Forma padrão do modelo de Programação Linear
|
|
|
- Therezinha Candal Carvalhal
- 9 Há anos
- Visualizações:
Transcrição
1 POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação 7. Propredades dos PPL s 8. Método Smple 9. Solução Algébrca 0. Método Smple a Forma ableau. Método das Duas Fases 2. Método Smple a Forma ableau 3. Dualdade em Programação Lear 4. Algortmo SIMPLEX Prmal-Dual 5. Aálse de Pós-otmaldade
2 Forma padrão do modelo de Programação Lear Ma z c + c c s.a: a + a a b a2 + a a2 b2 a + a a b m m2 0,..., 2 m m Suposções da Programação Lear. Proporcoaldade 2. Adtvdade 3. Dvsbldade 4. Certeza 5. Perspectva das suposções elações de Equvalêca Qualquer que sea a estrutura do PPL, sempre é possível trasformá-lo o formato padrão apresetado acma. Para tato, utlzam-se as segutes relações de equvalêca:
3 a) elação etre equações e equações + S b S a b a 0 S b S a b a 0 b) elação etre mamzação e mmzação c z M c z Ma ) ( ) ( c) ratameto de lmtes de varáves + 0 Substtução : 0 l l l 0 Substtução : l l l 0 0 e
4 Eemplo - Empresa WYNDO GLASS CO. Plata Produtos Capacdade Jaelas Portas Dspoível Lucro Ut. $3 $5 Ma Z 3 X + 5 X2 S.a: X 4 2 X2 2 3 X + 2 X2 8 X, X2 0 X X
5 Propredades dos PPL s (a) Se este eatamete uma solução ótma, etão deve ser uma solução factível em um vértce; (b) Se estem soluções ótmas múltplas, etão ao meos duas delas devem ser soluções factíves em vértces adacetes; (c) Este um úmero fto de soluções factíves em vértces; (d) Se uma solução factível em um vértce é gual ou melhor (segudo o valor de Z) que todas as soluções factíves os vértces adacetes a ela, etão é gual ou melhor que todas as demas soluções factíves estetes os vértces, sto é, é uma solução ótma. Método Smple. Passo cal: car com uma solução factível em um vértce; 2. este de otmaldade: se ão este solução factível em um vértce adacete, melhor que a solução atual, etão PAE. A solução atual é ótma. Em caso cotráro, vá ao passo 3; 3. Passo teratvo: movmete em dreção de uma solução factível melhor, em um vértce adacete; volte ao passo 2.
6 Solução Algébrca Modelo Orgal (Wydor Glass Co.) Ma Z 3 X + 5 X2 s.a: X 4 2 X2 2 3 X + 2 X2 8 X,X2 0 Forma padrão equvalete Ma Z s.a: Z 3 X 5 X2 0 X + S 4 2 X2 + S2 2 3 X + 2 X2 + S3 8 X,X2,S,S2,S3 0 Solução aumetada Solução básca Solução básca vável Vértce Soluções adacetes
7 Z 3 X 5 X2 0 X + S 4 2 X2 + S2 2 3 X + 2 X2 + S3 8 Solução: Z,X,X2,S,S2,S3)(0,0,0,4,2,8) O que fazer para melhorar a solução? Que varável sa da base? Como represetar o sstema de equações leares? Nova represetação do sstema de equações leares Z 3 X + + 5/2 S2 30 X + S 4 X2 + /2 S2 6 3 X - S2 + S3 6 Solução: (Z,X,X2,S,S2,S3)(30,0,6,4,0,6) O que fazer para melhorar a solução? Que varável sa da base? Como represetar o sstema de equações leares? Nova represetação do sstema de equações leares Z + 3/2 S2 + S3 36 S + /3 S2 /3 S3 2 X2 + /2 S2 6 X - /3 S2 + /3 S3 2
8 Solução: (Z,X,X2,S,S2,S3)(36,2,6,2,0,0) O que fazer para melhorar a solução? Método Smple a Forma ableau Varável Coefcetes Lado ásca Z X X2 S S2 S3 Dreto Z S S S Varável Coefcetes Lado ásca Z X X2 S S2 S3 Dreto Z / S X /2 0 6 S Varável Coefcetes Lado ásca Z X X2 S S2 S3 Dreto Z /2 36 S /3 -/3 2 X /2 0 6 X /3 /3 2 Como escolher a varável que etra a base o caso de empate? Como escolher a varável que sa da base o caso de empate? E se ão este varável que possa sar da base? Como descobrr se estem soluções ótmas múltplas?
9 Método das Duas Fases Sea o PPL geérco em sua forma padrão, deomado de P, ode b 0,, para o qual ão é possível obter uma solução básca cal trval: (P) Ma z c s.a: a b,..., m 0,..., Etão, sempre é possível costrur o PPL abao, deomado de P2, cludo varáves artfcas: (P2) Ma z c s.a: a + d b,..., m 0,..., d 0,..., m O problema P2 sempre tem uma solução básca vável trval: d b,,..., m 0,,...,
10 Equvalêca etre os problemas P e P2 P P2 d 0,,..., m Cosdere o PPL abao, deomado de P3: m d (P3) M w s.a: a + d b,..., m 0,..., d 0,..., m Etão: ) toda solução de P3 é também solução de P2; ) se a solução ótma de P3 tver w 0, etão também será uma solução básca vável para o P. Algortmo. Se P tem solução básca vável trval, vá para 4; 2. Formule P3, e resolva-o; 3. Se a solução ótma de P3 as varáves artfcas forem ulas, etão uma solução básca vável para P fo ecotrada; vá para 4. Em caso cotráro, PAE; P ão tem solução vável; 4. esolva P, cosderado a solução básca vável cohecda.
11 Eemplo M Z 3 X + 2 X2 + 4 X3 s.a: 2 X + X2 + 3 X X + 3 X2 + 5 X3 20 X,X2,X3 0 Forma Equvalete Z (-Z) -3 X - 2 X2-4 X3 Ma Z Z + 3 X + 2 X2 + 4 X3 0 2 X + X2 + 3 X X + 3 X2 + 5 X3 S2 20 X,X2,X3,S2 0 Icludo Varáves Artfcas Ma Z Z + 3 X + 2 X2 + 4 X3 0 2 X + X2 + 3 X3 + d 60 3 X + 3 X2 + 5 X3 S2 + d2 20 X,X2,X3,S2,d,d2 0
12 Problema da Prmera Fase M W d + d2 ou Ma W (-W) - d d2 W + d + d2 0 Z + 3 X + 2 X2 + 4 X3 0 2 X + X2 + 3 X3 + d 60 3 X + 3 X2 + 5 X3 S2 + d2 20 X,X2,X3,S2,d,d2 0 Problema Fase Forma ableau Iteração 0 V.. W' Z' X X2 X3 S2 d d2 Valor W' Z' a a Iteração V.. W' Z' X X2 X3 S2 d d2 Valor W' 0 /3-4/3 0 8/ Z' 0 /3 2/ / X /3 /3 0 / a /3 4/ /3 20
13 Iteração 2 V.. W' Z' X X2 X3 S2 d d2 Valor W' Z' 0 /2 0 0 /2 -/2 -/2-90 X /3 0 3/4 /3 -/4 5 X /4 0-3/4-5/4 3/4 5 Problema Fase 2 Forma ableau Iteração 0 V.. Z' X X2 X3 S2 Valor Z' /2 0 0 /2-90 X3 0 2/3 0 3/4 5 X2 0 -/4 0-3/4 5 Solução do Problema X 0 X2 5 X3 5 S2 0 Z -90 Z 90
14 Método Smple a Forma Matrcal Ma s.a: z c (.a) A b (.b) 0 (.c) ode c,,0, posto m. Obteção de uma Solução m b e A é uma matrz m de No sstema de equações leares (.b), para que uma solução sea determada, é ecessáro, cosderado que m, arbtrar o valor de m varáves. Partcoado o vetor de varáves de modo a caraterzar as varáves que serão arbtradas e aquelas que serão calculadas, e segudo esta partção para os demas elemetos do PPL, tem-se: c c c [ ] m A (2) m ode c,, c,, é uma matrz m m ão-sgular, e é uma matrz m ( m).
15 Com sto o PPL poderá ser re-escrto a forma: Ma s.a: z c + c (3.a) + b (3.b) 0 e 0 (3.c) Arbtrado o valor das m compoetes do vetor de varáves, os valores das compoetes do vetor poderão ser obtdo a partr da equação (3.b): b ( b ) b (4) No caso partcular em que se arbtra 0, tem-se uma solução básca, e o valor das compoetes do vetor poderá ser obtdo através de: ˆ b (5) Cosdere que a solução assm obtda satsfaz as codções de ão-egatvdade das varáves báscas, apresetadas em (3.c), sto é, que ˆ 0. Neste caso, dz-se que esta solução é uma solução básca vável. Os vetores e são deomados de vetor de varáves báscas e vetor de varáves ão-báscas, respectvamete.
16 Cálculo do valor da fução obetvo O valor da fução obetvo, que poderá ser calculado através da equação (3.a), o caso partcular de uma solução básca resume-se a: zˆ c ˆ (6) Até agora, mostrou-se como o valor das varáves pode ser obtdo a partr do arbítro das varáves. Varado-se o valor destas, obtém-se dferetes soluções para. Substtudo (4) a epressão (3.a), obtém-se: z c z c z c ( b ) ˆ b c + + c + c ( c c ) z ( c c ) zˆ + (7) Com esta epressão, pode-se calcular o valor da fução obetvo de ovas soluções, como fução dos valores arbtrados para. Portato, dferete valores de produzem dferetes valores para a fução obetvo.
17 Codção de otmaldade Cosderado que desea-se obter uma solução com valor da fução obetvo maor do que o valor atual zˆ, sto é, que z > zˆ, a segute codção deve ser satsfeta: ( c ) < 0 c (8) Dado que a solução básca correte 0, e que a codção de ão-egatvdade deve ser matda, para satsfazer a codção (8) é ecessáro aumetar as compoetes de assocadas a compoetes egatvas do vetor c c (9) Obvamete, se ão estrem compoetes egatvas em, sto é, se / < 0, ão será possível aumetar o valor de z. Neste caso, dz-se que a solução básca vável correte é a solução ótma do PPL.
18 roca de base Mesmo que esta mas do que uma compoete, o Método Smple cosdera que apeas uma < 0 compoete de é aumetada a cada vez. Neste caso, dversas estratégas de escolha poderão ser adotadas. eorcamete, a úca codção para que se obteha uma solução melhor, é que se escolha uma compoete < 0. Na prátca, a escolha da compoete egatva de meor valor, sto é: m { < 0} k (0) é uma boa estratéga para aumetar o valor da fução obetvo, pos é a que produz o maor cremeto em z com o aumeto utáro da respectva compoete em. Determada a varável ão-básca que será aumetada, assocada a uma compoete k < 0, e deotada por, deve-se determar o valor do cremeto. k Em prcípo, quato maor o valor do cremeto, maor será o valor de z. A fm de mater a vabldade da solução, é ecessáro que a ova solução, que poderá ser calculada pela epressão (4), satsfaça a segute codção: b 0 ()
19 Cosderado que apeas um compoete do vetor de varáves ão-báscas é cremetado por vez, esta epressão resume-se a: ˆ a 0 (2) k k ou ada, cosderado as váras lhas desta codção vetoral: ˆ ak 0,..., m (3) ode a k é a -ésma compoete de k a k. Cosderado que a varável ão-básca será aumetada (postva), é ecessáro verfcar a codção (3) somete para a k > 0. Com sto o cremeto da varável ão-básca será lmtado em: ˆ θ r m{ θ } m ak > 0 (4) ak Não estdo a k > 0, ão haverá lmtes para o cremeto da varável ão-básca. Neste caso, dz-se que ão este solução ótma fta, ou que a solução é lmtada, pos o valor da fução obetvo z.
20 Por outro lado, ecotrado um lmte θ r para o cremeto da varável ão-básca, uma ova solução poderá ser obtda fazedo-se: k θ (5) r Com sto, 0 e o valor da fução obetvo aumeta para r z zˆ + θ. k r Esta ova solução poderá ser represetada por uma ova partção o vetor de varáves, a qual a varável básca que fo aulada passa a fazer parte do vetor de varáves ão-báscas, e a varável ão-básca que fo cremetada passa a fazer parte do vetor de varáves báscas. A esta operação, dá-se o ome de troca de base. Efetuada a re-defção dos vetores e, todas as etapas do processo são repetdas até que se obteha uma solução ótma ou uma solução lmtada.
21 Dualdade em Programação Lear Sea o PPL apresetado a forma abao: (PIMAL) Ma c s.a: (I.a) A b (I.b) 0 (I.c) Etão sempre é possível costrur o PPL que se segue: (DUAL) M b π (II.a) s.a: A π c (II.b) 0 π (II.c) O PPL Prmal relacoa-se com o PPL Dual através das segutes proposções: Proposção * * ) Sea a solução ótma do PPL Prmal. Sea π a * * solução ótma do PPL Dual. Etão c b π. ) Se o PPL Prmal tem solução lmtada, etão o PPL Dual ão tem solução, e vce-versa. Proposção 2 * Sea a solução básca ótma do PPL Prmal, e a * base correspodete. Etão π c c é a solução ótma do PPL Dual.
22 Algortmo SIMPLEX Prmal-Dual (G.. DANZIG, 956) P0 Mote o PPL em sua forma padrão. Escolha um couto de m varáves báscas quasquer, e partcoe o problema como segue: Ma s.a: c + c + b P Calcule Calcule. ˆ b e z c c. P2 Determe Determe ˆ m ˆ. r z m z. k Se z k ˆ e zk < 0, etão vá a P3. r Se ˆ < z e ˆ < 0 r k, etão vá a P4. r Se 0 e z 0, etão PAE. A solução ˆ r atual é ótma. k a. Se 0 P3 Iteração Prmal. Calcule k k / a k >, etão PAE. O problema tem solução lmtada. Em caso cotráro, determe a varável que deverá sar da base: ˆ θ r m θ m ak > 0 ak Vá para P5. a
23 P4 Iteração Dual. Calcule ar er, ode e r é o r-ésmo vetor lha utáro. Se a < 0, etão / r PAE. O problema ão tem solução vável. Em caso cotráro, determe a varável que deverá etrar a base: z α k ma α ma ar < 0 ar P5 roca de base. Efetue a troca de base etre as varáves. Determe a ova partção r k para o PPL e retore a P.
24 Eemplo de Aplcação do Algortmo Smple Prmal-Dual Ma s.a: , 2, 3 0 Motado o problema a forma padrão, obtém-se as segutes matrzes e vetores: X 3 X2 2 X X3 C 4 S 0 S2 0 S A b
25 Iteração S Xb S S X 2 2 Xr X2 0 4 X3 Cb' Cr' S Xb S2 0-0 * 2-2 S dz * 0-0 * dz Observado os resultados verfca-se que as codções de otmaldade e vabldade ão são satsfetas e que a realzação de uma teração dual é recomedada, escolhedo-se a seguda varável básca para sar da base a2 0 0 * 0-0 * Alfa 3? e portato a prmera varável ão-básca etra a base.
26 Iteração 2 S Xb X S S2 0 2 Xr X2-0 4 X3 0 Cb' Cr' S Xb X 0 0 * 2 2 S dz * 0 0 * dz Observado os resultados verfca-se que a solução é vável e que as codções de otmaldade ão são satsfetas e portato a realzação de uma teração prmal é recomedada, com a escolha da prmera varável ão-básca para etrar a base a 0 0 * eta?? 4 e portato a tercera varável básca sa da base.
27 Iteração 3 S Xb X S S3 0 2 Xr X X3 Cb' Cr' S Xb X 0 0 * 2 6 S dz * 0 0 * dz 3 - Verfca-se que as codções de vabldade cotuam sedo satsfetas, o que ada ão acotece com as codções de otmaldade. Portato, é recomedada uma teração prmal, escolhedo-se a tercera varável ão-básca para etrar a base a 0 0 * eta? 6? e a seguda varável básca é escolhda para sar da base.
28 Iteração 4 S Xb X S S3 0 2 Xr X2 0 0 X Cb' Cr' S Xb X3 0 0 * 2 6 S dz * 0 0 * dz 4 2 e a solução é ótma. O valor da fução obetvo poderá ser calculado por: 22 Z *
29 Iterpretação dos esultados Ma (Lucro) s.a: (Subproduto ) (Subproduto 2) (Mão de Obra) 2 3, 2, 3 0 X, X2, X3 são quatdades dos processos de produção Var. Valor dz X 0 X2 0 2 X3 6 0 S 22 0 S S3 0 4 Z 64
30 Aálse de Pós-otmaldade Sea o PPL a forma padrão Ma s.a: * e sea ( ) *, A b c 0 a sua solução básca ótma. Se algum parâmetro do modelo sofrer alteração, uma ova solução deverá ser determada. Etre as alterações mas sgfcatvas, tem-se:. Alteração de um coefcete do vetor b 2. Alteração de um coefcete do vetor c a) assocado a uma varável ão-básca b) assocado a uma varável básca 3. Iclusão e eclusão de restrção a) restrções ão-atvas b) restrções atvas 4. Iclusão e eclusão de varável a) varáves báscas b) varáves ão-báscas Obs. Em algus sstemas computacoas (Ldo, MPSX, Ecel) este a opção de efetuar a aálse sobre os coefcetes de b e de c.
31 Caso - Alteração de um coefcete do vetor b Os valores das varáves báscas a solução ótma do PPL é dada, a partr dos valores por: * ( b ) * Dado que um coefcete do vetor b sofreu alteração, sto é, dado que o ovo vetor b é dado por b b + r e r, ode e r é o r-ésmo vetor colua utáro tem-se: * * * * ( b ) [( b + r er ) ] * * ( b ) + r er + r er Para que esta ova solução cotue sedo ótma é ecessáro que: ou * * * * + + r r r e r 0 * 0,,..., m Desta epressão obtém-se os lmtes r para varação de cada compoete do vetor b, a forma apresetada abao.
32 r r * r r r * * r se se r r Caso 2 - Alteração de um coefcete do vetor Para a solução ótma de um PPL, tem-se: > 0 < 0 c Z c c 0, se ˆ 0 No caso do -ésmo coefcete do vetor c modfcar, sto é, se c c +, tem-se para o caso da solução básca permaecer ótma: Z c c c + c 0 Z + Z 0, ou Z
33 Caso 3 - Alteração de um coefcete do vetor No caso do k-ésmo coefcete do vetor k k c c modfcar, sto é, se c c + k e, ode e é o k-ésmo vetor lha utáro, tem-se, para o caso da solução básca permaecer ótma: ode Z Z c c c ( c + e ) 0 k k Z Z 0, k k e k k Z k k k k k e Z k Z k k se se k k 0 > 0 < 0
Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Cap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Como CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Econometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos [email protected] Prof. Marco A.F.H. Cavalcat [email protected] Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Construção e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Sumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.
Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real
Estatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Econometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos [email protected] Prof. arco A.F.H. Cavalcat [email protected] Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. [email protected] http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Métodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques
FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma
MEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )
NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas
ANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. [email protected] http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:
6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu
3- Autovalores e Autovetores.
MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores
Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Capítulo 8. Método de Rayleigh-Ritz
Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para
Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
FINANCIAMENTOS UTILIZANDO O EXCEL
rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas
1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.
CAPÍTULO 7 VARIÁVEL ALEATÓRIA A probabldade teve íco com os jogos de azar (século XVII) com Cavalero de Nere, Fermat e Pascal, porém, coube a Beroull (73) laçar as bases da probabldade e a segur Laplace
CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. [email protected] http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES
CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que
Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ [email protected] Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Matemática Aula 1. Decomposição Matricial
CURSO DE NIVELAMENO 0 - PEQ/COPPE/UFRJ PROF. ARGIMIRO DECOMPOSIÇÃO MARICIAL Matemátca Aula Decomposção Matrcal A decomposção matrcal é uma fatoração de uma matrz em alguma forma caôca ou padrão. Exstem
2-Geometria da Programação Linear
I 88 Otmzação Lear -Geometra da Programação Lear ProfFeradoGomde DC-FEEC-Ucamp Coteúdo. Poledros e cojutos coveos. Potos etremos vértces soluções báscas factíves 3. Poledros a forma padrão 4. Degeeração
Apostila de Introdução Aos Métodos Numéricos
Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste
Problema geral de interpolação
Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3
NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Capitulo 1 Resolução de Exercícios
S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes
Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
MÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Prof. Eugênio Carlos Stieler
http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete
Avaliação de Empresas Profa. Patricia Maria Bortolon
Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor
Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade
Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca
Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1
Dscpla: álse Multvaraa I Prof. Dr. mr too Betarell Juor UL 6. MÉTODO DE ESCLONMENTO MULTIDIMENSIONL (MDS) Proposto por Youg (987) esse métoo poe ser utlzao para agrupameto. É uma técca para represetar
S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1
CopyMarket.com Todos os dretos reservados. ehuma parte desta publcação poderá ser reproduzda sem a autorzação da Edtora. Título: Matemátca Facera e Comercal utores: Roberto Domgos Mello e Carlos Eduardo
Revisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS
Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS [email protected] Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com
Métodos tipo quadratura de Gauss
COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível
Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES
Cemátca da Posção de Robôs Mapuladores Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES A cemátca de um robô mapulador é o estudo da posção e da velocdade do seu efetuador e dos seus lgametos. Quado
