Spelling suggestions: "subject:"risco dde bayes"" "subject:"risco dde hayes""
1 |
Modelo de gerenciamento de ativos na indústria sucroalcooleiraRebecca Negreiros Clemente, Thárcylla 31 January 2011 (has links)
Made available in DSpace on 2014-06-12T17:42:45Z (GMT). No. of bitstreams: 2
arquivo7558_1.pdf: 1535426 bytes, checksum: ffa48cf62475ac6c3b8f031949e0eda9 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2011 / Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco / O Brasil é um país tropical que apresenta condições climáticas e de localização favoráveis ao cultivo da cana-de-açúcar. Estas características contribuem para que o país seja classificado como o maior produtor mundial da cana-de-açúcar. Essa cultura ocupa o terceiro lugar em relação à área plantada no país, gerando milhares de empregos diretos e indiretos. A maior parte dos responsáveis pela produção da cana-de-açúcar também são os responsáveis pelo seu beneficiamento e transformação. Neste contexto, a necessidade de planejar a produção e decidir sobre o investimento nos portfólios de subprodutos derivados dessa cultura torna-se evidente para os produtores e agentes do mercado. Compondo um portfólio de subprodutos derivado da cultura da cana-de-açúcar podem-se citar o açúcar (cristal, refinado, dentre outros tipos) e o etanol (anidro e hidratado). Estes são utilizados como ativos para o processo de investimento. Comumente no contexto de investimentos, duas questões são evidenciadas: o quanto e em quê investir o capital disponível, a incerteza inerente a esse processo incentiva o desenvolvimento de modelos de decisão que auxiliem os gestores a alocar seus recursos disponíveis dentre os ativos de investimentos, objetivando a maximização do retorno em detrimento da minimização do risco associado ao processo. Com o propósito de responder a esta situação, o presente trabalho apresentará um modelo aplicando conceitos de Análise de Decisão e Análise Bayesiana do Risco para auxiliar no processo de gerenciamento de ativos no mercado financeiro da indústria sucroalcooleira brasileira
|
2 |
Tamanho amostral para estimar a concentração de organismos em água de lastro: uma abordagem bayesiana / Sample size for estimating the organism concentration in ballast water: a Bayesian approachCosta, Eliardo Guimarães da 05 June 2017 (has links)
Metodologias para obtenção do tamanho amostral para estimar a concentração de organismos em água de lastro e verificar normas internacionais são desenvolvidas sob uma abordagem bayesiana. Consideramos os critérios da cobertura média, do tamanho médio e da minimização do custo total sob os modelos Poisson com distribuição a priori gama e binomial negativo com distribuição a priori Pearson Tipo VI. Além disso, consideramos um processo Dirichlet como distribuição a priori no modelo Poisson com o propósito de obter maior flexibilidade e robustez. Para fins de aplicação, implementamos rotinas computacionais usando a linguagem R. / Sample size methodologies for estimating the organism concentration in ballast water and for verifying international standards are developed under a Bayesian approach. We consider the criteria of average coverage, of average length and of total cost minimization under the Poisson model with a gamma prior distribution and the negative binomial model with a Pearson type VI prior distribution. Furthermore, we consider a Dirichlet process as a prior distribution in the Poisson model with the purpose to gain more flexibility and robustness. For practical applications, we implemented computational routines using the R language.
|
3 |
Procedimentos sequenciais Bayesianos aplicados ao processo de captura-recapturaSantos, Hugo Henrique Kegler dos 30 May 2014 (has links)
Made available in DSpace on 2016-06-02T20:04:52Z (GMT). No. of bitstreams: 1
6306.pdf: 1062380 bytes, checksum: de31a51e2d0a59e52556156a08c37b41 (MD5)
Previous issue date: 2014-05-30 / Financiadora de Estudos e Projetos / In this work, we make a study of the Bayes sequential decision procedure applied to capture-recapture with fixed sample sizes, to estimate the size of a finite and closed population process. We present the statistical model, review the Bayesian decision theory, presenting the pure decision problem, the statistical decision problem and the sequential decision procedure. We illustrate the theoretical methods discussed using simulated data. / Neste trabalho, fazemos um estudo do procedimento de decisão sequencial de Bayes aplicado ao processo de captura-recaptura com tamanhos amostrais fixados, para estimação do tamanho de uma população finita e fechada. Apresentamos o modelo estatístico, revisamos a teoria de decisão bayesiana, apresentando o problema de decisão puro, o problema de decisão estatística e o procedimento de decisão sequencial. Ilustramos os métodos teóricos discutidos através de dados simulados.
|
4 |
Tamanho amostral para estimar a concentração de organismos em água de lastro: uma abordagem bayesiana / Sample size for estimating the organism concentration in ballast water: a Bayesian approachEliardo Guimarães da Costa 05 June 2017 (has links)
Metodologias para obtenção do tamanho amostral para estimar a concentração de organismos em água de lastro e verificar normas internacionais são desenvolvidas sob uma abordagem bayesiana. Consideramos os critérios da cobertura média, do tamanho médio e da minimização do custo total sob os modelos Poisson com distribuição a priori gama e binomial negativo com distribuição a priori Pearson Tipo VI. Além disso, consideramos um processo Dirichlet como distribuição a priori no modelo Poisson com o propósito de obter maior flexibilidade e robustez. Para fins de aplicação, implementamos rotinas computacionais usando a linguagem R. / Sample size methodologies for estimating the organism concentration in ballast water and for verifying international standards are developed under a Bayesian approach. We consider the criteria of average coverage, of average length and of total cost minimization under the Poisson model with a gamma prior distribution and the negative binomial model with a Pearson type VI prior distribution. Furthermore, we consider a Dirichlet process as a prior distribution in the Poisson model with the purpose to gain more flexibility and robustness. For practical applications, we implemented computational routines using the R language.
|
Page generated in 0.0459 seconds