Seminário de Dinâmica Orbital I
|
|
- Micaela Capistrano Fernandes
- 8 Há anos
- Visualizações:
Transcrição
1 Seminário de Dinâmica Orbital I Métodos de Monte Carlo Alunos Carlos H. G. Hassmann Álvaro de A Arraes Prof. - Mário C. Ricci
2 Sumário -Introdução -Breve Histórico -Definição -Utilização -O método -Componentes -Comparação com métodos numéricos -Conforme - Aerospace Vehicle Control (desvantagens)
3 Introdução Breve histórico: - Técnica que vem sendo usada há séculos. - Somente, porém, nas últimas décadas ganhou maior importância. - Teve grande importância durante a Segunda Guerra Mundial - Pesquisas relacionadas com a difusão aleatória de nêutrons, tendo em vista a impossibilidade de reproduzir situações reais. - Tem seu nome inspirado em jogos de azar - Um dos pesquisadores do Projeto Manhattan gostava de poker. A simulação estatística tem similaridade com jogos de azar e Monte Carlo é uma cidade com muitos cassinos, logo chegou-se a esse nome.
4 Introdução Breve histórico: - A invenção do método como uma disciplina da matemática tem sues créditos a Enrico Fermi, von Neumann e Ulam. - A partir de 1950 é dado início ao MCNP :A General Monte Carlo Code for N-Particle Transport
5 Introdução Definição: - De forma bastante ampla, podemos definir as Técnicas de Monte Carlo como sendo estudos de simulação para obtenção de aproximações de variáveis de interesse, visando reproduzir, em um ambiente controlado, o que se passa no mundo real. Utilização: - As técnicas de Monte Carlo são amplamente utilizadas na Engenharia de Avaliações, notadamente na geração de cenários probabilísticos, quando da avaliação de empreendimentos de base imobiliária e de base industrial. Outra aplicação é na geração de amostras do mercado imobiliário, para validação dos modelos probabilísticos
6 Introdução Utilização: - Usado para simulação de sistemas físicos complexos e para sistemas de jogos eletrônicos também. -A analogia a jogos é muito boa, mas na verdade o jogo costuma ser um sistema físico onde o prêmio é a solução e a ciência o ganhador. -Projeto de reações nucleares. -Radioterapia para tratamento de câncer. -Fluxo de tráfego. -Economia. -Projetos de circuitos VLSI.
7 Introdução Exemplo: valor de pi. - O exemplo mais simples do uso consiste na técnica de contagem de acertos (hit and miss). Um exemplo interessante é o cálculo de pi. A estimativa do valor de pi seria, então: Área do quadrado = r 2 Área do quadrante do circulo = 0,25. pi. r 2 Considerando que tomemos aleatoriamente (distribuição uniforme) pontos dentro do quadrado, a relação entre os pontos dentro do quadrante e o total de pontos será dado pela relação das áreas. estimativa (pi) = 4. número de pontos no quadrante / número total de pontos.
8 Introdução Exemplo: valor de pi A contagem de acertos no quadrante poderia ser feita da seguinte forma:
9 Introdução Exemplo: Agulhas de Buffon (Buffon s Needles) Buffon ( ) descobriu que se tivermos uma grade uniforme de linhas paralelas, distantes uma da outra de d, e, se jogarmos uma agulha de comprimento l < d sobre a grade, a probabilidade de que a agulha cruze uma linha é dada por:
10 Introdução Exemplo: Agulhas de Buffon (Buffon s Needles)
11 Componentes -Função de distribuição de probabilidade -Gerador de números aleatórios -Regra de amostragem -Faixa de saídas -Técnicas de redução de variância (erro) -Paralelização e vetorização
12 Ilustração da simulação de um sistema físico:
13 Função de distribuição de probabilidade -Para haver a simulação necessitamos da função de densidade de probabilidade (pdf probability density function). - A pdf descreve o comportamento do sistema físico ou matemático. -Se busca a pdf com base em dados experimentais e teóricos Exemplo de uma pdf : -Uma pdf que descreva o transporte de 2 nêutrons de MeV em um tanque de água necessitará amostrar a distância que o nêutron atinge antes de colidir com uma molécula de água.
14 Variáveis Aleatórias Funções de Probabilidade Definição - Número real x i - Está ligado a uma evento E i - É aleatório, pois E i é aleatório - É dito variável, pois seu valor varia sobre o eixo real Utilidade: - Permitem a quantificação do processo aleatório - Podemos relacionar valores numéricos a eventos não numéricos. -x i está relacionada a E i que tem uma probabilidade p i
15 Variáveis Aleatórias Funções de Probabilidade Geração - Necessidade de uma fonte geradora - A fonte segue um algoritmo de geração - Os números devem estar dentro de um intervalo que contemple a pdf - A geração deve ser rápida para dar versatilidade ao método
16 Regra de amostragem -A regra de amostragem nada mais é do que uma orientação à geração dos números aleatórios. -Essa regra está relacionada diretamente à pdf -Garante que a geração de números aleatórios seja feita dentro de um intervalo correto e coerente com relação à pdf
17 Fontes de números aleatórios Usualmente três métodos são usados para obtenção de números aleatórios: -Tabelas de números aleatórios publicadas. -Geradores de números aleatórios. -Geradores de números pseudo aleatórios
18 Tabelas de números aleatórios - Geradas a partir de experimentos reais (tirar números de uma cesta, roleta, etc). É necessário testar as seqüências geradas.
19 Geradores de números aleatórios -Acoplar a um computador uma roleta eletrônica. -Medir o nível de ruído de uma válvula a vácuo. Muitas válvulas em paralelo poderiam gerar uma seqüência a cada período T, medindo o número de vezes que o ruído ultrapassa algum limiar. Se a contagem for par, escolher 0, se a contagem for ímpar, escolher 1. -É difícil testar a qualidade da seqüência. -Impossível repetir um experimento, a não ser pela gravação de uma enorme massa de dados. -Imperfeições podem gerar drifts.
20 Geradores de números pseudo-aleatórios -Considerando que a qualidade dos números é testada, pode-se ignorar sua origem, desde que os testes sejam satisfeitos. Tais números são simulados, no sentido em que satisfazem um conjunto de testes como se fossem números aleatórios, apesar de serem determinísticos. -Apresenta as seguintes vantagens: -Velocidade. -Reprodutibilidade. -Espaço ocupado. -A qualidade da seqüência só precisa ser testada uma única vez. -Pode seu utilizada muitas vezes.
21 Geradores de números pseudo-aleatórios -Apresenta as seguintes desvantagen: Como a seqüência é gerada por uma função do tipo: ela certamente é periódica. Isso significa que deve-se tomar o cuidado de utilizar seqüências de números pseudo-aleatórios cujo comprimento seja muito menor que o período da seqüência gerada.
22 Características de uma boa seqüência - Imprevisibilidade da seqüência com base apenas nos números anteriores. - Possível de implementação. - Função de autocorrelação triangular tendo um alta relação de pico / lobo lateral. - Estatística balanceada nas k-tuplas geradas. - Para cada segmento de seqüência, uma correlação cruzada uniformemente baixa.
23 Testes estatísticos Os testes mais simples (e mais importantes) são dados pelas seguintes medições: Dada uma tabela contendo de N dígitos: e 1,..., e N, o número de zeros na tabela dado por v 0 ; o número de 1 s, v 1 ; de 2 s, v 2 ; etc. Dada a soma -A teoria da probabilidade permite prever em que intervalo de valores essa soma deve estar. Não deve ser muito grande, pois o valor esperado para v i é N/10. Não deve ser muito pequeno, pois indicaria uma distribuição excessivamente regular.
24 Testes estatísticos Considerando as duplas (e 1, e 2 ), (e 3, e 4 ),...(e N-1, e N ): Chamando de v i,j ao número de pares iguais a (i,j) Também é possível prever o intervalo onde a seguinte soma deverá estar, se a seqüência tiver características de uma seqüência aleatória. É possível fazer testes semelhantes para triplas, quadruplas, etc
25 Características de um bom gerador - Distribuicão dos r é uniforme ) testes - Período muito maior do que o comprimento da seqüência usada na simulação - É possível armazenar a cada momento a semente associada a um número da seqüência - Seqüência produzida a partir de uma semente é a mesma em computadores diferentes - Tempo para geração dos r é o menor possível
26 Geradores congruenciais lineares: onde a, c, m são inteiros e x 0 é a semente. aproximadamente uniforme no intervalo (0, 1).
27 Faixas de saídas: -Cada saída é colocada em um espaço (S) de amostragem. -Cada espaço S será avaliado, concluindo-se o comportamento do fenômeno. Ex.: Jogo de dados. Rolar um dado n vezes. - Espaços escolhidos: E 1 (par), E 2 (maior que 4) e E 3 (dois). -E 2 e E 3 são eventos disjuntos. -E 1 e E 3 ou E 1 e E 2 podem ocorrer ao mesmo tempo - Uma possível conclusão sobre os resultados de simulação seria que o evento E 3 tem probabilidade de ocorrência 1/6.
28 Redução de variância - Os modelos de Monte Carlo com métodos de redução de variância melhoraram a acurácia e reduziram os desvios-padrões das estimativas.
29 Aplicação - Resolução de integral: Probabilidade de que um ponto aleatório caia dentro da área de interesse: Pode ser expandido para integrais de n dimensões
30 Aplicação - Comparação de erro para resolução de integrais de ordem d: É vantajoso usar Monte Carlo para d >> 3
31 Paralelização e Vetorização -Técnicas de paralelização e vetorização podem ser aplicadas ao método. -Têm o objetivo de acelerar o método, pois pode-se, via paralelização por ex., distribuir processamento em mais de uma CPU -Permite que Monte Carlo seja implementado em computadores de arquiteturas avançadas, ficando mais eficiente
32 Comparação com métodos numéricos -Métodos numéricos, normalmente, descrevem sistemas na forma de equações diferenciais parciais ou ordinárias. -Método de Monte Carlo: O sistema é simulado diretamente sem necessitar do desenvolvimento de equações diferenciais.
33 O Fermiac - Equipamento mecânico usado para a simulação via método de Monte Carlo. Idealizado por Érico Fermi e construído por Percy King (1947) - Suas simulações determinavam modificações na quantidade de nêutrons em sistemas nucleares (genealogias de nêutrons em duas dimensões - O equipamento tinha 3 dispositivos de ajuste que geravam, aleatoriamente, informações sobre o material radioativo, direção de movimento e distância percorrida pelo nêutron antes de uma próxima colisão - Foi utilizado durante 2 anos
34 O Fermiac Método de Monte Carlo
35 Aspectos práticos sobre o método - Utilizado na análise estatística inicial, quando os métodos analíticos são inadequados - É o método mais poderoso e comumente usado na análise de problemas complexos - Há muitos campos de utilização para esse método na indústria aeroespacial.
36 Aspectos práticos sobre o método Porém: - É uma técnica de simulação pouco precisa - Apresenta, somente, estimativas estatísticas e não soluções exatas - O estudo do problema físico é muito custoso - A simulação é demorada - Requer grande poder computacional - A simulação nos dá, somente, dados numéricos sobre o desempenho do sistema, dificultando, as vezes, a análise do sistema
37 Aspectos práticos sobre o método - Como regra o método de Monte Carlos não é competitivo em relação a métodos numéricos para solução de sistema de equações lineares ou diferenciais - É, no entanto, um laço externo as rotinas clássicas para a solução de sistemas de equações lineares com entradas aleatórias (ver figura)
38 Diagrama de blocos do método de Monte Carlo
39 Simulações: - O propósito das simulações é avaliar a eficiência do sistema - Independente, porém, do tipo de simulação algumas estatísticas são comuns: - Contagem número de vezes que um evento ocorre - Período tempo que o evento leva para iniciar e acabar ou intervalo de tempo que ocorre - Distribuições distribuições das variáveis, tais como: tempo de processamento, tempo de resposta seus valores médios e desvios padrões
40 Simulações Exemplo de diagrama com todos os módulos simulados
41 Simulações Exemplo de diagrama onde somente o veículo é simulado
42 Bibliografia - Aerospace Vehicle Control Waldemar C. Leite Filho, Tiago S. Ribeiro - Estatística Aplicada John E. Freus, gary A. Simon - The beginning of the Monte Carlo Method N. Metropolis Los Alamos Science Special Issue 1987 Sites consultados:
3 Método de Monte Carlo
25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional
Leia maisPesquisa Operacional
GOVERNO DO ESTADO DO PARÁ UNIVERSIDADE DO ESTADO DO PARÁ CENTRO DE CIÊNCIAS NATURAIS E TECNOLOGIA DEPARTAMENTO DE ENGENHARIA Pesquisa Operacional Tópico 4 Simulação Rosana Cavalcante de Oliveira, Msc rosanacavalcante@gmail.com
Leia maisMétodo Monte-Carlo. Alexandre Rosas. 23 de Março de 2009. Departamento de Física Universidade Federal da Paraíba
Departamento de Física Universidade Federal da Paraíba 23 de Março de 2009 O que são os métodos de Monte-Carlo? Métodos numéricos que utilizam amostragem estatística (em contraposição a métodos determinísticos)
Leia maisAula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello
Aula 04 Método de Monte Carlo aplicado a análise de incertezas Aula 04 Prof. Valner Brusamarello Incerteza - GUM O Guia para a Expressão da Incerteza de Medição (GUM) estabelece regras gerais para avaliar
Leia maisO método de Monte Carlo: algumas aplicações na Escola Básica
1 Universidade de São Paulo/Faculdade de Educação Seminários de Ensino de Matemática (SEMA-FEUSP) Coordenador: Nílson José Machado novembro/2009 O método de Monte Carlo: algumas aplicações na Escola Básica
Leia mais2. Método de Monte Carlo
2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.
Leia maisIntrodução à Simulação
Introdução à Simulação O que é simulação? Wikipedia: Simulação é a imitação de alguma coisa real ou processo. O ato de simular algo geralmente consiste em representar certas características e/ou comportamentos
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisSimulação Computacional de Sistemas, ou simplesmente Simulação
Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.
Leia maisSimulação Estocástica
Simulação Estocástica O que é Simulação Estocástica? Simulação: ato ou efeito de simular Disfarce, fingimento,... Experiência ou ensaio realizado com o auxílio de modelos. Aleatório: dependente de circunstâncias
Leia maisModelagens e Gerenciamento de riscos (Simulação Monte Carlo)
Modelagens e Gerenciamento de riscos (Simulação Monte Carlo) Prof. Esp. João Carlos Hipólito e-mail: jchbn@hotmail.com Sobre o professor: Contador; Professor da Faculdade de Ciências Aplicadas e Sociais
Leia maisModelamento e simulação de processos
Modelamento e simulação de processos 4. Método de Monte Carlo Prof. Dr. André Carlos Silva 1. INTRODUÇÃO O Método de Monte Carlo (MMC) é um método estatístico utilizado em simulações estocásticas com diversas
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisModelagem e Simulação
AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia mais2. Função Produção/Operação/Valor Adicionado
2. Função Produção/Operação/Valor Adicionado Conteúdo 1. Função Produção 3. Administração da Produção 1 Bibliografia Recomenda Livro Texto: Introdução à Administração Eunice Lacava Kwasnicka - Editora
Leia maisMODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL
MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL Marcelo Maciel Monteiro Universidade Federal Fluminense, Engenharia de Produção Rua Martins Torres 296, Santa Rosa, Niterói, RJ, Cep 24240-700
Leia maisBC-0005 Bases Computacionais da Ciência. Modelagem e simulação
BC-0005 Bases Computacionais da Ciência Aula 8 Modelagem e simulação Santo André, julho de 2010 Roteiro da Aula Modelagem O que é um modelo? Tipos de modelos Simulação O que é? Como pode ser feita? Exercício:
Leia maishttp://www.de.ufpb.br/~luiz/
UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ Vimos que é possível sintetizar os dados sob a forma de distribuições de frequências
Leia maisOBJETIVOS: CARGA HORÁRIA MÍNIMA CRONOGRAMA:
ESTUDO DIRIGIDO COMPONENTE CURRICULAR: Controle de Processos e Instrumentação PROFESSOR: Dorival Rosa Brito ESTUDO DIRIGIDO: Métodos de Determinação de Parâmetros de Processos APRESENTAÇÃO: O rápido desenvolvimento
Leia maisConversor Analógico /Digital
O que é: Um sistema eletrônico que recebe uma tensão analógica em sua entrada e converte essa tensão para um valor digital em sua saída. Processo de conversão Consiste basicamente em aplicar uma informação
Leia maisCÁLCULO DE INCERTEZA EM ENSAIO DE TRAÇÃO COM OS MÉTODOS DE GUM CLÁSSICO E DE MONTE CARLO
ENQUALAB-28 Congresso da Qualidade em Metrologia Rede Metrológica do Estado de São Paulo - REMESP 9 a 2 de junho de 28, São Paulo, Brasil CÁLCULO DE INCERTEZA EM ENSAIO DE TRAÇÃO COM OS MÉTODOS DE GUM
Leia mais1. Introdução. 1.1 Introdução
1. Introdução 1.1 Introdução O interesse crescente dos físicos na análise do comportamento do mercado financeiro, e em particular na análise das séries temporais econômicas deu origem a uma nova área de
Leia maisEXERCÍCIOS RESOLVIDOS
ENG JR ELETRON 2005 29 O gráfico mostrado na figura acima ilustra o diagrama do Lugar das Raízes de um sistema de 3ª ordem, com três pólos, nenhum zero finito e com realimentação de saída. Com base nas
Leia maisProtocolo em Rampa Manual de Referência Rápida
Protocolo em Rampa Manual de Referência Rápida 1 O que é o Protocolo em Rampa O protocolo em rampa é um protocolo para testes de esforço que não possui estágios. Nele o incremento da carga se dá de maneira
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisQual é o risco real do Private Equity?
Opinião Qual é o risco real do Private Equity? POR IVAN HERGER, PH.D.* O debate nos mercados financeiros vem sendo dominado pela crise de crédito e alta volatilidade nos mercados acionários. Embora as
Leia maisMétodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF)
Métodos Estatísticos II 1 o. Semestre de 010 ExercíciosProgramados1e VersãoparaoTutor Profa. Ana Maria Farias (UFF) Esses exercícios abrangem a matéria das primeiras semanas de aula (Aula 1) Os alunos
Leia maisO trabalho pioneiro nesta área remonta a Ulam, que o teria inventado em 1946 ao estudar as possibilidades de ganhar no jogo de cartas Solitário.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Números aleatórios (NA) são elementos básicos necessários na simulação de quase todos os sistemas discretos. Eles podem ser utilizados
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE i1 Introdução Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos
Leia maisUNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aulas passadas Modelagem de sistemas via cadeias de Markov Aula de hoje Introdução à simulação Gerando números pseudo-aleatórios 1 O Ciclo de Modelagem Sistema real Criação do Modelo
Leia mais4 Arquitetura básica de um analisador de elementos de redes
4 Arquitetura básica de um analisador de elementos de redes Neste capítulo é apresentado o desenvolvimento de um dispositivo analisador de redes e de elementos de redes, utilizando tecnologia FPGA. Conforme
Leia maisSoluções Nível 1 5 a e 6 a séries (6º e 7º anos) do Ensino Fundamental
a e 6 a séries (6º e 7º anos) do Ensino Fundamental 1. (alternativa C) Os números 0,01 e 0,119 são menores que 0,12. Por outro lado, 0,1 e 0,7 são maiores que 0,. Finalmente, 0,29 é maior que 0,12 e menor
Leia mais3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar
3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar Vimos que as previsões sobre as capacidades caloríficas molares baseadas na teoria cinética estão de acordo com o comportamento
Leia mais4. Tarefa 16 Introdução ao Ruído. Objetivo: Método: Capacitações: Módulo Necessário: Análise de PCM e de links 53-170
4. Tarefa 16 Introdução ao Ruído Objetivo: Método: Ao final desta Tarefa você: Estará familiarizado com o conceito de ruído. Será capaz de descrever o efeito do Ruído em um sistema de comunicações digitais.
Leia maisO Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48
Conteúdo 1 Princípios de Contagem e Enumeração Computacional Permutações com Repetições Combinações com Repetições O Problema do Troco Principio da Casa dos Pombos > Princípios de Contagem e Enumeração
Leia maisProbabilidade. Distribuição Exponencial
Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos
Leia maisO QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I
O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I! A utilização de escores na avaliação de crédito! Como montar um plano de amostragem para o credit scoring?! Como escolher as variáveis no modelo de credit
Leia maisIntrodução Processamento Paralelo
Introdução Processamento Paralelo Esbel Tomás Valero Orellana Bacharelado em Ciência da Computação Departamento de Ciências Exatas e Tecnológicas Universidade Estadual de Santa Cruz evalero@uesc.br 23
Leia maisSistemas Operacionais e Introdução à Programação. Vetores e matrizes
Sistemas Operacionais e Introdução à Programação Vetores e matrizes 1 Matrizes Cada elemento de uma matriz é referenciado indicando-se sua posição dentro da matriz. Na Matemática, matrizes são arranjos
Leia maisMemória Cache. Prof. Leonardo Barreto Campos 1
Memória Cache Prof. Leonardo Barreto Campos 1 Sumário Introdução; Projeto de Memórias Cache; Tamanho; Função de Mapeamento; Política de Escrita; Tamanho da Linha; Número de Memórias Cache; Bibliografia.
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear A medida de correlação é o tipo de medida que se usa quando se quer saber se duas variáveis possuem algum tipo de relação, de maneira que quando uma varia a outra varia também.
Leia maisMétodo de Monte Carlo e ISO
Método de Monte Carlo e ISO GUM para cálculo l de incerteza Prof. Dr. Antonio Piratelli Filho Universidade de Brasilia (UnB) Faculdade de Tecnologia Depto. Engenharia Mecânica 1 Introdução: Erro x incerteza
Leia maisCOMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
Leia maisConceitos Fundamentais
Capítulo 1 Conceitos Fundamentais Objetivos: No final do Capítulo o aluno deve saber: 1. distinguir o uso de vetores na Física e na Matemática; 2. resolver sistema lineares pelo método de Gauss-Jordan;
Leia maisConceitos de Confiabilidade Características da Distribuição Weibull
Página 1 de 7 WebSite Softwares Treinamentos Consultorias Recursos ReliaSoft Empresa ReliaSoft > Reliability Hotwire > Edição 3 > Conceitos Básicos de Confiabilidade Reliability HotWire Edição 3, Maio
Leia maisUniversidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados
Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:
Leia mais4 Estudos de Casos Problema Direto
35 4 Estudos de Casos Problema Direto Este capítulo mostra o resultado de simulações feitas a partir do modelo desenvolvido para veículos deformáveis descrito na tese de mestrado de DE CARVALHO, F. A.,
Leia mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
Leia maisModelagem e Simulação Material 02 Projeto de Simulação
Modelagem e Simulação Material 02 Projeto de Simulação Prof. Simão Sirineo Toscani Projeto de Simulação Revisão de conceitos básicos Processo de simulação Etapas de projeto Cuidados nos projetos de simulação
Leia mais5. EXPERIÊNCIAS E ANÁLISE DOS RESULTADOS. 5.1 - Os Programas de Avaliação
36 5. EXPERIÊNCIAS E ANÁLISE DOS RESULTADOS 5.1 - Os Programas de Avaliação Programas de avaliação convencionais foram utilizados para análise de diversas configurações da arquitetura. Estes programas
Leia maisA4 Projeto Integrador e Lista de Jogos
A4 Projeto Integrador e Lista de Jogos 1ª ETAPA PROJETO INTEGRADOR (2 pontos na A4) Como discutido em sala de aula, a disciplina de algoritmos I também fará parte do projeto integrador, para cada grupo
Leia maisInformática I. Aula 5. http://www.ic.uff.br/~bianca/informatica1/ Aula 5-13/05/2006 1
Informática I Aula 5 http://www.ic.uff.br/~bianca/informatica1/ Aula 5-13/05/2006 1 Ementa Histórico dos Computadores Noções de Hardware e Software Microprocessadores Sistemas Numéricos e Representação
Leia maisLogo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A:
MQI 00 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 6/05/008 GABARITO PROBLEMA O preço de um certo carro usado é uma variável Normal com média R$ 5 mil e desvio padrão R$ 400,00. a) Você está interessado
Leia maisAvaliação de Desempenho de Sistemas. Conceitos Básicos de Sistemas e Modelos
Avaliação de Desempenho de Sistemas Conceitos Básicos de Sistemas e Modelos O que é Desempenho? Webster s? The manner in which a mechanism performs. Aurélio: Conjunto de características ou de possibilidades
Leia maisIntrodução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra.
Métodos Monte Carlo Introdução Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Estimativas pontuais e intervalares para os parâmetros;
Leia mais7Testes de hipótese. Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno. H 0 : 2,5 peças / hora
7Testes de hipótese Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno COMENTÁRIOS INICIAIS Uma hipótese estatística é uma afirmativa a respeito de um parâmetro de uma distribuição de probabilidade. Por exemplo,
Leia maisRESOLUÇÃO Matemática APLICADA FGV Administração - 08.12.13
VESTIBULAR FGV 2014 08/12/2013 RESOLUÇÃO DAS 10 QUESTÕES DE MATEMÁTICA DA PROVA DA TARDE - MÓDULO DISCURSIVO QUESTÃO 1 Considere, no espaço cartesiano bidimensional, os movimentos unitários N, S, L e O
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA DEPARTAMENTO DE ENGENHARIA MECÂNICA ENG03108 MEDIÇÕES TÉRMICAS
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA DEPARTAMENTO DE ENGENHARIA MECÂNICA ENG03108 MEDIÇÕES TÉRMICAS ANÁLISE DA EFICIÊNCIA TÉRMICA DE ISOLAMENTOS EM AQUECIMENTO E RESFRIAMENTO
Leia maisx0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia maisPossui como idéia central a divisão de um universo de dados a ser organizado em subconjuntos mais gerenciáveis.
3. Tabelas de Hash As tabelas de hash são um tipo de estruturação para o armazenamento de informação, de uma forma extremamente simples, fácil de se implementar e intuitiva de se organizar grandes quantidades
Leia maisIntrodução ao Método de Galerkin Estocástico
Introdução ao Método de Galerkin Estocástico Americo Barbosa da Cunha Junior Departamento de Engenharia Mecânica Pontifícia Universidade Católica do Rio de Janeiro 1 Introdução A dinâmica de um sistema
Leia maisCAP5: Amostragem e Distribuição Amostral
CAP5: Amostragem e Distribuição Amostral O que é uma amostra? É um subconjunto de um universo (população). Ex: Amostra de sangue; amostra de pessoas, amostra de objetos, etc O que se espera de uma amostra?
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES 1
CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,
Leia maisAlgoritmos Genéticos
UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br
Leia maisA avaliação da incerteza do tipo B. Segundo o Guia para Expressão da Incerteza na Medição (Joint Commitee for Guides
A avaliação da incerteza do tipo B Segundo o Guia para Expressão da Incerteza na Medição (Joint Commitee for Guides in Metrology, 2008a), em condições ideais, todas as incertezas em laboratório seriam
Leia maisLEI DE OHM. Professor João Luiz Cesarino Ferreira. Conceitos fundamentais
LEI DE OHM Conceitos fundamentais Ao adquirir energia cinética suficiente, um elétron se transforma em um elétron livre e se desloca até colidir com um átomo. Com a colisão, ele perde parte ou toda energia
Leia maisHoje estou elétrico!
A U A UL LA Hoje estou elétrico! Ernesto, observado por Roberto, tinha acabado de construir um vetor com um pedaço de papel, um fio de meia, um canudo e um pedacinho de folha de alumínio. Enquanto testava
Leia maisUNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2
UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 LISTA N O 2 Prof.: William Morán Sem. I - 2011 1) Considere a seguinte função distribuição conjunta: 1 2 Y 0 0,7 0,0
Leia maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às
Leia maisBatalha Naval Algoritmos de Busca. Correlações curriculares Matemática: Números: maior que, menor que, iguais a.
Atividade 6 Batalha Naval Algoritmos de Busca Sumário Computadores são freqüentemente requisitados a encontrar informação em grandes coleções de dados. Estes precisam desenvolver métodos rápidos e eficientes
Leia maisEngenharia de Software III
Engenharia de Software III Casos de uso http://dl.dropbox.com/u/3025380/es3/aula6.pdf (flavio.ceci@unisul.br) 09/09/2010 O que são casos de uso? Um caso de uso procura documentar as ações necessárias,
Leia maisProbabilidade. Distribuição Exponencial
Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos
Leia maisMódulo 4. Construindo uma solução OLAP
Módulo 4. Construindo uma solução OLAP Objetivos Diferenciar as diversas formas de armazenamento Compreender o que é e como definir a porcentagem de agregação Conhecer a possibilidade da utilização de
Leia maisUniversidade Federal de Santa Catarina Centro Tecnológico Departamento de Informática e Estatística Curso de Graduação em Ciências da Computação
Universidade Federal de Santa Catarina Centro Tecnológico Departamento de Informática e Estatística Curso de Graduação em Ciências da Computação Aula 6-T 2. Máquinas Sequencias Síncronas: Comparação entre
Leia maisDESENVOLVENDO HABILIDADES CIÊNCIAS DA NATUREZA I - EM
Olá Caro Aluno, Você já reparou que, no dia a dia quantificamos, comparamos e analisamos quase tudo o que está a nossa volta? Vamos ampliar nossos conhecimentos sobre algumas dessas situações. O objetivo
Leia maisO conceito de probabilidade
A UA UL LA O conceito de probabilidade Introdução Nesta aula daremos início ao estudo da probabilidades. Quando usamos probabilidades? Ouvimos falar desse assunto em situações como: a probabilidade de
Leia maisSistema de Numeração e Conversão entre Sistemas. Prof. Rômulo Calado Pantaleão Camara. Carga Horária: 60h
Sistema de Numeração e Conversão entre Sistemas. Prof. Rômulo Calado Pantaleão Camara Carga Horária: 60h Representação de grandeza com sinal O bit mais significativo representa o sinal: 0 (indica um número
Leia mais4. Metodologia. Capítulo 4 - Metodologia
Capítulo 4 - Metodologia 4. Metodologia Neste capítulo é apresentada a metodologia utilizada na modelagem, estando dividida em duas seções: uma referente às tábuas de múltiplos decrementos, e outra referente
Leia maisGeração de Números Aleatórios e Simulação
Departamento de Informática Geração de Números Aleatórios e imulação Métodos Quantitativos LEI 26/27 usana Nascimento (snt@di.fct.unl.pt) Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) usana
Leia maisCláudio Tadeu Cristino 1. Julho, 2014
Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino
Leia maisFábrica de Software 29/04/2015
Fábrica de Software 29/04/2015 Crise do Software Fábrica de Software Analogias costumam ser usadas para tentar entender melhor algo ou alguma coisa. A idéia é simples: compara-se o conceito que não se
Leia maisRevisão de Estatística Básica:
Revisão de Estatística Básica: Estatística: Um número é denominado uma estatística (singular). Ex.: As vendas de uma empresa no mês constituem uma estatística. Estatísticas: Uma coleção de números ou fatos
Leia maisTutorial de Eletrônica Aplicações com 555 v2010.05
Tutorial de Eletrônica Aplicações com 555 v2010.05 Linha de Equipamentos MEC Desenvolvidos por: Maxwell Bohr Instrumentação Eletrônica Ltda. Rua Porto Alegre, 212 Londrina PR Brasil http://www.maxwellbohr.com.br
Leia maisLaudo Técnico. Belo Horizonte, 22 de outubro de 2014. Retificação ao Laudo Técnico emitido no dia 18 de setembro de 2014. Considerar o presente laudo.
Laudo Técnico Belo Horizonte, 22 de outubro de 2014 Retificação ao Laudo Técnico emitido no dia 18 de setembro de 2014. Considerar o presente laudo. 1) Solicitante: Associação Brasileira de Frigoríficos
Leia maisTÉCNICAS DE PLANEJAMENTO E CONTROLE. UNIDADE II - Instrumentos gráficos de planejamento e controle
TÉCNICAS DE PLANEJAMENTO E CONTROLE UNIDADE II - Instrumentos gráficos de planejamento e controle 2.5. Diagramas de redes de precedência O CPM Critical Path Method, consiste em uma rede com setas representativas
Leia maisAS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA
CAPÍTULO 1 AS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA Talvez o conceito físico mais intuitivo que carregamos conosco, seja a noção do que é uma força. Muito embora, formalmente, seja algo bastante complicado
Leia maisNome: N.º: endereço: data: telefone: E-mail: PARA QUEM CURSA O 8 Ọ ANO EM 2014. Disciplina: matemática
Nome: N.º: endereço: data: telefone: E-mail: Colégio PARA QUEM CURSA O 8 Ọ ANO EM 04 Disciplina: matemática Prova: desafio nota: QUESTÃO 6 (OBEMEP- ADAPTADO) Laura e sua avó Ana acabaram de descobrir que,
Leia maisValor verdadeiro, precisão e exatidão. O valor verdadeiro de uma grandeza física experimental às vezes pode ser considerado
UNIDADE I Fundamentos de Metrologia Valor verdadeiro, precisão e exatidão O valor verdadeiro de uma grandeza física experimental às vezes pode ser considerado o objetivo final do processo de medição. Por
Leia maisFunções de Posicionamento para Controle de Eixos
Funções de Posicionamento para Controle de Eixos Resumo Atualmente muitos Controladores Programáveis (CPs) classificados como de pequeno porte possuem, integrados em um único invólucro, uma densidade significativa
Leia maisMODELAGEM E SIMULAÇÃO
MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Terminologia Básica Utilizada em de Sistemas Terminologia Básica Uma série de termos
Leia maisCAPÍTULO 2. Grafos e Redes
CAPÍTULO 2 1. Introdução Um grafo é uma representação visual de um determinado conjunto de dados e da ligação existente entre alguns dos elementos desse conjunto. Desta forma, em muitos dos problemas que
Leia maisIntrodução a Avaliação de Desempenho
Introdução a Avaliação de Desempenho Avaliar é pronunciar-se sobre as características de um certo sistema. Dado um sistema real qualquer, uma avaliação deste sistema pode ser caracterizada por toda e qualquer
Leia maisProjetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.
Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações
Leia mais