- 6 - Abstract Title: Comparison of performance tests results determined during kayak spiroergometry with achieved kayak paddling performance. Objectives: The aim of the study was to determine relationships between functional parameters values found during kayak spiroergometry and sport performance at 1000 meters distance, and how are these relationships going to change based on training period. Methods: To determine statistical dependence between sport performance at 1000 meters distance and choosen factors of sport performance, the correlation research was used - as a variable-dependent value the final result of sport performance at 1000 meters distance was used, as a variable-independent amounts functional parameters values found during kayak spiroergometry were used. To discover the statistical dependence methods of Pearson's correlation coefficient and regression analysis were used. Results: General level of kayak-athletes from testing file indicated by functional parameters values and demonstrated by kayak spiroergometry performance depends on kayak- athlete's level of sport performance at 1000 meters distance in prepared-training period only, when importance for general condition is emphasized. We did not discover the same phenomenon based on pre-racing period testing results. Sport performance at...

This master's thesis is focused on problem of orders of ingredients in McDonald's. It's an analysis of usage changes depending on outside temperature. Thesis includes theoretical background for correct analysis of the problem and possibilities to figuring it out. There is also an algorithmus for more efficient solution of problem with needs or excess of ingredients. There is also a program written in VBA language, that makes more simple usage of this algorithm on restaurants.

Esta dissertação de mestrado apresenta os resultados de uma investigação sobre os métodos de co-estimativa comumente utilizados em geoestatística. Estes métodos são: cokrigagem ordinária; cokrigagem colocalizada e krigagem com deriva externa. Além disso, a krigagem ordinária foi considerada apenas a título de ilustração como esse método trabalha quando a variável primária estiver pobremente amostrada. Como sabemos, os métodos de co-estimativa dependem de uma variável secundária amostrada sobre o domínio a ser estimado. Adicionalmente, esta variável deveria apresentar correlação linear com a variável principal ou variável primária. Geralmente, a variável primária é pobremente amostrada enquanto a variável secundária é conhecida sobre todo o domínio a ser estimado. Por exemplo, em exploração petrolífera, a variável primária é a porosidade medida em amostras de rocha retiradas de testemunhos e a variável secundária é a amplitude sísmica derivada de processamento de dados de reflexão sísmica. É importante mencionar que a variável primária e a variável secundária devem apresentar algum grau de correlação. Contudo, nós não sabemos como eles funcionam dependendo do grau de correlação. Esta é a questão. Assim, testamos os métodos de co-estimativa para vários conjuntos de dados apresentando diferentes graus de correlação. Na verdade, esses conjuntos de dados foram gerados em computador baseado em algoritmos de transformação de dados. Cinco valores de correlação foram considerados neste estudo: 0,993, 0,870, 0,752, 0,588 e 0,461. A cokrigagem colocalizada foi o melhor método entre todos testados. Este método tem um filtro interno que é aplicado no cálculo do peso da variável secundária, que por sua vez depende do coeficiente de correlação. De fato, quanto maior o coeficiente de correlação, maior é o peso da variável secundária. Então isso significa que este método funciona mesmo quando o coeficiente de correlação entre a variável primária e a variável secundária é baixo. Este é o resultado mais impressionante desta pesquisa. / This master dissertation presents the results of a survey into co-estimation methods commonly used in geostatistics. These methods are ordinary cokriging, collocated cokriging and kriging with an external drift. Besides that ordinary kriging was considered just to illustrate how it does work when the primary variable is poorly sampled. As we know co-estimation methods depend on a secondary variable sampled over the estimation domain. Moreover, this secondary variable should present linear correlation with the main variable or primary variable. Usually the primary variable is poorly sampled whereas the secondary variable is known over the estimation domain. For instance in oil exploration the primary variable is porosity as measured on rock samples gathered from drill holes and the secondary variable is seismic amplitude derived from processing seismic reflection data. It is important to mention that primary and secondary variables must present some degree of correlation. However, we do not know how they work depending on the correlation coefficient. That is the question. Thus, we have tested co-estimation methods for several data sets presenting different degrees of correlation. Actually, these data sets were generated in computer based on some data transform algorithms. Five correlation values have been considered in this study: 0.993; 0.870; 0.752; 0.588 and 0.461. Collocated simple cokriging was the best method among all tested. This method has an internal filter applied to compute the weight for the secondary variable, which in its turn depends on the correlation coefficient. In fact, the greater the correlation coefficient the greater the weight of secondary variable is. Then it means this method works even when the correlation coefficient between primary and secondary variables is low. This is the most impressive result that came out from this research.

Esta dissertação de mestrado apresenta os resultados de uma investigação sobre os métodos de co-estimativa comumente utilizados em geoestatística. Estes métodos são: cokrigagem ordinária; cokrigagem colocalizada e krigagem com deriva externa. Além disso, a krigagem ordinária foi considerada apenas a título de ilustração como esse método trabalha quando a variável primária estiver pobremente amostrada. Como sabemos, os métodos de co-estimativa dependem de uma variável secundária amostrada sobre o domínio a ser estimado. Adicionalmente, esta variável deveria apresentar correlação linear com a variável principal ou variável primária. Geralmente, a variável primária é pobremente amostrada enquanto a variável secundária é conhecida sobre todo o domínio a ser estimado. Por exemplo, em exploração petrolífera, a variável primária é a porosidade medida em amostras de rocha retiradas de testemunhos e a variável secundária é a amplitude sísmica derivada de processamento de dados de reflexão sísmica. É importante mencionar que a variável primária e a variável secundária devem apresentar algum grau de correlação. Contudo, nós não sabemos como eles funcionam dependendo do grau de correlação. Esta é a questão. Assim, testamos os métodos de co-estimativa para vários conjuntos de dados apresentando diferentes graus de correlação. Na verdade, esses conjuntos de dados foram gerados em computador baseado em algoritmos de transformação de dados. Cinco valores de correlação foram considerados neste estudo: 0,993, 0,870, 0,752, 0,588 e 0,461. A cokrigagem colocalizada foi o melhor método entre todos testados. Este método tem um filtro interno que é aplicado no cálculo do peso da variável secundária, que por sua vez depende do coeficiente de correlação. De fato, quanto maior o coeficiente de correlação, maior é o peso da variável secundária. Então isso significa que este método funciona mesmo quando o coeficiente de correlação entre a variável primária e a variável secundária é baixo. Este é o resultado mais impressionante desta pesquisa. / This master dissertation presents the results of a survey into co-estimation methods commonly used in geostatistics. These methods are ordinary cokriging, collocated cokriging and kriging with an external drift. Besides that ordinary kriging was considered just to illustrate how it does work when the primary variable is poorly sampled. As we know co-estimation methods depend on a secondary variable sampled over the estimation domain. Moreover, this secondary variable should present linear correlation with the main variable or primary variable. Usually the primary variable is poorly sampled whereas the secondary variable is known over the estimation domain. For instance in oil exploration the primary variable is porosity as measured on rock samples gathered from drill holes and the secondary variable is seismic amplitude derived from processing seismic reflection data. It is important to mention that primary and secondary variables must present some degree of correlation. However, we do not know how they work depending on the correlation coefficient. That is the question. Thus, we have tested co-estimation methods for several data sets presenting different degrees of correlation. Actually, these data sets were generated in computer based on some data transform algorithms. Five correlation values have been considered in this study: 0.993; 0.870; 0.752; 0.588 and 0.461. Collocated simple cokriging was the best method among all tested. This method has an internal filter applied to compute the weight for the secondary variable, which in its turn depends on the correlation coefficient. In fact, the greater the correlation coefficient the greater the weight of secondary variable is. Then it means this method works even when the correlation coefficient between primary and secondary variables is low. This is the most impressive result that came out from this research.

Submitted by Willians Gaspar (willians.gaspar@fgv.br) on 2018-01-22T16:33:59Z No. of bitstreams: 1 A Correlação entre Jornada de Trabalho e Produtividade - Uma Perspectiva Macroeconômica entre Países.pdf: 1651221 bytes, checksum: 10a95ba6074b04f5e4e0f6d88a9bf7b6 (MD5) / Approved for entry into archive by Janete de Oliveira Feitosa (janete.feitosa@fgv.br) on 2018-01-24T12:00:40Z (GMT) No. of bitstreams: 1 A Correlação entre Jornada de Trabalho e Produtividade - Uma Perspectiva Macroeconômica entre Países.pdf: 1651221 bytes, checksum: 10a95ba6074b04f5e4e0f6d88a9bf7b6 (MD5) / Made available in DSpace on 2018-01-29T18:55:15Z (GMT). No. of bitstreams: 1 A Correlação entre Jornada de Trabalho e Produtividade - Uma Perspectiva Macroeconômica entre Países.pdf: 1651221 bytes, checksum: 10a95ba6074b04f5e4e0f6d88a9bf7b6 (MD5) Previous issue date: 2017-12-19 / This research has as general objective to identify the variables or contributing factors to subsidize the discussion about reduction of the Working Day. As a specific objective, what is proposed is to verify how these same variables affect Productivity. For both objectives the macroeconomic aspects of the countries analyzed are considered. The criterion for selecting these countries is based on the "ranking" of the OECD and World Bank database for the year 2013, considering all the major world economies, which together represent 65.22% of global GDP. The data extracted refer to the "Gross Domestic Product - GDP at (PPP) - Purchasing Power Parity", which consists of the Gross Domestic Product, in international dollars, with a view to the comparative possibility of these economies by purchasing power parity (PPP). Other sources of information were considered as objects of analysis and observations, including the statistical series of secondary data from the International Labor Office (ILO), the International Monetary Fund (IMF), the United Nations (UNDP), the Brazilian Institute of Geography and Economics (IBGE), the Department of Statistics and Socioeconomic Studies (DIEESE) and the Institute of Economic and Applied Research (IPEA). The research was conducted at the macroeconomic level of the countries, with a longitudinal temporal cut between the years 2007 and 2013, in order to observe the behavior of these economies, including during the period of the 2008 global crisis. evolution of the historical series of GDP, revealing the size of the economy, GDP per capita, which captures wealth in relation to the population. Finally, we consider the labor productivity factor itself, which deals with the relationship between GDP, the number of people and the number of hours worked in the period. This research has as general objective to identify the variables or contributing factors to subsidize the discussion about reduction of the Working Day. As a specific objective, what is proposed is to verify how these same variables affect Productivity. For both objectives the macroeconomic aspects of the countries analyzed are considered. The criterion for selecting these countries is based on the "ranking" of the OECD and World Bank database for the year 2013, considering all the major world economies, which together represent 65.22% of global GDP. The data extracted refer to the "Gross Domestic Product - GDP at (PPP) - Purchasing Power Parity", which consists of the Gross Domestic Product, in international dollars, with a view to the comparative possibility of these economies by purchasing power parity (PPP). Other sources of information were considered as objects of analysis and observations, including the statistical series of secondary data from the International Labor Office (ILO), the International Monetary Fund (IMF), the United Nations (UNDP), the Brazilian Institute of Geography and Economics (IBGE), the Department of Statistics and Socioeconomic Studies (DIEESE) and the Institute of Economic and Applied Research (IPEA). The research was conducted at the macroeconomic level of the countries, with a longitudinal temporal cut between the years 2007 and 2013, in order to observe the behavior of these economies, including during the period of the 2008 global crisis. evolution of the historical series of GDP, revealing the size of the economy, GDP per capita, which captures wealth relative to the population. Finally, we consider the labor productivity factor itself, which deals with the relationship between GDP, the number of people and the number of hours worked in the period. Design/Methodology/ approach – The method is a qualitative research of the exploratory type, subsidized by quantitative correlation analysis, and the statistical design is directed to the verification of the degree of association between the variables: Working day and Labor productivity; that is, calculation and interpretation of the degree of correlation between these two variables. Findings – In the final conclusion of the study, it is inferred based on the theoretical reference and the analysis of the statistical data, if the reduction in the working day contributes to changes in productivity indexes, and just as other variables are considered in this discussion. Research limitations – No aspects of the national culture, climatic conditions and segregation of nations by percentage of participation in agriculture, industry, and services were considered in the composition of their economies, with a view to performing comparative analysis by subgroups. In addition, the sample set is restricted both in number of countries and in relation to the relatively short period between 2007 and 2013, in addition to being marked by an atypical event such as the global economic crisis of 2008. Practical contributions – To governments, organizations and workers to rethink the possible economic and social benefits, through public policies that allow greater flexibility in working hours, focusing on the competitive advantages and the balance of the relation between labor and capital, observing the legal aspects, productivity, quality of life, unit costs and the generation of jobs / Esta pesquisa tem como objetivo geral identificar as variáveis ou fatores contribuintes para subsidiar a discussão sobre redução da Jornada de Trabalho. Como objetivo específico, o que se propõe é verificar como essas mesmas variáveis afetam a Produtividade. Para ambos os objetivos são considerados os aspectos macroeconômicos dos países analisados. O critério para seleção desses países se fundamenta no “ranking” da base de dados da Organização para a Cooperação e Desenvolvimento Econômico – OCDE e do Banco Mundial, ano base 2013, considerando-se o conjunto das maiores economias mundiais, que, juntas, representam 65,22% do PIB global. Os dados extraídos são referentes ao “Gross Domestic Product – GDP at (PPP) - Purchasing Power Parity”, que consiste no Produto Interno Bruto, em dólares internacionais, com vistas à possibilidade comparativa destas economias pela paridade do poder de compra (PPC). Outras fontes de informações foram consideradas como objetos de análise e observações, incluindo-se as séries estatísticas de dados secundários do Instituto Internacional do Trabalho (OIT), do Fundo Monetário Internacional (FMI), das Nações Unidas (UNDP), do Instituto Brasileiro de Geografia e Economia (IBGE), do Departamento Intersindical de Estatística e Estudos Socioeconômicos (DIEESE) e do Instituto de Pesquisa Econômica e Aplicada (IPEA). A pesquisa foi conduzida no nível macroeconômico dos países, com corte temporal longitudinal entre os anos de 2007 a 2013, com o objetivo de observar-se o comportamento dessas economias, inclusive durante o período da crise mundial de 2008. Nesse sentido, foi avaliada a evolução da série histórica do PIB, como reveladora do tamanho da economia, o PIB per capita, que captura a riqueza em relação à população. Por último, considera-se o fator produtividade do trabalho propriamente dito, que trata da relação entre o PIB, o número de pessoas e o número de horas trabalhadas no período. Quanto ao método, trata-se de pesquisa qualitativa do tipo exploratória, subsidiada por análise quantitativa correlacional, sendo o delineamento estatístico direcionado para a verificação do grau de associação entre as varáveis: Jornada de trabalho e Produtividade do trabalho; ou seja, cálculo e interpretação do grau de correlação entre essas duas variáveis. Na conclusão final do trabalho, infere-se com base no referencial teórico e na análise dos dados estatísticos, se a redução na jornada de trabalho contribui para alterações nos índices de produtividade, e assim como outras variáveis são consideradas nesta discussão. Não foram considerados aspectos da cultura nacional, condições climáticas e segregação das nações por percentual de participação respectivamente em agricultura, indústria, e serviços, na composição de suas economias, visando realizar análise comparativa por subgrupos. Além disto o conjunto amostral é restrito, tanto em número de países, quanto em relação ao período, relativamente curto, entre 2007 e 2013, além de ter sido marcado por fato atípico como a crise econômica mundial de 2008. Á governos, organizações e trabalhadores para repensarem os eventuais benefícios econômicos e sociais, através de políticas públicas que permitam maior flexibilização das jornadas de trabalho, com foco nas vantagens competitivas e no equilíbrio da relação entre mão de obra e capital, observando os aspectos legais, a produtividade, a qualidade de vida, os custos unitários e a geração de empregos