Vamos denominar 1/µ o tempo médio de atendimento de um cliente. Tem-se, então que:

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Vamos denominar 1/µ o tempo médio de atendimento de um cliente. Tem-se, então que:"

Transcrição

1 Vamos admitir que o tempo de atendimento (tempo de serviço) de clientes diferentes são variáveis aleatórias independentes e que o atendimento de cada consumidor é dado por uma variável S tendo função densidade s(t). Vamos denominar /µ o tempo médio de atendimento de um cliente. Tem-se, então que: 0 ts(t) dt µ A variável /µ será medida em horas por cliente, de modo que µ será medida em clientes por hora. Por esse motivo µ será denominada detaxa deserviço. Por exemplo µ5, significa que se sempre existirem clientes, o atendente poderá atender a 5 clientes por hora, em média, e o tempo médio de serviço (atendimento) para cada consumidor será de /5 hora. Na notação de Kendall, uma fila é descrita por: Ou mais resumidamente por A/B/C, onde é assumido que Z FIFO, K, m. David George Kendall ( ) estatístico britânico professor das universidades de Oxford e Cambridge. Foi um dos maiores especialistas em Probabilidade e Análise de Dados.

2 Valores de A mais comuns. Os tempos entre chegadas: M: são iid tendo uma distribuição exponencial; G: são iid tendo uma distribuição genérica; D: são iid e determinísticos; E r, : são iid com distribuição de Erlang de parâmetros:r e. Valores de B mais comuns. Os tempos de serviço: M: são iid tendo uma distribuição exponencial; G: são iid tendo uma distribuição genérica; D: são iid e determinísticos; E r, : são iid com distribuição de Erlang de parâmetros:r e. Número de servidores Disciplina do serviço. Z será omitido quando a disciplina for FIFO. A terceira característica (C) representa o número de servidores que atuam em paralelo. FIFO FirstIn,FirstOut oufcfs FirstCome,FirstServed; LIFO LastIn,FirstOut oulcfs LastCome,FirstServed; SIRO Service In Random Order; GD Disciplina Genérica. Número máximo de clientes no sistema. K é omitido quando for infinito. Tamanho da população. m é omitido quando for infinito. O número de clientes incluem os que estão na fila e os em atendimento. A menos que o número de clientes seja o mesmo que o de servidores a população é considerada infinita. 2

3 A notação utilizada na teoria das filas é variada mas, em geral, as seguintes são comuns: λ número médio de clientes que entram no sistema por unidade de tempo; µ número médio de clientes atendidos (que saem do sistema) por unidade de tempo; L número médio de clientes no sistema; L q número médio de clientes na fila; L s número médio de clientes sendo atendidos; W tempo médio que o cliente fica no sistema; W q tempo médio que o cliente fica na fila; W s tempo médio que um cliente leva para ser atendido. N t Número de clientes no sistema em t. W q (t) FDA do tempo de espera na fila; w q (t) fdp to tempo de espera na fila; W(t) FDA do tempo de permanência no sistema; T tempo gasto no sistema. Um dos objetivos do estudo das filas é determinar o tempo que um cliente fica no sistema. Assim se um sistema de filas está em estado estacionário, tem-se (Leis de Little): L λw L q λw q L s λw s David John Dutton Conant Little (928 - ) graduado em Física pelo MIT, em 948, Foi o primeiro doutor em PO, obtendo o título em 955. É professor do MIT desde 962, tendo trabalhado anteriormente na GE. Lembrar que L é espresso em termos de número de clientes, λ é expresso em termos de clientes por hora e W é expresso em horas. Assim λw tem a mesma unidade (clientes) de L. As três equações anteriores são válidas para qualquer sistema de filas. 3

4 Representando por p a probabilidade de que o sistema contenha membros (ou esteja no estadoe ) em um momentotfuturo, temse: p 0 Para que o sistema esteja em equilíbrio é necessário que em algum momento: Fluxo de Entrada: E λ - p - + µ + p + Fluxo de Saída: E (λ + µ )p Em equilíbrio os dois fluxos devem ser iguais e então: λ - p - + µ + p + (λ + µ )p A solução dessa equação pode ser obtida considerando inicialmente 0, que leva a: λ 0 p p0 µ 0 Então: λ0 λ... λ p p0 µ µ 2... µ λi p p 0 i 0 µ i+ e p0 λi + i 0 µ i+ A relação p para 0,, 2,... é a principal equação da teoria das filas. Para estudar a existência das probabilidades de estados estacionários (steady-state)p define-se: λ i S 0 i 0 µ i+ e Diz-se, então, que um processo será: Ergódico se: S < e S 2 ; λ i S2 / λ 0 i 0 µ i+ RecorrenteNulo se: S e S 2 ; Transiente se: S e S 2 < ; É o caso Ergódico (S < e S 2 ) que fornece probabilidades de equilíbriop e esse é o que interessa estudar. Pode-se notar que a condição de Ergodicidade é satisfeita sempre que a seqüência λ /µ é menor do que a unidade para algumem diante, isto é, se existe algum 0 tal que para 0 tem-se: λ /µ <. 4

5 Lembrar que um sistema M/M//GD// tem um tempo de inter chegadas exponencial (a taxa de chegadas por unidade de tempo é λ κ λ para 0,, 2 ) e um único servidor com tempo de atendimento também exponencial (a taxa de atendimento será assumida como sendo µ κ µ para 0,, 2, ). Assim: λ i λ λ p p0 p0 p0 para 0 i 0 µ i+ i 0 µ µ A condição para que o sistema seja ergódico (e assim tenha uma solução de equilíbrio p > 0) é que S < e S 2. Nesse caso a primeira condição, torna-se: p λ S < 0 p 0 0 µ Essa série irá convergir se e somente se (λ/µ) < ou λ < µ. A segunda condição de Ergodicidade torna-se: µ S2 0 λ (p p0) 0 λ λ Esta condição será satisfeita se (λ/µ) <, assim a condição necessária e suficiente de ergodicidade do sistemam/m/ é que λ < µ. Para resolver as equações em relação a p 0 partimos de: p0 λ + i λ µ + i 0 i+ µ Essa soma converge se λ < µ e então: p λ µ 0 + λ µ Fazendo λ/µ ρ segue que: p ( ρ) ρ para 0,, 2,... Assim o número de usuários no sistema segue uma distribuição geométrica de parâmetro ρ. λ µ 5

6 Uma medida básica de um sistema de filas é o número esperado de clientes no sistema que é dado por: E(N) L ρ p ( ρ) ρ 0 0 ρ De forma similar pode-se determinar a variância e o desvio padrão do número σ 2 N σ N de clientes no sistema que é dado por: 2 2 ρ σn p ( N) 2 0 ( ρ) Assim o desvio padrão é dado por: ρ σn ρ Define-se ρ λ/µ como a intensidade de trânsito de um sistema de filas ou fator de utilização ou ainda taxa de utilização do sistema. Para o sistema atingir um estado estacionário é necessário que 0 ρ<. Se ρ éfácil de ver que o estado estacionário não será alcançado. Quando ρ, o sistema torna-se instável. Assim, por exemplo, se λ 6clientes por hora e µ 4 clientes por hora. Se o servidor trabalhar todo o tempo ele só poderá atender em média a 4 pessoas por hora. Assim o número médio de clientes por hora irá aumentar de clientes por hora. Dessa forma a fila aumentaria sem limites e não existe uma distribuição do estado estacionário. Se ρ, então a não existência de um estado estacionário não é óbvia, mas a uma análise mais aprofundada indica que ele não existe. Derivação de L De agora em diante será assumido que ρ <, assegurando que a distribuição de probabilidade do estado estacionário p ρ ( - ρ) existe. Assumindo que o estado estacionário tenha sido alcançado, o número médio de consumidores no sistema é dado por: 6

7 L p ρ ( ρ) ( ρ) ρ 0 0 j 0 Definindo: 2 3 S ρ ρ + 2 ρ + 3ρ Tem-se: ρsρ 2 +2ρ 3 +3ρ Subtraindo ρs de S vem: S - ρs ρ+ρ 2 + ρ ρ/( ρ) Assim: S ρ/( ρ) 2 V(N) EntãoL( ρ)s( ρ)[ρ/( ρ) 2 ] L ρ/( ρ)(λ/µ)/[ (λ/µ)]λ/(µ λ) Portanto: L λ/(µ λ) número médio de clientes no sistema. DerivaçãodeL q Em algumas situações existe interesse em saber o número médio de pessoas esperando na fila. Esse valor será representado por L q. Note que nenhum ou apenas um cliente estiver no sistema então ninguém estará esperando na fila. Se pessoas estiverem no sistema ( ), então estarão esperando na fila. Assim se o sistema estiver em estado estacionário: Lq ( )p p p Assim L q L ( p 0 ) L ρ L q ρ 2 /( ρ) λ 2 /µ(µ λ) Então:L q λ 2 /µ(µ λ) Utilizando esses resultados mais o Teorema um podemos determinar outras relações: Tem-se: Lρ/( ρ/( ρ) e L λw. Assim WL/λ, entãow/(µ λ) O valor de L s é também de interesse, isto é, o número médio de clientes sendo atendidos: L s p 0 (- ρ) ρ Assim L q L L s ρ/(- ρ) ρ ρ 2 /( ρ) 7

8 Também L q λ 2 /[µ(µ λ)] ew q L q /λ, então:w q λ/[µ(µ λ)] ρ/(µ λ) Observe que a medida que ρ se aproxima de, tanto W quanto W q tornam-se muito grandes. Se ρ se aproxima de zero, W se aproxima de zero e W q se aproxima de /µ que é a taxa média de serviço. Outro resultado de interesse é a probabilidade de que exista pelo menos clientes no sistema: i P(N ) pi ( ρ) ρ ρ i i Pode-se ver assim que a probabilidade de existirem mais do que clientes no sistema é uma função geometricamente decrescente do número que decresce rapidamente. Aplicando a lei de Little podemos obter outra expressão para o tempo médio gasto no sistema, isto é: N W T λ ρ ρ / µ λ ρ Função de distribuição acumulada do tempodeesperanafila Seja W q (t) a função de distribuição acumulada de T q tempo que um usuário espera na fila. Então: W q (t) P(T q t). Tem-se W q (0) P(T q 0) P(N 0) ρ e para t > 0, tem-se: Wq(t) P( usuários no sistema atendidos até o tempo t) 0 Daí segue que: W q (t) ρe-(µ λ)t 8

9 Função densidade do tempo de espera na fila dw q(t) d[ ρe wq(t) dt dt ( µ λ)t Assim w q (t) ρ(µ λ)e -(µ λ)t ] ρ( µ λ)e ( µ λ)t Função de distribuição acumulada do tempo de permanência no sistema De forma análoga ao caso anterior a função acumulada do tempo T de permanência no sistema W(t) é dada por: W(t) P(T t) e -µ( µ( ρ)t Assim, pode-se perceber que a VAC T tempo gasto no sistema, segue uma distribuição exponencial de parâmetro µ( ρ). O valor esperado dessa variável é : E(T) µ ( ρ) µ λ O valor esperado (média) da variável T q tempo que um usuário espera na fila é : ) t (t)dt tρ( µ λ ( µ λ)t Wq E(Tq 0 wq 0 )e dt λ µ ( µ λ) ρ µ λ Probabilidade do tempo de espera na fila ser maiordoquet>0 P(T q > t) W q (t) ρe-µ( ρ)t Probabilidade de que o tempo no sistema seja maiordoquet>0 P(T > t) W(t) e -µ( µ( ρ)t O percentil 0 < p < de clientes que irão esperar no sistema menos do que t p é: P(T t p ) W(t) -e -µ( µ( ρ) t p Assim o tempo t p tal que a probabilidade do tempo de espera no sistema seja menor do t p é dado por: t p W(t) - e -µ( µ( ρ) t p ou tp ln( ) µ( ρ) p 9

10 Opercentil 0<p < declientesqueirão esperarnafilamenosdoquet p é: P(T t p ) W q (t) - ρe -µ( ρ)t p Assimotempot p talqueaprobabilidadedo tempo de espera na fila seja menor do t p é dadopor: t p W q (t) - ρe -µ( µ( ρ) t p ou Esta fórmula só é válida se p que for maior do que ρ. Todos os postos percentis abaixo deste valor serão iguais a zero. tq ρ ln( ) µ( ρ) p Um média de 0 carros por hora chegam a a um drive-thru de um único funcionário. O atendente leva em média 4 minutos para atender cada cliente. Tanto as chegadas quanto o atendimento seguem uma distribuição exponencial.. Qual é a probabilidade de que o atendente esteja livre? 2. Qual é o número médio de carros esperando para ser atendidos (um carro que está sendo atendido não é contado na fila)? 3. Qual o tempo médio total que um cliente gasta para ser servido? 4. Na média, quantos consumidores serão atendidos no período de uma hora? Por hipótese estamos lidando com um sistema M/M/ para o qual λ 0 carros por hora e µ 5 carros por hora. Assim ρ 0/5 2/3. 0

11 . Tem-se p 0 ρ 2/3 /3. Assim o atendente estará livre /3 do tempo. 2. L q ρ 2 /( ρ) (2/3) 2 /[ (2/3)] 4/3,33 carros. 3. W L/λ. Tem-se L ρ/( ρ) (2/3)/[ (2/3)] 2 consumidores. Assim W 2/0 0,2 horas 2 minutos. 4. Se o atendente estivesse sempre ocupado ele atenderia uma média de µ 5 consumidores por hora. Como ele está ocupado apenas 2/3 do tempo então ele atenderá (2/3)5 0 consumidores. GRIMMETT, G. R., SITRZAKER, D. R. Probability and Random Processes. Oxford (London): Oxford University Press, 99. KLEINROCK, Leonard. Queueing Systems: v. : Theory. New Yor: John Wiley, 975. WISTON, Wayne L. Operations Research: Applications and Algorithms. 3 ed. Belmont (CA): Duxbury Press, 994.

Curso: Engenharia de Produção. Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística. Curso: Engenharia de Produção

Curso: Engenharia de Produção. Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística. Curso: Engenharia de Produção λ número médio de clientes que entram no sistema por unidade de tempo; µ número médio de clientes atendidos (que saem do sistema) por unidade de tempo; Servidores (mecânicos) no sistema; número de máquinas

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

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

Modelos de Filas de Espera

Modelos de Filas de Espera Departamento de Informática Modelos de Filas de Espera Métodos Quantitativos LEI 2006/2007 Susana Nascimento (snt@di.fct.unl.pt) Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) Susana Nascimento

Leia mais

ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento

ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento 33 Capítulo 4 Teoria de Filas ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento de sistemas de comunicação de dados. Muita atenção deve ser dada aos processos

Leia mais

Teoria das filas. Clientes. Fila

Teoria das filas. Clientes. Fila Teoria das filas 1 - Elementos de uma fila: População Clientes Fila Servidores 1 3 Atendimento Características de uma fila:.1 Clientes e tamanho da população População infinita > Chegadas independentes

Leia mais

Sistemas de Filas: Aula 1. Amedeo R. Odoni 10 de outubro de 2001

Sistemas de Filas: Aula 1. Amedeo R. Odoni 10 de outubro de 2001 Sistemas de Filas: Aula 1 Amedeo R. Odoni 10 de outubro de 2001 Tópicos em Teoria das Filas 9. Introdução a sistemas de filas; lei de Little, M/M/1 10. Filas Markovianas (processo de renovação) 11. Fila

Leia mais

A notação utilizada na teoria das filas é variada mas, em geral, as seguintes são comuns:

A notação utilizada na teoria das filas é variada mas, em geral, as seguintes são comuns: A notação utilizada na teoria da fila é variada ma, em geral, a eguinte ão comun: λ número médio de cliente que entram no itema or unidade de temo; µ número médio de cliente atendido (que aem do itema)

Leia mais

Introdução à Teoria das Filas

Introdução à Teoria das Filas Introdução à Teoria das Filas If the facts don't fit the theory, change the facts. --Albert Einstein Notação Processo de Chegada: Se os usuários chegam nos instantes t 1, t 2,..., t j, então as variáveis

Leia mais

Uma introdução à Teoria das Filas

Uma introdução à Teoria das Filas Uma introdução à Teoria das Filas Introdução aos Processos Estocásticos 13/06/2012 Quem nunca pegou fila na vida? Figura: Experiência no bandejão Motivação As filas estão presentes em nosso cotidiano,

Leia mais

5.7 Amostragem e alguns teoremas sobre limites

5.7 Amostragem e alguns teoremas sobre limites M. Eisencraft 5.7 Amostragem e alguns teoremas sobre limites 7 5.7 Amostragem e alguns teoremas sobre limites Para quantificar os problemas associados às medidas práticas de uma VA, considere o problema

Leia mais

Utilizando-se as relações entre as funções básicas é possível obter as demais funções de sobrevivência.

Utilizando-se as relações entre as funções básicas é possível obter as demais funções de sobrevivência. MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesta abordagem paramétrica, para estimar as funções básicas da análise de sobrevida, assume-se que o tempo de falha T segue uma distribuição

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

EE-981 Telefonia Prof. Motoyama 1º Semestre 2004. Capítulo 5. Tráfego Telefônico

EE-981 Telefonia Prof. Motoyama 1º Semestre 2004. Capítulo 5. Tráfego Telefônico -98 Telefonia rof. Motoyama º Semestre 4 Capítulo 5 Tráfego Telefônico 5. Introdução O objetivo do tráfego telefônico é dimensionar de maneira eficiente os recursos da rede telefônica. Os dimensionamentos

Leia mais

observado, ainda que o tempo médio de serviço é igual a meio minuto. Determine:

observado, ainda que o tempo médio de serviço é igual a meio minuto. Determine: 0. Um único servidor em um centro de serviço está ocupado quatro de cada cinco minutos, em média. Foi observado, ainda que o tempo médio de serviço é igual a meio minuto. Determine: (i) O tempo médio de

Leia mais

CURSO ON-LINE PROFESSOR GUILHERME NEVES 1

CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,

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

Fig.1. Exemplo de fila com seus componentes. Sistema

Fig.1. Exemplo de fila com seus componentes. Sistema MÓDULO 5 - TEORIA DAS FILAS (Queueing Theory) Baseado em Andrade, Eduardo Leopoldino de, Introdução à pesquisa operacional, LTC - Livros Técnicos e Científicos, Rio de Janeiro, 2000.; Albernaz, Marco Aurélio,

Leia mais

Modelos de Filas de Espera

Modelos de Filas de Espera Departamento de Informática Modelos de Filas de Espera Métodos Quantitativos LEI 2006/2007 Susana Nascimento (snt@di.fct.unl.pt) Advertência Autor João Moura Pires (jmp@di.fct.unl.pt) Este material pode

Leia mais

Teoria de Filas e Sistemas de Comunicação

Teoria de Filas e Sistemas de Comunicação Faculdade de Engenharia Departamento de Engenharia Eletrônica e Telecomunicações Teoria de Filas e Sistemas de Comunicação (revisão: Outubro/2013) 1 1 Programa Revisão de Probabilidade e Estatística Processos

Leia mais

Programação Não Linear Otimização Univariada E Multivariada Sem Restrições

Programação Não Linear Otimização Univariada E Multivariada Sem Restrições Programação Não Linear Otimização Univariada E Multivariada Sem Restrições A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um prolema. Eiste um conjunto particular de prolemas

Leia mais

Teoria das Filas Luciano Cajado Costa 1

Teoria das Filas Luciano Cajado Costa 1 1 UNIVERSIDADE FEDERAL DO MARANHÃO - UFMA CENTRO TECNOLÓGIO - CT CURSO: CIÊNICIA DA COMPUTAÇÃO DISCIPLINA : TEORIA DAS FILAS E SIMULAÇÃO Teoria das Filas Luciano Cajado Costa 1 1 Professor Substituto da

Leia mais

A TEORIA DAS FILAS COMO FERRAMENTA DE APOIO PARA ANALISE DE UMA EMPRESA DE LAVA-RÁPIDO EM VOLTA REDONDA

A TEORIA DAS FILAS COMO FERRAMENTA DE APOIO PARA ANALISE DE UMA EMPRESA DE LAVA-RÁPIDO EM VOLTA REDONDA A TEORIA DAS FILAS COMO FERRAMENTA DE APOIO PARA ANALISE DE UMA EMPRESA DE LAVA-RÁPIDO EM VOLTA REDONDA Byanca Porto de Lima byanca_porto@yahoo.com.br UniFOA Bruna Marta de Brito do Rego Medeiros brunamartamedeiros@hotmail.com

Leia mais

Resoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ

Resoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Resoluções comentadas das questões de Estatística da prova para ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Realizada pela Fundação João Goulart em 06/10/2013 41. A idade média de todos

Leia mais

9. Derivadas de ordem superior

9. Derivadas de ordem superior 9. Derivadas de ordem superior Se uma função f for derivável, então f é chamada a derivada primeira de f (ou de ordem 1). Se a derivada de f eistir, então ela será chamada derivada segunda de f (ou de

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

Avaliação de Desempenho de Sistemas

Avaliação de Desempenho de Sistemas Avaliação de Desempenho de Sistemas Modelo de Filas M/M/1 e M/M/m Prof. Othon Batista othonb@yahoo.com Modelo de Filas Nas aulas anteriores vimos a necessidade de se utilizar uma distribuição para representar

Leia mais

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado, Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis

Leia mais

Uma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos de Sobrevivência

Uma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos de Sobrevivência TEMA Tend. Mat. Apl. Comput., 7, No. 1 (2006), 91-100. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Uma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos

Leia mais

Métodos de Monte Carlo

Métodos de Monte Carlo Departamento de Estatística - UFJF Outubro e Novembro de 2014 são métodos de simulação São utilizados quando não temos uma forma fechada para resolver o problema Muito populares em Estatística, Matemática,

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

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

A otimização é o processo de

A otimização é o processo de A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Eiste um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento de otimização.

Leia mais

Filas de Espera. Slide 1. c 1998 José Fernando Oliveira FEUP

Filas de Espera. Slide 1. c 1998 José Fernando Oliveira FEUP Filas de Espera Slide 1 Transparências de apoio à leccionação de aulas teóricas Versão 1 c 1998 Filas de Espera 1 Introdução Fenómeno corrente no dia-a-dia Slide 2 clientes pessoas, veículos ou outras

Leia mais

TEORIA DAS FILAS 1.1 UMA INTRODUÇÃO À PESQUISA OPERACIONAL

TEORIA DAS FILAS 1.1 UMA INTRODUÇÃO À PESQUISA OPERACIONAL TEORIA DAS FILAS 1.1 UMA INTRODUÇÃO À PESQUISA OPERACIONAL A pesquisa operacional (PO) é uma ciência aplicada cujo objetivo é a melhoria da performance em organizações, ou seja, em sistemas produtivos

Leia mais

Estudo Comprobatório da Teoria das Filas pela Simulação de Eventos Discretos

Estudo Comprobatório da Teoria das Filas pela Simulação de Eventos Discretos 1 Estudo Comprobatório da Teoria das Filas pela Simulação de Eventos Discretos RESUMO O presente artigo tem como proposta comprovar a Teoria das Filas pela Simulação de Eventos Discretos (SED), através

Leia mais

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range).

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores

Leia mais

2 Modelo para o Sistema de Controle de Estoque (Q, R)

2 Modelo para o Sistema de Controle de Estoque (Q, R) Modelo para o Sistema de Controle de Estoque (, ) Neste capítulo é apresentado um modelo para o sistema de controle de estoque (,). Considera-se que a revisão dos estoques é continua e uma encomenda de

Leia mais

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos

Leia mais

Gestão da Produção Variabilidade das operações Filas de espera

Gestão da Produção Variabilidade das operações Filas de espera Variabilidade das operações Filas de espera José Cruz Filipe IST / ISCTE / EGP JCFilipe Abril 26 Tópicos Variabilidade dos fluxos Teoria clássica das filas de espera Medidas de desempenho das filas de

Leia mais

2 Modelo Clássico de Cramér-Lundberg

2 Modelo Clássico de Cramér-Lundberg 2 Modelo Clássico de Cramér-Lundberg 2.1 Conceitos fundamentais Nesta sessão introduziremos alguns conceitos fundamentais que serão utilizados na descrição do modelo de ruína. A lei de probabilidade que

Leia mais

2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea

2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea 2 O objetivo geral desse curso de Cálculo será o de estudar dois conceitos básicos: a Derivada e a Integral. No decorrer do curso esses dois conceitos, embora motivados de formas distintas, serão por mais

Leia mais

Sistemas FILAS DE ESPERA. por Prof. António de Abreu, Universidade Nova de Lisboa, Portugal

Sistemas FILAS DE ESPERA. por Prof. António de Abreu, Universidade Nova de Lisboa, Portugal DAS5313 Avaliação de Desempenho de Sistemas FILAS DE ESPERA por Prof. António de Abreu, Universidade id d Nova de Lisboa, Portugal RESUMO DA AULA FILAS DE ESPERA Importância e Origens do Estudo das Filas

Leia mais

3 Matemática financeira e atuarial

3 Matemática financeira e atuarial 3 Matemática financeira e atuarial A teoria dos juros compostos em conjunto com a teoria da probabilidade associada à questão da sobrevivência e morte de um indivíduo são os fundamentos do presente trabalho.

Leia mais

UNIVERSIDADE SÃO JUDAS TADEU

UNIVERSIDADE SÃO JUDAS TADEU UNIVERSIDADE SÃO JUDAS TADEU TEORIA DAS FILAS FERNANDO MORI prof.fmori@gmail.com A teoria das filas iniciou com o trabalho de Erlang (1909) na indústria telefônica no inicio do século vinte. Ele fez estudos

Leia mais

APLICAÇÕES DA DERIVADA

APLICAÇÕES DA DERIVADA Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,

Leia mais

EQUAÇÃO DO 1º GRAU. 2 melancias + 2Kg = 14Kg 2 x + 2 = 14

EQUAÇÃO DO 1º GRAU. 2 melancias + 2Kg = 14Kg 2 x + 2 = 14 EQUAÇÃO DO 1º GRAU EQUAÇÃO: Para resolver um problema matemático, quase sempre devemos transformar uma sentença apresentada com palavras em uma sentença que esteja escrita em linguagem matemática. Esta

Leia mais

D i s c i p l i n a : P e s q u i s a O p e r a c i o n a l T e o r i a d a s F i l a s - L i s t a d e E x e r c í c i o s : 0 1

D i s c i p l i n a : P e s q u i s a O p e r a c i o n a l T e o r i a d a s F i l a s - L i s t a d e E x e r c í c i o s : 0 1 T e o r i a d a s F i l a s - L i s t a d e E x e r c í c i o s : S e x t a f e i r a, 4 d e n o v e m b r o d e 2. O número de navios etroleiros que chegam à determinada refinaria or dia tem uma distribuição

Leia mais

Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo. Funções Exponenciais e Logarítmicas Progressões Matemáticas

Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo. Funções Exponenciais e Logarítmicas Progressões Matemáticas Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo Funções Exponenciais e Logarítmicas Progressões Matemáticas Funções Exponenciais e Logarítmicas. Progressões Matemáticas Objetivos

Leia mais

CURSO ONLINE RACIOCÍNIO LÓGICO

CURSO ONLINE RACIOCÍNIO LÓGICO AULA QUINZE: Matrizes & Determinantes (Parte II) Olá, amigos! Pedimos desculpas por não ter sido possível apresentarmos esta aula na semana passada. Motivos de força maior nos impediram de fazê-lo, mas

Leia mais

ELEMENTOS DA TEORIA DAS FILAS

ELEMENTOS DA TEORIA DAS FILAS ELEMENTOS DA TEORIA DAS FILAS OSWALDO FADIGAS TORRES "As teorias podem ser descritas em têrmos simples, ainda que se refiram a fenômenos que não pareçam sê-lo." - J. D. WILLIAMS Com êste artigo, exposição

Leia mais

Probabilidade. Distribuição Normal

Probabilidade. Distribuição Normal Probabilidade Distribuição Normal Distribuição Normal Uma variável aleatória contínua tem uma distribuição normal se sua distribuição é: simétrica apresenta (num gráfico) forma de um sino Função Densidade

Leia mais

2. MÓDULO DE UM NÚMERO REAL

2. MÓDULO DE UM NÚMERO REAL 18 2. MÓDULO DE UM NÚMERO REAL como segue: Dado R, definimos o módulo (ou valor absoluto) de, e indicamos por,, se 0 =, se < 0. Interpretação Geométrica O valor absoluto de um número é, na reta, a distância

Leia mais

ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho

ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho Teoria de Filas - Resumo e Exercícios Pedroso 24 de setembro de 2014 1 Introdução 2 Definições básicas ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento de

Leia mais

a soma dois números anteriores da primeira coluna está na segunda coluna: (3m +1) + (3n +1) = 3(m + n) + 2.

a soma dois números anteriores da primeira coluna está na segunda coluna: (3m +1) + (3n +1) = 3(m + n) + 2. OBMEP 01 Nível 3 1 QUESTÃO 1 ALTERNATIVA A Basta verificar que após oito giros sucessivos o quadrado menor retorna à sua posição inicial. Como 01 = 8 1+ 4, após o 01º giro o quadrado cinza terá dado 1

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

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Posição Depois de se fazer a coleta e a representação dos dados de uma pesquisa, é comum analisarmos as tendências

Leia mais

Departamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.

Departamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010. Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.

Leia mais

INE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE

INE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE INE 5 LISTA DE EERCÍCIOS DE PROBABILIDADE INE 5 Gabarito da Lista de Exercícios de Probabilidade ) Em um sistema de transmissão de dados existe uma probabilidade igual a 5 de um dado ser transmitido erroneamente.

Leia mais

Chapter 2. 2.1 Noções Preliminares

Chapter 2. 2.1 Noções Preliminares Chapter 2 Seqüências de Números Reais Na Análise os conceitos e resultados mais importantes se referem a limites, direto ou indiretamente. Daí, num primeiro momento, estudaremos os limites de seqüências

Leia mais

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF)

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF) Métodos Estatísticos II 1 o. Semestre de 010 ExercíciosProgramados1e VersãoparaoTutor Profa. Ana Maria Farias (UFF) Esses exercícios abrangem a matéria das primeiras semanas de aula (Aula 1) Os alunos

Leia mais

PESQUISA OPERACIONAL: UMA APLICAÇÃO DA TEORIA DAS FILAS A UM SISTEMA DE ATENDIMENTO

PESQUISA OPERACIONAL: UMA APLICAÇÃO DA TEORIA DAS FILAS A UM SISTEMA DE ATENDIMENTO PESQUISA OPERACIONAL: UMA APLICAÇÃO DA TEORIA DAS FILAS A UM SISTEMA DE ATENDIMENTO Rafael de Bruns Sérgio Pacífico Soncim Maria Cristina Fogliatti de Sinay - Phd Instituto Militar de Engenharia IME, Mestrado

Leia mais

Universidade Federal do Rio de Janeiro. Princípios de Instrumentação Biomédica. Módulo 4

Universidade Federal do Rio de Janeiro. Princípios de Instrumentação Biomédica. Módulo 4 Universidade Federal do Rio de Janeiro Princípios de Instrumentação Biomédica Módulo 4 Faraday Lenz Henry Weber Maxwell Oersted Conteúdo 4 - Capacitores e Indutores...1 4.1 - Capacitores...1 4.2 - Capacitor

Leia mais

Teoria de Filas Aula 15

Teoria de Filas Aula 15 Teoria de Filas Aula 15 Aula de hoje Correção Prova Aula Passada Prova Little, medidas de interesse em filas Medidas de Desempenho em Filas K Utilização: fração de tempo que o servidor está ocupado Tempo

Leia mais

M. Eisencraft 6.5 Processos aleatórios gaussianos 86. t1 +T. x(t)y(t+τ)dt. (6.35) t 1 T. x(t)y(t+τ)dt R xy (τ) = R XY (τ). (6.36)

M. Eisencraft 6.5 Processos aleatórios gaussianos 86. t1 +T. x(t)y(t+τ)dt. (6.35) t 1 T. x(t)y(t+τ)dt R xy (τ) = R XY (τ). (6.36) M. Eisencraft 6.5 Processos aleatórios gaussianos 86 R 0 (t 1 +2T) = 1 2T t1 +T t 1 Assim, tomando t 1 = 0 e assumindo que T é grande, temos x(t)y(t+τ)dt. (6.35) R 0 (2T) = 1 2T x(t)y(t+τ)dt R xy (τ) =

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

Avaliação de Desempenho em Sistemas de Computação e Comunicação

Avaliação de Desempenho em Sistemas de Computação e Comunicação Avaliação de Desempenho em Sistemas de Computação e Comunicação Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM UFES Objetivos

Leia mais

Universidade Federal do ABC. Sinais Aleatórios. Prof. Marcio Eisencraft

Universidade Federal do ABC. Sinais Aleatórios. Prof. Marcio Eisencraft Universidade Federal do ABC Sinais Aleatórios Prof. Marcio Eisencraft São Paulo 2011 Capítulo 1 Probabilidades Neste curso, trata-se dos fenômenos que não podem ser representados de forma determinística

Leia mais

Circuitos de 2 ª ordem: RLC. Parte 1

Circuitos de 2 ª ordem: RLC. Parte 1 Circuitos de 2 ª ordem: RLC Parte 1 Resposta natural de um circuito RLC paralelo Veja circuito RLC paralelo abaixo: A tensão é a mesma e aplicando a soma de correntes que saem do nó superior temos: v R

Leia mais

Algoritmos e Estrutura de Dados. Aula 05 Estrutura de Dados: Listas Prof. Tiago A. E. Ferreira

Algoritmos e Estrutura de Dados. Aula 05 Estrutura de Dados: Listas Prof. Tiago A. E. Ferreira Algoritmos e Estrutura de Dados Aula 05 Estrutura de Dados: Listas Prof. Tiago A. E. Ferreira Introdução Um das formas mais usadas para se manter dados agrupados é a lista Lista de compras, itens de estoque,

Leia mais

- Universidade do Sul de Santa Catarina Unidade Acadêmica Tecnologia Pesquisa Operacional II. Prof o. Ricardo Villarroel Dávalos, Dr. Eng.

- Universidade do Sul de Santa Catarina Unidade Acadêmica Tecnologia Pesquisa Operacional II. Prof o. Ricardo Villarroel Dávalos, Dr. Eng. Unidade Acadêmica Tecnologia Prof o. Ricardo Villarroel Dávalos, Dr. Eng. Palhoça, Março de 2010 2 Sumário 1.0 TEORIA DAS FILAS... 3 1.1 UMA INTRODUÇÃO À PESQUISA OPERACIONAL... 3 1.2 ASPECTOS GERAIS DA

Leia mais

Cláudio Tadeu Cristino 1. Julho, 2014

Cláudio Tadeu Cristino 1. Julho, 2014 Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino

Leia mais

Construção dos números racionais, Números fracionários e operações com frações

Construção dos números racionais, Números fracionários e operações com frações Construção dos números racionais, Números fracionários e operações com frações O número racional pode ser definido a partir da aritmética fechamento da operação de divisão entre inteiros ou partir da geometria

Leia mais

Exercício de Revisao 1

Exercício de Revisao 1 Exercício de Revisao 1 Considere que seu trabalho é comparar o desempenho de dois algoritmos (A e B) de computação gráfica, que usam métodos diferentes para geração de faces humanas realistas. São sistema

Leia mais

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Distribuição Normal 1. Introdução O mundo é normal! Acredite se quiser! Muitos dos fenômenos aleatórios que encontramos na

Leia mais

Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência.

Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Professor: Leandro Zvirtes UDESC/CCT Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos de

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE i1 Introdução Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos

Leia mais

ESTUDO DA DINÂMICA POPULACIONAL DE UM VÍRUS COMPUTACIONAL

ESTUDO DA DINÂMICA POPULACIONAL DE UM VÍRUS COMPUTACIONAL ESTUDO DA DINÂMICA POPULACIONAL DE UM VÍRUS COMPUTACIONAL Aluno: João Henrique Carneiro Orientador: Carlos Frederico Palmeira Introdução Foi feito um estudo sobre dinâmica populacional a fim de buscar

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

Inferência Estatística

Inferência Estatística Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência Estatística Ana Maria Lima de Farias Departamento de Estatística Conteúdo 1 Inferência estatística Conceitos básicos 1 1.1

Leia mais

Variáveis Aleatórias Contínuas

Variáveis Aleatórias Contínuas Variáveis aleatórias contínuas: vamos considerar agora uma lista de quantidades as quais não é possível associar uma tabela de probabilidades pontuais ou frequências tempo de duração de uma chamada telefônica

Leia mais

Equilíbrio econômico de uma seguradora Francisco Galiza, Mestre em Economia (FGV)

Equilíbrio econômico de uma seguradora Francisco Galiza, Mestre em Economia (FGV) Equilíbrio econômico de uma seguradora Francisco Galiza, Mestre em Economia (FGV) O objetivo deste trabalho é estudar um modelo simples de comportamento e equilíbrio das seguradoras. Nesta discussão, são

Leia mais

O caso estacionário em uma dimensão

O caso estacionário em uma dimensão O caso estacionário em uma dimensão A U L A 6 Meta da aula Aplicar o formalismo quântico no caso de o potencial ser independente do tempo. objetivos verificar que, no caso de o potencial ser independente

Leia mais

PLANEJAMENTO DE CAPACIDADES E RESOLUÇÃO DE PROBLEMAS

PLANEJAMENTO DE CAPACIDADES E RESOLUÇÃO DE PROBLEMAS PLANEJAMENTO DE CAPACIDADES E RESOLUÇÃO DE PROBLEMAS Curso: Tecnologia em Redes de Computadores Prof.:Eduardo Araujo Site- http://professoreduardoaraujo.com INICIANDO O ESTUDO História: 1908 matemático

Leia mais

Gerenciamento de filas

Gerenciamento de filas Gerenciamento de filas Universidade Federal do Vale do São Francisco Campus de Juazeiro BA Colegiado de Engenharia de Produção Professor MSc. Marcel de Gois Pinto Aspectos essenciais do sistema de filas

Leia mais

TEORIA DAS FILAS (Queueing Theory)

TEORIA DAS FILAS (Queueing Theory) TEORIA DAS FILAS (Queueing Theory) 1. INTRODUÇÃO A abordagem matemática das filas se iniciou em 1908, na cidade de Copenhague, Dinamarca. O pioneiro da investigação foi o matemático Agner Krarup Erlang

Leia mais

CURSO ON-LINE PROFESSOR GUILHERME NEVES

CURSO ON-LINE PROFESSOR GUILHERME NEVES Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os

Leia mais

O estudo de um indicador de comportamento do segurado brasileiro Francisco Galiza, Mestre em Economia (FGV)

O estudo de um indicador de comportamento do segurado brasileiro Francisco Galiza, Mestre em Economia (FGV) O estudo de um indicador de comportamento do segurado brasileiro Francisco Galiza, Mestre em Economia (FGV) Este artigo tem por objetivo analisar as taxas de aversão ao risco em alguns ramos do mercado

Leia mais

OTIMIZAÇÃO VETORIAL. Formulação do Problema

OTIMIZAÇÃO VETORIAL. Formulação do Problema OTIMIZAÇÃO VETORIAL Formulação do Problema Otimização Multiobjetivo (também chamada otimização multicritério ou otimização vetorial) pode ser definida como o problema de encontrar: um vetor de variáveis

Leia mais

1.1 Sistema de 1 Canal e 1 Fila com População Infinita. fila atendentimento saída. sistema

1.1 Sistema de 1 Canal e 1 Fila com População Infinita. fila atendentimento saída. sistema Capítulo 1 Teoria das Filas 1.1 Sistema de 1 Canal e 1 Fila com População Infinita chegada fila atendentimento saída sistema 1.1.1 Características Gerais As equações do modelo se baseiam nas seguintes

Leia mais

Introdução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra.

Introdução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Métodos Monte Carlo Introdução Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Estimativas pontuais e intervalares para os parâmetros;

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

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

Logo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A:

Logo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A: MQI 00 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 6/05/008 GABARITO PROBLEMA O preço de um certo carro usado é uma variável Normal com média R$ 5 mil e desvio padrão R$ 400,00. a) Você está interessado

Leia mais

Lei de Gauss Origem: Wikipédia, a enciclopédia livre.

Lei de Gauss Origem: Wikipédia, a enciclopédia livre. Lei de Gauss Origem: Wikipédia, a enciclopédia livre. A lei de Gauss é a lei que estabelece a relação entre o fluxo de campo elétrico que passa através de uma superfície fechada com a carga elétrica que

Leia mais

5 Transformadas de Laplace

5 Transformadas de Laplace 5 Transformadas de Laplace 5.1 Introdução às Transformadas de Laplace 4 5.2 Transformadas de Laplace definição 5 5.2 Transformadas de Laplace de sinais conhecidos 6 Sinal exponencial 6 Exemplo 5.1 7 Sinal

Leia mais

UNIVERSIDADE FEDERAL DO MATO GROSSO INTRODUÇÃO À TEORIA DAS FILAS. Flávio Gomes de Moraes Gecirlei Francisco da Silva Tacyanne Assis Rezende

UNIVERSIDADE FEDERAL DO MATO GROSSO INTRODUÇÃO À TEORIA DAS FILAS. Flávio Gomes de Moraes Gecirlei Francisco da Silva Tacyanne Assis Rezende UNIVERSIDADE FEDERAL DO MATO GROSSO INTRODUÇÃO À TEORIA DAS FILAS Flávio Gomes de Moraes Gecirlei Francisco da Silva Tacyanne Assis Rezende Cuiabá - MT Nov. 2011 Flávio Gomes de Moraes 1 Gecirlei Francisco

Leia mais

FLUXOS DE CAIXA A PREÇO NOMINAL E A PREÇO REAL

FLUXOS DE CAIXA A PREÇO NOMINAL E A PREÇO REAL FLUXOS DE AIXA A PREÇO NOMINAL E A PREÇO REAL 1. Introdução Dois conceitos devem ser perfeitamente entendidos pelos alunos quando estiverem elaborando análises a partir de variáveis econômicas-financeiras,

Leia mais

16.36: Engenharia de Sistemas de Comunicação. Aulas 17/18: Modelos de Retardo para Redes de Dados

16.36: Engenharia de Sistemas de Comunicação. Aulas 17/18: Modelos de Retardo para Redes de Dados 16.36: Engenharia de Sistemas de Comunicação Aulas 17/18: Modelos de Retardo para Redes de Dados Slide 1 Redes de Pacotes Comutados Mensagens dividas em Pacotes que são roteados ao seu destino PC PC PC

Leia mais

NIVELAMENTO MATEMÁTICA 2012

NIVELAMENTO MATEMÁTICA 2012 NIVELAMENTO MATEMÁTICA 202 Monitor: Alexandre Rodrigues Loures Monitor: Alexandre Rodrigues Loures SUMÁRIO. LOGARITMOS... 3.. Mudança de base... 3.2. Propriedades dos logaritmos... 4 2. DERIVADAS... 4

Leia mais