Metodologia de simulação
|
|
- Agustina Bernardes Campelo
- 7 Há anos
- Visualizações:
Transcrição
1 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 MODELO DADOS DE ENTRADA (Capítulo ) EXPERIMENTAÇÃO DO MODELO MODELO OPERACIONAL IMPLEMENTAÇÃO DO MODELO MODELO COMPUTACIONAL (Capítulo 4) VERIFICAÇÃO E VALIDAÇÃO (Capítulo 5) Introdução Momento de se realizar diferentes experimentos de simulação com o modelo o que ocorre se...? Como as entradas são processos aleatórios, em cada experimento realizado, tem-se saídas cujos valores são aleatórios também RIRO (Random In, Random Out) não se pode concluir muita coisa a partir de um único experimento de simulação roda-se n vezes o experimento e tem-se um conjunto de valores cuja média representa um bom estimador a precisão desse valor é avaliada por sua variância quanto menor a variância, mais precisa a estimação Page
2 Introdução Questões importantes nos resultados da simulação qual a variância estimada quantos experimentos deve-se realizar para atingir uma dada precisão Objetivo do capítulo discutir como construir os experimentos quais as técnicas para análise das saídas 3 Definições O que é regime transitório e o que é regime permanente O que é simulação terminal e o que é simulação em regime O que são medidas de desempenho O que é replicação e o que é rodada 4 O que é intervalo de confiança Page
3 Regime transitório x Regime permanente Regime transitório o desempenho do sistema está fortemente relacionado com as condições iniciais o estudo durante este regime é pouco conclusivo às vezes as condições iniciais podem afetar perigosamente os resultados da simulação 5 Regime permanente as condições iniciais não afetam mais o comportamento do sistema Regime transitório Exemplo: jogo de dados dado de 6 faces com probabilidade de /6 cada face espera-se que após jogar o dado várias vezes, a média dos valores obtidos seja: µ = 6 i= ( probabilidade de ocorrer a face i)* i 6 µ = = Page 3
4 Regime transitório Não houve sucesso em obter a média 3.5 nos primeiros 0 lançamentos Lançamento Número Obtido Média Acumulada /=,0 (+)/=,0 (++4)/3=,0 (++4+6)/4=3,0 3,6 3,8 3,6 3,5 3,3 3, 7 Regime transitório Comportamento da média acumulada dos valores obtidos após 0 lançamentos de um dado não-viciado Média Acumulada dos Lançamentos 6 5 3, Lançamentos Page 4
5 Transitório x Permanente Deve-se lançar mais vezes o dado de modo a melhorar o resultado, após 50 lançamentos, a média obtida foi de Pode se acompanhar o comportamento da média acumulada ao longo dos 50 lançamentos 6,0 Média Acumulada dos Lançamentos 5,5 5,0 4,5 Regim e Transitório Regim e Perm anente 4,0 3,5 3,0,5,0,5 9, Lançamentos Regime permanente A partir do lançamento 75, o sistema já se comporta como o esperado, estando a média muito próxima de 3.5 a partir desse ponto, o sistema está em regime permanente os efeitos das condições iniciais (no caso, poucos lançamentos ) já não afetam o seu desempenho 0 Para atingir o regime permanente simular por um período mais longo eliminar o período transitório iniciar o sistema já em um estado dentro do regime permanente Page 5
6 Simulação terminal x não-terminal Terminal feita para um intervalo de tempo (início/fim) início e fim de um turno de trabalho Não terminal ou em regime simulação de tempo longo, tecnicamente, infinito operação 4 horas por dia, 7 dias por semana Às vezes, apesar do sistema possuir um turno de operação, opta-se pela simulação em regime uma linha de montagem com turno de 8 horas a parada não é parada final do sistema os processos são momentaneamente paralisados e no dia seguinte são retomados no mesmo ponto Simulação terminal x não-terminal Terminal feita para um intervalo de tempo (início/fim) início e fim de um turno de trabalho Não terminal ou em regime simulação de tempo longo, tecnicamente, infinito operação 4 horas por dia, 7 dias por semana Às vezes, apesar do sistema possuir um turno de operação, opta-se pela simulação em regime uma linha de montagem com turno de 8 horas a parada não é parada final do sistema os processos são momentaneamente paralisados e no dia seguinte são retomados no mesmo ponto Page 6
7 Escolha das medidas de desempenho Problema: escolher corretamente os parâmetros que utiliza-se como medida de desempenho do sistema Para se realizar uma boa análise dos resultados, primeiro define-se as medidas de desempenho a partir dos objetivos da simulação 3 Qual era o objetivo da simulação para o proprietário do PUB? simular para verificar a demora que alguns clientes sentem no atendimento dos seus pedidos Escolha das medidas de desempenho Se o proprietário do PUB está preocupado com os clientes que têm de esperar por atendimento, quais seriam as medidas adequadas de desempenho deste sistema? ( ) O número médio de clientes que chegam ao Pub ( ) O tempo médio de espera do cliente pela garçonete ( ) O número de clientes que desistem do atendimento devido ao excesso de clientes na fila de espera por bebidas ( ) O tempo de permanência dos clientes no Pub ( ) A probabilidade de que um cliente aguarde mais do que 3 minutos por atendimento 4 Page 7
8 Replicação x Rodada 5 Rodada: o que ocorre quando seleciona-se ou inicia-se o comando que executa a simulação no computador uma rodada pode envolver várias replicações Replicação: é uma repetição da simulação do modelo, com a mesma configuração, a mesma duração e com os mesmos parâmetros de entrada, mas com uma semente de geração dos números aleatórios diferente apesar de os dados e dos parâmetros de entrada serem os mesmos, como os números aleatórios gerados são diferentes, cada replicação terá uma saída diferente também Saída Confiabilidade dos resultados Análise dos dados de saída dos sistemas terminais Análise dos dados de saída dos sistemas não-terminais 6 Comparação dos resultados de alternativas simuladas Page 8
9 Você confia nos resultados? Um modelo de simulação lida com números aleatórios não é conclusivo o resultado de apenas uma replicação cada replicação deve ser entendida como um novo experimento 7 Considere um posto bancário com fila única de clientes e apenas um caixa feito o modelo de simulação, realizou-se uma replicação o número médio de pessoas na fila foi 6.7 pessoas a seguir foram realizadas 9 replicações Média de pessoas na fila para cada replicação 8 Replicação Média de 0 replicações Desvio Padrão Média de Pessoas em Fila 6,7,00 0,38,8 0,46 0,9 0,4,30 0,,85,54,03 Page 9
10 Confiança estatística x Precisão Pode-se confiar na média de.54 pessoas? confiança estatística é intervalo de confiança ou seja, um intervalo de valores que contém a média quanto maior o valor desta probabilidade, maior a confiança estatística de que a média se encontra no intervalo construído valores usuais: 99%, 95% e 90% 9 precisão é o tamanho do intervalo nada adianta uma alta confiança estatística se o intervalo que contém a média é muito grande Confiança estatística x Precisão 0 Determinado candidato tem 35% das intenções de voto a margem de erro é de 3% (+/-) ele pode ter uma votação de 3% a 38% em geral não se informa a confiança da pesquisa em geral o valor adotado e não informado é de 95% neste caso o intervalo de confiança é de: P (35-3 % de votos 35+3) = 95% a probabilidade de estar entre 3% e 38% é de 95% portanto esta pesquisa eleitoral tem 5% de chance de estar errada Page 0
11 Intervalo de confiança Um intervalo de confiança 00( - α)% para a média é construído por: P( x h µ x + h) = α ou x ± t x h = t t n, α / n, α / n, α / amostra; n é o ( α / ) percentil com n graus de liberdade; s n s é a média da s é o desvio n é a metade do tamanho do intervalo padrão da amostra; é o número de dados da amostra. ( precisão) da distribuição t de student Intervalo de confiança A partir das médias relacionadas na tabela anterior, constrói-se os intervalos de 99%, 95%, 90% e 80% de confiança n Precisão (metade do Confiança intervalo) Intervalo de α t n,α / Confiança da 00( α)% s h = tn, α / Média ( x = 54, ) n 0 99% 0,0 3,5,09 0, 55 µ 3, % 0,05,6,45 0, 09 µ 3, % 0,0,83,8 0, 37 µ, % 0,0,38 0,89 0, 65 µ, 43 Por que quando aumenta-se a confiança, a precisão diminui? Page
12 Intervalo de confiança: distribuição t Student 3 Para aumentar a precisão Deve-se aumentar o tamanho da amostra, ou seja, o número de replicações com o aumento de replicações, a média da amostra se modifica e o desvio padrão também os intervalos vão diminuir sensivelmente, melhorando a precisão do resultado 4 quantas replicações deve-se realizar para se obter uma precisão igual a h*? utiliza-se uma amostra-piloto Page
13 Número de replicações 5 Para se atingir uma precisão desejada em determinado valor, necessita-se rodar o modelo várias vezes, gerando uma AMOSTRA PILOTO de tamanho n e com precisão h utiliza-se a expressão a seguir, onde h* é a precisão desejada; pode-se estimar o número de replicações necessárias n*: n * h = n * h Número de replicações: exemplo Considere-se que foram realizadas 0 replicações de um modelo de simulação Para essa amostra piloto, a precisão obtida foi de 0,95 minutos para a média do tempo em fila Qual o número de replicações necessárias caso necessite-se de uma precisão de 0,5 minutos? Neste caso, n=0, h=0,95 e h*=0,5: 6 0,95 n = 0 0,5 = 7, = 73 Page 3
14 Análise dos dados de saída: sistemas terminais A análise dos dados de saída depende do tipo de sistema que se está estudando: terminal ou não terminal Terminais: têm um momento exato no tempo para finalizar a simulação precisa-se determinar a duração da simulação e o número de replicações a duração da simulação é determinada pela duração do período de operação do sistema real um supermercado, aberto de 9h às h deve ser simulado por um período de 3 horas (-9) 7 o número de replicações vai depender do grau de confiança que se deseja trabalhar Análise dos dados de saída: sistemas terminais A análise dos dados de sistemas terminais deve ser dividida em 7 etapas:. estabelecer as medidas de desempenho adequadas;. escolher a confiança estatística e a precisão com que se pretende trabalhar; 3. definir, a partir da observação do sistema real, o tempo de simulação; 4. construir a amostra piloto ; 5. determinar o número de replicações necessárias; 6. rodar o modelo novamente; 7. calcular o novo intervalo de confiança. 8 Page 4
15 Sistema terminal Estudo de caso: Loja de departamentos 9 Em uma central de financiamento de uma loja de departamentos, o tempo entre chegadas de clientes é normalmente distribuído com média de 5 min e desvio padrão de. min. Existem três atendentes que realizam a pré-análise. O tempo de pré-análise é exponencialmente distribuído com média de 8 min. Enquanto a atendente está realizando a pré-análise do cliente, ela não pode atender outro cliente. Os clientes que chegam quando todas as atendentes estão ocupadas aguardam em fila única. Após a pré-análise, 70% dos clientes são encaminhados ao gerente, que finaliza o processo de financiamento. Os outros 30% não têm o financiamento aceito. O gerente leva.5 min na maior parte das vezes para atender aos clientes, segundo uma distribuição triangular em que o menor valor é de 0.5 min e o maior valor é de 5 min. A central funciona diariamente das 0:30h às h. A loja pretende estudar o tempo médio que um cliente, cujo financiamento é aceito, gasta no sistema (espera e atendimento). Estudo de caso: Loja de departamentos ACD 30 Page 5
16 Etapas da análise dos dados Loja de departamentos 3. Estabelecer as medidas de desempenho adequadas o objetivo da loja já determina a medida de desempenho mais adequada: tempo médio que um pedido aceito permanece no sistema. Escolher a confiança estatística e a precisão desejada vamos trabalhar com uma confiança de 95% (portanto α = 0.05) e uma precisão que h* seja de, no máximo, 0.5min 3. Tempo de simulação A partir da observação do sistema real, a central funciona de 0:30h às h, portanto h30min = 690min Etapas da análise dos dados Loja de departamentos 4. Construir a amostra-piloto vamos rodar o modelo com poucas replicações (0) de modo a obtermos uma amostra-piloto 3 Page 6
17 Etapas da análise dos dados Loja de departamentos 4. Construir a amostra-piloto através da amostra-piloto pode-se construir um intervalo de confiança para a média obtida com α=0.05 e n=0 tem-se da tabela da distribuição de t de Student : t n-;α/ =.6 o tamanho da metade do intervalo fica: h = tn, / α s n =.6x./3.6 = este valor é maior do que a precisão definida de 0.5 min pode-se construir o seguinte intervalo de confiança para a média 0.95 e desvio padrão. Etapas da análise dos dados Loja de departamentos 4. Construir a amostra-piloto intervalo de confiança: x h µ x + h = µ µ.75 portanto, existe uma probabilidade de 95% de que o intervalo [0.6;.75] contenha a média do tempo de espera no sistema 5. Determinar o número de replicações necessárias como não se atingiu a precisão desejada, deve-se aumentar o número de replicações: 34 * h = n * h ; 0,8 0,5 n n = 0 = 5.6 = 6 replicações Page 7
18 Etapas da análise dos dados Loja de departamentos 6. Rodar o modelo novamente ou roda-se o modelo novamente com 6 replicações e descarta-se a amostra-piloto ou roda-se mais 6 replicações e aproveita-se os resultados das 0 replicações da amostra-piloto opção mais prática: a segunda 35 Etapas da análise dos dados Loja de departamentos 36 Page 8
19 Etapas da análise dos dados Loja de departamentos 7. Calcular o novo intervalo de confiança a partir da nova amostra de valores, pode-se calcular o novo intervalo de confiança: α = 0.05, n=6, média = 0.6, desvio =.06, t=.06 h = 0.3 (dentro do valor estipulado, 0.5 min) x h µ x + h = µ µ Saída Confiabilidade dos resultados (OK) Análise dos dados de saída dos sistemas terminais (OK) Análise dos dados de saída dos sistemas não-terminais 38 Comparação dos resultados de alternativas simuladas Page 9
20 Análise dos dados de saída dos sistemas não-terminais 39 Sistemas em que não se tem um instante exato para término da simulação questão: por quanto tempo a replicação deve ser executada? a simulação deve ser executada de modo que os dados de saída sejam coletados, obrigatoriamente, durante o estado de regime permanente começar a simulação em um estado próximo daquele esperado em regime permanente rodar o modelo por um tempo de simulação longo eliminar, dos dados de saída, todos os valores gerados durante o período transitório 40 Condições iniciais do sistema próximas daquelas encontradas em regime permanente Momento do início da simulação, o sistema está vazio e livre Esse estado inicial vazio causará algum impacto negativo no tempo necessário para se atingir o regime permanente Se estabelecermos condições para que a simulação inicie-se já configurada, o problema da determinação do regime transitório está sanado Grande dificuldade: modelos de sistemas que ainda não existem na realidade não se conhece a priori como é o estado do sistema em regime permanente Page 0
21 Rodar o modelo por um tempo de simulação longo Se rodarmos a simulação por um período muito grande minimiza-se os efeitos das condições iniciais do sistema Dificuldade: em modelos complexos, um tempo muito longo pode ser proibitivo (do ponto de vista dos recursos computacionais disponíveis) 4 Eliminar dos dados de saída, todos os valores gerados durante o período transitório No período inicial não são coletadas estatísticas A simulação passa por um período de aquecimento (warm-up) e, posteriormente, as estatísticas passam a ser coletadas 4 Determinação do tempo de warm-up determina-se os parâmetros de análise constrói-se gráficos com os valores desses parâmetros em função do tempo determina-se a partir de que momento o parâmetro parece não estar mais sendo influenciado pelas condições iniciais do sistema Page
22 Exemplo: linha de produção Em uma linha de produção, uma peça deve passar por 0 operações executadas em máquinas distintas. O tempo de operação de cada máquina é de 0.9min (em média) se a peça passa por 0 máquinas que levam 0.9min cada uma, era de se esperar que o tempo total de produção fosse de 0.9x0=9min, em média. Mas está se operando em 5min (50% mais lentos!) 43 Exemplo: linha de produção 44 Estudo de warm-up um modelo de simulação foi construído e o objetivo inicial é determinar qual o tempo de warm-up necessário feito a partir de um número mínimo de replicações (geralmente 5) resultados das 5 primeiras replicações (600min de simulação) Tempo médio de produção (min) Tempo de Replicações simulação (min) Média M M M M M M M Page
23 Exemplo: linha de produção Estudo de warm-up Nota-se que os primeiros valores são, de fato, inferiores aos valores observados no estado de regime permanente (a partir da 6ª. Linha) A linha de produção possui 0 máquinas e, se é a primeira peça, o sistema estará vazio e sem filas a chance de alguma peça encontrar fila em alguma máquina vai aumentando à medida que aumentam as peças em processamento quando a operação entra em regime permanente, praticamente toda peça aguarda algum tempo na fila de alguma máquina 45 Exemplo: linha de produção Pode-se notar que a curva da média das replicações suavizou e facilitou a análise do comportamento dos tempos de produção pode-se afirmar que o período de warm-up dura os primeiros (60-70) minutos, pois a curva não aparenta tendências de crescimento ou diminuição Tempo de Ciclo (min) Replicação Replicação Replicação 3 Replicação 4 Replicação 5 Média Tempo de Simulação (min) Page 3
24 Como comparar os resultados de alternativas simuladas? 47 Com o modelo de simulação pronto, pode-se testar diversas alternativas para o sistema pode-se aumentar o numero de recursos num processo para a verificação da diminuição do tempo médio de espera, etc... O modelo de simulação é uma poderosa ferramenta para a tomada de decisão Se a comparação é feita entre duas alternativas, aplica-se um teste estatístico para comparação entre os dois resultados (entre as duas médias) caso : alternativas com o mesmo número de replicações caso : amostras de tamanhos diferentes Caso : mesmo número de replicações A aplicação do teste consiste em construir um novo intervalo de confiança com as diferenças das alternativas 48 Passo : calcula-se as diferenças das médias de cada replicação Passo : calcula-se a média e o desvio padrão das diferenças Passo 3: constrói-se um novo intervalo de confiança [θ,θ ] para a média das diferenças Passo 4: faz-se a análise do intervalo [θ,θ ] se contiver 0 (θ <0 e θ >0), nada pode ser concluído se o intervalo cair totalmente à direita de 0 (θ >0 e θ >0), a alternativa é melhor (média maior) se o intervalo cair totalmente à esquerda de 0 (θ <0 e θ <0), a alternativa é melhor (média maior) Page 4
25 Caso : amostras de tamanhos diferentes O teste é semelhante, mas as amostras não têm o mesmo tamanho (tamanho b) a média ( x ) e o desvio padrão ( s) são calculados para cada alternativa separadamente não se calcula a diferença o intervalo de confiança com 00(-α)% é dado por: s s x x ± tα /, v + b b onde v é o número de graus de liberdade que pode ser obtido pela expressão (arredondado para o inteiro acima): v = [( s / b ) ( s /( b / b + s )] + [( s / b ) / b ) /( b )] 49 Page 5
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
Leia maisMétodos 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
Leia maisANÁLISE 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
Leia maisAULA 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
Leia maisInferência 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
Leia maisAnálise dos Resultados da Simulação
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 Tópicos Introdução
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisAvaliação 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
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 maisCOS767 - Modelagem e Análise Aula 3 - Simulação
COS767 - Modelagem e Análise Aula 3 - Simulação Validando resultados da simulação Média e variância amostral Teorema do Limite Central Intervalo de confiança Organizando as execuções da simulação Verificando
Leia 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 maisDefinição. 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
Leia maisCap. 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.
Leia maisSimulação 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
Leia maisSimulação 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
Leia maisMetodologia da simulação. modelo de simulação compõe-se de:
Metodologia da simulação ciclo de vida de um modelo de simulação modelo de simulação compõe-se de: concepção ou formulação do modelo implementação do modelo análise dos resultados do modelo 1 Metodologia
Leia maisInferência Estatística:
Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que
Leia maisANÁLISE 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
Leia maisPNV-5005 MODELAGEM E ANÁLISE DE SISTEMAS INTERMODAIS DE TRANSPORTE UTILIZANDO TÉCNICAS DE SIMULAÇÃO
PNV-5005 MODELAGEM E ANÁLISE DE SISTEMAS INTERMODAIS DE TRANSPORTE UTILIZANDO TÉCNICAS DE SIMULAÇÃO Prof. Dr. Rui Carlos Botter e-mail: rcbotter@usp.br Março de 2015 Etapas de um projeto de simulação OBJETIVOS
Leia maisInferência Estatística:
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 8: Intervalos
Leia maisO método da simulação. O processo da simulação
O método da simulação OBJETIVOS E DEFINIÇÃO DO SISTEMA FORMULAÇÃO DO ANÁLISE E REDEFINIÇÃO ABSTRATO RESULTADOS EXPERIMENTAIS (Capítulo 6) CONCEITUAL (Capítulo 3) REPRESENTAÇÃO DO DADOS DE ENTRADA (Capítulo
Leia maisSimulação com Modelos Teóricos de Probabilidade
Simulação com Modelos Teóricos de Probabilidade p. 1/21 Algumas distribuições teóricas apresentam certas características que permitem uma descrição correta de variáveis muito comuns em processos de simulação.
Leia maisAvaliação Quantitativa de Sistemas
Avaliação Quantitativa de Sistemas Contexto A Avaliação Quantitativa de Sistemas permite a avaliação de sistemas antes mesmo da sua implementação física. Dessa forma, é possível avaliar um sistema projetado
Leia maisAvaliando Hipóteses. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Avaliando Hipóteses George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Pontos importantes Erro da Amostra e Erro Real Como Calcular Intervalo de Confiança Erros de hipóteses Estimadores Comparando
Leia maisEstatística Aplicada
Estatística Aplicada Intervalos de Confiança Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada INTERVALOS DE CONFIANÇA Processos de estimação Estimação por ponto: o processo em
Leia maisErro e Tamanho Amostral
Erro e Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ 30 de agosto de 2018 Londrina 1 / 17 Estimação é o nome técnico para o processo que consiste em se utilizar os dados de uma amostra para
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia maisMAB-515 Avaliação e Desempenho (DCC/UFRJ)
MAB-515 Avaliação e Desempenho (DCC/UFRJ) Aula 7: Intervalos de Confiança 13 de novembro de 2012 1 2 3 4 Percentil 100p%-percentil O ponto t 0 tal que t 0 = F 1 X (p) = min{t : F X (t) p}, 0 < p < 1 é
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em simplificaaulas.com
ESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em Conceitos e Fundamentos População: conjunto de elementos, número de pessoas de uma cidade. Amostra: parte
Leia maisInferência. 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
Leia maisUniversidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Estatística Básica para Engenharia Prof. Mariana Albi 8 a Lista de Exercícios Assuntos: Inferência Estatística.
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 20
Teoria das Filas aplicadas a Sistemas Computacionais Aula 20 Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 2019 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Leia maisACD - 2º. exemplo: O bêbado, a garçonete e o copo. ACD - 2º. exemplo: O bêbado, a garçonete e o copo
ACD - 2º. exemplo: O bêbado, a garçonete e o copo Em um PUB existem três entidades: o cliente, a garçonete e o copo quando o cliente entra no pub, ele pede uma cerveja a garçonete enche um copo para servi-lo
Leia maisAula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos
Aula 2 ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos 1. DEFINIÇÕES FENÔMENO Toda modificação que se processa nos corpos pela ação de agentes físicos ou químicos. 2. Tudo o que pode ser percebido
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É
Leia maisIntervalos de Confiança - Amostras Pequenas
Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016
Leia maisPERT 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
Leia maisCaros 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
Leia maisAULA 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
Leia maisInserindo 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:
Leia maisIntervalos 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
Leia maisModelagem e Análise Aula 9
Modelagem e Análise Aula 9 Aula passada Equações de fluxo Tempo contínuo Aula de hoje Parâmetros de uma fila Medidas de desempenho Cálculo do tempo de espera Resultado de Little Parâmetros da Fila chegada
Leia maisProcessos Estocásticos aplicados à Sistemas Computacionais
Processos Estocásticos aplicados à Sistemas Computacionais Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Leia maisIntervalo de confiança4
Intervalo de confiança4 4.1 Introdução 4.2 Intervalo de confiança (IC) 4.3 Erro-padrão da média e da proporção 4.4 Precisão da estimativa dos parâmetros 4.5 Conclusão Referências Dirce Maria Trevisan Zanetta
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 maisCapítulo 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
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisDCBD. Avaliação de modelos. Métricas para avaliação de desempenho. Avaliação de modelos. Métricas para avaliação de desempenho...
DCBD Métricas para avaliação de desempenho Como avaliar o desempenho de um modelo? Métodos para avaliação de desempenho Como obter estimativas confiáveis? Métodos para comparação de modelos Como comparar
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisAULA 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
Leia maisMÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma
Leia maisAvaliação de Desempenho de Sistemas
Avaliação de Desempenho de Sistemas Introdução à Teoria das Filas Prof. Othon Batista othonb@yahoo.com Notação de uma fila Para analisar um dado sistema é necessário a definição das seguintes características:
Leia maisS I M U L A Ç Ã O 84
S I M U L A Ç Ã O 84 - 1 - Elabore uma rotina que lhe permita gerar números pseudo-aleatórios (NPA) com distribuição X ( f X ( x ) representa a função de densidade de probabilidade de X e F X ( x ) representa
Leia maisAvaliação e Desempenho Aula 18
Avaliação e Desempenho Aula 18 Aula passada Fila com buffer finito Fila com buffer infinito Medidas de interesse: vazão, número médio de clientes na fila, taxa de perda. Aula de hoje Parâmetros de uma
Leia maisTópicos 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
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 214 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Leia maisIntervalos 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
Leia maisEstimação 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
Leia maisAula 8 : Estimação de parâmetros
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA ENG C 18 Métodos de Pesquisa Quantitativos e Qualitativos Aula 8 : Estimação de parâmetros DOCENTE:CIRA SOUZA
Leia mais6- 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
Leia maisProfessora 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
Leia maisSSC546 -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
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisLista de Exercícios #8 Assunto: Teste de Hipóteses
. ANPEC 8 - Questão 5 Indique se as seguintes considerações sobre a teoria dos testes de hipótese são verdadeiras (V) ou falsas (F): () No teste de hipótese para proporções, se a variância da proporção
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Prof. Marcos Pó Métodos Quantitativos para Ciências Sociais Distribuição amostral Duas amostragens iguais
Leia maisInferência. 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
Leia maisProva Final de Estatística I
Curso: ESCOLA DE ADMINISTRAÇÃO DE EMPRESAS DE SÃO PAULO FUNDAÇÃO GETULIO VARGAS Graduação Data: Junho / 2011 Professores: Prova Final de Estatística I Felipe Zambaldi, Francisco Aranha, Nelson Barth Nome
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação
Leia maisAULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS
1 AULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS Ernesto F. L. Amaral 14, 19 e 21 de março de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas
Leia maisModelos: 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
Leia maisProbabilidade 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,
Leia maisControle Estatístico do Processo (CEP)
Controle Estatístico do Processo (CEP) CONTROLE ESTATÍSTICO DO PROCESSO É UM MÉTODO QUE PERMITE CONTROLAR CONTÍNUAMENTE AS CARACTERÍSTICAS CHAVES DE UM PRODUTO E PROCESSO, VISANDO A SUA MELHORIA. ORIGEM
Leia maisTESTES DE HIPÓTESES. Lucas Santana da Cunha Universidade Estadual de Londrina
TESTES DE HIPÓTESES Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de setembro de 2016 Introdução Viu-se a construção de intervalos
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução Hipóteses Estatísticas São suposições quanto ao valor de um parâmetro populacional
Leia maisAPLICAÇÃO DA DISTRIBUIÇÃO POISSON E EXPONENCIAL VOLTADA PARA MELHORAMENTO DA QUALIDADE DE SERVIÇO EM UM POSTO DE COMBUSTÍVEL
APLICAÇÃO DA DISTRIBUIÇÃO POISSON E EXPONENCIAL VOLTADA PARA MELHORAMENTO DA QUALIDADE DE SERVIÇO EM UM POSTO DE COMBUSTÍVEL Carina Lemos Piton (UNIC) carina_piton@hotmail.com Jose Alfredo Zoccoli Filho
Leia maisMétodos Estatísticos
Métodos Estatísticos 8 Inferência Estatística stica Estimação de Parâmetros Média Referencia: Estatística Aplicada às Ciências Sociais, Cap. 9 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 22. Estimação
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 maisFILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro
TEORIA DAS FILAS FILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro Ingressa na sala de atendimento Sai da sala de atendimento Pessoa precisa de cuidados médicos
Leia maisMODELAGEM E SIMULAÇÃO DO SISTEMA DE XEROX DOC CENTER
MODELAGEM E SIMULAÇÃO DO SISTEMA DE XEROX DOC CENTER Ernane Rosa Martins¹ ¹Instituto Federal de Educação, Ciência e Tecnologia de Goiás Resumo: O artigo tem como objetivo fazer a modelagem e simulação
Leia maisAULA 7 - Inferência em MQO: ICs e Testes de
AULA 7 - Inferência em MQO: ICs e Testes de Hipóteses Susan Schommer Econometria I - IE/UFRJ Nosso primeiro objetivo aqui é relembrar a diferença entre estimação de ponto vs estimação de intervalo. Vamos
Leia maisEstimativas 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
Leia maisAula 9. Estimar grandezas de desempenho de um sistema (métricas).
1 Aula 9 Objetivos da simulação Estimar grandezas de desempenho de um sistema (métricas). Exemplo: Tempo médio gasto no sistema. Número médio de elementos no sistema. Métricas de tempo: coletadas ao longo
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Leia mais1 Dimensionamento de Frota
1 Dimensionamento de Frota DESENVOLVA UM MODELO DE SIMULAÇÃO COM N CAMINHÕES QUE CIRCULAM ENTRE UMA FÁBRICA E PORTO. TANTO NA FÁBRICA COMO NO PORTO ESSES CAMINHÕES PASSAM POR UM PROCESSO DE PESAGEM NA
Leia maisEstimação 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
Leia maisCONHECIMENTOS 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
Leia maisAULA 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,
Leia maisESTIMAÇÃO 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.
Leia mais