Modelização do Sistema Produtivo Teoria das Filas de Espera
|
|
- Maria do Mar Figueiredo Carrilho
- 6 Há anos
- Visualizações:
Transcrição
1 Modelização do Sistema Produtivo Teoria das Filas de Espera Licenciatura em Engenharia Electrotécnica e de Computadores Gil M. Gonçalves Gil.Goncalves@fe.up.pt 2004/2005 Outline Introdução Desempenho Dinâmica Análise 2
2 Introdução 3 Principal Objectivo Determinar desempenho em determinadas condições de operação e não Determinar as condições de operação de modo a melhorar o desempenho 4
3 Especificação do modelo Modelos estocásticos Y k tempo entre chegadas - A(t) = P[Y t] E[Y] = 1/λ Z k tempo de serviço - B(t) = P[Y t] E[Z] = 1/μ Parâmetros estruturais K capacidade da fila de espera m número de servidores... Cliente chega Políticas operacionais Classes de clientes Técnicas de sequeciamento Disciplinas de fila Políticas de aceitação / prioritização A(t) Fila B(t) Servidor Cliente parte 5 Notação A / B / m / K / N A distribuição probabilística do intervalo entre chegadas B distribuição probabilísticas do tempo de serviço m número de servidores K comprimento máximo da fila N população finita (sistema fechado) Sistemas Abertos e Fechados Sistema aberto para uma população infinita de clientes Sistema fechado, com uma população finita de clientes 6
4 Desempenho 7 Desempenho de um sistema de Filas de Espera Variáveis Y k, Z k A k tempo de chegada do k-ésimo cliente D k tempo de partida do k-ésimo cliente W k tempo de espera do k-ésimo cliente (chegada até serviço) S k tempo no sistema do k-ésimo cliente (chegada até partida) (tempo de resposta ou atraso) S k = D k A k = W k + Z k D k = A k + W k + Z k X(t) comprimento da fila de espera no instante t (estado) U(t) carga no sistema no instante t (trabalho por terminar) 8
5 Regime permanente (equilíbrio) O sistema já funcionou por um período alargado de tempo O número de clientes atendidos já é suficientemene grande { W k } fornece info importante sobre desempenho f.d.p W k depende de k, P[W k t] (regime permanente) lim k P[W k t] = P[W t] W tempo de espera em regime permanente E[W] tempo médio de espera em regime permanente X(t), U(t) quando t X comprimento da fila em regime permanente E[X] comprimento médio da fila em regime permanente U carga no sistema em regime permanente E[U] carga média no sistema em regime permanente π n, n=0,1,.. probabilidade do comprimento da fila π n = P[x=n], n=0,1,.. 9 Desempenho em regime permanente min tempo de espera Vs. max taxa de utilização dos servidores Medidas de desempenho (regime permanente) E[W] E[S] E[X] (min) taxa de utilização taxa de saída (max) Equilíbrio: fluxo entrada clientes = fluxo de saída de clientes Intensidade de tráfego [intensidade de tráfego] = [taxa média de chegada]/[taxa média de serviço] (ρ = λ / μ ou ρ = λ / μm) Fracção do tempo que o servidor está ocupado [utilização] 1 - π 0 Taxa de partida dos clientes após o serviço [taxa de saída] (throughput) μ (1 - π 0 ) Em equilíbrio (regime permanente) λ = μ (1 - π 0 ) (m = 1, ρ = 1 - π 0 ) 10
6 Dinâmica 11 Dinâmica (k-ésimo cliente) W k = max{ 0, D k-1 A k } D k-1 = W k-1 + Z k-1 + A k-1 A k A k-1 = Y k W k = max{ 0, W k-1 + Z k-1 Y k } S k = W k + Z k S k = max{ 0, S k-1 Y k } + Z k D k = W k + Z k + A k D k = max{ A k, D k-1 } + Z k 12
7 Análise 13 Lei de Little X(T) = N a (t) N d (t) u(t) - tempo total de todos os clientes no sistema x(t) = λ(t) s(t) = x = u(t)/t s(t) = u(t)/n a (t) λ(t) = n a (t)/t comp. médio da fila tempo de sistema médio tempo de chegada médio Se λ = lim t! 1 λ(t), s = lim t! 1 s(t) então lim t! 1 x(t) = x x = λ s 14
8 Lei de Little E[X] = λ E[S] Comprimento médio da fila é proporcional ao tempo médio no sistema λ E[X] = λ E[S] E[S] E[X Q ] = λ E[W] (considerando apenas a fila) E[X S ] = λ E[Z] (considerando apenas servidor) 15 Análise Geral de Sistemas de Markov de Espera Simples π n = P[X = n], n = 0, 1,.. distribuição de probabilidade estacionária do comprimento da fila permite calcular a maioria das medidas de desempenho distribuições do tempo entre chegadas e de serviço exponenciais π n = n i=1(λ i-1 /μ i )π 0 π 0 = 1/(1 + 1 n=1 λ i-1 /μ i ) 16
9 Em geral P[cliente chega em t e X(t) = n] = α n (t) α n (t) P[X(t) = n, em algum t] Teorema: para uma fila de espera com processo de chegada de Poisson independente do processo de serviço, tem-se α n (t) = π n (t) 17 Exemplo: M/M/1 π n = (1 - ρ) ρ n Utilização: ρ = 1 - π 0 Taxa de saída: μ (1 - π 0 ) = λ E[X] = ρ / (1 - ρ) E[S] = (1 / μ) /(1 - ρ) E[w] = ρ / [μ (1 - ρ)] λ μ Exercício: partindo de π n deduza as expressões para as medidas de desempenho 18
10 Exercício Escolha a taxa de serviço μ para uma máquina que recebe tarefas com uma taxa de λ = 1 tarefa/min de modo que o tempo médio de uma tarefa no sistema não exceda 0.5 min. Chegadas de acordo com um processo de Poisson e tempos de serviço exponencialmente distribuídos Podemos adoptar o modelo M/M/1 19 Redes de filas de Markov Um sistema que consiste em m nós interligados X i comprimento da fila no i-ésimo nó Estado do sistema X = [ X 1, X 2,..., X m ] Objectivo: obter a distribuição de probabilidade estacionária π( n 1, n 2,..., n m ) = P[ X 1 = n 1, X 2 = n 2,..., X m = n m ] Chegadas externas e partidas nos servidores geradas por processos que respeitam a proprieda de Markov (ausência de memória) (distribuições exponenciais) E processos de chegada internos? (compostos por 1 ou mais processos de partida de servidores adjacentes) 20
11 Exemplo Par de Puxadores PP Par de Puxadores 1 E Espelho 2 ME Muleta Esquerda 1 PE Punho Esquerdo 1 MD Muleta Direita 1 P Pé 1 PD Punho Direito 1 FQ Ferro Quadrado 1 P Pé 1 A Anilha 4 M Mola 1 PD M.P. OP1 OP5 MD P A1 OP9 M.P. OP2 OP6 ME A3 PP PE A2 OP10 A5 OP12 M.P. M.P. OP3 OP7 E OP4 OP8 OP11 A4 21 Resultados parciais auxiliares A: processo de partida para fila M/M/1 ψ k = D k - D k-1 intervalo entre partidas ψ 0 = 0, ψ 1 = D 1 (H) ψ : lim k P[ψ k t] = P[ψ t] (regime permanente) Teorema: M/M/1 estável estacionária com taxa de chegada λ tem um processo de partida de Poisson com taxa λ, (P[ψ t] = 1 e -λt ) 22
12 Resultados auxiliares parciais B: rede de filas de espera aberta M nós com capacidade de armazenamento infinita 1 só classe de clientes Disciplina de Fila FCFS Tempo de serviço exponencialmente distribuídos μ i Chegadas externas processo Poisson com taxa r i Chegadas internas de outros servidores P ij probabilidade de routing de i para j Taxa de chegada total ao nó i: λ i = r i + M j=1λ j p ji, i=1,..,m 23 Exemplo: M = 2 (sem feedback) X = { X 1, X 2 } ε = { a, d 1, d 2 } Eventos gerados por processos de Markov λ μ 1 μ 2 Exercício: Mostre que π(n 1,n 2 ) = π(n 1 ) π(n 2 ) 24
13 Efeito da realimentação O processo de sobreposição dos processos da entrada (Poisson de taxa λ) e de feedback da saída não é de Poisson. Contudo o processo de partida é de Poisson. Jackson mostrou que, numa rede com nós com realimentação, embora cada nó individual não tenha Processos de Chegada de Poisson, os Processos de Partida são de Poisson e podem ser tratados como o sistema M/M/1 π(η 1,, η M )= M i=1 π i (η i ), π i (η i ) é a solução de M/M/m i Condições de estabilidade do nó: λ i = r i + M j=1λ j p ji < m i μ i 25 Exemplo Par de Puxadores OP1 OP5 OP9 A1 A1* A3* λ 10,00 λ 9,00 λ 9,00 λ 9,00 λ 9,00 λ 10,00 ρ 83,3% ρ 60,0% ρ 60,0% ρ 60,0% ρ 100,0% ρ 111,1% L 4,17 L 0,90 L 0,90 L 0,90 L #DIV/0! L -11,11 W 0,42 W 0,10 W 0,10 W 0,10 W #DIV/0! W -1,11 9,00 9,00 9,00 9,00 OP2 OP6 OP10 A2 A2* A4* λ 18,00 λ 18,00 λ 9,00 λ 9,00 λ 10,00 λ 10,00 ρ 60,0% ρ 85,7% ρ 60,0% ρ 60,0% ρ 111,1% ρ 111,1% L 0,90 L 5,14 L 0,90 L 0,90 L -11,11 L -11,11 W 0,05 W 0,29 W 0,10 W 0,10 W -1,11 W -1,11 18,00 18,00 9,00 9,00 OP3 OP7 OP11 A3 λ 10,00 λ 10,53 λ 22,22 λ 9,00 ρ 71,4% ρ 70,2% ρ 96,6% ρ 60,0% L 1,79 L 1,65 L 27,61 L 0,90 W 0,18 W 0,16 W 1,24 W 0,10 10,00 10,00 20,00 9,00 OP4 OP8 OP12 A4 A5 A5* λ 20,00 λ 20,00 λ 9,00 λ 9,00 λ 9,47 λ 9,47 ρ 80,0% ρ 66,7% ρ 60,0% ρ 60,0% ρ 63,2% ρ 100,0% L 3,20 L 1,33 L 0,90 L 0,90 L 1,08 L #DIV/0! W 0,16 W 0,07 W 0,10 W 0,10 W 0,11 W #DIV/0! 20,00 20,00 9,00 9,00 26
14 p 11 p 13 Exercício Calcule o tempo médio no sistema para a seguinte rede λ 3 μ 3 3 r 1 λ 1 μ 1 p 22 1 p 12 λ 2 μ 2 2 p To probe further Cassandras, C.G. e S. LaFortune, Introduction to Discrete Event Systems, Kluwer Academic Publishers, Boston,
Modelização do Sistema Produtivo Simulação
Modelização do Sistema Produtivo Simulação http://www.fe.up.pt/maspwww Licenciatura em Engenharia Electrotécnica e de Computadores Gil M. Gonçalves gil@fe.up.pt 2004/2005 Génese Estatística, teoria da
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Parte VI: Introdução aos Processos Estocásticos e Teoria das Filas Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Processos Estocásticos Família de VAs
Leia maisAvaliação de Desempenho de Sistemas Discretos
Processos Estocásticos Avaliação de Desempenho de Sistemas Discretos Parte VI: Introdução aos Processos Estocásticos e Teoria das Filas Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Família de VAs
Leia maisModelos Probabilísticos Filas M/M/1, M/G/1. Profa. Jussara M. Almeida 1 o Semestre de 2014
Modelos Probabilísticos Filas M/M/1, M/G/1 Profa. Jussara M. Almeida 1 o Semestre de 2014 Modelos Probabilísticos de Filas R W S λ Notação de Kendall Fila G / G / 1 1 = um único servidor Distribuição dos
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 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 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 maisAplicação. Controlo Óptimas. 23º Seminário de Engenharia Mecânica - 4 Junho de Nuno Manuel R. S. Órfão
Aplicação de Cadeias de Markov em Redes de Filas de Espera Políticas de Controlo Óptimas 23º Seminário de Engenharia Mecânica - 4 Junho de 2003 - Nuno Manuel R. S. Órfão nmorfao@estg.ipleiria.pt 1 Sumário
Leia maisProcessos Estocásticos aplicados à Sistemas Computacionais
Processos Estocásticos aplicados à Sistemas Computacionais Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Leia maisPLANEJAMENTO DE TRANSPORTES TT049
UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE TRANSPORTES PLANEJAMENTO DE TRANSPORTES TT049 Prof. Diego Fernandes Neris diego.neris@ufpr.br Filas: Problema mais comum na engenharia de transportes e de
Leia maisModelagem e Análise Aula 9
Modelagem e Análise Aula 9 Aula passada Equações de fluxo Tempo contínuo Aula de hoje Parâmetros de uma fila Medidas de desempenho Cálculo do tempo de espera Resultado de Little Parâmetros da Fila chegada
Leia maisAvaliação e Desempenho Aula 18
Avaliação e Desempenho Aula 18 Aula passada Fila com buffer finito Fila com buffer infinito Medidas de interesse: vazão, número médio de clientes na fila, taxa de perda. Aula de hoje Parâmetros de uma
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 20
Teoria das Filas aplicadas a Sistemas Computacionais Aula 20 Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Leia 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 maisCap. 8 - Variáveis Aleatórias
Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON
Leia maisLicenciatura em Engenharia Electrotécnica e de Computadores. Métodos de Análise de Sistemas Produtivos.
Licenciatura em Engenharia Electrotécnica e de Computadores http://www.fe.up.pt/maspwww/ João Borges de Sousa Gil Manuel Gonçalves {jtasso,gil}@fe.up.pt 2004/2005 Outline Sistemas Produtivos Relacionamento
Leia maisINTRODUÇÃO À TEORIA DAS FILAS
INTRODUÇÃO À TEORIA DAS FILAS Uma fila é caracterizada por: Processo de chegada dos fregueses à fila Tempo de serviço dedicado pelo servidor a cada freguês Número de servidores Espaço disponível para espera
Leia maisPROCESSO DE POISSON. Processo Estocástico Prof, Ms. Eliana Carvalho
Processo Estocástico Prof, Ms. Eliana Carvalho Este processo estocástico deve o seu nome ao matemático francês Simion-Denis Poisson (1781-1840). Espaço de estados discreto (cadeia) Variável tempo é contínua
Leia maisModelos de Filas de Espera
QuickTime and atiff (Uncompressed) decompressorare needed to see this picture. Modelos de Filas de Espera Métodos Quantitativos 2004/2005 João Moura Pires Sumário Estrutura básica de Modelos de Filas de
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos e Científicos
Leia maisFILAS Conceitos Fundamentais. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
FILAS Conceitos Fundamentais Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Teoria de Filas É uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento
Leia maisLista de Exercícios - SCE131
Lista de Exercícios - SCE131 Prof. Eduardo F. Costa - ICMC - USP http://www.icmc.usp.br/ efcosta Parte 1 - Cadeia de Markov (a tempo discreto) Exercício 1. Seja uma cadeia de Markov com probabilidades
Leia maisAvaliação de Desempenho de Sistemas
Avaliação de Desempenho de Sistemas Introdução à Teoria das Filas Prof. Othon Batista othonb@yahoo.com Notação de uma fila Para analisar um dado sistema é necessário a definição das seguintes características:
Leia maisCapítulo 3 Processos de Poisson
Capítulo 3 Processos de Poisson Exercício 31 Este exercício decorre de desenvolvimentos efectuados nas aulas teóricas e do Exercício (6) Exercício 32 Procedendo como no Exercício 4, conclui-se que a distribuição
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
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 maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 27 de setembro de 2017 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] +
Leia maisMódulo III: Processos de Poisson, Gaussiano e Wiener
Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo
Leia maisProcessos de Poisson
Processos de Poisson Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulo 5 Taylor & Karlin 1 / 37 Distribuição de Poisson Seja a variável
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 maisFORMULÁRIO PROCESSOS ESTOCÁSTICOS E APLICAÇÕES MAEG-ISEG exp(x) = j=0. j+1 xj ( 1) j=1. ( 1) j x j for 1 < x < 1
FORMULÁRIO PROCESSOS ESTOCÁSTICOS E APLICAÇÕES MAEG-ISEG 008 Desenvolvimentos em série log( + x) = ( + x) = exp(x) = X ( ) = Cadeias de Markov + x X x! for < x X ( ) x for < x < Equações de Chapman-Kolmogorov
Leia maisDistribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD
Estatística 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas 7- Distribuição Uniforme A variável aleatória contínua pode ser qualquer valor no intervalo [a,b] A probabilidade da variável
Leia maisModelagem e Análise Aula 11
Modelagem e Análise Aula 11 Aula passada Aplicação de Little Utilização Processo de saída Aula de hoje Modelo do servidor Web Split/Merge de Poisson Rede de filas Múltiplas Filas Porque resultado anterior
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 maisProbabilidade de Ruína e Processos de Lévy α-estáveis
Apresentação Probabilidade de Ruína e Processos de Lévy α-estáveis Universidade de São Paulo IME - USP 08 de abril, 2010 Apresentação Distribuições Estáveis e Processos de Lévy α-estáveis Convergência
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 25 de abril de 2016 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] + + E[X
Leia mais4. ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que:
GET189 Probabilidade I Lista de exercícios - Capítulo 6 1. ([Ross, 21] - Capítulo 5) Em uma estação, trens partem para a cidade A de 15 em 15 minutos, começando às 7:h; e trens partem para a cidade B de
Leia maisMário Meireles Teixeira. Departamento de Informática, UFMA.
Teoria das Filas Mário Meireles Teixeira Departamento de Informática, UFMA mario@deinf.ufma.br Filas, filas... As filas são a praga do mundo atual! Espera-se em fila no banco, na padaria, no ponto de ônibus,
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisMódulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios
Módulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia
Leia maisAula 5. Processo de Poisson. Exemplos.
Aula 5. Processo de Poisson. Exemplos. Exemplo 1. Processo de Poisson com diferentes tipos de eventos. Consideramos um processo de Poisson com intensidade λ. Suponha que em cada instante de ocorrência
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 4
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 4 O Processo Média-Móvel Muitas vezes, a estrutura auto-regressiva não é suficiente para descrever totalmente
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisJogos de Campo Médio. Diogo A. Gomes (IST - Lisbon) Trabalho conjunto com J. Mohr e R. Sousa (UFRGS - Brasil)
Jogos de Campo Médio Diogo A. Gomes (IST - Lisbon) Trabalho conjunto com J. Mohr e R. Sousa (UFRGS - Brasil) 1 Os jogos de campo médio ( mean field games ) modelam situações de conflítuo/competição que
Leia maisProcessos estocásticos
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Processos estocásticos Geovany A. Borges gaborges@ene.unb.br
Leia maisVariável Aleatória Poisson. Número de erros de impressão em uma
EST029 Cálculo de Probabilidade I Cap. 7. Principais Variáveis Aleatórias Discretas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Variável Aleatória Poisson Caraterização: Usa-se quando o experimento
Leia maisMétodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez
Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez Distribuição de probabilidades Contexto O porquê desta aula Ao desenvolvermos
Leia maisTópicos Especiais em Qualidade
Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando
Leia maisSimulação a Eventos Discretos. Fernando Nogueira Simulação 1
Simulação a s Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Processo de Poisson. Processo de Poisson Homogêneo Considere N(t) o número de ocorrências de um determinado
Leia maisModelos Probabilísticos
Modelos Probabilísticos Somente para lembrar... Modelos são extremamente importantes para o estudo do desempenho de um sistema antes de implementá-lo na prática! Foguete proposto tem confiabilidade? Devemos
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisFernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisProcessos Estocásticos
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Aula de hoje Geração de variáveis aleatórias: Transformada Inversa
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
Leia maiscanal para sinais contínuos
Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisGestão de Operações II Teoria das Filas. Prof Marcio Cardoso Machado
Gestão de Operações II Teoria das Filas Prof Marcio Cardoso Machado Filas O que é uma fila de espera? É um ou mais clientes esperando pelo atendimento O que são clientes? Pessoas (ex.: caixas de supermercado,
Leia maisResumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf
Parte 7 Processos Estocásticos Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Processos Estocásticos 2 Classicação
Leia maisPesquisa Operacional II
Pesquisa Operacional II Modelo de Filas Professor: Roberto César A Notação de Kendall Um modelo de fila pode ser descrito pela notação: A/B/c/K/m/Z em que: A = distribuição dos intervalos entre chegadas;
Leia maisATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho
Teoria de Filas - Resumo e Exercícios Pedroso 24 de setembro de 2014 1 Introdução 2 Definições básicas ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento de
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Vetores Aleatórios 10 de setembro de 2017 Modelos Probabiĺısticos para N Variáveis Aleatórias F X1,...,X n (x 1,...,x n) = P[X 1 x 1,..., X n x n] (x 1,...,x
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 35 Fabrício Simões
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
Leia maisSISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077
SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 6 DISPONIBILIDADE DE EQUIPAMENTOS 6.1 INTRODUÇÃO Diversas teorias em confiabilidade pressupõem o descarte dos componentes de interesse após a primeira falha.
Leia maisFILAS. Mestrado em Engenharia Elétrica Carlos Marcelo Pedroso 2013
FILAS Mestrado em Engenharia Elétrica Carlos Marcelo Pedroso 2013 Ementa Projeto de redes de computadores via estudos analíticos e de ferramentas de simulação. Bibliografia básica JAIN, Raj. The art of
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia maisMarcus Vinicius de Oliveira DMAT - Universidade Federal de Minas Gerais. 13 de dezembro de 2011
Simulação de Filas Marcus Vinicius de Oliveira marcus.eletrica@hotmail.com DMAT - Universidade Federal de Minas Gerais 13 de dezembro de 2011 Resumo O objetivo deste trabalho é apresentar um algorítmo
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade
Leia maisSimulação de Sistemas
Simulação de Sistemas Daniel Sadoc Menasche e Paulo Aguiar 2012 1/1 Como analisar um sistema? sistema modelo emulador solucão analítica simulador medidas de interesse 2/1 Por que simular? Quando resolver
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas e Sinais CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos
Leia maisSIMULAÇÃO EM GESTÃO DE OPERAÇÕES E LOGÍSTICA: TOMADA DE DECISÕES EM MELHORIA DE PROCESSOS CAPÍTULO 3: TEORIA DAS FILAS Roberto Ramos de Morais
3 TEORIA DAS FILAS No cotidiano encontram-se filas em diversas situações: ao ir à padaria para comprar pão, na sala de espera do dentista, na compra de ingressos para o cinema, veículos em uma barreira
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia maisModelagem de um sistema por cadeias de Markov
Modelagem de um sistema por cadeias de Markov Sistemas sem memória : somente o estado imediatamente anterior influencia o estado futuro. rocesso estacionário: probabilidades de transição de um estado para
Leia maisATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho
Teoria de Filas - Resumo Pedroso 4 de setembro de 2011 1 Introdução 2 Definições básicas ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento de sistemas de comunicação
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 maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 6
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 6 O Teorema de Wold O Teorema de Wold Lei dos Grandes Números Teorema Central do Limite -M O Teorema de Wold
Leia maisAvaliação de Desempenho de Sistemas DCC 074
Avaliação de Desempenho de Sistemas DCC 074 Ana Paula Couto 1 o. semestre de 2012 DCC - UFJF 1 Modelagem Analítica Um modelo é uma abstração de um sistema que captura, dentre os inúmeros detalhes do sistema,
Leia maisACH Introdução à Estatística Conteúdo Teórico: 12 - Simulação
ACH2053 - Introdução à Estatística Conteúdo Teórico: Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte
Leia maisProcessos Estocásticos
Processos Estocásticos Quinta Lista de Exercícios 2 de fevereiro de 20 Suponha que um organismo unicelular pode estar somente em dois estágios distintos A ou B Um indivíduo no estágio A passa para o estágio
Leia maisCONTROLO. 3º ano 1º semestre 2004/2005. Transparências de apoio às aulas teóricas. Efeitos da Realimentação e Erros em Regime Permanente
Licenciatura em Engenharia Electrotécnica e de Computadores (LEEC) Departamento de Engenharia Electrotécnica e de Computadores (DEEC) CONTROLO 3º ano º semestre 004/005 Transparências de apoio às aulas
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisEmbasamento Analítico
1 Embasamento Analítico Capítulo 3 Crovella, M, Krishnamurthy, B. Internet Measurement: infrastructure, traffic & applications. John Wiley & Sons, 2006. Embasamento Analítico 2 Probabilidade (Jain Cap.
Leia maisProcessos de Poisson
Processos de Poisson Mauro C. M. Campos 1 SUMÁRIO I Alguns fatos sobre a distribuição exponencial 1 II Alguns fatos sobre a distribuição de Poisson 2 III Processos estocásticos em tempo contínuo 2 IV Processos
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisAULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017
AULAS 6 e 7 ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 Em aulas passadas vimos as funções de probabilidade de variáveis discretas e contínuas agora vamos ver
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia mais