Análise dos Resultados da Simulação
|
|
|
- Martim Vilarinho Gomes
- 7 Há anos
- Visualizações:
Transcrição
1 Análise dos Resultados da Simulação Prof. Paulo José de Freitas Filho, Dr. Eng. Universidade Federal de Santa Catarina Dep. Informática e Estatística PerformanceLab freitas@inf.ufsc.br
2 Tópicos Introdução Experimentação e Análise de Resultados Confiança Estatística Sistemas Terminais e Sistemas Não-Terminais Análise de Sistemas Terminais Usando o Arena Output Analyzer para tratar Sistemas Terminais Analise de Sistemas Não-Terminais Usando o Arena Output Analyzer para tratar Sistemas Não-Terminais 2
3 Tópicos Introdução Experimentação e Análise de Resultados Confiança Estatística Sistemas Terminais e Sistemas Não-Terminais Análise de Sistemas Terminais Usando o Arena Output Analyzer para tratar Sistemas Terminais Analise de Sistemas Não-Terminais Usando o Arena Output Analyzer para tratar Sistemas Não-Terminais 3
4 Introdução A principal razão para uma maior atenção aos processos de análise dos resultados das simulações: modelos apresentam um comportamento estocástico, à semelhança dos sistemas que estão imitando. 4
5 Introdução Objetivo Principal: minimizar os erros relacionados ao processo de inferência. 5
6 Introdução Os procedimentos necessários à análise dependem do tipo de sistema que está sendo tratado. Os sistemas serão classificados como: Terminais ou Não-terminais. 6
7 Tópicos Introdução Experimentação e Análise de Resultados Confiança Estatística Sistemas Terminais e Sistemas Não-Terminais Análise de Sistemas Terminais Usando o Arena Output Analyzer para tratar Sistemas Terminais Analise de Sistemas Não-Terminais Usando o Arena Output Analyzer para tratar Sistemas Não-Terminais 7
8 Experimentação e Análise de Resultados O procedimento de análise dos resultados da simulação inicia com a seleção de variáveis de desempenho que se deseja verificar no sistema. Por exemplo: 8 Elementos contadores de ocorrências 8 Variáveis obtidas de alguma expressão incluindo médias, variâncias, etc.. 8 Variáveis que medem tempo no sistema, tempo nas filas, número de entidades nas filas, utilização de recursos, vazão (throughput), etc 8
9 Experimentação e Análise de Resultados Inferir sobre os resultados implica na realização de análises estatísticas apropriadas. Algumas questões que devem ser inicialmente tratadas dizem respeito aos seguintes aspectos: Qual é a duração apropriada de uma rodada de simulação? Como interpretar corretamente seus resultados? Como analisar corretamente as diferenças obtidas em cada uma das replicações? 9
10 Tópicos Introdução Experimentação e Análise de Resultados Confiança Estatística Sistemas Terminais e Sistemas Não-Terminais Análise de Sistemas Terminais Usando o Arena Output Analyzer para tratar Sistemas Terminais Analise de Sistemas Não-Terminais Usando o Arena Output Analyzer para tratar Sistemas Não-Terminais 10
11 Confiança Estatística A determinação de intervalos de confiança para as variáveis de desempenho é um componente fundamental no processo de análise de resultados. 11
12 Confiança Estatística - Exemplo Para os dados da tabela deseja-se construir intervalos de confiança de 95% (α=0,05) e de 99% (α=0,01). Número da Replicação Tempo Médio na Fila 1 63,2 2 69,7 3 67,3 4 64,
13 Confiança Estatística - Exemplo Assumindo que os valores para a variável aleatória X (Tempo Médio na Fila) são normalmente distribuídos, o semi-intervalo h permitirá o cálculo do intervalo de confiança a 1 - α, para o verdadeiro valor da média µ, que estará centrado em X. 13
14 Confiança Estatística - Exemplo O semi-intervalo h é calculado por: h = tn 1,1 α / 2 S n t n onde o valor de 1,1 α / 2 é o valor tabulado de t (ver tabela t). 14
15 Confiança Estatística - Exemplo Uma vez que α reflete o nível de confiança para todo intervalo, no sentido de obter-se um intervalo bilateral usa-se o valor de α/2 para computar o valor de h. Usando-se as equações (abaixo) calcula-se o valor de X, S 2 e S. X n 2 x x i i nx i= = 1 2 i= 1 S = n n 1 Adicionalmente, busca-se os valores tabelados de t (amostra pequena) com 95% e 99% de confiança. n 2 15
16 Confiança Estatística - Exemplo X = 67,4; S 2 = 12,74 S = 3,57 Para 95% de confiança (α = 5%), temos 1 - α/2 = 0,975 e t 4, = 2,78. Para 99% de confiança (α = 1%), temos 1 - α/2 = 0,995 e t 4, = 4,60. Desta forma, os resultados dos valores de h são os seguintes: h = 4,44 (95% de confiança) h = 7,34 (99% de confiança) 16
17 Confiança Estatística Como o intervalo é simétrico em torno da média, temos os seguintes limites: [ X - h, X + h] O intervalo com 95% de confiança é: [62,6; 71,84] O intervalo com 99% de confiança é: [60,06; 74,74]. 17
18 Confiança Estatística O tamanho do intervalo depende do nível de confiança desejado. 8 O nível mais elevado (99%) requer um intervalo maior em comparação com o nível de confiança mais baixo. O número de replicações n e desvio-padrão amostral s são utilizados na obtenção de z ou t. Três fatores influenciam a largura do intervalo de confiança: 8 o número de replicações n; 8 o nível de confiança (1 - α) predefinido pelo analista; 8 variação (S 2 ) associada à medida de desempenho sob análise. 18
19 Confiança Estatística O relacionamento entre estes três fatores ocorre da seguinte maneira: 8 O aumento do número de replicações, reduz a largura do intervalo de confiança; 8 O aumento do nível de confiança, aumenta também a largura do intervalo de confiança. O intervalo com 99% de confiança será maior do que o aquele com 95% de confiança, uma vez mantidos os demais elementos; 8 Na medida que a variância (S 2 ) aumenta, cresce a largura do intervalo de confiança. 19
20 Tópicos Introdução Experimentação e Análise de Resultados Confiança Estatística Sistemas Terminais e Sistemas Não-Terminais Análise de Sistemas Terminais Usando o Arena Output Analyzer para tratar Sistemas Terminais Analise de Sistemas Não-Terminais Usando o Arena Output Analyzer para tratar Sistemas Não-Terminais 20
21 Sistemas Terminais e Não-Terminais Sistemas terminais: 8 Apresentam condições iniciais fixas (condições estas que o sistema volta a assumir ao início de cada rodada de simulação) e um evento que determina um fim natural para o processo de simulação (isto é, pode-se programar o fim de uma rodada de simulação). 8 Como exemplos de sistemas terminais pode-se citar os serviços, tais como, restaurantes, bancos, lojas comerciais, etc.. 21
22 Sistemas Terminais e Não-Terminais Sistemas Não-terminais: 8 Os sistemas não-terminais não possuem condições iniciais fixas, nem um evento que determina o fim do processo de simulação. 8 Como exemplos mais comuns deste tipo de sistemas podemos citar os serviços de 24 horas, os hospitais, os sistemas de comunicação, etc.. 22
23 Análise de Sistemas Terminais O objetivo de simular sistemas terminais é compreender seu comportamento ao longo de um período predeterminado e com duração fixa. Uma vez que as condições iniciais e o período simulado são fixos, o único fator controlável é o número de replicações. Os procedimentos de análise para sistemas terminais consistem em realizar um determinado número replicações, verificar a variância da medida de desempenho selecionada e determinar se o intervalo de confiança resultante encontra-se dentro de limites aceitáveis. 23
24 Executar piloto com n replicações Análise de Computar o intervalo de confiança Executar a simulação com n + n* replicações Sistemas Terminais Intervalo de confiança é aceitável NÃO Calcular número n* de replicações adicionais SIM Encerrar o procedimento 24
25 Tamanho da Amostra (número de replicações) para a Determinação da Média Sabe-se que para uma amostra de tamanho n, o intervalo de confiança 100(1-α)% da média populacional da variável de interesse é dado por: x ± z s n A precisão desejada de r % implica que o intervalo de confiança deve ser: [ x (1-r/100), x (1+r/100)]. Logo, x ± z s r = x(1 ± ) n 100 z s n = r x zs n = rx 2 25
26 Tamanho da Amostra Exemplo 1 Com base num teste preliminar a média amostral de uma variável de controle é de 20 segundos com desvio padrão de 5 segundos. Quantas replicações são necessárias para que a variável de controle tenha uma precisão de 1 segundo com 95% de confiança? Precisão requerida é de 1 em 20 = 5% Os parâmetros para a aplicação da fórmula são: x = 20 s = 5 z = 1,960 r = 5 n 5% = [(100 x 1,960 x 5) / (5 x 20)] 2 = (9,8) 2 = 96,04 26
27 Tamanho da Amostra Exemplo 2 Determinar os limites de um intervalo de confiança, considerando α = 5%, e uma precisão em torno de 5% para o valor da média amostral. Os parâmetros fornecidos são: x = 115,3 s = 5,7 z = 1,960 r = 5 n 5% = [(100 x 1,960 x 5,7) / (5 x 115,3)] 2 = (1,94) 2 = 3,
28 Método Empírico de Determinação do Tamanho da Amostra onde: n * = [n(h/h * ) 2 ] n * = a nova estimativa para n h = semi-intervalo de confiança obtido h * = semi-intervalo de confiança desejado 28
29 Tamanho da Amostra Exemplo Os valores obtidos para um intervalo de confiança após uma simulação com n = 24 replicações foi [75,82; 108,90], para uma média = 92,36. O valor obtido para o semi-intervalo h = 16,54 é maior do que o valor desejado (10% da média = 9,236). Logo, a primeira estimativa para n resultou em um intervalo maior do que o desejado. Aplique o método empírico e estime o valor de n *. n * = [n(h/h * ) 2 ] = [ 24 (16,04 / 9,236) 2 ] = 72,39 73 O novo valor obtido para h foi de 8,57 para uma média = 91,13. O novo intervalo de confiança para a média, com n = 73 replicações é [82,56; 99,70]. 29
30 Usando o Arena Output Analyzer para Tratar Sistemas Terminais Para um melhor entendimento dos passos que devem ser realizados, considere o exemplo do modelo Trans_Banc70.doe. Ative o Output Analyzer a partir do menu Programas/Arena. 30
31 Exemplo uso do Arena Output Analyzer As seguintes variáveis de desempenho foram designadas: 8 Tempo médio no sistema de um cliente que faz uso dos caixas; 8 Número médio de clientes na fila dos caixas. 31
32 Definição do número de replicações amostra piloto 32
33 Armazenando os Dados da Simulação 33
34 Solicitando ao Arena a criação de arquivos de dados 34
35 Solicitando as Estatísticas de Filas 35
36 Origem das Informações Geradas e Armazenadas no Arquivo Destino Summary Report... Replication 1 of 15 Avg. Min Max... # in Fila Caixas Replication 2 of 15 Avg. Min Max... # in Fila Caixas Replication 15 of 15 Avg. Min Max... # in Fila Caixas Arquivo NFCx.DAT
37 Anexando os arquivos TTCx.DAT e NFCx.DAT ao Output Analyzer 37
38 Solicitando Gráficos (Plot) 38
39 Gráficos (Plot) 39
40 Diálogo para o Cálculo do Intervalo de Confiança 40
41 Intervalos de Confiança 41
42 Mais precisão para o tamanho da fila Considere alcançar valores de h 10% da média amostral. 8 Para a variável Clientes na Fila, h = 0,745 (não atingida) 8 Para a variável Tempo no Sistema, h = 2,66 (atingida) n * = [n(h/h * ) 2 ] n * = a nova estimativa para n n = número de replicações já realizadas = 15 h = semi-intervalo de confiança já obtido = 1,59 h * = semi-intervalo de confiança desejado = 0,745 n * = [n(h/h * ) 2 ] = [ 15.(1,59 / 0,745) 2 ] = 15.(1,575)
43 Mais Precisão O valor obtido para h (0,616) é menor que o desejado (10% de 7,04 = 0, 704 ) 43
44 Exercícios Realize os exercício 1 e 2 da lista 44
45 Resposta Exercício 1 45
46 Resposta Exercício 2 46
47 Análise de Sistemas Não Terminais Os sistemas terminais não têm um estado inicial predefinido nem tampouco um evento caracterizando o encerramento do período de simulação. Dois problemas básicos devem ser contornados. 8 O primeiro deles trata do descarte das observações que pertencem ao período transiente. 8 O segundo problema diz respeito ao período de simulação. Para que se possa avaliar a variância da medida de interesse, considerando os descartes da fase transiente, as técnicas de avaliação exigem longas simulações. Quão longas? 47
48 Remoção da Fase Transiente Longa simulação; Inicialização apropriada; Observação visual. 48
49 Observação visual É o método mais simples e prático para a determinação do ponto de término do período transiente. Inicia pela construção de um gráfico, o qual aponta o comportamento da variável de resposta ao longo do tempo, procura-se observar, de forma aproximada, em que momento as respostas passam a ter uma conduta mais estabilizada. Em alguns sistemas a flutuação das respostas é bastante acentuada, mesmo quando em regime, dificultando à observação. Neste caso, traçar gráficos com médias móveis da variável é aconselhável. 49
50 Observação visual - Média Móvel A média móvel é construída calculando-se a média aritmética das k mais recentes observações em cada ponto do conjunto de dados. O valor de k ( tamanho da média móvel) é selecionado pelo analista, e poderá variar de acordo com o comportamento da variável sob investigação. Na medida em que se aumenta o valor de k, suaviza-se o gráfico tornando mais clara a observação do ponto de truncagem. Para k=1, os gráficos da média móvel e dos dados brutos coincidem. Os gráficos 2.2, 2.3 e 2.4 apresentam médias móveis para k=1, k=10 e k=50, respectivamente. 50
51 Observação visual - Média Móvel Gráfico 2.2: Média móvel com k=1 51
52 Observação visual - Média Móvel Gráfico 2.3: Média móvel com k=10 52
53 Observação visual - Média Móvel Gráfico 2.4: Média móvel com k=50 53
54 Tamanho do Período de Simulação Métodos Replicações Independentes Regeneração Loteamento 54
55 Executar uma longa simulação piloto Determinar período transiente Adotar técnica do loteamento Determinação do Tamanho do Período de Simulação para Sistemas Não-Terminais Período transiente curto? Sim Adotar técnica de múltiplas replicações independentes, eliminando o período transiente de cada uma delas. Não Determinar correlação Determinar tamanho do lote mínimo Executar longa simulação para gerar lotes necessários à criação da amostra piloto Seguir com procedimento semelhante ao adotado para sistemas terminais 55
56 Determinação do Tamanho do Período de Simulação para Sistemas Não-Terminais Método das Replicações Independentes 56
57 Determinação do Tamanho do Período de Simulação para Sistemas Não-Terminais Método do Loteamento 57
58 Exemplo Sistemas Não-Terminais Método do Loteamento Para à análise de um sistema não-terminal, vamos considerar o sistema hipotético representado na figura abaixo. O recurso do processo tem capacidade 2. Simule o modelo Ex_Sist_Term.doe inicialmente com uma rodada piloto com min. Processo Teste Reprocesso Serviço Tempo (min.) Processo Normal (34, 9) Teste de Inspeção Uniforme (10, 18) Reprocessamento Triangular (25, 40, 45) Tempo entre Chegadas Exponencial (20) 58
59 Criando o arquivo de dados O Módulo Statistics e a edição da estatística Tally 59
60 Gráfico do Tempo Médio de Passagem 60
61 Solicitação da média móvel 61
62 Média móvel de parâmetro K=10 62
63 Média móvel de parâmetro K=50 63
64 Método do Loteamento Comando Batch/Truncate Observations Eliminação das estatísticas obtidas nos primeiros 5000 min. de simulação. Equivalente ao Warmup 64
65 Método do Loteamento Comando Batch/Truncate Observations 65
66 Método do Loteamento Verificando a correlação entre as observações para a determinação dos Lotes Comando Correlogram 66
67 Método do Loteamento Correlograma Correlação com Lags = 50 para o TMP.tru 67
68 Método do Loteamento Correlograma Correlação com Lags = 200 para o TMP 68
69 Método do Loteamento Calculo do Tempo de Simulação Tamanho mínimo do Lote = 200 observações Tamanho do lote com segurança (10) 10 x 200 = 2000 obs. Uma obs. é obtida, em média, a cada 20 min. (TEC=Expo (20)min.) Tempo para simulação de um lote = 2000 obs x 20 min = min Tempo de Total de Simulação = Tempo de Descarte + Nº de Lotes x Tempo de Simulação para cada lote Tempo da Simulação para a geração de 15 lotes (replicações): Tempo de Simulação = min x min. = min. 69
70 Método do Loteamento Determinação do novo Tempo de Simulação 70
71 Método do Loteamento Montagem do arquivo de lotes 71
72 Método do Loteamento Montagem do arquivo de lotes Informações sobre a formação do arquivo de lotes 72
73 Método do Loteamento Intervalo de confiança da variável TMP Intervalo de confiança da variável TMP Meta: h < 10% da média atingida 73
74 Exercício Mesmo exemplo usando o método das Replicações Independentes. Considere inicialmente replicações com min. cada uma e um período de warmup de 5000 min. em cada replicação. 74
75 Mesmo Exemplo Usando o Método das Replicações Independentes Definindo os parâmetros de Replicação com o valor do Warm-up 75
76 Intervalo de Confiança Usando Múltiplas Replicações Independentes 76
Metodologia de simulação
Metodologia de simulação OBJETIVOS E DEFINIÇÃO DO SISTEMA FORMULAÇÃO DO MODELO ANÁLISE E REDEFINIÇÃO MODELO ABSTRATO RESULTADOS EXPERIMENTAIS (Capítulo 6) MODELO CONCEITUAL (Capítulo 3) REPRESENTAÇÃO DO
Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Simulação 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.
Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Contabilometria Prof.: Patricia Maria Bortolon, D. Sc. Intervalos de Confiança Fonte: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Identificação da Distribuição Teórica de Probabilidades
Identificação da Distribuição Teórica de Probabilidades A utilização de gráficos, tais como um histograma, são muito úteis para a identificação ou delineamento da distribuição teórica de probabilidades.
Modelagem 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
Estatística 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
SSC546 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
3 Revisão Bibliográfica - O Papel da Estatística na Simulação
3 Revisão Bibliográfica - O Papel da Estatística na Simulação Neste capítulo destacamos a importância da estatística nas etapas de seleção e caracterização de dados de entrada dos modelos de simulação,
Avaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo...... saídas
Cap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Estatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)
Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:
Inferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Probabilidade e Estatística
Probabilidade e Estatística Aula 7: Intervalos de Confiança com uma amostra Leitura obrigatória: Devore, cap 7 ou Montgomery e Runger, cap 8 Chap 8-1 Objetivos Como inferir sobre um parâmetro da população,
Métodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
AULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade
SSC546 -Avaliação de Desempenho de Sistemas
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 -Avaliação de Desempenho de Sistemas Parte 1 -Aula 2 Sarita Mazzini Bruschi Material
Capítulo 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,
Fernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
ANÁLISE DE RESULTADOS
ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados
Inferência Estatística: Conceitos Básicos II
Inferência Estatística: Conceitos Básicos II Distribuição Amostral e Teorema do Limite Central Análise Exploratória de dados no SPSS Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação
Capítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Análise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Análise Estatística. Análise Estatística Motivação: Fila de 1 servidor. Clientes chegam em um banco (sistema)
Inferência a partir de duas amostras
Inferência a partir de duas amostras Inferência a partir de duas amostras. Inferência sobre duas médias: amostras dependentes. Inferência sobre duas médias: amostras grandes e independêntes 3. Comparação
Atualmente uma das maiores preocupações do Sr. Macedo é com o nível de estoque do coco
1 GERENCIANDO SISTEMAS DE ESTÁGIO ÚNICO O Caso do Quiosque O CASO DO QUIOSQUE O Sr. Macedo possui autorização da prefeitura do Rio de Janeiro para explorar comercialmente um particular quiosquenaorladacidadeondeo
Tópicos 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
Estruturando o Fluxo Puxado O Caso do Quiosque
1 O CASO DO QUIOSQUE GERENCIANDO SISTEMAS DE ESTÁGIO ÚNICO O Caso do Quiosque O Sr. Macedo possui autorização da prefeitura do Rio de Janeiro para explorar comercialmente um particular quiosque na orla
Fernando 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
CE008 Introdução à Bioestatística INFERÊNCIA ESTATÍSTICA
CE008 Introdução à Bioestatística INFERÊNCIA ESTATÍSTICA Silvia Shimakura Estimação Amostras são usadas para estimar quantidades desconhecidas de uma população. população Exemplo: prevalência de doenças,
Inferência Estatística
Inferência Estatística Estimação Intervalar Média e Proporção Estimação Pontual x Estimação Intervalar Exemplo Inicial: Um estudo pretende estimar o valor de µ, a renda média familiar dos alunos da UFMG.
AULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Simulação de Sistemas. Adaptado de material de Júlio Pereira Machado (AULA 17)
Simulação de Sistemas Adaptado de material de Júlio Pereira Machado (AULA 17) Análise dos Dados de Saída Além das tarefas de modelagem e validação, devemos nos preocupar com a análise apropriada dos resultados
Estimativas e Tamanhos de Amostras
Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para
Estatística Aplicada. Inferência estatística com desvio padrão populacional conhecido Amostragem Capítulo 10 Itens 10.1 a 10.3
Estatística Aplicada Inferência estatística com desvio padrão populacional conhecido Amostragem Capítulo 10 Itens 10.1 a 10.3 Definição Estimação consiste em usar dados amostrais para estimar parâmetros
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Estatística. Guia de Estudos P1
Estatística Guia de Estudos P1 1. Introdução O objetivo principal do curso de estatística é dar as ferramentas necessárias para o aluno saber analisar e manipular dados e, a partir deles, extrair conclusões
Forecasting 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
Exemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média
Exemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média µ = 505g e desvio padrão σ = 9g. a) Selecionado ao acaso um pacote embalado
Cap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Análise Exploratória e Estimação PARA COMPUTAÇÃO
Análise Exploratória e Estimação MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Médias Média Aritmética (valor médio de uma distribuição) n x = 1 n i=1 x i = 1 n x 1 + + x n Média Aritmética
PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos
PHD 574 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 8 a aula Testes Não-Paramétricos de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 005 Estatística Aplicada
CONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
PERT PERT PERT PERT PERT PERT. O CPM assume que as estimativas de tempo para um projeto são certas (determinísticas);
O CPM assume que as estimativas de tempo para um projeto são certas (determinísticas); A duração de cada atividade na prática, contudo, pode ser diferente daquela prevista no projeto; Existem muitos fatores
Estatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Prof. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Física Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
AULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Tópicos em Gestão da Informação II
Tópicos em Gestão da Informação II Aula 07 Inferência Estatística - Estimação Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Faculdade de Informação e Comunicação Universidade Federal de
ESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS Um dos principais objetivos da estatística inferencial consiste em estimar os valores de parâmetros populacionais desconhecidos (estimação de parâmetros) utilizando dados amostrais.
Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
TAMANHO AMOSTRAL. Lucas Santana da Cunha 31 de julho de Universidade Estadual de Londrina. Tamanho da Amostra
TAMANHO AMOSTRAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 31 de julho de 2017 Tamanho da Amostra É muito comum ao pesquisador indagar sobre o número de
Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
Simulação Estacionária
Simulação Estacionária Tópicos em Avaliação de Desempenho de Sistemas Aline Oliveira Camila Araujo Iure Fé Janailda Silva aso2@cin.ufpe.br cga2@cin.ufpe.br isf2@cin.ufpe.br jbs4@cin.ufpe.br Agenda Contextualização
Intervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Simulação Monte Carlo
Simulação Monte Carlo Nome do Prof. Fernando Saba Arbache Email do prof. fernando@arbache.com Definição Análise de risco faz parte da tomada de decisão Surgem constantemente incertezas, ambiguidades e
Estatística Aplicada. Inferência estatística com desvio padrão populacional desconhecido Estimativa de proporção Capítulo 10 Itens 10.4 a 10.
Estatística Aplicada Inferência estatística com desvio padrão populacional desconhecido Estimativa de proporção Capítulo 10 Itens 10.4 a 10.5 Casos população infinita Quando o desvio-padrão populacional
Teste de % de defeituosos para 1 amostra
DOCUMENTO OFICIAL DO ASSISTENTE DO MINITAB Este documento é de uma série de papéis que explicam a pesquisa conduzida por estatísticos da Minitab para desenvolver os métodos e as verificações de dados usadas
Distribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ
Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda
Coleta 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
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Bioestatística INFERÊNCIA ESTATÍSTICA. Silvia Shimakura
Bioestatística INFERÊNCIA ESTATÍSTICA Silvia Shimakura AMOSTRAS E POPULAÇÕES Inferências sobre populações são geralmente feitas a partir de informações obtidas de amostras. amostras Válido se a amostra
Análise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
AULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Química Analítica V 1S Prof. Rafael Sousa. Notas de aula:
Química Analítica V 1S 2013 Aula 2: 13-05-2013 Estatística Aplicada à Química Analítica Parte 1 Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan
Estimação de valores. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá a parte mais importante da estatística, que é conhecida como inferência estatística, ou seja, você aprenderá como usar os dados de uma amostra para estimar
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
Métodos Estatísticos
Métodos Estatísticos 7 Inferência Estatística stica Estimação de Parâmetros Proporções Referencia: Estatística Aplicada às Ciências Sociais, Cap. 9 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002. Estimação
Stela Adami Vayego DEST/UFPR. Resumo 11 - Testes de Hipóteses
Resumo - Testes de Hipóteses.. Introdução Como para a estimação, o propósito dos testes de hipóteses é ajudar o pesquisador a tomar uma decisão referente a uma população, examinando uma amostra (a menos
Intervalos de Confiança - Amostras Pequenas
Intervalos de Confiança - Amostras Pequenas Prof. Eduardo Bezerra CEFET/RJ 20 de Abril de 2018 (CEFET/RJ) Intervalos de Confiança - Amostras Pequenas 1 / 26 Roteiro 1 Distribuição t de Student 2 Funções
Intervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
Distribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
MAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Virgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 2005 Prototipagem de sistemas Simulação Modelagem analítica matemática Criterios para avaliação dos métodos Custo Precisão Flexibilidade Esforço e capacidade de construir
RESPOSTAS - PROVA ESTATÍSTICA AGENTE PF 2018
RESPOSTAS - PROVA ESTATÍSTICA AGENTE PF 018 Determinado órgão governamental estimou que a probabilidade p de um ex-condenado voltar a ser condenado por algum crime no prazo de 5 anos, contados a partir
Modelos: Verificação, Validação e Experimentação
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO Modelos: Verificação, Validação e Experimentação Prof. Luís César da Silva (UFES/CCA) ESA 01 Engenharia de Sistemas Modelos Validados e Confiáveis Fundamentos: (Naylor
Inserindo Credibilidade Estatística aos Resultados de uma Avaliação de Desempenho
Inserindo Credibilidade Estatística aos Resultados de uma Avaliação de Desempenho Avaliação de Desempenho Prof. Kleber Rezende kleber.rezende@ifsuldeminas.edu.br Conteúdo Revisão de Probabilidade e Estatística:
AULA 10 Estimativas e Tamanhos Amostrais
1 AULA 10 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 18 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
ANÁLISE DE RESULTADOS
ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados
Física Geral (2013/1) Aula 3: Estimativas e erros em medidas diretas (I)
Física Geral (2013/1) Aula 3: Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através de medições
Distribuição T - Student. Prof. Herondino S. F.
Distribuição T - Student Prof. Herondino S. F. Distribuição T-Student A distribuição T de Student é uma distribuição de probabilidade estatística, publicada por um autor que se chamou de Student, pseudônimo
Simulação e Modelagem
Simulação e Modelagem Prof. Afonso C Medina Prof. Leonardo Chwif Versão. 6//6 Introdução Definição A Simulação como ferramenta de suporte à decisão Quando utilizar a Teoria das Filas ou a Simulação? O
COMO FUNCIONA A SIMULAÇÃO. Capítulo 2 - Aula 2. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 2 1 Tratando a Variabilidade dos Sistemas As diferenças fundamentais entre os dois tratamentos (T. Filas e simulação): para a solução analítica o objetivo da
Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
COS767 - 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
TÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Amostragem estratificada Divisão da população em
P. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)
Amostragem: Em pesquisas científicas, quando se deseja conhecer características de uma população, é comum se observar apenas uma amostra de seus elementos e, a partir dos resultados dessa amostra, obter
Análise e Tratamento de Dados para Simulação de Sistemas
Análise e Tratamento de Dados para Simulação de Sistemas Prof. Paulo José de Freitas Filho, Dr. Eng. Universidade Federal de Santa Catarina Dep. Informática e Estatística freitas@inf.ufsc.br Tópicos Introdução;
Intervalos de confiança
Intervalos de confiança Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Estimação dos Parâmetros Estimação é o nome técnico para o processo que consiste em