MAE GABARITO DA LISTA 2-04/10/2016
|
|
- Cristiana Zagalo Cabral
- 6 Há anos
- Visualizações:
Transcrição
1 MAE GABARITO DA LISTA - 04/0/06 Exercício.7.5. Primeira Parte Seja P uma matriz de transição sobre um espaço de estados finito S. Mostre que uma distribuição π é invariante para P se e somente se π(i P + A) = a, onde I é a matriz identidade, A = (a ij : i, j S), onde a ij = e a = (a i : i S) e a i =. Demonstração. A primeira coisa a notar é que soluções de π(i P + A) = a NÃO necessariamente são distribuições de probabilidade (mas o serão se P for irredutível). Como contra-exemplo, considere: P = ( 0 0 ) π = ( ) Nessas condições π não é um vetor de probabilidades e vale que π(i P +A) = a. Primeiro vamos mostrar que se π é uma probabilidade invariante, então π(i P + A) = a. Como π é um vetor de probabilidades, então πa = a (a soma de suas entradas tem que dar ), e como ele é invariante, π = πp. Assim: π(i P + A) = πi πp + πa = π π + a = a. Agora suponha que π é um vetor de probabilidade e que π(i P + A) = a. Vamos mostrar que π é invariante para P. Como π é um vetor de probabilidades, = a, de onde deduzimos que: π πp + πa = a π πp + a = a π = πp, de onde concluímos que π é invariante para P.
2 . Segunda parte Deduza que se P é uma matriz irredutível, então I P + A é inversível. Demonstração. Seja π o único vetor de probabilidades invariante para P e seja x um vetor que é solução de x(i P + A) = a, vamos mostrar que x = π. Depois de demostrado esse fato, seguirá que π é a única solução do sistema de equações x(i P + A) = a, de onde seguirá que I P + A é inversível. Fixe um i S. Pela equação dada, temos que: x i x k p ki + x k =, portanto : ( x i x k p ki + ) x k = S i S S x k = S x k = Assim vale que xa = a, e portanto, como x(i P + A) = a, também vale que x = xp. Note que ainda não afirmamos que todas as entradas são não negativas. Seja m x = min i S x i e m π = min i S π i. Como P é irredutível, então m π > 0. Tome α > mx m π, daí teremos que απ +x será um vetor com todas as entradas positivas. Ao normalizar esse vetor obtemos constantes β e γ, ambas diferentes de zero tais que βπ +γx é um vetor de probabilidades. Denotemos µ = βπ +γx. Note que µp = (βπ + γx)p = βπp + γxp = βπ + γx = µ. Assim µ é um vetor de probabilidades invariante. Como P é irredutível, existe apenas uma distribuição de probabilidades invariante. Assim µ = π. Portanto: βπ + γx = π (β )π + γx = 0 x = β π, γ Assim x é um múltiplo de π. Como a soma das coordenadas de ambos vale, segue que x = π. Exercício.8.4 A cada manhã, um estudante pega um de seus 3 livros da estante. A probabilidade de que ele escolha o livro i é 0 < α i <, com i =,, 3, e a cada dia essa escolha é feita de maneira independente das demais.
3 Ao final do dia ele devolve o livro retirado, colocando-o sempre à esquerda dos demais livros. Denote por p n a probabilidade de que depois de n dias nós encontremos na prateleira os livros na ordem,, 3, da esquerda para a direita. Mostre que p n converge quando n e calcule o limite. Resolução. Considere (X n ) n N uma cadeia de markov, onde o espaço de estados são as permutações de (,, 3), que representam as posições dos livros na estante, da esquerda para a direita, com matriz de transição como a descrita no enunciado. Tome (a, b, c) uma permutação de (,, 3). Se retirarmos o livro c no primeiro dia, o livro b no segundo e o a no terceiro, a estante ficará na posição (a, b, c), independente da posição inicial de cada livro. Assim de qualquer estado eu consigo alcançar qualquer estado com probabilidade positiva, assim a cadeia é irredutível. Como o espaço de estados é finito, ela também é recorrente positiva, assim ela tem uma medida invariante. Note ainda que se estamos num estado (a, b, c), então nós continuamos no mesmo estado com probabilidade α a. Assim a cadeia é aperiódica. Portanto pelo teorema.8.3 do livro do Norris, P (X n = ) converge para π( ), onde π é a única medida invariante do processo. Fazendo contas é possível mostrar que a medida invariante é: Portanto p n converge à: α b α b π(a, b, c) = α a = α a α b + α c α a π(,, 3) = α α α + α 3 = α α α 3 Exercício.8.5 Sejam Y, Y,... variáveis i.i.d, com média finita, que assumem valores em {,,...}. Suponha ainda que o conjunto dos inteiros {n : P (Y = n) > 0} tem maior divisor comum. Considere µ = E(Y ) Mostre que o processo: X n = inf {m n : m = Y Y k para algum k 0} n é uma cadeia de Markov. Calcule: Mostre que: lim P (X n = 0) n lim n P (n = Y Y k para algum k 0) = µ 3
4 Resolução. Seja M := inf{n N : P (Y >= n) = 0}, com a convenção de que inf =. O espaço de estados será o conjunto S = {n N : n < M}. Mostrar que (X n ) é uma cadeia de Markov pode ser feito calculando explicitamente P (X n+ = x n X 0 = x 0,... X n = x n ) e mostrar que essa quantidade não depende de x 0,..., x n. Note que um estado i alcança o estado 0 em exatamente i passos com probabilidade. Agora vamos mostrar que, saindo do 0, temos uma probabilidade positiva de alcançar um estado i. Fixe um j i tal que P (Y = j) > 0. Tal j existe pela nossa contrução do espaço de estados. Assim p (j i+) (0, i) P (Y = j) > 0. Como do 0 eu posso alcançar qualquer estado, e de qualquer estado eu posso alcançar o 0, a cadeia é irredutível. Note que E(T 0 0 ) = E(Y ) = µ. Assim o 0 é um estado recorrente positivo. Como a cadeia é irredutível, todos os estados são recorrentes positivos. Assim existe uma probabilidade invariante π, e ela satisfaz, usando o lema de Kǎc, π(0) = E(T 0 0 ) = µ. Ainda temos que {n N : p (n) (0, 0) > 0} = {n N : P (Y = n) > 0}, esse conjunto tem m.d.c. igual a. Portanto o estado 0 é aperiódico. Como a cadeia é irredutível, então todos os estados são aperiódicos. Como estamos com uma cadeia irredutível aperiódica, que tem uma distribuição invariante π, então podemos calcular: Agora note que o evento lim n P (X n = 0) = π(0) = µ {n = Y Y k } = {inf{m n : m = Y Y k } = n} = {inf{m n : m = Y Y k } n = 0}. Dessa maneira e portanto: {n = Y Y k para algum k 0} = {X n = 0}, lim P (n = Y Y k para algum k 0) = n µ. 4 Exercício.9. Duas partículas, X e Y, realizam passeios aleatórios no grafo do diagrama do livro. Estando em um vértice do grafo, uma partícula escolhe o próximo vértice com igual probabilidade entre os vizinhos. Encontre a probabilidade de que X e Y eventualmente se encontrem nos seguintes casos: 4
5 . X inicia em A e Y em B. Resolução. Elas nunca se encontram. As cadeias são periódicas, de período, e A e B são vizinhos.. X inicia em A e Y em E. Resolução. Elas se encontram com probabilidade. Se considerarmos (X, Y ) como uma única cadeia de Markov, veremos que o estado (A, E) está na mesma classe fechada que todos os estados da forma (I, I). Assim, como essa classe é finita, todos os estados dela são recorrentes. Assim o tempo para alcançar qualquer estado, como por exemplo um estado da forma (I, I), será finito. Denote por M I o valor esperado do tempo para que, com as duas cadeias iniciando em I, ambas retornem à I ao mesmo tempo. Mostre que 9M D = 6M B. Resolução. Seja S o conjunto de vértices do grafo dado, que também é o espaço de estados das cadeias X e Y. Como já comentado, Z n = (X n, Y n ) é uma cadeia de markov em S, com probabilidade de transição dada por: q((a, b), (c, d)) = p(a, c)p(b, d), onde p(, ) denota a probabilidade de transição das cadeias X e Y. Tome C 0 e C a partição de S, conforme o teorema.8.4 de Norris aplicado para a cadeia (X n ) (ou (Y n )). Com a cadeia (Z n ), teremos classes de comunicação fechadas, que denotaremos por K 0 e K, onde: K 0 = (C 0 C 0 ) (C C ) K = (C 0 C ) (C C 0 ) Como o espaço de estados é finito, e não temos nenhuma classe de comunicação aberta, então todos os estados são recorrentes positivos. Não é difícil verificar que uma medida invariante de (Z n ) é dada por µ(a, b) = π(a)π(b). Onde π é a única probabilidade invariante das cadeias (X n ) e (Y n ). Como estamos realizando um passeio aleatório, teremos que π(a) = d(a) b d(b), onde d(i) é o número de vizinhos do vértice I no grafo. Usando o Lema de Kǎc, teremos que, para I S: M I = P µ(τ (I,I) < ). µ(i, I) 5
6 Como (I, I) K 0 I S, temos que P µ (τ (I,I) < ) = µ(a, b), (a,b) K 0 portanto P µ (τ (D,D) < ) = P µ (τ (B,B) < ). M D = P µ(τ (D,D) < ) µ(b, B) M B µ(d, D) P µ (τ (B,B) < ) µ(b, B) = µ(d, D) = π(b)π(b) π(d)π(d) = d(b)d(b) d(d)d(d) = Exercício 0.4 Uma cantora de ópera vai atuar em uma longa série de concertos. Ela tem um temperamento complicado, e assim pode amarelar cada noite com probabilidade. Uma vez que isso aconteça ela não vai voltar a atuar até que o produtor a convença do contrário. Ele faz isso enviando um buque de flores para ela a cada dia que ela não queira atuar. Ele compra um buque por x mil libras, 0 x, e isso a convence a atuar com probabilidade x. O produtor pretende ter um lucro de 750 libras por concerto bem sucedido. Supondo que as decisões de cada dia sejam independentes, quanto ele deve gastar em flores? Resolução. Podemos representar o estado da cantora em um espaço de estados S = {0, }, onde 0 representa que ela não vai cantar naquela noite e que ela vai cantar. Se X n for o estado dela na n-ésima noite, então (X n ) será uma cadeia de Markov, com matriz de transição dada por: ( x x P = Vamos denotar por f : S R o lucro obtido em um dia, em milhares de libras, de acordo com o estado da cantora. Assim f(0) = x e f() = 0, 75. Suponha que vamos tentar realizar M + concertos, que denotamos por X 0,..., X M. Uma quantidade de interesse é o lucro total, dada por: L(M) := M f(x i ) i=0 Vamos primeiramente supor que x > 0. Nesse caso a cadeia é irredutível e recorrente positiva. Ainda nossa função f é limitada. Assim o teorema ergódico diz que L(M) M M+ f = i S π if(i), onde π é a única probabilidade invariante da nossa cadeia. ). 6
7 No caso x = 0, temos que lim M L(M) é quase certamente finito (assim que ela parar de cantar, nunca mais cantará). Assim se encontrarmos um valor de x onde f seja positivo, esse é preferível, já que nesse caso L(M) ficará cada vez maior quanto maior for o M (e estamos supondo que o M é bem grande). Podemos calcular: ( π = x+ x x+ f = 0, 75 x x + x x + ) Assim uma estratégia possível é maximizar f, o que acontece quando x = 0, 5. Assim devemos gastar 50 libras. 7
Cadeias de Markov. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Cadeias de Markov Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 3 e 4 Taylor & Karlin 1 / 71 Cadeias de Markov Seja X 0, X 1,...
Leia maisAula - Equações de Chapman-Kolmogorov
Equações de Chapman-Kolmogorov Prof. Magnos Martinello Aula - Equações de Chapman-Kolmogorov Universidade Federal do Esprito Santo-UFES 2011 Equações de Chapman-Kolmogorov 1/17 Introdução As equações de
Leia maisClassificação de estados em uma cadeia de Markov. Professora Eliana Carvalho
Classificação de estados em uma cadeia de Markov Professora Eliana Carvalho Classificação de estados em uma cadeia de Markov Os estados de uma cadeia de Markov podem ser classificados com base na probabilidade
Leia maisTeoria de Filas Aula 10
Aula Passada Comentários sobre a prova Teoria de Filas Aula 10 Introdução a processos estocásticos Introdução a Cadeias de Markov Aula de Hoje Cadeias de Markov de tempo discreto (DTMC) 1 Recordando...
Leia maisProcessos Estocásticos e Cadeias de Markov Discretas
Processos Estocásticos e Cadeias de Markov Discretas Processo Estocástico(I) Definição: Um processo estocástico é uma família de variáveis aleatórias {X(t) t T}, definidas em um espaço de probabilidades,
Leia maisMEDIDAS COM SINAL.. Uma medida com sinal σ-aditiva (ou, simplesmente, uma medida com sinal) µ(a n ) def = lim
MEDIDAS COM SINAL DANIEL V. TAUSK 1. Definição. Seja C uma coleção de conjuntos tal que C. Uma medida com sinal finitamente aditiva em C é uma função µ : C R tal que: µ( ) = 0; se (A n ) t é uma seqüência
Leia mais1 Conceitos Iniciais. 1.1 Grafos
1 Conceitos Iniciais O objetivo deste capítulo é revisar conceitos básicos, mas fundamentais, sobre grafos, passeios aleatórios (random walks) com especial destaque aos passeios aleatórios sobre grafos
Leia maisAula 14. Aula de hoje. Aula passada
Aula 14 Aula passada Autovalores, autovetores, decomposição Convergência para estacionaridade Tempo de mistura Spectral gap Tempo de mistura de passeios aleatórios Aula de hoje Caminho amostral Teorema
Leia mais3. CADEIA DE MARKOV EM TEMPO DISCRETO
3. CADEIA DE MARKOV EM TEMPO DISCRETO 3. Definição Uma Cadeia de Markov em Tempo Discreto é um processo estocástico em que a variável t representa intervalos de tempo, { }e que segue a propriedade de Markov,
Leia maisCadeias de Markov e Campos Aleatórios Markovianos
UNIVERSIDADE DE SÃO PAULO INSTITUTO DE FÍSICA Cadeias de Markov e Campos Aleatórios Markovianos Wagner Gomes Rodrigues Junior Profª Drª Tania Tomé - IFUSP São Paulo 2009 Sumário 1 Cadeias de MarKov 1 SUMÁRIO
Leia maisTeoremas de uma, duas e três séries de Kolmogorov
Teoremas de uma, duas e três séries de Kolmogorov 13 de Maio de 013 1 Introdução Nestas notas Z 1, Z, Z 3,... é uma sequência de variáveis aleatórias independentes. Buscaremos determinar condições sob
Leia maisContinuidade de processos gaussianos
Continuidade de processos gaussianos Roberto Imbuzeiro Oliveira April, 008 Abstract 1 Intrudução Suponha que T é um certo conjunto de índices e c : T T R é uma função dada. Pergunta 1. Existe uma coleção
Leia maisROTEIRO DA APRESENTAÇÃO PROCESSOS ESTOCÁSTICOS
ROTEIRO DA APRESENTAÇÃO MODELOS ESTOCÁSTICOS APLICADOS À INDÚSTRIA Prof. Lupércio França Bessegato Departamento de Estatística Universidade Federal de Juiz de Fora lupercio.bessegato@ufjf.edu.br www.ufjf.br/lupercio_bessegato
Leia maisSistemas de equações lineares com três variáveis
18 Sistemas de equações lineares com três variáveis Sumário 18.1 Introdução....................... 18. Sistemas de duas equações lineares........... 18. Sistemas de três equações lineares........... 8
Leia maisPropriedade Markoviana
Cadeias de Markov Cadeias de Markov É um tipo especial de processo estocástico, que satisfaz as seguintes condições: o parâmetro n é discreto (ex: tempo) o espaço de estados E é discreto (coleção de estados
Leia maisCadeias de Markov de Tempo Contínuo (CTMC)
Cadeias de Markov de Tempo Contínuo (CTMC) Cadeia de Markov Contínua (1) A análise de cadeias de Markov contínuas (CTMCs) é bem similar a análise em tempo discreto, com a diferença de que as transições
Leia maisProcessos Estocásticos
Processos Estocásticos Quarta Lista de Exercícios 12 de fevereiro de 2014 1 Sejam X e Y duas VAs que só podem assumir os valores 1 ou -1 e seja p(x, y) = P (X = x, Y = y), x, y { 1, 1} a função de probabilidade
Leia mais= 2 sen(x) (cos(x) (b) (7 pontos) Pelo item anterior, temos as k desigualdades. sen 2 (2x) sen(4x) ( 3/2) 3
Problema (a) (3 pontos) Sendo f(x) = sen 2 (x) sen(2x), uma função π-periódica, temos que f (x) = 2 sen(x) cos(x) sen(2x) + sen 2 (x) 2 cos(2x) = 2 sen(x) (cos(x) sen(2x) + sen(x) cos(2x) ) = 2 sen(x)
Leia maisPrimeiro Exercício programa: Como o Google ordena páginas. MAP-2121 para EPUSP
Primeiro Exercício programa: Como o Google ordena páginas MAP-2121 para EPUSP 1 Instruções gerais Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar
Leia mais4 Cadeias de Markov homogêneas
4 Cadeias de Markov homogêneas Conteúdo 4.1 Cadeias de Markov homogêneas............................ 157 4.1.1 2-SAT........................................ 14 4.1.2 Transiência, recorrência e periodicidade...................
Leia maisEquação Geral do Segundo Grau em R 2
8 Equação Geral do Segundo Grau em R Sumário 8.1 Introdução....................... 8. Autovalores e autovetores de uma matriz real 8.3 Rotação dos Eixos Coordenados........... 5 8.4 Formas Quadráticas..................
Leia maisALGA I. Representação matricial das aplicações lineares
Módulo 6 ALGA I Representação matricial das aplicações lineares Contents 61 Matriz de uma aplicação linear 76 62 Cálculo do núcleo e imagem 77 63 Matriz da composta 78 64 GL(n Pontos de vista passivo e
Leia maisCadeias de Markov em Tempo Continuo
Cadeias de Markov em Tempo Continuo Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo
Leia maisCap. 5 Estabilidade de Lyapunov
Cap. 5 Estabilidade de Lyapunov 1 Motivação Considere as equações diferenciais que modelam o oscilador harmônico sem amortecimento e sem força aplicada, dada por: M z + Kz = 0 Escolhendo-se x 1 = z e x
Leia maisDefinição. Diremos que um número inteiro d é um divisor de outro inteiro a, se a é múltiplo de d; ou seja, se a = d c, para algum inteiro c.
Divisores Definição. Diremos que um número inteiro d é um divisor de outro inteiro a, se a é múltiplo de d; ou seja, se a = d c, para algum inteiro c. Quando a é múltiplo de d dizemos também que a é divisível
Leia maisPROCESSOS ESTOCÁSTICOS E APLICAÇÕES
PROCESSOS ESTOCÁSTICOS E APLICAÇÕES JOSÉ PEDRO GAIVÃO Conteúdo 1. Noções Gerais 2 1.1. Relembrar de teoria de probabilidades 2 1.2. Processos estocásticos 3 2. Esperança Condicional 5 2.1. Esperança condicional
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Leia maisNoções de Processos Estocásticos e Cadeias de Markov
Noções de Processos Estocásticos e Cadeias de Markov Processo Estocástico Definição: Processo Estocástico é uma coleção de variáveis aleatórias indexadas por um parâmetro t R (entendido como tempo). X={
Leia maisModelos Probabilísticos de Desempenho. Profa. Jussara M. Almeida 1º Semestre de 2014
Modelos Probabilísticos de Desempenho Profa. Jussara M. Almeida 1º Semestre de 2014 Modelos Probabilísticos Processos Estocásticos Processos de Poisson Filas M/M/1, M/G/1... Mais genericamente: modelos
Leia maisA forma canônica de Jordan
A forma canônica de Jordan 1 Matrizes e espaços vetoriais Definição: Sejam A e B matrizes quadradas de orden n sobre um corpo arbitrário X. Dizemos que A é semelhante a B em X (A B) se existe uma matriz
Leia maisÁlgebra Linear Exercícios Resolvidos
Álgebra Linear Exercícios Resolvidos Agosto de 001 Sumário 1 Exercícios Resolvidos Uma Revisão 5 Mais Exercícios Resolvidos Sobre Transformações Lineares 13 3 4 SUMA RIO Capítulo 1 Exercícios Resolvidos
Leia maisNotações e revisão de álgebra linear
Notações e revisão de álgebra linear Marina Andretta ICMC-USP 17 de agosto de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211
Leia maisTEORIA ERGÓDICA, SISTEMAS DINÂMICOS E MEDIDAS INVARIANTES
TEORIA ERGÓDICA, SISTEMAS DINÂMICOS E MEDIDAS INVARIANTES Aluno: Juliana Arcoverde V. L. Ribeiro Orientador: Lorenzo Justiniano Díaz Casado Introdução A Teoria dos Sistemas Dinâmicos, ou mais exatamente
Leia maisNotas Para o Curso de Medida e. Daniel V. Tausk
Notas Para o Curso de Medida e Integração Daniel V. Tausk Sumário Capítulo 1. Medida de Lebesgue e Espaços de Medida... 1 1.1. Aritmética na Reta Estendida... 1 1.2. O Problema da Medida... 6 1.3. Volume
Leia maisENQ Gabarito MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL. Questão 01 [ 1,25 ]
MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL ENQ 017 Gabarito Questão 01 [ 1,5 ] Encontre as medidas dos lados e ângulos de dois triângulos ABC diferentes tais que AC = 1, BC = e A BC = 0 Considere
Leia maisMESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL. ENQ Gabarito
MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL ENQ 2017.1 Gabarito Questão 01 [ 1,25 ] Determine as equações das duas retas tangentes à parábola de equação y = x 2 2x + 4 que passam pelo ponto (2,
Leia maisInterbits SuperPro Web
1 (Ita 018) Uma progressão aritmética (a 1, a,, a n) satisfaz a propriedade: para cada n, a soma da progressão é igual a n 5n Nessas condições, o determinante da matriz a1 a a a4 a5 a 6 a a a 7 8 9 a)
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Cadeias de Markov 20/11/2017 Andrei Markov Em 1907, Andrei Markov iniciou um estudo sobre processos onde o resultado de um experimento depende do resultado de
Leia maisProbabilidade IV. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período
Probabilidade IV Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.2 Ulisses Umbelino (DE-UFPB) Probabilidade IV Período 2014.2 1 / 20 Sumário 1 Apresentação
Leia maisSumário. 2 Índice Remissivo 12
i Sumário 1 Definições Básicas 1 1.1 Fundamentos de Probabilidade............................. 1 1.2 Noções de Probabilidade................................ 3 1.3 Espaços Amostrais Finitos...............................
Leia maisMOQ-12 Cadeias de Markov
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-12 Cadeias de Markov Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Roteiro Introdução Processos Estocásticos
Leia maisJogos de soma zero com dois jogadores
Jogos de soma zero com dois jogadores Problema: Dada uma matriz A m n, encontrar um equilíbrio de Nash (de estratégias mistas). Jogador 1 quer encontrar p que maximize v sujeito a i p i = 1 sujeito a (pa)
Leia maisσ-álgebras, geradores e independência
σ-álgebras, geradores e independência Roberto Imbuzeiro M. F. de Oliveira 15 de Março de 2009 Resumo Notas sobre a σ-álgebra gerada por uma variável aleatória X e sobre as condições de independência de
Leia maisBinomiais e Primos. p p 2 + p 3 + p k. Demonstração. No produto n! = n, apenas os múltiplos de p contribuem com um fator p.
Polos Olímpicos de Treinamento Curso de Teoria dos Números - Nível 3 Carlos Gustavo Moreira Aula 16 Binomiais e Primos Começamos lembrando a Proposição 1 (Fatores do Fatorial) Seja p um primo Então a maior
Leia maisProcessos de ramificação e o grafo de Erdös Rényi
Processos de ramificação e o grafo de Erdös Rényi 1 de Abril de 2014 1 Básico de processos de ramificação Seja P uma distribuição de probabilidade sobre N := {0, 1, 2, 3,... } com primeiro momento finito.
Leia mais3 Sistema de Steiner e Código de Golay
3 Sistema de Steiner e Código de Golay Considere o sistema de Steiner S(5, 8, 24, chamaremos os seus blocos de octads. Assim, as octads são subconjuntos de 8 elementos de um conjunto Ω com 24 elementos
Leia maisa = bq + r e 0 r < b.
1 Aritmética dos Inteiros 1.1 Lema da Divisão e o Algoritmo de Euclides Recorde-se que a, o módulo ou valor absoluto de a, designa a se a N a = a se a / N Dados a, b, c Z denotamos por a b : a divide b
Leia maisTeoria da Medida e Integração (MAT505)
Transporte de medidas Teoria da Medida e Integração (MAT505) Transporte de medidas e medidas invariantes. Teorema de Recorrência de Poincaré V. Araújo Instituto de Matemática, Universidade Federal da Bahia
Leia maisO teorema do ponto fixo de Banach e algumas aplicações
O teorema do ponto fixo de Banach e algumas aplicações Andressa Fernanda Ost 1, André Vicente 2 1 Acadêmica do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas - Universidade Estadual do
Leia maisMáximos e mínimos em intervalos fechados
Universidade de Brasília Departamento de Matemática Cálculo 1 Máximos e mínimos em intervalos fechados No texto em que aprendemos a Regra da Cadeia, fomos confrontados com o seguinte problema: a partir
Leia maisO Teorema de Peano. f : D R n. uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e uma função ϕ : I R n tais que
O Teorema de Peano Equações de primeira ordem Seja D um conjunto aberto de R R n, e seja f : D R n (t, x) f(t, x) uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e
Leia maisMAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I Gabarito da 2 a Prova - 1 o semestre de 2015
MAT27 ÁLGEBRA LINEAR PARA ENGENHARIA I Gabarito da 2 a Prova - 1 o semestre de 201 Nesta prova considera-se fixada uma orientação do espaço e um sistema de coordenadas Σ (O, E) em E 3, em que E é uma base
Leia maisInversão de Matrizes
Inversão de Matrizes Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2015.2 21 de
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte I
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte I 2014/2015 Os exercícios assinalados com (*) têm um nível de dificuldade superior. Exercício 1. Seja (X, F) um espaço mensurável. Mostre
Leia maisLema. G(K/F ) [K : F ]. Vamos demonstrar usando o Teorema do Elemento Primitivo, a ser provado mais adiante. Assim, K = F (α).
Teoria de Galois Vamos nos restringir a car. zero. Seja K/F uma extensão finita de corpos. O grupo de Galois G(K/F ) é formado pelos isomorfismos ϕ : K K tais que x F, ϕ(x) = x. Lema. G(K/F ) [K : F ].
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
Leia mais3 Dependência homogênea e heterogênea de cauda
3 Dependência homogênea e heterogênea de cauda Neste trabalho, usaremos o conceito de dependência homogênea de cauda, introduzido na década de 60, em conjunto com o conceito de dependência heterogênea
Leia maisEspaço amostral Ω: Conjunto enumerável de todos os possíveis resultados de um experimento aleatório. um evento elementar. E = E[X j ] X j.
Universidade Tecnológica Federal do Paraná Professor Murilo V G da Silva Notas de aula Algoritmos Avançados I (Aula 04 Conteúdos da aula: [CLR09: cap 7 e 9][MIE05 4, 5] Vamos estudar nesta aula três algoritmos
Leia maisCompacidade de conjuntos e operadores lineares
Compacidade de conjuntos e operadores lineares Roberto Imbuzeiro Oliveira 13 de Janeiro de 2010 No que segue, F = R ou C e (X, X ), (Y, Y ) são Banach sobre F. Recordamos que um operador linear T : X Y
Leia maisFUNCIONAIS LINEARES: ESPAÇO DUAL E ANULADORES
FUNCIONAIS LINEARES: ESPAÇO DUAL E ANULADORES Eduardo de Souza Böer - eduardoboer04@gmail.com Universidade Federal de Santa Maria, Campus Camobi, 97105-900-Santa Maria, RS, Brasil Saradia Sturza Della
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA. Medida e Probabilidade
UNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA Medida e Probabilidade Aluno: Daniel Cassimiro Carneiro da Cunha Professor: Andre Toom 1 Resumo Este trabalho contem um resumo dos principais
Leia mais1.3 Conjuntos de medida nula
1.3 Conjuntos de medida nula Seja (X, F, µ) um espaço de medida. Um subconjunto A X é um conjunto de medida nula se existir B F tal que A B e µ(b) = 0. Do ponto de vista da teoria da medida, os conjuntos
Leia maisSe X t = 4 X t+1 = X t+2 =... = 4. Cadeias de Markov Classificação Cadeias ergódicas Cadeias com absorção
Nesta aula... Processos estocásticos 1 2 3 Processos estocásticos: Suponhamos que observamos um conjunto de caracteristicas de um sistema em instantes de tempo discretos 0, 1, 2,... A característica do
Leia maisStops para o passeio aleatório. MAC Aula 9. Walter Mascarenhas 27/04/2011. Walter Mascarenhas MAC Aula 9
MAC 5796. Aula 9 Walter Mascarenhas 7/04/011 Resumo 1 Curso de Streambase de 7/06 a 01/07. Streambase é um ferramenta para CEP = complex event processing. Para alunos regularmente matriculados no IME.
Leia maisComprimento de Arco, o Número π e as Funções Trigonométricas
Comprimento de Arco, o Número π e as Funções Trigonométricas J. A. Verderesi Apresentaremos a seguir a medida de um ângulo como limite de poligonais inscritas e circunscritas à circunfêrencia unitária,
Leia mais3 Apresentação do processo e resultados preliminares
3 Apresentação do processo e resultados preliminares O Capitulo 1 dá a ferramenta para construir uma cadeia de Markov a tempo contínuo, a partir de uma cadeia de Markov a tempo discreto. Agora, queremos
Leia maisJ. Delgado - K. Frensel - L. Crissaff Geometria Analítica e Cálculo Vetorial
178 Capítulo 10 Equação da reta e do plano no espaço 1. Equações paramétricas da reta no espaço Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que
Leia maisGeneralizações do Teorema de Wedderburn-Malcev e PI-álgebras. Silvia Gonçalves Santos
Generalizações do Teorema de Wedderburn-Malcev e PI-álgebras Silvia Gonçalves Santos Definição 1 Seja R um anel com unidade. O radical de Jacobson de R, denotado por J(R), é o ideal (à esquerda) dado pela
Leia maisG3 de Álgebra Linear I
G de Álgebra Linear I 7 Gabarito ) Considere a transformação linear T : R R cuja matriz na base canônica E = {(,, ), (,, ), (,, )} é [T] E = a) Determine os autovalores de T e seus autovetores correspondentes
Leia maisLema. G(K/F ) [K : F ]. Vamos demonstrar usando o Teorema do Elemento Primitivo, a ser provado mais adiante. Assim, K = F (α).
Teoria de Galois Vamos nos restringir a car. zero. Seja K/F uma extensão finita de corpos. O grupo de Galois G(K/F ) é formado pelos isomorfismos ϕ : K K tais que x F, ϕ(x) = x. Lema. G(K/F ) [K : F ].
Leia maisCadeias de Markov Introdução
Cadeias de Markov Introdução EAD 350 Pesquisa Operacional Segmento Modelos de Redes Prof. Nicolau Reinhard 1º Semestre de 2017 Referências básicas: Taha, H., Pesquisa Operacional 8ª edição, Pearson, Prentice
Leia maisBOA PROVA! Respostas da Parte II
Nome: Identidade (Passaporte: Assinatura: Instruções (i O tempo destinado a esta prova é de 5 horas. (ii 5 porcento da pontuação total é da parte I (Perguntas dissertativas. BOA PROVA! Respostas da Parte
Leia maisGABRIEL BUJOKAS
APLICAÇÕES DE ÁLGEBRA LINEAR À COMBINATÓRIA GABRIEL BUJOKAS (GBUJOKAS@MIT.EDU) A gente vai discutir algumas das aplicações clássicas de álgebra linear à combinatória. Vamos começar relembrando alguns conceitos
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia maisNotas Sobre Sequências e Séries Alexandre Fernandes
Notas Sobre Sequências e Séries 2015 Alexandre Fernandes Limite de seqüências Definição. Uma seq. (s n ) converge para a R, ou a R é limite de (s n ), se para cada ɛ > 0 existe n 0 N tal que s n a < ɛ
Leia maisResolução 2 a fase Nível 3
UNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE MATEMÁTICA PET MATEMÁTICA XIX OLIMPÍADA REGIONAL DE MATEMÁTICA Resolução a fase Nível 3 30 de novembro de 016 Problema 1: Determine todas as funções
Leia mais37 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase
7 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase Problema Sejam m e n inteiros positivos, X um conjunto com n elementos e seja 0 k n um inteiro. São escolhidos aleatória e independentemente
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
Leia maisNo que segue, X sempre denota um espaço topológico localmente compacto
O TEOREMA DE REPRESENTAÇÃO DE RIESZ PARA MEDIDAS DANIEL V. TAUSK No que segue, sempre denota um espaço topológico localmente compacto Hausdorff. Se f : R é uma função, então supp f denota o{ suporte (relativamente
Leia maisReviso de Teoria da Medida e Elementos Bsicos de Probabilidade
Reviso de Teoria da Medida e Elementos Bsicos de Probabilidade Roberto Imbuzeiro Oliveira 9 de Março de 2009 Resumo Esta lista cobre o básico do básico sobre espaços e distribuições de probabilidade. Pouco
Leia maisGabarito da Prova da Primeira Fase - Nível Beta
Gabarito da Prova da Primeira Fase - Nível Beta Questão 1 10 pontos Determine todos os números inteiros positivos n que satisfazem a condição Solução: Veja que n 2 7n n + 1 n 2 7n n + 1 Z nn + 1 8n n +
Leia maisUniversidade Federal de Mato Grosso do Sul - UFMS VGA - 2 a Prova - Engenharia de Computação 03 de Julho de Prof o. E.T.
Universidade Federal de Mato Grosso do Sul - UFMS VGA - 2 a Prova - Engenharia de Computação 0 de Julho de 2014 - Prof o ETGalante 1 (2,0 pontos) Na gura acima ABCDEF GH é um paralelepípedo O ponto M é
Leia maisCurvas e superfícies
Análise Matemática III Curvas e superfícies Manuel Guerra Conteúdo 1 Curvas 2 2 Curvas definidas implicitamente 11 3 Superfícies 17 4 Superfícies definidas implicitamente 20 5 Anexo: A curva de Peano 21
Leia maisTeoria da Medida e Integração (MAT505)
Modos de convergência Teoria da Medida e Integração (MAT505) Modos de convergência. V. Araújo Instituto de Matemática, Universidade Federal da Bahia Mestrado em Matemática, UFBA, 2014 Modos de convergência
Leia maisPROCESSO SELETIVO N 42/2019 PROVA 2 - CONHECIMENTOS ESPECÍFICOS
PROCESSO SELETIVO N 42/2019 PROVA 2 - CONHECIMENTOS ESPECÍFICOS LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO 1. Você recebeu do fiscal o seguinte material: (a) Este caderno, com o enunciado das 20 (vinte) questões
Leia maisGabarito P2. Álgebra Linear I ) Decida se cada afirmação a seguir é verdadeira ou falsa.
Gabarito P2 Álgebra Linear I 2008.2 1) Decida se cada afirmação a seguir é verdadeira ou falsa. Se { v 1, v 2 } é um conjunto de vetores linearmente dependente então se verifica v 1 = σ v 2 para algum
Leia maisTEOREMA DE LEGENDRE GABRIEL BUJOKAS
TEOREMA DE LEGENDRE GABRIEL BUJOKAS A nossa meta hoje é responder a seguinte questão: Questão. Para a, b Z, determine se a equação ( ) tem uma solução com x, y, z Z, além da solução trivial x = y = z =
Leia mais1 Grupos (23/04) Sim(R 2 ) T T
1 Grupos (23/04) Definição 1.1. Um grupo é um conjunto G não-vazio com uma operação binária : G G G que satisfaz as seguintes condições: 1. (associatividade) g (h k) = (g h) k para todos g, h, k G; 2.
Leia maisObjetivos. em termos de produtos internos de vetores.
Aula 5 Produto interno - Aplicações MÓDULO 1 - AULA 5 Objetivos Calcular áreas de paralelogramos e triângulos. Calcular a distância de um ponto a uma reta e entre duas retas. Determinar as bissetrizes
Leia mais3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão e B =
3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008. (a) Ache os auto-valores e auto-vetores de A = 3 4 2 0 2 0 0 0 e B = 0 0 2 0 2 0 2 0 0 (b) Mostre que λ + λ 2 + λ 3 é igual ao
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
Leia maisCorpos estendidos no espaço em grupos
Corpos estendidos no espaço em grupos Carlos Shine Vamos ver como conceitos de teoria dos números (especialmente números mod p) podem ser generalizados com conceitos de Álgebra. 1 Corpos Em termos simples,
Leia maisDANIEL V. TAUSK. se A é um subconjunto de X, denotamos por A c o complementar de
O TEOREMA DE REPRESENTAÇÃO DE RIESZ PARA MEDIDAS DANIEL V. TAUSK Ao longo do texto, denotará sempre um espaço topológico fixado. Além do mais, as seguintes notações serão utilizadas: supp f denota o suporte
Leia maisAnálise I Solução da 1ª Lista de Exercícios
FUNDAÇÃO EDUCACIONAL SERRA DOS ÓRGÃOS CENTRO UNIVERSITÁRIO SERRA DOS ÓRGÃOS Centro de Ciências e Tecnologia Curso de Graduação em Matemática Análise I 0- Solução da ª Lista de Eercícios. ATENÇÃO: O enunciado
Leia maisApostila Minicurso SEMAT XXVII
Apostila Minicurso SEMAT XXVII Título do Minicurso: Estrutura algébrica dos germes de funções Autores: Amanda Monteiro, Daniel Silva costa Ferreira e Plínio Gabriel Sicuti Orientadora: Prof a. Dr a. Michelle
Leia maisHewlett-Packard CONJUNTOS NUMÉRICOS. Aulas 01 a 08. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz Ramos
Hewlett-Packard CONJUNTOS NUMÉRICOS Aulas 01 a 08 Elson Rodrigues, Gabriel Carvalho e Paulo Luiz Ramos Ano: 2019 Sumário CONJUNTOS NUMÉRICOS... 2 Conjunto dos números Naturais... 2 Conjunto dos números
Leia mais0 0 a b M = c a 1. , c 1 a d d d a 0
Problema 1 Sejam α, β, γ as três raízes do polinômio. As relações de Girard implicam que s α+β+γ 0 e p αβ+βγ+γα 13, logo α 2 +β 2 +γ 2 s 2 2p 26. As únicas possibilidades para { α, β, γ } são, portanto,
Leia maisIntroduzir os conceitos de base e dimensão de um espaço vetorial. distinguir entre espaços vetoriais de dimensão fnita e infinita;
META Introduzir os conceitos de base e dimensão de um espaço vetorial. OBJETIVOS Ao fim da aula os alunos deverão ser capazes de: distinguir entre espaços vetoriais de dimensão fnita e infinita; determinar
Leia maisa = bq + r e 0 r < b.
1 Aritmética dos Inteiros 1.1 Lema da Divisão e o Algoritmo de Euclides Recorde-se que a, o módulo ou valor absoluto de a, designa a se a N a = a se a / N Dados a, b Z denotamos por a b : a divide b ou
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011 Cadeias de Markov Em 1907, Andrew Markov iniciou um estudo sobre um modelo onde o resultado
Leia mais