Avaliação de Desempenho

Tamanho: px
Começar a partir da página:

Download "Avaliação de Desempenho"

Transcrição

1 Avaliação de Desempeho Mário Meireles Teixeira Departameto de Iformática, UFMA Itrodução Desempeho: quatidade de serviços prestados / tempo decorrido desde o iício dos serviços A qualidade de um sistema é julgada pela impressão causada a seus usuários Se existe descotetameto, surge a ecessidade de avaliação do sistema Objetivos da Aálise de Desempeho Maximização da eficiêcia de um sistema Maximização da utilização de um recurso Miimização do custo Miimização do tempo de resposta Balaceameto de carga

2 Itrodução Aplicações da Aálise de Desempeho Sistemas existetes Sistemas em desevolvimeto Seleção de sistemas Por que essa tarefa é muitas vezes esquecida? 3 Técicas de Avaliação de Desempeho de Sistemas As iformações requeridas podem ser obtidas: A partir do próprio sistema Através de um modelo represetativo do sistema A partir do próprio sistema Protótipos Bechmarks Coleta de dados Técicas de Aferição Baseiam-se em medições feitas sobre o sistema real ou sobre um protótipo do mesmo Somete é possível aplicar se o sistema já existe 4 2

3 Técicas de Aferição Protótipos Simplificação de um sistema ou artefato, mas preservado a fucioalidade do mesmo Como abstrair as características esseciais do sistema? Custo elevado Bechmarks Programas usados para testar o desempeho de um software, hardware ou sistema computacioal Utilizados para efeito de comparação O próprio bechmark ão pode iflueciar os resultados obtidos Coleta de Dados A aálise é feita a partir de dados reais do sistema Mais precisa das técicas de aferição Pode ser impossível de realizar ou muito caro 5 Modelagem Modelo Descrição de um determiado sistema, abstraido suas características mais relevates Técicas de Modelagem Redes de Filas Redes de Petri Statecharts Soluções do Modelo Modelagem Aalítica Simulação 6 3

4 Modelagem Modelagem Aalítica Pode ser aplicada a sistemas aida em fase de projeto Requer boa formação matemática Forece resultados aproximados Muitas simplificações do modelo podem ser ecessárias 7 Modelagem Simulação Simula-se o comportameto de um sistema real a partir de um modelo do mesmo Em geral, é possível costruir um modelo mais próximo da realidade do que quado se usa a modelagem aalítica Resultados ão exatos Técica flexível, de baixo custo e ampla aceitação o meio cietífico e a idústria (petróleo, aviação, trâsito, telefoia, provedores de iteret...) Iúmeras bibliotecas, ambietes de simulação e liguages: SMPL, SimPack QNET4, OPNET, JavaSim, NS-2 SIMULA, GPSS 8 4

5 Taxoomia Técicas de Avaliação de Desempeho Sistema real ou similar Modelo do sistema Protótipos Bechmarks Coleta de dados Modelagem Aalítica Simulação Aferição 9 Critérios para seleção da Técica de Avaliação Modelagem Aalítica Simulação Aferição 1. Estágio Qualquer Qualquer Após prototipação 2. Tempo Pouco Médio Variado 3. Ferrametas Aalistas Liguages de programação 4. Precisão Pouca Moderada Variada 5. Comparações Fáceis Moderadas Difíceis 6. Custo Baixo Médio Alto Istrumetação 7. Poder de covecimeto Baixo Médio Alto 10 5

6 Métricas de Desempeho S I S T E M A Pedido de serviço i Executado Executado Corretamete Executado Icorretamete Erro j Tempo (Tempo de Resposta) Taxa (Throughput) Recurso (Utilização) Probabilidade Itervalo etre Erros Velocidade Cofiabilidade Não Executado Eveto k Duração do Eveto Itervalo etre Evetos Dispoibilidade 11 Tempo de Resposta Itervalo etre o pedido do usuário e a resposta do sistema Sistemas batch: turaroud time (tempo de ciclo) Stretch factor (R/S) Pedido do Usuário Resposta do Sistema Tempo de Resposta Tempo Usuário Iicia Pedido Usuário Fializa Pedido Sistema Iicia Execução Sistema Iicia Resposta Sistema Completa Resposta Usuário Iicia Próximo Pedido Tempo de Reação Tempo de Resposta (Defiição 1) Tempo de Resposta (Defiição 2) Thik Time Tempo 12 6

7 Throughput (Vazão) Taxa a qual os pedidos são atedidos pelo sistema (pedidos por uidade de tempo) Exemplos: Sistemas batch: jobs por segudo Sistemas iterativos: pedidos por segudo CPUs: MIPS ou MFLOPS Redes de comuicação: pacotes por segudo (pps) ou bits por segudo (bps) Sistemas de processameto de trasações: trasações por segudo (TPS) Sistemas da Web: requisições HTTP por segudo 13 Throughput Vazão Joelho Capacidade Nomial Capacidade do Joelho Capacidade Utilizável Carga 14 7

8 Eficiêcia Def: Razão etre o throughput máximo (capacidade utilizável) e a capacidade omial do sistema Uma LAN de 100 Mbps com throughput máximo de 85 Mbps: Eficiêcia de 85% 2. A razão do desempeho de um sistema com processadores para outro com apeas um processador Eficiêcia Número de Processadores 15 Outras Métricas Utilização Fração de tempo em que o recurso está ocupado atededo os pedidos dos clietes Cofiabilidade Probabilidade de erros ou itervalo médio etre erros Dispoibilidade Fração de tempo em que o sistema está dispoível para ateder seus clietes (uptime) MTTF Mea Time to Failure Relação Custo/Desempeho Ex: $ / TPS Comparação etre sistemas 16 8

9 Utilidade das Métricas de Desempeho U T I L I D A D E Meor é melhor U T I L I D A D E Maior é melhor MEDIDA MEDIDA U T I L I D A D E Nomial é melhor MEDIDA 17 Especificação de Requisitos de Desempeho Specific (Específicos) Measurable (Mesuráveis) Acceptable (Aceitáveis) Realizable (Viáveis) Thorough (Abragetes) 18 9

10 Erros Comus e Como Evitá-los Erros Comus Ausêcia de objetivos É importate que o aalista compreeda o fucioameto do sistema e idetifique o problema a ser resolvido Objetivos tedeciosos Mostrar que o osso sistema é melhor que o deles Abordagem ão sistemática Tetativa e erro: objetivos, parâmetros, fatores, métricas e carga de trabalho são escolhidos arbitrariamete 20 10

11 Erros Comus Aálise sem a compreesão do problema Um problema bem formulado já está meio resolvido! Os modelos são meios para se chegar a coclusões e ão o resultado fial Escolha icorreta das métricas de desempeho Devem-se escolher métricas relevates e ão aquelas que podem ser mais facilmete computadas Ex. de equívocos: Uso de MIPS para comparar arquiteturas CISC e RISC Estudar o desempeho de um servidor web a partir do úmero de pacotes IP retorados 21 Erros Comus Carga de trabalho ão represetativa A seleção da carga de trabalho tem um impacto sigificativo os resultados da avaliação de desempeho Uso de técica de avaliação iadequada Os aalistas geralmete têm preferêcia por uma dada técica de avaliação e a usam em todos os casos! Igorar parâmetros importates Devem-se listar todas as características do sistema e da carga de trabalho que podem afetar o desempeho Os parâmetros devem ser variados a fim de avaliar diferetes ceários de uso do sistema 22 11

12 Erros Comus Igorar fatores sigificativos Os parâmetros que são variados são deomiados fatores Devem ser escolhidos como fatores aqueles parâmetros que, quado variados, provocam maior impacto o desempeho Os diferetes valores dos fatores são chamados de íveis Exemplos: Número de usuários Taxa de chegada Tamaho do arquivo/pacote/bloco Velocidade da CPU/disco/rede Erros Comus Defiição iapropriada do experimeto Nível iadequado de detalhe Falta de aálise dos resultados Aálise icorreta Estimação icorreta dos parâmetros Tratameto iadequado de potos fora da curva Igorar a variabilidade 24 12

13 Erros Comus Aálise muito complicada É melhor começar com modelos ou experimetos simples, obter algus resultados e, só etão, complicar as coisas... Apresetação imprópria dos resultados Igorar aspectos sociais Omitir hipóteses e limitações da aálise 25 Abordagem Sistemática da Avaliação de Desempeho 1. Estabeleça os objetivos e defia o sistema 2. Liste os serviços e suas respostas 3. Selecioe as métricas Em geral, estão associadas com velocidade, cofiabilidade e dispoibilidade dos serviços 4. Liste os Parâmetros Do sistema e da carga de trabalho 26 13

14 Abordagem Sistemática da Avaliação de Desempeho 5. Selecioe os fatores a serem estudados Selecioe os íveis de cada fator 6. Selecioe a técica de avaliação 7. Selecioe a carga de trabalho 8. Plaeje os experimetos 9. Aalise e iterprete os dados Não cofudir resultados com coclusões! 10. Apresete os resultados 27 Estudo de Caso 14

15 Comparação de Pipes Remotos com RPCs Nas RPCs, os chamadores ficam bloqueados Defiição do Sistema: Cliete Requisição Servidor Execução Resposta Caal: Procedimeto ou um Pipe 29 Estudo de Caso: Serviços Dois tipos de chamadas do caal: Remote Procedure Call e Pipe Remoto Recursos usados pelas chamadas depedem: do úmero de parâmetros passados da ação ecessária sobre estes parâmetros Serviços: Trasferêcia de Dados Curtos Trasferêcia de Dados Logos 30 15

16 Estudo de Caso: Métricas O estudo será limitado à operação correta Métricas: Tempo decorrido por chamada Taxa máxima de chamadas por uidade de tempo Tempo da CPU local por chamada Tempo da CPU remota por chamada Número de bytes eviados o elace por chamada 31 Estudo de Caso: Parâmetros Parâmetros do Sistema que afetam o desempeho: Velocidade da CPU Local Velocidade da CPU Remota Velocidade da Rede Sobrecarga do S.O. (para coversar com os caais) Sobrecarga do S.O. (para coversar com a rede) Cofiabilidade da rede (retrasmissões) 32 16

17 Estudo de Caso: Parâmetros Parâmetros da Carga que afetam o desempeho: Itervalo de Tempo etre Chamadas Sucessivas Número e Tamaho dos Parâmetros das Chamadas Número e Tamaho dos Resultados Tipo do Caal Outras Cargas as CPUs Local e Remota Outras Cargas a Rede 33 Estudo de Caso: Fatores Tipo do Caal: Pipes remotos e RPCs Velocidade da Rede: Curta distâcia (Campus) e loga distâcia Tamaho dos Parâmetros a ser trasferidos: Dois íveis: pequeos e grades Número de Chamadas Cosecutivas () ={1,2,4,8,16,32,64,128,256,512, 1024} Os demais parâmetros permaecerão fixos 34 17

18 Estudo de Caso: Técica de Avaliação Dado que existem protótipos dos dois sistemas de caal: MEDIÇÕES MODELAGEM ANALÍTICA será usada para justificar a cosistêcia dos valores medidos para diferetes parâmetros 35 Estudo de Caso: Carga de Trabalho A carga cosistirá de um programa sitético gerado os tipos de chamadas especificadas O programa irá também moitorar os recursos cosumidos e registrar os resultados medidos Pedidos ulos serão utilizados para avaliar os recursos cosumidos com a moitoração e registro 36 18

19 Estudo de Caso Projeto do Experimeto Um projeto fatorial completo com 2^3*11=88 experimetos será utilizado para o estudo iicial Aálise dos Dados Será utilizada Aálise de Variâcia para quatificar os efeitos dos três primeiros fatores e regressão para quatificar os efeitos do úmero de chamadas cosecutivas. 37 Estudo de Caso Apresetação dos Dados: Os resultados fiais serão plotados em fução do tamaho do bloco Este estudo foi efetuado por Glasser e relatado uma Dissertação de Mestrado em

20 Trabalho I Aplicação da Metodologia Escolha um sistema para estudar o desempeho. Descreva o sistema sucitamete e liste: Os serviços e as respostas As métricas de desempeho Os parâmetros do sistema A carga de trabalho Os parâmetros da carga de trabalho Os fatores e suas faixas de valores A técica de avaliação a ser utilizada Justifique suas escolhas

AVALIAÇÃO DE DESEMPENHO

AVALIAÇÃO DE DESEMPENHO AVALIAÇÃO DE DESEMPENHO Mário Meireles Teixeira Departamento de Informática, UFMA mario@deinf.ufma.br Introdução 2 Desempenho: quantidade de serviços prestados / tempo decorrido desde o início dos serviços

Leia mais

Introdução a Complexidade de Algoritmos

Introdução a Complexidade de Algoritmos Itrodução a Complexidade de Algoritmos Estruturas de Dados Prof. Vilso Heck Juior Apresetação Revisão - O Algoritmo; A Complexidade; Exercício. Complexidade de Algoritmos REVISÃO - O ALGORITMO O Algoritmo

Leia mais

Uma Proposta de Infra-estrutura de Medições para o Tráfego do Backbone da RNP2

Uma Proposta de Infra-estrutura de Medições para o Tráfego do Backbone da RNP2 Uma Proposta de Ifra-estrutura de Medições para o Tráfego do Backboe da RNP2 Leobio Nascimeto Sampaio e-mail: leobio@uifacs.br José A. Suruagy e-mail: suruagy@uifacs.br Abril - 2003 Roteiro Apresetação

Leia mais

Análise e Modelagem de Desempenho de Sistemas de Computação. Profa. Jussara M. Almeida 1 o Semestre de 2014

Análise e Modelagem de Desempenho de Sistemas de Computação. Profa. Jussara M. Almeida 1 o Semestre de 2014 Análise e Modelagem de Desempenho de Sistemas de Computação Profa. Jussara M. Almeida 1 o Semestre de 2014 Modelo de Sistema Serviço Modelo: representação do comportamento do desempenho do sistema Etapas

Leia mais

1 Amintas engenharia

1 Amintas engenharia 1 Amitas egeharia 2 Cálculo Numérico 1. Itrodução Amitas Paiva Afoso 3 1. Itrodução O que é o Cálculo Numérico? 4 1. Itrodução O Cálculo Numérico correspode a um cojuto de ferrametas ou métodos usados

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

Estudando complexidade de algoritmos

Estudando complexidade de algoritmos Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade

Leia mais

Teste de Software. Engenharia de Software Profa. Dra. Elisa Yumi Nakagawa 1º semestre de 2016

Teste de Software. Engenharia de Software Profa. Dra. Elisa Yumi Nakagawa 1º semestre de 2016 Teste de Software Egeharia de Software Profa. Dra. Elisa Yumi Nakagawa 1º semestre de 2016 Aspectos teóricos e empíricos de teste de cobertura de software Notas Didáticas do ICMC/USP (o. 31) Tópicos da

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO

ENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO ENGENHARIA DA QUALIDADE A ENG 09008 AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO PROFESSOR: CARLA SCHWENGBER TEN CATEN Teorema do limite cetral A soma (e sua média) de

Leia mais

Conceitos de Análise de Desempenho

Conceitos de Análise de Desempenho Conceitos de Análise de Desempenho Prof. Gustavo Leitão Campus Natal Central Planejamento de Capacidade de Sistemas 5/3/2010 Objetivo da Aula 5/3/2010 5/3/2010 INTRODUÇÃO Introdução sobre análise de desempenho

Leia mais

Número-índice: Conceito, amostragem e construção de estimadores

Número-índice: Conceito, amostragem e construção de estimadores Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela

Leia mais

O Modelo OSI. O Modelo OSI. As Camadas do Modelo. As Camadas do Modelo (cont.)

O Modelo OSI. O Modelo OSI. As Camadas do Modelo. As Camadas do Modelo (cont.) 1 O Modelo OSI Eduardo Max A. Amaral Aula 3 O Modelo OSI Framework cocebido pela ISO para a defiição de padrões, visado a itercoexão de sistemas heterogêeos (idepedêcia de fabricate, sistema operacioal

Leia mais

SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 3 Sarita Mazzini Bruschi

SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 3 Sarita Mazzini Bruschi Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 3 Sarita Mazzini Bruschi Material

Leia mais

Organização de Arquivos

Organização de Arquivos Orgaização de Arquivos Cristia D. A. Ciferri Thiago A. S. Pardo Leadro C. Citra M.C.F. de Oliveira Moacir Poti Jr. Por que Orgaizar Arquivos? Cosidere o seguite stream (fluxo) de bytes AmesJoh123 MapleStillwaterOK74075MasoAla90

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

Mário Meireles Teixeira. Departamento de Informática, UFMA. mario@deinf.ufma.br. Técnicas de Modelagem. Técnicas de Avaliação de desempenho.

Mário Meireles Teixeira. Departamento de Informática, UFMA. mario@deinf.ufma.br. Técnicas de Modelagem. Técnicas de Avaliação de desempenho. Simulação Mário Meireles Teixeira Departameto de Iformática, UFMA mario@deif.ufma.br Técicas de Modelagem Técicas de Avaliação de desempeho Aferição Modelagem Protótipos Bechmarcks Coleta de Dados Rede

Leia mais

Sumário. 2 Índice Remissivo 17

Sumário. 2 Índice Remissivo 17 i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

10 - Medidas de Variabilidade ou de Dispersão 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.

Leia mais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais Capítulo 3: Gestão de stoques Curso de Admiistração de mpresas 2º Semestre 09 Disciplia: Admiistração da Logística e Patrimôio Capítulo 03: Gestão de estoques (Partes 3 e 4) Parte : Itrodução Parte 2:

Leia mais

FILAS PARALELAS COM SERVIDORES HETEROGÊNEOS E JOCKEYING PROBABILÍSTICO

FILAS PARALELAS COM SERVIDORES HETEROGÊNEOS E JOCKEYING PROBABILÍSTICO CAÍTULO FILAS ARALELAS COM SERVIDORES HETEROGÊNEOS E JOCKEYING ROBABILÍSTICO Nesse capítulo mostraremos a ovidade desse trabalho que é a obteção das equações de balaço de um sistema de filas paralelas

Leia mais

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma

Leia mais

Métodos Quantitativos para Ciência da Computação Experimental

Métodos Quantitativos para Ciência da Computação Experimental Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #4c- Virgílio A. F. Almeida Março 2008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Exercício Usado a Regra de

Leia mais

Avaliação Quantitativa de Sistemas

Avaliação Quantitativa de Sistemas Avaliação Quantitativa de Sistemas Contexto A Avaliação Quantitativa de Sistemas permite a avaliação de sistemas antes mesmo da sua implementação física. Dessa forma, é possível avaliar um sistema projetado

Leia mais

CE-003: Estatística II - Turma K/O Avaliações Periódicas (1 o semestre 2018)

CE-003: Estatística II - Turma K/O Avaliações Periódicas (1 o semestre 2018) CE-003: Estatística II - Turma K/O Avaliações Periódicas (1 o semestre 2018) Avaliação 01 1. Em cada um dos ites a seguir foreça o espaço amostral e também sua caracterização quato a ser (i) fiito ou ifiito,

Leia mais

A Computação e as Classificações da Ciência

A Computação e as Classificações da Ciência A Computação e as Classificações da Ciêcia Ricardo de Almeida Falbo Metodologia de Pesquisa Departameto de Iformática Uiversidade Federal do Espírito Sato Ageda Classificações da Ciêcia A Computação e

Leia mais

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy Viziho Próximo ógica Fuzzy Métodos de Classificação dos Objetos Segmetados(IAR) objeto REGRA CASSE Fuzzy Cohecimeto Miima Distâcia Viziho Próximo O método do viziho próximo é baseado o método da míima

Leia mais

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais

Leia mais

Introdução. Objetivo da Ciência da Computação. Regra Geral. Nenhuma implementação excelente salva um Algoritmo inadequado.

Introdução. Objetivo da Ciência da Computação. Regra Geral. Nenhuma implementação excelente salva um Algoritmo inadequado. Itrodução Problema Algoritmo Implemetação Problema Uiversidade Federal de Ouro Preto Departameto de Computação Algoritmo 1 Algoritmo Algoritmo Projeto e Aálise de Algoritmos - I Implemetação C Implemetação

Leia mais

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2007.

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2007. Ageda Aálise e Técicas de Algoritmos Motivação para aálise de de algoritmos Aálise assitótica Algus exemplos simples Jorge Figueiredo Aálise de de Algoritmos Dois aspectos importates: Um problema pode,

Leia mais

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho Apredizagem Estatística de Dados Fracisco Carvalho Avaliação e Comparação de Classificadores Existem poucos estudos aalíticos sobre o comportameto de algoritmos de apredizagem. A aálise de classificadores

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Métodos Quantitativos para Ciência da Computação Experimental Aula #4

Métodos Quantitativos para Ciência da Computação Experimental Aula #4 Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado

Leia mais

CE-003: Estatística II - Turma K/O Avaliações Semanais (2 o semestre 2015)

CE-003: Estatística II - Turma K/O Avaliações Semanais (2 o semestre 2015) CE-003: Estatística II - Turma K/O Avaliações Semaais (2 o semestre 20) Semaa 5 (av-01) 1. Um idivíduo vai participar de uma competição que cosiste em respoder questões que são lhe são apresetadas sequecialmete.

Leia mais

Modelagem para o tempo de atravessamento e inventário médio em arranjos produtivos por processo

Modelagem para o tempo de atravessamento e inventário médio em arranjos produtivos por processo Modelagem para o tempo de atravessameto e ivetário médio em arrajos produtivos por processo Everto Peter Satos da Rosa (UNISINOS) everto.rosa@areva-td.com Felipe Morais Meezes (UNISINOS) meezes@produttare.com.br

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

O teste de McNemar. A tabela 2x2. Depois - Antes

O teste de McNemar. A tabela 2x2. Depois - Antes Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"

Leia mais

Comparação entre duas populações

Comparação entre duas populações Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas

Leia mais

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole

Leia mais

REVISÃO DE PROBABILIDADE E ESTATÍSTICA. Parte 2

REVISÃO DE PROBABILIDADE E ESTATÍSTICA. Parte 2 REVISÃO DE PROBABILIDADE E ESTATÍSTICA Parte Variáveis Aleatórias Defiição: Regra que atribui um valor umérico a cada possível resultado de um eperimeto. Eemplo: Jogue duas moedas (o eperimeto aleatório)

Leia mais

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para

Leia mais

Probabilidade II Aula 12

Probabilidade II Aula 12 Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em

Leia mais

Representação de Números em Ponto Flutuante

Representação de Números em Ponto Flutuante Represetação de Números em Poto Flutuate OBS: Esta aula é uma reprodução, sob a forma de slides, da aula em vídeo dispoibilizada pelo prof. Rex Medeiros, da UFRN/ECT, em https://youtu.be/ovuymcpkoc Notação

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

PROF. DR. JACQUES FACON

PROF. DR. JACQUES FACON 1 PUCPR- Potifícia Uiversidade Católica Do Paraá PPGIA- Programa de Pós-Graduação Em Iformática Aplicada PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR MATRIZ DE CO-OCORRÊNCIA Resumo: O método da matriz de co-ocorrêcia,

Leia mais

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas

Leia mais

Conteúdo. Observações importantes. Introdução à Estatística. Introdução a Probabilidade e Estatística para Teoria dos Valores Extremos (TVE)

Conteúdo. Observações importantes. Introdução à Estatística. Introdução a Probabilidade e Estatística para Teoria dos Valores Extremos (TVE) Coteúdo Uiversidade Federal de Sata Cataria (UFSC) Programa de Pós-Graduação em Egeharia de Automação e Sistemas (PPGEAS) Disciplia: Sistemas de Tempo Real II 1 Itrodução à Estatística Itrodução a Probabilidade

Leia mais

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco Taxas e Ídices Aa Maria Lima de Farias Dirce Uesu esco Itrodução Nesse texto apresetaremos coceitos básicos sobre ídices e taxas. Embora existam aplicações em diversos cotextos, essas otas utilizaremos

Leia mais

Quantificando os Fenômenos Biológicos

Quantificando os Fenômenos Biológicos 1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que

Leia mais

4 Teoria da Probabilidade

4 Teoria da Probabilidade 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo

Leia mais

Sumário. 2 Índice Remissivo 11

Sumário. 2 Índice Remissivo 11 i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de

Leia mais

Problemas Sobre Correlacionamento

Problemas Sobre Correlacionamento Capítulo 2 Problemas Sobre Correlacioameto Se caiu, levate e ade como se uca tivesse caído, cosiderado que, a cada vez que você se esforça e se levata de uma queda, suas peras se fortalecem. 2.1. Problemas

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17) Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar

Leia mais

Disciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA

Disciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA Miistério da Educação UIVERSIDADE TECOLÓGICA FEDERAL DO PARAÁ Câmpus Curitiba Diretoria de Graduação e Educação Profissioal Departameto Acadêmico de Estatística 1 Disciplia: Probabilidade e Estatística

Leia mais

Intervalos Estatísticos para uma única Amostra - parte II

Intervalos Estatísticos para uma única Amostra - parte II Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça

Leia mais

Métodos de Amostragem

Métodos de Amostragem Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

INTERPOLAÇÃO POLINOMIAL

INTERPOLAÇÃO POLINOMIAL 1 Mat-15/ Cálculo Numérico/ Departameto de Matemática/Prof. Dirceu Melo LISTA DE EXERCÍCIOS INTERPOLAÇÃO POLINOMIAL A aproximação de fuções por poliômios é uma das ideias mais atigas da aálise umérica,

Leia mais

Medição e Métricas de Software

Medição e Métricas de Software Medição e Métricas de Software Motivação Um dos objetivos básicos da Egeharia de Software é: a trasformação da criação de sistemas software de uma maeira artística, idiscipliada e pouco etedível para uma

Leia mais

Lista IC, tamanho de amostra e TH

Lista IC, tamanho de amostra e TH Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o

Leia mais

REDUÇÃO DE INCERTEZAS NA CARACTERIZAÇÃO DE RESERVATÓRIOS ATRAVÉS DA INCORPORAÇÃO DE DADOS DINÂMICOS

REDUÇÃO DE INCERTEZAS NA CARACTERIZAÇÃO DE RESERVATÓRIOS ATRAVÉS DA INCORPORAÇÃO DE DADOS DINÂMICOS REDUÇÃO DE INCERTEZAS NA CARACTERIZAÇÃO DE RESERVATÓRIOS ATRAVÉS DA INCORPORAÇÃO DE DADOS DINÂMICOS Célio Maschio celio@dep.fem.uicamp.br Faculdade de Egeharia Mecâica, Departameto de Egeharia de Petróleo,

Leia mais

Sistemas de Suporte à Decisão (DSS)

Sistemas de Suporte à Decisão (DSS) Uiversidade de São Paulo Istituto de Ciêcias Matemáticas e de Computação Departameto de Ciêcias de Computação Sistemas de Suporte à Decisão (DSS) (Aula 07) Profa. Elisa Yumi Nakagawa 1. Semestre de 2016

Leia mais

Sobre a necessidade das hipóteses no Teorema do Ponto Fixo de Banach

Sobre a necessidade das hipóteses no Teorema do Ponto Fixo de Banach Sobre a ecessidade das hipóteses o Teorema do Poto Fio de Baach Marcelo Lopes Vieira Valdair Bofim Itrodução: O Teorema do Poto Fio de Baach é crucial a demostração de vários resultados importates da Matemática

Leia mais

CE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo

CE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo CE07 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo LISTA - EXERCÍCIOS ) Para o modelo de regressão liear simples ormal, ecotre os estimadores de máxima verossimilhaça dos parâmetros β 0, β e σ

Leia mais

Aumentou-se o número de crimes nas regiões onde foram construídos os presídios?

Aumentou-se o número de crimes nas regiões onde foram construídos os presídios? Aumetou-se o úmero de crimes as regiões ode foram costruídos os presídios? Guilherme Aparecido Satos Aguilar 1 Vilma Mayumi Tachibaa 1 1 Itrodução O Brasil tem a quarta maior população carcerária do mudo

Leia mais

; 2N 2N.! " j %.(1 & q)2 N & j.q j. j!(2n & j)!

; 2N 2N.!  j %.(1 & q)2 N & j.q j. j!(2n & j)! DERIVA GENÉTICA Seja uma população de tamaho fiito N, costate ao logo das gerações; sejam aida p e q as freqüêcias dos alelos A e a de um loco autossômico a geração ; como o tamaho da população é costate,

Leia mais

S E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números

S E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números S E Q U Ê N C I A S E L I M I T E S Prof. Beito Frazão Pires Uma sequêcia é uma lista ordeada de úmeros a, a 2,..., a,... ) deomiados termos da sequêcia: a é o primeiro termo, a 2 é o segudo termo e assim

Leia mais

Redes de Computadores

Redes de Computadores Redes de Computadores A Iteret Parte I Prof. Thiago Dutra Ageda Visão Geral O que é a Iteret? Orgaização da Iteret Estrutura da Iteret Bordas da Rede Núcleo da Rede Redes de Acesso

Leia mais

Gerência de Redes Turma : V

Gerência de Redes Turma : V Gerêcia de Redes Turma : 20171.5.01405.1V SNMPv2 Prof. Thiago Dutra Ageda Itrodução Melhorias Gereciameto Descetralizado Estrutura da MIB Operações SNMPv1 x SNMPv2 2 1 Itrodução

Leia mais

A medição do som proveniente dos sistemas de transportes

A medição do som proveniente dos sistemas de transportes A medição do som proveiete dos sistemas de trasportes Um dos problemas causados pelos sistemas de trasportes são os ruídos gerados com a sua itesificação. Os íveis de pressão soora são as pricipais fotes

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

Tópicos. Cliente presente O jogo do planejamento Stand up meeting Programação em par

Tópicos. Cliente presente O jogo do planejamento Stand up meeting Programação em par Práticas do XP Tópicos Cliete presete O jogo do plaejameto Stad up meetig Programação em par 2 Cliete presete 3 Cliete Presete Tradicioalmete, há uma divisão implícita etre as resposabilidades do cliete

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ 1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular Sistemas de Processameto Digital Egeharia de Sistemas e Iformática Ficha 4 5/6 4º Ao/ º Semestre DFS Série Discreta de Fourier DFT Trasformada Discreta de Fourier Covolução Circular Para calcular a DFT,

Leia mais

Distribuição de Bernoulli

Distribuição de Bernoulli Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados

Leia mais

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma

Leia mais

6. Modelagem Matemática para Solução por Método Exato

6. Modelagem Matemática para Solução por Método Exato 69 6. Modelagem Matemática para Solução por Método Exato Os primeiros modelos a tratarem do Problema de Programação da Produção datam das décadas de 50 e 60. Destes modelos, destacam-se os modelos propostos

Leia mais

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) uma amostra aleatória da variável aleatória X. - Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes

Leia mais

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

1 Distribuições Amostrais

1 Distribuições Amostrais 1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes

Leia mais

Hipótese Estatística. Tipos de Hipóteses

Hipótese Estatística. Tipos de Hipóteses Hipótese Estatística Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Podemos formular a hipótese que a produtividade

Leia mais

5 Teoria dos Valores Extremos

5 Teoria dos Valores Extremos Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos

Leia mais

Ex: Sistema Tráfego Rodoviário

Ex: Sistema Tráfego Rodoviário Ex: Sistema Tráfego Rodoviário Podemos modelá-lo através do Sistema de Rede de Filas: Atores : Carros são os Clientes Ponte éo Serviço Engarrafamento éa Fila Deseja-se, por exemplo: Tempo de espera no

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.

Leia mais