Modelamento e simulação de processos
|
|
- Rita Dinis Klettenberg
- 8 Há anos
- Visualizações:
Transcrição
1 Modelamento e simulação de processos 4. Método de Monte Carlo Prof. Dr. André Carlos Silva
2 1. INTRODUÇÃO O Método de Monte Carlo (MMC) é um método estatístico utilizado em simulações estocásticas com diversas aplicações em áreas como a física, matemática e biologia. O método de Monte Carlo tem sido utilizado há bastante tempo como forma de obter aproximações numéricas de funções complexas.
3 1. INTRODUÇÃO Este método tipicamente envolve a geração de observações de alguma distribuição de probabilidades e o uso da amostra obtida para aproximar a função de interesse. As aplicações mais comuns são em computação numérica para avaliar integrais.
4 1. INTRODUÇÃO
5 1. INTRODUÇÃO A idéia do método é escrever a integral que se deseja calcular como um valor esperado. De acordo com (HAMMERSELEY,1964) o nome "Monte Carlo" surgiu durante o projeto Manhattan na Segunda Guerra Mundial.
6 1. INTRODUÇÃO No projeto e de construção da bomba atómica, Ulam, von Neumann e Fermi consideraram a possibilidade de utilizar o método, que envolvia a simulação direta de problemas de natureza probabilística relacionados com o coeficiente de difusão do nêutron em certos materiais.
7 1. INTRODUÇÃO Apesar de ter despertado a atenção desses cientistas em 1948, a lógica do método já era conhecida há bastante tempo. Por exemplo, existe um registro de um artigo escrito por Lord Kelvin dezenas de anos antes que já utilizava técnicas de Monte Carlo em uma discussão das equações de Boltzmann.
8 1. INTRODUÇÃO Monte Carlo é uma cidade de Mônaco, a nordeste da capital do Principado (Monaco-Ville). Conhecida estância luxuosa, conhecida pelo seu glamour, celebridades que enxameiam as revistas cor de rosa, praias e cassinos.
9 1. INTRODUÇÃO É em Monte Carlo que se situa o Circuito de Mônaco, onde ocorre o Grande Prêmio de Mônaco de Fórmula Um. É palco, ainda, de competições de boxe, apresentações de moda e outros eventos de grande repercussão cultural.
10 1. INTRODUÇÃO
11
12 1. INTRODUÇÃO De uma maneira geral o MMC pode ser sumarizado como: O evento irá ocorrer com probabilidade p ocorre p não ocorre 1.0 Rp R >p
13 2. Classes do MME Existem três classes de algoritmos Monte Carlo: Erro-Unilateral; Erro-Bilateral e Erro-Não-Limitado.
14 2.1. MME de Erro-Unilateral Seja P um problema e A um algoritmo aleatório, A é um algoritmo Monte Carlo de Erro-Unilateral que resolve P se, e somente se: i) para toda configuração x que é solução de P: prob A x SIM ii) para toda configuração x que não é solução de P: 1 2 prob A x NÃO 1
15 2.1. MME de Erro-Unilateral Ou seja, sempre que a resposta é NÃO, o algoritmo garante a certeza da resposta. Contudo, se a resposta for SIM, o algoritmo não garante que a resposta está correta.
16 2.2. MME de Erro-Bilateral Um algoritmo aleatório A é um algoritmo de Monte Carlo de Erro-Bilateral que computa o problema F se existe um número real ε, tal que para toda instância x de F: prob 1 A x F x 2
17 2.3. MME de Erro-Não-Limitado Os algoritmos de Monte Carlo de Erro- Não-Limitado são comumente chamados de Algoritmos Monte Carlo. Um algoritmo aleatório A é um algoritmo de Monte Carlo se para qualquer entrada x do problema F: prob A x F x 1 2
18 3. Algoritmo de Metropolis O algoritmo de Metropolis, também conhecido por Algoritmo de Metropolis- Hastings, foi apresentado inicialmente em 1953 num artigo de Nicholas Metropolis, Arianna Rosenbluth, Marshall Rosenbluth, Augusta Teller e Edward Teller. Em 1970 este algoritmo foi generalizado por W. K. Hastings.
19 3. Algoritmo de Metropolis Este é provavelmente o método de Monte Carlo mais utilizado na Física, e tem como objetivo determinar valores esperados de propriedades do sistema simulado, através de uma média sobre uma amostra. O algoritmo é concebido de modo a se obter uma amostra que siga a distribuição de Boltzmann.
20 3. Algoritmo de Metropolis Para se determinar a probabilidade de uma dada configuração, seria necessário conhecer a chance de ocorrência de todas as outras configurações. No caso de variáveis contínuas, seria necessário uma integração da densidade de probabilidade sobre todo o espaço de configurações, mas esse procedimento fica muito custoso quando se utiliza um número de variáveis da ordem de centenas.
21 3. Algoritmo de Metropolis A eficiência do algoritmo de Metropolis está diretamente ligada ao fato de não levar em conta a probabilidade das configurações em si, mas sim a razão entre elas, pois a razão entre as probabilidades de duas dadas configurações pode ser determinada independentemente das outras.
22 3. Algoritmo de Metropolis Dadas duas configurações m e n quaisquer, a razão entre a probabilidade da configuração m, P m, e a probabilidade da configuração n, P n, pode ser escrita como: T k U U T k U T k U P P b n m b n b m n m exp exp exp
23 3. Algoritmo de Metropolis A partir dessa igualdade, o algoritmo de Metropolis pode ser implementado através do seguinte conjunto de regras: (a) Geração de uma configuração inicial aleatória, ou seja, com valores aleatórios para todos os graus de liberdade do sistema, respeitando as suas restrições. Vamos atribuir o índice m a essa configuração, que é aceita para a amostra.
24 3. Algoritmo de Metropolis (b) Geração de uma nova configuraçãotentativa de índice n, resultado de pequenas alterações nas coordenadas da configuração m. (c) Se a energia da configuração n for menor que a da configuração m, inclui-se a configuração n na nossa amostra, e se atribui a ela o índice m a partir desse momento. Caso contrário, realizam-se os passos descritos nos subitems (c1) e (c2) abaixo:
25 3. Algoritmo de Metropolis (c1) Gera-se um número aleatório entre 0 e 1; (c2) Se esse número aleatório for menor que P n /P m, aceita-se na amostra a configuração n, e se atribui a ela o índice m. Caso contrário, o índice m permanece designando a configuração original. (d) Repete-se os passos (b) e (c) até que algum critério de parada seja satisfeito. Cada uma dessas repetições é dita um passo (ou iteração) de Monte Carlo (MC).
26 Algoritmo Metropolis
27 4. Exemplo 1 π Neste exemplo um algoritmo de Monte Carlo simples é usado para calcular o valor de π usando uma seqüência de números aleatórios. Considere o quadrado colocado no plano x-y com a extremidade inferior esquerda na origem como mostrado na figura abaixo.
28 4. Exemplo 1 π y r Área A x
29 4. Exemplo 1 π A área do quadrado é r 2, onde r é o comprimento do seu lado. Um quarto de um círculo é inscrito no quadrado. Seu raio é r e seu centro está na origem do plano x-y.
30 4. Exemplo 1 π A área da quarta parte do círculo A é dada por: A 1 r 4 Pelo Método de Monte Carlo: 2 A l 2 P in P total
31 4. Exemplo 1 π Onde P in é o número de pontos sorteados aleatoriamente que ficaram dentro da área em amarelo, e o P total é o número total de pontos gerados. Considerando que o lado = raio = 1, temos: 4 P P in total
32 4. Exemplo 1 π O algoritmo de cálculo consiste então em gerar pontos P(x, y), sendo x e y [0, 1] e, de posse deste ponto verificar se este se encontra (ou não) dentro da área do círculo. Lembrando que equação da circunferência é: x 2 y 2 r 2 1
33 4. Exemplo 1 π
34 4. Exemplo 1 π
35 4. Exemplo 2 Decaimento nuclear Os núcleos radioativos possuem uma probabilidade p de decair em cada intervalo de tempo. Desta forma o processo de decaimento nuclear é um processo determinístico dado por:
36 4. Exemplo 2 Decaimento nuclear N 1 = (1 p) N 0 N 2 = (1 p) 2 N 0 N 3 = (1 p) 3 N 0 N 4 = (1 p) 4 N 0... N i = (1 p) i N 0
37 4. Exemplo 2 Decaimento nuclear Se agora modelarmos o processo cmo sendo um processo estocástico podemos verificar individualmente quantos núcleos decaem em cada intervalo de tempo, da seguinte forma: 0.0 p decai não decai 1.0
38 p=0.06 p=0.03
39 4. Exemplo 3 Partículas em uma caixa Uma caixa é separada em dois compartimentos. Inicialmente todas as partículas estão no compartimento da esquerda, quando uma passagem é aberta.
40 4. Exemplo 3 Partículas em uma caixa A cada intervalo de tempo uma partícula é escolhida para trocar de compartimento. Todas as partículas tem a mesma probabilidade de serem selecionadas.
41
42 4. Exemplo 3 Partículas em uma caixa Sorteia-se uma das N partículas e troca a partícula de compartimento. Como as partículas são idênticas (indistinguíveis), temos: esquerda/n 0.0 esquerda -1 esquerda
43 4. Exemplo 3 Partículas em uma caixa Para t >> 1 teremos (em média) a mesma quantidade de partículas nos dois compartimentos.
44 4. Exemplo 4 Caminhada aleatória Uma dada partícula escolherá aleatoriamente para qual direção irá se mover. Tanto o tempo quanto o espaço são discretos.
45 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 1D A partícula escolherá aleatoriamente para qual direção irá se mover (direita ou esquerda)
46 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 1D A partícula escolherá aleatoriamente para qual direção irá se mover (direita ou esquerda)
47 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 1D A partícula escolherá aleatoriamente para qual direção irá se mover (direita ou esquerda)
48 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 1D A partícula escolherá aleatoriamente para qual direção irá se mover (direita ou esquerda)
49 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 1D A partícula escolherá aleatoriamente para qual direção irá se mover (direita ou esquerda)
50 4. Exemplo 4 Caminhada aleatória Caminhada aleatória com tendência Persistente prefere se mover na mesma direção do passo anterior. Probabilidade p de manter a direção. p = ½ caminho aleatório padrão p = 1 movimento uniforme p =0 vai e volta Anti-persistente prefere se mover direção contrária ao passo anterior.
51 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 2D A partícula escolherá aleatoriamente para qual direção irá se mover (cima, baixo, direita ou esquerda). R
52 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 2D
53 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 2D
54 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 2D
55 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 2D - Self-avoid walker Ele não passa por uma posição que já tenha sido ocupada anteriormente. Desta forma deve-se verificar quais são as direções permitidas antes de dar o passo.
56 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 2D - Self-avoid walker A simulação termina quando não existe mais opção de movimentação. Esta técnica é amplamente utilizada para representar crescimento de polímeros.
57 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 2D - Self-avoid walker Fim da simulação
58 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 2D - Self-avoid walker Existem caminhantes mais inteligentes, com previsão de dois passos, para evitar armadilhas. Simulação ainda continua...
59 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 2D - Self-avoid walker Pode-se incluir campos que interferem na direção ou na probabilidade de crescimento do polímero, simulando experimentos reais.
60 4. Exemplo 4 Caminhada aleatória Caminhada aleatória em 2D - Self-avoid walker
61 5. Integração pelo MMC A integração deve ocorrer em um intervalo limitado (cálculo de uma área). As coordenadas (x,y) dos pontos são escolhidas aleatoriamente, sorteando-se dois números aleatórios independentes.
62 5. Integração pelo MMC y f(x) a b x b a f x dx n A N
63 5. Integração pelo MMC y g(x) f(x) a b x b x f g( x) a dx A n N
64 5. Integração pelo MMC O gráfico abaixo apresenta o resultado da integral de f(x)=1/(1+x 2 ) no intervalo [0,1] analiticamente e via MMC.
65 5. Integração pelo MMC Como exemplo seja estimar a área ocupada por cada espécie em um coral. 1. Identificar a região de área A; 2. Escolher aleatoriamente as coordenadas do ponto; 3. Identificar a espécie que ocupa o local e fazer a contagem.
66
67 5.1. Integração pelo MMC em n dimensões No caso de n dimensões, devemos escolher n coordenadas aleatórias e verificar se o ponto está no interior da região de interesse, ou não. Tomemos como exemplo uma hiperesfera (S 3 ), sendo esta definida como o lugar geométrico dos pontos (x,y,z,w) do R 4 que satisfazem a relação x 2 + y 2 + z 2 + w 2 = r 2.
68 6. Modelo de Ising Introdução Construção de uma teoria microscópica da transição ferromagnética; Modelo simples (mas não trivial); Interações de curto alcance numa rede d- dimensional.
69 6. Modelo de Ising Hamiltoniano de spin: Onde: σ i = ±1; H J N i, j i1 J é a constante de acoplamento entre os spins; H é o campo magnético externo. i j H N i
70 6. Modelo de Ising Interpretações: Spin aponta para cima ou para baixo; Ocupação de um sítio por uma partícula do tipo A ou B, como numa liga binária do tipo AB (vizinhos iguais contribuem com uma energia J; vizinhos distintos, com uma energia +J);
71 6. Modelo de Ising Interpretações: Número de ocupação presença ou ausência de uma molécula numa determinada célula de um gás de rede.
72 6. Modelo de Ising Resolver o modelo de Ising significa escrever a função de partição canônica. Z N Z T, H, N exp H N i Várias técnicas foram desenvolvidas para tentar resolver o modelo de Ising em 2 ou 3 dimensões.
73 6. Modelo de Ising Podemos estudar fenômenos magnéticos a partir do modelo de Ising, que considera momentos magnéticos (spins) localizados, distribuídos em uma rede. No caso mais simples, consideramos que cada spin interage apenas com os seus primeiros vizinhos.
74 6. Modelo de Ising Interações entre segundos vizinhos podem ser incluídas no modelo, possibilitando o aparecimento de interações competitivas, dependendo de alguns parâmetros físicos. O modelo de Ising pode ser estudado de diferentes maneiras, entre elas a técnica de Monte Carlo e a aproximação de Campo médio.
75 6. Modelo de Ising A técnica de Monte Carlo consiste em obter uma seqüência de configurações do sistema de uma maneira estocástica, que depende de números aleatórios gerados durante a simulação.
76 6. Modelo de Ising Para uma quantidade Q, magnetização ou energia, por exemplo, o seu valor médio é definido por: Q M i1 M i1 Eci e Q c e i E c i
77 6. Modelo de Ising Onde E(c i ) a energia da n-ésima configuração. Como é praticamente impossível que todas as configurações sejam somadas em um sistema com muitos graus de liberdade, então soma-se as M configurações mais importantes numa dada temperatura.
78 6. Modelo de Ising Suponhamos que essas configurações mais importantes sejam escolhidas com uma certa probabilidade. Então passa a ser: i M i c E i M i c E i P c e P c e Q c Q i i / / 1 1
79 6. Modelo de Ising No modelo de Ising com técnica de Monte Carlo, começa-se com uma rede de spins S i = +/- 1 dispostos aleatoriamente. Escolhe-se um spin e faz-se a mudança S i = - S i
80 6. Modelo de Ising Se a diferença de energia entra a configuração após a mudança e antes dela ΔE = E(-S i ) E(S i ), for negativa aceitamos essa mudança em S i. Se ΔE > 0, aceitamos a nova configuração com a probabilidade exp(δe / kt).
81 6. Modelo de Ising Na simulação isso é feito sorteando um número aleatório r no intervalo de 0 < r < 1 e se exp(δe / kt) > r também aceitamos a mudança. Só rejeitamos se exp(δe / kt) < r.
82 6. Modelo de Ising É percorrida toda a rede fazendo essa mudança, após terminado, pega-se a configuração final de spins para calcular a média termodinâmica de acordo com a equação: Q 1 M M i1 Q c i
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 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 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 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 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 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 maisSomatórias e produtórias
Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +
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 maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
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 maisPOTENCIAL ELÉTRICO. por unidade de carga
POTENCIAL ELÉTRICO A lei de Newton da Gravitação e a lei de Coulomb da eletrostática são matematicamente idênticas, então os aspectos gerais discutidos para a força gravitacional podem ser aplicadas para
Leia mais2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea
2 O objetivo geral desse curso de Cálculo será o de estudar dois conceitos básicos: a Derivada e a Integral. No decorrer do curso esses dois conceitos, embora motivados de formas distintas, serão por mais
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 maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = =
Energia Potencial Elétrica Física I revisitada 1 Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha. O trabalho feito pela força para deslocar o corpo
Leia maisSeno de 30 é um meio?
Seno de 30 é um meio? Adaptado do artigo de Renate Watanabe Acontecem fatos estranhos quando se ensina Trigonometria: Observe as tabelas abaixo, contendo alguns valores de duas funções f e g. x f(x) x
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 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 maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia mais(a 1 + a 100 ) + (a 2 + a 99 ) + (a 3 + a 98 ) +... + (a 50 + a 51 ).
Questão 1. A sequência 0, 3, 7, 10, 14, 17, 21,... é formada a partir do número 0 somando-se alternadamente 3 ou 4 ao termo anterior, isto é: o primeiro termo é 0, o segundo é 3 a mais que o primeiro,
Leia mais6. Geometria, Primitivas e Transformações 3D
6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também
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 maisSó Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES
FUNÇÕES O conceito de função é um dos mais importantes em toda a matemática. O conceito básico de função é o seguinte: toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça
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 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 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 maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES
Caríssimos. Recebi muitos e-mails pedindo ajuda com eventuais recursos para as provas do BACEN. Em raciocínio lógico, eu não vi possibilidade de recursos, apesar de achar que algumas questões tiveram o
Leia maisA abordagem do assunto será feita inicialmente explorando uma curva bastante conhecida: a circunferência. Escolheremos como y
5 Taxa de Variação Neste capítulo faremos uso da derivada para resolver certos tipos de problemas relacionados com algumas aplicações físicas e geométricas. Nessas aplicações nem sempre as funções envolvidas
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 maisMatemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.
Matemática Essencial Equações do Segundo grau Conteúdo Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ 1 Introdução
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 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 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 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 mais7 - Análise de redes Pesquisa Operacional CAPÍTULO 7 ANÁLISE DE REDES. 4 c. Figura 7.1 - Exemplo de um grafo linear.
CAPÍTULO 7 7 ANÁLISE DE REDES 7.1 Conceitos Básicos em Teoria dos Grafos Diversos problemas de programação linear, inclusive os problemas de transporte, podem ser modelados como problemas de fluxo de redes.
Leia maisREVISÃO E AVALIAÇÃO DA MATEMÁTICA
2 Aula 45 REVISÃO E AVALIAÇÃO DA 3 Vídeo Arredondamento de números. 4 Arredondamento de números Muitas situações cotidianas envolvendo valores destinados à contagem, podem ser facilitadas utilizando o
Leia maisCapítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
Leia mais2aula TEORIA DE ERROS I: ALGARISMOS SIGNIFICATIVOS, ARREDONDAMENTOS E INCERTEZAS. 2.1 Algarismos Corretos e Avaliados
2aula Janeiro de 2012 TEORIA DE ERROS I: ALGARISMOS SIGNIFICATIVOS, ARREDONDAMENTOS E INCERTEZAS Objetivos: Familiarizar o aluno com os algarismos significativos, com as regras de arredondamento e as incertezas
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 maisEQUAÇÕES E INEQUAÇÕES DE 1º GRAU
1 EQUAÇÕES E INEQUAÇÕES DE 1º GRAU Equação do 1º grau Chamamos de equação do 1º grau em uma incógnita x, a qualquer expressão matemática que pode ser escrita sob a forma: em que a e b são números reais,
Leia maisForças internas. Objetivos da aula: Mostrar como usar o método de seções para determinar as cargas internas em um membro.
Forças internas Objetivos da aula: Mostrar como usar o método de seções para determinar as cargas internas em um membro. Generalizar esse procedimento formulando equações que podem ser representadas de
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 maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte IV 2012/02 Distribuição Exponencial Vamos relembrar a definição de uma variável com Distribuição Poisson. Número de falhas ao longo
Leia maisESCOLA DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS NOME: N O :
ESCOLA DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA INTRODUÇÃO AO ESTUDO DAS FUNÇÕES PROF. CARLINHOS NOME: N O : 1 FUNÇÃO IDÉIA INTUITIVA DE FUNÇÃO O conceito de função é um dos mais importantes da matemática.
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 maisResoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG
Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - EPPGG 11. Em uma caixa há 1 bolas de mesmo tamanho: 3 brancas, 4 vermelhas e 5 pretas. Uma pessoa, no escuro, deve retirar n bolas
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 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 maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
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 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 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 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 maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisCálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante
Cálculo Numérico Aula : Computação numérica. Tipos de Erros. Aritmética de ponto flutuante Computação Numérica - O que é Cálculo Numérico? Cálculo numérico é uma metodologia para resolver problemas matemáticos
Leia maisTIPO DE PROVA: A. Questão 1. Questão 4. Questão 2. Questão 3. alternativa D. alternativa A. alternativa D. alternativa C
Questão TIPO DE PROVA: A Se a circunferência de um círculo tiver o seu comprimento aumentado de 00%, a área do círculo ficará aumentada de: a) 00% d) 00% b) 400% e) 00% c) 50% Aumentando o comprimento
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 mais2. Representação Numérica
2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos
Leia mais3º Trimestre TRABALHO DE MATEMÁTICA - 2012 Ensino Fundamental 9º ano classe: A-B-C Profs. Marcelo/Fernando Nome:, nº Data de entrega: 09/ 11/12
3º Trimestre TRABALHO DE MATEMÁTICA - 2012 Ensino Fundamental 9º ano classe: A-B-C Profs. Marcelo/Fernando Nome:, nº Data de entrega: 09/ 11/12 NOTA:. Nota: Toda resolução deve ser feita no seu devido
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisTEORIA DOS CONJUNTOS Símbolos
1 MATERIAL DE APOIO MATEMÁTICA Turmas 1º AS e 1º PD Profº Carlos Roberto da Silva A Matemática apresenta invenções tão sutis que poderão servir não só para satisfazer os curiosos como, também para auxiliar
Leia mais2. MÓDULO DE UM NÚMERO REAL
18 2. MÓDULO DE UM NÚMERO REAL como segue: Dado R, definimos o módulo (ou valor absoluto) de, e indicamos por,, se 0 =, se < 0. Interpretação Geométrica O valor absoluto de um número é, na reta, a distância
Leia mais2 Atualidade de uma base de dados
2 Atualidade de uma base de dados Manter a atualidade de uma base de dados é um problema que pode ser abordado de diferentes maneiras. Cho e Garcia-Molina [CHO] definem esse problema da seguinte forma:
Leia maisIvan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
Leia maisDecidir como medir cada característica. Definir as características de qualidade. Estabelecer padrões de qualidade
Escola de Engenharia de Lorena - EEL Controle Estatístico de Processos CEP Prof. MSc. Fabrício Maciel Gomes Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente. Conceito de
Leia maisQUESTÃO 1 ALTERNATIVA B
1 QUESTÃO 1 Marcos tem 10 0,25 = 2,50 reais em moedas de 25 centavos. Logo ele tem 4,30 2,50 = 1,80 reais em moedas de 10 centavos, ou seja, ele tem 1,80 0,10 = 18 moedas de 10 centavos. Outra maneira
Leia maisComo já foi dito anteriormente o Excel possui recursos que permitem alterar a aparência de nossas planilhas.
Formatação de Células Como já foi dito anteriormente o Excel possui recursos que permitem alterar a aparência de nossas planilhas. O recurso de formatação de células é um recurso muito utilizado. Ele permite
Leia maisUtilização do SOLVER do EXCEL
Utilização do SOLVER do EXCEL 1 Utilização do SOLVER do EXCEL José Fernando Oliveira DEEC FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO MAIO 1998 Para ilustrar a utilização do Solver na resolução de
Leia maisSUMÁRIO 1. AULA 6 ENDEREÇAMENTO IP:... 2
SUMÁRIO 1. AULA 6 ENDEREÇAMENTO IP:... 2 1.1 Introdução... 2 1.2 Estrutura do IP... 3 1.3 Tipos de IP... 3 1.4 Classes de IP... 4 1.5 Máscara de Sub-Rede... 6 1.6 Atribuindo um IP ao computador... 7 2
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia maisLei de Gauss Origem: Wikipédia, a enciclopédia livre.
Lei de Gauss Origem: Wikipédia, a enciclopédia livre. A lei de Gauss é a lei que estabelece a relação entre o fluxo de campo elétrico que passa através de uma superfície fechada com a carga elétrica que
Leia mais---- ibeu ---- ÍNDICE DE BEM-ESTAR URBANO
INSTITUTO NACIONAL DE CIÊNCIA E TECNOLOGIA CNPq/FAPERJ/CAPES ---- ibeu ---- ÍNDICE DE BEM-ESTAR URBANO COORDENAÇÃO LUIZ CÉSAR DE QUEIROZ RIBEIRO EQUIPE RESPONSÁVEL ANDRÉ RICARDO SALATA LYGIA GONÇALVES
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 maisUm capacitor é um sistema elétrico formado por dois condutores separados por um material isolante, ou pelo vácuo.
Capacitores e Dielétricos Um capacitor é um sistema elétrico formado por dois condutores separados por um material isolante, ou pelo vácuo. Imaginemos uma configuração como a de um capacitor em que os
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 maisAlém do Modelo de Bohr
Além do Modelo de Bor Como conseqüência do princípio de incerteza de Heisenberg, o conceito de órbita não pode ser mantido numa descrição quântica do átomo. O que podemos calcular é apenas a probabilidade
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 maisMaterial Teórico - Módulo de Métodos sofisticados de contagem. Princípio das Casas dos Pombos. Segundo Ano do Ensino Médio
Material Teórico - Módulo de Métodos sofisticados de contagem Princípio das Casas dos Pombos Segundo Ano do Ensino Médio Prof. Cícero Thiago Bernardino Magalhães Prof. Antonio Caminha Muniz Neto Em Combinatória,
Leia maisEquações do segundo grau
Módulo 1 Unidade 4 Equações do segundo grau Para início de conversa... Nesta unidade, vamos avançar um pouco mais nas resoluções de equações. Na unidade anterior, você estudou sobre as equações de primeiro
Leia maisAV2 - MA 12-2012. (a) De quantos modos diferentes posso empilhá-los de modo que todos os CDs de rock fiquem juntos?
Questão 1. Num porta-cds, cabem 10 CDs colocados um sobre o outro, formando uma pilha vertical. Tenho 3 CDs de MPB, 5 de rock e 2 de música clássica. (a) De quantos modos diferentes posso empilhá-los de
Leia maisExercícios resolvidos sobre Função de probabilidade e densidade de probabilidade
Exercícios resolvidos sobre Função de probabilidade e densidade de probabilidade Você aprendeu o que é função probabilidade e função densidade de probabilidade e viu como esses conceitos são importantes
Leia maisTrabalho 7 Fila de prioridade usando heap para simulação de atendimento
Trabalho 7 Fila de prioridade usando heap para simulação de atendimento Data: 21/10/2013 até meia-noite Dúvidas até: 09/10/2013 Faq disponível em: http://www2.icmc.usp.br/~mello/trabalho07.html A estrutura
Leia maisMicrosoft Access: Criar relações para um novo banco de dados. Vitor Valerio de Souza Campos
Microsoft Access: Criar relações para um novo banco de Vitor Valerio de Souza Campos Conteúdo do curso Visão geral: relações são essenciais Lição: inclui oito seções Tarefas práticas sugeridas Teste Cartão
Leia maisFeature-Driven Development
FDD Feature-Driven Development Descrição dos Processos Requisitos Concepção e Planejamento Mais forma que conteúdo Desenvolver um Modelo Abrangente Construir a Lista de Features Planejar por
Leia maisEste material traz a teoria necessária à resolução das questões propostas.
Inclui Teoria e Questões Inteiramente Resolvidas dos assuntos: Contagem: princípio aditivo e multiplicativo. Arranjo. Permutação. Combinação simples e com repetição. Lógica sentencial, de primeira ordem
Leia maisTrabalho 2 Fundamentos de computação Gráfica
Trabalho 2 Fundamentos de computação Gráfica Processamento de Imagens Aluno: Renato Deris Prado Tópicos: 1- Programa em QT e C++ 2- Efeitos de processamento de imagens 1- Programa em QT e C++ Para o trabalho
Leia maisTrabalhando com Pequenas Amostras: Distribuição t de Student
Probabilidade e Estatística Trabalhando com Pequenas Amostras: Distribuição t de Student Pequenas amostras x Grandes amostras Nos exemplos tratados até agora: amostras grandes (n>30) qualquer tipo de distribuição
Leia maisAlgoritmos e Estrutura de Dados III. Árvores
Algoritmos e Estrutura de Dados III Árvores Uma das mais importantes classes de estruturas de dados em computação são as árvores. Aproveitando-se de sua organização hierárquica, muitas aplicações são realizadas
Leia maisMétodos de Física Teórica II Prof. Henrique Boschi IF - UFRJ. 1º. semestre de 2010 Aula 2 Ref. Butkov, cap. 8, seção 8.2
Métodos de Física Teórica II Prof. Henrique Boschi IF - UFRJ 1º. semestre de 2010 Aula 2 Ref. Butkov, cap. 8, seção 8.2 O Método de Separação de Variáveis A ideia central desse método é supor que a solução
Leia maisEletromagnetismo: imãs, bobinas e campo magnético
Eletromagnetismo: imãs, bobinas e campo magnético 22 Eletromagnetismo: imãs, bobinas e campo magnético 23 Linhas do campo magnético O mapeamento do campo magnético produzido por um imã, pode ser feito
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 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 maisCalculando probabilidades
A UA UL LA Calculando probabilidades Introdução evento E é: P(E) = Você já aprendeu que a probabilidade de um nº deresultadosfavoráveis nº total de resultados possíveis Nesta aula você aprenderá a calcular
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 maisAPLICAÇÕES DE NÚMEROS COMPLEXOS
http://hermes.ucs.br/ccet/deme/emsoares/inipes/complexos/ APLICAÇÕES DE NÚMEROS COMPLEXOS Silvia Carla Menti Propicio Universidade de Caxias do Sul Centro de Ciências Exatas e Tecnologia Departamento de
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisModelagem no Domínio do Tempo. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1
Carlos Alexandre Mello 1 Modelagem no Domínio da Frequência A equação diferencial de um sistema é convertida em função de transferência, gerando um modelo matemático de um sistema que algebricamente relaciona
Leia maisATENÇÃO: * Arquivos com tamanho superior a 500 KB NÃO SERÃO ACEITOS * SOMENTE serão aceitos documentos do formato: PDF
TUTORIAL DE DIGITALIZAÇÃO DIRIGIDO AO USO DO PROCESSO ELETRÔNICO Adaptado do tutorial elaborado pelo colega MAICON FALCÃO, operador de computador da subseção judiciária de Rio Grande. Introdução Este tutorial
Leia maisEstabilizada de. PdP. Autor: Luís Fernando Patsko Nível: Intermediário Criação: 22/02/2006 Última versão: 18/12/2006
TUTORIAL Fonte Estabilizada de 5 Volts Autor: Luís Fernando Patsko Nível: Intermediário Criação: 22/02/2006 Última versão: 18/12/2006 PdP Pesquisa e Desenvolvimento de Produtos http://www.maxwellbohr.com.br
Leia mais