Avaliação de Desempenho de Sistemas Discretos

Tamanho: px
Começar a partir da página:

Download "Avaliação de Desempenho de Sistemas Discretos"

Transcrição

1 Avaliação de Desempenho de Sistemas Discretos Parte IV: Simulação Professor: Reinaldo Gomes Parte 4 Simulação P A R T E Etapas básicas em um estudo de simulação Geração de números e valores aleatórios Simulação acionada por eventos Análise de resultados 4 1

2 Desenvolvimento de um simulador Principais Questões Quais são os principais erros que podem levar as minhas simulações ao fracasso? Que tipos de simulação eu posso utilizar? Como os eventos no meu simulador devem ser escalonados? Como eu posso verificar e validar o modelo simulado? Quando posso parar as minhas simulações? Quantas rodadas são necessárias? Desenvolvimento de um simulador Principais Questões Preciso considerar o estado estacionário do meu sistema? Como devo fazer a geração de variáveis aleatórias? Como verificar se a geração de variáveis aleatórias está correta? Como selecionar as sementes dos experimentos? Como gerar variáveis aleatórias seguindo uma distribuição? Que distribuições devem ser usadas e quando? 2

3 Desenvolvimento de um simulador Principais Questões Como posso implementar meu simulador? Tenho que começar tudo do zero??!!!! Uso de linguagem de simulação GPSS, SIMSCRIPT, ARENA Uso de pacotes de sub-rotinas escritas em linguagens usuais GASP (FORTRAN), SimJava Implementação desde o início na sua linguagem de programação preferida Excessivamente trabalhoso! Uso de simuladores - Cuidados Tempo necessário para a execução dos experimentos Examinar precisão dos resultados (uma vez que simulador manipula VAs) Modelo elaborado pode ser inútil se simulador for muito extenso Esforço com testes pode ser inviável Aleatoriedade dos eventos dificulta depuração Facilidade em simular pode levar a um modelo muito realista (complexo) 3

4 Uso de simuladores - Cuidados Nunca esquecer das simplificações feitas e evitar generalizações Tratar regimes transitórios inicial e final adequadamente (se regime permanente é de interesse, desprezar) Possível auto-correlação de amostras (estudar efeitos) Custo de uso para otimização Esconde relações de causas-efeitos Erros comuns em Simulação Nível de detalhamento errado Mais detalhes mais tempo mais bugs mais recursos mais parâmetros: não necessariamente mais preciso Linguagem inapropriada Falta de verificação do modelo Modelos fantasiosos Condições iniciais imprecisas Simulações muito curtas Gerador de números aleatórios não confiável Seleção errada das sementes dos experimentos 4

5 Etapas básicas de uma simulação Etapas básicas de um estudo de simulação As etapas podem ser agrupadas em 4 fases: Descoberta e definições Criação e refinamento do modelo Execução do modelo Análise e documentação 5

6 Etapas básicas de um estudo de simulação Descoberta e Definições Etapa 1: Estudo do sistema e definição dos objetivos Formulação do problema Projeto do modelo Definição dos objetivos Idéia ainda vaga e confusa do sistema Refinamento e modificações do sistema já podem ser realizadas Novas iterações podem acontecer de outras fases Etapas básicas de um estudo de simulação Criação e refinamento do modelo Etapa 2: Modelo Criação do modelo que será usado pelo simulador Coleta de dados de entrada do modelo (configurar) Etapa 3: Simulador Tradução do modelo Implementação do software responsável por representar o funcionamento do modelo Etapa 4: Depuração e testes do simulador (verificação) Testes / depuração para evitar situações absurdas (ex: tempo negativo) e assegurar integração de módulos 6

7 Etapas básicas de um estudo de simulação Criação e refinamento do modelo Etapa 5: Refinamento do simulador Ajustes necessários para melhor representação do modelo Correção de bugs da implementação Etapa 6: Validação do modelo Verificar consistência entre o simulador e o sistema real (naquilo de interesse) Se o sistema real não estiver disponível/não existir, podemos considerar as aproximações definidas para o modelo Como pode ser feito? Que parâmetros de comparação? Etapa 7: Refinamento do modelo A obtenção de todas as características de um sistema para a criação do seu modelo é extremamente difícil Validação e implementação de modelos muito complexos é extremamente complexa Etapas básicas de um estudo de simulação Execução do Modelo Etapa 8: Estratégia de execução Definir o plano de experimentos a ser executado Existem muitos experimentos possíveis (variações nos parâmetros, entradas, características de projeto ou de configuração do sistema, etc.) Selecionar casos a serem estudados, número de rodadas Etapa 9: Execução Execução dos experimentos planejados para obter medidas do desempenho do modelo simulado Diversas execuções são necessárias para obtermos os resultados desejados (variabilidade das amostras) 7

8 Etapas básicas de um estudo de simulação Análise e documentação Etapa 10: Análise e interpretação dos resultados Uma vez terminados os experimentos os resultados devem ser estudados e apresentados adequadamente Análise vai além de apenas descrever os resultados obtidos Correlações, perspectivas de modificações, padrões de funcionamento, avaliação de opções,... Esse processo deve ser documentado para finalizar o estudo proposto Geração de números e valores aleatórios Números Aleatórios (NAs) são elementos de Variáveis Aletórias (VAs), independentes com distribuição uniforme Variáveis Aleatórias são geradas através de outras distribuições Números Pseudo-aleatórios (NPAs) são números gerados a partir de uma regra pré-fixada de formação (números parecem aleatórios). Porém, a formação de um número a partir do anterior não pode ser pré-estabelecida (Cadeia de Markov) 8

9 Geração de números aleatórios Terminologia Semente (Seed) Número Pseudo-aleatório: valores podem ser repetidos dependendo dos parâmetros (funções determinísticas) Totalmente aleatório: Não existe repetição de valores Cycle length, Tail, Period Características de um Gerador de NPAs Distribuição Uniforme [0,1) Aleatoriedade Reprodutibilidade Não repetir a série no intervalo de interesse OBS: números são repetidos a partir de certo ponto Ciclo = total de pontos antes da repetição Quanto maior o ciclo, melhor Velocidade de Geração 9

10 Tipos de geradores de NPAs Geradores lineares de congruência Geradores lineares de congruência combinados Sequências de números aleatórios Geradores de Tausworthe Geradores de Fibonacci estendido... Métodos de Congruência Geralmente usados na geração de NPAs usando computadores digitais Características: Determinístico Aleatoriedade satisfatória Testes de freqüência e serial: análise do nível de confiança entre a distribuição gerada e aquela teórica, equivalente Seqüência de NPAs uniformemente distribuída 10

11 Métodos de Congruência X n+1 = K * X n (mod m) onde, X n, K e m são inteiros não negativos mod = módulo C(mod m) = resto da divisão C por m m = múltiplo de 2 (geralmente, # bits da palavra do computador) X 0 é a semente (escolha afeta qualidade do gerador (número primo) Se X 0 = 3, b=5 e m=8 temos a seqüência {3,7,3,7,...} Se X 0 = 3, b=5 e m=7 temos a seqüência {3,1,5,4,6,2,3,1,... } ciclo é 3 vezes o anterior Métodos de Congruência Aditiva X n+1 = (X n + X n-k ) (mod m), onde, k = 1, 2, 3,... Multiplicativa X n+1 = K X n (mod m), onde, K, X e m são inteiros positivos Mista X n+1 = K (X n + X n-k )+ C (mod m), onde, k = 1, 2, 3,... 11

12 Métodos de Geração de Valores Aleatórios Gerador de números aleatórios segue uma distribuição uniforme Precisamos de outras distribuições para representar os eventos que desejamos Transformada Inversa Rejeição/Aceitação Composição Convolução Esses métodos usam um gerador de NAs com distribuição uniforme para gerar valores aleatórios ( random variates ) com uma dada distribuição Métodos de Geração de Valores Aleatórios Conhecida a FDP de uma VA x - f(x) -, pode-se obter valores aleatórios desta VA Necessita-se da FDP [F(x)] associada a esta VA: F(x) = (-, x ) f(t) dt Prob [ x x] Como F(x) é definida em [0,1], pode-se gerar NAs uniformemente distribuídos e fazer r = F(x), onde r é uma VA entre 0 e 1 12

13 Método Transformada Inversa Se F(x) é contínua e cresce monotonicamente, existe uma função inversa F -1 (r) tal que se 0 r 1, então r = F(x), => x = F -1 (r) Logo, para calcular amostras de x conhecendo F(x), usar: x = F -1 (r) Método Transformada Inversa r = r 0 X o = F -1 (r 0 ) 13

14 Exemplo - Exponencial Gerar VAs conforme a distribuição exponencial com valor médio E[x] = 1/λ λ: freqüência usada para denotar a taxa de chegada. F(x) = 1 e -λx = r 1-r = e -λx ln(1-r) = -λx ln(e) x = -(1/λ) ln(1-r) Geração de VAs exponenciais A distribuição exponencial é freqüentemente usada para gerar valores para o tempo de interchegada e tempo de atendimento de fregueses em modelos de Redes de Filas (i.e., computador, banco, supermercado, etc) Algoritmo 1. Gerar um NA r 2. Usar a Transformação: x = -(1/λ) ln(1-r) 14

15 Paradigmas de Simulação Métodos de Monte Carlo Simulações Trace-Driven Simulação Contínua Simulação Discreta Orientada a Eventos Simulação Combinada Paradigmas de Simulação Métodos de Monte Carlo Tradicionalmente, usados para estimar probabilidades dos estados de um modelo através de experimentações conduzidas por amostras Estudos de fenômenos sociais e econômicos Simulação estática (não considera tempo) Modela fenômenos probabilísticos Usado para avaliar expressões não probabilísticas usando métodos probabilísticos 15

16 Paradigmas de Simulação Simulações Trace-Driven Trace Registro ordenado por tempo dos eventos de um sistema Simulações trace-driven utilizam traces como entrada Usado para avaliar condições já existente de um sistema que desejamos estudar Paradigmas de Simulação Simulações Trace-Driven Vantagens Credibilidade representação da carga de trabalho Fácil validação Maior precisão Entrada real de dados pode reduzir a necessidade de repetições Desvantagens Complexidade mais detalhes podem ser passados Representatividade pode ser limitada (horário, equipamento, etc.) Restrição na quantidade de informação para estudo Tempo de dados armazenados e quantidade de traces Dificuldade de variar condições da avaliação 16

17 Paradigmas de Simulação Simulação Contínua A troca de estados do modelo ocorre continuamente no tempo - soluções, usualmente, usam equações diferenciais Simulação Discreta Permite trocas instantâneas nos estados do modelo que ocorrem em pontos discretos do tempo. Simulação Discreta Orientada a Eventos O processamento da simulação ocorre conforme a ocorrência de eventos Paradigmas de Simulação Simulação Combinada Técnica que simula sistemas com características de sistemas discretos e contínuos. Ex.: Sistema de uma Rodovia Se variáveis são carros Sistema Discreto Se variáveis são distâncias Sistema Contínuo 17

18 Paradigmas de Simulação A Simulação Discreta caracteriza-se por: Modelagem do sistema em uma rede de fluxo O sistema possuir componentes (recursos) e cada um executar funções bem definidas Os componentes apresentarem capacidade finita no processamento dos itens e, uma vez esgotadas, os itens esperam em fila pelo atendimento, e O início e o fim das operações realizadas pelos componentes são disparados por eventos Paradigmas de Simulação Elementos necessários para Simulação Discreta Clientes Servidores Filas Relógio Geradores de Variáveis Aleatórias Calendário de Eventos Acumuladores de Estatísticas Saída de resultados 18

19 Paradigmas de Simulação Componentes necessários para Simulação Discreta Escalonador Controla a geração, execução e remoção dos eventos no simulador Relógio de simulação e mecanismo de avanço de tempo O tempo pode ser controlado continuamente ou baseado nos eventos Variáveis de estado do sistema Informações globais e locais do sistema Podem ser usadas para armazenar informações durante e ao final da simulação Rotinas de eventos Paradigmas de Simulação Componentes necessários para Simulação Discreta Rotinas de entrada Obtém parâmetros que devem ser passados para o modelo Rotinas de inicialização Configura o estado inicial do modelo e a semente da simulação Rotinas de armazenamento Podem ser criadas para armazenar as informações a medida que os eventos são gerados ou ao final da simulação Gerador de relatórios 19

20 Organização de um Simulador Módulo de Inicialização Rotinas de Entrada Rotinas de Inicialização (parâmetros de entrada) Módulos para manuseio de eventos Escalonador Rotinas de Eventos Rotinas de armazenamento (opcional) Módulos para saída de resultados Rotinas de armazenamento Gerador de relatórios Simulação acionada por eventos 20

21 Eventos e atividades Diversos módulos devem ser executados em resposta (direta ou indireta) a eventos Eventos representam ocorrências que modificam o estado do sistema Executados instantaneamente assim que gerados ou que seu momento de execução chega Atividade é iniciada e terminada por eventos relacionados Eventos e atividades da barbearia Exemplos de eventos E1 chegada de freguês E2 início do serviço pelo cabeleireiro E3 término do serviço (partida) Exemplos de atividades A1 - espera em fila (inicia c/e1 e termina c/e2) Se servidor desocupado, A1 inicia de imediato (E1 e E2 ocorrem simultaneamente) Se ocupado, E2 do próximo freguês ocorre com E3 do atual, em serviço A2 - recebe serviço do cabeleireiro 21

22 Eventos primários e secundários Simulador deve: Identificar eventos que podem ocorrer no sistema Avaliar os efeitos de cada evento no estado e atividades do sistema Permitir a ocorrência dos eventos e atualizar o estado e atividades do sistema à medida que eventos ocorram Evento primário é escalonado para ocorrer no simulador antes de sua ocorrência real Evento secundário ocorre em resposta a um primário Escalonamento de Eventos Estado permanece inalterado entre eventos (ou durante atividades) Adiantar relógio para o instante do próximo evento ( iminente ) Atualizar estado (de acordo com evento) Escalonar próximo evento 22

23 Escalonamento de Eventos Evento primário Consequências Chegada de freguês 1. Escalona próxima chegada 2. Testa estado do servidor Livre: Mude estado para ocupado Escalone término de serviço Ocupado: Escalone evento colocar freguês na fila Término de serviço 1. Teste estado da fila de espera Vazia: Mude estado servidor para livre Não vazia: Remova freguês da fila Escalone evento Término de serviço Relógio Simulado 23

24 47 Parte I: Introdução Prof. Reinaldo Gomes Análise de resultados O que eu quero avaliar? De nada adianta executar experimentos se eu não sei quais são meus objetivos com eles Devemos identificar que informações são necessárias e como coletá-las Dados coletados!= métricas que serão avaliadas Obter o máximo possível de informações Quase nunca temos uma visão inicial clara do que queremos avaliar Evita refazer todo o trabalho em muitas situações A avaliação dos resultados não é uma mera descrição de gráficos e resultados de tabelas Devemos tentar identificar o que esta por traz dos números e linhas Entender ou algumas vezes até mesmo especular o que isso significa é o ponto chave da avaliação 24

25 Resumo Problemas que podem causar o fracasso das simulações Tempo de simulação inadequado (regime transitório e ciclo do gerador de NA) Definição clara e precisa dos objetivos Objetivo pode ser alcançado? Escolha de métricas adequadas Falta de conhecimento necessário Modelagem (ferramentas, validação, etc.) Programação (linguagem, framework de desenvolvimento, ) Conhecimento do sistema Nível inadequado de detalhes no modelo/simulador Mau planejamento dos experimentos Resultados misteriosos Resumo Cuidados com os experimentos A duração da simulação é apropriada? Existe parada? Os estados transientes do sistema foram removidos? O modelo foi verificado para evitar inconsistências? O simulador foi validado com os resultados teóricos do modelo? Resultados surpreendentes foram analisados para verificar a sua causa? Eles são possíveis ou ocorreram por problema na modelagem/implementação? Foram utilizadas sementes diferentes nos experimentos para avaliar a aleatoriedade dos eventos? 25

Introdução à Simulação

Introdução à Simulação Introdução à Simulação O que é simulação? Wikipedia: Simulação é a imitação de alguma coisa real ou processo. O ato de simular algo geralmente consiste em representar certas características e/ou comportamentos

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Avaliação de Desempenho de Sistemas Discretos Parte IV: Simulação Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Parte 4 Simulação P A R T E Etapas básicas em um estudo de simulação Geração de números

Leia mais

Avaliação de Desempenho

Avaliação de Desempenho Avaliação de Desempenho Aulas passadas Modelagem de sistemas via cadeias de Markov Aula de hoje Introdução à simulação Gerando números pseudo-aleatórios 1 O Ciclo de Modelagem Sistema real Criação do Modelo

Leia mais

Modelagem e Simulação Material 02 Projeto de Simulação

Modelagem e Simulação Material 02 Projeto de Simulação Modelagem e Simulação Material 02 Projeto de Simulação Prof. Simão Sirineo Toscani Projeto de Simulação Revisão de conceitos básicos Processo de simulação Etapas de projeto Cuidados nos projetos de simulação

Leia mais

Simulação Transiente

Simulação Transiente Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação

Leia mais

Pesquisa Operacional

Pesquisa Operacional GOVERNO DO ESTADO DO PARÁ UNIVERSIDADE DO ESTADO DO PARÁ CENTRO DE CIÊNCIAS NATURAIS E TECNOLOGIA DEPARTAMENTO DE ENGENHARIA Pesquisa Operacional Tópico 4 Simulação Rosana Cavalcante de Oliveira, Msc rosanacavalcante@gmail.com

Leia mais

Geração de Números Aleatórios e Simulação

Geração de Números Aleatórios e Simulação Departamento de Informática Geração de Números Aleatórios e imulação Métodos Quantitativos LEI 26/27 usana Nascimento (snt@di.fct.unl.pt) Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) usana

Leia mais

MODELAGEM E SIMULAÇÃO

MODELAGEM E SIMULAÇÃO MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Como Funciona a Simulação Introdução Assim como qualquer programa de computador,

Leia mais

Modelagem e Simulação

Modelagem e Simulação AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.

Leia mais

)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR

)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR 6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,

Leia mais

4 Arquitetura básica de um analisador de elementos de redes

4 Arquitetura básica de um analisador de elementos de redes 4 Arquitetura básica de um analisador de elementos de redes Neste capítulo é apresentado o desenvolvimento de um dispositivo analisador de redes e de elementos de redes, utilizando tecnologia FPGA. Conforme

Leia mais

3 Método de Monte Carlo

3 Método de Monte Carlo 25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional

Leia mais

Simulação de Evento Discreto

Simulação de Evento Discreto Simulação de Evento Discreto Simulação de evento discreto As variáveis de estado modificam-se apenas pela ocorrência de eventos Os eventos ocorrem instantaneamente em pontos separados no tempo São simulados

Leia mais

Geração de variáveis aleatórias

Geração de variáveis aleatórias Geração de variáveis aleatórias Danilo Oliveira, Matheus Torquato Centro de Informática Universidade Federal de Pernambuco 5 de setembro de 2012 Danilo Oliveira, Matheus Torquato () 5 de setembro de 2012

Leia mais

Captulo 24: Introduc~ao a Simulac~ao. The best advice to those about to embark on a. famous advice to those about to marry: Don't!

Captulo 24: Introduc~ao a Simulac~ao. The best advice to those about to embark on a. famous advice to those about to marry: Don't! Captulo 24: Introduc~ao a Simulac~ao The best advice to those about to embark on a very large simulation is often the same as Punch's famous advice to those about to marry: Don't! Bratley, Fox, and Schrage

Leia mais

SAD orientado a MODELO

SAD orientado a MODELO Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a MODELO DISCIPLINA: Sistemas de Apoio a Decisão SAD Orientado a Modelo De acordo com ALTER

Leia mais

2. Método de Monte Carlo

2. Método de Monte Carlo 2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.

Leia mais

O método de Monte Carlo: algumas aplicações na Escola Básica

O método de Monte Carlo: algumas aplicações na Escola Básica 1 Universidade de São Paulo/Faculdade de Educação Seminários de Ensino de Matemática (SEMA-FEUSP) Coordenador: Nílson José Machado novembro/2009 O método de Monte Carlo: algumas aplicações na Escola Básica

Leia mais

Introdução a Avaliação de Desempenho

Introdução a Avaliação de Desempenho Introdução a Avaliação de Desempenho Avaliar é pronunciar-se sobre as características de um certo sistema. Dado um sistema real qualquer, uma avaliação deste sistema pode ser caracterizada por toda e qualquer

Leia mais

COS767 - Modelagem e Análise Aula 2 - Simulação. Algoritmo para simular uma fila Medidas de interesse

COS767 - Modelagem e Análise Aula 2 - Simulação. Algoritmo para simular uma fila Medidas de interesse COS767 - Modelagem e Análise Aula 2 - Simulação Algoritmo para simular uma fila Medidas de interesse Simulação O que é uma simulação? realização da evolução de um sistema estocástico no tempo Como caracterizar

Leia mais

PROBABILIDADE, VARIÁVEIS ALEATÓRIAS, DISTRIBUIÇÃO DE PROBABILIDADES E GERAÇÃO ALEATÓRIA

PROBABILIDADE, VARIÁVEIS ALEATÓRIAS, DISTRIBUIÇÃO DE PROBABILIDADES E GERAÇÃO ALEATÓRIA PROBABILIDADE, VARIÁVEIS ALEATÓRIAS, DISTRIBUIÇÃO DE PROBABILIDADES E GERAÇÃO ALEATÓRIA Conceitos sob a ótica de Avaliação de Desempenho de Sistemas Marcos Portnoi Edição 26.6.2010 Universidade Salvador

Leia mais

Dispositivo que de alguma maneira descreve o comportamento do sistema

Dispositivo que de alguma maneira descreve o comportamento do sistema Sistema: Conceito primitivo (intuitivo) Tentativas de definição: Agregação ou montagem de coisas, combinadas pelo homem ou pela natureza de modo a formar um todo unificado. Grupo de itens interdependente

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

11 Conclusão. 11.1 Descobertas

11 Conclusão. 11.1 Descobertas 97 11 Conclusão 11.1 Descobertas Nesse trabalho apresentamos o McCloud Service Framework, um arcabouço para implementação de serviços baseados na Simulação de Monte Carlo na nuvem, disponibilizamos duas

Leia mais

Unidade VI. Validação e Verificação de Software Teste de Software. Conteúdo. Técnicas de Teste. Estratégias de Teste

Unidade VI. Validação e Verificação de Software Teste de Software. Conteúdo. Técnicas de Teste. Estratégias de Teste Unidade VI Validação e Verificação de Software Teste de Software Profa. Dra. Sandra Fabbri Conteúdo Técnicas de Teste Funcional Estrutural Baseada em Erros Estratégias de Teste Teste de Unidade Teste de

Leia mais

Processo de chegada: o Chegadas em grupo ocorrem segundo um processo Poisson com taxa. O tamanho do grupo é uma variável aleatória discreta

Processo de chegada: o Chegadas em grupo ocorrem segundo um processo Poisson com taxa. O tamanho do grupo é uma variável aleatória discreta Aula 5 Como gerar amostras de uma distribuição qualquer a partir de sua CDF e de um gerador de números aleatórios? Processo de chegada: o Chegadas em grupo ocorrem segundo um processo Poisson com taxa.

Leia mais

Simulação Estocástica

Simulação Estocástica Simulação Estocástica O que é Simulação Estocástica? Simulação: ato ou efeito de simular Disfarce, fingimento,... Experiência ou ensaio realizado com o auxílio de modelos. Aleatório: dependente de circunstâncias

Leia mais

CAPÍTULO 1 INTRODUÇÃO 1.1 INTRODUÇÃO

CAPÍTULO 1 INTRODUÇÃO 1.1 INTRODUÇÃO CAPÍTULO 1 INTRODUÇÃO 1.1 INTRODUÇÃO Em quase todas as nossas atividades diárias precisamos enfrentar filas para atender as nossas necessidades. Aguardamos em fila na padaria, nos bancos, quando trafegamos

Leia mais

Estratégias de Pesquisa

Estratégias de Pesquisa Estratégias de Pesquisa Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Survey Design e Criação Estudo de Caso Pesquisa Ação Experimento

Leia mais

Opções Reais. Processos Estocásticos. Processos Estocásticos. Modelando Incerteza. Processos Estocásticos

Opções Reais. Processos Estocásticos. Processos Estocásticos. Modelando Incerteza. Processos Estocásticos Modelando Incerteza Opções Reais A incerteza em um projeto pode ter mais do que apenas dois estados. Na prática, o número de incertezas pode ser infinito Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio

Leia mais

6 Construção de Cenários

6 Construção de Cenários 6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.

Leia mais

Usando o Arena em Simulação

Usando o Arena em Simulação Usando o Arena em Simulação o ARENA foi lançado pela empresa americana Systems Modeling em 1993 e é o sucessor de dois outros produtos de sucesso da mesma empresa: SIMAN (primeiro software de simulação

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

O trabalho pioneiro nesta área remonta a Ulam, que o teria inventado em 1946 ao estudar as possibilidades de ganhar no jogo de cartas Solitário.

O trabalho pioneiro nesta área remonta a Ulam, que o teria inventado em 1946 ao estudar as possibilidades de ganhar no jogo de cartas Solitário. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Números aleatórios (NA) são elementos básicos necessários na simulação de quase todos os sistemas discretos. Eles podem ser utilizados

Leia mais

TEORIA DO RISCO. LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com

TEORIA DO RISCO. LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com TEORIA DO RISCO LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com 1 TARIFAÇÃO (FERREIRA, 2002) Diversos conceitos e metodologias envolvidos no cálculo do preço pago

Leia mais

ORIENTAÇÕES SOBRE A PROVA DISCURSIVA

ORIENTAÇÕES SOBRE A PROVA DISCURSIVA IF SUDESTE MG REITORIA Av. Francisco Bernardino, 165 4º andar Centro 36.013-100 Juiz de Fora MG Telefax: (32) 3257-4100 CONCURSO PÚBLICO PARA PROVIMENTO DE CARGO EFETIVO ORIENTAÇÕES SOBRE A PROVA DISCURSIVA

Leia mais

16.36: Engenharia de Sistemas de Comunicação Aula 14: Códigos cíclicos e detecção de erros

16.36: Engenharia de Sistemas de Comunicação Aula 14: Códigos cíclicos e detecção de erros 16.36: Engenharia de Sistemas de Comunicação Aula 14: Códigos cíclicos e detecção de erros Eytan Modiano Códigos Cíclicos Um código cíclico é um código de bloco linear onde c é uma palavra-chave, e também

Leia mais

O modelo está dividido em três componentes ou módulos principais: Apresentamos, a seguir, um fluxograma simplificado do sistema do modelo UTCS-1:

O modelo está dividido em três componentes ou módulos principais: Apresentamos, a seguir, um fluxograma simplificado do sistema do modelo UTCS-1: SP 24/11/79 NT 049/79 Modelo de Simulação de tráfego Urbano UTCS 1 Eng.º Sérgio Michel Sola Introdução Um modelo desenvolvido pela Federal Highway Administration (FHWA) no início da década de 70, denominado

Leia mais

Seminário de Dinâmica Orbital I

Seminário de Dinâmica Orbital I Seminário de Dinâmica Orbital I Métodos de Monte Carlo Alunos Carlos H. G. Hassmann Álvaro de A Arraes Prof. - Mário C. Ricci Sumário -Introdução -Breve Histórico -Definição -Utilização -O método -Componentes

Leia mais

DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES

DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES LUIZ CLAUDIO BENCK KEVIN WONG TAMARA CANDIDO DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES Trabalho apresentado para avaliação na disciplina de Estatística e Métodos Numéricos do Curso de Administração

Leia mais

Exercícios. Exercício 1

Exercícios. Exercício 1 Exercícios Exercício 1 Considere um sistema de processamento com os seguintes tempos entre chegadas de tarefas: Tempo entre Chegadas (horas) Probabilidade 0 0.23 1 0.37 2 0.28 3 0.12 Os tempos de processamento

Leia mais

Cálculo Numérico. ECA / 4 créditos / 60 h Introdução, Erros e Matlab. Ricardo Antonello. www.antonello.com.br

Cálculo Numérico. ECA / 4 créditos / 60 h Introdução, Erros e Matlab. Ricardo Antonello. www.antonello.com.br Cálculo Numérico ECA / 4 créditos / 60 h Introdução, Erros e Matlab Ricardo Antonello www.antonello.com.br Conteúdo Erros na fase de modelagem Erros na fase de resolução Erros de arredondamento Erros de

Leia mais

PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014

PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014 PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

Unidade III FINANÇAS EM PROJETO DE TI. Prof. Fernando Rodrigues

Unidade III FINANÇAS EM PROJETO DE TI. Prof. Fernando Rodrigues Unidade III FINANÇAS EM PROJETO DE TI Prof. Fernando Rodrigues Quando se trabalha com projetos, é necessária a utilização de técnicas e ferramentas que nos auxiliem a estudálos, entendê-los e controlá-los.

Leia mais

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr Análise de Regressão Tópicos Avançados em Avaliação de Desempenho Cleber Moura Edson Samuel Jr Agenda Introdução Passos para Realização da Análise Modelos para Análise de Regressão Regressão Linear Simples

Leia mais

MÓDULO 6 INTRODUÇÃO À PROBABILIDADE

MÓDULO 6 INTRODUÇÃO À PROBABILIDADE MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para

Leia mais

Análise de Arredondamento em Ponto Flutuante

Análise de Arredondamento em Ponto Flutuante Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto

Leia mais

Algoritmos Randomizados: Introdução

Algoritmos Randomizados: Introdução Algoritmos Randomizados: Introdução Celina Figueiredo Guilherme Fonseca Manoel Lemos Vinícius Sá 26º Colóquio Brasileiro de Matemática IMPA Rio de Janeiro Brasil 2007 Resumo Definições Monte Carlo Variáveis

Leia mais

CI202 - Métodos Numéricos

CI202 - Métodos Numéricos CI202 - Métodos Numéricos Lista de Exercícios 2 Zeros de Funções Obs.: as funções sen(x) e cos(x) devem ser calculadas em radianos. 1. Em geral, os métodos numéricos para encontrar zeros de funções possuem

Leia mais

QUALIDADE DE SOFTWARE. Ian Sommerville 2006 Engenharia de Software, 8ª. edição. Capítulo 27 Slide 1

QUALIDADE DE SOFTWARE. Ian Sommerville 2006 Engenharia de Software, 8ª. edição. Capítulo 27 Slide 1 QUALIDADE DE SOFTWARE Ian Sommerville 2006 Engenharia de Software, 8ª. edição. Capítulo 27 Slide 1 Objetivos Apresentar o processo de gerenciamento de qualidade e as atividades centrais da garantia de

Leia mais

O que é a estatística?

O que é a estatística? Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os

Leia mais

Simulação Computacional de Sistemas, ou simplesmente Simulação

Simulação Computacional de Sistemas, ou simplesmente Simulação Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.

Leia mais

Engenharia de Software III

Engenharia de Software III Engenharia de Software III Casos de uso http://dl.dropbox.com/u/3025380/es3/aula6.pdf (flavio.ceci@unisul.br) 09/09/2010 O que são casos de uso? Um caso de uso procura documentar as ações necessárias,

Leia mais

BC-0005 Bases Computacionais da Ciência. Modelagem e simulação

BC-0005 Bases Computacionais da Ciência. Modelagem e simulação BC-0005 Bases Computacionais da Ciência Aula 8 Modelagem e simulação Santo André, julho de 2010 Roteiro da Aula Modelagem O que é um modelo? Tipos de modelos Simulação O que é? Como pode ser feita? Exercício:

Leia mais

UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 14 PROFª BRUNO CALEGARO

UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 14 PROFª BRUNO CALEGARO UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 14 PROFª BRUNO CALEGARO Santa Maria, 01 de Novembro de 2013. Revisão aula passada Projeto de Arquitetura Decisões de projeto de Arquitetura

Leia mais

4 Avaliação Econômica

4 Avaliação Econômica 4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir

Leia mais

Engenharia de Software

Engenharia de Software Engenharia de Software Roteiro Inspeção Defeitos dos Software Classificação dos Erros Técnica de Leitura Ad-hoc Checklist Exercício Inspeção Inspeção de Software Definição É um método de análise estática

Leia mais

MODELAGEM E SIMULAÇÃO

MODELAGEM E SIMULAÇÃO MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Terminologia Básica Utilizada em de Sistemas Terminologia Básica Uma série de termos

Leia mais

Faculdade Lourenço Filho - ENADE 2011-1

Faculdade Lourenço Filho - ENADE 2011-1 1. Quando se constrói um banco de dados, define-se o modelo de entidade e relacionamento (MER), que é a representação abstrata das estruturas de dados do banco e seus relacionamentos. Cada entidade pode

Leia mais

Cálculo numérico. ln 1 = 0. Representação numérica. Exemplo. Exemplos. Professor Walter Cunha. ln 1. I s

Cálculo numérico. ln 1 = 0. Representação numérica. Exemplo. Exemplos. Professor Walter Cunha. ln 1. I s Representação numérica Cálculo numérico Professor Walter Cunha Um conjunto de ferramentas ou métodos usados para se obter a solução de problemas matemáticos de forma aproximada. Esses métodos se aplicam

Leia mais

Método Monte-Carlo. Alexandre Rosas. 23 de Março de 2009. Departamento de Física Universidade Federal da Paraíba

Método Monte-Carlo. Alexandre Rosas. 23 de Março de 2009. Departamento de Física Universidade Federal da Paraíba Departamento de Física Universidade Federal da Paraíba 23 de Março de 2009 O que são os métodos de Monte-Carlo? Métodos numéricos que utilizam amostragem estatística (em contraposição a métodos determinísticos)

Leia mais

ESCOLA SECUNDÁRIA/3 RAINHA SANTA ISABEL- ESTREMOZ MATEMÁTICA A 12ºANO ANO LETIVO 2015/2016 OBJECTIVOS ESPECÍFICOS

ESCOLA SECUNDÁRIA/3 RAINHA SANTA ISABEL- ESTREMOZ MATEMÁTICA A 12ºANO ANO LETIVO 2015/2016 OBJECTIVOS ESPECÍFICOS PROBABILIDADES E COMBINATÓRIA ESCOLA SECUNDÁRIA/3 RAINHA SANTA ISABEL- ESTREMOZ MATEMÁTICA A 12ºANO ANO LETIVO 2015/2016 Introdução ao cálculo Conhecer terminologia das probabilidades de Probabilidades

Leia mais

MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL

MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL Marcelo Maciel Monteiro Universidade Federal Fluminense, Engenharia de Produção Rua Martins Torres 296, Santa Rosa, Niterói, RJ, Cep 24240-700

Leia mais

PLANEJAMENTO EXPERIMENTAL

PLANEJAMENTO EXPERIMENTAL PLANEJAMENTO EXPERIMENTAL Técnicas de Pesquisas Experimentais LUIS HENRIQUE STOCCO MARCIO TENÓRIO SANDRA MARCHI Introdução O Planejamento de Experimentos (Design of Experiments, DoE), técnica utilizada

Leia mais

Considerações no Projeto de Sistemas Cliente/Servidor

Considerações no Projeto de Sistemas Cliente/Servidor Cliente/Servidor Desenvolvimento de Sistemas Graça Bressan Graça Bressan/LARC 2000 1 Desenvolvimento de Sistemas Cliente/Servidor As metodologias clássicas, tradicional ou orientada a objeto, são aplicáveis

Leia mais

Gerenciamento de Projetos Gerenciamento de Custos

Gerenciamento de Projetos Gerenciamento de Custos Gerenciamento de Projetos Gerenciamento de Custos Metodologia Aula Teórica Exemplos e Exercícios práticos Questões de concursos anteriores Metodologia e Bibliografia Bibliografia PMBOK, 2004. Project Management

Leia mais

Roteiro 2 Conceitos Gerais

Roteiro 2 Conceitos Gerais Roteiro 2 Conceitos Gerais Objetivos: UC Projeto de Banco de Dados Explorar conceitos gerais de bancos de dados; o Arquitetura de bancos de dados: esquemas, categorias de modelos de dados, linguagens e

Leia mais

Resposta Transitória de Circuitos com Elementos Armazenadores de Energia

Resposta Transitória de Circuitos com Elementos Armazenadores de Energia ENG 1403 Circuitos Elétricos e Eletrônicos Resposta Transitória de Circuitos com Elementos Armazenadores de Energia Guilherme P. Temporão 1. Introdução Nas últimas duas aulas, vimos como circuitos com

Leia mais

Aula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello

Aula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello Aula 04 Método de Monte Carlo aplicado a análise de incertezas Aula 04 Prof. Valner Brusamarello Incerteza - GUM O Guia para a Expressão da Incerteza de Medição (GUM) estabelece regras gerais para avaliar

Leia mais

CREDITRISK+: Implementação da Modelagem Estatística de Risco de Crédito e Cálculos Alternativos Através da Transformada Rápida de Fourier no R.

CREDITRISK+: Implementação da Modelagem Estatística de Risco de Crédito e Cálculos Alternativos Através da Transformada Rápida de Fourier no R. CREDITRISK+: Implementação da Modelagem Estatística de Risco de Crédito e Cálculos Alternativos Através da Transformada Rápida de Fourier no R. M. A. S. Sanfins a 1 & T. M. Clark a 2 a Universidade Federal

Leia mais

Cadeias de Markov. Geovany A. Borges gaborges@ene.unb.br

Cadeias de Markov. Geovany A. Borges gaborges@ene.unb.br 36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Cadeias de Markov Geovany A. Borges gaborges@ene.unb.br

Leia mais

Aula 11 Esperança e variância de variáveis aleatórias discretas

Aula 11 Esperança e variância de variáveis aleatórias discretas Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.

Leia mais

Sistemas Distribuídos: Conceitos e Projeto Introdução a Tolerância a Falhas

Sistemas Distribuídos: Conceitos e Projeto Introdução a Tolerância a Falhas Sistemas Distribuídos: Conceitos e Projeto Introdução a Tolerância a Falhas Francisco José da Silva e Silva Laboratório de Sistemas Distribuídos (LSD) Departamento de Informática / UFMA http://www.lsd.ufma.br

Leia mais

Pós Graduação Engenharia de Software

Pós Graduação Engenharia de Software Pós Graduação Engenharia de Software Ana Candida Natali COPPE/UFRJ Programa de Engenharia de Sistemas e Computação FAPEC / FAT Estrutura do Módulo Parte 1 QUALIDADE DE SOFTWARE PROCESSO Introdução: desenvolvimento

Leia mais

! Pesquisas de votos; ! Serviços de qualidade; ! Pesquisas de opinião pública; ! Em quem você vai votar em Outubro?

! Pesquisas de votos; ! Serviços de qualidade; ! Pesquisas de opinião pública; ! Em quem você vai votar em Outubro? Introdução Tópicos Especiais em E.S.: Surveys Cleidson de Souza LABES - DI - UFPA cdesouza@ufpa.br! Um dos principais exemplos de pesquisa empírica:! Pesquisas de votos;! Serviços de qualidade;! Pesquisas

Leia mais

NECESSIDADES DE PREVISÃO DA CADEIA DE SUPRIMENTOS. Mayara Condé Rocha Murça TRA-53 Logística e Transportes

NECESSIDADES DE PREVISÃO DA CADEIA DE SUPRIMENTOS. Mayara Condé Rocha Murça TRA-53 Logística e Transportes NECESSIDADES DE PREVISÃO DA CADEIA DE SUPRIMENTOS Mayara Condé Rocha Murça TRA-53 Logística e Transportes Setembro/2013 Introdução Estimativas acuradas do volume de produtos e serviços processados pela

Leia mais

Capítulo 1. Extreme Programming: visão geral

Capítulo 1. Extreme Programming: visão geral Capítulo 1 Extreme Programming: visão geral Extreme Programming, ou XP, é um processo de desenvolvimento de software voltado para: Projetos cujos requisitos são vagos e mudam com freqüência; Desenvolvimento

Leia mais

Importância do GED. Implantação de um Sistema de GED

Importância do GED. Implantação de um Sistema de GED Implantação de um Sistema de GED Gerenciamento Eletrônico de Documentos Importância do GED O GED tem uma importante contribuição na tarefa da gestão eficiente da informação; É a chave para a melhoria da

Leia mais

Demonstrador Animado das Técnicas de Programação de Simuladores de Eventos Discretos, utilizando o MATLAB

Demonstrador Animado das Técnicas de Programação de Simuladores de Eventos Discretos, utilizando o MATLAB REVISTA DO DETUA, VOL. 2, Nº 3, SETEMBRO 1998 1 Demonstrador Animado das Técnicas de Programação de Simuladores de Eventos Discretos, utilizando o MATLAB Elizabeth Fernandez, Rui Valadas Resumo Este artigo

Leia mais

SIMULADO: Simulado 3 - ITIL Foundation v3-40 Perguntas em Português

SIMULADO: Simulado 3 - ITIL Foundation v3-40 Perguntas em Português 1 de 7 28/10/2012 16:47 SIMULADO: Simulado 3 - ITIL Foundation v3-40 Perguntas em Português RESULTADO DO SIMULADO Total de questões: 40 Pontos: 0 Score: 0 % Tempo restante: 55:07 min Resultado: Você precisa

Leia mais

DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE

DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento

Leia mais

Noções de Pesquisa e Amostragem. André C. R. Martins

Noções de Pesquisa e Amostragem. André C. R. Martins Noções de Pesquisa e Amostragem André C. R. Martins 1 Bibliografia Silva, N. N., Amostragem probabilística, EDUSP. Freedman, D., Pisani, R. e Purves, R., Statistics, Norton. Tamhane, A. C., Dunlop, D.

Leia mais

Índice de conteúdos. Índice de conteúdos. Capítulo 6. Modelação e Simulação de Sistemas...1. 1.A simulação de sistemas...1. 1.1.Definição...

Índice de conteúdos. Índice de conteúdos. Capítulo 6. Modelação e Simulação de Sistemas...1. 1.A simulação de sistemas...1. 1.1.Definição... Índice de conteúdos Índice de conteúdos Capítulo 6. Modelação e Simulação de Sistemas...1 1.A simulação de sistemas...1 1.1.Definição...1 1.2.As razões de usar modelos de simulação...2 2.Modelos de simulação...4

Leia mais

Engenharia de Software Introdução. Ricardo Argenton Ramos UNIVASF Engenharia de Software I - Aula 1

Engenharia de Software Introdução. Ricardo Argenton Ramos UNIVASF Engenharia de Software I - Aula 1 Engenharia de Software Introdução Ricardo Argenton Ramos UNIVASF Engenharia de Software I - Aula 1 Tópicos Apresentação da Disciplina A importância do Software Software Aplicações de Software Paradigmas

Leia mais

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis O objetivo deste texto é apresentar os principais procedimentos

Leia mais

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA HABILIDADES CONTEÚDO METODOLOGIA/ESTRATÉGIA HORA/ AULA ANÁLISE GRÁFICA DE FUNÇÕES

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA HABILIDADES CONTEÚDO METODOLOGIA/ESTRATÉGIA HORA/ AULA ANÁLISE GRÁFICA DE FUNÇÕES CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA ENSINO MÉDIO ÁREA CURRICULAR: CIÊNCIA DA NATUREZA, MATEMÁTICA E SUAS TECNOLOGIAS DISCIPLINA: MATEMÁTICA I SÉRIE 1.ª CH 68 ANO 2012 COMPETÊNCIAS:.

Leia mais

ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA

ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA INTRODUÇÃO O projeto de um banco de dados é realizado sob um processo sistemático denominado metodologia de projeto. O processo do

Leia mais

Figura 1.1: Exemplo de links patrocinados no Google

Figura 1.1: Exemplo de links patrocinados no Google 1 Links Patrocinados 1.1 Introdução Links patrocinados são aqueles que aparecem em destaque nos resultados de uma pesquisa na Internet; em geral, no alto ou à direita da página, como na Figura 1.1. Figura

Leia mais

FUNÇÕES. 1. Equação. 2. Gráfico. 3. Tabela.

FUNÇÕES. 1. Equação. 2. Gráfico. 3. Tabela. FUNÇÕES Em matemática, uma função é dada pela relação entre duas ou mais quantidades. A função de uma variável f(x) relaciona duas quantidades, sendo o valor de f dependente do valor de x. Existem várias

Leia mais

Teste de software. Definição

Teste de software. Definição Definição O teste é destinado a mostrar que um programa faz o que é proposto a fazer e para descobrir os defeitos do programa antes do uso. Quando se testa o software, o programa é executado usando dados

Leia mais

Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo:

Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo: Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo: que cada pessoa disponha do uso exclusivo de uma rua para se movimentar;

Leia mais

Metodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi

Metodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi Metodologias de Desenvolvimento de Sistemas Analise de Sistemas I UNIPAC Rodrigo Videschi Histórico Uso de Metodologias Histórico Uso de Metodologias Era da Pré-Metodologia 1960-1970 Era da Metodologia

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção

Leia mais

Introdução. O que é um survey? Projeto de Surveys. Tópicos Especiais em E.S.: Surveys. Cleidson de Souza. representatividade de amostras;

Introdução. O que é um survey? Projeto de Surveys. Tópicos Especiais em E.S.: Surveys. Cleidson de Souza. representatividade de amostras; Introdução Tópicos Especiais em E.S.: Surveys Cleidson de Souza LABES - DI - UFPA cdesouza@ufpa.br! Um dos principais exemplos de pesquisa empírica:! Pesquisas de votos;! Pesquisas de opinião pública;!

Leia mais

Módulo 2/3: Automação nos Sistemas de Produção. Prof. André Pedro Fernandes Neto

Módulo 2/3: Automação nos Sistemas de Produção. Prof. André Pedro Fernandes Neto Módulo 2/3: Automação nos Sistemas de Produção Prof. André Pedro Fernandes Neto Razões para Automatizar Alto custo de mão de obra Investimentos em máquinas que possam automatizar a produção com um custo

Leia mais

Algoritmos Computacionais ( Programas )

Algoritmos Computacionais ( Programas ) Algoritmos Computacionais ( Programas ) A partir deste tópico, consideramos a utilização do universo Computacional na solução de problemas. Para tanto devemos lembrar que a transposição de problemas do

Leia mais

Guia de Modelagem de Casos de Uso

Guia de Modelagem de Casos de Uso Guia de Modelagem de Casos de Uso Sistema de e-commerce de Ações Versão 1.1 1 Histórico da Revisão. Data Versão Descrição Autor 13 de Setembro de 2008 1.0 Criação do documento Antonio Marques 28 de Setembro

Leia mais

Versão 1.0 09/Set/2013. www.wedocenter.com.br. WeDo Soluções para Contact Center Consultorias

Versão 1.0 09/Set/2013. www.wedocenter.com.br. WeDo Soluções para Contact Center Consultorias Verificação do Modelo de Erlang Ponto de Análise: Processo de chegada de contatos Operações de Contact Center Receptivo Por: Daniel Lima e Juliano Nascimento Versão 1.0 09/Set/2013 Ponto de Análise Processo

Leia mais