Modelamento e simulação de processos

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Modelamento e simulação de processos"

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

Método Monte-Carlo. Alexandre Rosas. 23 de Março de 2009. Departamento de Física Universidade Federal da Paraíba

Método 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 mais

2. Método de Monte Carlo

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 mais

Seminário de Dinâmica Orbital I

Seminário 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 mais

3 Método de Monte Carlo

3 Método de Monte Carlo 25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional

Leia mais

O método de Monte Carlo: algumas aplicações na Escola Básica

O 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 mais

Somatórias e produtórias

Somatórias 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 mais

Simulação Estocástica

Simulação 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 mais

Introdução à Simulação

Introdução à Simulação Introdução à Simulação O que é simulação? Wikipedia: Simulação é a imitação de alguma coisa real ou processo. O ato de simular algo geralmente consiste em representar certas características e/ou comportamentos

Leia mais

Métodos de Monte Carlo

Métodos 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 mais

BC-0005 Bases Computacionais da Ciência. Modelagem e simulação

BC-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 mais

Análise de Arredondamento em Ponto Flutuante

Análise de Arredondamento em Ponto Flutuante Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto

Leia mais

Avaliação de Desempenho

Avaliação 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 mais

Logo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A:

Logo, 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 mais

A abordagem do assunto será feita inicialmente explorando uma curva bastante conhecida: a circunferência. Escolheremos como y

A 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 mais

Cálculo numérico. ln 1 = 0. Representação numérica. Exemplo. Exemplos. Professor Walter Cunha. ln 1. I s

Cálculo numérico. ln 1 = 0. Representação numérica. Exemplo. Exemplos. Professor Walter Cunha. ln 1. I s Representação numérica Cálculo numérico Professor Walter Cunha Um conjunto de ferramentas ou métodos usados para se obter a solução de problemas matemáticos de forma aproximada. Esses métodos se aplicam

Leia mais

6. Geometria, Primitivas e Transformações 3D

6. 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 mais

PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO

PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO Luciano Pereira Magalhães - 8º - noite lpmag@hotmail.com Orientador: Prof Gustavo Campos Menezes Banca Examinadora: Prof Reinaldo Sá Fortes, Prof Eduardo

Leia mais

2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea

2 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 mais

Não é permitido nenhum tipo de consulta!

Não é permitido nenhum tipo de consulta! INSTRUÇÕES de PRÊMIO IFT-ICTP PARA JOVENS FÍSICOS Não escreva seu nome em nenhum lugar da prova. Em cada das seis folhas de questões, escreva o número do seu RG. Verifique que você tem as seis folhas de

Leia mais

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo

UNIVERSIDADE 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 mais

Fernando Henrique Ferraz Pereira da Rosa Matheus Moreira Costa Tiago Luiz Tortella Vagner Aparecido Junior

Fernando Henrique Ferraz Pereira da Rosa Matheus Moreira Costa Tiago Luiz Tortella Vagner Aparecido Junior Métodos de Monte Carlo e Aproximações de π Fernando Henrique Ferraz Pereira da Rosa Matheus Moreira Costa Tiago Luiz Tortella Vagner Aparecido Junior MAP-131 Laboratório de Matemática Aplicada Prof. Dr.

Leia mais

Mestrado e Doutorado em Física

Mestrado e Doutorado em Física UNIVERSIDADE FEDERAL DO MARANHÃO FUNDAÇÃO Instituída nos termos da Lei nº 5.152, de 21/10/1996 São Luís Maranhão CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM FÍSICA Exame de Seleção

Leia mais

Geração de variáveis aleatórias

Geração de variáveis aleatórias Geração de variáveis aleatórias Danilo Oliveira, Matheus Torquato Centro de Informática Universidade Federal de Pernambuco 5 de setembro de 2012 Danilo Oliveira, Matheus Torquato () 5 de setembro de 2012

Leia mais

Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.

Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel. Matemática Essencial Equações do Primeiro grau Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ Resumo: Notas de

Leia mais

2 Modelo para o Sistema de Controle de Estoque (Q, R)

2 Modelo para o Sistema de Controle de Estoque (Q, R) Modelo para o Sistema de Controle de Estoque (, ) Neste capítulo é apresentado um modelo para o sistema de controle de estoque (,). Considera-se que a revisão dos estoques é continua e uma encomenda de

Leia mais

ATENÇÃO: Escreva a resolução COMPLETA de cada questão no espaço reservado para a mesma.

ATENÇÃO: Escreva a resolução COMPLETA de cada questão no espaço reservado para a mesma. 2ª Fase Matemática Introdução A prova de matemática da segunda fase é constituída de 12 questões, geralmente apresentadas em ordem crescente de dificuldade. As primeiras questões procuram avaliar habilidades

Leia mais

A Otimização Colônia de Formigas

A Otimização Colônia de Formigas A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado

Leia mais

2 Modelo Clássico de Cramér-Lundberg

2 Modelo Clássico de Cramér-Lundberg 2 Modelo Clássico de Cramér-Lundberg 2.1 Conceitos fundamentais Nesta sessão introduziremos alguns conceitos fundamentais que serão utilizados na descrição do modelo de ruína. A lei de probabilidade que

Leia mais

PLANIFICAÇÃO DA DISCIPLINA DE FÍSICA 12º ANO Ano lectivo 2015/2016

PLANIFICAÇÃO DA DISCIPLINA DE FÍSICA 12º ANO Ano lectivo 2015/2016 AGRUPAMENTO DE ESCOLAS JOSÉ BELCHIOR VIEGAS PLANIFICAÇÃO DA DISCIPLINA DE FÍSICA 12º ANO Ano lectivo 2015/2016 Competências Gerais Conteúdos programáticos /Temas Objectivos Gerais Aulas Previstas (blocos

Leia mais

x0 = 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?

x0 = 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 mais

Física estatística MEFT, IST. Nada existe excepto átomos e espaço vazio; tudo o resto é opinião. Demócrito, 460 370 a.c. (?)

Física estatística MEFT, IST. Nada existe excepto átomos e espaço vazio; tudo o resto é opinião. Demócrito, 460 370 a.c. (?) Física estatística Introdução histórica MEFT, IST Nada existe excepto átomos e espaço vazio; tudo o resto é opinião Demócrito, 460 370 a.c. (?) Mecânica Estatística Feynman: o que escrever se só pudermos

Leia mais

POTENCIAL ELÉTRICO. por unidade de carga

POTENCIAL 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 mais

HORÁRIO SEGUNDA TERÇA QUARTA QUINTA SEXTA

HORÁRIO SEGUNDA TERÇA QUARTA QUINTA SEXTA 1º A 2016 Noturno Central 1S/2016 Introdução à Engenharia de Controle à Automação Lógica e Matemática Discreta Física Geral Física Geral Fundamentos de Cálculo Lógica e Matemática Discreta Algoritmos e

Leia mais

2. MÓDULO DE UM NÚMERO REAL

2. 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 mais

Introdução ao Método de Galerkin Estocástico

Introdução ao Método de Galerkin Estocástico Introdução ao Método de Galerkin Estocástico Americo Barbosa da Cunha Junior Departamento de Engenharia Mecânica Pontifícia Universidade Católica do Rio de Janeiro 1 Introdução A dinâmica de um sistema

Leia mais

Eletromagnetismo: imãs, bobinas e campo magnético

Eletromagnetismo: 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 mais

AS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA

AS 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 mais

AULAS 13, 14 E 15 Correlação e Regressão

AULAS 13, 14 E 15 Correlação e Regressão 1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de

Leia mais

Geração de Números Aleatórios e Simulação

Geração de Números Aleatórios e Simulação Departamento de Informática Geração de Números Aleatórios e imulação Métodos Quantitativos LEI 26/27 usana Nascimento (snt@di.fct.unl.pt) Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) usana

Leia mais

Fenômenos de Transporte

Fenômenos de Transporte Fenômenos de Transporte Prof. Leandro Alexandre da Silva Processos metalúrgicos 2012/2 Fenômenos de Transporte Prof. Leandro Alexandre da Silva Motivação O que é transporte? De maneira geral, transporte

Leia mais

Pesquisa Operacional

Pesquisa 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 mais

Consequências Interessantes da Continuidade

Consequências Interessantes da Continuidade Consequências Interessantes da Continuidade Frederico Reis Marques de Brito Resumo Trataremos aqui de um dos conceitos basilares da Matemática, o da continuidade no âmbito de funções f : R R, mostrando

Leia mais

Probabilidade. Distribuição Exponencial

Probabilidade. 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 mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos

Leia mais

Seno de 30 é um meio?

Seno 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 mais

Pesquisa Operacional Programação em Redes

Pesquisa Operacional Programação em Redes Pesquisa Operacional Programação em Redes Profa. Alessandra Martins Coelho outubro/2013 Modelagem em redes: Facilitar a visualização e a compreensão das características do sistema Problema de programação

Leia mais

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF)

Métodos 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 mais

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira Universidade Federal de Alagoas Instituto de Matemática Imagem Prof. Thales Vieira 2014 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação

Leia mais

Universidade 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 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 mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO 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 mais

Professor Mauricio Lutz PROBABILIDADE

Professor Mauricio Lutz PROBABILIDADE PROBABILIDADE Todas as vezes que se estudam fenômenos de observação, cumpre-se distinguir o próprio fenômeno e o modelo matemático (determinístico ou probabilístico) que melhor o explique. Os fenômenos

Leia mais

Seja D R. Uma função vetorial r(t) com domínio D é uma correspondência que associa a cada número t em D exatamente um vetor r(t) em R 3

Seja D R. Uma função vetorial r(t) com domínio D é uma correspondência que associa a cada número t em D exatamente um vetor r(t) em R 3 1 Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire Cálculo Vetorial Texto 01: Funções Vetoriais Até agora nos cursos de Cálculo só tratamos de funções cujas imagens

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade 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 mais

Matemática. Euclides Roxo. David Hilbert. George F. B. Riemann. George Boole. Niels Henrik Abel. Karl Friedrich Gauss.

Matemática. Euclides Roxo. David Hilbert. George F. B. Riemann. George Boole. Niels Henrik Abel. Karl Friedrich Gauss. Matemática Jacob Palis Álgebra 1 Euclides Roxo David Hilbert George F. B. Riemann George Boole Niels Henrik Abel Karl Friedrich Gauss René Descartes Gottfried Wilhelm von Leibniz Nicolaus Bernoulli II

Leia mais

Objetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e

Objetivos. 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 mais

O trabalho pioneiro nesta área remonta a Ulam, que o teria inventado em 1946 ao estudar as possibilidades de ganhar no jogo de cartas Solitário.

O 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 mais

USANDO O MÉTODO DE MONTE CARLO PARA ENCONTRAR RAÍZES DE EQUAÇÕES

USANDO 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 mais

Relatório Final do Projeto de Pesquisa: O Método Monte Carlo e a sua Aplicação à Termodinâmica do Gelo

Relatório Final do Projeto de Pesquisa: O Método Monte Carlo e a sua Aplicação à Termodinâmica do Gelo 1 Relatório Final do Projeto de Pesquisa: O Método Monte Carlo e a sua Aplicação à Termodinâmica do Gelo Universidade Estadual de Campinas Unicamp Instituto de Física Gleb Wataghin IFGW Departamento de

Leia mais

IBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 3

IBM1018 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 mais

Por 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,... 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 mais

PARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL

PARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL PARTE FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL.1 Funções Vetoriais de Uma Variável Real Vamos agora tratar de um caso particular de funções vetoriais F : Dom(f R n R m, que são as funções vetoriais de uma

Leia mais

Forças 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. 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 mais

Ivan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:

Ivan 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 mais

O Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48

O 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 mais

TEORIA DOS CONJUNTOS Símbolos

TEORIA 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 mais

Algoritmos Randomizados: Introdução

Algoritmos Randomizados: Introdução Algoritmos Randomizados: Introdução Celina Figueiredo Guilherme Fonseca Manoel Lemos Vinícius Sá 26º Colóquio Brasileiro de Matemática IMPA Rio de Janeiro Brasil 2007 Resumo Definições Monte Carlo Variáveis

Leia mais

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado, Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis

Leia mais

Cadeias de Markov. Geovany A. Borges gaborges@ene.unb.br

Cadeias de Markov. Geovany A. Borges gaborges@ene.unb.br 36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Cadeias de Markov Geovany A. Borges gaborges@ene.unb.br

Leia mais

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA

Leia mais

PASSEIOS ALEATÓRIOS E CIRCUITOS ELÉTRICOS

PASSEIOS ALEATÓRIOS E CIRCUITOS ELÉTRICOS PASSEIOS ALEATÓRIOS E CIRCUITOS ELÉTRICOS Aluno: Ricardo Fernando Paes Tiecher Orientador: Lorenzo Justiniano Díaz Casado Introdução A teoria da probabilidade, assim como grande parte da matemática, está

Leia mais

O caso estacionário em uma dimensão

O caso estacionário em uma dimensão O caso estacionário em uma dimensão A U L A 6 Meta da aula Aplicar o formalismo quântico no caso de o potencial ser independente do tempo. objetivos verificar que, no caso de o potencial ser independente

Leia mais

Análise Matemática III - Turma Especial

Análise Matemática III - Turma Especial Análise Matemática III - Turma Especial Ficha Extra 6 - Equações de Maxwell Não precisam de entregar esta ficha omo com todas as equações básicas da Física, não é possível deduzir as equações de Maxwell;

Leia mais

COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO

COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA O que é risco? Quais são os tipos de riscos? Quais são os tipos de análises? Qual a principal função do Excel para gerar simulações aleatórias? O que é distribuição

Leia mais

EXPERIMENTO 11: DEMONSTRAÇÕES SOBRE ELETROMAGNETISMO. Observar, descrever e explicar algumas demonstrações de eletromagnetismo.

EXPERIMENTO 11: DEMONSTRAÇÕES SOBRE ELETROMAGNETISMO. Observar, descrever e explicar algumas demonstrações de eletromagnetismo. EXPERIMENTO 11: DEMONSTRAÇÕES SOBRE ELETROMAGNETISMO 11.1 OBJETIVOS Observar, descrever e explicar algumas demonstrações de eletromagnetismo. 11.2 INTRODUÇÃO Força de Lorentz Do ponto de vista formal,

Leia mais

FONTES DE CAMPO MAGNÉTICO. Caracterizar e mostrar o campo magnético produzido por uma carga a velocidade constante.

FONTES DE CAMPO MAGNÉTICO. Caracterizar e mostrar o campo magnético produzido por uma carga a velocidade constante. FONTES DE CAMPO MAGNÉTICO META Aula 8 Caracterizar e mostrar o campo magnético produzido por uma carga a velocidade constante. Mostrar a lei da circulação de Ampère-Laplace e a lei de Biot-Savart. Estudar

Leia mais

Decidir como medir cada característica. Definir as características de qualidade. Estabelecer padrões de qualidade

Decidir 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 mais

Universidade Federal do ABC. Sinais Aleatórios. Prof. Marcio Eisencraft

Universidade Federal do ABC. Sinais Aleatórios. Prof. Marcio Eisencraft Universidade Federal do ABC Sinais Aleatórios Prof. Marcio Eisencraft São Paulo 2011 Capítulo 1 Probabilidades Neste curso, trata-se dos fenômenos que não podem ser representados de forma determinística

Leia mais

1 INTRODU Ç Ã O. 1.1. Introdução ao Magnetismo

1 INTRODU Ç Ã O. 1.1. Introdução ao Magnetismo 17 1 INTRODU Ç Ã O 1.1. Introdução ao Magnetismo Os materiais magnéticos vêm desempenhando um papel importante e contribuído de forma vital na história das civilizações e no seu desenvolvimento tecnológico.

Leia mais

Probabilidade. Distribuição Exponencial

Probabilidade. 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 mais

Equação do 1º Grau. Maurício Bezerra Bandeira Junior

Equação do 1º Grau. Maurício Bezerra Bandeira Junior Maurício Bezerra Bandeira Junior Introdução às equações de primeiro grau Para resolver um problema matemático, quase sempre devemos transformar uma sentença apresentada com palavras em uma sentença que

Leia mais

1º LISTÃO QUINZENAL DE MATEMÁTICA MAIO/2011 1º ANO PARTE 1 ESTUDO DAS FUNÇÕES

1º LISTÃO QUINZENAL DE MATEMÁTICA MAIO/2011 1º ANO PARTE 1 ESTUDO DAS FUNÇÕES 1º LISTÃO QUINZENAL DE MATEMÁTICA MAIO/2011 1º ANO PARTE 1 ESTUDO DAS FUNÇÕES 01. Dadas as funções definidas por f(x) = 1 2 x 2 x + e g(x) = + 1 2 5, determine o valor de f(2) + g(5). 02. Dada a função

Leia mais

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Distribuição Normal 1. Introdução O mundo é normal! Acredite se quiser! Muitos dos fenômenos aleatórios que encontramos na

Leia mais

CAPÍTULO 1 Introduzindo SIG

CAPÍTULO 1 Introduzindo SIG CAPÍTULO 1 Introduzindo SIG Por muito tempo, estudou-se o mundo usando modelos como mapas e globos. Aproximadamente nos últimos trinta anos, tornou-se possível colocar estes modelos dentro de computadores

Leia mais

1. Introdução 2. Representação de números 2.1. Conversão Numérica 2.2. Aritmética de ponto flutuante 3. Erros 3.1 Erros Absolutos e Relativos

1. Introdução 2. Representação de números 2.1. Conversão Numérica 2.2. Aritmética de ponto flutuante 3. Erros 3.1 Erros Absolutos e Relativos 1. Introdução 2. Representação de números 2.1. Conversão Numérica 2.2. Aritmética de ponto flutuante 3. Erros 3.1 Erros Absolutos e Relativos 1. Introdução O que é cálculo numérico? Corresponde a um conjunto

Leia mais

Uma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação).

Uma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação). 5. FUNÇÕES DE UMA VARIÁVEL 5.1. INTRODUÇÃO Devemos compreender função como uma lei que associa um valor x pertencente a um conjunto A a um único valor y pertencente a um conjunto B, ao que denotamos por

Leia mais

Algoritmos Genéticos

Algoritmos Genéticos UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br

Leia mais

Capítulo 1. x > y ou x < y ou x = y

Capítulo 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 mais

PLANEJAMENTO ANUAL DE QUÍMICA

PLANEJAMENTO ANUAL DE QUÍMICA COLÉGIO VICENTINO IMACULADO CORAÇÃO DE MARIA Educação Infantil, Ensino Fundamental e Médio Rua Rui Barbosa, 134, Toledo PR Fone: 377-8150 PLANEJAMENTO ANUAL DE QUÍMICA SÉRIE: 1ª SÉRIE E.M. PROFESSOR: Paulo

Leia mais

Considere um triângulo eqüilátero T 1

Considere um triângulo eqüilátero T 1 Considere um triângulo eqüilátero T de área 6 cm. Unindo-se os pontos médios dos lados desse triângulo, obtém-se um segundo triângulo eqüilátero T, que tem os pontos médios dos lados de T como vértices.

Leia mais

Método paramétrico de Monte Carlo para avaliação de correlação em dados autocorrelacionados

Método paramétrico de Monte Carlo para avaliação de correlação em dados autocorrelacionados Método paramétrico de Monte Carlo para avaliação de correlação em dados autocorrelacionados Karina Rebuli Universidade Federal do Paraná karina.rebuli@gmail.com 19 de setembro de 2014 Karina Rebuli (LEG

Leia mais

AGRUPAMENTO DE CLARA DE RESENDE COD. 346 779 COD. 152 870

AGRUPAMENTO DE CLARA DE RESENDE COD. 346 779 COD. 152 870 CRITÉRIOS ESPECÍFICOS DE AVALIAÇÃO ( Aprovados em Conselho Pedagógico de 21 de Outubro de 2014) No caso específico da disciplina de FÍsica, do 12ºano de escolaridade, a avaliação incidirá ainda ao nível

Leia mais

CADEX. Consultoria em Logística Interna. Layout de armazém. Objectivos. Popularidade. Semelhança. Tamanho. Características

CADEX. Consultoria em Logística Interna. Layout de armazém. Objectivos. Popularidade. Semelhança. Tamanho. Características CADEX Consultoria em Logística Interna Layout de armazém fonte: Wikipédia O layout de armazém é a forma como as áreas de armazenagem de um armazém estão organizadas, de forma a utilizar todo o espaço existente

Leia mais

Sociedade Brasileira de Matemática Mestrado Profissional em Matemática em Rede Nacional. n=1

Sociedade Brasileira de Matemática Mestrado Profissional em Matemática em Rede Nacional. n=1 Sociedade Brasileira de Matemática Mestrado Profissional em Matemática em Rede Nacional MA Números e Funções Reais Avaliação - GABARITO 3 de abril de 203. Determine se as afirmações a seguir são verdadeiras

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Análisede links Page Rank Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Motivação Suponha que um modelo clássico, como

Leia mais

1 Método de Monte Carlo Simples

1 Método de Monte Carlo Simples Método de Monte Carlo Simples Finalidade: obter uma estimativa para o valor esperado de uma função qualquer g da variável aleatória θ, ou seja, E[g(θ)]. Seja g(θ) uma função qualquer de θ. Suponha que

Leia mais

CI202 - Métodos Numéricos

CI202 - Métodos Numéricos CI202 - Métodos Numéricos Lista de Exercícios 2 Zeros de Funções Obs.: as funções sen(x) e cos(x) devem ser calculadas em radianos. 1. Em geral, os métodos numéricos para encontrar zeros de funções possuem

Leia mais

4 Orbitais do Átomo de Hidrogênio

4 Orbitais do Átomo de Hidrogênio 4 Orbitais do Átomo de Hidrogênio A aplicação mais intuitiva e que foi a motivação inicial para desenvolver essa técnica é a representação dos orbitais do átomo de hidrogênio que, desde então, tem servido

Leia mais

Aula 29. Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil

Aula 29. Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil A integral de Riemann - Mais aplicações Aula 29 Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil 20 de Maio de 2014 Primeiro Semestre de 2014 Turma 2014106 - Engenharia Mecânica

Leia mais

4. Metodologia. Capítulo 4 - Metodologia

4. Metodologia. Capítulo 4 - Metodologia Capítulo 4 - Metodologia 4. Metodologia Neste capítulo é apresentada a metodologia utilizada na modelagem, estando dividida em duas seções: uma referente às tábuas de múltiplos decrementos, e outra referente

Leia mais

Circuitos Elétricos Circuitos Magneticamente Acoplados

Circuitos Elétricos Circuitos Magneticamente Acoplados Introdução Circuitos Elétricos Circuitos Magneticamente Acoplados Alessandro L. Koerich Engenharia de Computação Pontifícia Universidade Católica do Paraná (PUCPR) Os circuitos que estudamos até o momento

Leia mais