Gabarito - Lista de Exercícios 1
|
|
|
- Regina Madureira Barata
- 9 Há anos
- Visualizações:
Transcrição
1 Gabarito - Lista de Exercícios Teoria das Filas Modelo M/M/. Clientes chegam a uma barbearia, de um único barbeiro, com tempo médio entre chegadas de 0 minutos. O barbeiro gasta em média 5 minutos com cada cliente. a. Qual a probabilidade de um cliente não ter que esperar para ser servido? b. Qual o número esperado de clientes no salão de barbeiro? e na fila?. c. Quanto tempo em média, um cliente permanece no salão? d. Quanto tempo em média, um cliente espera na fila? e. Qual a probabilidade de que um cliente tenha que ficar mais de 30 minutos no salão? f. O barbeiro está considerando a possibilidade de colocar um segundo barbeiro desde que o tempo de permanência médio de cada cliente no salão passe,5 s. Para quanto teria que aumentar a taxa de chegada para que o segundo barbeiro ficasse justificado?. Solução: O tempo médio entre duas chegadas é: E( X ) 0 minutos = 3 clientes Em conseqüência, a taxa de chegada é: 3 O tempo médio de atendimento é: E( S) 5 minutos = 4 clientes Em conseqüência, a taxa de serviço é: 4 a) Probabilidade do cliente não ter que esperar para ser atendido? É igual a probabilidade do sistema estar vazio: P0 b) Número esperado de clientes no salão e na fila? 3 L 3 clientes ( ) 4 3 L q 9, 5 clientes ( ) 4() c) Quanto tempo em média um cliente permanece no salão? W = ( ) 0, 5 4
2 d) Quanto tempo em média um cliente espera na fila? W q 3 0,75 s = 45 minutos 44 3 e) (Correção.- T. Diurna.- Nesta questão devemos considerar o tempo de espera no sistema: tempo na fila + tempo em serviço, assim corrigimos o parâmetro usado na distribuição exponencial de, taxa de serviço, para (µ-), taxa de espera no sistema) Observe que como E( W ) W é o tempo médio de espera no sistema, logo, (µ-) é o número médio de clientes que espera no sistema/unidade de tempo. O tempo de espera assim como o tempo de serviço tem distribuição exponencial, assim: P( W t) e -( - )t P W -(4-3)(0,5) -0,5 ( 0,5) e e 0, 6065 f) Para quanto deverá aumentar o número de clientes, taxa de chegada, de maneira que o tempo médio de permanência no salão, aumente para W =,5 s, justificando a contratação de um segundo barbeiro? W,5, , 5, 5 clientes Assim, 3,. Em um sistema de uma fila e um canal, mediu-se o número médio de clientes na fila, encontrando-se o valor 3,. Considerando-se que o tempo médio gasto no sistema por cliente é de 0,5 h, pede-se calcular a probabilidade de que o número de clientes no sistema seja inferior a 6. Solução: Temos como dados: L q Pede-se calcular P(n<6)? 3, clientes () e W 0,5 s () Para isso, calculamos e µ, a partir de () e (). Manipulando () temos: + (3) 0,5 Substituindo (3) em () temos:
3 L q ( ) 4 3, 3,,8 6, 4 6, 4,8 = 0 B B 4AC Resolvendo a equação de segundo grau A 6, 4 (6, 4) 4()(,8) 6, 4 9, 6 8 (4) () temos: Substituindo (4) em (3) temos: u 0 (5) Podemos calcular P(n<6) de duas maneiras: (i) P(n<6) = P 0 + P + P + P 3 + P 4 + P 5 Sabemos que: P 0 = - e P 0 = (-) n, calculamos assim: P 0 = - (0,8) = 0, P = (0,)(0,8) = 0,6 P = (0,)(0,8) = 0,8 P 3 = (0,)(0,8) 3 = 0,04 P 4 = (0,)(0,8) 4 = 0,085 P 5 = (0,)(0,8) 5 = 0,0655 Logo temos que: P(n<6) = 0,7378. (ii) Usando a seguinte formula: P( n k) k+, que é deduzida no Anexo. 8 P( n 6) P( n 5) P( n 5) = 0, Em um sistema de uma fila e um servidor (canal), foram medidos os seguintes dados: Pede-se: Solução: a. Taxa de ocupação do sistema: 0,8. b. Tempo médio gasto na fila: 5 min. a. Qual a probabilidade de que ocorram 0 chegadas por? b. Qual a probabilidade de que ocorram atendimentos por? c. Qual a probabilidade de haver 0 clientes no sistema? 6 3
4 Temos como dados: = 0,8 Pede-se calcular: W q () e 5 minutos = 0,5 s () a) b) 0 e P( nc 0)? 0! e P( na )?! P( n 0) P? c) 0 Onde: n C : número de clientes que chegam/; n A : número de clientes atendidos/ e; n : número de clientes no sistema. m k e m Sabemos que n C e n A têm distribuição Poisson P( n k), com parâmetro m= e k! m=µ, respectivamente. Para isso, calculamos e µ, a partir de () e (). De () temos: 0,8 e substituindo em () temos: W q 0,8 0, 8 0, 5 0, 5 6 0,8 0, Logo,8 Substituindo os valores de e µ em a), b) e c) temos: a) b),8 0 e,8 P( nc 0) 0, ! 6 e 6 P( na ) = 0,066! P( n 0) P = (- ) (0, )(0,8) 0, 05 n 0 c) 0 4. Pessoas chegam para comprar ingressos para um jogo à taxa de uma por minuto. Cada pessoa gasta em média 0 segundos para comprar um ingresso. a. Se uma pessoa chega minutos antes do jogo começar e se ela gasta exatamente,5 minutos para chegar a seu lugar após comprar o seu ingresso, ela estará sentada antes do jogo começar? b. Qual a probabilidade de uma pessoa do item a), estar sentada antes do jogo começar? c. Com que antecedência a pessoa deve chegar para ter 99% de certeza de estar sentada antes do jogo começar? 4
5 Solução: pessoa Temos como dados: A taxa de chegada: O tempo médio de atendimento é: E( S) 0 segundos = minuto 3 pessoas Em conseqüência, a taxa de serviço é: 3 minuto a) Se uma determinada pessoa chega minutos antes do jogo e gasta,5 minutos para chegar a seu lugar, após comprar seu ingresso, estará sentada antes do jogo começar?. Fazemos a análise pelo tempo médio de espera no sistema: W 0,5 minuto 3 Como o tempo médio de espera é de 0,5 minutos, que é justamente, o tempo disponível para que a pessoa compre seu ingresso, em média, a pessoa que chega minutos antes do jogo começar deverá estar sentada quando o jogo começar. b) (Correção.- T. Diurna.- Nesta questão devemos considerar o tempo de espera no sistema: tempo na fila + tempo em serviço, assim corrigimos o parâmetro usado na distribuição exponencial de, taxa de serviço, para (µ-), taxa de espera no sistema). A probabilidade de que uma pessoa, que chega minutos antes do jogo, estar sentada antes do jogo começar é igual à probabilidade de que o tempo de permanência no sistema seja menor que 0,5. P( W t) e -( - )t P W -(3-)(0,5) - ( 0,5) e e 0,3678 0, 63 Ou seja, existem 63,% de chances que a pessoa, que chega minutos antes do jogo, este sentada quando o jogo começa. c) (Correção.- T. Diurna.- Mesma correção no parâmetro do item b)) Neste caso queremos determinar qual é o tempo de permanência na compra de ingressos que garante probabilidade de 99% de que a pessoa esteja sentada quando o jogo começar. P( W t) e -( - )t P W t t -t -t ( ) e 0, 99 e 0, 0 ln(0, 0) ln(0, 0) t t,3 minutos Como a pessoa gasta,5 minutos para achar seu lugar, ela deve chegar,5+,3=3,8 minutos antes do jogo começar, para ter 99% de chances de estar sentada. 5
6 5. Uma empresa de mineração mediu o tempo médio que os caminhões gastam para descarregar no britador de minérios, tendo encontrado 0, h como sendo o tempo gasto no sistema. Por outro lado, a taxa de ociosidade do britador é de 0%. Sabendo-se que o custo de permanência ário CE = $00 por e que o custo de atendimento ário CA =$0 por caminhão, pede-se: Solução: a. Qual é a taxa de atendimento que o britador deveria oferecer de modo a minimizar o custo total? b. Considerando-se que uma ampliação do britador para atender a esse número achado custaria $8.000,00 por mês, deseja-se saber se esse investimento se justificaria. Considere que o sistema opera dias úteis de 8 s cada, por mês. Temos como dados: O tempo médio que os caminhões gastam no sistema: W 0, s () A taxa de ociosidade do britador que é de 0% ( ou igual a 0,); O custo de permanência ário: CE = $00/; O custo de atendimento ário: CA = $0/caminhão; Como a taxa de ociosidade é o complemento da taxa de ocupação, temos que: Taxa de ociosidade: - 0, e Taxa de ocupação: = 0,8, assim: = 0,8 () Calculamos os valores de e µ, a partir das expressões () e (), temos assim que: 0 e u 5 O custo total médio do sistema, CT, (em unid. monetárias/unid. tempo) é definido como: CT = CE + CA Onde, CE: È o custo de espera médio, definido como: CA: É o custo de atendimento médio, definido como: Temos assim a expressão para CT em termos de e µ: CT = CE + CA u - (3) CE = CE x L CA = CA x d CT O custo mínimo para o sistema de filas é obtido calculando = 0 d De onde obtemos a taxa de atendimento ótima, µ *, que minimiza o custo (ver Anexo): 6
7 *. CE u = + (4) CA a) Calculamos a taxa de atendimento ótima, µ *, substituindo em (4) os valores de, CE e CA, temos assim: * u = ,4 34,4 0 b) Primeiro, calculamos o valor do custo atual, CT Atual, (em $/), substituindo os valores de, µ, CE e CA, temos assim: 0 CTAtual CEx + CA x u CTAtual 00 x + 0 x 5 u 5 0 CT $ 650 Atual Logo calculamos, o valor do custo mínimo, CT Mín (em $/), substituindo os valores de, CE e CA e a taxa de atendimento ótima µ *. CT Min é o menor custo de operação do sistema de filas que possível atingir após melr ao máximo a capacidade de atendimento. O valor do custo mínimo é: 0 CT CE x CA x u CT x x u 34,4 0 CT $ 48,84 Min * Min ,4 * Min Considerando que o sistema opera dias por mês, 8 s cada dia, calculamos os custos mensais atual e mínimo, CTM Atual e CTM Mín como segue: CTM CTM Atual Min $ 650 x (x8) $ mes mes $ 48,84 x (x8) $ ,84 mes mes O investimento na ampliação do britador se justificaria uma vez que a economia de mensal é $9.40,6, enquanto que o custo da ampliação do britador é de $ Anexo: ) Deduzimos: P( n k) k+ Sabemos que: P( n k) Pk Pk Pk 3... Pk i = ( ) Logo temos que: i i k i e como i i i0 P( n k) ( ) k k Temos que: P( n k) ( ) k i 7
8 ) Mostramos que: Se T tem distribuição exponencial com parâmetro α: P( T t) e t t x x t t 0 0 P( T t) e dx e e Lembre que: x d e x e e dx d e dx x e x d CT 3) Calculamos e obtemos µ * d CT para = 0 : d d Dado que: CT = CE + CA, temos que: u - d CT = CE CA d d CT Fazendo = CE CA 0 obtemos: d. CE CA 0 CA. CE. CE. CA CE CA Assim: u = +. CE CA * 8
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 I I 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 2
01. Um lava rápido Automático funciona com somente uma baia. Os carros chegam, conforme uma distribuição de Poisson, em média a cada 12 minutos e podem esperar no estacionamento oferecido se a baia estiver
FILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro
TEORIA DAS FILAS FILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro Ingressa na sala de atendimento Sai da sala de atendimento Pessoa precisa de cuidados médicos
Modelagem e Análise Aula 9
Modelagem e Análise Aula 9 Aula passada Equações de fluxo Tempo contínuo Aula de hoje Parâmetros de uma fila Medidas de desempenho Cálculo do tempo de espera Resultado de Little Parâmetros da Fila chegada
Avaliação e Desempenho Aula 18
Avaliação e Desempenho Aula 18 Aula passada Fila com buffer finito Fila com buffer infinito Medidas de interesse: vazão, número médio de clientes na fila, taxa de perda. Aula de hoje Parâmetros de uma
Teoria das Filas aplicadas a Sistemas Computacionais. Aula 20
Teoria das Filas aplicadas a Sistemas Computacionais Aula 20 Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Processos Estocásticos
Processos Estocásticos Quarta Lista de Exercícios 12 de fevereiro de 2014 1 Sejam X e Y duas VAs que só podem assumir os valores 1 ou -1 e seja p(x, y) = P (X = x, Y = y), x, y { 1, 1} a função de probabilidade
Processos Estocásticos
Processos Estocásticos Quinta Lista de Exercícios 2 de fevereiro de 20 Suponha que um organismo unicelular pode estar somente em dois estágios distintos A ou B Um indivíduo no estágio A passa para o estágio
Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção. Teoria da Filas. Prof. Fabrício Maciel Gomes
Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção Teoria da Filas Prof. Fabrício Maciel Gomes Teoria das Filas Por quê das Filas? Procura por um serviço maior do que a capacidade do
Processos Estocásticos aplicados à Sistemas Computacionais
Processos Estocásticos aplicados à Sistemas Computacionais Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
INTRODUÇÃO À TEORIA DAS FILAS
INTRODUÇÃO À TEORIA DAS FILAS Uma fila é caracterizada por: Processo de chegada dos fregueses à fila Tempo de serviço dedicado pelo servidor a cada freguês Número de servidores Espaço disponível para espera
Fernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Simulação a Eventos Discretos. Fernando Nogueira Simulação 1
Simulação a s Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
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 I I 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 4
0. Uma estação de serviço é formada por um único servidor que pode atender um cliente em 0,5 minutos, em média. Os clientes chegam solicitando serviço a um intervalo médio de oito minutos e 24 segundos.
Gabarito - Lista de Exercícios 2
Gabarito - Lista de Exercícios Teoria das Filas Modelos Adicionais. U escritório te 3 datilógrafas e cada ua pode datilografar e édia, 6 cartas por hora. As cartas chega para sere datilografadas co taxa
PLANEJAMENTO DE TRANSPORTES TT049
UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE TRANSPORTES PLANEJAMENTO DE TRANSPORTES TT049 Prof. Diego Fernandes Neris [email protected] Filas: Problema mais comum na engenharia de transportes e de
ACH Introdução à Estatística Conteúdo Teórico: 12 - Simulação
ACH2053 - Introdução à Estatística Conteúdo Teórico: Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte
SCX5005 Simulação de Sistemas Complexos II. Problemas em Simulação
SCX5005 Simulação de Sistemas Complexos II Alguns Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte
Probabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição
Nota: Turma: MA 327 Álgebra Linear. Terceira Prova. Boa Prova! Primeiro Semestre de T o t a l
Turma: Nota: MA 327 Álgebra Linear Primeiro Semestre de 26 Terceira Prova Nome: RA: Questões Pontos Questão 1 Questão 2 Questão 3 Questão 4 Questão 5 T o t a l Boa Prova! Questão 1. 2. Pontos) Seja U um
MAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Exercício 7: Resolução: 2º Semestre 2002/2003 Exercícios resolvidos
º Semestre 00/003 Exercícios resolvidos Exercício 7: Num banco de ensaios de automóveis cada diagnóstico consiste em duas fases distintas de teste: uma primeira parte mecânica e outra parte eléctrica.
3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
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
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
Gestão de Operações II Teoria das Filas. Prof Marcio Cardoso Machado
Gestão de Operações II Teoria das Filas Prof Marcio Cardoso Machado Filas O que é uma fila de espera? É um ou mais clientes esperando pelo atendimento O que são clientes? Pessoas (ex.: caixas de supermercado,
Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011 Cadeias de Markov Em 1907, Andrew Markov iniciou um estudo sobre um modelo onde o resultado
MAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 1 o semestre de 201 O tempo de vida útil de uma lavadora de roupas automática tem distribuição aproximadamente Normal, com média de 3,1 anos e desvio padrão de 1,2 anos. a Qual deve ser o valor
Modelagem e Avaliação de Desempenho
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Exemplos usados na apresentação foram obtidos de Introduction to Probability, C.M.Grinstead
BANCO DE EXERCÍCIOS - 24 HORAS
BANCO DE EXERCÍCIOS - HORAS 9º ANO ESPECIALIZADO/CURSO ESCOLAS TÉCNICAS E MILITARES FOLHA Nº GABARITO COMENTADO ) A função será y,5x +, onde y (preço a ser pago) está em função de x (número de quilômetros
UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO REDES DE COMUNICAÇÕES
1 a. Lista Redes de Comunicações I pg. 1/5 UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO REDES DE COMUNICAÇÕES 1 Prof. Flávio Alencar 1 a. LISTA (Assuntos: Filas, probabilidade e estatística aplicada a redes
PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 20 DE JULHO 2018 CADERNO 1
PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) ª FASE 0 DE JULHO 08 CADERNO... P00/00 Como se trata de uma distribuição normal temos que: ( ) 0,9545. P µ σ
Cadeias de Markov em Tempo Continuo
Cadeias de Markov em Tempo Continuo Ricardo Ehlers [email protected] Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo
SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 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 4 Sarita Mazzini Bruschi Material
parciais primeira parte
MÓDULO - AULA 3 Aula 3 Técnicas de integração frações parciais primeira parte Objetivo Aprender a técnica de integração conhecida como frações parciais. Introdução A técnica que você aprenderá agora lhe
FILAS Conceitos Fundamentais. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
FILAS Conceitos Fundamentais Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Teoria de Filas É uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento
Variáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 1ª FASE 25 DE JUNHO 2019 CADERNO 1. e AV.
Associação de Professores de Matemática Contactos: Rua Dr. João Couto, n.º 7-A 1500-6 Lisboa Tel.: +51 1 716 6 90 / 1 711 0 77 Fa: +51 1 716 64 4 http://www.apm.pt email: [email protected] PROPOSTA DE RESOLUÇÃO
Lista de Exercícios - SCE131
Lista de Exercícios - SCE131 Prof. Eduardo F. Costa - ICMC - USP http://www.icmc.usp.br/ efcosta Parte 1 - Cadeia de Markov (a tempo discreto) Exercício 1. Seja uma cadeia de Markov com probabilidades
Prova Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - o Ano 0 - a Fase Proposta de resolução GRUPO I. Temos que P A B) P A) + P B) P A B) P A B) P A) + P B) P A B) Como A e B são independentes, então P A) P B) P A B), pelo
PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 20 DE JULHO 2018 CADERNO 1
Associação de Professores de Matemática Contactos: Rua Dr. João Couto, n.º 7-A 500-36 Lisboa Tel.: +35 76 36 90 / 7 03 77 Fax: +35 76 64 4 http://www.apm.pt email: [email protected] PROPOSTA DE RESOLUÇÃO DA
Tempo de atendimento (minutos)
1. Simule manualmente o problema que a seguir se descreve. Enunciado do problema (barbearia): Uma determinada Barbearia funciona da seguinte forma: os clientes chegam à barbearia e esperam numa cadeira
Modelos Probabilísticos Filas M/M/1, M/G/1. Profa. Jussara M. Almeida 1 o Semestre de 2014
Modelos Probabilísticos Filas M/M/1, M/G/1 Profa. Jussara M. Almeida 1 o Semestre de 2014 Modelos Probabilísticos de Filas R W S λ Notação de Kendall Fila G / G / 1 1 = um único servidor Distribuição dos
Unidade 6 Aplicações do estudo das derivadas
Unidade 6 Aplicações do estudo das derivadas Máximos e mínimos de uma função Definição 6.. Dada a função f : I, um ponto x I é chamado de (i) ponto de máximo relativo (ou local) da função quando f ( x)
J. Delgado - K. Frensel - L. Crissaff Geometria Analítica e Cálculo Vetorial
178 Capítulo 10 Equação da reta e do plano no espaço 1. Equações paramétricas da reta no espaço Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que
LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
APLICAÇÃO DA DISTRIBUIÇÃO POISSON E EXPONENCIAL VOLTADA PARA MELHORAMENTO DA QUALIDADE DE SERVIÇO EM UM POSTO DE COMBUSTÍVEL
APLICAÇÃO DA DISTRIBUIÇÃO POISSON E EXPONENCIAL VOLTADA PARA MELHORAMENTO DA QUALIDADE DE SERVIÇO EM UM POSTO DE COMBUSTÍVEL Carina Lemos Piton (UNIC) [email protected] Jose Alfredo Zoccoli Filho
= 2 sen(x) (cos(x) (b) (7 pontos) Pelo item anterior, temos as k desigualdades. sen 2 (2x) sen(4x) ( 3/2) 3
Problema (a) (3 pontos) Sendo f(x) = sen 2 (x) sen(2x), uma função π-periódica, temos que f (x) = 2 sen(x) cos(x) sen(2x) + sen 2 (x) 2 cos(2x) = 2 sen(x) (cos(x) sen(2x) + sen(x) cos(2x) ) = 2 sen(x)
Lista 1- Cálculo I Lic. - Resolução
Lista 1- Cálculo I Lic. - Resolução Exercício 6: Uma molécula de açúcar comum (sacarose) pesa 5,7 10 - g e uma de água, 3 10-3 g. Qual das duas é mais pesada? Quantas vezes uma é mais pesada que a outra?
Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Aula 5. Processo de Poisson. Exemplos.
Aula 5. Processo de Poisson. Exemplos. Exemplo 1. Processo de Poisson com diferentes tipos de eventos. Consideramos um processo de Poisson com intensidade λ. Suponha que em cada instante de ocorrência
ENQ Gabarito MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL. Questão 01 [ 1,25 ]
MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL ENQ 017 Gabarito Questão 01 [ 1,5 ] Encontre as medidas dos lados e ângulos de dois triângulos ABC diferentes tais que AC = 1, BC = e A BC = 0 Considere
Métodos de Pesquisa Operacional
Métodos de Pesquisa Operacional Programação Linear é a parte da Pesquisa Operacional que trata da modelagem e resolução de problemas formulados com funções lineares. Programação Linear } Métodos de Resolução
Método dos Mínimos Quadrados
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 1998/99 Método dos Mínimos Quadrados Objectivos: Estimação de valores pelo método dos mínimos quadrados. PROBLEMAS 1 Determine
ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho
Teoria de Filas - Resumo Pedroso 4 de setembro de 2011 1 Introdução 2 Definições básicas ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento de sistemas de comunicação
Objetivos. em termos de produtos internos de vetores.
Aula 5 Produto interno - Aplicações MÓDULO 1 - AULA 5 Objetivos Calcular áreas de paralelogramos e triângulos. Calcular a distância de um ponto a uma reta e entre duas retas. Determinar as bissetrizes
Módulo 4 Ajuste de Curvas
Módulo 4 Ajuste de Curvas 4.1 Intr odução Em matemática e estatística aplicada existem muitas situações onde conhecemos uma tabela de pontos (x; y), com y obtido experimentalmente e deseja se obter uma
Metodologia de simulação
Metodologia de simulação OBJETIVOS E DEFINIÇÃO DO SISTEMA FORMULAÇÃO DO MODELO ANÁLISE E REDEFINIÇÃO MODELO ABSTRATO RESULTADOS EXPERIMENTAIS (Capítulo 6) MODELO CONCEITUAL (Capítulo 3) REPRESENTAÇÃO DO
MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL. ENQ Gabarito
MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL ENQ 20152 Gabarito Questão 01 [ 1,00 ::: (a)0,50; (b)0,50 ] Determine TODOS os valores possíveis para os algarismos x, y, z e t de modo que os números
ANÁLISE DE TEORIA DAS FILAS: SISTEMA DE FILAS DE UM SERVIÇO DE PRONTO ATENDIMENTO RESUMO
37 ANÁLISE DE TEORIA DAS FILAS: SISTEMA DE FILAS DE UM SERVIÇO DE PRONTO ATENDIMENTO Francieli de Fátima de Oliveira 1 Mara Lucia Grando; Marcel Belusso; Stefan Antônio Bueno 2 RESUMO A teoria das filas
COLÉGIO SÃO JOÃO GUALBERTO
RESOLUÇÃO COMENTADA Prof.: Pedro Bittencourt Série: 1ª Turma: A Disciplina: Física Nota: Atividade: Avaliação mensal 1º bimestre Valor da Atividade: 10 Instruções Esta avaliação é individual e sem consulta.
Problemas de Otimização
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Problemas de Otimização
AULA 4: EQUIVALÊNCIA DE TAXAS
MATEMÁTICA FINANCEIRA PROF. ELISSON DE ANDRADE Blog: www.profelisson.com.br AULA 4: EQUIVALÊNCIA DE TAXAS Exercícios resolvidos e comentados Proibida reprodução e/ou venda não autorizada. REVISÃO: COMO
SEGUNDA PROVA DE EDB - TURMA M
SEGUNDA PROVA DE EDB - TURMA M Prof. MARCELO MARCHESIN -/1/7 (13:-1: DPTO. DE MATEMÁTICA, UFMG. RESOLUÇÃO E CRITÉRIOS 1. (11, ptos Sabendo-se que u n (x, y = c n senh( nπx nπy b sen( b para n = 1,,...
A equação da circunferência
A UA UL LA A equação da circunferência Introdução Nas duas últimas aulas você estudou a equação da reta. Nesta aula, veremos que uma circunferência desenhada no plano cartesiano também pode ser representada
Análise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Análise Estatística. Análise Estatística Motivação: Fila de 1 servidor. Clientes chegam em um banco (sistema)
PROVA COMENTADA. Utilizando as equações de equilíbrio para encontrar a relação entre a reação redundante e as reações restantes:
? Momento fletor Diagrama de Corpo Livre Reação redundante escolhida Reação vertical no ponto A: Utilizando as equações de equilíbrio para encontrar a relação entre a reação redundante e as reações restantes:
Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014
Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014 1. O diâmetro X de{ um cabo elétrico é uma variável aleatória com densidade de probabilidade K(2x x dada por 2 ), 0 x 1 0, x < 0 ou x > 1. (a)
GAAL: Exercícios 1, umas soluções
GAAL: Exercícios 1, umas soluções 1. Determine o ponto C tal que AC = 2 AB, sendo A = (0, 2), B = (1, 0). R: Queremos C tal que AC = 2 AB. Temos AB = (1 0, 0 ( 2)) = (1, 2), logo 2 AB = (2, 4). Então queremos
Aula Distância entre duas retas paralelas no espaço. Definição 1. Exemplo 1
Aula 1 Sejam r 1 = P 1 + t v 1 t R} e r 2 = P 2 + t v 2 t R} duas retas no espaço. Se r 1 r 2, sabemos que r 1 e r 2 são concorrentes (isto é r 1 r 2 ) ou não se intersectam. Quando a segunda possibilidade
Indução Matemática. Profa. Sheila Morais de Almeida. junho DAINF-UTFPR-PG
Indução Matemática Profa. Sheila Morais de Almeida DAINF-UTFPR-PG junho - 2018 Sheila Almeida (DAINF-UTFPR-PG) Indução Matemática junho - 2018 1 / 38 Este material é preparado usando como referências os
1 2 Queremos calcular o valor de t para o qual se tem T = -18 C. (Q Q 0. ) = m (R R 0 (35 30) (R 2000) ( ) 200 Q 6000 = R 2000 (Q 30) =
Resposta da questão : [A] f(x) = ax + b f(0) = 50 b = 50 55 50 5 a = = = 0 0 0 x f(x) = + 50 f() = + 50 = 5,5 9 f(9) = + 50 = 54,5 ( 5,5 + 54,5) ( 9 ) S = S = 8 Resposta da questão : [B] As taxas de desvalorização
MAE0229 Introdução à Probabilidade e Estatística II
Exercício Entre jovens atletas, um nível alto de colesterol pode ser considerado preocupante e indicativo para um acompanhamento médico mais frequente. Suponha que são classificados como tendo taxa de
6 ESCALONAMENTO DE CPU
6 ESCALONAMENTO DE CPU O escalonamento de CPU é ponto chave da multiprogramação. Ela permite que haja mais de um processo em execução ao mesmo tempo. Em ambientes com um único processador, o escalonador
MAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 O tempo de vida útil de uma lavadora de roupas automática tem distribuição aproximadamente Normal, com média de 3,1 anos e desvio padrão de 1,2 anos. a Qual deve ser o valor do tempo de garantia
Vamos revisar alguns fatos básicos a respeito de séries de potências
Seção 4 Revisão sobre séries de potências Vamos revisar alguns fatos básicos a respeito de séries de potências a n (x x ) n, que serão úteis no estudo de suas aplicações à resolução de equações diferenciais
TE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Cadeias de Markov 20/11/2017 Andrei Markov Em 1907, Andrei Markov iniciou um estudo sobre processos onde o resultado de um experimento depende do resultado de
UNIFEI - UNIVERSIDADE FEDERAL DE ITAJUBÁ FUNDAMENTOS DE MATEMÁTICA
UNIFEI - UNIVERSIDADE FEDERAL DE ITAJUBÁ FUNDAMENTOS DE MATEMÁTICA PROVA DE TRANSFERÊNCIA INTERNA, EXTERNA E PARA PORTADOR DE DIPLOMA DE CURSO SUPERIOR - 0/11/014 CANDIDATO: CURSO PRETENDIDO: OBSERVAÇÕES:
Universidade Federal de Pelotas Disciplina de Microeconomia 1 Professor Rodrigo Nobre Fernandez Lista 3 - Soluções. x 2 5 = 40 x.
Universidade Federal de Pelotas Disciplina de Microeconomia 1 Professor Rodrigo Nobre Fernandez Lista 3 - Soluções 1) Dada as funções de demanda p(x) = 40 x e de oferta p(x) = x 5, pede-se: a) O ponto
UNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Terceira Lista de Exercícios
UNIVERSIDADE FEDERAL DA PARAÍBA Cálculo das Probabilidades e Estatística I Professora: Juliana Freitas Pires Terceira Lista de Exercícios Parte I: Variáveis aleatórias, Esperança e Variância Questão 1.
