descritiva
Exemplo prtico
A escala horizontal do grfico da distribuio normal padro corresponde ao escore Z, que
uma medida de posio que indica o nmero de desvios padro de um valor a partir da
mdia.
Para obter o valor de Z, adotar a frmula:


A rea sob a curva normal foi calculada e est disponvel em tabelas que podem ser usadas
nos clculos de probabilidades (como mostra o prximo slide).
Distribuio normal padronizada
a distribuio normal com mdia zero e desvio padro de 1.
o

=

=
x mdia Valor
Z
padro desvio
A funo que calcula a rea da curva normal cumulativa no
excel : DIST.NORMP(z)
A funo que calcula o inverso da curva normal = rea
cumulativa sobre a curva : INV.NORMP(probabilidade <X).
Distribuio Normal e Padronizada
0,0000
0,0200
0,0400
0,0600
0,0800
0,1000
0,1200
0,1400
0,00 20,00 40,00 60,00 80,00 100,00
0,0000
0,0200
0,0400
0,0600
0,0800
0,1000
0,1200
0,1400
-4 -3 -2 -1 0 1 2 3 4
68,26
95,44
99,74
Z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,00 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,10 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,20 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,30 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,40 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,50 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,60 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,70 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,80 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,90 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,00 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,10 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,20 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,30 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,40 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,50 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,60 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,70 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,80 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,90 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,00 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,10 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,20 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,30 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,40 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,50 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,60 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,70 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,80 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,90 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,00 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,10 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,20 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,30 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,40 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,50 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,60 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,70 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,80 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,90 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
4,00 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
Tabela Distribuio Z - escore Z
Fonte: LEVINE, BERENSON, STEPHAN
Exemplo:
Uma empresa fabricante de pneus acabou de desenvolver um novo pneu radial.
Por se tratar de um novo produto, os executivos da empresa acreditam que a
garantia de quilometragem oferecida ser um fator importante na aceitao do
produto, mas para conclurem a poltica de garantia precisam de informaes de
probabilidade sobre o nmero de quilmetros em que os novos pneus se
gastaro.
A partir de testes reais, o grupo de engenharia estimou a quilometragem mdia
do pneu em = 36.500 quilmetros e o desvio-padro em = 5.000. Alm disso,
os dados coletados indicam que a distribuio normal uma hiptese razovel.
Pergunta-se:
Qual a porcentagem dos pneus que apresenta expectativa de durar mais de
40.000 quilmetros? Ou, em outras palavras, qual a probabilidade de que a
quilometragem dos pneus exceder 40.000?
Distribuio normal padronizada
Clculo:
Em x = 40.000, temos


70 , 0
000 . 5
500 . 3
000 . 5
500 . 36 000 . 40
= =

=
o
x
z
= 36.500 40.000
0 0,70
Z = 0
corresponde a
= 36.500
Z = 0,70
corresponde a
x = 40.000
Usando a tabela padro,
obtemos que a rea entre a
mdia e z = 0,70 igual a
0,2580.
Assim,
0,5000 - 0,2580 = 0,2420
Conclui-se que cerca de 24,2%
dos pneus exceder 40.000 Km.
Calculando a garantia
A fabricante de pneus est oferecendo uma garantia que fornecer um desconto na
substituio dos pneus se os originais no excederem a quilometragem declarada na
garantia. Qual deveria ser a quilometragem de garantia se a empresa no quer mais do
que 10% dos pneus qualificados elegveis para a garantia de desconto?
De acordo com o exerccio, 40% da rea precisa estar entre a mdia e a quilometragem de
garantia desconhecida. Procuramos 0,4000 na tabela Z e vemos que essa rea est
aproximadamente em 1,28 desvios-padres abaixo da mdia. Isto , Z = -1,28 o valor da
varivel aleatria normal-padro que corresponde desejada garantia de quilometragem
na distribuio normal da empresa fabricante de pneus. Para encontrar a quilometragem x
correspondendo a Z = - 1,28, temos
28 , 1
28 , 1
1,28

x
z
=
=
=

=
x
x o
10% dos pneus
qualificados para
a garantia de
desconto
Quilometragem de
garantia = ?
= 36,500
Com = 36.500 e = 5.000, ento x = 36.500 - 1,28(5.000) = 30.100
Assim, uma garantia de 30.100 quilmetros satisfar as exigncias de que
aproximadamente 10% dos pneus sero qualificados para a garantia. Talvez,
com esta informao, a empresa possa estabelecer sua garantia de
quilometragem em 30.000 quilmetros.
Distribuio normal padronizada
Exemplo:
Os preos de uma ao seguem a distribuio normal com mdia de
$1,70 e desvio padro de $0,25. Determine a probabilidade desta
ao situar-se:
a) entre: $1,60 e $1,85
b) mais de $1,85
c) menos de $1,45
d) qual o preo mnimo para se escolher com probabilidade de
10%?

Distribuio normal padronizada
Exemplo:
a) entre $1,60 e $1,85
Z
1
= (1,85 1,70) / 0,25 = 0,60 Tabela = 0,2257
Z
2
= (1,60 1,70) / 0,25 = -0,40 Tabela =0,1554
P(1,60<X<1,85) = 0,2257 + 0,1554 = 0,3811 = 38,11%

Distribuio normal padronizada
Exemplo:

b) mais de $1,85
Z
1
= (1,85 1,70) / 0,25 = 0,60 Tabela = 0,2257

P(X>1,85) = 0,5 - 0,2257 = 0,2743 = 27,43%

Distribuio normal padronizada
Exemplo:

c) menos de $1,45
Z
1
= (1,45 1,70) / 0,25 = -1,00 Tabela = 0,3413

P(X<1,45) = 0,5 - 0,3417 = 0,1587 = 15,87%

Distribuio normal padronizada
Exemplo:
d) qual o preo mnimo para se escolher com prob.10%?
Na tabela procuro 1- 0,10 = 0,90 = (0,50 +0,40)
0,50 lado direito e 0,40 lado esquerdo da curva.
rea = 0,40 Tabela Z = -1,28
-1,28 = (X 1,70) /0,25 = $1,38
P(X<1,38) = 10%

Distribuio normal padronizada
Exemplo:
Se o preo mdio de um ativo durante um determinado
perodo analisado $ 10,00, com desvio padro de $ 0,80,
caso os preos estejam distribudos normalmente, qual a
probabilidade de que o preo permanea entre $ 11,00 e $
13,00?
Qual deveria ser o preo mnimo de um ativo para que se
obtivesse 80% de probabilidade de ocorrncia?
Utilizar a planilha Excel Normal1.

Distribuio normal padronizada
Exemplo: As velocidades de veculos ao longo de um trecho de uma via
expressa tm uma mdia de 56 mph e um desvio padro de 4 mph. Obtenha
as velocidades x correspondentes aos escores Z: 1,96; - 2,33 e 0.
Interprete os resultados.

Soluo: O valor x que corresponde a cada um dos escores padro calculado da
seguinte maneira:
z = 1,96: x = 56 + 1,96(4) = 63,84 mph

z = -2,33: x = 56 + (-2,33)(4) = 46,68 mph

z = 0: x = 56 + 0(4) = 56 mph

Acima da mdia
As velocidades de veculos ao longo de um trecho de uma via expressa tm
uma mdia de 56 mph e um desvio padro de 4 mph. Obtenha as
velocidades x correspondentes aos escores Z de 1,96; - 2,33 e 0. Interprete
os resultados.

Soluo: O valor x que corresponde a cada um dos escores padro calculado da
seguinte maneira:
z = 1,96: x = 56 + 1,96(4) = 63,84 mph

z = -2,33: x = 56 + (-2,33)(4) = 46,68 mph

z = 0: x = 56 + 0(4) = 56 mph

Abaixo da mdia
Distribuio normal padronizada
As velocidades de veculos ao longo de um trecho de uma via expressa tm
uma mdia de 56 mph e um desvio padro de 4 mph. Obtenha as
velocidades x correspondentes aos escores Z de 1,96; - 2,33 e 0. Interprete
os resultados.

Soluo: O valor x que corresponde a cada um dos escores padro calculado da
seguinte maneira:
z = 1,96: x = 56 + 1,96(4) = 63,84 mph

z = -2,33: x = 56 + (-2,33)(4) = 46,68 mph

z = 0: x = 56 + 0(4) = 56 mph

Distribuio normal padronizada
MDIA
Distribuio normal padronizada
Exemplo:
Se o ndice de liquidez corrente mdio de um setor de empresa
igual a 1,20 e o desvio padro de 0,10, supondo-se que
estes ndices estejam distribudos normalmente, qual a
probabilidade de que o ndice de liquidez corrente de uma
empresa seja superior a 1,35?
Qual deveria ser o ndice de liquidez mnimo para que se
tivesse 75% de probabilidade de ocorrncia, como um padro
mnimo de garantia?
Utilizar a planilha Excel Normal2.

Teorema Central do Limite
Uma distribuio amostral a distribuio de probabilidade de uma estatstica
da amostra que formada quando amostras de tamanho n so repetidamente
colhidas de uma populao. Se a estatstica da amostra sua mdia, temos
ento uma distribuio amostral de mdias das amostras.
O teorema central do limite descreve a relao entre as distribuies amostrais
de mdias das amostras e a populao de onde foram tiradas as amostras.
Premissas:
Se as amostras de tamanho n, onde n >= 30, forem tiradas de uma
populao qualquer, com uma mdia e um desvio padro , ento
a distribuio amostral de mdias das amostras se aproximar de
uma distribuio normal. Quanto maior for o tamanho da amostra,
melhor ser a aproximao.

Estimao e Intervalos de confiana
Um dos problemas em estatstica a estimao dos parmetros
populacionais, ou parmetros (mdia, varincia), com o
correspondente dos parmetros da amostra.
Trata-se do processo de obter informaes sobre uma populao
a partir dos dados de uma amostra.
Quando a distribuio amostral aproximadamente normal
(amostras de tamanho, n>30), espera-se encontrar um parmetro
no tendencioso, dentro de intervalos de confiana.


X +- ; X+-
2
; X+-
3

Estimao e Intervalos de confiana
Os nmeros extremos desses intervalos so denominados
limites de confiana (68,27%; 95,45%; 99,73%).
Como so determinados esses limites de confiana?
Na tabela de reas da distribuio normal padro:
Z=1--- rea = 0,3413 x 2 = 68,26%
Z=2 --- rea = 0,4772 x 2 = 95,44%
Z=3 --- rea = 0,4987 x 2 = 99,74%


Limites de
Confiana Z
50,00% 0,6745
60,00% 0,84
65,00% 0,94
68,27% 1,00
75,00% 1,15
80,00% 1,28
85,00% 1,440
90,00% 1,6450
95,00% 1,96
95,45% 2,00
96,00% 2,05
98,00% 2,33
99,00% 2,58
99,73% 3,00
Estimao e Intervalos de confiana
Intervalo de confiana para a mdia populacional quando a
varincia conhecida.
Fixa-se um nvel de confiana =

Estatstica:






n

- X
Z
_
=
) 1 ( o
0,0000
0,0200
0,0400
0,0600
0,0800
0,1000
0,1200
0,1400
0,00 20,00 40,00 60,00 80,00 100,00
2
o
2
o
) 1 ( o
o
o
o o
= s s 1 )
2

Z
n
- x
2
P(-Z
Estimao e Intervalos de confiana
Exemplo:
Suponha que um ativo tenha comportamento normal, varincia = $100,00
e mdia = $ 890,00. Tirando amostras de tamanho (n) = 20. Qual o
intervalo de confiana de uma mdia igual a $890 com 95% de confiana?
rea da curva = 95% = 0,95/2 = 0,475



X1 = 894,3827
X2 = 885,6173
O intervalo [885,6173 ; 894,3827] contm a mdia com 95% de
confiana.
96 , 1 Z
2 /
=
o
96 , 1
20
10
-890
=
+ X
Estimao e Intervalos de confiana
Exerccio utilizando a planilha excel: Intervalo1
Supondo-se que a relao passivo exigvel / passivo total de
um setor de empresa (amostra = 100) seja em mdia igual a
0,50 e o desvio padro igual a 0,05. Com um nvel de
confiana de 95% construa um intervalo de confiana para a
mdia utilizando a planilha Intervalo1.
Simule o intervalo com diferentes: nveis de confiana,
nmero de dados (amostra) e desvio padro.


Estimao e Intervalos de confiana
Intervalo de confiana para a mdia populacional quando a
varincia desconhecida.
Fixa-se um nvel de confiana =
utiliza-se a varincia amostral (S
2
)
A distribuio usada t de Student

Estatstica:

Distribuio t com n-1 graus de liberdade
Dessa forma o intervalo de confiana fica:



) 1 ( o
n
S
- X
t
_
=

n
t
S

Distribuio t Student - pequenas amostras
Em muitas situaes da vida real, o desvio padro populacional desconhecido. Alm disso,
em funo de fatores como tempo e custo, frequentemente no prtico colher amostras de
tamanho 30 ou mais. A distribuio t utilizada para medir pequenas amostras.
Propriedades:
A distribuio t tem a forma de sino e simtrica em torno da mdia.
A distribuio t uma famlia de curvas, cada uma delas determinada por um parmetro
chamado grau de liberdade.
Os graus de liberdade so os nmeros livres deixados aps uma amostra estatstica tal
como a mdia ter sido calculada. Quando se usa uma distribuio t para estimar uma
mdia populacional, o nmero de graus de liberdade igual ao tamanho da amostra
menos um.

1 . . = n l g
Quando o nmero de graus de liberdade cresce, a distribuio tende para a distribuio
normal. Aps 30 g.l. a distribuio t est muito prxima da distribuio normal Z.
Estimao e Intervalos de confiana
Intervalo de confiana para a mdia populacional quando a
varincia da populao desconhecida.
Supondo-se que a relao passivo exigvel / passivo total de
um setor de empresa (amostra = 20) seja em mdia igual a 0,50
e o desvio padro da amostra igual a 0,05. Com um nvel de
confiana de 95% construa um intervalo de confiana para a
mdia utilizando a planilha Intervalo2


Covarincia Distribuio bivariada


Conceito: a covarincia uma medida de disperso que mede a
associao linear entre as duas variveis aleatrias (X e Y).



Quando a covarincia = zero, pode-se afirmar que as variveis
so independentes entre si.

No excel a funo que calcula essa medida :

COVAR(matriz1;matriz2)

)] Y )( E[(X Cov
j x i XY y
=
Correlao


Conceito: o grau de associao linear entre as duas variveis
aleatrias (X e Y).
Pode-se verificar a intensidade de uma correlao entre duas
variveis atravs do diagrama de disperso.
Correlao positiva quando as duas variveis (X e Y) possuem a
mesma direo, ou seja, quando h aumento de uma h tambm
aumento da outra. J a correlao negativa a direo das duas
variveis so opostas.
O coeficiente de correlao independe das unidades de medida das
variveis X e Y , portanto um nmero adimensional.
O coeficiente de correlao definido como:



y x
o o
XY
XY
Cov
=
Correlao


No excel a funo que calcula essa medida :
CORREL(matriz1;matriz2).












1 1 - s s
Disperso
0,0
2,0
4,0
6,0
8,0
10,0
12,0
0,0 2,0 4,0 6,0 8,0 10,0 12,0
X
Y
Correlao e Covarincia


Exerccio:
Calcular atravs do excel, planilha Correlao, a covarincia e a
correlao entre os preos de 2 ativos (X e Y).







Procure simular a planilha, de tal forma que obtenha uma
correlao negativa.



X 6,0 5,0 9,0 10,0 3,0 4,0 8,0 7,0 6,0 2,0
Y 7,0 6,0 10,0 9,0 2,0 3,0 9,0 5,0 6,0 3,0

Introduo lgebra matricial
Matrizes e operaes com matrizes.
Chama-se matriz do tipo m x n, a uma
tabela de nmeros dispostos em m linhas
e n colunas.


a
11
a
12
a
13
.... A
1n

a
21
a
22
a
23
.... a
2n

a
31
a
32
a
33
.... a
3n

.... .... .... .... ....
.... .... .... .... ....
a
m1
a
m2
a
m3
.... a
mn


Introduo lgebra matricial
Cada elemento indicado: aij, sendo que
i indica a linha e j indica a coluna.
Exemplo:
a
32
= elemento da 3 linha e 2 coluna
a
mn
= elemento da m linha e n coluna



3 x 2 matriz
7 0 6
5 4 7


2 x 2 matriz
5 4
2 3

Matriz linha: m x 1

(
(
(

5
0
2
Introduo lgebra matricial
Matriz coluna: 1 x n

Transposta de uma matriz - Mt
a matriz n x m obtida de uma matriz m x n
Exemplo:
M =

Mt =


| | 3 2 1

(

1 2 3
4 5 6

(
(
(

1 4
2 5
3 6
Introduo lgebra matricial
Matriz quadrada toda matriz na qual o
nmero de linhas igual ao nmero de
colunas.
M =

Matriz Identidade I

I =


(

6 5
4 2

(

1 0
0 1
Introduo lgebra matricial
Adio de matrizes:

A = + B =

A + B =
Diferena de matrizes:
A = - B =

A B =

(

2 6 3
7 5 2

(

2 - 4 9
5 2 - 1

(

0 10 12
12 3 1

(

2 6 3
7 5 2

(

2 - 4 9
5 2 - 1

(

4 2 6 -
2 7 3
Introduo lgebra matricial
Produto de um escalar por uma matriz:
K = 3

3. =

=

(
(
(

3 1
2 4
1 0

(
(
(

9 3
6 12
3 0
Introduo lgebra matricial
Produto de matrizes:
Define-se o produto das matrizes A e B, se,
e somente se, o nmero de colunas da
matriz A for igual ao nmero de linhas da
matriz B.
Matriz A: m x p
Matriz B: p x n
Exemplo:
Matriz A: tipo 3 x 3 e a matriz B: tipo 3 x 2,
o produto da matriz ser: 3 x 2
Introduo lgebra matricial
Exemplo de produto de matrizes:

A = B =

A: tipo 2 x 3 e B: tipo 3 x 2, o produto das
matrizes do tipo 2 x2
A =

A =
A =

(

6 5 4
3 2 1

(
(
(

2 - 1 -
0 9
8 7

(

coluna 2 x linha 2 ; coluna 1 x linha 2


coluna 2 x linha 1 ; coluna 1 x linha 1

(

+ + + +
+ + + +
6.(-2) 5.0 4.8 ; 6.(-1) 5.9 4.7
3.(-2) 2.0 1.8 ; 3.(-1) 2.9 1.7

(

20 67
2 22
Introduo lgebra matricial
Exerccio proposto: fazer o produto das
matrizes A e B.

A = B =





(

1 1 2
2 3 1

(
(
(

0 1 1
2 0 1
3 1 2
Introduo lgebra matricial
No excel o produto de duas matrizes
dado pela funo:
MATRIZ.MULT(matriz1;matriz2)
no pode apertar o ENTER, deve-se
selecionar o espao (nmero de clulas do
resultado do produto) e, em seguida,
apertam-se as 3 teclas de uma s vez: Ctrl
+ shift + Enter.

Introduo lgebra matricial
Fazer o produto das matrizes A e B,
utilizando a planilha excel (Produtomatriz).

A = B =





(

1 1 2
2 3 1

(
(
(

0 1 1
2 0 1
3 1 2
Introduo lgebra matricial
Portflio com 2 ativos:
Ativos: X e Y (em %)
a matriz de covarincia dada por:


A varincia (Var) da carteira :





(
(

2
xy
xy
2

y
x
o o
o o

| |
(

(
(

=
Y
X
Y X Var(cart)
2
xy
xy
2
x
y
o o
o o
Introduo lgebra matricial
Exerccio proposto: O portflio contm 3
ativos com a seguinte alocao: 0,10; 0,60
e 0,30
Dada a matriz de covarincia, calcular a
varincia (Var) do portflio?


Var carteira =

Calcular no excel (Ctrl + Shift + Enter)
Resposta: Var (carteira) = 4,69

(
(
(

=
25 3 - 2
3 - 9 1
2 1 4


| |
(
(
(

(
(
(

0,30
0,60
0,10

25 3 - 2
3 - 9 1
2 1 4
0,30 0,60 0,10