Modelo de Markov e Simulação de Monte Carlo do Jogo do Monopólio
|
|
- Luís Domingues Laranjeira
- 6 Há anos
- Visualizações:
Transcrição
1 Modelação e Simulação 2011/12 Trabalho de Laboratório nº4 Modelo de Markov e Simulação de Monte Carlo do Jogo do Monopólio Objectivo Após realizar este trabalho, o aluno deverá ser capaz de Construir um modelo do tipo cadeia de Markov Simular a evolução no tempo das probabilidades dos estados da cadeia de Markov considerada. Simular um sistema estocástico de Markov discreto usando o método de Monte Carlo. Bibliografia Acetatos do módulo 8 de Modelação e Simulação. D. G. Luenberger (1979). Introduction to Dynamic Systems Theory, Models, and Applications. John Wiley and Sons. Cap. 7. Elementos a entregar Cada grupo deverá entregar por um relatório sucinto respondendo às questões do enunciado. As respostas às questões de preparação prévia, identificadas no enunciado como Em casa, deverão ser manuscritas e entregues em papel. A parte correspondente às questões de simulação deverá ser gerada automaticamente através da função Publish do MATLAB, e entregue por via electrónica conjuntamente com os ficheiros MATLAB/SIMULINK utilizados. Ambas as partes deverão conter um cabeçalho com a identificação do trabalho e a identificação dos alunos (número e nome). As respostas a cada questão deverão ser identificadas pelo seu número. As respostas devem ser concisas. 1
2 Nota importante: Neste trabalho, tal como nos anteriores, o relatório deve ser original e corresponder ao trabalho efectivamente realizado pelo grupo que o subscreve. Relatórios não originais ou correspondentes a software ou outros elementos copiados terão nota zero, sem prejuízo de procedimentos disciplinares previstos pela Lei Portuguesa ou pelos regulamentos do IST. 2
3 1. Descrição do problema O Monopólio é um popular jogo que simula a gestão de uma carteira de investimentos imobiliários. Considere a versão simplificada que se joga no tabuleiro da fig Prisão Vá para a prisão Fig. 1. Tabuleiro do jogo de Monopólio simplificado. As regras do jogo são as seguintes: O jogador tem uma marca que parte da casa 1 e atira uma moeda ao ar. Se sair cara a marca avança uma casa. Se sair coroa avança duas casas no sentido da seta. O jogador deve pagar uma renda correspondente à casa em que cai. Quando se cai em Vá para a prisão é-se transferido imediatamente para a prisão. 3
4 2. Modelo de Markov As probabilidades de se cair em cada uma das casas do jogo do monopólio podem ser modeladas como um sistema dinâmico discreto que resulta de uma correspondente cadeia de Markov. Uma cadeia de Markov corresponde a estados interligados por ramos que traduzem probabilidades de transição. Seja [ ] T P ( t) : = P ( t) P t) 1 o vector que indica a probabilidade de se estar N nos diferentes estados no instante t (jogada). Quer dizer; P j (t) representa a probabilidade de estar no estado j no instante (jogada) t. A evolução no tempo das probabilidades de se estar nos diferentes estados é descrita por: T P( t + 1) = A P( t) A equação para a evolução no tempo das probabilidades do estado j é P ( t + 1) = j [ a a a ] 1 j 2 j 7 j P1 ( t P2 ( t P7 ( t ) ) ) 2.a) (Em casa) Desenhe o grafo que representa a cadeia de Markov que modela o jogo de Monopólio simplificado. Repare que a casa Vá para a prisão não corresponde a um estado, mas que a prisão corresponde a um estado. 2.b) (Em casa) Escreva a matriz de probabilidades de transição para a cadeia de Markov correspondente. Para tal, complete a tabela seguinte (matriz de transição A): 4
5 t 1\t Interpretação da tabela: Partindo do estado 4 pode-se atingir, com igual probabilidade, os estados 5 ou 6. Verificação: A soma de cada uma das linhas deve ser 1 (porquê?). 2.c) Escreva um programa em MATLAB para calcular as probabilidades dos diversos estados da cadeia de Markov ao longo do tempo (isto é, à medida que se vão fazendo jogadas). Considere que o jogador começa no estado 1 pelo que [ ] T P( 0) = Use a função plot3 do MATLAB para gerar a evolução das probabilidades dos diferentes estados ao longo do tempo e para cada estado. Verifique que, para cada t, a soma das entradas de P(t) é 1. O que observa no gráfico quando passa muito tempo (isto é, quando são feitas muitas jogadas)? 2.d) Represente graficamente as probabilidades em regime estacionário (quando o número de jogadas tende para infinito) dos diferentes estados e os lucros médios dos senhorios em regime estacionário, para cada casa. Dito por outras palavras: se quisesse comprar uma casa, qual escolheria? Compare com a casa com maior renda instantânea. 5
6 3. Simulação de Monte Carlo Outra forma de determinar a distribuição de probabilidade de equilíbrio de cair nas várias casas consiste em fazer várias simulações de jogos de monopólio usando números aleatórios para simular o lançamento do dado, e medir grandezas estatísticas baseadas nas ocorrências observadas. Estes métodos são chamados métodos de Monte Carlo devido à analogia com os métodos utilizados nos Casinos. Para aplicar o método de Monte Carlo ao jogo de Monopólio considerado iremos simular repetidamente o avanço de uma marca que parte da casa 1 e avança durante Njogadas = 100 jogadas. Cada sequência de 100 jogadas é repetida (em simulação) durante um certo número de jogos (Njogos), anotando-se o número de vezes que a marca caiu em cada um dos estados. A partir daí, é calculada a frequência relativa com que a marca cai em cada casa (número de vezes que caiu na casa, a dividir pelo número total de jogadas que se consideram), o que permite estimar a probabilidade de cair em cada casa (em regime estacionário). É nisto que consiste o método de Monte Carlo 1 : A repetição de uma experiência aleatória simulada em computador, com recurso a um gerador de números aleatórios. A partir dos resultados calculam-se estatísticas (médias, variâncias, etc.) de quantidades que se pretendem estimar. 1 Embora tenha raízes mais antigas, que vão até aos trabalhos de Rayleigh e a Buffon, que o utilizou em meados do século XIX para determinar uma estimativa do número π, as origens do nome (que evoca o Casino de Monte Carlo) e da aplicação sistemática do método remontam a 1944, quando foi utilizado no Projecto Manhattan (em que se construiu a primeira bomba atómica) para modelar a difusão de neutrões em bombas atómicas de fissão nuclear. O Método de Monte Carlo é aplicável a uma grande variedade de problemas matemáticos, quer tenham ou não uma essência probabilística. O cálculo numérico do valor de integrais ligados à Estimação Bayesiana é uma das principais aplicações em Engenharia, estando ligado a métodos de grande importância para a tecnologia do séc. XXI. 6
7 Implementação Computacional Neste trabalho iremos fazer um programa em Matlab para aplicar o método de Monte Carlo ao jogo do Monopólio. Estruture o programa da seguinte forma: 1. Definição de dados e inicialização das variáveis. 2. Simulação propriamente dita. 3. Representação de resultados. Defina as seguintes variáveis: Njogadas Número de jogadas simuladas em cada jogo. Njogos Número de jogos. Ndiscard Número de jogadas iniciais descartadas para eliminar o transitório. A probabilidade de se atingir um dado estado varia com o tempo, existindo um transitório inicial, que dura um certo número de jogadas, até que se atinja uma solução de equilíbrio. Por exemplo, na jogada 1, nunca se pode atingir a casa 5 (porque se parte sempre da casa 1), mas ao fim de algumas jogadas, pode atingir-se qualquer casa (embora com probabilidades diferentes). Assim, se quisermos estimar a distribuição de probabilidade de equilíbrio, há um certo número de jogadas iniciais que devem ser realizadas, mas que não devem ser contabilizadas na estatística dos estados atingidos. Ncasas Número total de estados do jogo ( casas ). z Vector, com dimensão igual ao número de estados do jogo, que indica o número de vezes que se caiu em cada casa. y Vector, com dimensão ao número de jogadas em cada run de Monte Carlo, que indica as casas em que se caiu em cada jogada (por exemplo, num determinado jogo, y(36) indica a casa que se atingiu na jogada 36 desse jogo). Aluguer Valor do aluguer instantâneo de cada casa. x variável escalar que indica o número do estado em que a marca do jogador está em cada instante. 7
8 avanca variável escalar que indica o resultado do lançamento da moeda ao ar, simulado através de um gerador de números aleatórios, e que toma os valores 1 ou 2. A simulação consiste em dois ciclos, um dentro do outro. O ciclo externo consiste em ir repetindo o jogo ( run de Monte Carlo) durante Njogos vezes. No início de cada jogo, o estado da marca é inicializado em 1. Começa-se então um ciclo interno de Njogadas em que se simula o lançamento de uma moeda e, consoante o resultado, se actualiza a variável que traduz o estado da marca. Para além disso, é actualizado o vector z que tem o número de vezes que se atingiu cada casa, acumulado de jogo para jogo, e o vector y. Repare-se que: O vector y é refeito de jogo para jogo. No fim, terá apenas os dados do jogo final. O vector z tem os dados acumulados de todos os jogos. Repare-se que as primeiras Ndiscard jogadas de cada jogo não contam para actualizar z. No fim, deve calcular-se zfreq e o lucro médio por jogada de cada casa. Algumas sugestões: Para simular o avanço da marca pode usar a instrução switch (consulte o help). Para simular o atirar da moeda, pode usar a instrução rand, que gera números aleatórios com distribuição uniforme entre 0 e 1. Convém inicializar o gerador com a instrução rand( state,0), por forma a que a sequência de números aleatórios seja sempre a mesma (embora se possa usar outras inicializações). Para um número de jogos elevado, o computador pode levar um tempo apreciável. Para ver o tempo que falta pode gerar-se uma barra de espera. Para isso use o comando hh=waitbar(espera) em que espera é um número 8
9 entre 0 e 1 que traduz o comprimento da barra e hh é um handle da janela onde é criada a barra. No fim, pode fechar a janela com o comando close(hh). Trabalho a realizar Escreva um programa em MATLAB para estudar a distribuição de probabilidades de equilíbrio dos estados do Monopólio simplificado. Deverá apresentar gráficos representando: 3.a) Os estados percorridos num run de Monte Carlo (num subgráfico) e (noutro subgráfico) os valores simulados para o resultado da moeda nas sucessivas jogadas desse jogo; 3.b) Um gráfico de barras com as frequências relativas dos diferentes estados. 3.c) Um gráfico de barras com as rendas médias espectáveis das diversas casas. Comente os gráficos e compare com os resultados obtidos em 2. 9
Dinâmica de um metrónomo básico
Modelação e Simulação 01/13 Trabalho de Laboratório nº 3 Dinâmica de um metrónomo básico Objectivos Após realizar este trabalho, o aluno deverá ser capaz de: 1. Representar as equações do modelo de estado
Leia maisDinâmica de um metrónomo básico
Modelação e Simulação 013/14 Trabalho de Laboratório nº 3 Dinâmica de um metrónomo básico Objectivos Após realizar este trabalho, o aluno deverá ser capaz de: 1. Representar as equações do modelo de estado
Leia maisDinâmica de um braço robot flexível
Modelação e Simulação 011/1 Trabalho de Laboratório nº 3 Dinâmica de um braço robot flexível Objectivos Após realizar este trabalho, o aluno deverá ser capaz de: 1. Representar as equações do modelo de
Leia maisOptimização do servomecanismo dum disco rígido
Modelação e Simulação 2012/13 Trabalho de Laboratório nº 2 Optimização do servomecanismo dum disco rígido Objectivo Após realizar este trabalho, o aluno deverá ser capaz de utilizar o SIMULINK para optimizar
Leia maisDinâmica de um metrónomo básico
Modelação e Simulação 014/15 Trabalho de Laboratório nº 3 Dinâmica de um metrónomo básico Objectivos Após realizar este trabalho, o aluno deverá ser capaz de: 1. Representar as equações do modelo de estado
Leia maisDinâmica de um metrónomo básico
Modelação e Simulação 018/19 Trabalho de Laboratório nº 3 Dinâmica de um metrónomo básico Objectivos Após realizar este trabalho, o aluno deverá ser capaz de: 1. Representar as equações do modelo de estado
Leia maisControlo Em Espaço de Estados. Trabalho de Laboratório nº 1 Dinâmica no Espaço de Estados
Mestrado em Engenharia Electrotécnica e de Computadores Controlo Em Espaço de Estados 2010/11 Trabalho de Laboratório nº 1 Dinâmica no Espaço de Estados Objectivos Após realizar este trabalho, o aluno
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 maisControlo Em Espaço de Estados. Trabalho de Laboratório nº 3
Mestrado em Engenharia Electrotécnica e de Computadores Controlo Em Espaço de Estados 2008/09 Trabalho de Laboratório nº 3 Controlo Adaptativo do Nível de um Tanque J. Miranda Lemos e Alexandre Bernardino
Leia maisMODELOS PROBABILÍSTICOS
Disciplina de BIOLOGIA COMPUTACIONAL Mestrado em ENGENHARIA BIOMÉDICA 4º Ano, 1º Semestre 2007/08 MODELOS PROBABILÍSTICOS Relatório 4 Ana Calhau Ângela Pisco Nuno Santos 54605 55748 55746 Palavras-Chave:
Leia maisOptimização do servomecanismo de um disco rígido
Modelação e Simulação 2013/14 Trabalho de Laboratório nº 2 Optimização do servomecanismo de um disco rígido Objectivo Após realizar este trabalho, o aluno deverá ser capaz de utilizar o SIMULINK para optimizar
Leia maisOptimização do servomecanismo de um disco rígido
Modelação e Simulação 2014/15 Trabalho de Laboratório nº 2 Optimização do servomecanismo de um disco rígido Objectivo Após realizar este trabalho, o aluno deverá ser capaz de utilizar o SIMULINK para optimizar
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisCadeias 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 maisMonitor: Diego Augusto Silva (P8 Eng. Elétrica) Atendimento: 2as. de 19:45h às 21:30h
Monitor: Diego Augusto Silva (8 Eng. Elétrica) Email: Atendimento: as. de 9:5h às :30h A Nota arcial de Aproveitamento (NA) será obtida da seguinte forma: NA = 0.6 NT + 0. N A nota prática será dada por:
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É
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 maisModelação, Identificação e Controlo Digital 2003/04 Segundo Exame
Lic. Em Engª Electrotécnica e de Computadores Modelação, Identificação e Controlo Digital 003/04 Segundo Exame 4 de Fevereiro de 004, 9 horas - sala E5 Quotação: P-4, P-4, P3-4, P4-3, P5-3, P6-. P Considere
Leia mais6. Predição Linear e Controlo de Variância Mínima
1 6. Predição Linear e Controlo de Variância Mínima Objectivo: Projectar controladores discretos lineares para sistemas com perturbações estocásticas. Preparação para o Controlo Adaptativo. Referência:
Leia maisModelização 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 maisMonte Carlo Method. Peter Frank Perroni. December 1, Monte Carlo Simulation
Monte Carlo Simulation December 1, 2015 Histórico Técnica muito antiga porém somente recentemente oficializado como método estatístico. Foi muito importante nas simulações da bomba desenvolvida no Projeto
Leia mais2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.
2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :
Leia maisProbabilidade Revisão de Conceitos
Probabilidade Revisão de Conceitos Espaço de Amostras A totalidade dos possíveis resultados de um experimento aleatório. Exemplo: jogar dados S = {(1,1),(1,),... (,1),(,)... (6,6)} S é dito o número de
Leia maisComo ganhar no Banco Imobiliário após infinitas jogadas
Como ganhar no Banco Imobiliário após infinitas jogadas Ian Bernardes Barcellos 16/10/2015 Ian Bernardes Barcellos Como ganhar no Banco Imobiliário após infinitas jogadas 16/10/2015 1 / 17 O Jogo Ian Bernardes
Leia maisMétodos Computacionais em Física
Métodos Computacionais em Física Tatiana G. Rappoport tgrappoport@if.ufrj.br 2014-2 MetComp 2014-1 IF-UFRJ Sistemas determinísticos Os sistemas físicos podem ser: Sistemas determinísticos Descritos por
Leia maisFísica Estatística Computacional
Física Estatística Computacional Tereza Mendes IFSC USP http://lattice.ifsc.usp.br/cbpf.html Física Estatística Computacional Vamos trabalhar com sistemas estocásticos, em que um grande número de integrantes
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
Leia maisSistemas Aleatórios. Um sistema é aleatório quando seu estado futuro só pode ser conhecido. jogar uma moeda ou um dado. decaimento de uma partícula
Sistemas Aleatórios Um sistema é aleatório quando seu estado futuro só pode ser conhecido pela realização de uma experiência. jogar uma moeda ou um dado decaimento de uma partícula trajetória de uma partícula
Leia maisAvaliação Quantitativa de Sistemas
Avaliação Quantitativa de Sistemas Contexto A Avaliação Quantitativa de Sistemas permite a avaliação de sistemas antes mesmo da sua implementação física. Dessa forma, é possível avaliar um sistema projetado
Leia maisINTRODUÇÃO À PROGRAMAÇÃO
INTRODUÇÃO À PROGRAMAÇÃO 1.Ano LCC-MIERSI DCC - FCUP Nelma Moreira Aula 10 Geração de números pseudoaleatórios Função rand() i = rand(); gera um inteiro entre 0 e RAND_MAX, com igual probabilidade de ocorrer.
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Função Distribuição Condicional Calculando Probabilidades condicionando Esperança Condicional Aula de hoje Análise de Comandos de Programação
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia mais6. Determinação do Conjunto dos Estados Atingíveis
Sistema para verificação Lógica do Controlo Dezembro 23 6. Determinação do Conjunto dos Estados Atingíveis No capítulo anterior chegamos a uma implementação que determinava o estado de um sistema quando
Leia maisModelagem e Avaliação de Desempenho
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Exemplos usados na apresentação foram obtidos de Introduction to Probability, C.M.Grinstead
Leia maisDaniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS
Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é
Leia maisLERCI/LEIC TAGUSPARK INTELIGÊNCIA ARTIFICIAL 2005/06 PROCURA
LERI/LEI TGUSPRK INTELIGÊNI RTIFIIL 005/06 PROUR ) onsidere o espaço de estados definido pelo estado inicial,, e pela função que gera os sucessores de um estado, sucessores(n)={n, n+}. onsiderando o estado
Leia maisCIRCUITOS E SISTEMAS ELECTRÓNICOS
INSTITUTO SUPERIOR DE CIÊNCIAS DO TRABALHO E DA EMPRESA Enunciado do 1º Trabalho de Laboratório CIRCUITOS E SISTEMAS ELECTRÓNICOS MODELAÇÃO E SIMULAÇÃO DE CIRCUITOS COM AMPLIFICADORES OPERACIONAIS (AMPOPS)
Leia mais1/7 1/ se hoje não chove, amanhã não vai chover com probabilidade p 00 = 6/7;
6/7 nao chove 1/7 chove 1/3 "0" /3 "1" Figura 1: Todas as transições com suas respectivas probabilidades representadas através de um grafo. Notem que para cada estado, a soma das probabilidades das flechas
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
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 maisInferência Estatística:
Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que
Leia maisMétodos Computacionais em Física
Métodos Computacionais em Física Tatiana G. Rappoport tgrappoport@if.ufrj.br 2014-1 Integração usando o método da rejeição Queremos calcular a integral Definimos um retângulo de altura H que contenha a
Leia maisS I M U L A Ç Ã O 84
S I M U L A Ç Ã O 84 - 1 - Elabore uma rotina que lhe permita gerar números pseudo-aleatórios (NPA) com distribuição X ( f X ( x ) representa a função de densidade de probabilidade de X e F X ( x ) representa
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 maisControlo Em Espaço de Estados. Trabalho de Laboratório nº 2
Mestrado em Engenharia Electrotécnica e de Computadores Controlo Em Espaço de Estados 2010/11 Trabalho de Laboratório nº 2 Controlo por Retroacção do Estado de um Braço Robot Flexível J. Miranda Lemos
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Distribuição Geométrica Considere novamente uma sequência
Leia maisInferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Leia maisO valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV
O valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV Um conceito simples e útil mas que não é normalmente explorado no Ensino Fundamental no Brasil é o de valor esperado
Leia maisO valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV
O valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV Um conceito simples e útil mas que não é normalmente explorado no Ensino Básico no Brasil é o de valor esperado de
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 maisGestão de Riscos e Investimentos
Existem duas abordagens gerais para calcular o VAR 1. Avaliação Local (local valuation) Métodos que vimos até agora São procedimentos em geral analíticos Baseiam-se no valor inicial do instrumento ou carteira
Leia mais26 FEUP Licenciatura em Eng. Civil Programação e Computadores. 1+x(6*rand(1,10))
26 FEUP Licenciatura em Eng. Civil Programação e Computadores 7 Funções 7.1 A função rand é intrínseca em Matlab. Esta função pode ser usada para obter um número pseudo-aleatório no intervalo [0, 1). A
Leia maisVariáveis Aleatórias. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Variáveis Aleatórias Variável Aleatória Variável aleatória (VA) é uma função que associa a cada
Leia maisA ENGENHARIA DE CONTROLE E AUTOMAÇÃO
Centro Universitário UNA Faculdade de Ciências Sociais Aplicadas Graduação em Engenharia de Controle e Automação Modelos e Simulação INTRODUÇÃO A ENGENHARIA DE CONTROLE E AUTOMAÇÃO PROF. PABLO ROBERTO
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 maisVARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos
Leia maisCompressão e Codificação de Dados. Primeiro Exame e Segundo Teste
Compressão e Codificação de Dados. Primeiro Exame e Segundo Teste Mestrado em Engenharia Electrotécnica e de Computadores, IST 7 de Janeiro de 2012 Nome: Número: NOTAS: Exame (3 horas): tudo. Segundo teste
Leia maisAula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos
Aula 2 ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos 1. DEFINIÇÕES FENÔMENO Toda modificação que se processa nos corpos pela ação de agentes físicos ou químicos. 2. Tudo o que pode ser percebido
Leia maisSistemas e Sinais (LEE & LETI)
Sistemas e Sinais (LEE & LETI) Laboratório nº 3: Sistemas Contínuos Modelo de Estado e Função de Transferência Preparado por Isabel Lourtie pfpfpf Trabalho Experimental pfpfpf Grupo nº Turno Nº Nome: Nº
Leia mais-0LUDQGD/HPRV,67 3UREOHPDV0,&' 1. 0RGHODomR,GHQWLILFDomRH&RQWUROR'LJLWDO 3UREOHPDV -0LUDQGD/HPRV
-0LUDQGD/HPRV,67 3UREOHPDV0,&' 0RGHODomR,GHQWLILFDomRH&RQWUROR'LJLWDO 3UREOHPDV -0LUDQGD/HPRV Sugerem-se também os problemas dos capítulos correspondentes de Astrom e Wittenmark, &RPSXWHU&RQWUROOHG6\VWHPV.
Leia maisDesenvolvimento de Ferramenta Computacional para Sistemas de Gestão de Pontes, Viadutos e Passarelas
Desenvolvimento de Ferramenta Computacional para Sistemas de Gestão de Pontes, Viadutos e Passarelas Pedro Henrique Gama Neiva 1, Gabriella Darold Vieira 2, Leandro Pantoja Paranhos 3, André Luís da Silva
Leia maisModelagem e Avaliação de Desempenho
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Exemplos usados na apresentação foram obtidos de Introduction to Probability, C.M.Grinstead
Leia maisAULA LAB 01 SINAIS SENOIDAIS
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE SANTA CATARINA DEPARTAMENTO DE ELETRÔNICA Retificadores (ENG - 20301) AULA LAB 01 SINAIS SENOIDAIS 1 INTRODUÇÃO Esta aula de laboratório tem por objetivo consolidar
Leia maisControlo por Computador. Primeiro Teste
MEEC, MAero Controlo por Computador 2014/2015 Primeiro Teste 5 de Novembro de 2014, 20 horas salas QA, Q01 Quotação: P1 a) 2 b) 2 c) 2; P2 a) 3, b) 1, c) 1, P3 4, P4 a) 1 b) 3 c) 1. Duração: 2 horas. Não
Leia maisAULA 15 - Distribuição de Bernoulli e Binomial
AULA 15 - Distribuição de Bernoulli e Binomial Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variável Aleatória de Bernoulli Podemos dizer que as variáveis aleatórias mais simples entre as
Leia maisINTELIGÊNCIA ARTIFICIAL 2008/09
INTELIGÊNI RTIFIIL 2008/09 PROUR 1) onsidere o problema da torre de Hanoi com discos. Neste problema, existem três pinos, e e discos de diâmetros diferentes, estando no início todos os discos colocados
Leia maisProbabilidade em espaços discretos. Prof.: Joni Fusinato
Probabilidade em espaços discretos Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Probabilidade em espaços discretos Definições de Probabilidade Experimento Espaço Amostral Evento Probabilidade
Leia maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisProbabilidades. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Probabilidades Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 06/03/2018 WB, EK, FM ( LEG/DEST/UFPR
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 maisSistemas e Sinais (LEE & LETI)
Sistemas e Sinais (LEE & LETI) Laboratório nº 3: Sistemas Contínuos Modelo de Estado e Função de Transferência Preparado por Isabel Lourtie pfpfpf Trabalho Experimental pfpfpf Grupo nº Turno Nº Nome: Nº
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia mais1) Deseja-se usar o algoritmo de rejeição para simular de uma v.a. normal positiva, cuja densidade é dada por. 2 x > 0.
MAE0399 - Análise de Dados e Simulação - o semestre de 208 - IME - USP 2 a Lista de Exercícios ) Deseja-se usar o algoritmo de rejeição para simular de uma v.a. normal positiva, cuja densidade é dada por
Leia maisQuarto projeto computacional (data de entrega: 05/06/17)
Quarto projeto computacional (data de entrega: 05/06/17) 1. Escreva um programa em MATLAB (ou na sua linguagem favorita) que implemente numericamente o modelo de neurônio integra-e-dispara com vazamento
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisModelagem e Análise de Sistemas de Computação Aula 19
Modelagem e Análise de Sistemas de Computação Aula 19 Aula passada Intro a simulação Gerando números pseudo-aleatórios Aula de hoje Lei dos grandes números Calculando integrais Gerando outras distribuições
Leia maisUnidade 1 Números inteiros
Sugestões de atividades Unidade 1 Números inteiros 7 MATEMÁTICA 1 Matemática 1. Indique com um número positivo ou negativo: a) um lucro de R$ 5.500,00; b) um prejuízo de R$ 5.500,00; c) 5 graus abaixo
Leia maisUma Breve Introdução ao Monte Carlo
Uma Breve Introdução ao Monte Carlo Uma Breve Introdução ao Monte Carlo Introdução Histórico Método da Rejeição Simples Algumas Aplicações Simples Cálculo de integrais Geração de eventos Referências Introdução
Leia maisAnálise de dados em Fisica de Particulas
Análise de dados em Fisica de Particulas Magno V.T. Machado Instituto de Fisica - UFRGS Escola de Fisica de Particulas e Campos. Agosto 05-09, 2013 Números aleatórios e Monte Carlo Muitas aplicações computacionais
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisMetodologia de inversão
6 Metodologia de inversão Nesta tese, a transformação de velocidades em pressão de poros é encarada como um problema de inversão. Pela natureza do problema, essa transformação apresenta caráter não único
Leia maisLucas Santana da Cunha de junho de 2017
VARIÁVEL ALEATÓRIA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de junho de 2017 Uma função que associa um número real aos resultados
Leia maisMétodos Numéricos. Professor Tenani - 9 de Agosto de 2015
Métodos Numéricos Professor Tenani - www.professortenani.com.br 9 de Agosto de 2015 Métodos Numéricos Professor Tenani - www.professortenani.com.br 1 / 51 Índice Métodos Numéricos Professor Tenani - www.professortenani.com.br
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisProf. Dr. Lucas Santana da Cunha de maio de 2018 Londrina
Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 21 de maio de 2018 Londrina 1 / 14 Variável aleatória Introdução Definição Uma função que associa um número real
Leia maisA análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004).
3 Séries temporais A análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004). 3.1. Princípios fundamentais Conforme Box et al. (1994), uma
Leia maisp( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Leia maisTrabalho Prático Nº 3 e 4
Universidade do Minho 2º semestre 2004/05 (LEGI + LEV) Investigação Operacional Trabalho Prático Nº 3 e 4 (Stocks e Previsão) Identificação do Grupo Número: Nome completo: Curso Rubrica: Data de entrega:
Leia maisLista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL.
Introdução à Inferência Estatística Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 5 de setembro de 004 Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL. 1 Medidas Resumo DISTRIBUIÇÕES
Leia mais5ª Lista de Exercícios de Programação I
5ª Lista de Exercícios de Programação I Instrução As questões devem ser implementadas em C. Questões que envolvam leitura de matrizes, a construção dessas matrizes pode ser realizada através da geração
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisAlguns dos objectivos gerais do programa de Matemática do Ensino Secundário são:
CALCULADORAS GRÁFICAS NA MATEMÁTICA FERNANDO DUARTE ISABEL DUARTE TERESA DIAS Escola Superior de Tecnologia de Viseu Alguns dos objectivos gerais do programa de Matemática do Ensino Secundário são: Interpretar
Leia maisDistribuições Discretas
META: Estudar o comportamento das Variáveis Aleatórias Discretas, bem como das Distribuições Binomial e Poisson e suas aplicações. Entender o comportamento de uma Variável aleatória Contínua. OBJETIVOS:
Leia maisExercícios para Matlab
Exercícios para Matlab Orlando Ferreira Soares Índice Exercícios de Introdução ao MATLAB... Exercícios Básicos... Manipulação de Vectores e Matrizes... Operações sobre Escalares...5 Operações sobre Matrizes...7
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisMetodologia de simulação
Metodologia de simulação OBJETIVOS E DEFINIÇÃO DO SISTEMA FORMULAÇÃO DO MODELO ANÁLISE E REDEFINIÇÃO MODELO ABSTRATO RESULTADOS EXPERIMENTAIS (Capítulo 6) MODELO CONCEITUAL (Capítulo 3) REPRESENTAÇÃO DO
Leia mais