Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo:
|
|
- Guilherme de Mendonça
- 5 Há anos
- Visualizações:
Transcrição
1
2 Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo: que cada pessoa disponha do uso exclusivo de uma rua para se movimentar; que cada pessoa tenha um supermercado para o seu abastecimento exclusivo;
3 Recursos limitados devem ser compartilhados. Ao compartilhar recursos, pode acontecer que no momento em que se queira fazer uso de um recurso, este esteja ocupado; necessidade de esperar aparecem as filas
4 Um fluxo é o movimento de alguma entidade através de um ou mais canais de capacidade finita para ir de um ponto a outro. Capacidade finita significa que o canal só pode satisfazer a demanda a uma taxa finita.
5 Exemplos: fluxo de automóveis (entidades) através de uma rede de caminhos (canais) transmissão de mensagens telefônicas (entidades) através da rede (canal)
6 Os fluxos podem ser classificados em: Determinísticos: sistemas no qual o comportamento da demanda pelo serviço é previsível; Aleatório: não é possível predizer como vai se comportar a demanda pelo serviço.
7 Para descrever um sistema de filas um processo de entrada e um de saída devem ser especificados. Alguns exemplos podem ser vistos na tabela seguinte:
8 Sistema Entrada Saída Banco Correntistas Atendentes Pizzaria Requisição de Atendente envia on-line pizza motoqueiro com a pizza Pedágio Automóveis Atendente cobra e libera o veículo
9 A entrada é geralmente denominada de processo de chegada. Chegadas são denominadas de clientes. Em todos os sistemas será assumido que não mais do que uma chegada pode ocorrer em um único instante.
10 Será assumido que o processo não é afetado pelo número de clientes no sistema. Se o processo de chegada não é afetado pelo número de consumidores presentes ele é descrito pela especificação de uma distribuição de probabilidade para os tempos inter chegadas sucessivas.
11 Para descrever o processo de saída (processo de atendimento) de um sistema de filas é normalmente especificado uma distribuição de probabilidade distribuição dotempodeserviço que fornece o tempo de atendimento dos clientes.
12 Em muitas situações será assumido que o tempo de atendimento é independente do número de clientes presentes. Geralmente dois regimes de atendimento são considerados: em série e em paralelo.
13 Regimes de atendimento
14 O serviço é paralelo se todos os atendentes fornecem o mesmo tipo de atendimento e o cliente só precisa passar por um atendente. Ele é em série se o cliente precisa passar por vários atendentes antes de ter seu serviço completado. Uma linha de montagem é um exemplo de tal tipo de serviço.
15 A disciplina da fila descreve o método usado para determinar a ordem em que os consumidores serão atendidos. O método mais comum é o FIFO (FirstInFirstOut) em que os clientes são atendidos pela ordem de chegada. Outro métodos é o LIFO (LastInFirstOut).
16 Em alguns casos a ordem em que os clientes chegam não faz diferença é o método SIRO (Service In Randon Order). Um último método de atendimento é o atendimento por prioridade que classifica cada cliente de acordo com a maior ou menor necessidade de atendimento.
17 Outro fator que deve ser considerado é o processo que um cliente utiliza para decidir em qual fila ele vai entrar. Por exemplo em alguns bancos o cliente deve entrar numa fila única. Quando existem várias ele vai optar pela mais curta.
18 Na maioria das aplicações de filas deve-se tentar refletir a realidade e mantê-la computacionalmente tratável, assim a escolha mais comum é a distribuição Exponencial.
19 Uma variável aleatória T tem uma distribuição exponencial de parâmetro λ se sua fdp for do tipo: f(t) λ.e 0 -λt se se t 0 t < 0
20 Considere que a duração, em minutos, seja uma VAC exponencial com duração média de µ 10. Se alguém chegou justo na sua frente na cabine telefônica, determine a probabilidade de que você tenha que esperar mais do que 10 minutos.
21 P(X 10) 01, e 10 01, t dt lim t [ 01, t ] e (e 1 ) e 1 0, , 79%
22 2,0 1,5 1,0 0,5 0,
23 A função F(t) P(T t) é dada por: F(t) e -λt se se t t < 0 0 Obs.: Tente determinar!
24 1,00 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,
25 E(T) + t.f(t)dt 0 t. λ e λt dt [ te λt ] e λt dt te λt e λt λ 0 1 λ
26 σ 2 V(T) E(T 2 ) E(T) λt E(T 2 ) t.f(t)dt t. λ e dt 2 [ t 2 e λt ] te λt dt 2 λ 0 tλe λt dt 2 λ. 1 λ 2 λ 2
27 A variância será então: σ E(T) ) E(T V(T) λ λ λ λ λ E o desvio será: λ σ 1
28 então: Assim se T tem uma distribuição exponencial, f(t) σ 1 σ λ λ e -λt V(T) E(T -λt F(t) P(T t) 1 e -λt P(T > t) e P(t1 T t2 ) F(t2 ) F(t 1 µ E(T) λ 2 E(T) 2 ) 1 2 ) e 1 λ -λ 2 t1 e -λ t2
29 Seja T uma VAC com distribuição exponencial de parâmetro λ. Determinar o a probabilidade de T assumir valores superiores ao seu valor esperado.
30 P(X µ) 1 F(µ) 1 [1 e tλ ] 1 e 0, ,79%
31 Seja T uma VAC com distribuição exponencial de parâmetro λ. Determinar o valor mediano de T.
32 Um dos motivos da utilização da Exponencial na teoria das filas é a sua propriedade de falta de memória: P(T > t + h/ T t) P(T > h) Para quaisquer valores não negativos de t e h.
33 Pode ser mostrado que nenhuma outra VAC tem esse mesmo tipo de propriedade. Essa propriedade é denominada de falta de memória da variável.
34 Isto significa que se sabemos que um tempo t transcorreu desde a última chegada então a probabilidade de transcorra um tempo h até a próxima chegada não depende de t.
35 Assim se quisermos saber o tempo para a próxima chegada não importa há quanto tempo tenha ocorrido a última chegada. Essa propriedade pode simplificar a análise dos sistemas de filas.
36 Se o tempo entre chegadas é exponencial então a distribuição do número de chegadas em qualquer intervalo de tempo t é dado pelo seguinte teorema:
37 Tempos interchegadas são exponenciais com parâmetro λ se e só se o número de chegadas que ocorre num intervalo de tempo t segue uma distribuição de Poisson com parâmetro λt.
38 Uma VAD X tem uma distribuição de Poisson com parâmetro λ se, para x 0, 1, 2,..., a probabilidade de P(X x) é dada por: f(x)p(xx)(e - λ λ x )/x! para x 0, 1, 2,
39 Se X tem uma distribuição de Poisson com parâmetro λ então, tem-se que: σ λ E(X)V(X)λ Assim:
40 Se definirmosxcomo o número de chegadas que ocorrem durante qualquer intervalo de tempot, então o teorema diz que: P(X t x) [e -λt (λt) x ]/x!
41 ComoX t tem uma distribuição de Poisson com parâmetro λt então: E(X t )V(X t )λt Uma média de λt chegadas ocorre durante um intervalo de tempo t, assim λ pode ser pensado como o número médio de chegadas por unidade de tempo outaxadechegadas.
42 Para que a taxa de chegadas seja considerada exponencial algumas hipóteses devem ser satisfeitas: 1. Chegadas sobre intervalos de tempo não sobrepostos são independentes; 2. Para valores de t pequenos, a probabilidade de uma chegada é proporcional ao tamanho do intervalo.
43 Se as condições 1 e 2 forem verdadeiras então: X t segue uma distribuição de Poisson t com parâmetro λt onde os tempos interchegadas são exponenciais de parâmetro λ.
44 Em resumo: se a taxa de chegadas é estacionária e chegadas passadas não afetam as futuras, então os tempos interchegadas seguem uma distribuição exponencial com parâmetro λ e o número de chegadas em qualquer intervalo de tempotépoisson com parâmetro λt.
45 Sabe-se que a variável aleatória X é bimodal para x 1 e x 2 e que tem uma distribuição de Poisson. Sabendo que X é diferente de zero, a probabilidade de X assumir um valor menor do que 3 é dada por: (a) 4/e 2 (b) 4/(e 2 1) (c) 2/e (d) 1 4/e 2 (e) 4/(1 e 2 ).
46 Se o tempo interchegadas não é exponencial, então ele pode ser modelado pela distribuição de Erlang. Uma distribuição de Erlang é uma VAC cuja fdp depende de dois parâmetros:rtaxa ekforma (que deve ser um inteiro positivo). Dados os parâmetrosrek a fdp da Erlang é dada por:
47 Uma VAD T tem uma distribuição de Erlang de parâmetrosrek f(t)[r(rt) k-1 e -rt ]/(k 1)! parat 0 Obs. A distribuição de Erlang será representada pore(r,k).
48 A distribuição de Erlang é um caso particular da distribuiçãogama. Agner Krarup Erlang ( ), engenheiro dinamarquês que utilizou a teoria da Probabilidade para modelar e resolver problemas de telefonia.
49 Utilizando integração por partes podemos mostrar que se T tem uma distribuição de Erlang com parâmetrosrek, então: E(T)k/r V(T)k/r 2
50 DANTAS, Carlos Alberto Barbosa. Probabilidade: Um Curso Introdutório. 2 ed. São Paulo: EDUSP, GRIMMETT, G. R., SITRZAKER, D. R. Probability and Random Processes. Oxford (London): Oxford University Press, WISTON, Wayne L. Operations Research: Applications and Algorithms. 3 ed. Belmont (CA): Duxbury Press, 1994.
Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo:
Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo: que cada pessoa disponha do uso exclusivo de uma rua para se movimentar;
Leia maisCurso: Engenharia de Produção
Vamos admitir que o tempo de atendimento (tempo de serviço) de clientes diferentes são variáveis aleatórias independentes e que o atendimento de cada consumidor é dado por uma variável S tendo função densidade
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisAvaliação de Desempenho de Sistemas
Avaliação de Desempenho de Sistemas Introdução à Teoria das Filas Prof. Othon Batista othonb@yahoo.com Notação de uma fila Para analisar um dado sistema é necessário a definição das seguintes características:
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 maisEscola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção. Teoria da Filas. Prof. Fabrício Maciel Gomes
Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção Teoria da Filas Prof. Fabrício Maciel Gomes Teoria das Filas Por quê das Filas? Procura por um serviço maior do que a capacidade do
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 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 maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
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 maisModelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal
Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:
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 maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de
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 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 maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A função densidade de probabilidade. Exemplo
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 06 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ A função densidade de probabilidade Seja X uma variável aleatória
Leia maisDistribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD
Estatística 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas 7- Distribuição Uniforme A variável aleatória contínua pode ser qualquer valor no intervalo [a,b] A probabilidade da variável
Leia maisTeoria das Filas Aula 1. Gestão de Operações II Prof. Marcio Cardoso Machado
Teoria das Filas Aula 1 Gestão de Operações II Prof. Marcio Cardoso Machado 1 Modelagem de Sistemas Sistema de Operações Genérico Ambiente Otimizado Mais adequado Recursos Entrada de recursos PROCESSO
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos e Científicos
Leia maisATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho
Teoria de Filas - Resumo e Exercícios Pedroso 24 de setembro de 2014 1 Introdução 2 Definições básicas ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento de
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias nuas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 04: Variáveis Aleatórias Contínuas nuas Função densidade de probabilidade contínua nua f(x) a b f(x) 0 para
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 maisVamos denominar 1/µ o tempo médio de atendimento de um cliente. Tem-se, então que:
Vamos admitir que o tempo de atendimento (tempo de serviço) de clientes diferentes são variáveis aleatórias independentes e que o atendimento de cada consumidor é dado por uma variável S tendo função densidade
Leia maisProcessos de Poisson
Processos de Poisson Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulo 5 Taylor & Karlin 1 / 37 Distribuição de Poisson Seja a variável
Leia maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável Aleatória
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia maisATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho
Teoria de Filas - Resumo Pedroso 4 de setembro de 2011 1 Introdução 2 Definições básicas ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento de sistemas de comunicação
Leia maisFILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro
TEORIA DAS FILAS FILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro Ingressa na sala de atendimento Sai da sala de atendimento Pessoa precisa de cuidados médicos
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 maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável
Leia mais4. ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que:
GET189 Probabilidade I Lista de exercícios - Capítulo 6 1. ([Ross, 21] - Capítulo 5) Em uma estação, trens partem para a cidade A de 15 em 15 minutos, começando às 7:h; e trens partem para a cidade B de
Leia maisGestão de Operações II Teoria das Filas. Prof Marcio Cardoso Machado
Gestão de Operações II Teoria das Filas Prof Marcio Cardoso Machado Filas O que é uma fila de espera? É um ou mais clientes esperando pelo atendimento O que são clientes? Pessoas (ex.: caixas de supermercado,
Leia maisUniversidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013
1. Seja X a duração de vida de uma válvula eletrônica e admita que X possa ser representada por uma variável aleatória contínua, com f.d.p. be bx, x 0. Seja p j = P (j X < j + 1). Verifique que p j é da
Leia maisColeta e Modelagem dos Dados de Entrada
Coleta e Modelagem dos Dados de Entrada Capítulo 2 Páginas 24-52 Este material é disponibilizado para uso exclusivo de docentes que adotam o livro Modelagem e Simulação de Eventos Discretos em suas disciplinas.
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Parte VI: Introdução aos Processos Estocásticos e Teoria das Filas Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Processos Estocásticos Família de VAs
Leia maisAvaliação de Desempenho de Sistemas Discretos
Processos Estocásticos Avaliação de Desempenho de Sistemas Discretos Parte VI: Introdução aos Processos Estocásticos e Teoria das Filas Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Família de VAs
Leia maisColeta e Modelagem dos Dados de Entrada
Slide 1 Módulo 02 Coleta e Modelagem dos Dados de Entrada Prof. Afonso C. Medina Prof. Leonardo Chwif Três Etapas Coleta Tratamento Inferência Coleta dos Dados 1. Escolha adequada da variável de estudo
Leia maisAula 5. Processo de Poisson. Exemplos.
Aula 5. Processo de Poisson. Exemplos. Exemplo 1. Processo de Poisson com diferentes tipos de eventos. Consideramos um processo de Poisson com intensidade λ. Suponha que em cada instante de ocorrência
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte I 2012/02 1 Variáveis Aleatórias Contínuas 2 Distribuições de Probabilidade e Funções Densidades de Probabil 3 4 Objetivos Ao final
Leia maisD i s c i p l i n a : P e s q u i s a O p e r a c i o n a l I I T e o r i a d a s F i l a s - L i s t a d e E x e r c í c i o s : 0 2
01. Um lava rápido Automático funciona com somente uma baia. Os carros chegam, conforme uma distribuição de Poisson, em média a cada 12 minutos e podem esperar no estacionamento oferecido se a baia estiver
Leia maisACH Introdução à Estatística Conteúdo Teórico: 12 - Simulação
ACH2053 - Introdução à Estatística Conteúdo Teórico: Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte
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 maisPLANEJAMENTO DE TRANSPORTES TT049
UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE TRANSPORTES PLANEJAMENTO DE TRANSPORTES TT049 Prof. Diego Fernandes Neris diego.neris@ufpr.br Filas: Problema mais comum na engenharia de transportes e de
Leia maisRevisão de Probabilidade
05 Mat074 Estatística Computacional Revisão de Probabilidade Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
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 de Poisson
Processos de Poisson Mauro C. M. Campos 1 SUMÁRIO I Alguns fatos sobre a distribuição exponencial 1 II Alguns fatos sobre a distribuição de Poisson 2 III Processos estocásticos em tempo contínuo 2 IV Processos
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CE003 - ESTATÍSTICA II
UNIVERSIDADE FEDERAL DO PARANÁ CE003 - ESTATÍSTICA II Segunda lista de Exercícios - Variáveis Aleatórias Professora Fernanda 1. Uma máquina caça níquel de cassino possui três roletas. Na primeira e segunda
Leia maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal
Leia maisTópicos Especiais em Qualidade
Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando
Leia maisVariável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada
Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia maisCapítulo 4 - Variáveis aleatórias e distribuições contínuas
Capítulo 4 - Variáveis aleatórias e distribuições contínuas Conceição Amado e Ana M. Pires 4.1 - Variáveis aleatórias contínuas. Função densidade de probabilidade 3 4.2 - Valor esperado, variância e algumas
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
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 maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A Normal. A Normal. Normal Log-Normal Gama Erlang Beta.
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 6 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Normal Log-Normal Gama Erlang Beta Weibull Student (t) Qui-Quadrado
Leia maisEstatística Aplicada
Estatística Aplicada Variável Aleatória Contínua e Distribuição Contínua da Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
Leia maisM. Eisencraft 2.5 Outros exemplos de distribuições e densidades 29. Densidade e distribuição uniforme. 0 a b x. 0 a b x
M. Eisencraft 2.5 Outros eemplos de distribuições e densidades 29 Densidade e distribuição uniforme /(b a) () a b.8 ().6.4.2.2 a b 2.5.2 Eponencial Figura 2.8: Funções densidade e distribuição uniforme.
Leia maisModelos básicos de distribuição de probabilidade
Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não
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 maisLista de Exercícios - SCE131
Lista de Exercícios - SCE131 Prof. Eduardo F. Costa - ICMC - USP http://www.icmc.usp.br/ efcosta Parte 1 - Cadeia de Markov (a tempo discreto) Exercício 1. Seja uma cadeia de Markov com probabilidades
Leia maisobservado, ainda que o tempo médio de serviço é igual a meio minuto. Determine:
0. Um único servidor em um centro de serviço está ocupado quatro de cada cinco minutos, em média. Foi observado, ainda que o tempo médio de serviço é igual a meio minuto. Determine: (i) O tempo médio de
Leia maisSIMULAÇÃO EM GESTÃO DE OPERAÇÕES E LOGÍSTICA: TOMADA DE DECISÕES EM MELHORIA DE PROCESSOS CAPÍTULO 3: TEORIA DAS FILAS Roberto Ramos de Morais
3 TEORIA DAS FILAS No cotidiano encontram-se filas em diversas situações: ao ir à padaria para comprar pão, na sala de espera do dentista, na compra de ingressos para o cinema, veículos em uma barreira
Leia maisRede de Computadores II
Slide 1 Teoria das Filas Ferramenta matemática para tratar de eventos aleatórios. É o estudo da espera em filas. Proporciona uma maneira de definir o ambiente de um sistema de filas matematicamente. Permite
Leia maisSCX5005 Simulação de Sistemas Complexos II. Problemas em Simulação
SCX5005 Simulação de Sistemas Complexos II Alguns Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte
Leia maisModelização do Sistema Produtivo Teoria das Filas de Espera
Modelização do Sistema Produtivo Teoria das Filas de Espera http://www.fe.up.pt/maspwww Licenciatura em Engenharia Electrotécnica e de Computadores Gil M. Gonçalves Gil.Goncalves@fe.up.pt 2004/2005 Outline
Leia maisNoções de Processos Estocásticos e Cadeias de Markov
Noções de Processos Estocásticos e Cadeias de Markov Processo Estocástico Definição: Processo Estocástico é uma coleção de variáveis aleatórias indexadas por um parâmetro t R (entendido como tempo). X={
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia maisProcessos Estocásticos
Processos Estocásticos Quarta Lista de Exercícios 12 de fevereiro de 2014 1 Sejam X e Y duas VAs que só podem assumir os valores 1 ou -1 e seja p(x, y) = P (X = x, Y = y), x, y { 1, 1} a função de probabilidade
Leia maisEELT-7035 Processos Estocásticos em Engenharia. Variáveis Aleatórias. EELT-7035 Variáveis Aleatórias Discretas. Evelio M. G.
EELT-7035 Processos Estocásticos em Engenharia Variáveis Aleatórias Discretas 21 de março de 2019 Variáveis Aleatórias Variável aleatória, X( ): função que mapeia o espaço amostral (S) em números pertencentes
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 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 maisModelos de Filas de Espera
QuickTime and atiff (Uncompressed) decompressorare needed to see this picture. Modelos de Filas de Espera Métodos Quantitativos 2004/2005 João Moura Pires Sumário Estrutura básica de Modelos de Filas de
Leia maisConfiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas.
Confiabilidade de sistemas Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Uma definição pratica de confiabilidade corresponde à probabilidade de um
Leia maisConfiabilidade em Sistemas Eletrônicos
Confiabilidade em Sistemas Eletrônicos Matemá'ca da Confiabilidade Alessandro L. Koerich Introdução Os princípios da confiabilidade moderna são baseados principalmente em esta@saca e probabilidade. Em
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte I 29 de Abril de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Determinar probabilidades a partir de funções densidades
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 mais2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.
2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :
Leia maisVariável Aleatória Poisson. Número de erros de impressão em uma
EST029 Cálculo de Probabilidade I Cap. 7. Principais Variáveis Aleatórias Discretas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Variável Aleatória Poisson Caraterização: Usa-se quando o experimento
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisCap. 5 Variáveis aleatórias discretas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 5 Variáveis aleatórias discretas APOIO: Fundação de
Leia maisCurso: Engenharia de Produção
Resolver o seguinte PPNL Ma (min) f( 1,,..., n ) s. a ( 1,,..., n ) R n Admite-se que as derivadas parciais de primeira e segunda ordens eistem e que são contínuas em todos os pontos. Sejam f() i As derivadas
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Aula #2c
Métodos Quantitativos para Ciência da Computação Experimental Aula #2c Virgílio A. F. Almeida Abril 2010 Departamento de Ciência da Computação Universidade Federal de Minas Gerais Sobre o método científico
Leia maisTráfego Telefônico. Prof. Marco Cazarotto
Prof. Marco Cazarotto : Fórmula de Erlang; Tabela de Erlang; Registro de Ocupações: Individual; Simultâneo; Intensidade de Tráfego; Unidades de Tráfego (Erl, CCS e EBHC); Erlang B e C. Fórmula de Erlang
Leia maisEscola Politécnica da USP Engenharia de Petróleo e Gás OUTRAS DISTRIBUIÇÕES CONTÍNUAS. Aula 14 - Prof. Regina Meyer Branski
Escola Politécnica da USP Engenharia de Petróleo e Gás OUTRAS DISTRIBUIÇÕES CONTÍNUAS Aula 14 - Prof. Regina Meyer Branski Distribuições Contínuas Distribuição Normal Outras Distribuições Contínuas Exponencial
Leia mais4ª LISTA DE EXERCÍCIOS - LOB1012. Variáveis Aleatórias Contínuas, Aproximações e TLC
4ª LISTA DE EXERCÍCIOS - LOB1012 Variáveis Aleatórias Contínuas, Aproximações e TLC Assunto: Função Densidade de Probabilidade Prof. Mariana Pereira de Melo 1. Suponha que f(x) = x/8 para 3
Leia maisCAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES
CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES. INTRODUÇÃO - Conceito de população desconhecida π e proporção da amostra observada P. π P + pequeno erro Perguntas: - Qual é o pequeno erro?
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 maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisVariáveis Aleatórias Discretas 1/1
Variáveis Aleatórias Discretas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte do Espírito Santo
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 1 o semestre 2018/2019 30/01/2019 11:30 1 o Teste C 10 valores 1. Numa unidade fabril
Leia maisCE Estatística I
CE 002 - Estatística I Agronomia - Turma B Professor Walmes Marques Zeviani Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná 1º semestre de 2012 Zeviani,
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 2 Leitura obrigatória: Devore, seções 3.4, 3.5 (hipergeométrica), 3.6 Aula 5-1 Objetivos Nesta parte 01 aprendemos a representar,
Leia maisINTRODUÇÃO À TEORIA DAS FILAS
INTRODUÇÃO À TEORIA DAS FILAS Uma fila é caracterizada por: Processo de chegada dos fregueses à fila Tempo de serviço dedicado pelo servidor a cada freguês Número de servidores Espaço disponível para espera
Leia maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia mais