Lideranças em jogos equilibrados: Teoria x Intuição
|
|
- Izabel Castelhano Belo
- 5 Há anos
- Visualizações:
Transcrição
1 Lideranças em jogos equilibrados: Teoria x Intuição Fábio Mello Valladão (UFF) Lucas Rodrigues Batista Sanns (UFF) Maiara Gripp de Souza (UFF) Orientadores: Douglas Rodrigues (UFF) e Karina Yuriko Yaginuma (UFF) de contato: f.m.valladao.1@gmail.com, lucassanns@gmail.com, maiaragripp@gmail.com Resumo: Nessa trabalho apresentamos um intuitiva introdução ao mundo dos passeios aleatórios e dos processos estocásticos. Com o uso de ferramentas extremamente simples, como a combinatória e probabilidade elementar, apresentaremos os resultados obtidos sobre as utuações do processo advindo do lançamento independente de moedas honestas. Realizamos diversas implementações computacionais, através do programa R, buscando reforçar empiricamente os resultados observados na teoria. Palavras-chave: passeio aleatório, utuações, processos estocásticos. Introdução Esse trabalho é motivado por um jogo extremamente intuitivo: dois indivíduos competindo em um jogo de cara ou coroa. A regra é simples. Inicialmente, cada um dos jogadores escolhe uma face da moeda. Realizamos então sucessivos lançamentos independentes dessa moeda honesta, e a cada rodada o perdedor paga uma unidade monetária ao ganhador. Esse inocente jogo é o cenário ideal para se iniciar o estudo dos passeios aleatórios, e nosso principal objetivo neste trabalho é compreender como ocorre a utuação do processo ao longo da evolução temporal. Através de métodos elementares de combinatória e de probabilidade, buscamos resultados teóricos e práticos que, além de extremamente relevantes, desaam nossa intuição e senso comum. Um dos resultados mais surpreendentes que observamos diz respeito aos tempos de liderança. Intuitivamente, devido a equivalência da chance de vitória dos competidores a cada rodada, somos levados a crer que ocorre ao longo do jogo uma intensa troca de liderança entre os jogadores. No entanto, apresentamos resultados teóricos e práticos, através de simulações computacionais, que comprovam que o mais comum é a ocorrência de longos períodos de liderança para um dos competidores. Material e métodos Vamos denir o que é um jogo de moedas para nosso estudo. Neste trabalho utilizamos por modelo uma moeda honesta, onde cada lançamento resulta em cara ou coroa com a mesma probabilidade (a saber, 0.5). Suponha que dois indivíduos ctícios, João e Mateus, zeram uma aposta, que consiste em lançar uma moeda honesta diversas vezes. Para cada cara obtida, João recebe 1 real de Mateus, ao passo que deve pagar 1 real para ele cada vez que sai uma coroa. Ao nal de n lançamentos consecutivos, onde n N +, poderemos avaliar os saldos dos dois indivíduos. Arbitrariamente,
2 vamos trabalhar com o saldo de João (embora o método seja análogo para o saldo de Mateus). Temos que esse valor pode ser positivo, se o número de caras for maior que o de coroas, negativo, se saírem mais coroas que caras, ou nulo, caso a quantidade de caras e coroas sejam iguais (observe que esse último caso só pode ocorrer se o número de lançamentos for par). Vamos pensar nesse jogo como um passeio aleatório. Cada cara será representada numericamente por +1 e cada coroa por -1. Em um eixo cartesiano, começamos na origem, que representa o momento que precede o primeiro lançamento da moeda. Se o primeiro lançamento consistir na face cara ligamos o ponto (0,0) ao (1,1) com um segmento de reta. Se o segundo lançamento for coroa, por exemplo, ligamos o ponto (1,1) ao (2,0), e assim por diante. Vamos chamar o eixo das abcissas de Lançamentos ou Passos, e o das ordenadas de Saldo, ou Soma. Portanto, para um ponto (n,k) arbitrário, k representa o saldo de João no instante n (ou seja, após n lançamentos da moeda). Já o gráco que representa esse jogo é chamado de caminho, e dizemos que ele tem tamanho 2n se é composto por 2n passos, por exemplo. Veremos a seguir mais detalhes sobre o funcionamento do processo descrito, ou seja, sobre as utuações decorrentes desses lançamentos. Lançamentos de moeda Considere um vetor E = (e 1, e 2,..., e n ) de tamanho n N +, cujos elementos e i correspondem ao resultado do lançamento de uma moeda, e podem assumir apenas os valores 1, se for cara, e -1, se for coroa. Suponha que p é a quantidade de elementos iguais a 1 e q a quantidade de elementos iguais a -1, p, q 0. Então, temos que: n = p + q (1) Para um inteiro k denimos S k como a soma dos k primeiros termos do vetor E. Em um plano geométrico, podemos interpretar cada observação e k como a inclinação de um segmento de reta que vai do ponto (k 1, S k 1 ) ao ponto (k, S k ). Assim, como S 0 = 0, S k S k 1 = ±1 = e k. Chamaremos de r a soma de todos os termos de E, ou seja S n = r. Obtemos que, pela denição de S n : r = p q (2) As n observações do vetor formam linhas poligonais que vão do ponto (0, 0) ao ponto (n, r). Ao longo de todos esses caminhos, para cada e k observação, o gráco tem vértice no ponto (k, S k ). Veja a Figura 1, onde n=9 e r=3.
3 Figura 1: Gráco de linhas Poligonais Como, para cada observação, só existem duas direções (ou resultados de moeda) possíveis, para n observações temos 2 n caminhos possíveis de tamanho n. Inicialmente, queremos contar o número de formas de um evento ocorrer. Suponha que queiramos saber de quantas formas se podem obter 6 caras e 3 coroas em 9 lançamentos de moeda. Nesse caso, nosso r seria r = p q = 3 e n = 9. Isso é o mesmo que perguntar quantos caminhos possíveis existem do ponto (0,0) ao ponto (9,3) no gráco. Ou ainda, de quantas formas conseguimos andar n espaços escolhendo p deles para serem subidas (observe que, analogamente, poderíamos também escolher q descidas entre os n passos). N n,r = ( ) n = p ( ) n q (3) Vale ressaltar que, a menos que n e r sejam da forma (1) e (2) não é possível atingir um determinado ponto (n, r), ou seja N n,r = 0. Por exemplo, se n = 3, não existe nenhum caminho tal que r = 0. Observe que o caminho da Figura 1 é apenas um dos 2 9 = 512 caminhos de tamanho n = 9 e um dos N 9,3 = 84 caminhos da origem ao ponto (9, 3). O que, no nosso exemplo de moedas, signica que em 9 lançamentos temos 512 distribuições possíveis de caras ou coroas, e 84 formas de sortear 6 caras e 3 coroas. Lema 1 (Princípio da Reexão). O número de caminhos de A até B que tocam ou cruzam o eixo t é igual ao número de caminhos que vão de A' até B. Demonstração: Seja (S a =α, S a+1,..., S b =β) um caminho de A até B que tenha um ou mais vértices, isto
4 é, escolha t de tal forma que S a >0,...,S t 1 >0, S t =0. Então, ( S a, S a 1,..., S t 1, S t = 0, S t+1, S t+2,..., S b ) é um caminho que vai de A' até B e que tem T=(t,0) como seu primeiro vértice no eixo t. Como as partes AT e A'T são reexões uma da outra segue-se que existe o mesmo número de caminhos de A e de A até T, logo o número de caminhos de caminhos que vão de A' a B e os caminhos que vão de A a B e que teêm um ou mais vértices no eixo t são iguais. E se estivéssemos interessados na primeira vez que o gráco volta à origem? Em um número 2v de passos temos que um primeiro retorno à origem ocorre se: (S 1 0, S 2 0,..., S 2v 1 0, S 2v = 0) Chamaremos a probabilidade de primeiro retorno à origem no momento 2v de f 2v, e deniremos f 0 = 0. Uma volta à origem em um momento 2n pode ou não ser o primeiro retorno. Se não for, signica que foi precedida por um primeiro retorno à origem em algum momento 2v tal que 2v < 2n. Considerando que um primeiro retorno à origem em 2v e um em 2k, v k, são eventos disjuntos, anal, não se pode ter um primeiro retorno à origem duas vezes. Podemos interpretar a probabilidade de voltar à origem em um momento 2v como a soma das probabilidade de todos os eventos em que houve uma primeira volta anterior a 2n passos, com um novo retorno no momento 2n 2k, e o caso em que 2n é, de fato, o primeiro retorno. u 2n = f 2 u 2n 2 + f 4 u 2n f 2n u 0 (4) A probabilidade de retorno à origem é de extrema importância para a teoria de utuações em passeios aleatórios, estando presente em quase todas as fórmulas, e a razão para isso se apresenta no seguinte lema: Teorema 1 (O Lema Principal). A probabilidade de que nenhum retorno à origem ocorra até o passo 2n (este incluso), é a mesma que a probabilidade de um retorno ocorrer no passo 2n. P {S 1 0,...S 2n 0} = P {S 2n = 0} = u 2n n > 0 Se para todo n, S 2n 0, signica que o gráco não corta o eixo das abcissas, assim ou todos os valores são positivos, ou todos são negativos. {S 1 0, S 2 0,..., S 2v 1 0, S 2v 0} = {S 1 > 0,..., S 2v > 0} U {S 1 < 0,..., S 2v < 0} Portanto, basta provar que:
5 P {S 1 > 0,...S 2n > 0} = 1 2 u 2n (5) Um resultado semelhante ao Lema Principal é: P {S 1 0,...S 2n 0} = u 2n (6) Um caminho de tamanho 2n cujos vértices estão sempre acima do eixo das abcissas passa obrigatoriamente pelo ponto (1, 1). A probabilidade de atingir esse ponto é 1 2. Se pensarmos nesse ponto como a nova origem de um caminho de tamanho 2n 1 onde o gráco está acima ou toca o eixo das abcissas, temos: 1 2 P {S 1 0,..., S 2n 1 0} = P {S 1 > 0,...S 2n > 0} = 1 2 u 2n (7) Primeiro retorno à origem Quando se trata do primeiro retorno à origem em 2n, notamos que o mesmo acontece quando o evento A = {S 1 0, S 2 0,..., S 2n 2 0} acontece e o evento B = {S 1 0, S 2 0,..., S 2n 0} NÃO acontece. Veja que A não faz qualquer restrição sobre S 2n podendo este ser igual ou diferente de zero quando A ocorre. B já é mais restritivo. Seja C = {S 1 0, S 2 0,..., S 2n = 0}, P(C) é a probabilidade de primeiro retorno à origem no passo 2n, que denotaremos por: f 2n = u 2n 2 u 2n (8) Resultados e discussão Intuitivamente, a maioria das pessoas pensa que num jogo prolongado de lançamento de moedas,cada um dos jogadores caria metade do tempo liderando, e que a liderança mudaria frequentemente de um para o outro. Mas como mostra o próximo teorema, isso não ocorre. Se calcularmos a probabilidade da última visita tem sido em k (em 2n ensaios) veremos que os pontos com maiores probabilidades são nas extremidades, ou seja que o passeio aleatório percorreu quase 2n passos, sem retornar a origem. Logo sem mudança de liderança. Teorema 2 (Lei dos Arcos senos para últimas equalizações). A probabilidade de que o último retorno à origem ocorra no momento 2k, em 2n passos, é: α 2n = u 2k u 2n 2k (9) Demonstração: : Conforme o Lema 1 da seção anterior, sabemos que: u 2k = P {S 2k = 0} = P {S 1 0,..., S 2n 0}
6 Podemos, portanto, interpretar a igualdade (9) da seguinte forma, mais intuitiva: u 2k u 2n 2k = P {S 2k = 0} P {S 1 0,..., S 2n 2k 0} Note que se garantirmos que S 2k = 0, podemos transladar o gráco que se inicia na origem para o ponto 2k sem mudança na probabilidade: P {S 1 0,..., S 2n 2k 0} = P {S 2k+1 0,..., S 2n 0/S 2k = 0} O último retorno à origem em 2k ocorre quando existe um retorno em 2k, e mais nenhum retorno nos próximos 2n 2k passos. α 2n = P {{S 2k = 0} {S 2k+1 0,..., S 2n 0}} Pelo resultado de probabilidade condicional: P {{S 2k = 0} {S 2k+1 0,..., S 2n 0}} = P {S 2k = 0} P {S 2k+1 0,..., S 2n 0/S 2k = 0} α 2n = u 2k u 2n 2k Figura 2: Exemplo de caminho com 2n passos, onde a última equalização acontece no momento 2k. Note que, nesse caso especíco, k=6 e n=15. Teorema 3 (Lei do arco seno para tempos de permanência). Para caminhos de tamanho 2n que partam da origem, a probabilidade de que 2k lados quem acima do eixo (ou seja, 2k passos positivos) e 2n 2k
7 abaixo dele, é de exatamente α 2k,2n. Teorema 4. A probabilidade de que, até o instante 2n + 1, ocorram exatamente r mudanças de sinal vale 2 P (S 2n+1 = 2r + 1), para r = 0, 1,, n. Uma consequência surpreendente do teorema acima é que a probabilidade de que, até o instante 2n + 1, ocorram exatamente r mudanças de sinal é uma função decrescente em r. Isso signica que, independente do número de lançamentos, o evento de que a liderança não mude nunca é mais provável do que qualquer número xo de trocas de liderança. Conclusão No presente trabalho analisamos a teoria de passeios aleatórios através de sua simples relação com os lançamentos de uma moeda honesta. Foi interessante notar que, com ferramentas básicas (como a análise combinatória, noções de probabilidade condicional, entre outras) pudemos chegar a conclusões que ajudam a explicar situações reais, mas que desaam por vezes o senso comum. Por exemplo, por que em um campeonato onde dois times se destacam e possuem características muito semelhantes (como bons jogadores, patrocínio, etc.), a liderança não passa com frequência de um time para o outro? Através dos conhecimentos fundamentais de probabilidade, derivamos também ferramentas simples e poderosas, como o Principio da Reexão, que nos permite provar resultados interessantes, como o seguinte: a probabilidade de que um empate ocorra em um determinado instante é igual à probabilidade de que nenhuma equalização ocorra até, inclusive, aquele mesmo momento. Isso quer dizer que num campeonato de futebol, por exemplo, caso estejamos interessados em avaliar a quantidade de vitórias dos dois times favoritos, obteremos a seguinte conclusão não intuitiva: a chance da quantidade de vitórias se igualar na décima rodada (ou em qualquer outra, na verdade) é igual a de que um desses dois times tenha se mantido invicto em relação ao outro, desde o início, até o m da rodada escolhida. Mas e quando um dos dois times passa à frente do outro, o que podemos armar sobre seu tempo de liderança a partir daquele momento? Alguns dos teoremas que provamos nos falam sobre isso. Temos, por exemplo, que a probabilidade de um time conquistar a liderança no início do jogo tem relação simétrica com a probabilidade de que o último empate ocorra ao nal. Isso quer dizer que se um dos favoritos assume a liderança na rodada 2 (instante n = 1), a probabilidade de que se mantenha invicto em relação ao outro até o m do campeonato (que termina com a rodada 2n), é a mesma de que suas vitórias se igualem no momento 2n 2 (duas rodadas antes do m), independentemente do que ocorreu ao longo da competição. Mais ainda, a última equalização tem probabilidade máxima de ocorrer nos extremos, diminui conforme se aproxima do meio, e volta a aumentar ao aproximar-se do nal. Isso nos dá uma noção sobre algo surpreendente: ao contrário da intuição, a liderança num jogo como o que propusemos não passa com tanta frequência de um indivíduo ao outro como poderíamos imaginar. De fato, temos como resultado que, se deveriam ocorrer r trocas de liderança em uma competição de duração 2n, devemos esperar apenas 2r dessas trocas para um jogo análogo, que possua o dobro de duração
8 (tamanho 4n). Para competições bastante longas, portanto, podemos visualizar claramente o efeito disso, que podemos chamar de tempos de liderança prolongada. Concluímos também que a probabilidade de um indivíduo car na liderança 2k instantes (não necessariamente consecutivos) dentre um total de 2n, é a mesma que a probabilidade do último empate entre os dois competidores ocorrer exatamente no instante 2k. Esse resultado, muito interessante por sinal, nos desaa. Ao mesmo tempo que não se consegue encontrar uma explicação para esse comportamento, também não é possível aceitá-lo como mera coincidência. Fica aí uma indicação de que ainda há trabalho a ser feito. Referências 1. Feller, W. Introdução à teoria das probabilidades e suas aplicações: Parte 1 - Espaços amostrais discretos. 1a Ed. São Paulo: Edgard Blücher, Ross, S. Probabilidade: Um curso moderno com aplicações. 8a Ed. Porto Alegre: Bookman, 2010.
COMPRIMENTO MÁXIMO ESPERADO PARA AS CADEIAS DE CARAS Carlos José Borge
COMPRIMENTO MÁXIMO ESPERADO PARA AS CADEIAS DE CARAS Carlos José Borge Gravitation Editora: R Dr Luiz Migliano, 761, Ap 54, bloco C, Cep: 05711-001, E-mail: cjborge@hotmailcom Resumo O comprimento máximo
Leia maisO valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV
O valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV Um conceito simples e útil mas que não é normalmente explorado no Ensino Básico no Brasil é o de valor esperado de
Leia maisUniversidade Federal de Goiás Instituto de Matemática e Estatística
Universidade Federal de Goiás Instituto de Matemática e Estatística Prova de Probabilidade Prof.: Fabiano F. T. dos Santos Goiânia, 31 de outubro de 014 Aluno: Nota: Descreva seu raciocínio e desenvolva
Leia maisO valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV
O valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV Um conceito simples e útil mas que não é normalmente explorado no Ensino Fundamental no Brasil é o de valor esperado
Leia maisMAT001 Cálculo Diferencial e Integral I
1 MAT001 Cálculo Diferencial e Integral I GEOMETRIA ANALÍTICA Coordenadas de pontos no plano cartesiano Distâncias entre pontos Sejam e dois pontos no plano cartesiano A distância entre e é dada pela expressão
Leia mais1.3 Outras definições de probabilidade
14 CHAPTER 1. INTRODUÇÃO 1.3 Outras definições de probabilidade Até agora definimos probabilidade de um evento segundo a definição clássica, supondo sempre resultados equiprováveis. Outros métodos de definir
Leia maisProbabilidade Condicional
18 Probabilidade Condicional Sumário 18.1 Introdução....................... 2 18.2 Probabilidade Condicional............... 2 1 Unidade 18 Introdução 18.1 Introdução Nessa unidade, é apresentada mais uma
Leia maisProbabilidade. Sumário Introdução Conceitos Básicos... 2
17 Sumário 17.1 Introdução....................... 2 17.2 Conceitos Básicos................... 2 1 Unidade 17 Introdução 17.1 Introdução Iniciamos, nesta unidade, o estudo de, cuja parte mais elementar
Leia maisSumário. 2 Índice Remissivo 12
i Sumário 1 Definições Básicas 1 1.1 Fundamentos de Probabilidade............................. 1 1.2 Noções de Probabilidade................................ 3 1.3 Espaços Amostrais Finitos...............................
Leia maisMétodos Estatísticos Básicos
Aula 6 - Introdução à probabilidade Departamento de Economia Universidade Federal de Pelotas (UFPel) Maio de 2014 Experimento Experimento aleatório (E ): é um experimento que pode ser repetido indenidamente
Leia maisUnidade III ESTATÍSTICA. Prof. Fernando Rodrigues
Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,
Leia mais3 NOÇÕES DE PROBABILIDADE
3 NOÇÕES DE PROILIDDE 3.1 Conjuntos Um conjunto pode ser considerado como uma coleção de objetos chamados elementos do conjunto. Em geral denota-se conjunto por letras maiúsculas,, C,... e a sua representação
Leia maisExperimento. Guia do professor. Jogo da trilha. Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia. Ministério da Educação
Análise de dados e probabilidade Guia do professor Experimento Jogo da trilha Objetivos da unidade 1. Discutir, através de um jogo, o conceito de probabilidade condicional; 2. Desenvolver a habilidade
Leia maisBIOESTATISTICA. Unidade IV - Probabilidades
BIOESTATISTICA Unidade IV - Probabilidades 0 PROBABILIDADE E DISTRIBUIÇÃO DE FREQUÊNCIAS COMO ESTIMATIVA DA PROBABILIDADE Noções de Probabilidade Após realizar a descrição dos eventos utilizando gráficos,
Leia maisProbabilidade combinatória
Capítulo 5 Probabilidade combinatória 51 Eventos e probabilidades A teoria da probabilidade é uma das áreas mais importantes da matemática do ponto de vista de aplicações Neste livro, não tentamos introduzir
Leia maisCÁLCULO I. Aula n o 02: Funções. Determinar o domínio, imagem e o gráco de uma função; Reconhecer funções pares, ímpares, crescentes e decrescentes;
CÁLCULO I Prof. Edilson Neri Júnior Prof. André Almeida Aula n o 02: Funções Objetivos da Aula Denir e reconhecer funções; Determinar o domínio, imagem e o gráco de uma função; Reconhecer funções pares,
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisMaterial Teórico - Probabilidade Miscelânea de Exercícios. Cálculo de probabilidades - Parte 1. Segundo Ano do Ensino Médio
Material Teórico - Probabilidade Miscelânea de Exercícios Cálculo de probabilidades - Parte Segundo Ano do Ensino Médio Autor: Prof. Fabrício Siqueira Benevides Revisor: Prof. Antonio Caminha M. Neto 8
Leia maisUMA PITADA DE PASSEIOS ALEATÓRIOS
UMA PITADA DE PASSEIOS ALEATÓRIOS RENATO JACOB GAVA 1. Introdução Suponha que um jogador entre num cassino com 0 reais em dinheiro para apostar. Assuma que ele participe de um jogo que consiste de apostas
Leia maisProbabilidades. Departamento de Matemática Escola Superior de Tecnologia de Viseu. Gestão de Empresas Contabilidade e Administração
Probabilidades Departamento de Matemática Escola Superior de Tecnologia de Viseu Gestão de Empresas Contabilidade e Administração Introdução Ao comprar acções, um investidor sabe que o ganho que vai obter
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia maisNÍVEL 3 - Prova da 2ª fase - Soluções
NÍVEL 3 - Prova da ª fase - Soluções QUESTÃO 1 (a) Se o Dodó colocar um número x no visor e apertar, aparece o valor x 3 4 3 5 de f ( x) =. Logo, para x = 4, o valor que vai aparecer é f (4) = = =,5. x
Leia maisPontos extremos, vértices e soluções básicas viáveis
Pontos extremos, vértices e soluções básicas viáveis Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta
Leia maisAULA 5 - Independência, Combinatória e
AULA 5 - Independência, Combinatória e permutações Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Independência Um importante caso particular da probabilidade condicional surge quando a ocorrˆncia
Leia maisMaterial Teórico - Módulo Probabilidade Condicional. Probabilidade Condicional - Parte 1. Segundo Ano do Ensino Médio
Material Teórico - Módulo Probabilidade Condicional Probabilidade Condicional - Parte 1 Segundo Ano do Ensino Médio Autor: Prof. Fabrício Siqueira Benevides Revisor: Prof. Antonio Caminha M. Neto 1 Probabilidade
Leia maisUNIVERSIDADE FEDERAL DO PARÁ BIBLIOTECA DE OBJETOS MATEMÁTICOS
UNIVERSIDADE FEDERAL DO PARÁ BIBLIOTECA DE OBJETOS MATEMÁTICOS - TEXTO: Torre de Hanói e Triângulo de Sierpinski AUTOR: Mayara Brito (estagiária da BOM) André Brito (estagiário da BOM) ORIENTADOR: Prof.
Leia maisMaterial Teórico - Sistemas Lineares e Geometria Anaĺıtica. Sistemas com três variáveis - Parte 1. Terceiro Ano do Ensino Médio
Material Teórico - Sistemas Lineares e Geometria Anaĺıtica Sistemas com três variáveis - Parte 1 Terceiro Ano do Ensino Médio Autor: Prof Fabrício Siqueira Benevides Revisor: Prof Antonio Caminha M Neto
Leia maisProcessos Estocásticos
Processos Estocásticos Primeira Lista de Exercícios de junho de 0 Quantos códigos de quatro letras podem ser construídos usando-se as letras a, b, c, d, e, f se: a nenhuma letra puder ser repetida? b qualquer
Leia maisDaniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS
Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é
Leia maisXXXVII OLIMPÍADA PAULISTA DE MATEMÁTICA Prova da Primeira Fase 9 de agosto de 2014 Nível (6º e 7º anos do Ensino Fundamental)
XXXVII OLIMPÍADA PAULISTA DE MATEMÁTICA Prova da Primeira Fase 9 de agosto de 2014 Nível (6º e 7º anos do Ensino Fundamental) Resoluções www.opm.mat.br PROBLEMA 1 a) O total de segundos destinados à visualização
Leia maisVARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos
Leia maisCiclo 3 Encontro 2 PROBABILIDADE. Nível 3 PO: Márcio Reis 11º Programa de Iniciação Científica Jr.
1 Ciclo 3 Encontro 2 PROBABILIDADE Nível 3 PO: Márcio Reis 11º Programa de Iniciação Científica Jr. Probabilidade 2 Texto: Módulo Introdução à Probabilidade O que é probabilidade? parte 1 de Fabrício Siqueira
Leia maisRepresentação decimal dos números racionais
Representação decimal dos números racionais Alexandre Kirilov Elen Messias Linck 21 de março de 2018 1 Introdução Um número é racional se puder ser escrito na forma a/b, com a e b inteiros e b 0; esta
Leia maisDistribuições Bernoulli, Binomial e Poisson
Distribuições Bernoulli, Binomial e Poisson Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 06 de junho de 2018 Londrina 1 / 18 Nos experimentos de Bernoulli,
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisPROBABILIDADE. ENEM 2016 Prof. Marcela Naves
PROBABILIDADE ENEM 2016 Prof. Marcela Naves PROBABILIDADE NO ENEM As questões de probabilidade no Enem podem cobrar conceitos relacionados com probabilidade condicional e probabilidade de eventos simultâneos.
Leia maisI. Variáveis Aleatórias
I. Variáveis Aleatórias Raciocínio Lógico e Estatística Olá, Pessoal! Tudo em paz? Como vão os estudos? Segue um pequeno artigo introdutório sobre Variáveis Aleatórias. I.1 Conceito Bem, se você ler a
Leia maisTeoria da Probabilidade
Teoria da Probabilidade Luis Henrique Assumpção Lolis 14 de fevereiro de 2014 Luis Henrique Assumpção Lolis Teoria da Probabilidade 1 Conteúdo 1 O Experimento Aleatório 2 Espaço de amostras 3 Álgebra dos
Leia maisMOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições
Motivação: MOQ-2: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS VA s e Distribuições Definimos anteriormente Espaço de Probabilidades como sendo a tripla (W,, P(.)), em que, dado um eperimento, W representa
Leia maisEstatística: Probabilidade e Distribuições
Estatística: Probabilidade e Distribuições Disciplina de Estatística 2012/2 Curso: Tecnólogo em Gestão Ambiental Profª. Ms. Valéria Espíndola Lessa 1 Aula de Hoje 23/11/2012 Estudo da Probabilidade Distribuição
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia maisUNIVERSIDADE FEDERAL DO PARÁ CÁLCULO II - PROJETO NEWTON AULA 03. Palavras-chaves: Vetores, norma, produto escalar, produto interno.
Assunto: Vetores, Norma e Produto escalar UNIVERSIDADE FEDERAL DO PARÁ CÁLCULO II - PROJETO NEWTON AULA 03 Palavras-chaves: Vetores, norma, produto escalar, produto interno. Vetores Segmento orientado
Leia maisJ. Delgado - K. Frensel - L. Crissaff Geometria Analítica e Cálculo Vetorial
178 Capítulo 10 Equação da reta e do plano no espaço 1. Equações paramétricas da reta no espaço Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que
Leia maisProduto interno e produto vetorial no espaço
14 Produto interno e produto vetorial no espaço Sumário 14.1 Produto interno.................... 14. Produto vetorial.................... 5 14..1 Interpretação geométrica da norma do produto vetorial.......................
Leia maisNote que este funcional gerador agora tem sempre potências ímpares de J, de forma que as funções de n pontos serão nulas para n par:
Teoria Quântica de Campos I 98 de onde fica claro que a lógica por trás do Teorema de Wick (conectar os pontos externos de todas as formas possíveis) aqui é implementada pela regra do produto da derivada.
Leia maisPROBABILIDADE. Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti PROBABILIDADE Dizemos que a probabilidade é uma medida da quantidade de incerteza que existe em um determinado experimento.
Leia maisFunções contínuas em intervalos
8 Funções contínuas em intervalos Sumário 8.1 Introdução....................... 2 8.2 O Teorema do Valor Intermediário.......... 5 8.3 Aplicações do Teorema do Valor Intermediário... 5 8.4 O Teorema do
Leia maisMAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição
Leia mais2 Conceitos Básicos de Probabilidade
CE003 1 1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento de técnicas estatísticas
Leia maisGeometria Analítica. Cleide Martins. Turmas E1 e E3. DMat - UFPE Cleide Martins (DMat - UFPE ) VETORES Turmas E1 e E3 1 / 22
Geometria Analítica Cleide Martins DMat - UFPE - 2017.1 Turmas E1 e E3 Cleide Martins (DMat - UFPE - 2017.1) VETORES Turmas E1 e E3 1 / 22 Objetivos 1 Entender a denição de VETOR 2 Aprender a somar dois
Leia maisProbabilidades. Carla Henriques e Nuno Bastos. Eng. do Ambiente. Departamento de Matemática Escola Superior de Tecnologia de Viseu
Probabilidades Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Eng. do Ambiente Introdução Ao comprar acções, um investidor sabe que o ganho que vai obter
Leia maisAULA 16 - Distribuição de Poisson e Geométrica
AULA 16 - Distribuição de Poisson e Geométrica Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuição de Poisson Em muitas situações nos deparamos com a situação em que o número de ensaios
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
Leia maisTermo-Estatística (2013) 2ª Aula. Prof. Alvaro Vannucci
Termo-Estatística (2013) 2ª Aula Prof. Alvaro Vannucci Na Mecânica Estatística, será muito útil a utilização dos conceitos básicos de Análise Combinatória e Probabilidade. Por ex., uma garota vai sair
Leia maisProbabilidades. Palavras como
Probabilidades Departamento de Matemática Escola Superior de Tecnologia de Viseu Engenharia e Gestão Industrial 1 Introdução Palavras como provável probabilidade acaso sorte pertencem ao vocabulário corrente
Leia maisDISTRIBUIÇÕES BERNOULLI E BINOMIAL
DISTRIBUIÇÕES BERNOULLI E BINOMIAL Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de junho de 2017 Distribuição Bernoulli Nos experimentos
Leia maisProbabilidade e Estatística
Plano de Curso Probabilidade e Estatística UAEst/CCT/UFCG Ementa Fenômeno aleatório versus fenômeno determinístico. Espaço amostral e eventos. Introdução à teoria das probabilidades. Abordagem axiomática
Leia maisDISTRIBUIÇÕES BERNOULLI, BINOMIAL E POISSON
DISTRIBUIÇÕES BERNOULLI, BINOMIAL E POISSON http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 05 de julho de 2017 Distribuição Bernoulli Exemplo Nos experimentos de Bernoulli, o espaço
Leia maisMaterial Teórico - Módulo de Função Exponencial. Primeiro Ano - Médio. Autor: Prof. Angelo Papa Neto Revisor: Prof. Antonio Caminha M.
Material Teórico - Módulo de Função Exponencial Gráfico da Função Exponencial Primeiro Ano - Médio Autor: Prof. Angelo Papa Neto Revisor: Prof. Antonio Caminha M. Neto 0 de dezembro de 018 1 Funções convexas
Leia maisObjetivos. em termos de produtos internos de vetores.
Aula 5 Produto interno - Aplicações MÓDULO 1 - AULA 5 Objetivos Calcular áreas de paralelogramos e triângulos. Calcular a distância de um ponto a uma reta e entre duas retas. Determinar as bissetrizes
Leia maisDistribuições Bernoulli e Binomial
Distribuições Bernoulli e Binomial Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 04 de junho de 2018 Londrina 1 / 12 Distribuição Bernoulli Nos experimentos
Leia maisINTRODUÇÃO À PROBABILIDADE
INTRODUÇÃO À PROBABILIDADE Foto extraída em http://www.alea.pt Profª Maria Eliane Universidade Estadual de Santa Cruz USO DE PROBABILIDADES EM SITUAÇÕES DO COTIDIANO Escolhas pessoais Previsão do tempo
Leia maisProbabilidades. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Probabilidades Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 06/03/2018 WB, EK, FM ( LEG/DEST/UFPR
Leia maisPosição relativa entre retas e círculos e distâncias
4 Posição relativa entre retas e círculos e distâncias Sumário 4.1 Distância de um ponto a uma reta.......... 2 4.2 Posição relativa de uma reta e um círculo no plano 4 4.3 Distância entre duas retas no
Leia maisFísica do Calor - 23ª Aula. Prof. Alvaro Vannucci
Física do Calor - 23ª Aula Prof. Alvaro Vannucci Na última aula vimos exemplos de como efetuar a Permutação de um conjunto de n elementos envolvendo p situações (p estados) possíveis. Por exemplo, como
Leia maisUma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
Leia maisn! = n (n 1) (n 2) 1.
Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso - IFMT Campus Várzea Grande Aula - Análise Combinatória e Probabilidade Prof. Emerson Dutra E-mail: emerson.dutra@vgd.ifmt.edu.br Página
Leia maisUnidade IV ESTATÍSTICA. Prof. Fernando Rodrigues
Unidade IV ESTATÍSTICA Prof. Fernando Rodrigues Análise combinatória Analise combinatória é a área da Matemática que trata dos problemas de contagem. Ela é utilizada para contarmos o número de eventos
Leia maisCinemática Bidimensional
Cinemática Bidimensional INTRODUÇÃO Após estudar cinemática unidimensional, vamos dar uma perspectiva mais vetorial a tudo isso que a gente viu, abrangendo mais de uma dimensão. Vamos ver algumas aplicações
Leia maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 2 07 e 08 março MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 2 07 e 08 março 2007 1 1. Probabilidade Condicional 2. Propriedades 3. Partições 4. Teorema de Probabilidade Total 5. Teorema de Bayes 6. Independencia
Leia maisXX OLIMPÍADA DE MATEMÁTICA DO ESTADO DO RIO GRANDE DO NORTE - Em 19/09/2009
XX OLIMPÍADA DE MATEMÁTICA DO ESTADO DO RIO GRANDE DO NORTE - Em 19/09/2009 PROVA DA SEGUNDA ETAPA NÍVEL I (Estudantes da 6 a e 7 a Séries) Problema 1 A expressão E, a seguir, é o produto de 20 números:
Leia maisResumo. Parte 2 Introdução à Teoria da Probabilidade. Ramiro Brito Willmersdorf Introdução.
Parte 2 Introdução à Teoria da Probabilidade Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Introdução 2 Espaço
Leia maisEspaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
Leia maisNoções sobre Probabilidade
Noções sobre Probabilidade Introdução Vimos anteriormente como apresentar dados em tabelas e gráficos, e também como calcular medidas que descrevem características específicas destes dados. Mas além de
Leia maisMaterial Teórico - Módulo Introdução à Probabilidade. Ferramentas básicas. Segundo Ano do Ensino Médio
Material Teórico - Módulo Introdução à Probabilidade Ferramentas básicas Segundo Ano do Ensino Médio Autor: Prof. Fabrício Siqueira Benevides Revisor: Prof. Antonio Caminha M. Neto 1 Solução do Problema
Leia maisDepartamento de Matemática - ICEx - UFMG Marcelo Terra Cunha. Integrais Triplas
Cálculo III Departamento de Matemática - ICEx - UFMG Marcelo erra Cunha Integrais riplas Nas primeiras aulas discutimos integrais duplas em vária regiões. Seja motivado pelas aplicações, seja apenas pelo
Leia maisTeoria das Probabilidades
Teoria das Prof. Eduardo Bezerra (CEFET/RJ) 23 de fevereiro de 2018 Eduardo Bezerra (CEFET/RJ) Teoria das 2018.1 1 / 54 Roteiro Experimento aleatório, espaço amostral, evento 1 Experimento aleatório, espaço
Leia maisPROF. DANILO MATERIAL COMPLEMENTAR TURMA ENG/TOP 11/03/2016 FOLHA 04 Após esta aula, a lista "Equações Horárias"pode ser feita por completo.
PROF. DANILO MATERIAL COMPLEMENTAR TURMA ENG/TOP 11/03/016 FOLHA 04 Após esta aula, a lista "Equações Horárias"pode ser feita por completo. Um corpo move ao longo de uma reta obedecendo a função horária
Leia maisDerivadas 1 DEFINIÇÃO. A derivada é a inclinação da reta tangente a um ponto de uma determinada curva, essa reta é obtida a partir de um limite.
Derivadas 1 DEFINIÇÃO A partir das noções de limite, é possível chegarmos a uma definição importantíssima para o Cálculo, esta é a derivada. Por definição: A derivada é a inclinação da reta tangente a
Leia maisOPRM a Fase Nível 3 01/09/18 Duração: 4 horas
1. Considere os números de Fibonacci: 1, 1, 2, 3, 5, 8, 13, 21,..., onde cada termo na sequência é a soma dos dois termos anteriores. O ano mais próximo de 2018 que é número de Fibonacci foi o ano de 1597.
Leia maisRegras de Feynman no espaço das posições
em termos de diagramas (note que os fatores de simetria também já saíram certos): Teoria Quântica de Campos I 115 Regras de Feynman no espaço das posições Primeiramente vamos re-escrever o teorema de Wick
Leia maisAV3 - MA p k = C 40,k 3 UMA SOLUÇÃO 40! 40! 3 3 > k 2
AV - MA 2-202 Questão. Uma moeda, com probabilidade de dar cara, é lançada 40 vezes. (a) Explique por que a probabilidade p k de se obter k caras nos 40 lançamentos é dada por para k = 0,, 2,..., 40. p
Leia maisPROBABILIDADE. Luciana Santos da Silva Martino. PROFMAT - Colégio Pedro II. 01 de julho de 2017
Sumário PROBABILIDADE Luciana Santos da Silva Martino PROFMAT - Colégio Pedro II 01 de julho de 2017 Sumário 1 Conceitos Básicos 2 Probabildade Condicional 3 Espaço Amostral Infinito Outline 1 Conceitos
Leia maisUniversidade Federal de Goiás Instituto de Matemática e Estatística
Universidade Federal de Goiás Instituto de Matemática e Estatística Prova 1 de Probabilidade I Prof.: Fabiano F. T. dos Santos Goiânia, 15 de setembro de 2014 Aluno: Nota: Descreva seu raciocínio e desenvolva
Leia maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE ? CARA? OU? COROA? 2 ? Qual será o rendimento da Caderneta de Poupança até o final deste ano??? E qual será a taxa de inflação acumulada em 2011???? Quem será o próximo prefeito
Leia maisPROF. ARTHUR LIMA ESTRATÉGIA CONCURSOS
PROF. ARTHUR LIMA ESTRATÉGIA CONCURSOS FCC ISS/SÃO LUIS 2018) A rotina de treinamento de um maratonista é composta de ciclos consecutivos de cinco dias. Nos três primeiros dias, ele realiza treinos diversificados,
Leia maisInferência Estatística: Conceitos Básicos I
Inferência Estatística: Conceitos Básicos I Introdução, Medidas de Tendência Central, Medidas de Variabilidade, Distribuições de Frequência e Probabilidade Flávia F. Feitosa BH1350 Métodos e Técnicas de
Leia maisAula 10 Variáveis aleatórias discretas
AULA 0 Aula 0 Variáveis aleatórias discretas Nesta aula você aprenderá um conceito muito importante da teoria de probabilidade: o conceito de variável aleatória. Você verá que as variáveis aleatórias e
Leia maisMaterial Teórico - Módulo Cônicas. Hipérboles. Terceiro Ano do Ensino Médio
Material Teórico - Módulo Cônicas Hipérboles Terceiro Ano do Ensino Médio Autor: Prof. Fabrício Siqueira Benevides Revisor: Prof. Antonio Caminha M. Neto 1 Introdução Já vimos que as hipérboles são as
Leia maisTeorema de Green Curvas Simples Fechadas e Integral de
Cálculo III Departamento de Matemática - ICEx - UFMG Marcelo Terra Cunha Teorema de Green Agora chegamos a mais um teorema da família do Teorema Fundamental do Cálculo, mas dessa vez envolvendo integral
Leia maisAula 4. NOÇÕES DE PROBABILIDADE
Aula 4. NOÇÕES DE PROBABILIDADE ? CARA? OU? COROA? ? Qual será o rendimento da Caderneta de Poupança até o final deste ano??? E qual será a taxa de inflação acumulada em 013???? Quem será o próximo prefeito
Leia maisCÁLCULO I. 1 Funções. Objetivos da Aula. Aula n o 01: Funções. Denir função e conhecer os seus elementos; Reconhecer o gráco de uma função;
CÁLCULO I Prof. Edilson Neri Júnior Prof. André Almeida Aula n o 01: Funções. Objetivos da Aula Denir função e conhecer os seus elementos; Reconhecer o gráco de uma função; Denir funções compostas e inversas.
Leia maisSumário. 2 Índice Remissivo 9
i Sumário 1 Teoria dos Conjuntos e Contagem 1 1.1 Teoria dos Conjuntos.................................. 1 1.1.1 Comparação entre conjuntos.......................... 2 1.1.2 União de conjuntos...............................
Leia maisEstratégias vencedoras para o jogo Slither
Estratégias vencedoras para o jogo Slither Marcelo da Silva Reis 1 1 Instituto de Matemática e Estatística, Universidade de São Paulo. marcelo.reis@gmail.com 11 de agosto de 009 Este artigo apresenta estratégias
Leia maisEquações da reta no plano
3 Equações da reta no plano Sumário 3.1 Introdução....................... 2 3.2 Equação paramétrica da reta............. 2 3.3 Equação cartesiana da reta.............. 7 3.4 Equação am ou reduzida da reta..........
Leia maisTeoria das probabilidades
Teoria das probabilidades Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de abril de 2018 Londrina 1 / 22 Conceitos probabiĺısticos são necessários para se
Leia maisPUC-Rio Desafio em Matemática 1 de outubro de 2017
PUC-Rio Desafio em Matemática 1 de outubro de 017 Nome: GABARITO Assinatura: Inscrição: Identidade: Questão Valor Nota Revisão 1 1,5 1,5 3 1,5 4 1,5 5,0 6,0 Nota final 10,0 Instruções Mantenha seu celular
Leia maisMatemática E Intensivo V. 2
Matemática E Intensivo V. Exercícios 0) a) b) c) 8 8 8 a) 8 = =!! C = = ( 8 )!!!! b) 0 0 0 0 = =!! C = = ( 0 )!! 8!! n 0 n n c) Cn 0 = =!! = = ( n 0)! 0! n! 0) 0x O terceiro termo é dado por: T r + = n
Leia maisConsidere uma probabilidade P definida em um espaço amostral Ω. Dois eventos A e B são independentes se
Independência Considere uma probabilidade P definida em um espaço amostral Ω. Dois eventos A e B são independentes se P(A B) = P(A)P(B). Independência é o oposto de mutuamente exclusivos (disjuntos)! Os
Leia maisFabio Augusto Camargo
Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Matemática Introdução à Topologia Autor: Fabio Augusto Camargo Orientador: Prof. Dr. Márcio de Jesus Soares
Leia mais