Jogos Bayesianos Estratégias e Equilíbrio Aplicações. Jogos Bayesianos. Prof. Leandro Chaves Rêgo
|
|
- Bianca Alencar Raminhos
- 7 Há anos
- Visualizações:
Transcrição
1 Jogos Bayesianos Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Estatística - UFPE Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 14 de Outubro de 2014
2 Jogos Bayesianos Jogos Bayesianos são jogos nos quais, no começo do jogo, antes dos jogadores começarem a planejar suas ações no jogo, alguns jogadores podem já possuir alguma informação privada sobre o jogo que os demais jogadores não sabem. Então freqüentemente, queremos analisar situações nas quais os jogadores atualmente têm diferentes informações privadas que eles possuem a um longo tempo, e não é natural definir o início do jogo como sendo algum ponto em um distante passado antes dos jogadores lerem suas informações privadas. Além disso, algumas informações podem ser tão básicas para a identidade de um jogador (por exemplo, sexo, língua materna, nível de aversão ao risco) que não faz sentido discutir sobre jogadores planejando suas ações antes de obterem estas informações. Estas informações privadas que os jogadores possuem no início do jogo antes de planejar suas ações definem os chamados tipos dos jogadores. Jogos Bayesianos são uma generalização de jogos em forma normal que proporcionam uma maneira de representar jogos onde os jogadores já começam a planejar suas ações com informações privadas que definem diversos tipos dos jogadores.
3 Definição Um jogo bayesiano é um vetor Γ b = (N,{C i : i N},{T i : i N},{p i : i N},{u i : i N}), onde N é o conjunto de jogadores; C i é o conjunto de ações disponíveis para o jogador i; T i é o conjunto de possíveis tipos do jogador i. Note que apesar de no início do jogo cada jogador saber seu tipo (pois cada sabe a sua informação privada), precisamos de um conjunto de tipos para cada jogador para descrever a incerteza que os jogadores têm sobre os tipos dos demais jogadores. p i : T i (T i ), ou seja, p i associa cada tipo do jogador i com uma distribuição de probabilidade sobre os tipos dos demais jogadores, descrevendo portanto a incerteza de cada tipo do jogador i sobre os tipos dos demais jogadores. Portanto, p i (t i t i ) denota a probabilidade subjetiva que o tipo t i do jogador i associa ao evento que t i é o verdadeiro perfil de tipos dos demais jogadores.
4 Definição u i : C T IR, ou seja, para cada perfil de estratégias c C e perfil de tipos t T, a função u i especifica um número u i (c,t) que representa a utilidade do jogador i se os tipos dos jogadores forem t e eles escolherem as estratégias em c. Γ b é finito se, e somente se, os conjuntos N,C i, e T i para todo i N forem finitos.
5 Exemplo Considere um jogo onde o jogador 1 é o vendedor de um objeto e o jogador 2 é o único potencial comprador deste objeto. Cada jogador sabe quanto o objeto vale para si mesmo, mas acredita que o valor do objeto para o outro jogador pode em reais ser qualquer número inteiro entre 1 e 100 reais, cada um com igual probabilidade. Neste jogo cada jogador deve simultaneamente fazer uma oferta em reais entre 0 e 100 para negociar o objeto. Se a oferta do comprador for maior ou igual a oferta do vendedor, então eles negociam o objeto pelo valor que é igual a média entre as ofertas, em caso contrário nenhuma transação é realizada. Assuma que os jogadores maximizam o lucro esperado. Este jogo pode ser modelado como um jogo bayesiano da seguinte maneira: N = {1, 2}, T i = {1, 2,...,100} para todo i, C i {0, 1,...,100} para todo i. As funções de probabilidade são: p i (t i t i ) = 1 100, i N, t i T i, t i T i.
6 Exemplo As utilidades são dadas por: u 1(c, t) = (c 1 + c 2)/2 t 1 se c 2 c 1 u 2(c, t) = t 2 (c 1 + c 2)/2 se c 2 c 1 u 1(c, t) = 0 = u 2(c,t) se c 2 < c 1
7 Distribuição a Priori Dizemos que as crenças dos jogadores descritas pelas funções p i em um jogo bayesiano são consistentes com uma distribuição a priori se, e somente se, existe alguma distribuição a priori comum sobre o conjunto de perfis de tipos T = i N T i tal que a crença de cada jogador dado o seu tipo é apenas a distribuição condicional de probabilidade que pode ser computada de acordo com a fórmula de Bayes. Por exemplo, no caso finito, crenças são consistentes se, e somente se, existe alguma distribuição de probabilidade P (T) tal que p i (t i t i ) = P(t), t T, i N. s i T i P(s i, t i ) Note que no exemplo anterior, as crenças são consistentes com a distribuição a priori P(t) = 1, t T
8 Distribuição a Priori A maioria jogos da literatura em jogos bayesianos assume que crenças são consistentes com uma distribuição a priori. Esta tendência se deve ao fato que tais modelos de jogos são mais simples. Note que quando definimos jogos em forma extensiva também assumimos que todos os jogadores descrevem as ações do jogador chance com a mesma distribuição de probabilidade, porém é fácil generalizar esta definição retirando esta suposição. Note que é possível se imaginar jogos com crenças inconsistentes com uma distribuição a priori. Por exemplo, em um jogo esportivo, se for conhecimento comum entre os técnicos que cada um acredita que seu próprio time tem probabilidade 2/3 de vitória no próximo jogo entre os times, então estas crenças não podem ser consistentes com uma distribuição a priori. Se as crenças forem consistentes, pode acontecer que cada técnico acredite que seu time tenha probabilidade 2/3 de vitória, mas esta diferença entre as crenças não pode ser conhecimento comum entre os técnicos. Mais adiante, quando estudarmos formalmente conhecimento e conhecimento comum provaremos este resultado.
9 Estratégias Quando analisamos jogos bayesianos, assumimos que cada jogador i sabe a estrutura inteira do jogo e seu tipo e que este fato é conhecimento comum entre todos jogadores. Portanto, uma estratégia para o jogador i deve não só especificar uma ação para o seu verdadeiro tipo, mas também uma ação para todos os demais tipos, pois os demais jogadores ao escolherem suas ações levam em consideração as ações escolhidas por esses outros tipos. Logo, uma estratégia pura para o jogador i em um jogo bayesiano é uma função que associa a cada tipo do jogador i uma ação em C i. Uma estratégia mista para o jogador i em um jogo bayesiano é uma função que associa a cada tipo do jogador i uma distribuição de probabilidade em C i.
10 Representação em Forma Normal Podemos representar qualquer jogo bayesiano por um jogo em forma normal. Esta representação é conhecida como representação tipo-agente. Nesta representação existe um jogador para cada tipo de jogador do jogo bayesiano. Formalmente, assumindo sem perda de generalidade que T i T j = se i j, dada um jogo bayesiano Γ b, o conjunto de jogadores da representação tipo-agente é igual a T = i N T i. Para cada t i T i, o conjunto de ações disponíveis para este jogador na representação tipo agente é D t = C i. Finalmente, na representação tipo agente, a utilidade para qualquer jogador t T i é definida como sendo igual a utilidade esperada condicional para o jogador i em Γ b quando t i é o verdadeiro tipo. Portanto, para todo i N e t i T i, a função utilidade v ti : s T D s IR na representação tipo agente de forma que para todo perfil de estratégias d s T D s, v ti (d) = t i T i p i (t i t i )u i (d t,t).
11 Exemplo A representação tipo-agente do jogo do exemplo anterior é dada por: T = {i.t : i {1, 2}, t {1, 2,...,100}}, D i.t = {0, 1,...,100}, e v 1.t(d) = u 1((d 1.t,d 2.s),(t,s)), 100 s=1 v 2.t(d) = u 2((d 1.s,d 2.t),(s,t)). 100 s=1
12 Equilíbrio Bayesiano Para um jogo bayesiano, define-se um equilíbrio Bayesiano como sendo um equilíbrio de Nash da representação tipo-agente do jogo bayesiano em forma normal. Portanto, um equilíbrio bayesiano especifica uma ação pura ou uma distribuição de probabilidades sobre as ações para cada tipo de cada jogador de forma que cada um desses tipos maximiza sua utilidade esperada quando ele sabe o seu tipo mas não sabe o tipo dos demais jogadores. Note que em um equilíbrio bayesiano, a estratégia de um jogador depende apenas do seu tipo mas não dos tipos dos outros jogadores. Conforme explicamos, uma estratégia deve especificar uma ação para cada tipo de jogador não apenas para o verdadeiro tipo, pois caso contrário não poderíamos determinar a utilidade esperada dos outros jogadores que não sabem qual é o verdadeiro tipo dos demais.
13 Equilíbrio Bayesiano Formalmente, um equilíbrio bayesiano em estratégias mistas de um jogo bayesiano Γ b é qualquer perfil de estratégias σ i N ti T i (C i ) tal que para todo i N e t i T i, σ i ( t i ) argmax τi (C i ) c C( j N {i} t i T i p i (t i t i ) σ j (c j t j ))τ i (c i )u i (c,t), onde σ j (c j t j ) é a probabilidade com que o tipo t j do jogador j escolhe ação c j.
14 Exemplo 1 Considere um jogo bayesiano com dois jogadores, suponha que C 1 = {x 1,y 1}, C 2 = {x 2,y 2}, T 1 = {1}, T 2 = {2.1, 2.2}, p 1(2.1 1) = 0,6, e as utilidades são dadas nas tabelas a seguir: Para o tipo 2.1: x 2 y 2 x 1 1,2 0,1 y 1 0,4 1,3
15 Exemplo 1 Para o tipo 2.2: x 2 y 2 x 1 1,3 0,4 y 1 0,1 1,2 Neste jogo, y 2 é uma estratégia fortemente dominada para o tipo 2.1 e x 2 é fortemente dominada para o tipo 2.2, então 2.1 deve escolher x 2 e 2.2 deve escolher y 2. Portanto, para o tipo 1, temos que a utilidade esperada de x 1 é 0,6 e a utilidade esperada de y 1 é 0,4. Portanto, o único equilíbrio bayesiano deste jogo é: σ 1(x 1 1) = 1, σ 2(x 2 2.1) = 1, e σ 2(y 2 2.2) = 1.
16 Exemplo 2 Considere o seguinte jogo Bayesiano no qual o jogador 1 pode ter tipo α ou β, onde segundo o único tipo do jogador 2, jogador 1 é do tipo α com probabilidade 0,9. As utilidades dos jogadores são dadas de acordo com o as tabelas a seguir: Para o tipo α: x 2 y 2 x 1 2,2-2,0 y 1 0,-2 0,0
17 Exemplo 2 Para o tipo β: x 2 y 2 x 1 0,2 1,0 y 1 1,-2 2,0 Note que existem três equilíbrios Bayesianos neste jogo: (1) σ 2(x 2) = 1, σ 1(x 1 α) = 1, e σ 1(y 1 β) = 1; (2) σ 2(y 2) = 1, σ 1(y 1 α) = 1, e σ 1(y 1 β) = 1; e (3) σ 2(x 2) = 1/2, σ 1(x 1 α) = 5/9, e σ 1(y 1 β) = 1.
18 Exemplo 3 Suponha que duas pessoas estão envolvidas em uma disputa. Pessoa 1 não sabe se a pessoa 2 é forte ou fraca; ela associa probabilidade α a pessoa 2 ser forte. Pessoa 2 está perfeitamente informada. Cada pessoa pode lutar ou se entregar. Cada pessoa recebe uma utilidade 0 se ela se entregar não importa o que a outra pessoa faça. Além disso, cada pessoa recebe uma utilidade 1 se ela lutar e seu adversário se entregar. Se ambas pessoas lutarem, então suas utilidades são ( 1;1) se a pessoa 2 for forte e (1; 1) se a pessoa 2 for fraca. Formule esta situação como um jogo Bayesiano e encontre os equilíbrios bayesianos se α < 1 2 e se α > 1 2.
19 Exemplo 3 Solução: O jogo Bayesiano é: N = {1, 2}; C i = {L, E},i N; T 1 = {1}; T 2 = {Ft, Fr}; p(ft 1) = α; e as utilidades são dadas da seguinte maneira: se o jogador 2 for forte: L E L -1,1 1,0 E 0,1 0,0
20 Exemplo 3 se o jogador 2 for fraco: L E L 1,-1 1,0 E 0,1 0,0
21 Exemplo 3 Seja σ 1(L), σ 2(L Ft), e σ 2(L Fr) o perfil de estratégias misto. Então, a utilidade esperada do jogador 2 forte de lutar é 1, e de se entregar é 0. Logo, este tipo do jogador 2 sempre luta, isto é em qualquer equilíbrio Bayesiano σ 2(L Ft) = 1. A utilidade esperada do jogador 2 fraco de lutar é σ 1(L)+(1 σ 1(L)), e de se entregar é 0. Portanto, ele irá lutar se σ 1(L) < 1 2 ; se entregar se σ 1(L) > 1 2 ; e é indiferente se σ1(l) = 1 2.
22 Exemplo 3 A utilidade esperada do jogador 1 de lutar é α[σ 2(L Ft) ( 1)+(1 σ 2(L Ft))]+(1 α) = 1 2ασ 2(L Ft), e de se entregar é 0. Portanto, ele irá lutar se ασ 2(L Ft) < 1 ; se entregar se 2 ασ 2(L Ft) > 1 ; e está indiferente se ασ2(l Ft) = 1. Como já vimos que em 2 2 todo equilíbrio Bayesiano σ 2(L Ft) = 1, então o jogador 1 irá lutar se α < 1, e 2 se entregar se α > 1. Logo, se α < 1 ; então o único equilíbrio bayesiano é 2 2 dado por σ 1(L) = 1; σ 2(L Ft) = 1; e σ 2(L Fr) = 0. Se α > 1 ; então o único 2 equilíbrio bayesiano é dado por σ 1(L) = 0; σ 2(L Ft) = 1; e σ 2(L Fr) = 1.
23 Exemplo 4 Em um problema de decisão ter mais informação nunca é prejudicial, pois o tomador de decisão pode sempre ignorar a informação recebida. Em um jogo, is to nem sempre é verdade. Se um jogador possui mais informação e os outros jogadores souberem disso, então o jogador pode estar numa situação pior como mostra o seguinte exemplo. Exemplo 4 Considere que ambos jogadores consideram igualmente prováveis que estão participando dos seguintes jogos, onde 0 < ǫ < 1 2 : L M R T 1,2ǫ 1,0 1,3ǫ B 2,2 0,0 0,3
24 Exemplo 4 ou L M R T 1,2ǫ 1,3ǫ 1,0 B 2,2 0,3 0,0 Então, a estratégia L é estritamente dominante para o jogador 2, pois se 1 escolher T, L terá uma utilidade esperada de 2ǫ enquanto M e R terão utilidade esperada 3 ǫ, e se 1 escolher B, L terá utilidade esperada 2, enquanto 2 M e R terão utilidade esperada 3. Sabendo disto, 1 então escolherá B e no 2 único equilíbrio de Nash, teremos que ambos jogadores recebem 2.
25 Exemplo 4 Suponha agora que o jogador 2, antes do jogo recebe um sinal indicando qual é o verdadeiro jogo. Neste caso, a estratégia R é estritamente dominante para o tipo do jogador 2 que acredita que o jogo é o primeiro, enquanto que a estratégia M é estritamente dominante para o tipo do jogador 2 que acredita que o jogo é o segundo. Sabendo disto, o jogador 1, escolherá T. Então, neste equilíbrio o jogador 1 recebe 1 enquanto o jogador 2 recebe 3ǫ < 2. Então, ambos os jogadores saem perdendo com a informação extra adquirida pelo jogador 2.
Jogos em Forma Extensa
Jogos em Forma Extensa Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Estatística - UFPE Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 12 de Setembro de 2014 Jogos em Forma
Leia maisUnidade 10 Análise combinatória. Introdução Princípio Fundamental da contagem Fatorial
Unidade 10 Análise combinatória Introdução Princípio Fundamental da contagem Fatorial Introdução A escolha do presente que você deseja ganhar em seu aniversário, a decisão de uma grande empresa quando
Leia maisRefinamentos de Equilíbrios de Nash
Refinamentos de Equilíbrios de Nash Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Estatística - UFPE Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 06 de Outubro de 2014 Equilíbrio
Leia maisMatemática Aplicada às Ciências Sociais
ESCOLA SECUNDÁRIA DE AMORA PLANIFICAÇÃO ANUAL Matemática Aplicada às Ciências Sociais Ensino Regular Curso Geral de Ciências Sociais e Humanas 11º ANO Ano Letivo 2014 / 2015 PLANIFICAÇÃO A LONGO PRAZO
Leia maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 1.1 Descrição de Jogos não-cooperativos (forma normal)
Microeconomia II Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 1.1 Descrição de Jogos não-cooperativos (forma normal) Isabel Mendes 2007-2008 1. Teoria dos Jogos: definição e contexto
Leia maisIND 1115 Inferência Estatística Aula 8
Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória
Leia maisEXAME DE MACS 2º FASE 2014/2015 = 193
EXAME DE MACS 2º FASE 2014/2015 1. Divisor Padrão: 00+560+80+240 200 = 190 = 19 200 20 Filiais A B C D Quota Padrão 1,088 58,01 86,010 24,870 L 1 58 86 24 L(L + 1) 1,496 58,498 86,499 24,495 Quota Padrão
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de
Leia maisUNIPAC Araguari FACAE - Faculdade de Ciências Administrativas e Exatas SISTEMAS DE INFORMAÇÃO
UNIPAC Araguari FACAE - Faculdade de Ciências Administrativas e Exatas SISTEMAS DE INFORMAÇÃO SAD Sistemas de Apoio à Decisão 2011/02 Aula Cinco crishamawaki@yahoo.com.br Modelos de decisão Sistemas de
Leia maisMAE116 - Noções de Estatística
MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito da Lista de exercícios 10 - Introdução à Estatística Descritiva - CASA Exercício 1. (2 pontos) Sabe-se que, historicamente, 18% dos
Leia maisTeorema do Limite Central e Intervalo de Confiança
Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
Leia maisFALTA DE CONHECIMENTO COMUM SOBRE PREFERÊNCIAS E FALTA DE CONSCIÊNCIA EM JOGOS NA FORMA NORMAL LARISSA SANTANA BARRETO
FALTA DE CONHECIMENTO COMUM SOBRE PREFERÊNCIAS E FALTA DE CONSCIÊNCIA EM JOGOS NA FORMA NORMAL LARISSA SANTANA BARRETO Orientador: Prof. Dr. LEANDRO CHAVES RÊGO Área de Concentração: Estatística Aplicada
Leia maisArte e Matemática. Série Matemática na Escola
Arte e Matemática Série Matemática na Escola Objetivos 1. Introduzir o conceito de funções polinomiais e suas raízes; 2. Apresentar a definição de fractais e seu processo de criação no computador. Arte
Leia maisTécnicas estatísticas para análise de dados e de resultados de modelos de simulação
Parte XIV Técnicas estatísticas para análise de dados e de resultados de modelos de simulação A saída de um modelo de simulação geralmente constitui-se de VA s, muitas das quais podem ter variância grande.
Leia maisMedidas de Tendência Central
Média, Mediana e Moda 1 Coletando Dados A coleta de dados produz um conjunto de escores de uma ou mais variáveis Para chegar à distribuição dos escores, estes têm de ser arrumados / ordenados do menor
Leia maisMatemática para a Economia I - 1 a lista de exercícios Prof. - Juliana Coelho
Matemática para a Economia I - 1 a lista de exercícios Prof. - Juliana Coelho 1 - Para cada função abaixo, calcule os valores pedidos, quando for possível: (a) f(x) = x 3 3x + 3x 1, calcule f(0), f( 1)
Leia maisResolução de Questões!!!
1) Considere a seguinte proposição: Raciocínio Lógico Se João está na praia, então João não usa camiseta. Resolução de Questões!!! A negação da proposição acima é logicamente equivalente à proposição:
Leia maisLição 5 Medidas Descritivas Medidas de Dispersão
99 Lição 5 Medidas Descritivas Medidas de Dispersão Após concluir o estudo desta lição, esperamos que você possa: identifi car o objetivo das medidas de dispersão; identifi car o conceito de variância;
Leia maisProgramação de Computadores I. Linguagem C Função
Linguagem C Função Prof. Edwar Saliba Júnior Fevereiro de 2011 Unidade 07 Função 1 Conceitos As técnicas de programação dizem que, sempre que possível, evite códigos extensos, separando o mesmo em funções,
Leia maisOficina: Jogar para gostar e aprender matemática. Profa. Dra. Adriana M. Corder Molinari dri.molinari@uol.com.br
Oficina: Jogar para gostar e aprender matemática Profa. Dra. Adriana M. Corder Molinari dri.molinari@uol.com.br 1 Implicações do Jogo Quatro Cores: Para jogar bem, é preciso economia de cores e consideração
Leia maisModelo de Dividendos Descontados
Modelo de Dividendos Descontados Ao comprar uma ação, um investidor espera receber dois tipos de FC: dividendos e valorização no preço A valorização no preço da ação é intrinsecamente determinada pelos
Leia maisProbabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1
Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação
Leia maisCoeficiente de Assimetria e Curtose. Rinaldo Artes. Padronização., tem as seguintes propriedades: Momentos
Coeficiente de Assimetria e Curtose Rinaldo Artes 2014 Padronização Seja X uma variável aleatória com E(X)=µ e Var(X)=σ 2. Então a variável aleatória Z, definida como =, tem as seguintes propriedades:
Leia maisConsideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar:
Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: o tempo médio de efeito de dois analgésicos não é o mesmo; a popularidade de determinado partido político aumentou; uma
Leia mais3.3 Qual o menor caminho até a Escola? 28 CAPÍTULO 3. CICLOS E CAMINHOS
2 CAPÍTULO. CICLOS E CAMINHOS solução para um problema tem se modificado. Em vez de procurarmos um número, uma resposta (o que em muitos casos é necessário), procuramos um algoritmo, isto é, uma série
Leia maisOnde está o peso extra? Série Problemas e Soluções. Objetivos 1. Estudar uma estratégia que valoriza ao máximo as informações disponíveis.
Onde está o peso extra? Série Problemas e Soluções Objetivos 1. Estudar uma estratégia que valoriza ao máximo as informações disponíveis. Onde está o peso extra? Série Problemas e soluções Conteúdos Lógica,
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisAED Parte II Microeconomia Básica. Teoria dos Jogos
Teoria dos Jogos O que é Teoria dos Jogos? Diversas situações na sociedade envolvem a interação entre as pessoas. A Teoria dos Jogos procura entender como as decisões dos indivíduos se inter-relacionam
Leia maisGESTÃO DA MANUTENÇÃO
Classificação Nível de Criticidade para Equipamentos S Q W Itens para avaliação Segurança cliente interno cliente externo meio-ambiente Qualidade Condição de trabalho Status Equipamento A B D P M Perdas
Leia maisRelatório das Provas da 2ª. Fase - Vestibular 2016
Relatório das Provas da 2ª. Fase - Vestibular 2016 Resumo Executivo O presente relatório apresenta os resultados da segunda fase do Vestibular UNICAMP 2016 constituída por três provas. Esta etapa do vestibular
Leia mais2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média.
1) Inicializar um vetor de inteiros com números de 0 a 99 2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média 3)
Leia maisResolução da Prova de Raciocínio Lógico do TRE/MT, aplicada em 13/12/2015.
de Raciocínio Lógico do TRE/MT, aplicada em 13/12/2015. Raciocínio Lógico p/ TRE-MT Analista Judiciário QUESTÃO 19 Um grupo de 300 soldados deve ser vacinado contra febre amarela e malária. Sabendo-se
Leia maisTeoria de Jogos. Algoritmo Minimax e Alfa-Beta AED - 2002
Teoria de Jogos Algoritmo Minimax e Alfa-Beta AED - 2002 Conceptualização do Problema Jogar pode ser visto como uma generalização do problema de procura em espaço de estados, em que existem agentes hostis
Leia maisPolos Olímpicos de Treinamento. Aula 6. Curso de Combinatória - Nível 2. Jogos. 1. Simetria. Prof. Bruno Holanda
Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 6 Jogos Quando falamos em jogos, pensamos em vários conhecidos como: xadrez, as damas e os jogos com baralho. Porém,
Leia maisIntrodução à Inteligência Artificial 2007/08
Introdução à Inteligência rtificial 2007/08 Procura em contextos competitivos jogos Contexto Um agente vs multiagente mbiente cooperativo vs competitivo Teoria dos jogos (ramo da Economia) Sistema multiagente
Leia maisCIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO
IPEF: FILOSOFIA DE TRABALHO DE UMA ELITE DE EMPRESAS FLORESTAIS BRASILEIRAS ISSN 0100-3453 CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO INTRODUÇAO Carlos
Leia maisCORPOS FINITOS E SEUS GRUPOS MULTIPLICATIVOS
CORPOS FINITOS E SEUS GRUPOS MULTIPLICATIVOS LUCAS GLAZAR GAZZOLI - RA: 071572 DAVID RICARDO BARRETO LIMA SILVA - RA: 042885 1. Introdução Dado um corpo K, finito, é fácil observar que vale a seguinte
Leia maisPrimeira Prova de Análise e otimização de Código - DCC888 -
Primeira Prova de Análise e otimização de Código - DCC888 - Ciência da Computação Nome: Eu dou minha palavra de honra que não trapacearei neste exame. Número de matrícula: As regras do jogo: A prova é
Leia maisProbabilidade. Distribuição Binomial
Probabilidade Distribuição Binomial Distribuição Binomial (Eperimentos de Bernoulli) Considere as seguintes eperimentos/situações práticas: Conformidade de itens saindo da linha de produção Tiros na mosca
Leia maisAula 12 Teste de hipótese sobre proporções amostras grandes
Aula 12 Teste de hipótese sobre proporções amostras grandes Objetivos Na aula anterior, você aprendeu a construir testes de hipóteses sobre a média de uma população normal com variância σ 2 conhecida.
Leia maisIntrodução aos Processos Estocásticos - Independência
Introdução aos Processos Estocásticos - Independência Eduardo M. A. M. Mendes DELT - UFMG Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal de Minas Gerais emmendes@cpdee.ufmg.br Eduardo
Leia maisCURSO: ADMINISTRAÇÃO Prof Dra. Deiby Santos Gouveia Disciplina: Matemática Aplicada FUNÇÃO RECEITA
CURSO: ADMINISTRAÇÃO Prof Dra. Deiby Santos Gouveia Disciplina: Matemática Aplicada FUNÇÃO RECEITA Conforme Silva (1999), seja U uma utilidade (bem ou serviço) cujo preço de venda por unidade seja um preço
Leia maisTECNÓLOGO EM CONSTRUÇÃO CIVIL. Aula 6 _ Função Polinomial do 2º Grau Professor Luciano Nóbrega
1 TECNÓLOGO EM CONSTRUÇÃO CIVIL Aula 6 _ Função Polinomial do 2º Grau Professor Luciano Nóbrega FUNÇÃO POLINOMIAL DO 2º GRAU 2 Uma função polinomial do 2º grau (ou simplesmente, função do 2º grau) é uma
Leia maisAULA 04 Estimativas e Tamanhos Amostrais
1 AULA 04 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 27 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA PROGRAMA DE PÓS-GRADUAÇÃO EM ENSINO DE MATEMÁTICA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA PROGRAMA DE PÓS-GRADUAÇÃO EM ENSINO DE MATEMÁTICA Uma proposta de Ensino de Probabilidade no Ensino Médio PRODUTO DA DISSERTAÇÃO SEQUÊNCIA
Leia maisÁrvores de Decisão Matemática Discreta
Bruno Duarte Eduardo Germano Isolino Ferreira Vagner Gon Árvores de Decisão Matemática Discreta 28/04/2011 Serra IFES Definição de Árvores de Decisão: Arvore de Decisão é uma árvore em que seus nós internos
Leia maisManual do Usuário ENADE
Sistema de Informações e Gestão Acadêmica Manual do Usuário ENADE Página - Sistema de Informações e Gestão Acadêmica Índice 1 Introdução... 3 2 Funcionalidades do ENADE... 3 2.1 Parâmetros Ano-Base...
Leia maiscuja distribuição é t de Student com n 1 graus de liberdade.
Aula 13 Teste de hipótese sobre a média de uma população normal σ 2 desconhecida Objetivos: Nesta aula você completará seu estudo básico sobre testes de hipóteses, analisando a situação relativa a uma
Leia maisLógica e Raciocínio. Decisão sob Risco Utilidade. Universidade da Madeira. http://dme.uma.pt/edu/ler/
Lógica e Raciocínio Universidade da Madeira http://dme.uma.pt/edu/ler/ Decisão sob Risco Utilidade 1 Valor Monetário Esperado Assumamos que sempre podemos medir o valor das consequencias em termos monetarios
Leia maisCapítulo 7. 1. Bissetrizes de duas retas concorrentes. Proposição 1
Capítulo 7 Na aula anterior definimos o produto interno entre dois vetores e vimos como determinar a equação de uma reta no plano de diversas formas. Nesta aula, vamos determinar as bissetrizes de duas
Leia mais- o cachorro de Davi e o gato de Charles têm o nome do dono do gato chamado Charles.
Alberto,, Charles e Davi são amigos, e cada um deles é dono de um gato e de um cachorro. O gato e o cachorro de cada um dos quatro amigos têm nomes distintos e escolhidos dentre os nomes dos três amigos
Leia mais1 O que é árvore de decisão
Curso de Data Mining Sandra de Amo Aula 9 - Classificação utilizando Arvores de Decisão 1 O que é árvore de decisão Uma árvore de decisão é uma estrutura de árvore onde : cada nó interno é um atributo
Leia maisLinha Técnica Sessão IV Variáveis Instrumentais
Impact Evaluation Linha Técnica Sessão IV Variáveis Instrumentais Human Development Human Network Development Network Middle East and North Africa Region World Bank Institute Spanish Impact Evaluation
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano 2011-2 a Fase
Prova Escrita de MATEMÁTICA A - 1o Ano 011 - a Fase Proposta de resolução GRUPO I 1. Como no lote existem em total de 30 caixas, ao selecionar 4, podemos obter um conjunto de 30 C 4 amostras diferentes,
Leia maisCapítulo VI Circuitos Aritméticos
Capítulo VI Circuitos Aritméticos Introdução No capítulo anterior estudamos a soma e subtração de números binários. Neste capítulo estudaremos como as operações aritméticas de soma e subtração entre números
Leia maisAula 8 Intervalos de confiança para proporções amostras grandes
Aula 8 Intervalos de confiança para proporções amostras grandes Objetivos Na aula anterior, foram apresentadas as idéias básicas da estimação por intervalos de confiança. Para ilustrar o princípio utilizado
Leia maisDistribuições Conjuntas (Tabelas de Contingência)
Cruzamento de Dados Distribuições Conjuntas (Tabelas de Contingência) Lorí Viali, Dr. DESTAT/FAMAT/PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali Distribuição Conjunta Exemplo (tabela um) Suponha
Leia maisVariáveis Frequências Gráficos Medidas de Posição Medidas de Dispersão Medidas Complementares Inferência
Tipos de Variáveis Problema Motivador: Um pesquisador está interessado em fazer um levantamento sobre aspectos sócio-econômicos dos empregados da seção de orçamentos de uma companhia (vide tabela). Algumas
Leia maisModelo Uniforme. como eu e meu colega temos 5 bilhetes, temos a mesma probabilidade de ganhar a rifa:
Modelo Uniforme Exemplo: Uma rifa tem 100 bilhetes numerados de 1 a 100. Tenho 5 bilhetes consecutivos numerados de 21 a 25, e meu colega tem outros 5 bilhetes, com os números 1, 11, 29, 68 e 93. Quem
Leia maisOBI2012 Caderno de Tarefas
OBI2012 Caderno de Tarefas Modalidade Programação Nível Júnior, Fase 2 26 de maio de 2012 A PROVA TEM DURAÇÃO DE 3 HORAS Promoção: Patrocínio: v1.0 Olimpíada Brasileira de Informática OBI2012 1 Instruções
Leia maisSeqüências. George Darmiton da Cunha Cavalcanti CIn - UFPE
Seqüências George Darmiton da Cunha Cavalcanti CIn - UFPE Introdução Uma seqüência é uma estrutura discreta usada para representar listas ordenadas. Definição 1 Uma seqüência é uma função de um subconjunto
Leia maisComandos de Desvio 1
Programação de Computadores I UFOP DECOM 2014 1 Aula prática 3 Comandos de Desvio 1 Sumário Resumo Nesta aula você irá resolver problemas que requerem uma decisão com base em um teste, ou condição. Para
Leia maisIndicadores de Desempenho: Desafios da Escolha e do Uso
Indicadores de Desempenho: Desafios da Escolha e do Uso por Ronaldo Favero em RevistaRH.com.br Escolha Da mesma forma que no cotidiano das pessoas as medições estão presentes (velocidade dos veículos,
Leia maisDepartamento comercial e marketing
Departamento comercial e marketing Trabalho realizado: Cátia Nunes Nº6 12ºS Marketing Os profissionais do Marketing podem dividir-se em dois grupos, os que estão directamente ligados as empresas, isto
Leia maisGerenciamento de projetos (Project Management).
Gerenciamento de projetos (Project Management). A gestão de projetos é uma das áreas fundamentais de qualquer departamento de sistemas de informação, estando hoje em dia amplamente difundido dentro das
Leia maisDicas de como contornar a crise (e até sair dela)
Dicas de como contornar a crise (e até sair dela) Em tempos de crise, economia é essencial. Todas as empresas buscam uma redução enorme dos seus custos e despesas. Também fazem uma análise criteriosa dos
Leia maisTeste de Funções por Cobertura do Grafo de Fluxo de Controle
Teste de Funções por Cobertura do Grafo de Fluxo de Controle Programação II Universidade de Lisboa Faculdade de Ciências Departamento de Informática Licenciatura em Tecnologias da Informação Vasco Thudichum
Leia maisAula 11 Teste de hipótese sobre a média de uma população normal - σ 2 conhecida
Aula 11 Teste de hipótese sobre a média de uma população normal - σ 2 conhecida Objetivo: Nesta aula, iremos aplicar os conceitos básicos sobre a teoria de teste de hipótese a uma situação específica.
Leia maisCAMPEONATOS José Armando Barbosa Filho
CAMPEONATOS José Armando Barbosa Filho Nível Iniciante Há uma grande variedade de problemas de olimpíadas que envolvem campeonatos. A principio, para simplificar o problema, vamos analisar casos onde cada
Leia maisGuia para Modelagem de Casos de Uso Metodologia CELEPAR
Guia para Modelagem de Casos de Uso Metodologia CELEPAR Agosto 2009 Sumário de Informações do Documento Documento: guiamodelagemcasosuso.odt Número de páginas: 14 Versão Data Mudanças Autor 1.0 25/04/07
Leia maisTeste de Hipótese e Intervalo de Confiança. Parte 2
Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos
Leia maisDistribuição Binomial e Normal
Distribuição Binomial e Normal O que se pretende, neste módulo, é apresentar dois modelos teóricos de distribuição de probabilidade, aos quais um experimento aleatório estudado possa ser adaptado, o que
Leia maisControle Estátistico de Processo.
Relatório de estudo dos fios. Controle Estátistico de Processo. Indice Item Assunto. Pág. Análise estatística C.E.P. 04 1 Introdução. 04 2 Controle estatístico do processo. 04 2.1 Definição. 04 2.3 Objetivo
Leia maisModelando sistemas em UML - Casos de uso.
Modelando sistemas em UML - Casos de uso. Neste artigo vou falar um pouco sobre modelagem de sistemas usando UML focando exclusivamente os diagramas de casos de uso. A primeira coisa que devemos ter em
Leia maisCOMO VENDER MAIS USANDO FUNIL DE VENDAS. Capítulo III: Etapas do Funil de Vendas
COMO VENDER MAIS USANDO FUNIL DE VENDAS Capítulo III: Etapas do Funil de Vendas Índice Introdução Defina suas etapas de vendas corretamente Como definir suas etapas de vendas 03 05 06 2 Introdução Olá,
Leia maisBusiness intelligence para empresas de segurança. Como uma instituição pode gerar recursos e errar menos com ajuda da informação
Business intelligence para empresas de segurança Como uma instituição pode gerar recursos e errar menos com ajuda da informação 1. Introdução Pense no volume de informações geradas pela sua empresa de
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano 2015-2 a Fase
Prova Escrita de MATEMÁTICA A - o Ano 205-2 a Fase Proposta de resolução GRUPO I. O valor médio da variável aleatória X é: µ a + 2 2a + 0, Como, numa distribuição de probabilidades de uma variável aleatória,
Leia maisAs 10 Maneiras mais GARANTIDAS De Se Conseguir uma Entrevista de EMPREGO
As 10 Maneiras mais GARANTIDAS De Se Conseguir uma Entrevista de EMPREGO Quais são as melhores maneiras de se obter uma entrevista de emprego nos dias de hoje? Em nossa situação atual, às vezes somos levados
Leia maisSOLUÇÕES N2 2015. item a) O maior dos quatro retângulos tem lados de medida 30 4 = 26 cm e 20 7 = 13 cm. Logo, sua área é 26 x 13= 338 cm 2.
Solução da prova da 1 a fase OBMEP 2015 Nível 1 1 SOLUÇÕES N2 2015 N2Q1 Solução O maior dos quatro retângulos tem lados de medida 30 4 = 26 cm e 20 7 = 13 cm. Logo, sua área é 26 x 13= 338 cm 2. Com um
Leia maisProjeto pelo Lugar das Raízes
Projeto pelo Lugar das Raízes 0.1 Introdução Controle 1 Prof. Paulo Roberto Brero de Campos Neste apostila serão estudadas formas para se fazer o projeto de um sistema realimentado, utilizando-se o Lugar
Leia mais2 Limites e Derivadas. Copyright Cengage Learning. Todos os direitos reservados.
2 Limites e Derivadas Copyright Cengage Learning. Todos os direitos reservados. 2.7 Derivadas e Taxas de Variação Copyright Cengage Learning. Todos os direitos reservados. Derivadas e Taxas de Variação
Leia maisAula de Exercícios - Variáveis Aleatórias Discretas
Aula de Exercícios - Variáveis Aleatórias Discretas Organização: Airton Kist Digitação: Guilherme Ludwig Valor Médio de uma variável aleatória Considere uma urna contendo três bolas vermelhas e cinco pretas.
Leia maisLista de Exercícios 5: Soluções Teoria dos Conjuntos
UFMG/ICEx/DCC DCC Matemática Discreta Lista de Exercícios 5: Soluções Teoria dos Conjuntos Ciências Exatas & Engenharias 2 o Semestre de 206. Escreva uma negação para a seguinte afirmação: conjuntos A,
Leia maisVamos denotar por C o evento balancete de custo e por O o evento balancete de orçamento. Temos: #O = 4 #C = 3 # = 7 Logo, Pr(O) =4/7 Pr(C) =2/7
AEDB - 2ª BI Probabilidade e Estatística - 2 o Ano 2011 - Prof: Roberto Campos Leoni Simulado 1. Em um arquivo há 4 balancetes de orçamento e 3 balancetes de custos. Em uma auditoria, o auditor seleciona
Leia maisIntrodução à Algoritmos. Aula 11
Introdução à Algoritmos Aula 11 Um programa de computador é um produto resultante da atividade intelectual. Essa atividade depende de um treinamento prévio em abstração e modelagem de problemas, bem como
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 7
Potencial Elétrico Quando estudamos campo elétrico nas aulas passadas, vimos que ele pode ser definido em termos da força elétrica que uma carga q exerce sobre uma carga de prova q 0. Essa força é, pela
Leia mais- Cálculo 1 - Limites -
- Cálculo - Limites -. Calcule, se eistirem, os seguintes ites: (a) ( 3 3); (b) 4 8; 3 + + 3 (c) + 5 (d) 3 (e) 3. Faça o esboço do gráfico de f() = entre 4 f() e f(4)? 3. Seja f a função definida por f()
Leia maisCOMO DETERMINAR O IMPACTO DAS VARIAÇÕES PERCENTUAIS
COMO DETERMINAR O IMPACTO DAS VARIAÇÕES! O que é Variação Percentual?! O que é Número Índice?! Como transformar um valor percentual em valor decimal?! Como comparar diferentes taxas percentuais?! Como
Leia maisAula 8 Segmentos Proporcionais
MODULO 1 - UL 8 ula 8 Segmentos Proporcionais Nas aulas anteriores, aprendemos uma formação geométrica básica, através da Geometria Plana de Posição. prendemos que: 1. soma das medidas dos ângulos internos
Leia maisAdministração AULA- 5. ER0199 Economia Mercados Oferta & Procura. Prof. Isnard Martins. Bibliografia: Rosseti J. Introdução à Economia.
Administração AULA- 5 1 ER0199 Economia Mercados Oferta & Procura Prof. Isnard Martins Bibliografia: Rosseti J. Introdução à Economia. Atlas 2006 Robert Heilbroner Micro Economia N.Gregory Mankiw Isnard
Leia maisCARTILHA DOS PROCEDIMENTOS DA BIOMETRIA
CARTILHA DOS PROCEDIMENTOS DA BIOMETRIA Controladoria Regional de Trânsito HELP DESK / CRT 2009 INFORMAÇÕES INICIAIS 1- Que candidatos terão que verificar a biometria e a partir de que momento? Todos os
Leia mais2. Qual dos gráficos abaixo corresponde à função y= x? a) y b) y c) y d) y
EEJMO TRABALHO DE DP 01 : 1 COL MANHÃ MATEMÁTICA 1. Na locadora A, o aluguel de uma fita de vídeo é de R$, 50, por dia. A sentença matemática que traduz essa função é y =,5.. Se eu ficar 5 dias com a fita,
Leia maisAV2 - MA 12-2011 UMA SOLUÇÃO
Questão 1. Considere os caminhos no plano iniciados no ponto (0, 0) com deslocamentos paralelos aos eixos coordenados, sempre de uma unidade e no sentido positivo dos eixos x e y (não se descarta a possibilidade
Leia maisNotas de aula de Lógica para Ciência da Computação. Aula 11, 2012/2
Notas de aula de Lógica para Ciência da Computação Aula 11, 2012/2 Renata de Freitas e Petrucio Viana Departamento de Análise, IME UFF 21 de fevereiro de 2013 Sumário 1 Ineficiência das tabelas de verdade
Leia maisComo calcular uma rescisão trabalhista
Como calcular uma rescisão trabalhista Hoje iremos aprender como elaborar e calcular uma rescisão do contrato de trabalho. O primeiro passo a ser dado será descobrir qual o motivo da rescisão do funcionário,
Leia maisBases Matemáticas. Daniel Miranda 1. 23 de maio de 2011. sala 819 - Bloco B página: daniel.miranda
Daniel 1 1 email: daniel.miranda@ufabc.edu.br sala 819 - Bloco B página: http://hostel.ufabc.edu.br/ daniel.miranda 23 de maio de 2011 Elementos de Lógica e Linguagem Matemática Definição Uma proposição
Leia maisREGRESSÃO. Análise de Correlação
REGRESSÃO Linear, Não linear, simples e múltipla Análise de Correlação 2 Correlação Indica a força e a direção do relacionamento linear entre dois atributos Trata-se de uma medida da relação entre dois
Leia maisCAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES
CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES Vamos estudar alguns métodos numéricos para resolver: Equações algébricas (polinómios) não lineares; Equações transcendentais equações que envolvem funções
Leia maishttp://geocities.yahoo.com.br/logicaemconcursos Prof. Leonardo Barroso http://geocities.yahoo.com.br/logicaemconcursos Prof.
PROVA DE RACIOCÍNIO LÓGICO-QUANTITATIVO ANEEL - Técnico Administrativo Aplicada em 07//2004pela ESAF 3- Surfo ou estudo. Fumo ou não surfo. Velejo ou não estudo. Ora, não velejo. Assim, a) estudo e fumo.
Leia maisGuia completo. Como usar conteúdo para atender melhor e fidelizar clientes...
Guia completo Como usar conteúdo para atender melhor e fidelizar clientes... Pós-venda...04 SUMÁRIO Setup e on-boarding...09 Engajamento de usuários...12 Educação de clientes...14 Melhor que ter clientes
Leia mais