Mário Meireles Teixeira. Departamento de Informática, UFMA. Técnicas de Modelagem. Técnicas de Avaliação de desempenho.
|
|
- Gustavo Malheiro Duarte
- 6 Há anos
- Visualizações:
Transcrição
1 Simulação Mário Meireles Teixeira Departameto de Iformática, UFMA Técicas de Modelagem Técicas de Avaliação de desempeho Aferição Modelagem Protótipos Bechmarcks Coleta de Dados Rede de Filas Redes de Petri Statecharts Modelo Solução Métodos Aalíticos Simulação 2 1
2 Soluções para o Modelo Solução por Simulação Uso preferecial das técicas de modelagem 3 Soluções para o Modelo Solução por Simulação Modelos de simulação são programas de computador os quais a operação de um sistema e sua carga são descritas por meio de algoritmos apropriados 4 2
3 Solução por Simulação Simulação - o que é? costrução de um programa computacioal que implemete um modelo; supõe-se que o modelo seja uma represetação válida do sistema em estudo. 5 Solução por Simulação Simulação é uma técica bastate útil para a aálise de desempeho de sistemas computacioais Especialmete: Se o sistema ão estiver dispoível Para prever o desempeho de diversas alterativas Facilidade de realizar comparações para uma maior variedade de cargas e ambietes computacioais 6 3
4 Simulação Emprego Criação de ambietes virtuais Avaliação de desempeho de sistemas complexos Ambietes Virtuais Decisões humaas fazem parte do processo Simulações Aalíticas Decisões humaas ão fazem parte do processo Mudo real simulações militares Jogos Simulação Aumeta o grau de abstração e velocidade Aumeta o grau de realismo e custo 7 Simulação - Ambietes Virtuais Aálise Comportametal Jogos Simuladores 8 4
5 Simulação - Avaliação de Desempeho Exemplo: Simulação de um ambiete que faz reservas de passages e hotéis e cosegue adaptar-se a cargas de trabalho variáveis Pode-se avaliar: Adequabilidade de um ídice de medição da carga Utilização de diferetes arquiteturas de back-ed Utilização de diferetes políticas de escaloameto 9 Técicas de Simulação Objetivo Tempo Iteração humaa Precisão Simulação Aalítica Aálise quatitativa de sistemas complexos O mais rápido possível Observador extero Resultados estatisticamete corretos Ambietes Virtuais Criação realista ou represetação para diversão / apredizado Tempo Real Itegral, a fim de cotrolar os objetos Sesível à precisão humaa 10 5
6 Tipos de Simulação Processos X Evetos X Atividade 11 Tipos de Simulação Simulação Orietada a Eveto Simples de ser implemetada Modelos complexos -> represetação complexa Simulação orietada a Processos Ambiete de simulação complexo Maior clareza o programa Simulação orietada a Atividades Difícil de ser implemetada 12 6
7 Termiologia Variáveis de estado Defiem o estado do sistema. Se iterrompida, a simulação pode ser reiiciada somete se as variáveis de estado são cohecidas. Ex: tamaho da fila de jobs Eveto Mudaça o estado do sistema. Exemplos: chegada de um job; iício de uma ova execução; partida do job. 13 Termiologia Modelo de Tempo Cotíuo: o estado do sistema está defiido em todos os istates. Ex: modelo de escaloameto de uma CPU 14 7
8 Termiologia Modelo de Tempo Discreto: o estado do sistema está defiido apeas em istates particulares Ex: úmero de aluos presetes a cada aula 15 Termiologia Modelos de Estado Cotíuo e Estado Discreto Depede se as variáveis de estado são cotíuas ou discretas Ex: - tempo gasto estudado uma determiada matéria - tamaho da fila Modelo de estado discreto ó Modelo de evetos discretos Modelo de estado cotíuo ó Modelo de evetos cotíuos Cotiuidade de tempo Cotiuidade de estado Combiações possíveis: estado discreto/tempo discreto estado discreto/tempo cotíuo estado cotíuo/tempo discreto estado cotíuo/tempo cotíuo 16 8
9 Termiologia Modelos Determiísticos e Probabilísticos Nos modelos determiísticos, os resultados podem ser previstos com certeza Nos modelos probabilísticos, diferetes repetições para os mesmos parâmetros de etrada produzem resultados diferetes Modelos Estáticos e Diâmicos Modelos estáticos são aqueles os quais o tempo ão é uma variável. Ex: E = mc 2 vs. Modelo de escaloameto de CPU Modelos Lieares e Não-Lieares output = f (iput) 17 Termiologia Modelos Abertos e Fechados Nos modelos abertos a etrada é extera ao modelo e idepedete do mesmo. Nos fechados, ão há etrada. Modelos Estáveis e Istáveis Estável atige regime permaete (equilíbrio) Istável muda cotiuamete de comportameto 18 9
10 Modelos de Sistemas Computacioais Tempo cotíuo Estados discretos Probabilístico Diâmico Não-liear Aberto ou fechado Estável ou istável 19 Tipos de Simulação Avaliação de Desempeho Emulação Utiliza-se hardware ou firmware Ex: emulador de termial, de processador Evolve basicamete questões de projeto de hardware Simulação de Mote Carlo Simulação Dirigida por Traces Simulação de Evetos Discretos 20 10
11 Método de Mote Carlo Simulação estática (sem eixo do tempo) Usado para modelar feômeos probabilísticos cujas características ão mudam com o tempo Necessita de úmeros pseudo-aleatórios, assim como as simulações diâmicas Também pode ser usado para avaliar expressões ão probabilísticas através de métodos probabilísticos. Ex: cálculo de itegrais 2 I = e 0 x 2 dx aproximada por: x i y = 2e i ~ Uiforme(0,2) 2 xi 1 I = E( y) = i= 1 y i 21 Simulação Dirigida por Traces Trace: registro de evetos de um sistema ordeado de acordo com o tempo. Uma simulação dirigida por traces utiliza traces para gerar sua etrada Exemplos: trace de escaloameto de jobs, de istruções de processador, de págias refereciadas o disco, logs de servidores web, de proxies Método comum a avaliação de desempeho de sistemas computacioais, p.ex., para aalisar algoritmos de gereciameto/escaloameto de recursos. Exemplos: pagiação, caches, escaloameto de processador, de requisições HTTP, preveção e detecção de deadlocks, balaceameto de carga 22 11
12 Simulação Dirigida por Traces: Vatages Credibilidade: resultados fáceis de veder Validação fácil: pode-se comparar o resultado da simulação com a aferição do sistema em estudo Carga de trabalho precisa: preserva correlações e iterferêcias a carga de trabalho Trade-offs detalhados: carga de trabalho detalhada permite verificar os efeitos de pequeas alterações os algoritmos 23 Simulação Dirigida por Traces: Vatages Meor aleatoriedade Trace é uma etrada determiística Meor úmero de repetições para alcaçar o mesmo ível de cofiaça estatística Comparação justa: pode-se comparar diferetes alterativas usado a mesma etrada (melhor do que etrada aleatória) Semelhaça com a implemetação real: o modelo dirigido por traces é semelhate ao sistema sedo modelado 24 12
13 Simulação Dirigida por Traces: Desvatages Complexidade: modelo mais detalhado Represetatividade: as características da carga de trabalho variam com o tempo e o tipo de sistema Tamaho do trace: os traces são seqüêcias muito logas; poucos miutos echem um disco Poto úico de validação: cosiderar o uso de mais de um trace (um trace = um ceário específico) Detalhes: um trace evolve muitos detalhes que podem atrasar a simulação Verificação de trade-offs: um trace é pouco flexível; difícil alterar a carga de trabalho 25 Simulação de Evetos Discretos Baseia-se em um modelo de estados discreto do sistema, i.e., um modelo o qual o estado do sistema assume valores discretos Tempo pode ser discreto ou cotíuo Compoetes da Simulação de Evetos Discretos: Escaloador de evetos Relógio da simulação Variáveis de estado do sistema Rotias para tratameto de evetos Rotias de etrada de dados, iicialização e trace Geração de relatórios Gereciameto de memória Programa pricipal 26 13
14 Compoetes da Simulação: Escaloador de Evetos Matém uma Lista de Evetos Futuros (LEF) da simulação Atribuições do escaloador: Escaloar um eveto e o tempo t Cacelar um eveto previamete escaloado Suspeder um eveto durate um itervalo de tempo dt Escaloador é um dos compoetes mais solicitados durate a simulação ð implicações de eficiêcia LEF pode ser: Lista duplamete ecadeada Lista idexada (caledar queues) Árvores biárias; heaps 27 Compoetes da Simulação de Evetos Discretos Relógio da Simulação: Variável global que represeta o tempo simulado. Avaçado pelo escaloador de evetos. Mecaismos de Avaço do Tempo: baseado em uidades de tempo dirigido a evetos Variáveis de Estado: variáveis globais que descrevem o estado do sistema. Ex: - úmero de jobs o sistema (global) - tempo de CPU gasto por um job (local) 28 14
15 Compoetes da Simulação de Evetos Discretos Rotias para Tratameto de Evetos: cada eveto possui uma rotia associada, resposável por atualizar as variáveis de estado e escaloar ovos evetos Três evetos: chegada de um job, escaloameto e partida Rotias de etrada de dados Obteção dos parâmetros do modelo Variação detro de uma certa faixa Rotias de iicialização Atribuem os valores iiciais das variáveis de estado Iicializam as semetes 29 Compoetes da Simulação de Evetos Discretos Rotias de trace (acompahameto) Depuração da simulação Mecaismo O/Off Geração de relatórios: resultado fial da simulação Gereciameto de memória: coleta de lixo Programa Pricipal Iicialização Execução Resultados 30 15
16 Simulação - Exemplo Cotrole de tráfego aéreo Simulação orietada a evetos: chegada do avião escaloa pouso escaloa partida 31 Simulação - Exemplo chegada schedules 8:00 partida pouso 8:05 schedules 9:15 chegada 9:30 Eveto processado Eveto correte Eveto ão processado Tempo da simulação Evetos ão processados são armazeados em uma lista de evetos futuros (LEF) Evetos são processados seguido a ordem de time stamp 32 16
17 Simulação - Exemplo Modelo do sistema físico Aplicação variáveis de estado código modelado o comportameto do sistema etrada e saída (iterface com o usuário) Idepede da aplicação Chamadas para escaloameto dos evetos Simulação Gerecia a lista de evetos Avaça o tempo da simulação Chamadas para gereciameto dos evetos 33 Procedimetos para gereciameto dos evetos Variáveis de estado Iteger: NoAr; Iteger: NaTerra; Eveto Chegada { } Eveto Pouso { } Eveto Partida { } Aplicação Simulação Laço de processameto dos evetos Agora = 8:45 Lista de Evetos Futuros (LEF) 9:00 10:10 9:16 Equato (simulação ão é ecerrada) faça E = eveto com meor timestamp a LEF Retire E da LEF Agora = timestamp de E Chamada ao maipulador do procedimeto 34 17
18 Fases de uma Simulação 1. estudo do sistema e defiição dos objetivos; 2. costrução do modelo; 3. determiação dos dados de etrada e saída; 4. tradução do modelo; 5. verificação do programa de simulação; 6. validação do programa (modelo) de simulação; 7. experimetação; 8. aálise dos resultados; 9. documetação. 35 Solução por Simulação validação operacioal experimetação Programa Simulação Problema Implemetação do programa aálise e modelameto validação do modelo Modelo Verificação do modelo computacioal 36 18
19 Fases de uma Simulação 1. estudo do sistema e defiição dos objetivos; 2. costrução do modelo; 3. determiação dos dados de etrada e saída; 4. tradução do modelo; 5. verificação do programa de simulação; 6. validação do modelo de simulação; 7. experimetação; 8. aálise dos resultados; 9. documetação. 37 Desevolvimeto de simulação Cohecimetos ecessários para o desevolvimeto de uma simulação seqüecial Modelagem Programação / Liguages para simulação Probabilidade e estatística para aálise dos resultados 38 19
20 Tradução do modelo Software para simulação Liguages de programação de uso geral Costrução do ambiete e do programa Liguages de simulação Apredizado de ovas liguages Oferece suporte para a implemetação da simulação Exemplos: SIMSCRIPT (evetos) GPSS, SIMULA (processos) 39 Tradução do modelo Software para simulação Extesões fucioais Uso de liguages cohecidas Implemeta o ambiete Dispoibiliza os recursos da liguagem hospedeira Exemplos: SimPy, SMPL, SIMPACK, Sim++ Pacotes de uso específico Voltados a um ou mais domíios de aplicação Pouco flexíveis Exemplos: NS-2, PeerSim, CloudSim 40 20
21 Exemplos de Pacotes de Simulação Software ARENA OPNET Modeler QueGAUS S PROVISA WorkFlow Aalyzer Proprietári o Systems Modelig Corporatio MIL 3, Ic. Aptech Systems, Ic. AT&T Meta Software Corp. Aplicações Típicas Plataforma s Ferrameta de Simulação geral, molda- -se a muitas aplicações diferetes. PC s (DOS) e Estações (UNIX) Modelagem de protocolos de comuicaç ão de redes. DEC-Alpha, HP-UX, IBM, SUN Sistemas de filas. IBM PC, SUN, IBM RISC. Maufatu ra com capacida de fiita de escaloameto IBM PC, SUN, HP. Melhorias de processo s de egócios IBM, MAC, SUN. Preço (U$) Versão Padrão Cotato com o vededor Cotato com o vededor Tradução do modelo Software para simulação Ambietes para Simulação Automáticos Facilitam a elaboração de programas de simulação Pouco cohecimeto de simulação ou programação Usuário deve cohecer as técicas de modelagem Geram o programa automaticamete Oferecem ferrametas que orietam o usuário a descrição, coleta de dados e aálise de resultados 42 21
22 Desevolvimeto do Programa Depede da Abordagem escolhida 1. Atividade 2. Eveto 3. Processo 43 Desevolvimeto do Programa Depede da Abordagem escolhida 1. Processos Desevolvimeto de um processo para cada recurso Ativação de todos os processos cocorretemete Problema: Sicroismo etre os processos 44 22
23 Desevolvimeto do Programa Depede da Abordagem escolhida 2. Atividade Loop verificado a cada pulso de clock se existe atividade a ser executada Sobrecarga de processameto muito alta Iviável por problemas de desempeho 45 Desevolvimeto do Programa Depede da Abordagem escolhida 3. Evetos Defie-se uma lista de evetos futuros (LEF) Todos os evetos a ser executados devem estar essa lista em ordem de timestamp Detro de um loop, o próximo eveto é retirado da lista, executado e evetualmete são colocados a lista ovos evetos ativados pela execução do eveto atual 46 23
24 Desevolvimeto do Programa Abordagem mais utilizada para simulação de sistemas computacioais: 1. Evetos Implemetação mais fácil 2. Processos Sistemas complexos geram programas mais claros 47 Aspectos importates: Nível de detalhameto do modelo Nem sempre um modelo mais detalhado é o melhor modelo Problemas com detalhes excessivos: Mais tempo de desevolvimeto do modelo Maior probabilidade de erros e mais tempo gasto para idetificá-los Maior tempo de execução da simulação Necessidade de um maior cohecimeto dos parâmetros de etrada que, se ão estiverem dispoíveis, toram o modelo impreciso Melhor itroduzir detalhes o modelo aos poucos 48 24
25 Aspectos importates Escolha da liguagem Liguagem de simulação (SIMULA, SIMSCRIPT) Liguagem de propósito geral (C, FORTRAN) Extesão de uma liguagem (GASP, SMPL, SIMPACK) Pacotes de simulação (QNET4, OPNET, NS-2) Verificação do modelo Implemetação do modelo ão pode coter erros Validação do modelo Modelo tem que represetar corretamete o sistema real Cuidado com hipóteses equivocadas! Tratameto das codições iiciais A parte iicial da simulação (warm-up) geralmete ão é represetativa do comportameto do sistema em regime permaete (equilíbrio) 49 Aspectos importates Duração da simulação Simulações muito curtas são muito depedetes das codições iiciais e podem ão represetar o sistema real Geração de úmeros aleatórios Utilize geradores amplamete cohecidos e aalisados! Seleção de semetes Escolha cuidadosa evita correlação estatística idesejada etre diferetes rodadas da simulação Habilidades esseciais Modelagem Estatística; Programação; Cohecimeto do sistema sedo modelado Objetivos claros O que se pretede avaliar? 50 25
26 Exemplos SimPack Diagrama de Classes Future 1 1 Vlist 0..1 Toke Evet Liked Leftist Caledar Heap +Isert() +Remove() * 1 Facility +Request() +Preempt() +Release() * * Lode * 1 Flist 52 26
27 Exemplo: Fila M/M/1 #iclude queuig.h // Biblioteca SimPack eum EvetId {ARRIVAL, REQUEST_SERVER, RELEASE_SERVER}; cost it TIME_LIMIT = 1000; Facility * queue = NULL; // cetro de serviço (fila) // Rotias de tratameto de evetos void Arrive (void); void RqstSrvr (void); void RlsSrvr (void); 53 Programa Pricipal it mai () { ew Future (LINKED); // cria LEF queue = ew Facility ("queue"); // cria fila M/M/1 Toke customer (1); // primeiro cliete (toke) Future::Schedule (ARRIVAL, 0.0, customer); // escaloa chegada The image caot be displayed. Your computer may ot have eough memory to ope the } while (Future::SimTime() < TIME_LIMIT) // codição de parada { // da simulação Estatus es = Future::NextEvet (); // próximo eveto da LEF switch(es.evet_id) { case ARRIVAL : Arrive (); break; case REQUEST_SERVER : RqstSrvr (); break; case RELEASE_SERVER : RlsSrvr (); break; default : ErrXit (1, "evet_id ivalido"); } } Future::ReportStats (); // resultados retur 0; 54 27
28 Tratameto de Evetos (1) The image caot be displayed. Your computer may ot have eough memory to ope the image, or the void Arrive () { Toke customer = Future::CurretToke (); Future::UpdateArrivals (); // registra a chegada (λ) Future::Schedule (REQUEST_SERVER, 0.0, customer); customer.id (customer.id() + 1); // Escaloa a próxima chegada Future::Schedule (ARRIVAL, exptl(2.0), customer); } void RqstSrvr () { Toke customer = Future::CurretToke (); // obtém toke atual if (queue->request (customer) == FREE) // solicita o recurso { double sample = exptl (2.0); Future::Schedule (RELEASE_SERVER, sample, customer); } } 55 Tratameto de Evetos (2) void RlsSrvr () { Toke customer = Future::CurretToke (); it who = customer.id(); } queue->release (who); // libera o recurso Future::UpdateDepartures (); // registra o térmio (X) 56 28
29 Resultados Future costructed: Mo Ju 28 09:55: SimPack SIMULATION REPORT Total Simulatio Time: Total System Arrivals: 501 Total System Departures: 494 System Wide Statistics NOTE: facility 1 'queue' has 1 busy server(s) System Utilizatio: 97.7% Arrival Rate: , Throughput: Mea Service Time per Toke: Mea # of Tokes i System: Largest FEL size was 3 Mea Residece Time for each Toke: Facility Statistics F 1 (queue): Idle: 2.3%, Util: 97.7%, Preemptios: 0, LogestQ: Exemplo: Servidor Web com múltiplas classes #iclude "queuig.h // Biblioteca SimPack // Defiição de costates cost log TEMPO_SIMUL = 1000; cost it VISITAS_DISCO = 1; cost double INTERVALO_CHEG = 0.2; cost it NUMCLASS = 4; Requisições Disco CPU Iterface de Rede Resultados cost double media_cpu[4] = {0.375, 0.325, 0.2, 0.075}; cost double media_disco[4] = {0.175, 0.175, 0.175, 0.125}; cost double media_ic[4] = {0.2, 0.225, 0.25, 0.525}; cost double p[numclass] = {0.35, 0.85, 0.99, 1.00}; eum TipoEveto {CHEGADA, REQ_CPU, LIBERA_CPU, REQ_DISCO, LIBERA_DISCO, REQ_NIC, LIBERA_NIC}; // Variáveis globais Facility *cpu = NULL, *disco = NULL, *ic = NULL; // cetros de serviço (filas) Toke cliete; // toke da simulação 58 29
30 it mai() { ew Future(LINKED); cpu = ew Facility("CPU", 1);... cliete.id(1); cliete.settokeiattr(0, VISITAS_DISCO); it classe = GeraClasReq(); cliete.settokeiattr(1, classe); Programa Pricipal // repetir para disco e rede // primeiro toke da simulação // attr0 = VISITAS_DISCO // attr1 = Classe Requisicao Future::Schedule(CHEGADA, 0.0, cliete); // primeira chegada de cliete while (Future::SimTime() < TEMPO_SIMUL) { Estatus es = Future::NextEvet(); cliete = es.toke; switch(es.evet_id) { case CHEGADA : Chegada(); break; case REQ_CPU : ReqCpu(); break;... default : ErrXit (1, "evet_id ivalido"); } }... Future::ReportStats(); // imprime o relatório da simulação 59 Tratameto de Evetos (1) void Chegada() { Future::Schedule(REQ_CPU, 0.0, cliete); Future::UpdateArrivals(); Requisições Disco CPU Iterface de Rede Resultados } // Escaloa a chegada do proximo cliete cliete.id(cliete.id() + 1); cliete.settokeiattr(0, VISITAS_DISCO); it classe = GeraClasReq(); cliete.settokeiattr(1, classe); Future::Schedule(CHEGADA, INTERVALO_CHEG, cliete); void ReqCpu() { if (cpu->request(cliete) == FREE) { it classe = cliete.tokeiattr(1); double media = media_cpu[classe] / (VISITAS_DISCO + 1); Future::Schedule(LIBERA_CPU, exptl(media), cliete); } } 60 30
31 void LiberaCpu() { it id = cliete.id(); cpu->release(id); Tratameto de Evetos (2) Requisições Disco CPU Iterface de Rede Resultados } it um_visitas = cliete.tokeiattr(0); // obtém úm. visitas ao disco if (um_visitas > 0) // cliete aida ão termiou Future::Schedule(REQ_DISCO, 0.0, cliete); // escaloa o disco else Future::Schedule(REQ_NIC, 0.0, cliete); // escaloa a Itf. de rede... void LiberaNic() { it id = cliete.id(); ic->release(id); Future::UpdateDepartures(); } // atedimeto cocluído 61 Resultado da Simulação (1) Future costructed: Wed Ju 23 10:46: SimPack SIMULATION REPORT Total Simulatio Time: Total System Arrivals: 5001 Total System Departures: 2584 System Wide Statistics NOTE: facility 1 'CPU' has 1 busy server(s) NOTE: facility 2 'DISCO' has 1 busy server(s) System Utilizatio: 73.8% Arrival Rate: , Throughput: Mea Service Time per Toke: Mea # of Tokes i System: Largest FEL size was 5 Mea Residece Time for each Toke:
32 Resultado da Simulação (2) Facility Statistics F 1 (CPU): Idle: 0.0%, Util: 100.0%, Preemptios: 0, LogestQ: 2414 F 2 (DISCO): Idle: 37.0%, Util: 63.0%, Preemptios: 0, LogestQ: 13 F 3 (REDE): Idle: 41.5%, Util: 58.5%, Preemptios: 0, LogestQ: 9 Parametros da Simulacao (SERVWEB1.CPP) Itervalo etre chegadas...: Classes...:
Mário Meireles Teixeira. Departamento de Informática, UFMA. mario@deinf.ufma.br. Técnicas de Modelagem. Técnicas de Avaliação de desempenho.
Simulação Mário Meireles Teixeira Departameto de Iformática, UFMA mario@deif.ufma.br Técicas de Modelagem Técicas de Avaliação de desempeho Aferição Modelagem Protótipos Bechmarcks Coleta de Dados Rede
Leia mais" "##$ % &!!&'! # & # &# ( )!& *) +&)!&'!!) ) #!!!,# &-& )!!!#.$ # & #
! " "##$ % &!!&'! # & # &# ( )!& *) +&)!&'!!) ) #!!!,# &-& )!!!#.$ # & # 2 1 &# & ( *)!! '!! &!! '! " '! + $#! '#) ( &!!) )!! & $$!!! &. &! /# &!#! #!!! # '#! &0!!1 )!& *)! &# '!,! '! & # 3 &# & # '!..
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 6 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 6 Sarita Mazzini Bruschi Material
Leia maisMaterial baseado nos slides de: Marcos José Santana Regina Helena Carlucci Santana
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC643 Avaliaçãode Desempenhode Sistemas Computacionais Aula 7 Sarita Mazzini Bruschi
Leia maisAvaliação de Desempenho
Avaliação de Desempeho Mário Meireles Teixeira Departameto de Iformática, UFMA mario@deif.ufma.br Itrodução Desempeho: quatidade de serviços prestados / tempo decorrido desde o iício dos serviços A qualidade
Leia maisSistemas Operacionais. Gerência de Memória. Edeyson Andrade Gomes.
Sistemas Operacioais Gerêcia de Memória Edeyso Adrade Gomes www.edeyso.com.br Roteiro da Aula w Gerêcia de Memória Metas Algoritmos Sistemas Operacioais - Itrodução Edeyso A. Gomes 2 Gerêcia de Memória
Leia maisOrdenação e Busca em Arquivos
Ordeação e Busca em Arquivos Cristia D. A. Ciferri Thiago A. S. Pardo Leadro C. Citra M.C.F. de Oliveira Moacir Poti Jr. Ordeação Facilita a busca Pode ajudar a dimiuir o úmero de acessos a disco Busca
Leia maisTeste de Software. Engenharia de Software Profa. Dra. Elisa Yumi Nakagawa 1º semestre de 2016
Teste de Software Egeharia de Software Profa. Dra. Elisa Yumi Nakagawa 1º semestre de 2016 Aspectos teóricos e empíricos de teste de cobertura de software Notas Didáticas do ICMC/USP (o. 31) Tópicos da
Leia mais1 Amintas engenharia
1 Amitas egeharia 2 Cálculo Numérico 1. Itrodução Amitas Paiva Afoso 3 1. Itrodução O que é o Cálculo Numérico? 4 1. Itrodução O Cálculo Numérico correspode a um cojuto de ferrametas ou métodos usados
Leia maisPROGRAMAÇÃO E ALGORITMOS (LEI) Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2016/2017
PROGRAMAÇÃO E ALGORITMOS (LEI) Uiversidade da Beira Iterior, Departameto de Iformática Hugo Pedro Proeça, 2016/2017 Resumo Alocação de Memória Estática Diãmica malloc calloc realloc free Exercícios Gestão
Leia maisAnálise e Síntese de Algoritmos. Revisão CLRS, Cap. 1-3
Aálise e Sítese de Algoritmos Revisão CLRS, Cap. 1-3 Resumo Algoritmos Aálise de algoritmos Sítese de algoritmos Notação assimptótica Outra otação utilizada Somatórios 2007/2008 Aálise e Sítese de Algoritmos
Leia maisSINAIS E SISTEMAS DE TEMPO DISCRETO
SINAIS E SISTEMAS DE TEMPO DISCRETO SINAIS DE TEMPO DISCRETO Fução de uma variável idepedete iteira. Não é defiido em istates etre duas amostras sucessivas. É icorreto pesar que é igual a zero se ão é
Leia maisORIENTAÇÃO A OBJETOS
ORIENTAÇÃO A OBJETOS Mário Meireles Teixeira mario@deif.ufma.br O que é Orietação a Objetos Paradigma modero da egeharia de software Iflui a aálise, projeto (desig) e programação A aálise orietada a objetos
Leia maisUma Proposta de Infra-estrutura de Medições para o Tráfego do Backbone da RNP2
Uma Proposta de Ifra-estrutura de Medições para o Tráfego do Backboe da RNP2 Leobio Nascimeto Sampaio e-mail: leobio@uifacs.br José A. Suruagy e-mail: suruagy@uifacs.br Abril - 2003 Roteiro Apresetação
Leia maisIntrodução. Objetivo da Ciência da Computação. Regra Geral. Nenhuma implementação excelente salva um Algoritmo inadequado.
Itrodução Problema Algoritmo Implemetação Problema Uiversidade Federal de Ouro Preto Departameto de Computação Algoritmo 1 Algoritmo Algoritmo Projeto e Aálise de Algoritmos - I Implemetação C Implemetação
Leia maisIntrodução a Complexidade de Algoritmos
Itrodução a Complexidade de Algoritmos Estruturas de Dados Prof. Vilso Heck Juior Apresetação Revisão - O Algoritmo; A Complexidade; Exercício. Complexidade de Algoritmos REVISÃO - O ALGORITMO O Algoritmo
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO PROFESSOR: CARLA SCHWENGBER TEN CATEN Teorema do limite cetral A soma (e sua média) de
Leia maisCasos de Uso e Diagrama de Casos de Uso
Casos de Uso e Diagrama de Casos de Uso SSC 124: Aálise e Projeto Orietados a Objetos Profa. Dra. Elisa Yumi Nakagawa 1 Defiição Caso de uso (use case) uidade fucioal provida pelo sistema, subsistema,
Leia maisCT-234. Estruturas de Dados, Análise de Algoritmos e Complexidade Estrutural. Carlos Alberto Alonso Sanches
CT-234 Estruturas de Dados, Aálise de Algoritmos e Complexidade Estrutural Carlos Alberto Aloso Saches CT-234 3) Estruturas de dados elemetares Filas, pilhas e árvores Alocação estática versus diâmica
Leia mais08/10/2018. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados
Baco de Dados Gereciameto de Arquivos Sistema Gereciador de Baco de Dados Modelos de Dados Gereciameto de Arquivos Gereciameto de Arquivos 1 Gereciameto de Arquivos Em uma empresa existem 3 departametos:
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 3 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 3 Sarita Mazzini Bruschi Material
Leia maisBusca binária. Busca em arquivos. Busca binária. Busca binária. Ordenação e busca em arquivos
Algoritmos e Estruturas de Dados II Profa. Debora Medeiros Ordeação e Busca em Arquivos Idexação de Arquivos I: Ídices Simples Ordeação e busca em arquivos É relativamete fácil buscar elemetos em cojutos
Leia mais5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação. Tipos de SI. Profa. Elisa Yumi Nakagawa 1.
Uiversidade de São Paulo Istituto de Ciêcias Matemáticas e de Computação Tipos de SI Profa. Elisa Yumi Nakagawa 1. Semestre de 2016 Tipos de Sistemas de Iformação Por existir diferetes íveis em uma orgaização,
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisEstudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Leia maisIntrodução. Objetivo da Ciência da Computação. Regra Geral. Problema Algoritmo Implementação. Projeto e Análise de. Algoritmo 3
Itrodução Problema Algoritmo Implemetação Problema Uiversidade Federal de Ouro Preto Departameto de Computação Algoritmo 1 Algoritmo 2 Algoritmo 3 Projeto e Aálise de Algoritmos - I Implemetação C Implemetação
Leia maisDFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular
Sistemas de Processameto Digital Egeharia de Sistemas e Iformática Ficha 4 5/6 4º Ao/ º Semestre DFS Série Discreta de Fourier DFT Trasformada Discreta de Fourier Covolução Circular Para calcular a DFT,
Leia maisOrdenação (Parte 1) Prof. Túlio Toffolo BCC202 Aula 13 Algoritmos e Estruturas de Dados I
Ordeação (Parte 1) Prof. Túlio Toffolo http://www.toffolo.com.br BCC0 Aula 13 Algoritmos e Estruturas de Dados I Critério de Ordeação Ordea-se de acordo com uma chave: typedef it TChave; typedef struct
Leia maisOrdenação. David Menotti Algoritmos e Estruturas de Dados II DInf UFPR
Ordeação David Meotti Algoritmos e Estruturas de Dados II DIf UFPR Critério de Ordeação Ordea-se de acordo com uma chave: typedef it ChaveTipo; typedef struct ChaveTipo Chave; /* outros compoetes */ Item;
Leia maisDiagramas de Sequência do Sistema. SSC 124: Análise e Projeto Orientados a Objetos Profa. Dra. Elisa Yumi Nakagawa
Diagramas de Sequêcia do Sistema SSC 124: Aálise e Projeto Orietados a Objetos Profa. Dra. Elisa Yumi Nakagawa 1 O que já foi visto até agora Casos de Uso Completo Abstrato Diagrama de Casos de Uso Emprestar
Leia maisCapítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA
Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação
Leia maisTópicos. Cliente presente O jogo do planejamento Stand up meeting Programação em par
Práticas do XP Tópicos Cliete presete O jogo do plaejameto Stad up meetig Programação em par 2 Cliete presete 3 Cliete Presete Tradicioalmete, há uma divisão implícita etre as resposabilidades do cliete
Leia maisCINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA
Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais
Leia maisétodos uméricos MÉTODO DOS MOMENTOS - MOM Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos MÉTODO DOS MOMETOS - MOM Prof. Erivelto Geraldo epomuceo PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA ELÉTRICA UIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CETRO FEDERAL DE EDUCAÇÃO TECOLÓGICA
Leia maisSinais de Tempo Discreto
Siais de Tempo Discreto Siais defiidos em istates discretos do tempo t 0, t 1, t 2,..., t,... são siais de tempo-discreto, deotados pelos símbolos f(t ), x(t ), y(t )... (sedo um iteiro). x(t )... t 1
Leia maisSistemas de Suporte à Decisão (DSS)
Uiversidade de São Paulo Istituto de Ciêcias Matemáticas e de Computação Departameto de Ciêcias de Computação Sistemas de Suporte à Decisão (DSS) (Aula 07) Profa. Elisa Yumi Nakagawa 1. Semestre de 2016
Leia maisEQUAÇÃO ESCALAR DE LEIS DE CONSERVAÇÃO
EQUAÇÃO ESCALAR DE LEIS DE CONSERVAÇÃO Miquéias Gomes dos Satos 1 ; Douglas Azevedo Castro 2 1 Aluo do Curso de Egeharia de Bioprocessos e Biotecologia; Campus de Gurupi; e-mail:miqueias@uft.edu.br PIVIC/UFT
Leia maisCE-003: Estatística II - Turma K/O Avaliações Periódicas (1 o semestre 2018)
CE-003: Estatística II - Turma K/O Avaliações Periódicas (1 o semestre 2018) Avaliação 01 1. Em cada um dos ites a seguir foreça o espaço amostral e também sua caracterização quato a ser (i) fiito ou ifiito,
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #4c- Virgílio A. F. Almeida Março 2008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Exercício Usado a Regra de
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia maisSistemas Operacionais
Sistemas Operacioais Sistema de Arquivos Edeyso Adrade Gomes www.edeyso.com.br Sistema de Arquivos w Mecaismo que provê armazeameto e acesso a dados e programas do Sistema Operacioal e do usuário; w Aspecto
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado
Leia maisMedição e Métricas de Software
Medição e Métricas de Software Motivação Um dos objetivos básicos da Egeharia de Software é: a trasformação da criação de sistemas software de uma maeira artística, idiscipliada e pouco etedível para uma
Leia maisModelagem para o tempo de atravessamento e inventário médio em arranjos produtivos por processo
Modelagem para o tempo de atravessameto e ivetário médio em arrajos produtivos por processo Everto Peter Satos da Rosa (UNISINOS) everto.rosa@areva-td.com Felipe Morais Meezes (UNISINOS) meezes@produttare.com.br
Leia maisJorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2007.
Ageda Aálise e Técicas de Algoritmos Motivação para aálise de de algoritmos Aálise assitótica Algus exemplos simples Jorge Figueiredo Aálise de de Algoritmos Dois aspectos importates: Um problema pode,
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 maisMétodos de Amostragem
Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a
Leia maisEXERCÍCIO: ANÁLISE OPERACIONAL
EXERCÍCIO: ANÁLISE OPERACIONAL Corredor A: ligação etre o Leste e o Cetro da cidade de São Poli extesão de cerca de 8 km até o Ael B (limita face leste da área cetral), distiguido-se 3 trechos em fução
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 Se o eveto E cosiste de potos e S é o úmero de potos do espaço amostral, etão: umero de potos em E P E umero de potos em S E S 1. Se um úmero decimal de três digitos
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução
Leia maisIntrodução à Simulação. Avaliação de Desempenho de Sistemas
Introdução à Simulação Avaliação de Desempenho de Sistemas O que é Desempenho? Webster s? The manner in which a mechanism performs. Aurélio: Mil. Conjunto de características ou de possibilidades de atuação
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisFontes Bibliográficas. Estruturas de Dados Aula 14: Recursão. Introdução. Introdução (cont.)
Fotes Bibliográficas Estruturas de Dados Aula 14: Recursão Livros: Projeto de Algoritmos (Nivio Ziviai): Capítulo 2; Estruturas de Dados e seus Algoritmos (Szwarefiter, et. al): Capítulo 1; Algorithms
Leia maisAULA Subespaço, Base e Dimensão Subespaço.
Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar
Leia maisEPR 007 Controle Estatístico de Qualidade
EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Leia mais16/10/2017. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados
Baco de Dados Gereciameto de Arquivos Sistema Gereciador de Baco de Dados Modelos de Dados Gereciameto de Arquivos Gereciameto de Arquivos 1 Gereciameto de Arquivos Em uma empresa existem 3 departametos:
Leia maisCE-003: Estatística II - Turma K/O Avaliações Semanais (2 o semestre 2015)
CE-003: Estatística II - Turma K/O Avaliações Semaais (2 o semestre 20) Semaa 5 (av-01) 1. Um idivíduo vai participar de uma competição que cosiste em respoder questões que são lhe são apresetadas sequecialmete.
Leia maisUniversidade Federal de Santa Catarina Centro Tecnológico Departamento de Informática e Estatística Curso de Graduação em Ciências da Computação
Uiversidade Federal de Sata Cataria Cetro Tecológico Departameto de Iformática e Estatística Curso de Graduação em Ciêcias da Computação Aula 10-T 4. Projeto de Sistemas Digitais o Nível RT. Aumetado o
Leia maisCapítulo I Séries Numéricas
Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...
Leia maisLinguagem Computacional. Estruturas de Controle: Estruturas de Decisão ou de Seleção. Prof. Dr. Adriano Cansian Prof. Dr. Leandro Alves Neves
1 Algoritmos e Programação Liguagem Computacioal Estruturas de Cotrole: Estruturas de Decisão ou de Seleção Prof. Dr. Adriao Casia Prof. Dr. Leadro Alves Neves O que veremos: Estruturas de Cotrole de Fluxo
Leia maisPROF. DR. JACQUES FACON
1 PUCPR- Potifícia Uiversidade Católica Do Paraá PPGIA- Programa de Pós-Graduação Em Iformática Aplicada PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR MATRIZ DE CO-OCORRÊNCIA Resumo: O método da matriz de co-ocorrêcia,
Leia maisIntrodução à Computação
Itrodução à Computação Recursividade Aula de hoje Recursividade Fução orial Voto de cofiaça recursivo Fução de Fiboacci Desvatages Professor: Adré de Carvalho Recursão Muitas estratégias de programação
Leia maisFACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007)
FCULDDE DE CIÊCIS E TECOLOGI Redes de Telecomuicações (6/7) Egª de Sistemas e Iformática Trabalho º4 (ª aula) Título: Modelação de tráfego utilizado o modelo de Poisso Fudametos teóricos (cotiuação) 7.
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisANÁLISE DE COMPLEXIDADE DE ALGORITMOS
1 FEUP/LEEC Algoritmos e Estruturas de Dados 2001/2002 ANÁLISE DE COMPLEXIDADE DE ALGORITMOS João Pascoal Faria http://www.fe.up.pt/~jpf 2 Itrodução Algoritmo: cojuto claramete especificado de istruções
Leia maisAdministração de Sistemas Proprietários Turma : N. Windows Server 2012 R2 Visão Geral. Prof. Thiago Dutra
Admiistração de Sistemas Proprietários Turma : 20181.4.01405.1N Widows Server 2012 R2 Visão Geral Prof. Thiago Dutra Ageda Microsoft Cloud OS Cloud OS e Widows Server Dados Gerais
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia mais2 - PRINCÍPIO DE FUNCIONAMENTO DO GERADOR DE CORRENTE CONTINUA
2 - PRICÍPIO D FUCIOAMTO DO GRADOR D CORRT COTIUA 2.1 - A FORÇA LTROMOTRIZ IDUZIDA O pricípio de fucioameto do gerador de correte cotíua tem por base a Lei de Faraday que estabelece que, se o fluxo magético
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisBombas industriais. 1 Torr = 1 mmhg. Bombas industriais
Codições (especificações) de carga: Para água ao ível do mar 1 Torr = 1 mmhg Codições (especificações) de carga: Carga de Pressão (h p ) A carga de pressão é cosiderada quado um sistema de bombeameto começa,
Leia maisO PARADOXO DE SIMPSON
O PARADOXO DE SIMPSON Valmir R. Silva Adre Toom PIBIC-UFPE-CNPq Itrodução A aálise cietífica de dados através da modelagem matemática é uma atividade idispesável a Teoria de Decisão. O mesmo coceito é
Leia maisA letra x representa números reais, portanto
Aula 0 FUNÇÕES UFPA, 8 de março de 05 No ial desta aula, você seja capaz de: Saber dizer o domíio e a imagem das uções esseciais particularmete esta aula as uções potêcias; Fazer o esboço de gráico da
Leia maisTipos abstratos de dados (TADs)
Tipos abstratos de dados (TADs) Um TAD é uma abstração de uma estrutura de dados Um TAD especifica: Dados armazeados Operações sobre os dados Codições de erros associadas à opers Exemplo: TAD que modela
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 maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisCapítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias
Capítulo VII: Soluções Numéricas de Equações Difereciais Ordiárias 0. Itrodução Muitos feómeos as áreas das ciêcias egearias ecoomia etc. são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisAp A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho
Apredizagem Estatística de Dados Fracisco Carvalho Avaliação e Comparação de Classificadores Existem poucos estudos aalíticos sobre o comportameto de algoritmos de apredizagem. A aálise de classificadores
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #b- Virgílio A. F. Almeida Março 008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Material de Estatistica http://www.itl.ist.gov/div898/hadbook/idex.htm
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 maisEletrônica 1. Aula 05 (Amplificador Classe A) CIn-UPPE
Eletrôica 1 Aula 05 (Amplificador Classe A) CI-UPPE Amplificador básico (classe A) Amplificador básico É um circuito eletrôico, baseado em um compoete ativo, como o trasistor ou a válvula, que tem como
Leia maisAmostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População;
04/08/014 Uidade 4 : Amostragem Amostragem Coceito, propriedades, métodos e cálculo João Garibaldi Almeida Viaa Coceitos básicos de População e Amostra População; Elemetos que compõem uma população; Ceso;
Leia maisCEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO
CEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO MATERIAL DIDÁTICO IMPRESSO CURSO: Física DISCIPLINA: Iformática para o Esio de Física CONTEUDISTA: Carlos Eduardo Aguiar AULA
Leia maisComplexidade de Algoritmos
Complexidade de Algoritmos Marcelo Cezar Pito Apresetação Plao de Esio Trabalho Extra-classe Pré-requisitos: Somatório Combiatória Probabilidade Logaritmo Itrodução Algoritmos -> cere da computação Programa
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisDistribuição de Bernoulli
Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisEx: Sistema Tráfego Rodoviário
Ex: Sistema Tráfego Rodoviário Podemos modelá-lo através do Sistema de Rede de Filas: Atores : Carros são os Clientes Ponte éo Serviço Engarrafamento éa Fila Deseja-se, por exemplo: Tempo de espera no
Leia mais