Programação Dinâmica Estocástica
|
|
- Martim Álvaro Deluca
- 6 Há anos
- Visualizações:
Transcrição
1 Programação Dinâmica Estocástica Processos de Decisão Estocástica Multiestágios Um processo de decisão multiestágios é estocástico, se o resultado associado a pelo menos uma decisão do processo é aleatório. Esta aleatoriedade ocorre basicamente de dois modos: - Os estados são unicamente determinados pelas decisões, mas os resultados relacionados com um ou mais estados ocorrem ao acaso, - Os resultados são unicamente determinados pelos estados resultantes de uma ou mais decisões e que se dão ao acaso. Se as distribuições de probabilidade que governam os acontecimentos aleatórios são conhecidas e se o número de estágios é finito, a Programação Dinâmica vista atrás é útil para a optimização de um processo de decisão multiestágios estocástico. O procedimento geral é optimizar o valor esperado do resultado. Nos casos em que a aleatoriedade ocorre apenas nos resultados relacionados com os estados e não nos estados resultantes das decisões, este procedimento tem como consequência a transformação de um processo estocástico num processo determinístico. Tabelas Políticas Nos processos em que a aleatoriedade existe em relação aos estados associados com as decisões, uma política - em particular uma política óptima pode ser explicitada através de uma tabela política que é um quadro do tipo: Estados Estágios 1 ( ) 1 a 1 a 1 a 2 a r d d 1( a 2 ) d 1 ( a r ) d d ( ) ( ) 2 a 2 d 2 a r n d n ( a 1 ) ( a 2 ) d n a r 2 ( ) 2 a 1 d n ( ) Nesta tabela, ( ) a k d, = 1,2,..., n ; k = 1,2,..., r, representa a decisão no estágio quando o processo se encontra no estado a k. 1
2 Exemplo Pretende-se distribuir oito (8) lotes de larana por três (3) mercados. A procura de laranas em cada um deles é aleatória, de acordo com as distribuições de probabilidade seguintes: Probabilidades de Procura Lotes Mercado 1 Mercado 2 Mercado 3 0 0,1 0 0,1 1 0,2 0,2 0,3 2 0,3 0,6 0,2 3 0,2 0 0,2 0,1 0, ,1 0 0,2 O lucro por lote vendido nos mercados 1, 2 e 3 é de 18 euro, 20 euro e 21 euro, respectivamente. Determine o número inteiro de lotes que deveria ser distribuído em cada mercado de modo a maximizar o lucro esperado. Podemos encarar este problema como um processo de decisão de 3 estágios, representando o estágio uma distribuição de laranas no Mercado, = 1,2,3. Os estados de cada estágio são u = 0,1,..., 8 e representam o número de lotes disponíveis para distribuição num mercado. Não existe aleatoriedade no estado resultante de qualquer decisão: - Por exemplo, se se distribuem dois lotes a um certo Mercado ele ficará com dois lotes em stock. Mas existe aleatoriedade no resultado de qualquer estado: - Com dois lotes em stock, um mercado pode vender 0, 1 ou 2 lotes, gerando cada possibilidade lucros diferentes. Em consequência, vamos maximizar o lucro total esperado (como aliás é pedido) em vez do lucro total. Seam f x lucro esperado pela distribuição de x lotes no mercado, - ( ) - m ( u) lucro total esperado iniciando-se o processo pelo estágio no estado u, u - d ( ) decisão tomada no estágio que gera ( u) m. 2
3 Os valores das funções de pagamento apresentam-se na tabela seguinte (em euro): x f ( x) f 1 ( x) 0 16,2 28,8 36,0 39,6 1, 1, 1, 1, f 2 ( x) 0 20,0 36,0 0,0,0,0,0,0,0 ( x) f ,9 31,5 39,9,1 8,3 8,3 8,3 8,3 Veamos um exemplo de cálculo: - f ( 3) 1 Com 3 lotes distribuídos, o Mercado 1 consegue um lucro de 0 euro se vender 0 lotes, de 18 euro se vender 1 lote, de 36 euro se vender 2 lotes e de 5 euro se vender 3 lotes. As probabilidades dos três primeiros acontecimentos são, de acordo com a tabela atrás, 0,1, 0,2 e 0,3. A probabilidade do quarto acontecimento é igual à probabilidade de que a procura sea igual ou superior a três lotes: 0,2 + 0,1 + 0,1 = 0,. Assim, Em termos de ( x) ( 3) = ( 0)( 0,1) + ( 18)( 0,2) + ( 36)( 0,3) + ( 5)( 0,) 36 f. 1 = f, = 1,2, 3, temos formalmente um problema determinístico que pode ser resolvido pelos métodos da Programação Dinâmica Determinística, á estudados, conduzindo então à tabela u m 3 ( u) d 3 ( u) m 2 ( u) d 2 ( u) ( u) ( u) m 1 111,9 d 1 3 3
4 A política óptima consiste em: - Distribuir 3 lotes de laranas para o Mercado 1, - Distribuir 2 lotes para o Mercado 2, - Distribuir 3 lotes para o Mercado 3 Obtendo-se um lucro total esperado de euro. Outro Exemplo Um investidor tem 3 mil unidades de dinheiro disponíveis há um ano para investir num bom negócio. A oportunidade em risco é de que o retorno sea o dobro ou nada. Baseado em acontecimentos do passado, a probabilidade de dobrar o dinheiro é 6,6, enquanto a chance de perder o dinheiro todo é 0,. Determine uma estratégia de investimento para os anos seguintes que maximize os resultados totais esperados no final do período, supondo que o dinheiro ganho num ano pode ser reinvestido no ano seguinte e os investimentos estão restritos a quantidades unitárias. Trata-se de um processo com estágios, em que cada estágio corresponde a um ano. Os estados são os montantes disponíveis para o investimento: u = 0,1,..., 2 (este último valor é igual ao investimento de todo o montante disponível para cada ano, duplicado de cada vez) para o estágio ; u 3 = 0,1,..., 12 para o estágio 3; u 2 = 0,1,..., 6 para o estágio 2; u 1 = 3 para o estágio 1. A aleatoriedade ocorre aqui no estado resultante de uma decisão particular. Por exemplo, - Se alguém tem 3 unidades (isto é: o presente estado é 3) e decide investir duas unidades, então o estado seguinte é 5 ( ) ou 1 ( 1+ 0), dependendo de o montante investido ter sido duplicado ou perdido. Seam então - m ( u ) Ganhos esperados máximos no final o processo começando no estado u e estágio, - d ( u ) Montante investido no estágio que gera ( u ) Se alguém começa com estágio com m. u unidades, então x unidades, x = 0,1...,u, podem ser investidas, deixando u x unidades de reserva. Se o investimento é duplicado, haverá
5 2 x + ( u x) = u x + Unidades disponíveis no estágio seguinte; se as unidades investidas são u x estará disponível para o próximo estágio. O perdidas, então a reserva ( ) melhor resultado neste ponto é - m ( u x) +1 + Com probabilidade 0,6 ou - m ( u x) +1 Com probabilidade 0, e o melhor valor esperado para o melhor resultado é, em consequência, ( u x) + 0, m ( u x) 0,6m A escolha óptima para x é o seu valor que maximiza esta expressão: m ( u ) máximo [,6m ( u + x) + 0,m ( u x) ] = x= 0,1,..., u 0. Esta igualdade é a fórmula de recorrência para o processo. Como é evidente, - = 1,2, 3 - E para = tem que se considerar m 5 ( u) = u, visto que o processo termina no fim do.º ano e o estado em que fica nessa altura permanece inalterado. m 5, m, m3, m2 e m 1 são funções crescentes, como é óbvio. Então, ( u ) =,6m ( u + u ) + 0,m ( u u ) = ( 2u ) + 0, ( 0) = m m5 = 0,6.2u = 1,2u ( u ) 1, u m = 2 5
6 ( u ) =,6m ( u + u ) + 0,m ( u u ) = ( 2u ) + 0, ( 0) = m m = 0,6.1,2.2u 3 2 = 1,2 u3 2 ( u3 ) 1, u3 m 3 = 2 ( u ) =,6m ( u + u ) + 0,m ( u u ) = ( 2u ) + 0, ( 0) = m m3 = 0,6.1,2 2. 2u 2 3 = 1,2 u2 3 ( u2 ) 1, u2 m 2 = 2 m ( u ) =,6m ( u + u ) + 0,m ( u u ) = ( 2u ) + 0, ( 0) = m2 = 0,6.1,2 3. 2u 1 = 1,2 u1 ( u1 ) 1, u1 m 1 = 2 Onde d 1( u1 ) = u1, d 2 ( u2 ) = u2, d 3( u3 ) = u3 e ( u ) u óptimo esperado é ( 3) = 1,2.3 6, 2208 m 1 = d =. Assim, o resultado Obtido pelo investimento de todas as unidades disponíveis ao processo em cada ano. Note-se que uma tal política óptima pode resultar - Em 8 unidades ao fim de anos, se todos os investimentos forem duplicados, - Em 0 unidades ao fim de anos, se pelo menos um investimento é completamente perdido. 6
7 Assim, o resultado esperado desta política é Sendo ( 8)( 0,6) + 01 ( 0,6) [ ] = 6, ( 0,6) A probabilidade de todos os investimentos terem sucesso, - 1 ( 0,6) A probabilidade de que pelo menos um investimento falha. Ainda outro exemplo Resolva o problema anterior mas, agora, com outro obectivo: - O de maximizar a probabilidade acumulada de se obter um resultado de 5 (mil) unidades durante anos, pelo menos. Agora este novo problema não se refere ao valor esperado do resultado, mas sim à probabilidade de que os resultados seam de um certo montante. Por exemplo, se o investidor adopta a política de investir todas as unidades em cada estágio, como foi mostrado no problema anterior, a probabilidade de que ele termine com 5 ou mais unidades é ( 0,6) = 0, A questão é: - Pode este valor ser melhorado pela escolha de outra política (melhor)? Os estados e estágios foram definidos no Problema anterior. Façamos - E Acontecimento que termina o processo com 5 ou mais unidades, - m ( u ) Probabilidade de E, dado que o estado no estágio é u e uma política óptima é seguida do estágio em diante, - d ( u ) Montante investido no estágio que gera ( u ) m. Se x unidades, x = 0,1,...,u, são investidas no estágio, então, de acordo com o Problema anterior - P( u = u + ) x = 0,, - P( u = u ) + 1 x = 0,. 7
8 Agora, a expressão 0,6m ( u x) + 0, m ( u x) Representa - A probabilidade de E dado u para a decisão x, e uma extensão óptima para o estágio + 1. Então, m ( u ) máximo [,6m ( u + x) + 0,m ( u x) ] = , = 1,2, 3. x= 0,1,..., u Formalmente esta é uma equação com diferenças idêntica à obtidano Problema anterior. Mas, uma nova condição de fronteira (final) é pertinente agora. Tendo em conta o resultado da decisão final de investimento, temos: m ( u ) = máximo [,6P( u + x 5) + 0,P( u x 5) ] = máx[ F + G] 0 x= 0,1,..., u x 8
9 De acordo com esta figura obtemos para m ( u ) m ( u ) 0, = 0,6 1 u = 0,1,2 u = 3, u = 5,6,2 Onde d ( u ) 0, 2, = 1, 0, u u = 0,1,2,... u u = 3 = = 5,6,...,2 d u o menor investimento óptimo. A tabela seguinte Indicando-se para ( ) m ,6 0, ( ) u ( ) u d ( ) 3 u 3 m 0 0 0,36 0,6 0, ( ) 3 u 3 d ( ) 2 u 2 m 0 0,216 0,50 0,68 0,8 1 1 ( ) 2 u 2 d ( ) 1 u 1 m 0,7056 ( ) 1 u 1 d 1 Apresenta a solução da condição de óptimo sueito a estas condições finais. De d é usado no acontecimento. novo, apenas o menor ( ) u O preenchimento de ( u ) m ( u ) e d ( u ) determinados. - m 3( u 3 ) e 3 ( u 3 ) d. m e ( ) Partimos de,6m ( u x) + 0, m ( u x) d u é evidente e segue de imediato dos , u 3 = 0,1,..., 12, x = 0,1,..., u3. 9
10 Assim, u 3 = 0 ( x) + 0,m ( x), x = 0 Ou 0, ,m 0 = 0,6 + 0, 0 = m 3 ( 0) = 0 ; d 3 ( 0) = 0 ( ) ( ) ( ) 0 m. u ( ) ( ) 0, 1 3 = 1 0,6 1+ x + 0,m 1 x, x = ( 1) + 0,m ( 1) = 0 ( 2) + 0,m ( 0) = 0 m 3 ( 1) = 0 ; d 3 ( 1) = 0 m. u 3 = 2 ( 2 + x) + 0,m ( 2 x), x = 0,1, 2. ( 2) + 0,m ( 2) = ,m 1 = 0,6 0,6 + 0, 0 = + 0,m 0 = 0,6 0,6 + 0, 0 = m 3 ( 2) = 0, 36 ; d 3 ( 2) = 1 ( ) ( ) 0, 36 ( ) ( ) 0, 36 u 3 = 3 ( 3 + x) + 0,m ( 3 x), x = 0,1,2, ,m 3 = 0,6 0,6 + 0, 0,6 = + 0,m 2 = 0, 0,6 + 0, 0 = ( 5) + 0,m ( 1) = 0, 1+ 0, 0 = 0, ( 6) + 0,m ( 0) = 0, 1+ 0, 0 = 0, m 3 ( 3) = 0, 6; d 3 ( 3) = 0 ( ) ( ) 0, 60 ( ) ( ) 0, 2 u 3 = ( + x) + 0,m ( x), x = 0,1,2,3,. ( ) + 0,m ( ) = 0,6 0,6 + 0, 0,6 = 0, ,m 3 = 0,6 1+ 0, 0,6 = 0,6 + 0,2 = ( 6) + 0,m ( 2) = 0,6 1+ 0, 0 = 0, 6 ( 7) + 0,m ( 1) = 0,6 1+ 0, 0 = 0, 6 ( 8) + 0,m ( 0) = 0,6 1+ 0, 0 = 0, 6 m 3 ( ) = 0, 8 ; d 3 ( ) = 1 ( ) ( ) 0, 8 10
11 u ( ) ( ) 0,1,2,3,, 5 3 = 5 0,6 5 + x + 0,m 5 x, x = ( 5) + 0,m ( 5) = 0,6 + 0, = ,m = 0,6 + 0, 0,6 = 7 + 0,m 3 = 0,6 + 0, 0 = 0, 8 + 0,m 2 = 0,6 + 0, 0 = 0, 9 + 0,m 1 = 0,6 + 0, 0 = 0, ,m 0 = 0,6 + 0, 0 = m 3 ( 5) = 1; d 3 ( 5) = 0 m. ( ) ( ) 0, 8 ( ) ( ) 8 ( ) ( ) 6 ( ) ( ) 6 ( ) ( ) 0, 6 E, assim sucessivamente. Assim, a probabilidade máxima acumulada de se obter pelo menos 5 unidades em quatro anos é 0,7056. Assim, - No estágio 1 em que o estado é 3 deve investir-se 1 unidade. Chega-se ao estágio 2 com unidades com probabilidade 0,6 ou com 2 unidades com probabilidade 0,. - No estágio 2 Se se estiver no estado não se deve investir nada chegando-se ao estágio 3 com unidades com probabilidade 1, Se se estiver no estado 2 deve investir-se tudo chegando-se ao estágio 3 com unidades com probabilidade 0,6 ou com 0 unidades com probabilidade 0,. - No estágio 3 Se se estiver no estado deve investir-se 1 unidade chegando-se ao estágio com 5 unidades com probabilidade 0,6 ou com 3 unidades com probabilidade 0,, Se se estiver no estado 0 obviamente não há nada para investir e chegase ao estágio com 0 unidades. - No estágio Se se estiver no estado 5 nada se deve investir chegando-se ao fim do processo com 5 unidades, Se se estiver no estado 3 devem investir-se 2 unidades chegando-se ao fim do processo com 5 unidades com probabilidade 0,6 ou com 1 unidade com probabilidade 0,, Se se estiver no estado 0 obviamente não há nada para investir e chegase ao fim do processo com 0 unidades. 11
12 Esquematicamente Assim, no fim do processo podemos estar nos estados 5, 1 ou 0. Calculemos as respectivas probabilidades - 5 ( 0,6 1+ 0, 0,6)( 0,6 1+ 0, 0,6) = ( 0,8)( 0,8) = 0, ( 0,6 1+ 0, 0,6)( 0, 0,) = ( 0,8)( 0,16 ) = 0, 13-0 ( 0,)( 0,)( 1)( 1) = 0, 16 E 0, ,13 + 0,16 = 1 Mais um exemplo Um fabricante de plataformas espaciais para a NASA tem capacidade para produzir no máximo 2 plataformas por ano. Demora-se um ano completo para fabricar uma plataforma, mas como a NASA não faz pedidos antes de Julho, para entregar em Dezembro, o fabricante deve estabelecer a escala de produção antes mesmo de conhecer a procura exacta. Esta procura será de uma plataforma com probabilidade 0,6 ou de duas com probabilidade 0,. Um pedido de plataforma não satisfeito incorre numa multa de 1,5 milhões de dólares e deve ser entregue no ano seguinte tendo prioridade sobre quaisquer novos pedidos. Os custos de produção são função do número de plataformas fabricadas, com o custo de uma plataforma fixado em 10 milhões de dólares e o de duas em 19 milhões de dólares. Uma superprodução pode ser armazenada para uma 12
13 entrega futura, a um custo de 1,1 milhões de dólares por plataforma ao ano, sendo limitada no máximo a 1 plataforma. Determine uma escala de produção para os três anos seguintes que maximizará o custo total esperado, sendo o stock actual de zero plataformas. Podemos considerar que estamos perante um processo de estágios, representando os estágios 1,2 e 3 os próximos 3 anos, respectivamente, num plano digamos horizontal e o estágio representa a produção atrasada de pedidos de plataformas não entregues no ano 3. Os estados são os stocks possíveis no começo de cada estágio: variam entre um mínimo de -2 (representando duas plataformas pedidas mas não entregues) até um máximo de1. Seam u -número de plataformas em stock ( u = 2, 1,0,1 ), m ( u) -custo mínimo esperado pela complementação do processo iniciado no estágio no estado u, d ( u) -produção no estágio que gera ( u) D -procura anual P [ D = 1 ] = 0, 6 [ D = 2 ] = 0, P, m, f ( x) -custo de produção anual de x plataformas Se a firma inicia o estágio, = 1,2, 3 com u = 0, 1 plataformas em stock e decide produzir x ( x = 0,1,2 ) plataformas adicionais nesse estágio, ela incorre num custo de 1,1u pelo seu stock e num custo f ( x) pela produção de novas plataformas, com uma despesa anual de ( x) 1, u f + 1. O número de plataformas, total, disponíveis para entrega no fim do ano é O que deixa u + x u + x D Plataformas disponíveis para o estágio seguinte. 13
14 O custo mínimo de conclusão do processo neste ponto é ( u + x D) m +1. Como D = 1 com probabilidade 0,6 e D = 2 com probabilidade 0,, o custo esperado mínimo para a conclusão do estágio + 1 é ( u + x 1) + 0,( u + 2) 1. + x Portanto, o custo esperado mínimo para a conclusão do estágio é o mínimo, em relação a x de 1,1 u + f ( x) + + 1( u + x 1) + 0,m + 1( u + x 2) ou sea: m [ ] ( u),1u + mín f ( x) + ( u + x 1) + 0,m ( u + x 2) = x= 0,1,2 Vamos pôr, para á, m ( ) = + M 3 para qualquer., u = 0, 1 e = 1,2, 3. Se a firma inicia o estágio com u = 2 ou u = 1, então estará com um deficit de produção de u plataformas do estágio anterior, e estará sueita a uma multa de 1,5u. Uma decisão de produzir x plataformas, onde x deve ser no mínimo igual a u para colmatar o deficit anterior, resulta num custo de f x. O custo final para a companhia no estágio é produção de ( ) ( x) 1, u f 5 Continuando a análise nos mesmos moldes que para u = 0 e u = 1 obtemos a fórmula recorrente m ( u) = 1,5u + min [ f ( x) + + 1( u + x 1) + 0,m + 1( u + x 2) ], Onde x= u,...,2 u = 2, 1 e = 1,2, 3. Vamos pôr f ( 1 ) = + M. m Podemos ter então uma relação única: [ ] ( u) g( u) + f ( x) + ( u + x 1) + 0,m ( u + x 2) = + x= u,...,2 min ,1 u, u 0 = 1,2,3 Onde g ( u) =. 1,5u, u < 0, u = 2, 1,0, 1 E 1
15 A solução generalizada desta equação, estendida a = com a condição m u, é dada na tabela seguinte: final ( ) 0 5 = u m 22 11,5 0 1,1 ( u) ( u) d ( u) m 3 37,7 25,1 1,6 5,7 d 3 ( u) m 2 ( u) 52,1 39,3 28,26 19,9 d 2 ( u) ( u) ( u) m 1 2,2 d 1 2 Níveis de Stock Anos O custo esperado mínimo é de 2,2 milhões de dólares, conseguido através da política óptima mostrada na tabela imediatamente acima: Alguns exemplos de cálculo: m ( ) = g( 2) + min[ f ( x) + ( x 3) + 0,m ( ) ] = x x= 2 = 3 + f ( 2) + ( 1) + 0,m ( 2) = ; d ( 2) = 0 0 = m ( ) = g( 1) + min [ f ( x) + ( x 2) + 0,m ( 3) ] = x x= 1,2 = 1,5 + min x= 1,2 [ f ( x) ] = 1,5 + min{ 10,19} = 11,5; d ( 1) 1 = 15
16 m ( ) = g( 1) + min [ f ( x) + ( x 2) + 0,m ( 3) ] = 3 1 x x= 1,2 { 10 + ( 1) + 0,m ( 2),19 + ( 0) + 0, ( )}= = 1,5 + min m 1 { ,6 11,5 + 0, 22;19 + 0, , 11,5} 25, 1 = 1,5 + min = Ainda mais um exemplo Um decreto presidencial reduziu o número de candidatos a vice-presidente para três. Cada um dos três candidatos seria ulgado numa escala de 1 (menor) a 10 (maior); o candidato 1 recebeu 10 pontos, o candidato 2 recebeu 8 pontos e o candidato 3 5 pontos. A probabilidade de o candidato i, i = 1,2, 3, aceitar a - ésima, = 1,2, 3, oferta par concorrer à vice-presidência (considerando que as primeiras 1 ofertas a outros candidatos foram reeitadas) é designada por p i, sendo Por que ordem poderiam os três potenciais candidatos ser oferecidos à nomeação vice-presidencial se o decreto presidencial maximizar o número esperado de pontos? Supõe-se que nenhuma pessoa é requisitada mais do que uma vez e que, de cada vez que um candidato reeita, um outro é requisitado, até que pelo menos um tenha aceite ou todos tenham reeitado. Temos assim um processo de três estágios, representando o estágio a - ésima posição na ordem de requisição. Os estados são a lista de pessoas ainda não requisitadas. O estágio 1 só pode ter o estado único O estágio 2 tem três estados 11 = { 1,2,3 } U. U { 1,2} U { 1,3} { 2,3} 21 = E o estágio 3 tem três estados 22 = U 23 =. U { 1} U { 2} { 3} 31 = p11 = 0,5 p21 = 0,9 p31 = 1 p12 = 0,2 p22 = 0,5 p32 = 0,8 32 = p13 = 0 p23 = 0,2 p33 = 0, U 33 =. 16
17 á que Seam - m ( U k ) O número máximo esperado de pontos conseguidos, começando no estágio no estado nos estágios anteriores, U k, dado que não houve nenhuma aceitação - d ( U k ) Candidato requisitado no estágio de forma a obter-se m ( U k ) (isto é: decisão), - V i Valor em pontos do candidato i. Para este problema, a fórmula de recorrência é m ( U ) = máx { V p + ( p ) m ( U { i}) } k i i 1 i + 1 k \ i U k - Se no estágio o candidato i é requisitado e aceita, o valor é V i ; se reeita, a melhor forma de continuar é a partir do estado constituído pelos candidatos que ainda não foram requisitados. A fórmula dada fica restringida a = 1,2, 3 Portanto, Estágio 3 m ( U ) = 10( 0) 0; d ( U ) = 3 31 = m ( U ) = 8( 0,2) 1, 6; d ( U ) = 3 32 = m ( U ) = 5( 0,) 2, 0; d ( U ) = Estágio = se impusermos que ( U ) 0 m ( U ) máx{ 10( 0,2) + ( 1 0,2) m ( U ),8( 0,5) + ( 1 0, ) m ( U )} = 2 21 = = máx { 2 + ( 0,8)( 1,6),7, + ( 0,5)( 0) } = ; d ( U ) = m. = 17
18 m ( U ) máx{ 10( 0,2) + ( 1 0,2) m ( U ),5( 0,8) + ( 1 0, ) m ( U )} = 2 22 = = máx { 2 + ( 0,8)( 2,0), + ( 0,2)( 0) } = ; d ( U ) = m ( U ) máx{ 8( 0,5) + ( 1 0,5) m ( U ),5( 0,8) + ( 1 0, ) m ( U )} = Estágio = = máx { + ( 0,5)( 2), + ( 0,2)( 1,6) } = 5 ; d ( U ) = m ( U ) máx{ 10( 0,5) + ( 1 0,5) m ( U ),8( 0,9) + ( 1 0,9) m ( U ),5( 1) + ( 1 ) m ( U )} = 1 11 = = máx { 5 + ( 0,5)( 5 );7,2 + ( 0,1)( ) ;5 + 0( ) } = 7, 6 ; d ( U ) = A política óptima é requisitar o candidato 2 primeiro; se ele reeitar, então requisitar o candidato 3; e se este reeitar, então requisitar o candidato 1. O número esperado de pontos para tal política é 7,6. 18
Atualmente uma das maiores preocupações do Sr. Macedo é com o nível de estoque do coco
1 GERENCIANDO SISTEMAS DE ESTÁGIO ÚNICO O Caso do Quiosque O CASO DO QUIOSQUE O Sr. Macedo possui autorização da prefeitura do Rio de Janeiro para explorar comercialmente um particular quiosquenaorladacidadeondeo
Leia maisEstruturando o Fluxo Puxado O Caso do Quiosque
1 O CASO DO QUIOSQUE GERENCIANDO SISTEMAS DE ESTÁGIO ÚNICO O Caso do Quiosque O Sr. Macedo possui autorização da prefeitura do Rio de Janeiro para explorar comercialmente um particular quiosque na orla
Leia maisProgramação Dinâmica Determinística
Programação Dinâmica Determinística Processos de Decisão Mltiestágios Um processo de decisão mltiestágios é m processo qe pode ser desdobrado segndo m certo número de etapas seqênciais, o estágios, qe
Leia maisCapítulo 15 Métodos de Avaliação Econômica de Investimentos
ANÁLISE Financeira Capítulo 15 Métodos de Avaliação Econômica de Investimentos Introdução Os métodos de análise de investimentos dividem-se em dois grandes segmentos: 1 Modelos quantitativos de análise
Leia maisMestrado em Gestão de Empresas 2009/2010. Edição em Cabo Verde - Colaboração com o ISCEE
Mestrado em Gestão de Empresas 2009/2010 Edição em Cabo Verde - Colaboração com o ISCEE Unidade Curricular: Métodos Quantitativos (Data analysis, Modelling and Research) TRABALHO Nº 1 1. Uma empresa encara
Leia maisProblemas de Fluxos em Redes
Investigação Operacional Problemas de Fluxos em Redes Slide Transparências de apoio à leccionação de aulas teóricas Problemas de fluxos em redes Rede: Conjunto de pontos (vértices) ligados por linhas ou
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Aula 3 Definição de Problemas de Optimização (Prática) Construção de um modelo matemático de PL. Programação Matemática(PM) e Programação Linear(PL). Exemplos clássicos de PL. 2 Problema 3.1 Uma empresa
Leia maisA = Utilizando ponto flutuante com 2 algarismos significativos, 2 = 0, x (0)
MAP 22 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Sistemas Lineares : Utilizando o método de eliminação de Gauss, calcule o determinante e a seguir a inversa da matriz abaixo. Efetue todos os
Leia mais5. Formulação Matemática do Modelo
5. Formulação Matemática do Modelo 5.1. Descrição do Problema O problema do gerenciamento de ativos e passivos de um investidor comum pode ser representado por um modelo complexo de programação linear
Leia maisINTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... ANÁLISE DE VARIÂNCIA. Departamento de Matemática ESTV.
INTRODUÇÃO Exemplos Para curar uma certa doença existem quatro tratamentos possíveis: A, B, C e D. Pretende-se saber se existem diferenças significativas nos tratamentos no que diz respeito ao tempo necessário
Leia maisInvestigação Operacional 2005/06 Ficha 6 Teoria da Dualidade e Problema de Transportes
Investigação Operacional 2005/06 Ficha 6 Teoria da Dualidade e Problema de Transportes Departamento de Engenharia Civil Secção de Planeamento do Território e Ambiente 1. Problema da Pedreira III A empresa
Leia maisProgramação Dinâmica (Determinística)
Programação Dinâmica (Determinística) 7. Um projecto constituído por três fases sequenciais tem que estar concluído em em dez dias. O número de dias necessário para completar cada uma das fases depende
Leia maisProgramação Linear. Rosa Canelas 2010
Programação Linear Rosa Canelas 2010 Problemas de Optimização São problemas em que se procura a melhor solução (a que dá menor prejuízo, maior lucro, a que é mais eficiente, etc.) Alguns destes problemas
Leia maisx 2 (75;25) (50;40) x 1 Sendo a resposta (50;40).
Universidade de Brasília Departamento de Economia Disciplina: Economia Quantitativa II Professor: Carlos Alberto Período: 2/2013 Quarta Prova Questões 1. Um banco dispõe de R$ 100 milhões para outorgar
Leia maisA prova é constituída por duas partes, sendo a 1ª parte de questões de escolha múltipla e a
Licenciatura em Economia MICROECONOMIA II EXAME DE 1ª ÉPOCA 06/07/2009 A Antes de iniciar o teste, leia atentamente as observações que se seguem: A duração da prova é de 2 horas; A prova é constituída
Leia maisProgramação Matemática /2011
Programação Matemática - 2010/2011 Ficha de exercícios n o 1 Exercício 1 Resolva o seguinte problema de optimização por metas: min Z = s + 1 ; s 2 ; s 3 + s+ 3 s.a x 1 + 2x 2 +s 1 s + 1 = 20 4x 1 x 2 +s
Leia mais6ª Lista de Probabilidade I Professor: Spencer
6ª Lista de Probabilidade I Professor: Spencer 1) Em um determinado processo de fabricação, 10% das peças são consideradas defeituosas. As peças são acondicionadas em caixas com 5 unidades cada uma, Pergunta-se:
Leia maisPesquisa Operacional. Prof. José Luiz
Pesquisa Operacional Prof. José Luiz Prof. José Luiz Função Linear - Introdução O conceito de função é encontrado em diversos setores da economia, por exemplo, nos valores pagos em um determinado período
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Não Linear com Restrições Aula 30: Programação Não-Linear - Funções de Várias Variáveis com Restrições (Prática) Ponto Regular; Multiplicadores de Lagrange e Condições Necessárias; Condições
Leia maisMINUTA PLANO DE PARTICIPAÇÃO PARA TODOS OS FUNCIONÁRIOS (GESP) GUIA SOBRE TRIBUTAÇÃO DOS PARTICIPANTES BRASIL
MINUTA PLANO DE PARTICIPAÇÃO PARA TODOS OS FUNCIONÁRIOS (GESP) GUIA SOBRE TRIBUTAÇÃO DOS PARTICIPANTES BRASIL 1 INTRODUÇÃO A Telefónica S.A. (daqui por adiante Telefónica) planeja implementar o ciclo para
Leia maisUniversidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº4 Pós-Optimização e Análise de Sensibilidade
Ano lectivo: 2008/2009 Universidade da Beira Interior Departamento de Matemática INVESTIGAÇÃO OPERACIONAL Ficha de exercícios nº4 Pós-Optimização e Análise de Sensibilidade Cursos: Gestão e Economia 1.
Leia maisProblemas 1. Determine o valor esperado das seguintes variáveis aleatórias: a. A varável aleatória definida no Probl. 4.1.
Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 7 Caracterização Adicional de Variáveis Aleatórias. Problemas 1. Determine o valor esperado das seguintes variáveis aleatórias: a.
Leia maisMatemática. C. Requejo (UA) Métodos de Investigação Operacional MIO / 34
Modelação em Programação Matemática C. Requejo (UA) Métodos de Investigação Operacional MIO 2016-2017 1 / 34 Modelação de problemas simples Problema da compra de bilhetes Nas próximas 5 semanas vou, de
Leia mais1 Pay Back 2 Pay Back O período de recuperação é um critério de avaliação de projecto que atende apenas ao período de tempo que o projecto leva a recuperar o capital investido. Qualquer projecto de investimento
Leia maisPesquisa Operacional Aula 3 Modelagem em PL
Pesquisa Operacional Aula 3 Modelagem em PL Prof. Marcelo Musci aula@musci.info www.musci.info Programação Linear Programação Linear: Preocupação em encontrar a melhor solução para problemas associados
Leia maisCaso Torre de arrefecimento
Caso Torre de arrefecimento Uma central de produção de energia eléctrica possui várias torres de arrefecimento da água que circula os condensadores de vapor dos vários grupos. Cada torre possui 8 células
Leia maisMais Exercícios sobre Equações. Sétimo Ano do Ensino Fundamental. Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antônio Caminha Muniz Neto
Material Teórico - Módulo de EQUAÇÕES E INEQUAÇÕES DO PRIMEIRO GRAU Mais Eercícios sobre Equações Sétimo Ano do Ensino Fundamental Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antônio Caminha Muniz
Leia maisEAD 350 Pesquisa Operacional Aula 01 Parte 2
EAD 350 Pesquisa Operacional Aula 01 Parte 2 Profa. Daielly M. N. Mantovani Profa. Adriana Backx Noronha Viana Prof. Cesar Alexandre de Souza daielly@usp.br FEA/USP Elaboração de Modelos de PO Definição
Leia maisEAD 350 Pesquisa Operacional Aula 01 Parte 2
EAD 350 Pesquisa Operacional Aula 01 Parte 2 Prof. Adriana Backx Noronha Viana (Material: Prof. Cesar Alexandre de Souza) backx@usp.br FEA/USP Problema... Vocês foram contratados pela Wyndor Glass Company
Leia maisVERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE ORGANIZAÇÕES PROCESSO SELETIVO DOUTORADO - TURMA 20 VERSÃO
Leia maisControle Ótimo - Aula 2 (Exemplos 2, 3 e 4)
Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Sistemas dinâmicos discretos no tempo O Problema
Leia maisInvestigação Operacional
Investigação Operacional Licenciatura em Gestão 3.º Ano Ano Lectivo 2013/14 Programação Linear Texto elaborado por: Maria João Cortinhal (Coordenadora) Anabela Costa Maria João Lopes Ana Catarina Nunes
Leia maisEXAME NACIONAL DO ENSINO SECUNDÁRIO MATEMÁTICA A PROVA MODELO N.º 2 PROPOSTA DE RESOLUÇÃO 12.º ANO DE ESCOLARIDADE
EXAME NACIONAL DO ENSINO SECUNDÁRIO MATEMÁTICA A PROVA MODELO N.º 2 PROPOSTA DE RESOLUÇÃO 12.º ANO DE ESCOLARIDADE Site: http://recursos-para-matematica.webnode.pt/ Facebook: https://www.facebook.com/recursos.para.matematica
Leia maisPESQUISA OPERACIONAL. Fabiano F. T. dos Santos. Instituto de Matemática e Estatística
PESQUISA OPERACIONAL Fabiano F. T. dos Santos Instituto de Matemática e Estatística Dualidade em Programação Linear Todo problema de programação linear, que chamaremos de primal, traz consigo um segundo
Leia maisTeoria da Decisão. Rev.1)Vendedor ambulante de camisas esportivas: Paulo Lobo
Teoria da Decisão Rev.1)Vendedor ambulante de camisas esportivas: Teoria da Decisão Custo: $ 10 Preço: $ 35 Perda: 30 % Custos Fixos: $ 1.000 por dia Camisas não vendidas, Preço: $ 2/Unidade(Devolução)
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia maisTécnicas de Planeamento e Gestão. Folha nº. 1 Introdução à Programação Linear 2007/08
Técnicas de Planeamento e Gestão Folha nº. 1 Introdução à Programação Linear 2007/08 1- A fábrica de gelados Derretem-se na Boca SARL fabrica duas qualidades de gelados: cassata de nozes (C) e pistachio
Leia maisCAPÍTULO 4. Teoria da Dualidade
CAPÍTULO 4 1. Introdução Uma dos conceitos mais importantes em programação linear é o de dualidade. Qualquer problema de PL tem associado um outro problema de PL, chamado o Dual. Neste contexto, o problema
Leia maisIntrodução Generalização
Cálculo 2 - Capítulo 2.9 - Derivação implícita 1 Capítulo 2.9 - Derivação implícita 2.9.1 - Introdução 2.9.3 - Generalização 2.9.2 - Derivação implícita Veremos agora uma importante aplicação da regra
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 15. Dualidade Interpretação económica. Problema dual: preços sombra e perdas de oportunidade. Propriedade dos desvios complementares 2 Formulação do Problema de PL em termos
Leia maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avaliação de Empresas RISCO E RETORNO Aula 2 Retorno Total É a variação total da riqueza proporcionada por um ativo ao seu detentor. Fonte: Notas de Aula do Prof. Claudio Cunha Retorno Total Exemplo 1
Leia maisPesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear
Pesquisa Operacional Introdução à Pesquisa Operacional Programação Linear 1 Sumário Modelagem e limitações da Programação Linear. Resolução Gráfica. Forma padrão de um modelo de Programação Linear. Definições
Leia maisInvestigação Operacional
Ano lectivo: /6 Universidade da Beira Interior - Departamento de Matemática Investigação Operacional Ficha de exercícios n o Pós-Optimização e Análise de Sensibilidade Cursos: Gestão e Economia. Uma fábrica
Leia maisPESQUISA OPERACIONAL - LISTA DE EXERCÍCIOS 1
PESQUISA OPERACIONAL - LISTA DE EXERCÍCIOS 1 Modelar por programação linear e resolver os problemas propostos nesta lista. 1. Uma certa agroindústria do ramo alimentício tirou de produção uma certa linha
Leia maisANPAD CURSO QUANTITATIVO I
01. No sistema a 2b + c = 1 a + c = 3 o valor de b é a + b 2c = 2 a) 2 b) 1 c) 0 d) 1 e) 2 02. Se m homens fazem um trabalho em d dias, então m + n homens farão o mesmo trabalho, nas mesmas condições,
Leia maisInvestigação Operacional
Licenciatura em Engenharia Electrotécnica e de Computadores Investigação Operacional Recurso 2004.02.09 Duração: 2 horas Nome: Teórica Responda a cada afirmação com (V) Verdadeira ou (F) Falsa. Por cada
Leia maisExercícios de Aprofundamento Matemática Funções Quadráticas
1. (Espcex (Aman) 015) Um fabricante de poltronas pode produzir cada peça ao custo de R$ 00,00. Se cada uma for vendida por x reais, este fabricante venderá por mês (600 x) unidades, em que 0 x 600. Assinale
Leia maisAula 03: Algoritmo Simplex (Parte 2)
Aula 03: Algoritmo Simplex (Parte 2) Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Slides baseados no material de Haroldo Gambini Previously... Aula anterior:
Leia maisFaculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu
1 Aula 3 Definição de Problemas de Investigação Operacional (Prática) Construção de um modelo matemático de PL. Programação Matemática(PM) e Programação Linear(PL). Exemplos clássicos de PL. 2 Problema
Leia maisAs restrições acima, sobre, são equivalentes a e. Combinandoas, poderemos escrever.
Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 4 Variáveis Aleatórias Unidimensionais. Exemplo 4.9. Ao operar determinada máquina, existe alguma probabilidade de que o operador
Leia maisPROF. ARTHUR LIMA ESTRATÉGIA CONCURSOS
PROF. ARTHUR LIMA ESTRATÉGIA CONCURSOS FCC ISS/SÃO LUIS 2018) A rotina de treinamento de um maratonista é composta de ciclos consecutivos de cinco dias. Nos três primeiros dias, ele realiza treinos diversificados,
Leia maisTópicos Especiais em Computação I
Tópicos Especiais em Computação I Pesquisa Operacional Exercícios (Simplex) Prof. Fabio Henrique N. Abe Fabio.henrique.abe@gmail.comd Método Simplex Desenvolvido por George Dantzig em 1947 É um procedimento
Leia maisExercícios de Transportes Enunciados
Capítulo 3 Exercícios de Transportes Enunciados Enunciados 49 Problema 1 Três reservatórios, com capacidades diárias de 15, 20 e 25 milhões de litros de água, abastecem 4 cidades com consumos diários de
Leia maisEXERCICIOS SOBRE: TEORIA DO PRODUTOR VIII Teoria da produção (analise em período curto)
EXERCICIOS SOBRE: TEORIA DO PRODUTOR VIII Teoria da produção (analise em período curto) Exercício Nº 1 Defina e caracterize os seguintes conceitos: a) Função produção É uma relação técnica entre os factores
Leia maisO que é controle de contas a pagar
O que é controle de contas a pagar Um controle de contas a pagar serve para anotar e projetar todas as despesas de uma empresa, desde pagamentos futuros, contas parceladas e valores que apesar de não estarem
Leia maisUNIVERSIDADE CATÓLICA PORTUGUESA. Microeconomia
UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Ciências Económicas e Empresariais Microeconomia Licenciaturas em Administração e Gestão de Empresas e em Economia Ano lectivo 006-007 Fernando Branco º Semestre
Leia maisNesse artigo falaremos sobre:
Este conteúdo faz parte da série: Estudo de Viabilidade Econômica Ver 8 posts dessa série Nesse artigo falaremos sobre: O que é custo de oportunidade Exemplo de custo de oportunidade em uma planilha de
Leia maisMATEMÁTICA FINANCEIRA
MATEMÁTICA FINANCEIRA JUROS SIMPLES 1- INTRODUÇÃO Nos preços de vendas de objetos expostos em vitrinas de lojas, geralmente se observam cartazes com dizeres do tipo: R$ 2400,00 à vista ou em 6 prestações
Leia maisFaculdade de Ciências Económicas e Empresariais. CURSO DE ADMINISTRAÇÃO E GESTÃO DE EMPRESAS Ano Lectivo 2008/09 2º Semestre Mini Teste Teórico
UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Ciências Económicas e Empresariais CURSO DE ADMINISTRAÇÃO E GESTÃO DE EMPRESAS Ano Lectivo 2008/09 2º Semestre DISCIPLINA: FINANÇAS II 3º ANO I (60 min.) 1.
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera 2 o Sem./17 MODELOS DISCRETOS. 1. Seja X o número de caras obtidas
Leia maisINSTITUTO SUPERIOR TÉCNICO GESTÃO E TEORIA DA DECISÃO GESTÃO DE PROJECTOS EXERCÍCIOS ANO LECTIVO 2006/2007 1º SEMESTRE
INSTITUTO SUPERIOR TÉCNICO GESTÃO E TEORIA DA DECISÃO (LICENCIATURA EM ENGENHARIA CIVIL) (LICENCIATURA EM ENGENHARIA DO TERRITÓRIO) EXERCÍCIOS ANO LECTIVO 2006/2007 1º SEMESTRE 1 - Um empreendimento é
Leia maisDecisões Sequenciais Árvores de Decisão
Teoria da Decisão Decisão Uni-Objectivo Decisões Sequenciais Árvores de Decisão Árvores de Decisão Uma Árvore de Decisão é uma forma gráfica que se utiliza para representar um conjunto de decisões sequenciais,
Leia maisEXERCÍCOS DES TESTES/EXAMES DE ANOS ANTERIORES (LEGI-IST-JRF)
EXERCÍCOS DES TESTES/EXAMES DE ANOS ANTERIORES (LEGI-IST-JRF) 1. Nero, o Imperador romano, num momento de inspiração resolveu promover um jantar para eliminar os seus melhores inimigos. Após consultar
Leia maisBernardo Kulnig Pagnoncelli 1 e Humberto José Bortolossi 2
Uma Introdução à Otimização sob Incerteza Bernardo Kulnig Pagnoncelli 1 e Humberto José Bortolossi 2 1 Departamento de Matemática Pontifícia Universidade Católica do Rio de Janeiro 2 Departamento de Matemática
Leia maisConteúdo Programático
1 Teoria Microeconômica I Prof. Salomão Neves 2 Conteúdo Programático 4ª Avaliação Estruturas de mercado O oligopólio 3 Referências VARIAN, Hal. Microeconomia: Uma abordagem moderna. 8.ed. Rio de Janeiro:
Leia maisProcessos Estocásticos
Licenciatura em Matemática Aplicada e Computação PROCESSOS ESTOCÁSTICOS 2002/03 Colectânea de Exercícios Capítulo 1 Introdução aos Processos Estocásticos Exercício 1.1 O número de sinais emitidos por uma
Leia maisECONOMIA DAS ORGANIZAÇÕES EXERCÍCIOS DE PROVAS ANTERIORES TMST L.
ECONOMIA DAS ORGANIZAÇÕES EXERCÍCIOS DE PROVAS ANTERIORES 1. A função de produção de determinado produto tem a expressão Q = 100L. Sendo o custo do capital $120 por dia e o do trabalho $30 por dia, qual
Leia maisFaculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu
1 Aula 2 Definição de Problemas de Investigação Operacional Construção de um modelo matemático de PL. Programação Matemática(PM) e Programação Linear(PL). Exemplos clássicos de PL. 2 Problemas de Investigação
Leia maisINSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA INVESTIGAÇÃO OPERACIONAL
INSTITUTO POLITÉCNICO DE SETÚBL ESCOL SUPERIOR DE TECNOLOGI DEPRTMENTO DE MTEMÁTIC INVESTIGÇÃO OPERCIONL TESTE CURSOS: EMP, EEM e EME 2005/2006 Data: 4 de Novembro de 2005 Duração: 19:0 às 21:0 Instruções:
Leia maisFMU Administração de Empresas Pesquisa Operacional Prof. Marcos José Traldi
Com a finalidade de mostrar como decisões do dia-a-dia das empresas poderiam ser facilitadas com a utilização de modelos simulados em uma planilha eletrônica. Uma forma de facilitar o processo de modelagem
Leia maisCENTRO UNIVERSITÁRIO PADRE ANCHIETA Matemática Financeira / Ciências Contabeis Prof. Milton Monteiro PORCENTAGEM OPERAÇÕES SOBRE MERCADORIAS
PORCENTAGEM OPERAÇÕES SOBRE MERCADORIAS Estudaremos agora a aplicação da porcentagem às operações de compra e venda de mercadorias, isto é, vamos aprender a fazer cálculos de lucro ou prejuízo sobre os
Leia maisProgramação Linear. (1ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016
Programação Linear (1ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Introdução O modelo de programação linear: Problema de minimização Exemplo Formalização Problema
Leia maisTeoria Microeconômica I Prof. Salomão Neves 05/02/17
1 Teoria Microeconômica I Prof. Salomão Neves 2 Conteúdo Programático 4ª Avaliação Estruturas de mercado O oligopólio 3 Referências VARIAN, Hal. Microeconomia: Uma abordagem moderna. 8.ed. Rio de Janeiro:
Leia maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.2 Oligopólio em Preços (Bertrand)
Microeconomia II Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 2.2 Oligopólio em Preços (Bertrand) Isabel Mendes 2007-2008 18-03-2008 Isabel Mendes/MICRO II 1 O modelo de Cournot
Leia maisNotas 1 / 17. Notas 2 / 17. Notas
Programação Linear Inteira Introdução II Haroldo Gambini Santos Universidade Federal de Ouro Preto 30 de agosto de 2011 1 / 17 Conteúdo 1 Introdução 2 Algoritmo Simplex 3 Modelagem 2 / 17 Algoritmo Simplex
Leia mais3. Otimização sob Incerteza
3. Otimização sob Incerteza Os problemas de otimização tentam resolver, de forma eficiente, situações do mundo real por meio de modelos matemáticos que utilizam parâmetros incertos. Pode-se encontrar na
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 maisOptimização e Decisão. Resumo de aula. 3 Novembro Capítulo 10. Programação Dinâmica. Autores: Miguel Couto, nº José Dias, nº 63736
Optimização e Decisão Resumo de aula 3 Novembro 2008 Capítulo 10 Programação Dinâmica Autores: Miguel Couto, nº 53226 José Dias, nº 63736 Sumário 1. Introdução 2. Exemplo 1 3. Programação Dinâmica Determinística
Leia maisCombinando inequações lineares
Combinando inequações lineares A multiplicação por um número > 0 não altera uma inequação 2x x 5 4x 2x 0 2 2 A soma de duas inequações (com o mesmo sentido) produz uma inequação válida x 3x + x 3 2 + 5x
Leia maisAmostragem e distribuições por amostragem
Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística
Leia maisGRADE DE CORREÇÃO NOME: LOCAL: DATA: 15/11/2018. Assinatura do Candidato:
NOME: IDENTIDADE: LOCAL: DATA: 15/11/018 SALA: INSCRIÇÃO: ORDEM: Assinatura do Candidato: QUESTÃO 1 João precisa de dinheiro trocado para fazer três pagamentos: um de R$ 170,00, outro de R$ 50,00 e ainda
Leia maisAULA 03 MODELOS DE PROGRAMAÇÃO LINEAR. Eduardo Camargo de Siqueira PESQUISA OPERACIONAL TECNÓLOGO EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS
AULA 03 MODELOS DE PROGRAMAÇÃO LINEAR Eduardo Camargo de Siqueira PESQUISA OPERACIONAL TECNÓLOGO EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS PROGRAMAÇÃO LINEAR A PL usa um modelo matemático para descrever
Leia mais5 Decisão Sob Incerteza
5 Decisão Sob Incerteza Os problemas de decisão sob incerteza são caracterizados pela necessidade de se definir valores de variáveis de decisão sem o conhecimento prévio da realização de parâmetros que,
Leia maisInvestigação Operacional
Modelos de Programação Linear (Mestrado) Engenharia Industrial http://dps.uminho.pt/pessoais/zan - Escola de Engenharia Departamento de Produção e Sistemas 1 Modelação Matemática As técnicas e algoritmos
Leia maisINVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. IV Modelo Dual
INVESTIGAÇÃO OPERACIONAL Programação Linear Exercícios Cap. IV Modelo Dual António Carlos Morais da Silva Professor de I.O. i Cap. IV - Modelo Dual - Exercícios IV. Modelo Problema Dual 1. Apresente o
Leia maisMatemática Aplicada em C. Contábeis/Mário FUNÇÃO QUADRÁTICA
FUNÇÃO QUADRÁTICA Definição A função f: R R dada por f(x) = ax² + bx + c, com a, b, c reais e a 0, denomina-se função quadrática. Exemplos: f(x) = x² - 4x 3 (a = 1, b = -4, c = -3) f(x) = x² - 9 (a = 1,
Leia maisIntrodução à analise estocástica e aplicações
Introdução à analise estocástica e aplicações Soluções dos exercícios March 4, 2010 () March 4, 2010 1 / 13 mas p (E1 \ E2 \ E3) = 0 6= p (E1) p (E2) p (E3) = 1 8 () March 4, 2010 2 / 13 1 - Numa caixa
Leia maisEconomia I; 2013/2014; 2º sem. Prova da Época Recurso 25 de Junho de Antes de iniciar a sua prova tenha em atenção os seguintes aspectos:
Economia I; 2013/2014; 2º sem. Prova da Época Recurso 25 de Junho de 2014 Antes de iniciar a sua prova tenha em atenção os seguintes aspectos: A duração da prova é de duas horas e trinta minutos (2h 30m).
Leia maisFaculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu
Redes Aula 20: Modelos de Optimização de Redes (Prática) O Problema do Caminho Mais Curto. O Problema do Fluxo de Custo Mínimo. 2 Considere a seguinte rede Direccionada: Problema 20.1 (I) A C E B D F 3
Leia maisTeoria dos Jogos Algorítmica Maximização de Lucros no Design de Mecanismos
Teoria dos Jogos Algorítmica Maximização de Lucros no Design de Mecanismos Luis Gustavo Rocha Vianna. Instituto de Matemática e Estatística IME Universidade de São Paulo USP Maximização de Lucros Design
Leia maisTeoremas de uma, duas e três séries de Kolmogorov
Teoremas de uma, duas e três séries de Kolmogorov 13 de Maio de 013 1 Introdução Nestas notas Z 1, Z, Z 3,... é uma sequência de variáveis aleatórias independentes. Buscaremos determinar condições sob
Leia maisTransparências de apoio à lecionação de aulas teóricas. c 2012, 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP
Programação Linear Transparências de apoio à lecionação de aulas teóricas Versão 4 c 2012, 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP Programação Linear Problema de planeamento
Leia maisEAD Simulação. Aula 2 Parte 2: Tipos de Simulação. Profa. Dra. Adriana Backx Noronha Viana
EAD0652 - Simulação Aula 2 Parte 2: Tipos de Simulação Profa. Dra. Adriana Backx Noronha Viana Tipos de Simulação Pergunta relacionada ao que se está simulando): O problema a ser considerado na simulação
Leia maisb) Determinar as raízes de f(x) = g(x) quando m = 1/2. c) Determinar, em função de m, o número de raízes da equação f(x) = g(x).
1. (Fuvest 2004) Seja m µ 0 um número real e sejam f e g funções reais definidas por f(x) = x - 2 x + 1 e g(x) = mx + 2m. a) Esboçar, no plano cartesiano representado a seguir, os gráficos de f e de g
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 maisLista de Exercícios - Modelos Probabilísticos 1 INE 7002 GABARITO LISTA DE EXERCÍCIOS MODELOS PROBABILÍSTICOS
Lista de Exercícios - Modelos Probabilísticos INE 72 GABARITO LISTA DE EERCÍCIOS MODELOS PROBABILÍSTICOS 35) a) Binomial: cada realização tem apenas 2 resultados possíveis, o número de realizações é conhecido,
Leia maisMatemática Financeira Juros Simples 1
1 Toda a Matemática Financeira é alicerçada em dois princípios básicos: Não se pode comparar ou somar dinheiro, a menos que ele esteja no mesmo instante de tempo; Uma vez que os dinheiros não estejam no
Leia maisEconomia I; 2013/2014; 2º sem. Prova da Época Recurso 25 de Junho de Antes de iniciar a sua prova tenha em atenção os seguintes aspectos:
Economia I; 2013/2014; 2º sem. Prova da Época Recurso 25 de Junho de 2014 Antes de iniciar a sua prova tenha em atenção os seguintes aspectos: A duração da prova é de duas horas e trinta minutos (2h 30m).
Leia maisINTRODUÇÃO À PESQUISA OPERACIONAL
INTRODUÇÃO À PESQUISA OPERACIONAL ** Decisão com Incerteza Parte 1 ** Profa. Vitória Pureza 2º Semestre Roteiro Critérios de Decisão em Situações de Incerteza Teoria de Utilidade Axiomas de Von Neumann-Morgenstern
Leia mais3 Operação das Térmicas e Sistemas Hidrotérmicos
3 Operação das Térmicas e Sistemas Hidrotérmicos 3.1 Sistemas Hidrotérmicos 3.1.1 Custos de oportunidade À primeira vista, as usinas hidrelétricas seriam sempre acionadas primeiro no despacho econômico,
Leia mais