Estatística e Modelos Probabilísticos - COE241
|
|
- Simone do Amaral
- 5 Há anos
- Visualizações:
Transcrição
1 Estatística e Modelos Probabilísticos - COE241 Aula passada Função Distribuição Condicional Calculando Probabilidades condicionando Esperança Condicional Aula de hoje Análise de Comandos de Programação Introdução à simulação Geração de números aleatórios
2 Exemplo: X e Y v.a. contínuas Queremos calcular P[X<Y] P[ X Y ]= P [ X Y /Y = y] f Y y dy P[ X Y ]= P [ X y] f Y y dy P[ X Y ]= F X y f Y y dy
3 Esperança Condicional
4 Esperança Condicional
5 Somas Aleatórias Seja T=X 1 +X 2 + +X N, onde N é uma variável aleatória que é independente dex k e todos os X k são variáveis aleatórias independentes e identicamente distribuídas
6 Somas Aleatórias Estas variáveis aleatórias ocorrem nos seguintes casos: Tempo de execução de comandos de programação como while e repeat Tempo para transmitir uma mensagem em um canal de múltiplo acesso Como o número de parcelas (N) na soma é uma variável aleatória, iremos usar o condicionamento para cálculo de medidas de interesse
7 Somas Aleatórias: Média
8 Somas Aleatórias: Variância
9 Análise de Comandos de Programação Suponha que queiramos obter a média e variância de comandos usados em programação v.a. X representa o tempo de execução do comando v.a. N representa a probabilidade de um determinado trecho ser executado
10 Análise de Comandos de Programação Comando if B then S1 else S2 Variável X está condicionada a N onde N representa a probabilidade de execução de S i X é uma v.a. contínua condicionada a uma v.a. discreta. Podemos definir a função densidade condicional de X como: f X / N x/i = f i x, função densidade condicional de X dada a escolha S i
11 Análise de Comandos de Programação A função densidade marginal de X é: f x = X n i=1 p N i f i x Temos que E[X] pode ser obtido de: E [ X ]= n x i=1 n E [ X ]= i=1 p N i n E [ X ]= i=1 p N i f i x dx x f i x dx p N i E [ X i ]
12 Análise de Comandos de Programação No caso do comando if then else, N é uma v.a. Bernoulli, logo temos: E[X] = pe[x 1 ] + (1-p)E[X 2 ]
13 Análise de Comandos de Programação A variância é dada por E[X 2 ] E[X] 2, onde No caso do comando if then else, N é uma v.a. Bernoulli, logo temos: Temos que Var[T] = pvar[x 1 ] + (1- p)var[x 2 ] +p(1-p)(e[x 1 ]-E[X 2 ]) 2 n E [ X 2 ]= i=1 p N i E [ X i 2 ] E [ X 2 ]= pe [ X 1 2 ] 1 p E [ X 2 2 ]
14 Análise de Comandos de Comando case i of Programação 1: S1; 2: S2; end Mesmo caso do comando if then else, só que existem várias opções de escolha Variável X está condicionada a N onde N representa a probabilidade de execução de S i
15 Análise de Comandos de Programação Média: E [ X ]= i p N i E [ X i ] Variância: probabilidade de escolha de uma das opçõ Tempo médio de execução de Si Var [ X ]= i n pn i E [ X i 2 ] i n p N i E [ X i ] 2
16 Análise de Comandos de Programação Threads concorrentes N é o número de threads Xi é o tempo de execução de cada thread Estatística de ordem permite o cálculo da distribuição até que a primeira thread termine e até que a última termine
17 Simulação de Sistemas Discretos É uma técnica de modelagem que visa a representação do comportamento do sistema para obtenção de medidas de desempenho e/ou confiabilidade O sistema é representado através de eventos que ocorrem segundo uma distribuição de probabilidade
18 O Ciclo de Modelagem Sistema real Criação do Modelo aproximação Influência no sistema Solução do Modelo
19 Modelando um Sistema Abstração do sistema Simplificação necessária Representação matemática do sistema Aleatoriedade Servido r Web pedidos Taxa de chegada de pedidos CPU pedido finalizado Disco 1 Disco 2
20 Algumas Medidas de Desempenho Vazão de um recurso: número de processos servidos por unidade de tempo Utilização de um recurso: percentual do tempo que o recurso fica ocupado Número médio de processos na fila do recurso Tempo médio que cada processo fica na fila do recurso
21 Fila Genérica requisições CPU Como avaliar o desempenho desta fila? Qual o tamanho médio da fila? Simulação
22 Simulando uma Fila Genérica requisições CPU O que é uma simulação? Programa que imita comportamento do sistema Como simular este sistema? Programa deve gerar eventos de chegadas e serviço, manter estado da fila, calcular medidas de interesse
23 Simulando uma Fila Genérica requisições CPU N(t) Sistema ocioso Sistema ocupado Imitar evolução do sistema: N(t) Obter medidas de interesse: vazão, utilização, E[N], etc. t
24 Simulação Vantagens Pode lidar com modelos mais complexos Melhor representação do sistema real Desvantagens Difícil verificar a precisão dos resultados Pode ter longo tempo de execução Modelos analíticos possuem vantagens e desvantagens com relação a simulação
25 Caracterizando um Simulador Determinístico ou Estocástico Modelo contém eventos aleatórios? Estático ou Dinâmico Evolução do tempo influi no sistema? Contínuo ou Discreto Estado do sistema evolui continuamente ou em instantes discretos no tempo? Simulação Discreta de Eventos estocástica, dinâmica e discreta
26 Primeiro Passo para Simulação Como gerar números aleatórios? Gerar números pseudo-aleatórios que pareçam aleatórios
27 Gerador de Números Pseudo- Aleatórios Algoritmo que gera uma sequência de números inteiros U 1, U 2,..., que pareçam ser: Uniformemente distribuídos no intervalo [0, M-1] (para algum M fixo) Estatisticamente independentes pareçam ser: sequência deve ter propriedades relevantes de uma sequência de v.a. uniforme
28 Método Congruente Dois parâmetros a e M (números inteiros) e o valor inicial é x 0 (semente) x i =a x i 1 mod M U i = x i M x 0 determina a sequência inteira M determina quantos diferentes números podem ser gerados
29 Exemplo Supor a=3 e M=11 x i =3 x i 1 mod 11 Quantos números diferentes podemos gerar? Supor x 0 =4 (semente) x 1 =3 x 0 m o d1 1 x 2 =3 x 1 m o d1 1 = = 1 2m o d1 1 1 = = 3 m o d 1 1 3
30 Exemplo Supor a=3 e M=11 x i =3 x i 1 m o d1 1 x 0 =4 x 1 =1 x 2 =3 x 3 =9 Gerador entra em loop depois de 5 amostras E se x 0 for diferente? x 4 =5 x 5 =4 x 6 =1...
31 Propriedades do Gerador Qual o tamanho de uma sequência? Escolher a e M tal que para qualquer x 0 Sequência pareça aleatória Longo ciclo antes de repetição Cálculo seja eficiente
32 Método Congruente Linear Três parâmetros a, c e M (números inteiros) Dado x (semente) 0 x i = a x i 1 c m o d M U i = x i M diferença do outro método x 0 determina a sequência inteira Bastante utilizado
33 Exemplo Supor a = 3, M = 11, c = 2 Semente x 0 = 4 x 0 =4 x 1 =3 x 2 =0 x i = 3 x i 1 2 m o d1 1 x 1 = 3 x 0 2 m o d1 1 = = 1 4m o d x 3 =2 x 4 =8 x 5 =4 x 6 =3...
34 Geradores na Prática Linguagens de programação oferecem geradores C ou C++ (gnu) lrand48() - retorna long [0, 2 31 ] drand48() - retorna float [0, 1) Método Congruente Linear Usuário define semente (x 0 ) M =2 48 a= c =1 1 Matlab utiliza múltiplos geradores usuário pode escolher
35 Tarefa de Casa (1) Fazer um programa para gerar números aleatórios usando o método congruente linear Escolha conjuntos de parâmetros e justifique a escolha de cada conjunto Gerar gráfico com histograma para cada conjunto de parâmetros comentando como a escolha dos parâmetros influenciou nos resultados Número de ocorrências
36 Tarefa de Casa (2) Repetir o experimento usando o gerador da linguagem de programação Comparar resultados do seu gerador com os obtidos com o gerador da linguagem Entregar relatório contendo os resultados do seu experimento e o código do programa
Estatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Aula de hoje Calcular probabilidade de eventos condicionando Somas aleatórias Esperança Condicional Análise de Comandos de Programação Análise
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aulas passadas Modelagem de sistemas via cadeias de Markov Aula de hoje Introdução à simulação Gerando números pseudo-aleatórios 1 O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisAvaliação e Desempenho Aula 18
Avaliação e Desempenho Aula 18 Aula passada Fila com buffer finito Fila com buffer infinito Medidas de interesse: vazão, número médio de clientes na fila, taxa de perda. Aula de hoje Parâmetros de uma
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 maisAula 5. Como gerar amostras de uma distribuição qualquer a partir de sua CDF e de um gerador de números aleatórios?
Aula 5 Como gerar amostras de uma distribuição qualquer a partir de sua CDF e de um gerador de números aleatórios? Processo de chegada: o Chegadas em grupo ocorrem segundo um processo Poisson com taxa.
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer
Leia maisModelagem e Análise de Sistemas de Computação Aula 20
Modelagem e Análise de Sistemas de Computação Aula 20 Aula passada Lei dos grandes números Calculando integrais Gerando outras distribuições Método da transformada inversa Aula de hoje Simulando uma fila
Leia maisModelagem e Análise de Sistemas de Computação Aula 19
Modelagem e Análise de Sistemas de Computação Aula 19 Aula passada Intro a simulação Gerando números pseudo-aleatórios Aula de hoje Lei dos grandes números Calculando integrais Gerando outras distribuições
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisAvaliação Quantitativa de Sistemas
Avaliação Quantitativa de Sistemas Contexto A Avaliação Quantitativa de Sistemas permite a avaliação de sistemas antes mesmo da sua implementação física. Dessa forma, é possível avaliar um sistema projetado
Leia maisAula 7. Aula de hoje. Aula passada
Aula 7 Aula passada Método de Monte Carlo Estimando somatórios Calculando erro Estimando Erro de Integração de Monte Carlo Monte Carlo Ray Tracing Aula de hoje Gerando amostras de v.a. discretas Gerando
Leia maisCOS767 - Modelagem e Análise Aula 3 - Simulação
COS767 - Modelagem e Análise Aula 3 - Simulação Validando resultados da simulação Média e variância amostral Teorema do Limite Central Intervalo de confiança Organizando as execuções da simulação Verificando
Leia maisModelagem e Análise Aula 11
Modelagem e Análise Aula 11 Aula passada Aplicação de Little Utilização Processo de saída Aula de hoje Modelo do servidor Web Split/Merge de Poisson Rede de filas Múltiplas Filas Porque resultado anterior
Leia maisModelagem e Análise Aula 9
Modelagem e Análise Aula 9 Aula passada Equações de fluxo Tempo contínuo Aula de hoje Parâmetros de uma fila Medidas de desempenho Cálculo do tempo de espera Resultado de Little Parâmetros da Fila chegada
Leia maisCOMO FUNCIONA A SIMULAÇÃO
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 3 1 Terminologia Básica Variáveis de Estado Eventos Entidades e Atributos Recursos e Filas de Recursos Atividades e Períodos de Espera Tempo (Real) Simulado
Leia maisCOMO FUNCIONA A SIMULAÇÃO
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 3 1 Terminologia Básica Ver capítulo 2 da referência 1 Variáveis de Estado Eventos Entidades e Atributos Recursos e Filas de Recursos Atividades e Períodos de
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Aula de hoje Geração de variáveis aleatórias: Transformada Inversa
Leia maisSimulação a Eventos Discretos. Fernando Nogueira Simulação 1
Simulação a s Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisTeoria de Filas Aula 1
Teoria de Filas Aula 1 Aulas passada Introdução, Logística e Motivação para avaliação e desempenho Aula de hoje Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Experimentos
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 maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisAvaliação e Desempenho Aula 5
Avaliação e Desempenho Aula 5 Aula passada Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Aula de hoje Variáveis aleatórias discretas e contínuas PMF, CDF e função densidade
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Motivação Espaço Amostral, Eventos, Álgebra de eventos Aula de hoje Probabilidade Análise Combinatória Independência Probabilidade Experimentos
Leia maisAULA 15 - Distribuição de Bernoulli e Binomial
AULA 15 - Distribuição de Bernoulli e Binomial Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variável Aleatória de Bernoulli Podemos dizer que as variáveis aleatórias mais simples entre as
Leia maisMonitor: Diego Augusto Silva (P8 Eng. Elétrica) Atendimento: 2as. de 19:45h às 21:30h
Monitor: Diego Augusto Silva (8 Eng. Elétrica) Email: Atendimento: as. de 9:5h às :30h A Nota arcial de Aproveitamento (NA) será obtida da seguinte forma: NA = 0.6 NT + 0. N A nota prática será dada por:
Leia maisFernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Motivação Exemplos de aplicação de probabilidade e estatística Informações do curso Aula de hoje Espaço amostral Álgebra de Eventos Eventos
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi Material
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisSistemas Aleatórios. Um sistema é aleatório quando seu estado futuro só pode ser conhecido. jogar uma moeda ou um dado. decaimento de uma partícula
Sistemas Aleatórios Um sistema é aleatório quando seu estado futuro só pode ser conhecido pela realização de uma experiência. jogar uma moeda ou um dado decaimento de uma partícula trajetória de uma partícula
Leia maisPRE29006 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS # 06. Eercícios. Considere uma variável aleatória
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisIND 1115 Inferência Estatística Aula 7
Conteúdo IND 1115 Inferência Estatística Aula 7 Setembro 2004 Por que a revisão de probabilidades até agora? A importância da distribuição Normal O Mônica Barros mbarros.com 1 mbarros.com 2 Por que uma
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Variáveis Aleatórias PMF, CDF Exemplos
Leia maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia maisConceitos Básicos, Básicos,Básicos de Probabilidade
Conceitos Básicos, Básicos,Básicos de Probabilidade Espaço Amostral Base da Teoria de Probabilidades Experimentos são realizados resultados NÃO conhecidos previamente Experimento aleatório Exemplos: Determinar
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia maisForecasting e ti O i Otim Oti ização de ã d Carteiras com Matlab AULA 3
Forecasting e Otimização i de Carteiras com Matlab AULA 3 Guia de Estudo para Aula 03 Modelos Discretos Exercícios - Formulação de um modelo - Programação de modelos com for - A simulação de um modelo
Leia maisGeração de números uniformes
Geração de números uniformes Importância e principais algorítmos Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná
Leia maisAula 1. Objetivo: Mostrar o papel fundamental da distribuição de Poisson no comportamento de grandes populações.
Aula 1 Objetivo: Mostrar o papel fundamental da distribuição de Poisson no comportamento de grandes populações. Modelo População de n pessoas, n >> 1; Comportamento individual independente num intervalo
Leia maisAula 1. Objetivo: Mostrar o papel fundamental da distribuição de Poisson no comportamento de grandes populações.
Aula 1 Objetivo: Mostrar o papel fundamental da distribuição de Poisson no comportamento de grandes populações. Modelo População de n pessoas, n >> 1; Comportamento individual independente num intervalo
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisComo modelar o comportamento de um sistema? MAB-515
Como modelar o comportamento de um sistema? MAB-515 Possibilidades de modelagem PARAMETRIZA modelo matemático experimento real AJUDA A COMPREENDER SIMULAÇÃO SOLUÇÃO ANALÍTICA MEDIDAS EXPERIMENTAIS NO MODELO
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição
Leia maisElementos básicos das linguagens de programação
Elementos básicos das linguagens de programação Objetivos: Apresentar os últimos elementos básicos das linguagens de programação Elementos básicos já estudados Entrada (read, readln) Saída (write, writeln)
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
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 maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisI1, I2 e In são instruções simples ou estruturadas da linguagem Pascal.
Capítulo 4 TESTES, ESCOLHAS E MALHAS DE REPETIÇÃO 1. INTRODUÇÃO Em muitos exemplos e exercícios realizados nos capítulos anteriores, não foram raras as vezes em que fizemos uso de elementos disponíveis
Leia maisMétodos Computacionais em Física
Métodos Computacionais em Física Tatiana G. Rappoport tgrappoport@if.ufrj.br 2014-2 MetComp 2014-1 IF-UFRJ Sistemas determinísticos Os sistemas físicos podem ser: Sistemas determinísticos Descritos por
Leia mais6.Elaboração de algoritmos...13
Índice de conteúdos Capítulo 1. Computação Científica...1 1.Definição...1 2.Modelo genérico...2 3.Modelo matemático...2 4.Tipos de modelos matemáticos...3 5.Modelação matemática...5 5.1.Definição (formulação)
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
Leia maisMétodos Computacionais em Física
Métodos Computacionais em Física Tatiana G. Rappoport tgrappoport@if.ufrj.br 2014-1 Integração usando o método da rejeição Queremos calcular a integral Definimos um retângulo de altura H que contenha a
Leia maisProgramação I Aula 6 Números pseudo-aleatórios
Programação I Aula 6 Números pseudo-aleatórios Pedro Vasconcelos DCC/FCUP 2018 Pedro Vasconcelos (DCC/FCUP) Programação I Aula 6 Números pseudo-aleatórios 2018 1 / 28 Nesta aula 1 Números pseudo-aleatórios
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE41 Aula passada Teste de hipótese duas médias (casos 1,,3) Aula de hoje Teste de hipótese: variância Goodness of fit: v.a. discreta Goodness of fit: v.a. contínua
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia maisProgramação I Aula 6 Números pseudo-aleatórios Pedro Vasconcelos DCC/FCUP
Programação I Aula 6 Números pseudo-aleatórios DCC/FCUP DCC/FCUP 2019 1/ 28 Nesta aula 1 Números pseudo-aleatórios 2 Jogo Hi-Lo 3 Passeio aleatório DCC/FCUP 2019 2/ 28 Números pseudo-aleatórios Por vezes
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Processo de Poisson. Processo de Poisson Homogêneo Considere N(t) o número de ocorrências de um determinado
Leia maisAlgoritmos e Estruturas de Dados II. Trabalho Prático 2
Algoritmos e Estruturas de Dados II Entrega: 01/10/09 Devolução: 22/10/08 Trabalho individual Prof. Jussara Marques de Almeida Trabalho Prático 2 Simulação é uma técnica muito utilizada para avaliação
Leia maisSimulação com Modelos Teóricos de Probabilidade
Simulação com Modelos Teóricos de Probabilidade p. 1/21 Algumas distribuições teóricas apresentam certas características que permitem uma descrição correta de variáveis muito comuns em processos de simulação.
Leia maisAlgoritmos e Estruturas de Dados I (DCC/003) Estruturas Condicionais e de Repetição
Algoritmos e Estruturas de Dados I (DCC/003) Estruturas Condicionais e de Repetição 1 Comando while Deseja-se calcular o valor de: 1 + 2 + 3 +... + N. Observação: não sabemos, a priori, quantos termos
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ 2 o semestre 2/22 o TESTE (Época
Leia maisProbabilidade Revisão de Conceitos
Probabilidade Revisão de Conceitos Espaço de Amostras A totalidade dos possíveis resultados de um experimento aleatório. Exemplo: jogar dados S = {(1,1),(1,),... (,1),(,)... (6,6)} S é dito o número de
Leia maisEstatística Aplicada I
Estatística Aplicada I ESPERANCA MATEMATICA AULA 1 25/04/17 Prof a Lilian M. Lima Cunha Abril de 2017 EXPERIMENTO RESULTADOS EXPERIMENTAIS VARIÁVEL ALEATÓRIA X = variável aleatória = descrição numérica
Leia mais6 ESCALONAMENTO DE CPU
6 ESCALONAMENTO DE CPU O escalonamento de CPU é ponto chave da multiprogramação. Ela permite que haja mais de um processo em execução ao mesmo tempo. Em ambientes com um único processador, o escalonador
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Exemplo Lei de Bayes Variáveis Aleatórias
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Condicionais 11/13 1 / 19 Em estudo feito em sala perguntamos aos alunos qual
Leia maisAula 6. Aula de hoje. Aula passada
Aula 6 Aula passada Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança Aula de hoje Método de Monte Carlo Estimando somatórios Calculando erro Estimando
Leia maisMétodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez
Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez Distribuição de probabilidades Contexto O porquê desta aula Ao desenvolvermos
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisMomentos: Esperança e Variância. Introdução
Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Distribuição Geométrica Considere novamente uma sequência
Leia maisIntrodução aos Processos Estocásticos em Engenharia Elétrica 1
Introdução aos Processos Estocásticos em Engenharia Elétrica 10 de março de 2014 Introdução aos Processos Estocásticos em Engenharia Elétrica 1 Conteúdo 1 Modelos Matemáticos - Determinísticos e Probabiĺısticos
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Motivação Exemplos de aplicação de probabilidade e estatística Informações do curso Aula de hoje Espaço amostral Álgebra de Eventos Eventos
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Variáveis aleatórias discretas PMF, CDF Exemplos de v. a.: Bernoulli, Binomial, Geométrica, Poisson, Hipergeométrica Aula de hoje V.a. contínua
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 6 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 6 Sarita Mazzini Bruschi Material
Leia maisModelos Probabilísticos
Modelos Probabilísticos Somente para lembrar... Modelos são extremamente importantes para o estudo do desempenho de um sistema antes de implementá-lo na prática! Foguete proposto tem confiabilidade? Devemos
Leia maisEAD Simulação. Aula 2 Parte 2: Tipos de Simulação. Profa. Dra. Adriana Backx Noronha Viana
EAD0652 - Simulação Aula 2 Parte 2: Tipos de Simulação Profa. Dra. Adriana Backx Noronha Viana Tipos de Simulação Pergunta relacionada ao que se está simulando): O problema a ser considerado na simulação
Leia maisAula 11. Variáveis Aleatórias Contínuas Bidimensionais
Aula. Variáveis Aleatórias Contínuas Bidimensionais Resumo de caso unidimensional Caso Discreto p p 2 p 3 Caso Contínuo f(x) x x 2 x 3 i p i + f x dx X x x 2 x 3 P p p 2 p 3 Caso bidimensional Caso Discreto
Leia maisEndereçamento Aberto
Endereçamento Aberto ACH2002 - Introdução à Ciência da Computação II Delano M. Beder Escola de Artes, Ciências e Humanidades (EACH) Universidade de São Paulo dbeder@usp.br 11/2008 Material baseado em slides
Leia maisCAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo
Leia mais3 Definições. 3.1 Processos Estocásticos e Processo de Wiener
25 3 Definições 3.1 Processos Estocásticos e Processo de Wiener Um processo estocástico corresponde a uma variável que evolui no decorrer do tempo de forma incerta ou aleatória. O preço de uma ação negociada
Leia maisModelos Probabilísticos Filas M/M/1, M/G/1. Profa. Jussara M. Almeida 1 o Semestre de 2014
Modelos Probabilísticos Filas M/M/1, M/G/1 Profa. Jussara M. Almeida 1 o Semestre de 2014 Modelos Probabilísticos de Filas R W S λ Notação de Kendall Fila G / G / 1 1 = um único servidor Distribuição dos
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Parte IV: Simulação Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Parte 4 Simulação P A R T E Etapas básicas em um estudo de simulação Geração de números
Leia maisCanais discretos sem memória e capacidade do canal
Canais discretos sem memória e capacidade do canal Luis Henrique Assumpção Lolis 17 de outubro de 2013 Luis Henrique Assumpção Lolis Canais discretos sem memória e capacidade do canal 1 Conteúdo 1 Canais
Leia mais