Processos de ramificação e o grafo de Erdös Rényi
|
|
- Milena Brás
- 5 Há anos
- Visualizações:
Transcrição
1 Processos de ramificação e o grafo de Erdös Rényi 1 de Abril de Básico de processos de ramificação Seja P uma distribuição de probabilidade sobre N := {0, 1, 2, 3,... } com primeiro momento finito. Recorde a notação N que usamos para o conjunto de todas as sequências finitas de naturais, com simbolizando a sequência vazia. O processo de Galton Watson GW (P) é definido a partir de uma sequência iid {N a } a N com lei P através da seguinte regra: sempre nasce; a N nasce se e somente se a = bk com b N nascido e k < N b. O comprimento a de a N é o número de elementos em a. Chamamos de F 0 := {0, Ω} e de F n := σ{n b : b N, b n 1}. Exercício 1 Mostre que o evento {a nasce} está em F a. Defina G n como sendo o número de indivíduos da geração n que nascem: G n := {a N : a = n, a nasce}. Defina ainda µ := k N k P(k) = E [N ] e suponha µ < +. Exercício 2 Deduza do primeiro exercício que cada G n é F n -mensurável. Exercício 3 (Para entregar) Prove que {G n } n N é uma cadeia de Markov homogênea no tempo e calcule suas probabilidades de transição em termos de P. 1
2 Exercício 4 (Para entregar) Suponha que P(0) > 0. Prove que: ( ) P G n = + = P ( n N : G n > 0) = P (G n + ). n N Dito de outro modo: com probabilidade 1, o processo só tem infinitos nascimentos se nunca acaba, o que ocorre se a população na n-ésima geração explode. Exercício 5 Neste exercício µ > 1, ou seja, temos um processo supercrítico. Prove que existem constantes C, c > 1 e um k 0 N tais que Deduza que k k 0 : P (G n c k G n 1 = k) 1 C k. P ( n N, G n > 0) P ( n N G n+1 c G n ) > 0. Exercício 6 (Para entregar) Uma outra abordagem para estudar o processo de ramificação é via funções geratrizes. Dado z C com z 1, defina: F (z) := k N P(k) z k. Mostre que esta série converge absolutamente e que p := P ( n N : G n > 0) é ponto fixo da função F. Deduza uma fórmula implícita para p no caso em que P = Po(λ) é Poisson com média λ. 2 Busca em profundidade, passeios aleatórios e processos de ramificação Aqui vemos uma definição do processo de busca em profundidade na árvore de Galton Watson. A definição que usamos é a seguinte. Começamos com E 0 = e A 0 = ( ). Para cada t N, definidos E i, A i para i t, fazemos: 1. Se A t =, E t+1 = E t e A t+1 =. 2. Se A t = (a 1,..., a r ), ordenamos os filhos f 1,..., f Nar de a r em ordem lexicográfica reversa e fazemos: E t+1 = E t {a r }; A t+1 = (a 1,..., a r 1, f 1,..., f Nar ). 2
3 Observe que E t E t+1 sempre. Exercício 7 (Para entregar) Considere subconjuntos E 0 E t N. Prove que, condicionalmente a E 0 = E 0,..., E t = E t e aos valores de N b para b E t a distribuição de {N a } a N \E t é a mesmo produto de P que era no início do processo. Mostre ainda que A t é função determinística de E 0,..., E t e {N a } a Et. Deduza que, se A t para esta escolha de E 0,..., E t e {N a } a Et, então, chamando de r t o último elemento de r t : ( P N rt = k t i=0{e i = E i } ) b Et {N b = n b } = P(k) para qualquer escolha dos n b s e E i s. Exercício 8 (Para entregar) Seja {D j } j N uma sequência iid com D 1 = d N 1 (ou seja, X = d P). Defina τ como o menor valor de t para o qual t j=1 D j 1 (τ = + se a soma é sempre maior que 1). Prove que: { A t } t N = d t τ 1 + j=1 D j t N Prove ainda que, se T = n G n é a população total do processo, então T = d τ. Exercício 9 Suponha agora que P(0) = P(2) = 1/2. Isto corresponde a um processo de ramificação crítico, isto é, com µ = 1. Dê uma fórmula combinatorial para P (T = t) usando a correspondência com passeios aleatórios. Use isto para obter a estimativa P (T t) 1/ t para t grande. [Kolmogorov mostrou que isto vale em geral se P tem pelo menos dois momentos.] 3 Distância de variação total e acoplamentos Nesta seção Po(λ) é a distribuição Poisson com média λ > 0. Be(p) é a distribuição Bernoulli que põe massa p em 1 e 1 p em 0. d tv é a distância de variação total sobre medidas de probabilidade em N, que tem várias formas possíveis.. 3
4 d tv (µ, ν) := sup A N µ(a) ν(a) = k N(µ(k) ν(k)) + = 1 2 µ(k) ν(k). k N Às vezes falaremos também de d tv sobre outros espaços. Exercício 10 Fixe λ, η > 0. Até o último item do problema, suporemos também que λ > η. Seja {I i } + i=1 uma sequência iid com I 1 = d Be(η/λ). Considere uma variável aleatória P = d Po(λ) independente das I i s. 1. Prove que P := P i=1 I i = d Po(η). 2. Mostre que P P = P i=1 (1 I i) 0 e que E [P P ] = λ η. 3. Estime P (P P ) via a desigualdade de Markov e use este valor para mostrar que d tv (Po(λ), Po(η)) λ η. 4. Deduza que d tv (Po(λ), Po(η)) λ η para quaisquer λ, η > 0. Exercício 11 Tome 0 p 1. Mostre que Po(p)(k) Be(p)(k) se e somente se k = 1. Use isto para deduzir que: d tv (Po(p), Be(p)) = p (1 e p ) p 2. Exercício 12 Prove que, se µ n e ν n são medidas produto sobre N n, então d tv (µ n, ν n ) n d tv (µ, ν). Exercício 13 Sejam P n, Q n as distribuições de dois vetores aleatórios X = (X i ) n i=1, Y = (Y j) n j=1 Nn. Sejam P, Q as distribuições de S X := n i=1 X i e S Y := sup n i=1 Y i (respectivamente). Prove que: d tv ( P, Q) d tv (P n, Q n ). Exercício 14 Combine os fatos acima para provar que: n N, p [0, 1], c [0, + ) : d tv (Po(c), Bin(n, p)) p 2 n + c pn. 4
5 4 O grafo aleatório G(n, p) Nesta seção suporemos que p = c/n com 0 < c < + fixo e n +. Lembre-se que neste modelo cada par não ordenado u, v [n] tem probabilidade p de estar conectado por uma aresta (uṽ). Além disto, supomos que estes eventos são todos independentes. Isto significa que as variáveis: ( ) [n] I uv := I [u v], {u, v} 2 são iid Be p. A busca em profundidade neste grafo é feita de forma ligeiramente diferente do que vimos antes. Dado v [n], queremos descobrir quem é a componente conexa C(v) de v no grafo G(n, p). Começamos neste caso com E 0 = e A 0 = (v). Para cada t N, definidos E i, A i para i t, fazemos: 1. Se A t =, E t+1 = E t e A t+1 =. 2. Se A t = (a 1,..., a r ), definimos {f 1 > f 2 > > f k } := {w [n]\(e t A t ) : I war = 1} e fazemos E t+1 = E t {a r }; A t+1 = (a 1,..., a r 1, f 1,..., f k ). Exercício 15 Prove que E t = C(v) para todo t n. De fato, se t é tal que A t =, então E t = C(v) Exercício 16 (Para entregar) Para cada t N e par {u, v} ( ) [n] 2, defina: { Juv t Iuv, se u E := t ou v E t? se não. Mostre que A i e E i, i t, são funções determinísticas do vetor (J t uv) uv ( [n] 2 ). (Intuitivamente, J t uv =? significa que o valor de I uv não foi consultado até o tempo t. Exercício 17 (Para entregar) Considere um evento da forma: A := {Juv t = a uv } uv ( [n] 2 ) 5
6 onde cada a uv {0, 1,?}. Considere agora um evento da forma: B := uv ( [n] 2 ) : a uv=? {I uv = b uv } com cada b uv {0, 1}. Prove que A e B são independentes. Exercício 18 Chame t := A t+1 A t 1. de l t = 1 + t 1 i=0 i. Prove que, condicionalmente a ( i ) i t, e t 1 t + 1 = d δ 0 no evento {1 + i = 0} i=0 t 1 t + 1 = d Bin(n t l t, p) se 1 + i > 0. Deduza um análogo do Exercício 8 para este caso. Exercício 19 Exercícios 11.1 e 11.3 do Grimmett. i=0 6
Instituto de Matemática Pura e Aplicada. Gabriel Gomes Figueiredo
Instituto de Matemática Pura e Aplicada Gabriel Gomes Figueiredo Grafos Aleatórios de Erdös-Rényi Rio de Janeiro Novembro de 2015 Grafos Aleatórios de Erdös-Rényi Resumo Nesse trabalho vamos estudar as
Leia maisPROVA 2 DE MATEMÁTICA DISCRETA 2O. SEMESTRE DE 2008
PROVA 2 DE MATEMÁTICA DISCRETA 2O SEMESTRE DE 2008 Instruções: 1 As soluções a serem entregues devem ser elaboradas individualmente Entretanto, você pode discutir os problemas com colegas e professores
Leia maisDistribuies de Probabilidade
Distribuies de Probabilidade Roberto Imbuzeiro M. F. de Oliveira 23 de Março de 2009 Resumo Exerçícios sobre as distribuições de v.a. s. 1 Toda variável aleatória real é uniforme Seja X : Ω R com função
Leia maisEspaço amostral Ω: Conjunto enumerável de todos os possíveis resultados de um experimento aleatório. um evento elementar. E = E[X j ] X j.
Universidade Tecnológica Federal do Paraná Professor Murilo V G da Silva Notas de aula Algoritmos Avançados I (Aula 04 Conteúdos da aula: [CLR09: cap 7 e 9][MIE05 4, 5] Vamos estudar nesta aula três algoritmos
Leia maisContinuidade de processos gaussianos
Continuidade de processos gaussianos Roberto Imbuzeiro Oliveira April, 008 Abstract 1 Intrudução Suponha que T é um certo conjunto de índices e c : T T R é uma função dada. Pergunta 1. Existe uma coleção
Leia maisConvergência, séries de potência e funções analíticas
Convergência, séries de potência e funções analíticas Roberto Imbuzeiro Oliveira March 13, 2015 1 Algumas palavras sobre convergência em C Tudo o que descreveremos aqui é análogo ao que se define e prova
Leia maisTeoremas de uma, duas e três séries de Kolmogorov
Teoremas de uma, duas e três séries de Kolmogorov 13 de Maio de 013 1 Introdução Nestas notas Z 1, Z, Z 3,... é uma sequência de variáveis aleatórias independentes. Buscaremos determinar condições sob
Leia maisReviso de Teoria da Medida e Elementos Bsicos de Probabilidade
Reviso de Teoria da Medida e Elementos Bsicos de Probabilidade Roberto Imbuzeiro Oliveira 9 de Março de 2009 Resumo Esta lista cobre o básico do básico sobre espaços e distribuições de probabilidade. Pouco
Leia maisProbabilidade IV. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período
Probabilidade IV Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.2 Ulisses Umbelino (DE-UFPB) Probabilidade IV Período 2014.2 1 / 20 Sumário 1 Apresentação
Leia maisConvergência, séries de potência e funções analíticas
Convergência, séries de potência e funções analíticas Roberto Imbuzeiro Oliveira March 16, 2011 1 Algumas palavras sobre convergência em C Tudo o que descreveremos aqui é análogo ao que se define e prova
Leia maisSéries de Laurent e Teoremas de Cauchy
Séries de Laurent e Teoremas de Cauchy Roberto Imbuzeiro Oliveira 3 de Abril de 20 A maior parte destas notas tem como refererência o livro de David Ullrich, Complex Made Simple. Preliminares sobre séries
Leia maisUFPR - Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Matemática MA12 - Matemática Discreta - PROFMAT Prof.
UFPR - Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Matemática MA - Matemática Discreta - PROFMAT Prof. Zeca Eidam Lista Números Naturais e o Princípio de Indução. Prove que
Leia maisSequências e Séries Infinitas. Copyright Cengage Learning. Todos os direitos reservados.
11 Sequências e Séries Infinitas Copyright Cengage Learning. Todos os direitos reservados. 11.3 O Teste da Integral e Estimativas de Somas Copyright Cengage Learning. Todos os direitos reservados. O Teste
Leia mais3 O Teorema de Ramsey
3 O Teorema de Ramsey Nesse capítulo enunciamos versões finitas e a versão infinita do Teorema de Ramsey, além das versões propostas por Paris, Harrington e Bovykin, que serão tratadas no capítulos subseqüentes.
Leia maisProbabilidade de Ruína e Processos de Lévy α-estáveis
Apresentação Probabilidade de Ruína e Processos de Lévy α-estáveis Universidade de São Paulo IME - USP 08 de abril, 2010 Apresentação Distribuições Estáveis e Processos de Lévy α-estáveis Convergência
Leia maisNotas sobre Sequências e Cardinalidade (1)
1 / 11 Notas sobre e Cardinalidade (1) Anjolina Grisi de Oliveira Centro de Informática Universidade Federal de Pernambuco CIn-UFPE 2 / 11 Uma sequência é uma estrutura discreta usada para representar
Leia maisFundamentos de Estatística
Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia mais1 Limites e Conjuntos Abertos
1 Limites e Conjuntos Abertos 1.1 Sequências de números reais Definição. Uma sequência de números reais é uma associação de um número real a cada número natural. Exemplos: 1. {1,2,3,4,...} 2. {1,1/2,1/3,1/4,...}
Leia maisAula 14. Aula de hoje. Aula passada
Aula 14 Aula passada Autovalores, autovetores, decomposição Convergência para estacionaridade Tempo de mistura Spectral gap Tempo de mistura de passeios aleatórios Aula de hoje Caminho amostral Teorema
Leia maisCadeias de Markov em Tempo Continuo
Cadeias de Markov em Tempo Continuo Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo
Leia maisIndução Matemática. George Darmiton da Cunha Cavalcanti CIn - UFPE
Indução Matemática George Darmiton da Cunha Cavalcanti CIn - UFPE Introdução Qual é a fórmula para a soma dos primeiros n inteiros ímpares positivos? Observando os resultados para um n pequeno, encontra-se
Leia maisProbabilidade IV. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período
Probabilidade IV Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2015.2 Ulisses Umbelino (DE-UFPB) Probabilidade IV Período 2015.2 1 / 60 Sumário 1 Apresentação
Leia maisb b!. (2) [Sugestão para (iii ). Avalie (1+x) a por cima e por baixo para x = b/a. Use, para tanto, 1 + x e x e o binômio de Newton: (1 + x) a ( a
EXERCÍCIOS DE MATEMÁTICA DISCRETA 2O. SEMESTRE DE 2007 1. Prove as seguintes estimativas. Nesta questão, escrevemos O(f(x)) para qualquer termo y tal que y C f(x) para todo x satisfazendo x x 0, onde C
Leia maisNotas de Aula. tal que, para qualquer ponto (x, y) no plano xy, temos: p XY
UNIVERSIDDE FEDERL D BHI INSTITUTO DE MTEMÁTIC DEPRTMENTO DE ESTTÍSTIC v. demar de Barros s/n - Campus de Ondina 40170-110 - Salvador B Tel:(071)247-405 Fax 245-764 Mat 224 - Probabilidade II - 2002.2
Leia maisUniversidade Federal de Santa Maria Departamento de Matemática Curso de Verão Lista 1. Números Naturais
Universidade Federal de Santa Maria Departamento de Matemática Curso de Verão 01 Lista 1 Números Naturais 1. Demonstre por indução as seguintes fórmulas: (a) (b) n (j 1) = n (soma dos n primeiros ímpares).
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte I
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte I 2014/2015 Os exercícios assinalados com (*) têm um nível de dificuldade superior. Exercício 1. Seja (X, F) um espaço mensurável. Mostre
Leia maisInvariância da integral por homotopia, fórmula de Cauchy e séries de Taylor
Invariância da integral por homotopia, fórmula de Cauchy e séries de Taylor Roberto Imbuzeiro Oliveira 6 de Abril de 20 Preliminares Nestas notas, U C sempre será um aberto e f : U C é contínua. Duas curvas
Leia maisMEDIDAS COM SINAL.. Uma medida com sinal σ-aditiva (ou, simplesmente, uma medida com sinal) µ(a n ) def = lim
MEDIDAS COM SINAL DANIEL V. TAUSK 1. Definição. Seja C uma coleção de conjuntos tal que C. Uma medida com sinal finitamente aditiva em C é uma função µ : C R tal que: µ( ) = 0; se (A n ) t é uma seqüência
Leia maisMAE GABARITO DA LISTA 2-04/10/2016
MAE5709 - GABARITO DA LISTA - 04/0/06 Exercício.7.5. Primeira Parte Seja P uma matriz de transição sobre um espaço de estados finito S. Mostre que uma distribuição π é invariante para P se e somente se
Leia maisChamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω.
PROBABILIDADE 1.0 Conceitos Gerais No caso em que os possíveis resultados de um experimento aleatório podem ser listados (caso discreto), um modelo probabilístico pode ser entendido como a listagem desses
Leia maisRefinamentos de Equilíbrios de Nash
Refinamentos de Equilíbrios de Nash Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Estatística - UFPE Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 06 de Outubro de 2014 Equilíbrio
Leia mais1/7 1/ se hoje não chove, amanhã não vai chover com probabilidade p 00 = 6/7;
6/7 nao chove 1/7 chove 1/3 "0" /3 "1" Figura 1: Todas as transições com suas respectivas probabilidades representadas através de um grafo. Notem que para cada estado, a soma das probabilidades das flechas
Leia maisNúmeros naturais e cardinalidade
Números naturais e cardinalidade Roberto Imbuzeiro M. F. de Oliveira 5 de Janeiro de 2008 Resumo 1 Axiomas de Peano e o princípio da indução Intuitivamente, o conjunto N dos números naturais corresponde
Leia maisPropriedade Markoviana
Cadeias de Markov Cadeias de Markov É um tipo especial de processo estocástico, que satisfaz as seguintes condições: o parâmetro n é discreto (ex: tempo) o espaço de estados E é discreto (coleção de estados
Leia maisConectividade do grafo aleatório de Erdös-Rényi e uma variante com conexões locais
UNIVERSIDADE FEDERAL DE SÃO CARLOS UNIVERSIDADE DE SÃO PAULO PROGRAMA INTERINSTITUCIONAL DE PÓS-GRADUAÇÃO EM ESTATÍSTICA Conectividade do grafo aleatório de Erdös-Rényi e uma variante com conexões locais
Leia maisNúmeros Naturais. MA12 - Unidade 1. Os Axiomas de Peano. O Axioma da Indução. Exemplo: uma demonstração por indução
Os Números Naturais MA1 - Unidade 1 Números Naturais Paulo Cezar Pinto Carvalho PROFMAT - SBM January 7, 014 Números Naturais: modelo abstrato para contagem. N = {1,,3,...} Uma descrição precisa e concisa
Leia maisIntrodução à Teoria dos Números - Notas 1 Os Princípios da Boa Ordem e de Indução Finita
Introdução à Teoria dos Números - Notas 1 Os Princípios da Boa Ordem e de Indução Finita 1 Preliminares Neste curso, prioritariamente, estaremos trabalhando com números inteiros mas, quando necessário,
Leia maisModelo de Ising e suas Propriedades
Modelo de Ising e suas Propriedades Eric Ossami Endo (Universidade de São Paulo) 13 de junho de 2015 II EPA Dinâmica 1 / 34 Quem é Ernst Ising? 1 Ernst Ising (1900 1998) foi um físico alemão, professor
Leia maisProcessos de Markov a Tempo Contínuo e Sistemas de Partículas Parte 2
Processos de Markov a Tempo Contínuo e Sistemas de Partículas Parte 2 Leandro Cioletti Departamento de Matemática - UnB 70910-900, Brasília, Brazil cioletti@mat.unb.br Ricardo Parreira Departamento de
Leia maisTeoria da Medida e Integração (MAT505)
Transporte de medidas Teoria da Medida e Integração (MAT505) Transporte de medidas e medidas invariantes. Teorema de Recorrência de Poincaré V. Araújo Instituto de Matemática, Universidade Federal da Bahia
Leia maisProbabilidade IV. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período
Probabilidade IV Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2015.2 Ulisses Umbelino (DE-UFPB) Probabilidade IV Período 2015.2 1 / 49 Sumário 1 Apresentação
Leia maisIntrodução a Redes Complexas
Introdução a Redes Complexas Jornadas de Atualização em Informática (JAI) CSBC 2011 Encontro 2/3 Daniel R. Figueiredo LAND PESC/COPPE/UFRJ Do que trata Redes Complexas? Entender como as coisas se conectam
Leia maisMAT-330: Teoria dos Conjuntos
MAT-330: Teoria dos Conjuntos 1 a Lista de Exercícios 1 o Semestre de 2011 1 Explicações iniciais Importante: Cada exercício faz uso de alguns dos axiomas de ZF. Tente sempre declarar explicitamente quais
Leia maisMatemática Discreta - 05
Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Matemática Discreta - 05 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav
Leia maisIntegrais de linha, funções primitivas e Cauchy Goursat
Integrais de linha, unções primitivas e Cauchy Goursat Roberto Imbuzeiro Oliveira 2 de Abril de 2015 1 Preliminares Nestas notas, U C sempre será um aberto, γ : [a, b] U uma curva retiicável e : U C, uma
Leia maisPCC104 - Projeto e Análise de Algoritmos
PCC104 - Projeto e Análise de Algoritmos Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 7 de outubro de 2016 Marco Antonio
Leia maisNo que segue, X sempre denota um espaço topológico localmente compacto
O TEOREMA DE REPRESENTAÇÃO DE RIESZ PARA MEDIDAS DANIEL V. TAUSK No que segue, sempre denota um espaço topológico localmente compacto Hausdorff. Se f : R é uma função, então supp f denota o{ suporte (relativamente
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 06 / Classes Especiais de Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 06 / Classes Especiais de Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE
Leia maisROTEIRO DA APRESENTAÇÃO PROCESSOS ESTOCÁSTICOS
ROTEIRO DA APRESENTAÇÃO MODELOS ESTOCÁSTICOS APLICADOS À INDÚSTRIA Prof. Lupércio França Bessegato Departamento de Estatística Universidade Federal de Juiz de Fora lupercio.bessegato@ufjf.edu.br www.ufjf.br/lupercio_bessegato
Leia maisDANIEL V. TAUSK. se A é um subconjunto de X, denotamos por A c o complementar de
O TEOREMA DE REPRESENTAÇÃO DE RIESZ PARA MEDIDAS DANIEL V. TAUSK Ao longo do texto, denotará sempre um espaço topológico fixado. Além do mais, as seguintes notações serão utilizadas: supp f denota o suporte
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 20
Teoria das Filas aplicadas a Sistemas Computacionais Aula 20 Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Leia maisSME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades
SME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades Pablo Martin Rodriguez SME ICMC USP Bacharelado em Estatística 20 Mar 2017 Vetores aleatórios Definição Sejam X 1,
Leia maisINE Fundamentos de Matemática Discreta para a Computação
INE5403 - Fundamentos de Matemática Discreta para a Computação ) Fundamentos.1) Conjuntos e Sub-conjuntos.) Números Inteiros.3) Funções.4) Seqüências e Somas.5) Crescimento de Funções Seqüências Uma seqüência
Leia maisMOQ-12 Cadeias de Markov
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-12 Cadeias de Markov Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Roteiro Introdução Processos Estocásticos
Leia maisMétodos Matemáticos na Ciência de Dados: Introdução Relâmpago. II
Métodos Matemáticos na Ciência de Dados: Introdução Relâmpago. II Vladimir Pestov 1 University of Ottawa / Université d Ottawa Ottawa, Ontario, Canadá 2 Universidade Federal de Santa Catarina Florianópolis,
Leia maisTeoria da Probabilidade e Modelos Discretos de Mercados Financeiros Edição de 7 de Fevereiro de 2017
QUESTÕES PARA AS AVALIAÇÕES Teoria da Probabilidade e Modelos Discretos de Mercados Financeiros 2016-2017 Edição de 7 de Fevereiro de 2017 Nota Prévia Todos os exercícios enunciados nas aulas são considerados
Leia maisGABRIEL BUJOKAS
APLICAÇÕES DE ÁLGEBRA LINEAR À COMBINATÓRIA GABRIEL BUJOKAS (GBUJOKAS@MIT.EDU) A gente vai discutir algumas das aplicações clássicas de álgebra linear à combinatória. Vamos começar relembrando alguns conceitos
Leia mais3 Apresentação do processo e resultados preliminares
3 Apresentação do processo e resultados preliminares O Capitulo 1 dá a ferramenta para construir uma cadeia de Markov a tempo contínuo, a partir de uma cadeia de Markov a tempo discreto. Agora, queremos
Leia maisAula 1: Introdução ao curso
Aula 1: Introdução ao curso MCTA027-17 - Teoria dos Grafos Profa. Carla Negri Lintzmayer carla.negri@ufabc.edu.br Centro de Matemática, Computação e Cognição Universidade Federal do ABC 1 Grafos Grafos
Leia maisCap. 2 Conceitos Básicos em Teoria dos Grafos
Teoria dos Grafos e Aplicações 8 Cap. 2 Conceitos Básicos em Teoria dos Grafos 2.1 Grafo É uma noção simples, abstrata e intuitiva, usada para representar a idéia de alguma espécie de relação entre os
Leia maisσ-álgebras, geradores e independência
σ-álgebras, geradores e independência Roberto Imbuzeiro M. F. de Oliveira 15 de Março de 2009 Resumo Notas sobre a σ-álgebra gerada por uma variável aleatória X e sobre as condições de independência de
Leia maisPROCESSO DE POISSON. Processo Estocástico Prof, Ms. Eliana Carvalho
Processo Estocástico Prof, Ms. Eliana Carvalho Este processo estocástico deve o seu nome ao matemático francês Simion-Denis Poisson (1781-1840). Espaço de estados discreto (cadeia) Variável tempo é contínua
Leia maisOs números naturais. Capítulo Operações em N
Capítulo 1 Os números naturais O conjunto dos números naturais, denotado por N, é aquele composto pelos números usados para contar. Na verdade, o mais correto seria dizer que é o conjunto dos números usados
Leia maisDemonstração. Ver demonstração em [1]. . Para que i j se tem µ i µ j? Determine a derivada no sentido de Radon-Nikodym em cada caso.
Proposição 2.39 (Propriedades de e.). Sejam µ, λ, λ 1, λ 2 medidas no espaço mensurável (X, F). Então 1. se λ 1 µ e λ 2 µ então (λ 1 + λ 2 ) µ. 2. se λ 1 µ e λ 2 µ então (λ 1 + λ 2 ) µ. 3. se λ 1 µ e λ
Leia maisDedução Indução Contra-exemplos Contradição Contrapositiva Construção Diagonalização
Dedução Indução Contra-exemplos Contradição Contrapositiva Construção Diagonalização 1 Provas, lemas, teoremas e corolários Uma prova é um argumento lógico de que uma afirmação é verdadeira Um teorema
Leia maisAs leis dos grandes números
6. Introdução este capítulo estudamos algumas formulações da lei dos grandes números. Uma lei dos grandes números dá o comportamento limite, ou assimptótico, de uma média de observações aleatórias., de
Leia mais2 Teoria da Informação
2 Teoria da Informação Neste capítulo apresentamos alguns conceitos básicos sobre Teoria da Informação que utilizaremos durante este trabalho. 2.1 Alfabeto, texto, letras e caracteres Um alfabeto Σ = (σ
Leia maisAula 4. Aula de hoje. Aula passada
Aula 4 Aula passada Função de distribuição Bernoulli Sequência de v.a. Binomial, Geométrica, Zeta Valor esperado Variância Distribuição conjunta Independência de v.a. Aula de hoje Valor esperado condicional
Leia maisUm esquema regenerativo visível em cadeias de alcance variável não limitadas
Um esquema regenerativo visível em cadeias de alcance variável não limitadas Aluna: Divanilda Maia Esteves Orientador: Antonio Galves Instituto de Matemática e Estatística Universidade de São Paulo 21
Leia maisMA21: Resolução de Problemas - gabarito da primeira prova
MA21: Resolução de Problemas - gabarito da primeira prova Problema 1 (2 pontos) Prove que a maior área dentre todos os retângulos de perímetro 1 é atingida por um quadrado. Dificuldade: MUITO FÁCIL Sejam
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisWeverthon Lobo de Oliveira. Acoplamentos: Uma primeira visão e algumas aplicações
Weverthon Lobo de Oliveira Acoplamentos: Uma primeira visão e algumas aplicações Vitória - Espírito Santo, Brasil 24 de junho de 2016 Weverthon Lobo de Oliveira Acoplamentos: Uma primeira visão e algumas
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
Leia maisUFPR - Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Matemática CM122 - Fundamentos de Análise Prof. Zeca Eidam.
UFPR - Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Matemática CM1 - Fundamentos de Análise Prof Zeca Eidam Lista 4 Supremo e ínfimo 1 Seja X R não-vazio 1 Mostre que, caso existam,
Leia maisMódulo III: Processos de Poisson, Gaussiano e Wiener
Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo
Leia maisLista de Exercícios da Primeira Semana Análise Real
Lista de Exercícios da Primeira Semana Análise Real Nesta lista, a n, b n, c n serão sempre sequências de números reais.. Mostre que todo conjunto ordenado com a propriedade do supremo possui a propriedade
Leia maisINE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/26 3 - INDUÇÃO E RECURSÃO 3.1) Indução Matemática 3.2)
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Simulação O que é simulação? Reprodução de um
Leia maisantissimétrica: para todos x, y A, x y e y x implica que x = y; transitiva: para todos x, y, z A, x y e y z implica que x z.
5 Ordens parciais Como já dissemos, na seção anterior, o PBO não vale para subconjuntos de Q e R com respeito a ordem usual, porém é um teorema em na teoria ZFC dos conjuntos que todo conjunto não vazio
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 mais2.1 Sucessões. Convergência de sucessões
Capítulo 2 Sucessões reais Inicia-se o capítulo introduzindo os conceitos de sucessão limitada, sucessão monótona, sucessão convergente e relacionando estes conceitos entre si. A análise da convergência
Leia maisRachel Abrahão Ribeiro. Orientador: Roger William Câmara Silva
Percolação em + 1 dimensões Rachel Abrahão Ribeiro Orientador: Roger William Câmara Silva 25 de março de 2015 Resumo Nesta dissertação estudamos percolação em um grafo cuja quantidade de aglomerados abertos
Leia maisCapítulo 2. Conjuntos Infinitos. 2.1 Existem diferentes tipos de infinito
Capítulo 2 Conjuntos Infinitos O conjunto dos números naturais é o primeiro exemplo de conjunto infinito que aprendemos. Desde crianças, sabemos intuitivamente que tomando-se um número natural n muito
Leia maisO Teorema da Amizade
O Teorema da Amizade Seminário Diagonal David Mesquita Faculdade de Ciências da Universidade do Porto 13 de Maio de 2009 Teorema da Amizade,TA Formulação Original Suponha-se que numa sociedade, cada par
Leia maisPROCESSOS ESTOCÁSTICOS E APLICAÇÕES
PROCESSOS ESTOCÁSTICOS E APLICAÇÕES JOSÉ PEDRO GAIVÃO Conteúdo 1. Noções Gerais 2 1.1. Relembrar de teoria de probabilidades 2 1.2. Processos estocásticos 3 2. Esperança Condicional 5 2.1. Esperança condicional
Leia maisGABARITO. Prova 4 (points: 156/100; bonus: 0 ; time: 120 ) FMC2, (Turmas T56+N12 do Thanos) Regras: Boas provas! Gabarito 30/06/2017
FMC2, 2017.1 (Turmas T56+N12 do Thanos) Prova 4 (points: 156/100; bonus: 0 ; time: 120 ) Nome: Θάνος Gabarito 30/06/2017 Regras: I. Não vires esta página antes do começo da prova. II. Nenhuma consulta
Leia maisg) 2 x2 (2 x ) 2, 6 x i) x 2 x + 2, j) k) log ( 1 l) log ( 2x 2 + 2x 2) + log ( x 2
Números Reais. Simplifique as seguintes epressões (definidas nos respectivos domínios): a), b) + +, c) + + +, d), e) ( ), f) 4 4, g) ( ), h) 3 6, i) +, j) +, k) log ( ) + log ( ), l) log ( + ) + log (
Leia maisProcessos Estocásticos aplicados à Sistemas Computacionais
Processos Estocásticos aplicados à Sistemas Computacionais Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte II
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II 13 de Dezembro de 2013 Exercício 1. Descreva o espaço de probabilidade associado às seguintes experiências aleatórias: 1. Uma moeda
Leia maisExercícios de topologia geral, espaços métricos e espaços vetoriais
Exercícios de topologia geral, espaços métricos e espaços vetoriais 9 de Dezembro de 2009 Resumo O material nestas notas serve como revisão e treino para o curso. Estudantes que nunca tenham estudado estes
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 maisTeoria Ergódica (9 a aula)
Outubro 2012 Espaços de Sequências Seja (X, d 0 ) um espaço métrico compacto. B Z (X ) = X Z = { x = (x j ) j Z : x j X, j Z } B N (X ) = X N = { x = (x j ) j N : x j X, j N } B(X ) designa indiferentemente
Leia maisRESOLUÇÃO DCC-UFRJ MATEMÁTICA COMBINATÓRIA 2006/2 PROVA Considere a soma. S n = n 2 n 1
DCC-UFRJ MATEMÁTICA COMBINATÓRIA 2006/2 PROVA 1 1. Considere a soma S n = 1 2 0 + 2 2 1 + 3 2 2 + + n 2 n 1. Mostre, por indução finita, que S n = (n 1)2 n + 1. Indique claramente a base da indução, a
Leia mais1 Conceitos Iniciais. 1.1 Grafos
1 Conceitos Iniciais O objetivo deste capítulo é revisar conceitos básicos, mas fundamentais, sobre grafos, passeios aleatórios (random walks) com especial destaque aos passeios aleatórios sobre grafos
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete
Leia maisColóquio Brasileiro de Matemática - Exercícios de Algoritmos Randomizados
olóquio Brasileiro de Matemática - Exercícios de Algoritmos Randomizados apítulo 1 Exercício 2. onsidere os seguintes eventos associados a uma execução do algoritmo que consiste na aplicação do exame de
Leia maisUMA INTRODUÇÃO AOS PROCESSOS. Adrian Hinojosa e Aniura Milanés. Departamento de Estatística ICEx. UFMG.
UMA INTRODUÇÃO AOS PROCESSOS ESTOCÁSTICOS COM APLICAÇÕES Adrian Hinojosa e Aniura Milanés Departamento de Estatística ICEx. UFMG. Sumário Capítulo 1. Introdução 1 1. Definições e exemplos 1 2. O Processo
Leia mais