Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Resumo
Distribuio Pert uma das mais teis para modelagem e simulao nas empresas, mas usada nas aplicaes de forma, em geral, mecnica e inadequada Esse artigo decifra a Distribuio Pert e suas relacionadas (Distribuio Pert Modificada e Distribuio Beta Generalizada ) estimulando uma compreenso mais intuitiva dessa relao por meio de anlise e visualizao grfica. Alm disso, sugerido um mtodo para especificao paramtrica do Pert Modificado, muito mais apropriado para estimativas dentro das empresas que envolvem processos de simulao. proposto um mtodo numrico para determinao dos parmetros do Beta Generalizado, dentro da metodologia proposta. Palavras Chaves: Distribuio Beta, Distribuio Beta Generalizada, Distribuio Pert, Distribuio Beta Modificada, Simulao
I) Introduo
A Distribuio Pert uma das distribuies mais importantes para uso prtico nas empresas, porque ela muito utilizada para gerar valores aleatrios dentro de um intervalo, na modelagem e simulao de modelos financeiros, na rea de processos e anlises em geral. A Distribuio Pert, assim como uma variao denominada Distribuio Pert Modificada, um caso particular da Distribuio Beta Generalizada, que abrange uma grande variedade de distribuies definidas dentro de um intervalo. Inicialmente estabelece-se a relao entre os parmetros da Distribuio Pert Modificada e os parmetros da Distribuio Beta Generalizada, de uma forma completa e intuitiva, com exibio de famlias de Pert em modo grfico. Segue-se uma argumentao para mostrar que a forma normalmente usada da Distribuio Pert para simulao no muito adequada a situaes reais.
O artigo finaliza propondo uma forma alternativa para especificar a Pert Modificada e desenvolve um mtodo numrico para proceder da forma sugerida.
A Pert pode ser usada para estimar durao de projetos, despesas, margem, markups, coberturas; enfim, diversas variveis presentes no mundo dos negcios. A partir dessas definies podemos calcular os parmetros de formato a e b correspondente ao Beta, mas vamos deixar esse desenvolvimento para o prximo tpico.
a=(Med-Min)*(Max-2*Moda+Min)/( (Max-Min)*(Med-Moda)) (11) Adicionando (10) e (11) fica: a+b =(Max-2*Moda+Min)/(Med-Moda) Substituindo acima Med por (4): a+b =(Max-2*Moda+Min)/((Min+Lambda*Moda+Max)/(Lambda+2) -Moda) a+b =(Max-2*Moda+Min)/((Min - 2*Moda+Max)/(Lambda+2)) a+b=Lambda+2 (12) O resultado acima surpreendente, porque uma simplificao extrema de duas expresses complexas. Ela expressa que a Distribuio Pert Modificada abrange toda a famlia de distribuies cuja soma dos parmetros de formato aquela constante (lambda + 2), o que traz uma similaridade patente entre as diferentes curvas que compartilham o mesmo lambda, como veremos de forma grfica na seo seguinte. Chamando a+b de SS (Sum of Shapes) e substituindo em (10) e (11) obtemos: a=(Med-Min)/(Max-Min)*SS (13) b=(Max-Med)/(Max-Min)*SS (14)
S faz sentido falarmos em probabilidade intervalar, ou seja, probabilidade que a distribuio assuma um valor dentro de um intervalo, que dada pela integral da curva PDF entre os dois pontos. A integral total da curva PDF em uma distribuio sempre deve valer 1, ou seja, 100%, ou seja, abrange todas as possibilidades.
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
Observe a suavidade da variao de valores da distribuio perto da moda. Esse um comportamento realista do Beta, porque os fenmenos naturais no apresentam, em geral, variaes bruscas. Veja ainda como nas curvas menos centrais, praticamente no h valores perto dos extremos no lado da cauda mais longa. Quando a moda aproxima-se do meio entre os dois extremos, a curva simtrica. Deslocando-se para os lados, surge, de forma crescente, a forma assimtrica. Essa versatilidade, diferente da Normal, sempre simtrica, que faz a Beta uma funo to til para modelar inmeras mtricas do mundo dos negcios, porque comum uma situao em que atribumos uma faixa de valores para uma varivel, embora saibamos que o valor mais provvel se aproxima mais de um dos dois extremos. Por exemplo, podemos estimar uma expectativa de crescimento de vendas entre 20% e 40%, sendo 25% o crescimento mais provvel, porque um crescimento maior dependeria de aes mais incertas. Mostra-se que para valores de lambda de 4 para cima, sempre possvel encontrar uma Distribuio Normal que se aproxime do Beta simtrico (moda igual mdia), com a aproximao se tornando mais precisa quanto mais alto o valor de lambda. No entanto, o desvio 2 padro da Normal maior que a Beta e cada vez se afasta mais do desvio padro da Beta. A mdia, por sua vez, exceto quando a moda equidistante dos extremos, sempre deslocada para a direo da cauda mais longa, que termina "puxando" a mdia. Abaixo plotamos duas variaes de famlias de curvas. Para lambda = 2 observa-se o achatamento das curvas, lembrando a sela de um cavalo, com curtose mais baixa. J com lambda = 8 as curvas ficam mais ngremes, expressa por uma curtose mais elevada, tornando as imediaes da moda mais bruscas. Observe, nesse caso, como o vale no meio mais cavado do que a curva com lambda = 4.
A Distribuio Normal no uma distribuio adequada para expressar variveis que apresentam um intervalo limitado de valores. Alguns autores usam a Distribuio Normal Truncada para isso, mas ela cria uma descontinuidade nos extremos que no muito realista.
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
O pedao (Max-Med)*(Med-Min) da frmula acima pode ser expandido usando-se a definio de mdia em (4): (Max-Med)*(Med-Min) = ((Lambda+1)*Max - Lambda*Moda - Min ) *( -(Lambda+1)*Min + Lambda*Moda + Max )/(Lambda+2)^2 O pedao (Med - Moda) da frmula (17) pode ser expandido usando-se a definio de mdia em (4): Med-Moda = ( Min - 2*Moda + Max ) / (Lambda + 2) Substituindo as subexpresses acima em (17) temos: a*b = ((Lambda+1)*Max - Lambda*Moda - Min)*(-(Lambda+1)*Min+Lambda*Moda+Max )/(Max-Min)^2 Coloca-se ento paulatinamente os outros componentes da frmula em (2) para simplificar: a*b * (Max-Min)^2 / (a+b+1) =((Lambda+1)*Max - Lambda*Moda-Min)* ( -(Lambda+1)*Min + Lambda*Moda+Max )/(Lambda+3) a*b * (Max-Min)^2 / (a+b+1) / (a+b)^2 = ( (Lambda+1)*Max - Lambda*Moda - Min)* ( -(Lambda+1)*Min + Lambda*Moda + Max ) / ( (Lambda+3)*(Lambda+2)^2) O lado esquerdo j corresponde formula do DP em (2), s que com raiz quadrada e o lado direito est pronto: DP = Raiz ( ((Lambda+1)*Max - Lambda*Moda - Min ) * ( -(Lambda+1)*Min + Lambda*Moda + Max )/((Lambda+3)*(Lambda+2)^2) ) (18)
Um percentil de Xo. significa um valor que a varavel estocstica assume onde teoricamente X% dos valores possveis dessa varivel ficam abaixo desse valor.
influncia dos extremos. O lambda poder definir uma famlia de funes que poder ser compartilhada em todos os modelos. De todo modo, o principal problema que esses dados de entrada no permitem obter diretamente o mnimo e o mximo do Beta. O mnimo tambm denominado de localizao e a diferena entre o mximo e o mnimo chamada de escala. Muitos parmetros estatsticos p' do Beta Padro (aquele que o mnimo 0 e o mximo 1) pode ser convertido para o mesmo parmetro estatstico p do Beta, pela relao abaixo: p = Min + p' * ( Max - Min) (20) A declarao acima vale tambm para a moda, a mdia e os percentis. preciso ento encontrar alguma relao entre os dados de entrada que seja independente da escala. Uma forma adequada expressa pela seguinte relao: Fator = ( P95 - Moda ) / (Moda - P5) (21) Pode-se facilmente verificar que tal relao independente da localizao e da escala, isso , assume o mesmo valor, qualquer que sejam os valores do mnimo e do mximo. O fator poderia servir para determinar univocamente a relao AShare, envolvendo os parmetros de formato AShare = a / SS (22) Onde SS = a+b Optou-se por tentar determinar o AShare e no o a, j que aquela propriedade mais estvel, porque no est ligada ao valor absoluto dos parmetros de formato. A partir desse ponto, j existe um lambda selecionado e, portanto o valor da soma dos parmetros de formato (SS) lambda + 2 (vide (12)) A seguir, montou-se no Excel uma tabela de dados como preparativo para um processo de ajuste de curva, usando o Beta Padro. O valor de entrada primitiva mais fcil a moda, porque sabemos que o seu valor est no intervalo (0,1). Por exemplo, se variarmos a moda entre 0 e 1, com passo 0,05 em 0,05, excluindo os pontos extremos, obtemos quase 200 pontos. Da moda, calcula-se o a e o b: a = Moda*Lambda + 1 b = SS - a Calculam-se os percentis 5 e 90 atravs do inverso da funo cumulativa de Distribuio (CDF) da Beta, que, no caso do Excel, corresponde funo BETA.ACUM.INV. Finalmente, geram-se as colunas Fator (Vide (21)) e AShare (Vide (22)) Essas colunas formam respectivamente a varivel independente (Fator) e uma varivel dependente (AShare) de alguma funo que pode ser ajustada a esses pontos. Foi ento utilizada a ferramenta de ajuste de curva LabFit (www.labfit.net), produto comercial brasileiro, que automatiza completamente o ajuste de uma curva a partir de um banco de centenas de curvas. Tomou-se o cuidado, para evitar a deformao nas extremidades do ajuste, de considerar apenas os pontos onde o mnimo (a, b) seja maior que 1,2. O uso dessa ferramenta gerou a curva de Harris, funo que obteve o melhor ajuste segundo a estatstica de erro adotada: Y = 1/(A+B*X**C)+D (23)
O parmetro estatstico que a ferramenta usa para ordenar as escolhas de ajuste o qui-quadrado reduzido, cujo valor ficou inferior a 1:1.000.000: Onde O o dado observado, E o dado esperado ou terico, o desvio padro dos dados observados e n o nmero de observaes. Para lambda = 4, obtemos A=1,6056, B=1,6056, C=1,3985 e D=0,18859 Para lambda = 6, obtemos A=1,4257, B=1,4257, C=1,5843 e D=0,1493 A partir dessa parametrizao, os passos de determinao dos parmetros do Beta so os seguintes: 1) Calcule o Fator do Beta especificado, por (21): Fator = ( P95 - Moda ) / (Moda - P5) 2) Descubra AShare em funo do Fator, de acordo com os parmetros A, B, C e D, obtido para o lambda desejado. Se lambda = 4, a equao (23) se torna: AShare = 1/ (1,6056 + 1,6056 * Fator ^1,3985) + 0,18859 3) Calcule a e b: a = AShare * SS b = SS - b 4) Calcule a moda do Beta Padro: Moda' = (a-1)/lambda 5) Calcule P5 do Beta Padro, usando o inverso da funo cumulativa de distribuio, que corresponde no Excel funo BETA.ACUM.INV P5' = BETA.ACUM.INV(0,05;a;b) 6) Calcule a escala (Max-Min): Escala=(P5 - Moda ) /(P5' - Moda') 7) Calcule o mnimo: Min = Moda - Moda' * Escala 8) Calcule o mximo: Max = Min + Escala Foi usado o processo acima para o caso lambda=4, para comparar com a ferramenta @Risk. Moda = 15 P5=15 P95=30 O erro qui-quadrado reduzido ficou em menos de 0,2%, exceto para o mximo (0,36%), mostrando-se perfeitamente aplicvel em situaes prticas, com a vantagem de poder ser calibrado para qualquer valor de lambda.
VI) Concluso
Esse artigo cumpre a misso de explicar a Distribuio Pert, justificar a lgica de sua generalizao (Distribuio Pert Modificada) e elucidar sua relao com a Distribuio Beta Generalizada, destacando a elegncia do parmetro lambda ( ) que somado com 2 define a soma dos parmetros shape do Beta.
A importncia prtica da Distribuio Beta ou Distribuio Pert to grande que os profissionais deveriam utiliz-la com plena conscincia do que esto fazendo. Isso justifica o foco desse trabalho em dar uma viso intuitiva e grfica da Pert Modificada, onde cada valor de lambda define uma famlia de curvas com formato similar. Em seguir mostraram-se as fraquezas da especificao paramtrica convencional da Pert, denunciando a dificuldade do usurio definir o mnimo e o mximo, finalizando com uma sugesto de especificao onde se substitui o mnimo e o mximo por percentis, mantendo-se a especificao da moda. O artigo finaliza mostrando como se implantar essa nova especificao sugerida, usando tcnicas de clculo numrico, que pode ser aplicada a qualquer ambiente de desenvolvimento. Cumprimos nosso objetivo se o leitor ficar com uma viso menos seca e menos "caixa preta" de uma Distribuio to til quanto a famlia Beta-Pert.
VII) Bibliografia
DAVIS, Ron. "Teaching Project Simulation in Excel Using PERT-Beta Distributions", Informs - Transactions on Education, Vol. 8, No. 3, pp. 139148, 2008 EVANS, Merran. Statistical Distributions. 3.ed. New York - John Wiley & Sons, 2000 JENSEN, Paul. "Beta Distribution", Operations Management/Industrial Engineering, 2004 http://www.me.utexas.edu/~jensen/ORMM/omie/computation/unit/project/beta.html LAB Fit Curve Fitting Software (Nonlinear Regression and Treatment of Data Program) 1999-2011 PALISADE. Risk Analysis and Simulation Add-In for Microsoft Excel, 2010 PLEGUEZUELO, Rafael et alli. "The Parameters of the Classical Pert and Assessesment of its Success", Central European Journal of Operations Research, v.7, issue 3, pp 159175, 1999 VOSE Software "Modified PERT distribution" - www.vosesoftware.com WIKIPEDIA. "Beta Distribution" - http://en.wikipedia.org/wiki/Beta_distribution WOLFRAM "Pert Distribution" http://reference.wolfram.com/mathematica/ref/PERTDistribution.html