Números (Pseudo) Aleatórios, Probabilidade Geométrica, Métodos de Monte Carlo e Estereologia
|
|
- Amélia Schmidt Penha
- 8 Há anos
- Visualizações:
Transcrição
1 Números (Pseudo) Aleatórios, Probabilidade Geométrica, Métodos de Monte Carlo e Estereologia Humberto José Bortolossi Instituto de Matemática e Estatística Universidade Federal Fluminense 1 Números (pseudo) aleatórios Muitos jogos de computador realizam ações que, em princípio, parecem ser aleatórias: embaralhar as cartas no jogo paciência, distribuir as minas no jogo campo minado, lançar dados em um jogo de RPG (Role Playing Game), etc. Todas estas ações são programadas a partir da suposta capacidade do computador de gerar números aleatórios. Contudo, a maioria dos computadores digitais domésticos atuais não geram números aleatórios. O que estes computadores fazem é usar um algoritmo para produzir números (denominados pseudoaleatórios) que simulam o comportamento de números aleatórios. Um dos algoritmos mais simples para se gerar números pseudoaleatórios (e ainda muito usado em vários programas computacionais) é o assim denominado gerador congruente linear (GCL), apresentado por D. H. Lehmer em 1949: considere números inteiros m, a, c e s tais que m>0, 0 a<me 0 s<m. Escrevendo x 0 = s, defina recursivamente, para cada inteiro n 0, x n+1 =(ax n + c) mod m, isto é, x n+1 é o resto da divisão de ax n + c por m. Por exemplo, se m = 10, a = 11, c =3ex 0 = s =3, então ax 0 + c = 36. Como o resto da divisão de 36 por 10 é 6, segue-se que x 1 = 6. Sendo assim, ax 1 + c = 69. Como o resto da divisão de 69 por 10 é 9, segue-se que x 2 = 9. Prosseguindo-se com este esquema, a partir do número x 0 = 3, geramos os números x 1 =6,x 2 =9,x 3 =2,x 4 =5,x 5 =8, x 6 =1,x 7 =4,x 8 =7,x 9 =0ex 10 = 3. Note que depois de x 10,asequência de números gerados se repete (com período 10). As constantes m, a e c são escolhidas seguindo basicamente dois critérios: (1) o método deve gerar um grande número de valores diferentes (isto é, o período da sequência deve ser longo) e (2) o método deve gerar números rapidamente. Os GCLs geram números inteiros positivos entre 0 e m. Para gerar números decimais entre 0 e 1, basta dividir os números gerados por m. Os geradores congruentes lineares são rápidos e usam pouco memória do computador. Contudo, dependendo da aplicação, o seu uso não é recomendável. Um defeito grave dos GCLs é que os números gerados possuem uma correlação: triplas de números geradas aglomeram-se em um determinado número de planos paralelos ([Marsaglia, 1968], [Knuth, 1998]). A figura a seguir ilustra este fato. 1
2 Nesta figura, pontos foram gerados no cubo unitário usando-se o algoritmo RANDU da IBM, o GCL definido pela escolha m = , a = e c = 0. O RANDU foi muito usado nos computadores de grande porte das décadas de 1960 e Observe como os pontos gerados se aglomeram sobre 15 planos dentro do cubo. Dado a este defeito, especialistas não recomendam o emprego de um GCL, por exemplo, em criptografia, pois um hacker poderia explorar esta particularidade dos GCLs para descobrir os valores dos parâmetros m, a e c apartirdasequência gerada. Isto aconteceu com o antigo navegador de internet Netscape em 1995: dois alunos da Universidade de Berkeley nos Estados Unidos conseguiram descobrir o GCL usado pelo navegador. Além dos GCLs, existem vários outros geradores de números pseudoaleatórios: Mersenne Twister (usado no PlayStation 3 e com período ), Blum Blum Shub (usado em criptografia), Xorshift de George Marsaglia, etc. Existem geradores de números verdadeiramente aleatórios? Para responder a esta pergunta, é preciso definir antes o que se entende por um número ou evento aleatório. Esta éumaquestão polêmica, sendo ainda debatida por psicólogos, filósofos, matemáticos, físicos e cientistas da computação. Por exemplo, você poderia pensar que o lançamento de uma moeda honesta é um evento aleatório com probabilidade 1/2 para cara e probabilidade 1/2 para coroa. Mas o lançamento de uma moeda também pode ser pensado como um processo determinístico (complexo, mas ainda determinístico), regido pelas leis da Física. De fato, o artigo [Diaconis, Holmes, Montgomery, 2007] descreve um experimento onde, através de um ajuste de velocidade inicial e momento angular, uma moeda lançada por uma máquina sempre dá como resultado cara. Os excelentes artigos [Volchan, 2004] e [Volchan, 2002] apresentam e discutem as várias definições propostas para a noção de aleatoriedade. Mesmo sem um consenso com relação a definição de aleatoriedade, empresas têm comercializado dispositivos que, segundo elas, produzem números verdadeiramente aleatórios. Várias técnicas são empregadas: medições de ruído atmosférico, medições de decaimento radioativo, fotografias de lâmpadas de lava e processos óticos em física quântica. A capacidade de se gerar números (pseudo) aleatórios tem várias aplicações. Por exemplo, ela éuma peça-chave nos vários algoritmos que permitem criar simulações computacionais de diversos fenômenos em várias ciências ([Gentle, 2003], [Ross, 2006]). Na próxima seção veremos como a geração de números (pseudo) aleatórios pode ser usada para se calcular, de forma aproximada, medidas de comprimento, área e volume. 2 Probabilidade Geométrica, Métodos de Monte Carlo e Estereologia Seguindo [Wagner, 1997], considere a situação onde um atirador, com os olhos vendados, tenta acertar um alvo circular com 36 cm de raio tendo no centro um disco vermelho de 3 cm de raio. Se soubermos que o atirador acertou o alvo, qual é a probabilidade de que ele tenha atingido o disco vermelho central? 2
3 Note que, aqui, o espaço amostralé infinito (todosospontosdo alvo), como também é infinito o conjunto dos casos favoráveis (todos os pontos do disco vermelho central). Mesmo não podendo contar casos possíveis e casos favoráveis, é bem razoável considerar que a probabilidade de acertar o disco central deve ser a razão entre as áreas do disco e do alvo, no caso 1/144, menos de 0.7% (como o atirador está vendado, não existem pontos privilegiados no alvo). Este é um exemplo de probabilidade geométrica: se tivermos uma região B do plano contida em uma região A, admitimos que a probabilidade de um ponto de A também pertencer a B é proporcional àárea de B enão depende da posição que B ocupa em A. Portanto, selecionado ao acaso um ponto de A, a probabilidade de que ele pertença a B será: p =(área de B)/(área de A). Se, em vez de regiões no plano, A e B forem regiões no espaço, então selecionado ao acaso um ponto de A, a probabilidade de que ele pertença a B será: p =(volumedeb)/(volume de A). Usando-se a fórmula p =(área de B)/(área de A) eageração de números (pseudo) aleatórios, podemos criar um métodoparaestimaraárea desconhecida de uma região B contida em uma região A de área conhecida. Suponha, por exemplo, que você não saiba o valor da área do círculo B de centro (1/2, 1/2) e raio 1/2, mas saiba a área do quadrado unitário A =[0, 1] [0, 1]. Gerando-se pares ordenados de números (pseudo) aleatórios uniformemente distribuídos no quadrado A, contamosonúmero total m de pontos sorteados e o número n de pontos sorteados que pertencem ao círculo B. Onúmero r = n/m dará uma aproximação de p e, portanto, o número r (área de A) dará uma aproximação paraaárea de B (no caso, π/4 = ). Na figura: n =64,m=78er = n m = Este tipo de técnica de análisedefenômenos através de algoritmos de computador que empregam essencialmente a geração de números (pseudo) aleatórios é denominado Método de Monte Carlo. O nome Monte Carlo foi dado por Stanislaw Ulam ( ) e John von Neumann que inventaram o método para resolver problemas de difusão de nêutrons relacionados com projetos de armas nucleares (Projeto Manhattan) no Laboratório Nacional de Los Alamos, Estados Unidos, por volta de 1940 ([Metropolis, Ulam, 1943], [Metropolis, 1987]). Stanislaw Ulam John von Neumann Segundo sua autobiografia ([Ulam, 1976]), Stanislaw Ulam ajudou a dar forma a algumas das mudançasmaisdramáticas do mundo pós-guerra. Com uma tendência experimental, que o distinguiu de outros matemáticos, foi um dos primeiros a defender e a usar os computadores em pesquisas científicas. 3
4 Ulam também contribuiu com ideias para a propulsão nuclear de veículos espaciais e fez contribuições fundamentais para muitos dos mais desafiadores projetos matemáticos da atualidade.. John von Neumann é tido como um dos mais importantes matemáticos do século XX, tendo feito contribuições em matemática, física, economia, computação e estatística. Junto com Alan Turing ( ) e Claude Shannon ( ), John von Neumann é considerado como um dos idealizadores do computador digital com programas armazenados. Um outro problema de probabilidade geométrica bem interessante foi proposto pelo naturalista francês George-Louis Leclerc ( ), Conde de Buffon: suponha que você esteja em uma sala cujo chão é feito de ripas retangulares de madeira, todas com largura d. Ao se jogar uma agulha de comprimento a, coma d, qualé a probabilidade da agulha ficar sobre um reta divisória de duas ripas? Com recursos de cálculo integral, é possível demonstrar (consulte, por exemplo, [Tunala, 1992]) que esta probabilidade é igual a p =(2a)/(dπ). Estas conexões entre probabilidade e geometria formam a base da estereologia, campo interdisciplinar cujo objetivo é estudar propriedades geométricas de objetos tridimensionais usando métodos de amostragens ([Howard, Reed, 2005], [Stroeven, Hu, 2009]): sondas geométricas (como pontos, retas, planos e regiões volumétricas) são jogadas em um objeto tridimensional de interesse. A dimensão da sonda geométrica depende do que se quer medir no objeto: para se medir o volume do objeto, as sondas são pontos; para se medir uma área no objeto, as sondas são retas; para se medir comprimentos no objeto, as sondas são planos; para se contar pontos no objeto, as sondas são regiões volumétricas. Em cada caso, a interseção da sonda com o que se quer medir no objeto são entidades de dimensão zero: pontos. Se as sondas são geradas aleatoriamente de forma apropriada, uma contagem destes pontos fornecerá uma estimativa para a medida que se quer realizar. São estes métodos matemáticos que permitem, através de um aparelho de raios-x, obter medidas de objetos no interior do corpo humano, medidas estas que são inacessíveis de forma direta. A informação de que os pulmões humanos têm uma superfície (de troca gasosa) equivalente a um campo de tênis foi obtida usando-se métodos estereológicos. Outras áreas que usam estereologia: petrografia (ramo da geologia que trata da descrição e classificação sistemática das rochas, especialmente através do exame microscópico de seções delgadas), ciência dos materiais, histologia e neuroanatomia. É importante diferenciar estereologia de tomografia computadorizada. Em tomografia computadorizada, o objeto de interesse é completamente reconstruído a partir de suas seções planas e, a partir desta reconstrução, medidas podem ser feitas. Em estereologia, o objeto não é reconstruído. As medidas são estimadas usando-se processos de amostragem através de sondas geométricas. Entre as tecnologias que tornam a estereologia possível estão a ressonância magnética, a ultrassonografia, a microscopia confocal de alta resolução e a microscopia de luz convencional. 4
5 3 Referências No endereço (ou no espelho está disponível uma série de aplicativos interativos que permitem explorar a geração de números pseudoaleatórios e os métodos de Monte Carlo apresentadas neste texto. Também estádisponível um arquivo DOC (o Formulário de Acompanhamento do Aluno) com várias sugestões de exercícios para serem trabalhados em sala de aula. Orientações didáticas e metodológicas estão disponíveis no Guia do Professor. Sugerimos as seguintes referências ao leitor interessado em mais detalhes sobre a geração de números pseudoaleatórios, probabilidade geométrica, métodos de Monte Carlo e estereologia. Calude, C. S. Who Is Afraid of Randomness?. CDMTCS Research Report Series, University of Auckland, New Zealand, Diaconis, P.; Holmes, S.; Montgomery, R. Dynamical Bias in The Coin Toss. SIAM Review, vol. 49. n. 2, pp , Gentle, J. E. Random Number Generation and Monte Carlo Methods. Second Edition. Statistics and Computing, Springer-Verlag, Howard,V.;Reed,M.G.Unbiased Stereology: Three-dimensional Measurement in Microscopy Advanced Methods. Taylor & Francis Routledge, Knuth, D. E. The Art of Computer Programming. Volume 2. Seminumerical Algorithms. Addison Wesley Longman, Marsaglia, G. Random Numbers Fall Mainly in The Planes. Proceedings of the National Academy of Sciences of the United States of America, v. 61, n. 1, pp , Metropolis, N. The Beginning of The Monte Carlo Method. Los Alamos Science, n. 15, pp , Metropolis, N.; Ulam, S. The Monte Carlo Method. Journal of The American Statistical Association, vol. 44, n. 247, pp , Peterson, I. The Jungles of Randomness A Mathematical Safari. Wiley, Ross, S. M. Simulation. Fourth Edition. Academic Press, Shonkwiler, R.; Mendivil, F. Explorations in Monte Carlo Methods. Undergraduate Texts in Mathematics, Springer-Verlag, Stroeven, P.; Hu, J. Review Paper Stereology: Historical Perspective and Applicability to Concrete Technology. Materials and Structures, v. 39, pp , Tunala, N. Determinação de Probabilidades por Métodos Geométricos. Revista do Professor de Matemática, Sociedade Brasileira de Matemática, vol. 20, pp , Ulam, S. M. Adventures of A Mathematician. Charles Scribner s Sons, Volchan, S. B. What is A Random Sequence?. The American Mathematical Monthly, vol. 109, pp , January, library/22/ford/volchan46-63.pdf Volchan, S. B. ATeoriaAlgorítmica da Aleatoriedade. Em Chediak, K.; Videira, A. A. P. (Editores). Temas de Filosofia da Natureza, UERJ, pp , volchan-2002.pdf Wagner, E. Probabilidade Geométrica O Problema do Macarrão e Um Paradoxo Famoso. Revistado Professor de Matemática, Sociedade Brasileira de Matemática, vol. 34, pp ,
2. 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 mais3 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 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 maisANALISE COMBINATORIA Um pouco de probabilidade
ANALISE COMBINATORIA Um pouco de probabilidade Programa Pró-Ciência Fapesp/IME-USP-setembro de 1999 Antônio L. Pereira -IME USP (s. 234A) tel 818 6214 email:alpereir@ime.usp.br 1 Um carro e dois bodes
Leia maisGERAÇÃO DE NÚMEROS ALEATÓRIOS A PARTIR DE MAPAS CAÓTICOS DETERMINISTAS
66 GERAÇÃO DE NÚMEROS ALEATÓRIOS A PARTIR DE MAPAS CAÓTICOS DETERMINISTAS Antônio Carlos da Silva Filho (UNI-Facef) Irfley Andrade de Oliveira (UNI-Facef) Marco Dimas Gubitoso (IME-USP) INTRODUÇÃO As origens
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 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 maisSeminário de Dinâmica Orbital I
Seminário de Dinâmica Orbital I Métodos de Monte Carlo Alunos Carlos H. G. Hassmann Álvaro de A Arraes Prof. - Mário C. Ricci Sumário -Introdução -Breve Histórico -Definição -Utilização -O método -Componentes
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 maisO problema do jogo dos discos 1
O problema do jogo dos discos 1 1 Introdução Roberto Ribeiro Paterlini Departamento de Matemática da UFSCar Temos aplicado o problema do jogo dos discos em classes de estudantes de Licenciatura em Matemática
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 maisBacharelado em Ciência e Tecnologia Bacharelado em Ciências e Humanidades. Representação Gráfica de Funções
Bacharelado em Ciência e Tecnologia Bacharelado em Ciências e Humanidades BC 0005 Bases Computacionais da Ciência Representação Gráfica de Funções Prof a Maria das Graças Bruno Marietto graca.marietto@ufabc.edu.br
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 maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
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 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 mais5 Equacionando os problemas
A UA UL LA Equacionando os problemas Introdução Nossa aula começará com um quebra- cabeça de mesa de bar - para você tentar resolver agora. Observe esta figura feita com palitos de fósforo. Mova de lugar
Leia maisMAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 19 de Agosto, 2013 Probabilidade: uma Introdução / Aula 3 1 Probabilidade Discreta: Exemplos
Leia maisUSANDO O MÉTODO DE MONTE CARLO PARA ENCONTRAR RAÍZES DE EQUAÇÕES
USANDO O MÉTODO DE MONTE CARLO PARA ENCONTRAR RAÍZES DE EQUAÇÕES Antônio Carlos da Silva Filho (Uni-FACEF) Faiano Guasti Lima (USP) 1 INTRODUÇÃO Um dos principais prolemas no cálculo numérico refere-se
Leia maisMatemática SSA 2 REVISÃO GERAL 1
1. REVISÃO 01 Matemática SSA REVISÃO GERAL 1. Um recipiente com a forma de um cone circular reto de eixo vertical recebe água na razão constante de 1 cm s. A altura do cone mede cm, e o raio de sua base
Leia maisAtividade 4 - Acerte no alvo
Atividade 4 - Acerte no alvo 1. Justificativa Para entender um processo estatístico, é possível criar um experimento em que os alunos possam vivenciá-lo, organizando, selecionando, interpretando e criticando
Leia maisO que é a estatística?
Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os
Leia maisJardim de Números. Série Matemática na Escola
Jardim de Números Série Matemática na Escola Objetivos 1. Introduzir plano cartesiano; 2. Marcar pontos e traçar objetos geométricos simples em um plano cartesiano. Jardim de Números Série Matemática na
Leia maisConceitos Iniciais Parte 1
Módulo SIMULAÇÃO Conceitos Iniciais Parte O que pode ser simulado? Sistema de manufatura com máquinas, pessoas, rede de transporte, correias transportadoras e espaço para armazenamento; Agências bancárias
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia mais16 Comprimento e área do círculo
A UA UL LA Comprimento e área do círculo Introdução Nesta aula vamos aprender um pouco mais sobre o círculo, que começou a ser estudado há aproximadamente 4000 anos. Os círculos fazem parte do seu dia-a-dia.
Leia maisQuem quer ser um milionário? Série Matemática na Escola
Quem quer ser um milionário? Série Matemática na Escola Objetivos. Apresentar o famoso Paradoxo de São Petersburgo 2. Definir esperança matemática 3. Introduzir a teoria da escolha envolvendo o risco Quem
Leia maisProbabilidade - Conceitos Básicos. Anderson Castro Soares de Oliveira
- Conceitos Básicos Castro Soares de Oliveira é o ramo da matemática que estuda fenômenos aleatórios. está associada a estatística, porque sua teoria constitui a base de estatística inferencial. Conceito
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 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 maisI. Experimentos Aleatórios
A teoria do azar consiste em reduzir todos os acontecimentos do mesmo gênero a um certo número de casos igualmente possíveis, ou seja, tais que estejamos igualmente inseguros sobre sua existência, e em
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisSistema de Computação
Sistema de Computação Máquinas multinível Nível 0 verdadeiro hardware da máquina, executando os programas em linguagem de máquina de nível 1 (portas lógicas); Nível 1 Composto por registrados e pela ALU
Leia maisOtimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha
Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste
Leia maisIntegrais Duplas e Coordenadas Polares. 3.1 Coordenadas Polares: Revisão
Cálculo III Departamento de Matemática - ICEx - UFMG Marcelo Terra Cunha Integrais Duplas e Coordenadas Polares Nas primeiras aulas discutimos integrais duplas em algumas regiões bem adaptadas às coordenadas
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 maisquociente razão. mesma área a partes de um tablete de chocolate
1 As sequências de atividades Vamos relembrar, Como lemos os números racionais?, Como escrevemos os números racionais?, As partes das tiras de papel, Comparando e ordenando números racionais na forma decimal
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 3
Linhas de Força Mencionamos na aula passada que o físico inglês Michael Faraday (79-867) introduziu o conceito de linha de força para visualizar a interação elétrica entre duas cargas. Para Faraday, as
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 maisMétodos de Monte Carlo
Departamento de Estatística - UFJF Outubro e Novembro de 2014 são métodos de simulação São utilizados quando não temos uma forma fechada para resolver o problema Muito populares em Estatística, Matemática,
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
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 maisCapítulo 2 (Livro Texto*) - Notas de Aula - Parte II
Capítulo 2 (Livro Texto*) - Notas de Aula - Parte II 1. Organização de um Computador : Computador: formado por 3 módulos distintos: UCP (UAL e UC) Memória (memória principal ou memória RAM)
Leia maisAplicação do Software GeoGebra no ensino de Funções
Ricardo Antonio Faustino da Silva Braz Universidade Federal Rural do Semi-Árido - UFERSA Brasil ricardobraz@ufersa.edu.br Jean Michel Moura Bezerra Universidade Federal Rural do Semi-Árido - UFERSA Brasil
Leia maisBRINCANDO COM GRÁFICOS E MEDINDO A SORTE
BRINCANDO COM GRÁFICOS E MEDINDO A SORTE Elizabeth Pastor Garnier SEE/RJ Pedro Carlos Pereira - FAETEC Projeto Fundão IM/UFRJ Os Parâmetros Curriculares Nacionais propõem a introdução do tópico Tratamento
Leia maisMe todos Computacionais em Fı sica
Me todos Computacionais em Fı sica Sandra Amato Instituto de Fı sica Universidade Federal do Rio de Janeiro Primeiro Semestre de 2011 Me todos Computacionais em Fı sica 1 2 Ca lculo de Me todo da Estimativa
Leia maisProjeto CONDIGITAL Portas da Matemática Guia do Professor
Projeto CONDIGITAL Portas da Matemática Guia do Professor Página 1 de 7 Caro(a) professor(a) Guia do Professor A utilização de simulações digitais como objetos de aprendizagem tem sido difundida atualmente
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 maisColorindo com Números Representação de Imagens
Atividade 2 Colorindo com Números Representação de Imagens Sumário Os computadores armazenam desenhos, fotografias e outras imagens usando apenas números. A atividade seguinte demonstra como eles podem
Leia maisEventos independentes
Eventos independentes Adaptado do artigo de Flávio Wagner Rodrigues Neste artigo são discutidos alguns aspectos ligados à noção de independência de dois eventos na Teoria das Probabilidades. Os objetivos
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 maisTópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções
Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções 1. INTRODUÇÃO Ao se obter uma sucessão de pontos experimentais que representados em um gráfico apresentam comportamento
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 maisC Curso destinado à preparação para Concursos Públicos e Aprimoramento Profissional via INTERNET www.concursosecursos.com.br RACIOCÍNIO LÓGICO AULA 7
RACIOCÍNIO LÓGICO AULA 7 TEORIA DAS PROBABILIDADES Vamos considerar os seguintes experimentos: Um corpo de massa m, definida sendo arrastado horizontalmente por uma força qualquer, em um espaço definido.
Leia maisAgulha de Buffon: uma aplicação computacional
Agulha de Buffon: uma aplicação computacional Diego Rodrigo Hachmann 1, João Candido Bracarense 1, Alexandre Scheidt 1, Odair Moreira de Souza 1 1 Centro de Ciências Exatas e Tecnológicas da Universidade
Leia maisQUALITATIVA VARIÁVEL QUANTITATIVA
NOMINAL ORDINAL QUALITATIVA VARIÁVEL QUANTITATIVA DISCRETA CONTÍNUA - Variável qualitativa nominal = valores que expressam atributos, sem nenhum tipo de ordem. Ex: cor dos olhos, sexo, estado civil, presença
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
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 maisProjeto CONDIGITAL Altos e Baixos da Função Guia do Professor
Projeto CONDIGITAL Altos e Baixos da Função Guia do Professor Página 1 de 7 Guia do Professor Caro(a) professor(a) A utilização de simulações digitais como objetos de aprendizagem tem sido difundida atualmente
Leia maisAplicações de Combinatória e Geometria na Teoria dos Números
Aplicações de Combinatória e Geometria na Teoria dos Números Nesse artigo vamos discutir algumas abordagens diferentes na Teoria dos Números, no sentido de envolverem também outras grandes áreas, como
Leia maisCapacidade = 512 x 300 x 20000 x 2 x 5 = 30.720.000.000 30,72 GB
Calculando a capacidade de disco: Capacidade = (# bytes/setor) x (méd. # setores/trilha) x (# trilhas/superfície) x (# superfícies/prato) x (# pratos/disco) Exemplo 01: 512 bytes/setor 300 setores/trilha
Leia maisObjetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e
MÓDULO 2 - AULA 13 Aula 13 Superfícies regradas e de revolução Objetivos Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas
Leia maisA lógica de programação ajuda a facilitar o desenvolvimento dos futuros programas que você desenvolverá.
INTRODUÇÃO A lógica de programação é extremamente necessária para as pessoas que queiram trabalhar na área de programação, seja em qualquer linguagem de programação, como por exemplo: Pascal, Visual Basic,
Leia maisDistribuição Uniforme Discreta. Modelos de distribuições discretas. Distribuição de Bernoulli. Distribuição Uniforme Discreta
Distribuição Uniforme Discreta Modelos de distribuições discretas Notas de Aula da Profa. Verónica González-López e do Prof. Jesús Enrique García, digitadas por Beatriz Cuyabano. Acréscimos e modicações:
Leia maisPor que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...
Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª
Leia maisProgramas Referenciais do 1º ciclo do Ensino Recorrente. Programa Referencial de MATEMÁTICA INTRODUÇÃO
Programa Referencial de MATEMÁTICA INTRODUÇÃO 1. Finalidades A Matemática intervém, em quase todas as actividades humanas do quotidiano, quer como instrumento para resolução de situações problemáticas,
Leia maisEXERCÍCIOS EXERCÍCIOS. Definições Básicas. Definições Básicas. Definições Básicas. Introdução à Estatística. Dados: valores de variáveis observadas.
Definições Básicas Introdução à Estatística ESTATÍSTICA: estudo dos métodos para coletar, organizar, apresentar e analisar dados. População: conjunto constituído por todos os indivíduos que apresentem
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
Leia maisAluno(a): Código: x 11 y x 3 e dois vértices no eixo x, como na figura abaixo.
Aluno(a): Código: Série: 3ª Turma: Data: / / 01. A empresa Dk transporta 400 passageiros por mês da cidade de Vicentinópolis(Paletó) a Joviânia. A passagem custa 0 reais, e a empresa deseja aumentar o
Leia mais1. NÍVEL CONVENCIONAL DE MÁQUINA
1. NÍVEL CONVENCIONAL DE MÁQUINA Relembrando a nossa matéria de Arquitetura de Computadores, a arquitetura de Computadores se divide em vários níveis como já estudamos anteriormente. Ou seja: o Nível 0
Leia maisManual das planilhas de Obras
Manual das planilhas de Obras Detalhamento dos principais tópicos para uso das planilhas de obra Elaborado pela Equipe Planilhas de Obra.com Conteúdo 01. Pedidos... 3 Pedido de material detalhado;... 3
Leia maisExercícios resolvidos sobre Definição de Probabilidade
Exercícios resolvidos sobre Definição de Probabilidade Nesta Unidade de estudo, até este ponto você aprendeu definições de probabilidade e viu como os conceitos se aplicam a várias situações. Observe agora
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 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 maisVII MARATONA DE PROGRAMAÇÃO UERJ 17/05/2014. Este caderno contém 12 páginas com a descrição de 10 problemas 1 definidos a seguir:
VII MARATONA DE PROGRAMAÇÃO UERJ 17/05/014 Este caderno contém 1 páginas com a descrição de 10 problemas 1 definidos a seguir: A - Botas B Digito Verificador do passaporte C Jogo da Vida D - A Próxima
Leia maisVocê pode dizer isso de novo! Compressão de Texto
Atividade 3 Você pode dizer isso de novo! Compressão de Texto Sumário Desde que os computadores possuíam apenas uma quantidade limitada de espaço para armazenar informações, estes precisavam armazená-las
Leia maisProjeto CONDIGITAL Mergulhando na Função Guia do Professor
Projeto CONDIGITAL Mergulhando na Função Guia do Professor Página 1 de 5 Caro(a) professor(a) Guia do Professor A utilização de jogos digitais como objetos de aprendizagem tem sido difundida atualmente
Leia maisCAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES
CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES 3.1 - IDENTIFICADORES Os objetos que usamos no nosso algoritmo são uma representação simbólica de um valor de dado. Assim, quando executamos a seguinte instrução:
Leia maisTópico 8. Aula Prática: Movimento retilíneo uniforme e uniformemente variado (Trilho de ar)
Tópico 8. Aula Prática: Movimento retilíneo uniforme e uniformemente variado (Trilho de ar) 1. OBJETIVOS DA EXPERIÊNCIA 1) Esta aula experimental tem como objetivo o estudo do movimento retilíneo uniforme
Leia maisALGUNS TóPICOS DE CONTAGEM E PROBABILIDADE
ALGUNS TóPICOS DE CONTAGEM E PROBABILIDADE MAT30 200/ O objetivo destas notas é ilustrar como a ideia de fazer aproximações permite uma compreensão melhor de diversos problemas de combinatória e probabilidade..
Leia maisMaterial Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto
Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisContagem I. Figura 1: Abrindo uma Porta.
Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 4 Contagem I De quantos modos podemos nos vestir? Quantos números menores que 1000 possuem todos os algarismos pares?
Leia maisMétodos Matemáticos para Gestão da Informação
Métodos Matemáticos para Gestão da Informação Aula 05 Taxas de variação e função lineares III Dalton Martins dmartins@gmail.com Bacharelado em Gestão da Informação Faculdade de Informação e Comunicação
Leia maisExperimento. O experimento. Quantos peixes há no lago? Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia. Ministério da Educação
Análise de dados e probabilidade O experimento Experimento Quantos peixes há no lago? Objetivos da unidade Introduzir um método que permite estimar o tamanho de uma deter minada população. licença Esta
Leia maisAtividade: matrizes e imagens digitais
Atividade: matrizes e imagens digitais Aluno(a): Turma: Professor(a): Parte 01 MÓDULO: MATRIZES E IMAGENS BINÁRIAS 1 2 3 4 5 6 7 8 Indique, na tabela abaixo, as respostas dos 8 desafios do Jogo dos Índices
Leia maisEXAME DISCURSIVO 2ª fase
EXAME DISCURSIVO 2ª fase 30/11/2014 MATEMÁTICA Caderno de prova Este caderno, com dezesseis páginas numeradas sequencialmente, contém dez questões de Matemática. Não abra o caderno antes de receber autorização.
Leia maisPesquisa com Professores de Escolas e com Alunos da Graduação em Matemática
Pesquisa com Professores de Escolas e com Alunos da Graduação em Matemática Rene Baltazar Introdução Serão abordados, neste trabalho, significados e características de Professor Pesquisador e as conseqüências,
Leia maisMedir a aceleração da gravidade... com um telemóvel! Fisiquipédia 9
Medir a aceleração da gravidade... com um telemóvel! Acelerómetros Uma das medidas de segurança de computadores e smarthphones modernos é a incorporação de um acelerómetro nestes aparelhos. Como o nome
Leia maisA função do primeiro grau
Módulo 1 Unidade 9 A função do primeiro grau Para início de conversa... Já abordamos anteriormente o conceito de função. Mas, a fim de facilitar e aprofundar o seu entendimento, vamos estudar algumas funções
Leia maisAula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Leia maisTexto 07 - Sistemas de Partículas. A figura ao lado mostra uma bola lançada por um malabarista, descrevendo uma trajetória parabólica.
Texto 07 - Sistemas de Partículas Um ponto especial A figura ao lado mostra uma bola lançada por um malabarista, descrevendo uma trajetória parabólica. Porém objetos que apresentam uma geometria, diferenciada,
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 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 maisRESOLUÇÃO Matemática APLICADA FGV Administração - 14.12.14
FGV Administração - 1.1.1 VESTIBULAR FGV 015 1/1/01 RESOLUÇÃO DAS 10 QUESTÕES DE MATEMÁTICA DA PROVA DA TARDE MÓDULO DISCURSIVO QUESTÃO 1 Um mapa de um pequeno parque é uma região em forma de quadrilátero,
Leia maisTestedegeradoresde. Parte X. 38 Testes de Ajuste à Distribuição. 38.1 Teste Chi-Quadrado
Parte X Testedegeradoresde números aleatórios Os usuários de uma simulação devem se certificar de que os números fornecidos pelo gerador de números aleatórios são suficientemente aleatórios. O primeiro
Leia maisLeia-me Criação de perfis de saída personalizados para a controladora de impressão Fiery usando o Fiery Color Profiler Suite: System 9R2
Leia-me Criação de perfis de saída personalizados para a controladora de impressão Fiery usando o Fiery Color Profiler Suite: System 9R2 Este documento descreve o processo de criação de um perfil de saída
Leia maisCada gráfico no seu galho. Série Matemática na Escola
Cada gráfico no seu galho Série Matemática na Escola Objetivos 1. Apresentar diferentes tipos de gráficos 2. Mostrar que cada tipo de gráfico pode ser utilizado para determinado fim Cada gráfico no seu
Leia maisTRATAMENTO DA INFORMAÇÃO/ANÁLISE DE DADOS AULA 09. Universidade Federal Fluminense
CURSO DE ESPECIALIZAÇÃO EM ENSINO DE MATEMÁTICA INSTITUTO DE MATEMÁTICA E ESTATÍSTICA 7 DE OUTUBRO DE 2014 TRATAMENTO DA INFORMAÇÃO/ANÁLISE DE DADOS AULA 09 Humberto José Bortolossi http://www.professores.uff.br/hjbortol/
Leia mais