Análise de Dados em Astronomia. 4. Simulações de Monte Carlo
|
|
- Maria Laura Festas
- 4 Há anos
- Visualizações:
Transcrição
1 1 / 22 Análise de Dados em Astronomia 4. Simulações de Monte Carlo Laerte Sodré Jr. AGA0505, 1o. semestre 2019
2 2 / 22 introdução aula de hoje: o método de Monte Carlo 1 introdução 2 variáveis aleatórias 3 integração 4 amostragem de distribuições de probabilidades 5 exemplo: universo newtoniano isotrópico e homogêneo 6 exemplo: transmissão de neutrons em uma placa referência clássica: I. Sobol, The Monte Carlo Method O registro de um mês de roleta em Monte Carlo nos dá material para discutir os fundamentos do conhecimento (Karl Pearson)
3 3 / 22 introdução o método de Monte Carlo
4 4 / 22 introdução o método de Monte Carlo método de resolução de problemas baseado em amostragem aleatória de distribuições de probabilidades inventado por Stanislaw Ulam, John von Neuman e Nicholas Metropolis durante o projeto Manhattan Ulam (um dos que desenharam a bomba de hidrogênio) bolou o método em 1946, pensando nas probabilidades de se ganhar um jogo de cartas de paciência Metropolis é o responsável pelo nome Monte Carlo aplicações: integração numérica otimização simulação de sistemas complexos...
5 introdução variáveis aleatórias variável (contínua ou discreta) cujos valores representam o resultado de fenômenos aleatórios supõe-se que uma variável aleatória obedeça a uma distribuição de probabilidades, que especifica a probabilidade de que seu valor esteja num certo intervalo exemplo simples: cálculo da área de uma figura arbitrária S contida (por conveniência) dentro de um quadrado de lado unitário: sorteamos N pontos uniformemente dentro do quadrado contamos quantos pontos cairam dentro da figura, N dentro área da figura: A N dentro N 5 / 22
6 integração por Monte Carlo integração por Monte Carlo MC oferece uma forma simples para se integrar uma função positiva f (x): I = b a f (x)dx f (x) > 0 o método da rejeição : vamos supor que a função f (x) possa ser coberta por uma função mais simples g(x) (isto é 0 f (x) g(x)), de área A no intervalo de integração por exemplo, g(x) = f max = const, A = (b a)f max 6 / 22
7 integração por Monte Carlo integração por Monte Carlo vamos supor que a função f (x) possa ser coberta por uma função mais simples: g(x) = f max = const, A = (b a)f max algoritmo: N ac = 0 repita N vezes os passos: integral: I = N ac N A gere aleatoriamente um x i entre a e b gere um número aleatório γ i uniformemente distribuído entre 0 e g(x i ) se f (x i ) γ i aceita-se x i ; se não, rejeita-se se x i foi aceito: N ac = N ac / 22
8 8 / 22 integração por Monte Carlo cálculo de π por MC a área de um quarto de círculo unitário é π/4 podemos calcular π com o método da rejeição calculando a área de um quarto de círculo inicialização: N ac = 0, a = 0, b = 0, f max = 1 repita N vezes os passos: gere aleatoriamente um x i e um y i entre 0 e 1 calcule d = x 2 i + y 2 i se d 1 aceita-se o ponto i; se não, rejeita-se se i foi aceito: N ac = N ac + 1 valor estimado de π: ˆπ = 4 N ac N = (nesta simulação, com 1000 pontos)
9 9 / 22 integração por Monte Carlo variância nas estimativas por MC note que a variância nos métodos de MC cai com 1/N como o desvio padrão σ é a raiz quadrada da variância, para reduzir σ por um fator 2 deve-se multiplicar o número de simulações por um fator 4
10 10 / 22 distribuições de probabilidades amostragem de distribuições de probabilidades objetivo: dada uma distribuição de probabilidades P(x), gerar N valores {x i } distribuídos como P(x) vamos supor que saibamos produzir uma sequência de números aleatórios uniformemente distribuídos entre 0 e 1 isso não é fácil: os números gerados pelos geradores de números aleatórios são pseudo- aleatórios γ: número gerado uniformemente entre 0 e 1
11 distribuições de probabilidades amostragem de distribuições de probabilidades vamos supor que o número de pontos gerados entre u e u + du seja igual a P(x)dx nesse caso, du = P(x)dx e u = x P(x )dx = CDF(x) assim, dado um u i entre 0 e 1, encontra-se x i resolvendo-se a equação acima para a distribuição cumulativa de probabilidades CDF(x) repete-se este procedimento N vezes para se obter a amostra desejada 11 / 22
12 12 / 22 distribuições de probabilidades exemplo: distribuição exponencial produção de uma amostra {x i } com P(x) = e x (x > 0) MC: u = x P(x )dx = CDF(x) para a distribuição exponencial: u = x 0 e x dx = 1 e x logo x = ln(1 u) assim, dado um conjunto de N números u i gerados uniformemente entre 0 e 1, calcula-se x i = ln(1 u i ) = ln γ i, onde γ i é também um número aleatório entre 0 e 1 os {x i } resultantes estarão distribuídos com uma pdf exponencial
13 13 / 22 exemplos de simulações exemplo: um universo homogêneo e uniforme objetivo: simular um universo simples: esférico, cartesiano, raio R, uniformemente povoado parâmetros: N, R - N galáxias dentro de um raio R densidade média: n = 3N/(4πR 3 ) o melhor é fazer a simulação em coordenadas esféricas (r, θ, φ) e daí obter (x, y, z): x = r sen(θ) cos(φ) y = r sen(θ) sen(φ) z = r cos(θ) com 0 r R, 0 θ π e 0 φ 2π regra de ouro: faça um modelo probabilístico que inclua todas as probabilidades relevantes
14 14 / 22 exemplos de simulações exemplo: um universo homogêneo e uniforme probabilidade de se encontrar uma galáxia entre os raios r e r + dr: P(r)dr n4πr 2 dr P(r) r 2 função cumulativa: e CDF(r) = γ r = r 0 r = Rγ 1/3 r ( r 3 P(r )dr = R) onde γ r é um número aleatório uniformemente distribuído entre 0 e 1
15 15 / 22 exemplos de simulações exemplo: um universo homogêneo e uniforme elemento de ângulo sólido: dω = senθdθdφ 0 θ π; 0 φ 2π probabilidade conjunta de θ e φ: marginalizando: P(θ) = P(θ, φ)dθdφ = dω/4π P(φ) = 2π 0 π 0 P(θ, φ)dφ = 1 2 senθ P(θ, φ)dθ = 1 2π
16 16 / 22 exemplos de simulações exemplo: um universo homogêneo e uniforme funções cumulativas: CDF(φ) = γ φ = CDF(θ) = γ θ = φ 0 φ = 2πγ φ θ 0 dφ 2π = φ 2π 1 2 senθdθ = 1 (1 cos θ) 2 θ = cos 1 (1 2γ θ ) simulação de uma galáxia: gero (γ r, γ θ, γ φ ) e calculo: r = Rγr 1/3 θ = cos 1 (1 2γ θ ) φ = 2πγ φ e x = r sen(θ) cos(φ) y = r sen(θ) sen(φ) z = r cos(θ)
17 17 / 22 exemplos de simulações exemplo: um universo homogêneo e uniforme
18 18 / 22 exemplos de simulações exemplo: transmissão de neutrons em uma placa I. Sobol, The Monte Carlo Method considere um fluxo de neutrons incidindo perpendicularmente a uma placa de espessura h suponha que, via interação com os átomos, os neutros podem sofrer ou absorção ou espalhamento elástico objetivo: estimar p +, p 0, p a) p + : probabilidade de transmissão b) p 0 : probabilidade de absorção c) p : probabilidade de reflexão
19 19 / 22 exemplos de simulações exemplo: transmissão de neutrons em uma placa parâmetros físicos: Σ a : seção de choque de absorção Σ e : seção de choque de espalhamento Σ = Σ a + Σ e : seção de choque total significado físico: na colisão com um átomo, a probabilidade de um neutron ser absorvido é Σ a /Σ e de ser espalhado é Σ e /Σ probabilidade de um neutron viajar uma distância x entre duas colisões com átomos: P(x) = Σ e Σx, 0 x < livre caminho médio: L = E(x) = 0 xp(x)dx = 1/Σ
20 exemplos de simulações exemplo: transmissão de neutrons em uma placa modelo probabilístico: movimentos apenas no plano (x,y) a partir de um certo ponto k na placa, um neutron pode viajar uma distância λ k formando um ângulo θ k com o eixo x: x k+1 = x k + λ k cos(θ k ) simulação de uma etapa da trajetória: λ k = 1 Σ ln γ λ µ k = cos θ k = 1 + 2γ θ (= distribuição uniforme entre -1 e 1) probabilidades: P(λ k ) = Σ e Σλ k P(θ k ) = 1 2 (1 cos θ k) 20 / 22
21 exemplos de simulações exemplo: transmissão de neutrons em uma placa simulação: condições iniciais: x 0 = 0, θ 0 = 0 N + = N = N 0 = 0 após a k-ésima iteração (k = 1,..., N): depois de N simulações, p + = N+ N, p0 = N0 N, p = N N testa-se se o neutron saiu da placa: x k+1 > h trajetória terminada e N + = N testa-se se o neutron foi refletido: x k+1 < 0 trajetória terminada e N = N + 1 testa-se se o neutron foi absorvido: γ a < Σ a/σ trajetória terminada e N 0 = N se nenhuma das anteriores, faz-se nova iteração, k+1 21 / 22
22 22 / 22 exemplos de simulações exercícios 1 Estime I = 1 0 x3 dx via MC. Obtenha estimativas usando N = 1, 10, 100, 1000, simulações. Faça um gráfico log-log da variância nos valores simulados de I versus N para analisar como o erro na estimativa da integral varia com N. 2 Em um observatório verifica-se uma relação entre a qualidade da noite hoje (boa, razoável, ruim) e a de amanhã, de acordo com a tabela. Faça uma simulação para estimar a fração de noites boas no longo prazo. amanhã boa amanhã razoável amanhã ruim hoje boa hoje razoável hoje ruim
AGA Análise de Dados em Astronomia I. O método de Monte Carlo
1 / 16 AGA 0505- Análise de Dados em Astronomia I O método de Monte Carlo Laerte Sodré Jr. 1o. semestre, 2018 2 / 16 breve história método de resolução de problemas baseado em amostragem aleatória de distribuições
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 maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
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 maisMonte Carlo Method. Peter Frank Perroni. December 1, Monte Carlo Simulation
Monte Carlo Simulation December 1, 2015 Histórico Técnica muito antiga porém somente recentemente oficializado como método estatístico. Foi muito importante nas simulações da bomba desenvolvida no Projeto
Leia maisAGA Análise de Dados em Astronomia I 8. Inferência Bayesiana e MCMC
1 / 1 AGA 0505- Análise de Dados em Astronomia I 8. Inferência Bayesiana e MCMC Laerte Sodré Jr. 1o. semestre, 2018 2 / 1 Inferência Bayesiana inferência bayesiana consideremos um conjunto de dados D que
Leia maisInferências bayesianas com probabilidade
Inferências bayesianas com probabilidade Qual é a relação entre inferência bayesiana e as distribuições probabiĺısticas recém descritas? Essa conexão é feita ao se estimar parâmetros da distribuição probabiĺıstica
Leia maisAnálise de Dados em Astronomia. 3. Distribuições de Probabilidades
1 / 24 3. Distribuições de Probabilidades Análise de Dados em Astronomia 3. Distribuições de Probabilidades Laerte Sodré Jr. AGA0505, 1o. semestre 2019 introdução aula de hoje 1 2 a distribuição uniforme
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 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 mais1) Deseja-se usar o algoritmo de rejeição para simular de uma v.a. normal positiva, cuja densidade é dada por. 2 x > 0.
MAE0399 - Análise de Dados e Simulação - o semestre de 208 - IME - USP 2 a Lista de Exercícios ) Deseja-se usar o algoritmo de rejeição para simular de uma v.a. normal positiva, cuja densidade é dada por
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 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 maisObjetivos. fim de servir de entrada na simulação de um modelo.
Geração de variáveis aleatórias Objetivos Geração de amostras para uma distribuição em específico a fim de servir de entrada na simulação de um modelo. Ilustrar algumas técnicas usadas para geração de
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 maisAGA Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares
1 / 0 AGA 0505- Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares Laerte Sodré Jr. 1o. semestre, 018 modelos modelagem dos dados dado um conjunto de dados,
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 maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisRedes Complexas Aula 7
Redes Complexas Aula 7 Aula retrasada Lei de potência Distribuição Zeta Propriedades Distribuição Zipf Exemplo Wikipedia Aula de hoje Distribuição de Pareto Medindo lei de potência Estimando expoente Exemplos
Leia maisTécnicas Computacionais em Probabilidade e Estatística I
c Técnicas Computacionais em Probabilidade e Estatística I Aula Chang Chiann MAE 5704- IME/SP º Sem/008 Slide c chang; /4/008 Simulação Estática Obetivo: Em análise estatística de dados, modelos estocásticos
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 maisRef: H.Gould e J. Tobochnik. Para integrais em uma dimensão as regras do trapezóide e de Simpson são
Método de Monte Carlo Resolução de Integrais Ref: H.Gould e J. Tobochnik Para integrais em uma dimensão as regras do trapezóide e de Simpson são melhores, mais rápidas. A técnica de resolução de integrais
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia mais1) Considere Y N(1, 1) e X Y = y N(y, 4). A quantidade de interesse é θ = P (X > 1).
1 Considere Y N1, 1 e X Y y Ny, 4. A quantidade de interesse é θ P X > 1. a Explique como obter uma estimativa de θ via simulação. Solução: Uma maneira simples de obter uma estimativa de θ é simulando
Leia maisExemplo do Uso da Integração: O valor médio de uma função contínua
Exemplo do Uso da Integração: O valor médio de uma função contínua Um problema muito comum em biologia consiste em determinar o valor médio de alguma grandeza que varia continuamente. Alguns exemplos são
Leia maisAGA Análise de Dados em Astronomia I. 2. Probabilidades
1 / 20 AGA 0505- Análise de Dados em Astronomia I 2. Probabilidades Laerte Sodré Jr. 1o. semestre, 2018 2 / 20 tópicos 1 probabilidades - cont. 2 distribuições de probabilidades 1 binomial 2 Poisson 3
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
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 maisMAE0229 Introdução à Probabilidade e Estatística II
Exercício Entre jovens atletas, um nível alto de colesterol pode ser considerado preocupante e indicativo para um acompanhamento médico mais frequente. Suponha que são classificados como tendo taxa de
Leia maisCampo Elétrico 2 Objetivos:
Campo Elétrico 2 Objetivos: Apresentar a discretização do espaço para a resolução de problemas em coordenadas: Cartesianas; Polar; Aplicar a discretização do espaço para resolução de problemas de campo
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
Leia maisA integral definida Problema:
A integral definida Seja y = f(x) uma função definida e limitada no intervalo [a, b], e tal que f(x) 0 p/ todo x [a, b]. Problema: Calcular (definir) a área, A,da região do plano limitada pela curva y
Leia maisLista de Exercícios 1: Eletrostática
Lista de Exercícios 1: Eletrostática 1. Uma carga Q é distribuída uniformemente sobre um fio semicircular de raio a, que está no plano xy. Calcule a força F com que atua sobre uma carga de sinal oposto
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 maisExercícios Funções Multivariadas, Exponencial e Outras
Turma 2017 Exercícios Funções Multivariadas, Exponencial e Outras Problema 1 (bivariada) Um bim de cinco transistores possui dois que são defeituosos. Os transistores são testados um a um, até que os defeituosos
Leia maisUma Breve Introdução ao Monte Carlo
Uma Breve Introdução ao Monte Carlo Uma Breve Introdução ao Monte Carlo Introdução Histórico Método da Rejeição Simples Algumas Aplicações Simples Cálculo de integrais Geração de eventos Referências Introdução
Leia maisFísica IV Escola Politécnica GABARITO DA P3 25 de novembro de 2014
Física IV - 4320402 Escola Politécnica - 2014 GABARITO DA P3 25 de novembro de 2014 Questão 1 Um elétron em repouso espalha um fóton incidente que possui comprimento de onda λ. Observa-se que o fóton espalhado
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 maisTerceira Lista - Potencial Elétrico
Terceira Lista - Potencial Elétrico FGE211 - Física III Sumário Uma força F é conservativa se a integral de linha da força através de um caminho fechado é nula: F d r = 0 A mudança em energia potencial
Leia maisIntegrais Duplos e Triplos.
Capítulo 4 Integrais uplos e Triplos. 4.1 Integrais uplos xercício 4.1.1 Calcule os seguintes integrais. a. e. 1 1 e 1 2x+2 15xy + 1y 2 dy dx b. y x dx dy 4 x 2y) dy dx f. 4 1 π 6 2 π 2 x 1 6xy 3 + x )
Leia maisFerramentas complementares para cálculo do momento de inércia. 1 Preparação. Nathan P. Teodosio. 1.1 Integração múltipla
Ferramentas complementares para cálculo do momento de inércia Nathan P. Teodosio Não espere encontrar aqui o rigor matemático, isto é um guia que tentei fazer o mais sucinto possível. Se estiver à procura
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 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 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 mais5 Análise para antenas em espiras inclinadas em relação ao eixo da ferramenta
5 Análise para antenas em espiras inclinadas em relação ao eixo da ferramenta 5.1 Introdução A análise de ferramentas de perfilagem eletromagnética que incorporem antenas em espiras inclinadas em relação
Leia maisUNIFEI - UNIVERSIDADE FEDERAL DE ITAJUBÁ
UNIFEI - UNIVERSIDADE FEDERAL DE ITAJUBÁ PROVA DE CÁLCULO e 2 PROVA DE TRANSFERÊNCIA INTERNA, EXTERNA E PARA PORTADOR DE DIPLOMA DE CURSO SUPERIOR - 6//26 CANDIDATO: CURSO PRETENDIDO: OBSERVAÇÕES:. Prova
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 mais2 Integrais Duplas em Coordenadas Polares
Lista 3: CDCI2 Turmas: 2AEMN e 2BEMN Prof. Alexandre Alves Universidade São Judas Tadeu 1 Mudança de Variáveis em Integrais Duplas Exercício 1: Calcule a integral dupla transformando a região de integração
Leia maisEstatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades Prof. Gabriel Bádue Teoria A distribuição de Poisson é uma distribuição discreta de probabilidade, aplicável a ocorrências de um evento
Leia maisUniversidade de São Paulo Eletromagnetismo ( ) Prova 1
Instituto de Física de São Carlos Universidade de São Paulo Eletromagnetismo 760001) 3 de abril de 018 Prof. D. Boito Mon.:. Carvalho 1 sem. 018: Bacharelados em Física Nome e sobrenome: n. USP: Prova
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 maisAnálise de dados em Fisica de Particulas
Análise de dados em Fisica de Particulas Magno V.T. Machado Instituto de Fisica - UFRGS Escola de Fisica de Particulas e Campos. Agosto 05-09, 2013 Números aleatórios e Monte Carlo Muitas aplicações computacionais
Leia maisMAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre o Método dos Mínimos Quadrados
MAP 2121 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre o Método dos Mínimos Quadrados 1: Usando o método dos mínimos quadrados de maneira conveniente, aproxime os pontos da tabela abaixo por uma
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 maisFundamentos Estatı sticos para Cie ncia dos Dados Ajuste de distribuic o es
Fundamentos Estatı sticos para Cie ncia dos Dados Ajuste de distribuic o es Renato Martins Assunc a o DCC, UFMG - 2015 Plano do tópico Vamos aprender a verificar se uma amostra segue uma certa distribuição
Leia maisAumentando a Eciência de Métodos Monte Carlo: Redução de Variâncias por Condicionamento
Aumentando a Eciência de Métodos Monte Carlo: Redução de Variâncias por Condicionamento Ian Meneghel Danilevicz Walmir dos Reis Miranda Filho Métodos Computacionais Aplicados à Estatística Prof.: Cristiano
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano Época especial
Prova Escrita de MATEMÁTICA A - 2o Ano 20 - Época especial Proposta de resolução GRUPO I. O declive da reta AB é dado por: m AB = y B y A x B x A = 2 = 2 + = Como retas paralelas têm o mesmo declive, de
Leia maisInferência para CS Modelos univariados contínuos
Inferência para CS Modelos univariados contínuos Renato Martins Assunção DCC - UFMG 2014 Renato Martins Assunção (DCC - UFMG) Inferência para CS Modelos univariados contínuos 2014 1 / 42 V.A. Contínua
Leia maisLista 1 - Cálculo III
Lista 1 - Cálculo III Parte I - Integrais duplas sobre regiões retangulares Use coordenadas cartesianas para resolver os exercícios abaixo 1. Se f é uma função constante fx, y) = k) e = [a, b] [c, d],
Leia maisExercícios de Coordenadas Polares Aula 41
Revisão - Métodos de Integração e Exercícios de Coordenadas Polares Aula 41 Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil 24 de Junho de 2014 Primeiro Semestre de 2014 Turma
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 mais3. Achar a equação da esfera definida pelas seguintes condições: centro C( 4, 2, 3) e tangente ao plano π : x y 2z + 7 = 0.
Universidade Federal de Uerlândia Faculdade de Matemática Disciplina : Geometria Analítica (GMA00) Assunto: Superfícies, Quádricas, Curvas e Coordenadas Professor Sato 4 a Lista de exercícios. Determinar
Leia maisAGA Análise de Dados em Astronomia I. 1. Introdução
1 / 22 1. Introdução AGA 0505 - Análise de Dados em Astronomia I 1. Introdução Laerte Sodré Jr. 1o. semestre, 2019 2 / 22 introdução aula de hoje: Introdução 1 objetivo 2 o que é ciência 3 dados 4 o que
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 maisSEL FUNDAMENTOS FÍSICOS DOS PROCESSOS DE FORMAÇÃO DE IMAGENS MÉDICAS. Prof. Homero Schiabel (Sub-área de Imagens Médicas)
SEL 5705 - FUNDAMENTOS FÍSICOS DOS PROCESSOS DE FORMAÇÃO DE IMAGENS MÉDICAS Prof. Homero Schiabel (Sub-área de Imagens Médicas) 5. INTERAÇÃO DOS RAIOS X COM A MATÉRIA 5.1. Atenuação e Absorção ATENUAÇÃO:
Leia maisMétodos para geração de variáveis aleatórias
Métodos para geração de variáveis aleatórias Cristiano de Carvalho Santos cristcarvalhosan@gmail.com Departamento de Estatística, Universidade Federal de Minas Gerais (UFMG) Introdução Por que é necessário
Leia maisIntegrais Múltiplas. Prof. Ronaldo Carlotto Batista. 23 de outubro de 2014
Cálculo 2 ECT1212 Integrais Múltiplas Prof. Ronaldo Carlotto Batista 23 de outubro de 2014 Cálculo de áreas e Soma de Riemann Vamos primeiro revisar os conceitos da integral de uma função de uma variável.
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 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 maisAnálise Matemática III Resolução do 2 ō Teste e 1 ō Exame - 20 de Janeiro horas
Instituto uperior Técnico Departamento de Matemática ecção de Álgebra e Análise Análise Matemática III Resolução do ō Teste e ō Exame - de Janeiro - 9 horas. O sólido tem simetria cilíndrica em torno do
Leia maisEEC4262 Radiação e Propagação. Lista de Problemas
Lista de Problemas Parâmetros fundamentais das antenas 1) Uma antena isotrópica no espaço livre produz um campo eléctrico distante, a 100 m da antena, de 5 V/m. a) Calcule a densidade de potência radiada
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO
CÁLCULO L1 NOTAS DA VIGÉSIMA AULA UNIVERSIDADE FEDERAL DE PERNAMBUCO Resumo. Nesta aula, consideraremos mais uma técnica de integração, que é conhecida como substituição trigonométrica. Esta técnica pode
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Se a integração analítica não é possível ou
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 maisEstudo da Criticalidade da Equação de Difusão Monoenergética com Fonte de Fissão através do Método Monte Carlo Físico
Trabalho apresentado no CNMAC, Gramado - RS, 2016. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Estudo da Criticalidade da Equação de Difusão Monoenergética com Fonte
Leia maisLista de Exercícios 1 Forças e Campos Elétricos
Lista de Exercícios 1 Forças e Campos Elétricos Exercícios Sugeridos (21/03/2007) A numeração corresponde ao Livros Textos A e B. A19.1 (a) Calcule o número de elétrons em um pequeno alfinete de prata
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisInteração da Radiação Eletromagnética com a Matéria Parte 1. FÍSICA DAS RADIAÇÕES I Paulo R. Costa
Interação da Radiação Eletromagnética com a Matéria Parte 1 FÍSICA DAS RADIAÇÕES I Paulo R. Costa RADIAÇÃO ELETROMAGNÉTICA E < 1,4 ev - UV A, B e C - Visível - Infra-vermelho - Microondas - Ondas de
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 06 - sistemas não lineares Antonio Oliveira Ricardo Marroquim 1 / 38 laboratório de processamento de imagens tópicos RANSAC métodos iterativos (não-lineares) gradientes
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisFísica III-A /2 Lista 1: Carga Elétrica e Campo Elétrico
Física III-A - 2018/2 Lista 1: Carga Elétrica e Campo Elétrico 1. (F) Duas partículas com cargas positivas q e 3q são fixadas nas extremidades de um bastão isolante de comprimento d. Uma terceira partícula
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade
Leia maisCosmologia Básica: 2 - as equações de Friedmann-Lemaitre
1 Cosmologia Básica: 2 - as equações de Friedmann-Lemaitre Laerte Sodré Jr. August 15, 2011 Cosmologia Relativística equações de Einstein: estabelecem uma relação entre a geometria do espaço-tempo e a
Leia maisFísica IV Escola Politécnica GABARITO DA PR 4 de fevereiro de 2016
Física IV - 43242 Escola Politécnica - 215 GABARITO DA PR 4 de fevereiro de 216 Questão 1 (I) Um farol A emite luz verde de frequência f 1 = 6 1 14 Hz. Outro farol B, em repouso em relação ao farol A,
Leia maisEstatísticas Inferenciais Distribuições Amostrais. Estatística
Estatística Na descrição dos conjuntos de dados x 1,..., x n, não foi feita menção ao conceito de população. Estatísticas inferenciais: preocupadas com a fonte dos dados e em tentar fazer generalizações
Leia maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
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 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 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 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 maisMe todos Computacionais em Fı sica
Me todos Computacionais em Fı sica Sandra Amato Instituto de Fı sica Universidade Federal do Rio de Janeiro Segundo Semestre de 2012 Me todos Computacionais em Fı sica 1 2 Ca lculo de Me todo da Estimativa
Leia maisProbabilidade Aula 08
332 Probabilidade Aula 8 Magno T. M. Silva Escola Politécnica da USP Maio de 217 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia e ciências,
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 27 de setembro de 2017 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] +
Leia maisIntrodução à probabilidade e à estatística II. Prof. Alexandre G Patriota Sala: 298A Site:
Introdução à probabilidade e à estatística II Revisão Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Estatística Estatística: É uma ciência que se dedica
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia maisMétodos Computacionais em Física I (FIW234) Turmas IFA e IFB Métodos de Monte Carlo
Métodos Computacionais em Física I (FIW234) Turmas IFA e IFB Métodos de Monte Carlo Edivaldo M. Santos e João R. T. de Mello Neto Aula 9 Edivaldo M. Santos e João R. T. de Mello Neto () Métodos Computacionais
Leia maisFísica III-A /1 Lista 1: Carga Elétrica e Campo Elétrico
Física III-A - 2018/1 Lista 1: Carga Elétrica e Campo Elétrico Prof. Marcos Menezes 1. Duas partículas com cargas positivas q e 3q são fixadas nas extremidades de um bastão isolante de comprimento d. Uma
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisInstituto de Física UFRJ
AC TORT 1/9 1 Instituto de Física UFRJ 1 a Avaliação a Distância de Física 3A - AD1 Soluções Pólo : Nome : Segundo Semestre de 9 Data: 1 o Q o Q 3 o Q 4 o Q Nota Assinatura : Problema 1 Considere um condutor
Leia maisUniversidade Federal do Rio de Janeiro Instituto de Física Primeira Prova (Diurno) Disciplina: Física III-A /2 Data: 17/09/2018
Universidade Federal do Rio de Janeiro Instituto de Física Primeira Prova (Diurno) Disciplina: Física III-A - 2018/2 Data: 17/09/2018 Seção 1: Múltipla Escolha (7 0,8 = 5,6 pontos) 3. O campo elétrico
Leia mais