Simulações Computacionais de Sistemas Complexos
|
|
- Renata de Santarém Lencastre
- 6 Há anos
- Visualizações:
Transcrição
1 Instituto de Física Universidade Federal Fluminense V Escola do CBPF, 2004
2 1 Tabela Verdade Representação dos inteiros Funções de Bits I
3 1 Tabela Verdade Representação dos inteiros Funções de Bits I 2 Outros
4 1 Tabela Verdade Representação dos inteiros Funções de Bits I 2 Outros 3 Integração Rejeição Método da Transformação
5 Tabela Verdade Tabela Verdade Representação dos inteiros Funções de Bits Operações Booleanas AND OR XOR
6 Representação dos inteiros Tabela Verdade Representação dos inteiros Funções de Bits Números de 3 bits 0 = = = = = = = =
7 Representação dos inteiros Tabela Verdade Representação dos inteiros Funções de Bits Números de 3 bits 0 = = = = = = = = Complemento de 2 ( Y = 2 B Y )
8 Funções de Bits Tabela Verdade Representação dos inteiros Funções de Bits Funções de Bits FORTRAN integer*4 a,b write(*,*) iand(a,b) write(*,*) ior(a,b) write(*,*) ieor(a,b) write(*,*) ishft(a,1) write(*,*) ishft(a,-1) write(*,*) not(a) C unsigned int a,b; printf( %d\n,a&b); printf( %d\n,a b); printf( %d\n,a^b); printf( %d\n,a<<1); printf( %d\n,a>>1); printf( %d\n,~a);
9 Características Outros RNG Importante demais para deixar ao acaso
10 Características Outros RNG Importante demais para deixar ao acaso Anyone who considers arithmetical methods of producing random digits is, of course, in a state of sin. J. von Neumann
11 Características Outros RNG Importante demais para deixar ao acaso Anyone who considers arithmetical methods of producing random digits is, of course, in a state of sin. J. von Neumann Random number generators: good ones are hard to find. [Commun. ACM, 31, ]
12 Características Outros RNG Importante demais para deixar ao acaso Anyone who considers arithmetical methods of producing random digits is, of course, in a state of sin. J. von Neumann Random number generators: good ones are hard to find. [Commun. ACM, 31, ] Números aleatórios gerados a partir de operações matemáticas, portanto determinísticos.
13 Características Outros RNG Importante demais para deixar ao acaso Anyone who considers arithmetical methods of producing random digits is, of course, in a state of sin. J. von Neumann Random number generators: good ones are hard to find. [Commun. ACM, 31, ] Números aleatórios gerados a partir de operações matemáticas, portanto determinísticos. Grande período, baixa correlação e velocidade.
14 Características Outros RNG Importante demais para deixar ao acaso Anyone who considers arithmetical methods of producing random digits is, of course, in a state of sin. J. von Neumann Random number generators: good ones are hard to find. [Commun. ACM, 31, ] Números aleatórios gerados a partir de operações matemáticas, portanto determinísticos. Grande período, baixa correlação e velocidade. Geradores diferentes falham em testes diferentes.
15 Características Outros RNG Importante demais para deixar ao acaso Anyone who considers arithmetical methods of producing random digits is, of course, in a state of sin. J. von Neumann Random number generators: good ones are hard to find. [Commun. ACM, 31, ] Números aleatórios gerados a partir de operações matemáticas, portanto determinísticos. Grande período, baixa correlação e velocidade. Geradores diferentes falham em testes diferentes. O melhor gerador depende do problema em questão
16 LCG Outros
17 LCG Outros Da forma x(n) = (a x(n 1) + b) mod M
18 LCG Outros Da forma x(n) = (a x(n 1) + b) com valores especiais para a e M mod M
19 LCG Outros Da forma x(n) = (a x(n 1) + b) mod M com valores especiais para a e M Exemplos: a = (Park e Muller),65539 (IBM RANDU), 69621, e M =
20 LCG Outros Da forma x(n) = (a x(n 1) + b) mod M com valores especiais para a e M Exemplos: a = (Park e Muller),65539 (IBM RANDU), 69621, e M = Para 64 bits a = 13 13,
21 LCG Outros Da forma x(n) = (a x(n 1) + b) mod M com valores especiais para a e M Exemplos: a = (Park e Muller),65539 (IBM RANDU), 69621, e M = Para 64 bits a = 13 13, Rápidos e gastam pouca memória
22 Rodando os LCG Outros Clique aqui
23 Rodando os LCG Outros Período pequeno. Estime... Os bits são aleatórios?
24 Rodando os LCG Outros Período pequeno. Estime... Os bits são aleatórios? Considere dois números aleatórios em sequência: x n e x n+1. Vamos graficar x n+1 x n e verificar se o espaço é preenchido uniformemente. As cores mudam a cada = 2 16 passos.
25 Rodando os LCG Outros Período pequeno. Estime... Os bits são aleatórios? Considere dois números aleatórios em sequência: x n e x n+1. Vamos graficar x n+1 x n e verificar se o espaço é preenchido uniformemente. As cores mudam a cada = 2 16 passos. Clique para a distribuição uniforme
26 Rodando os LCG Outros Período pequeno. Estime... Os bits são aleatórios? Considere dois números aleatórios em sequência: x n e x n+1. Vamos graficar x n+1 x n e verificar se o espaço é preenchido uniformemente. As cores mudam a cada = 2 16 passos. Clique aqui para os mapas de retorno
27 Falha dos LCG Outros
28 Falha do RANDU Outros
29 Outros Outros Geradores Recursivos Múltiplos x n = (a 1 x n 1 + a 2 x n 2 ) mod m com a 1 = , a 2 = e m =
30 Outros Outros Geradores Recursivos Múltiplos x n = (a 1 x n 1 + a 2 x n 2 ) mod m com a 1 = , a 2 = e m = Kirkpatrick and Stoll x n = x n 103 x n 250
31 Outros Outros Geradores Recursivos Múltiplos x n = (a 1 x n 1 + a 2 x n 2 ) mod m com a 1 = , a 2 = e m = Kirkpatrick and Stoll x n = x n 103 x n 250 RANLUX (período de )
32 Outros Outros Geradores Recursivos Múltiplos x n = (a 1 x n 1 + a 2 x n 2 ) mod m com a 1 = , a 2 = e m = Kirkpatrick and Stoll x n = x n 103 x n 250 RANLUX (período de ) Tausworthe x n = (s1 n s2 n s3 n ), com três números embaralhados com.
33 Outros Outros Geradores Recursivos Múltiplos x n = (a 1 x n 1 + a 2 x n 2 ) mod m com a 1 = , a 2 = e m = Kirkpatrick and Stoll x n = x n 103 x n 250 RANLUX (período de ) Tausworthe x n = (s1 n s2 n s3 n ), com três números embaralhados com. Lagged Fibonacci r n = r n A r n B r n C r n D com A = 471, B = 1586, C = 6988, D = 9689.
34 Método de Monte Carlo Integração Rejeição Método da Transformação
35 Cálculo de Pi Integração Rejeição Método da Transformação
36 Rejeição por von Neumann Integração Rejeição Método da Transformação
37 Rejeição por von Neumann Integração Rejeição Método da Transformação
38 Método da Rejeição Integração Rejeição Método da Transformação
39 Método da Rejeição Otimizado Integração Rejeição Método da Transformação
40 Definição Integração Rejeição Método da Transformação Transformação Seja p(x) a distribuição desejada, com y = P(x) = p(x )dx. P 1 (y) é conhecida. Se y é aleatório (uniforme), então x = P 1 (y) é distribuida segundo p(x). Exemplos: p(x) = e x, y = e x, x = ln(y) Prob: Adapte o método da transformação para a Lorentziana.
41 Box-Muller Integração Rejeição Método da Transformação Gerando Gaussianas z 1 = 2 ln x 1 cos(2πx 2 ) z 2 = 2 ln x 1 sin(2πx 2 )
Simulações Computacionais de Sistemas Complexos
I Instituto de Física Universidade Federal Fluminense tjpp@if.uff.br V Escola do CBPF, 2004 I II 1 I II 1 2 I I II 1 2 I 3 Integração Rejeição Método da Transformação I II 1 2 I 3 Integração Rejeição Método
Leia maisMétodos Computacionais em Física I (FIW234) Turmas IFA e IFB Métodos de Monte Carlo
Métodos Computacionais em Física I (FIW234) Turmas IFA e IFB Métodos de Monte Carlo Edivaldo M. Santos e João R. T. de Mello Neto Aula 9 Edivaldo M. Santos e João R. T. de Mello Neto () Métodos Computacionais
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
Leia maisGeração de números uniformes
Geração de números uniformes Importância e principais algorítmos Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná
Leia maisFísica Estatística Computacional
Física Estatística Computacional Tereza Mendes IFSC USP http://lattice.ifsc.usp.br/cbpf.html Física Estatística Computacional Vamos trabalhar com sistemas estocásticos, em que um grande número de integrantes
Leia maisMonte Carlo Method. Peter Frank Perroni. December 1, Monte Carlo Simulation
Monte Carlo Simulation December 1, 2015 Histórico Técnica muito antiga porém somente recentemente oficializado como método estatístico. Foi muito importante nas simulações da bomba desenvolvida no Projeto
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisAnálise de dados em Fisica de Particulas
Análise de dados em Fisica de Particulas Magno V.T. Machado Instituto de Fisica - UFRGS Escola de Fisica de Particulas e Campos. Agosto 05-09, 2013 Números aleatórios e Monte Carlo Muitas aplicações computacionais
Leia maisMétodos de Monte Carlo
prcjunior@inf.ufpr.br VRI Visão Robótica e Imagem Universidade Federal do Paraná Introdução são métodos estatísticos baseados em amostragens aleatórias ou pseudoaleatórias Tempo de execução determinístico
Leia maisO ALEATÓRIO EM COMPUTAÇÃO. Por Diogo Anderson Integrante do Grupo PET Computação
O ALEATÓRIO EM COMPUTAÇÃO Por Diogo Anderson (diogo@dsc.ufcg.edu.br) Integrante do Grupo PET Computação AGENDA Introdução Definição Aplicações Números aleatórios Números aleatórios vs pseudo-aleatórios
Leia maisAula 7. Aula de hoje. Aula passada
Aula 7 Aula passada Método de Monte Carlo Estimando somatórios Calculando erro Estimando Erro de Integração de Monte Carlo Monte Carlo Ray Tracing Aula de hoje Gerando amostras de v.a. discretas Gerando
Leia maisNós estamos acostumados com operações aritméticas: soma, subtração, multiplicação e divisão.
Bitwise tricks Operações com bits Nós estamos acostumados com operações aritméticas: soma, subtração, multiplicação e divisão. Mas os computadores entendem melhor operações booleanas, que computam diretamente
Leia maisEstudo comparativo de geração de números aleatórios
Estudo comparativo de geração de números aleatórios Paulo Henrique da Silveira Instituto de Física - USP Gabriel Moraes Instituto de Física - USP Hugo Salia Instituto de Física - USP 15 de Dezembro de
Leia maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisTeste à Primalidade. (Método de Monte Carlo) Geração de Números Primos (Grandes)
Teste à Primalidade (Método de Monte Carlo) Margarida Mamede, DI FCT/UNL APD, 2010/11, Teste à Primalidade 1 Geração de Números Primos (Grandes) Como se pode obter um número primo grande? Gerando números
Leia maisSimulação estocásaca
Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio? A Chute aleatório C Saída B Algoritmo 1 A simulação
Leia maisEAD Simulação. Aula 4 Geração de Variáveis Aleatórias. Profa. Dra. Adriana Backx Noronha Viana
EAD0652 - Simulação Aula 4 Geração de Variáveis Aleatórias Profa. Dra. Adriana Backx Noronha Viana Framework Estrutura para aplicação do processo de Simulação Saída Processamento Entrada Possibilidades
Leia maisUMA INTRODUÇÃO AOS MÉTODOS DE GERAÇÃO DE NÚMEROS E VARIÁVEIS ALEATÓRIAS PARA APLICAÇÕES EM SIMULADORES
UMA INTRODUÇÃO AOS MÉTODOS DE GERAÇÃO DE NÚMEROS E VARIÁVEIS ALEATÓRIAS PARA APLICAÇÕES EM SIMULADORES A geração de números e variáveis aleatórias é um ingrediente fundamental em qualquer programa de simulação,
Leia maisGBC083 - Segurança da Informação Aula 3 - Pseudo-aleatoriedade. 29 de Março de 2016
GBC083 - Segurança da Informação Aula 3 - Pseudo-aleatoriedade 29 de Março de 2016 Geração de chaves aleatórias Ao descrever o algoritmo OTP, assumimos que temos acesso a bits uniformemente aleatórios
Leia maisFUNÇÕES DE VARIÁVEL ALEATÓRIA
5 FUNÇÕES DE VARIÁVEL ALEATÓRIA Dada uma variável aleatória contínua X com função de densidade f (x). Considerando Y = g(x), uma função de X, também é uma variável aleatória. A definição da variável Y
Leia maisRESUMO Neste mini-curso vamos apresentar algumas das técnicas utilizadas
V Escola do CBPF Rio de Janeiro, de 00-00 de 2004 Simulações Computacionais de Sistemas Complexos T.J.P.Penna Instituto de Física, Universidade Federal Fluminense, Av. Litorânea, s/n Boa Viagem 24210-340
Leia maisAritmética de Alta Precisão
Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Departamento de Computação DECOM Disciplina: BCC202 - Estruturas de Dados I Professores: Túlio A. Machado Toffolo
Leia maisCurso FFI Microprocessadores I
Curso FFI0396 - Microprocessadores I 2010 Lista 1 (10/08/2010) 1. Calcule as seguintes conversões: 943 10 em base 2, 8 e 16, 11001111 2 em base 8, 10 e 16, 7642 8 em base 2 e 10, D57A4 16 em base 2 e 10.
Leia maisAnálise de Dados em Astronomia. 4. Simulações de Monte Carlo
1 / 22 Análise de Dados em Astronomia 4. Simulações de Monte Carlo Laerte Sodré Jr. AGA0505, 1o. semestre 2019 2 / 22 introdução aula de hoje: o método de Monte Carlo 1 introdução 2 variáveis aleatórias
Leia maisIntrodução aos Números Pseudo-aleatórios. Profa. Dra. Soraia Raupp Musse
Introdução aos Números Pseudo-aleatórios Profa. Dra. Soraia Raupp Musse Conceito: Um gerador de número pseudo-aleatório é um algoritmo que gera uma seqüência de números, os quais são aproximadamente independentes
Leia maisProgramação estruturada no Fortran 90-2
Programação estruturada no Fortran 90-2 Departamento de Física UFPel Faça um programa em Fortran 90 que calcule o valor do cos-seno de x através da série abaixo, co-seno(x) = 1 x2 2! + x4 4! x6 6! + x8
Leia maisGERAÇÃO DE NÚMEROS E VARIÁVEIS ALEATÓRIAS
Anexo GERAÇÃO DE NÚMEROS E VARIÁVEIS ALEATÓRIAS A geração de números e variáveis aleatórias é um ingrediente fundamental em qualquer programa de simulação, comercial ou não. Na grande maioria dos programas
Leia maisMétodos Computacionais em Física
Métodos Computacionais em Física Tatiana G. Rappoport tgrappoport@if.ufrj.br 2014-2 MetComp 2014-1 IF-UFRJ Sistemas determinísticos Os sistemas físicos podem ser: Sistemas determinísticos Descritos por
Leia maisSistemas Aleatórios. Um sistema é aleatório quando seu estado futuro só pode ser conhecido. jogar uma moeda ou um dado. decaimento de uma partícula
Sistemas Aleatórios Um sistema é aleatório quando seu estado futuro só pode ser conhecido pela realização de uma experiência. jogar uma moeda ou um dado decaimento de uma partícula trajetória de uma partícula
Leia maisMAPA DE KARNAUGH (Unidade 3)
MINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE SANTA CATARINA BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: ELETRÔNICA
Leia maisInferências bayesianas com probabilidade
Inferências bayesianas com probabilidade Qual é a relação entre inferência bayesiana e as distribuições probabiĺısticas recém descritas? Essa conexão é feita ao se estimar parâmetros da distribuição probabiĺıstica
Leia maisIntrodução à Simulação Discreta
Introdução à Simulação Discreta Mauricio Pereira dos Santos Departamento de Matemática Aplicada Instituto de Matemática e Estatística UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO ii Copyright c 1.999 por Mauricio
Leia maisquadrado(a)*0.5 -((a+2)*f(x,(1.0+n)/x)) Arquitectura de Computadores (2008/2009) - Linguagem C - Expressões 2
Linguagem C Expressões Expressões em C Cast, condições, atribuições Operadores lógicos de bits Precedência dos operadores Expressões em C Uma expressão é a forma de calcular um valor num programa: quadrado(a)*0.5
Leia maisELETRÔNICA DIGITAL II
ELETRÔNICA DIGITAL II Parte 0 Revisão Professor Michael Analógico x Digital 2 Circuitos Lógicos Os circuitos lógicos podem ser classificados em dois tipos: Circuitos Combinacionais: As saídas em qualquer
Leia maisFundamentos de Programação
Fundamentos de Programação CP41F Operadores aritméticos. Operadores lógicos. Operadores binários. Aula 7 Prof. Daniel Cavalcanti Jeronymo Universidade Tecnológica Federal do Paraná (UTFPR) Engenharia de
Leia maisUnidade VII Amostragem
Unidade VII Amostragem Na última aula... Saber os motivos que levam o pesquisador a trabalhar com amostra e entender a importância da inferência. Saber identificar população, amostra e variável aleatória.
Leia maisIntrodução. Introdução. Introdução. Introdução. Introdução. Introdução à Robótica Robótica Móvel Localização. Principais questões na Robótica
à Robótica Robótica Móvel Localização Prof. Douglas G. Macharet douglas.macharet@dcc.ufmg.br Principais questões na Robótica Onde estou? (localização) Aonde vou? (objetivo) Como vou? (planejamento)? à
Leia maisUnidade Lógica e Aritmética
Unidade Lógica e Aritmética J.L.R.B. e P.S.C./2001 (revisão) E.T.M./2002 (revisão e adaptação) E.T.M./2003 (revisão) E.T.M./2005 (revisão) E.T.M./2008 (revisão) RESUMO Esta experiência tem por objetivo
Leia maisProporções em todo lugar
Proporções em todo lugar Ao refazer este objeto de aprendizagem os valores fornecidos nas atividades serão diferentes, pois estes são atribuídos aleatoriamente em cada jogada. A maneira de resolução destes
Leia maisRef: H.Gould e J. Tobochnik. Para integrais em uma dimensão as regras do trapezóide e de Simpson são
Método de Monte Carlo Resolução de Integrais Ref: H.Gould e J. Tobochnik Para integrais em uma dimensão as regras do trapezóide e de Simpson são melhores, mais rápidas. A técnica de resolução de integrais
Leia maisFunções de Dispersão Prontas
Funções de Dispersão Prontas E laborar uma função de dispersão é, em boa proporção, uma arte. Assim é sempre melhor usar uma função de dispersão reconhecidamente boa (i.e., que tenha sido exaustivamente
Leia maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
Leia maisModelagem e Análise de Sistemas de Computação Aula 19
Modelagem e Análise de Sistemas de Computação Aula 19 Aula passada Intro a simulação Gerando números pseudo-aleatórios Aula de hoje Lei dos grandes números Calculando integrais Gerando outras distribuições
Leia maisEstatística Básica VARIÁVEIS ALEATÓRIAS CONTÍNUAS. Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais
Estatística Básica VARIÁVEIS ALEATÓRIAS CONTÍNUAS Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Modelo Uniforme Contínuo Uma variável aleatória X tem distribuição
Leia maisCanais discretos sem memória e capacidade do canal
Canais discretos sem memória e capacidade do canal Luis Henrique Assumpção Lolis 17 de outubro de 2013 Luis Henrique Assumpção Lolis Canais discretos sem memória e capacidade do canal 1 Conteúdo 1 Canais
Leia maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia maisIndução Matemática Forte. Raquel de Souza Francisco Bravo de novembro de 2016
Indução Matemática Forte e-mail: raquelbr.ic@gmail.com raquel@ic.uff.br 29 de novembro de 2016 É uma sequência de números naturais {F 1, F 2, F 3,...}, denotada por {F n } definida da seguinte forma: F
Leia maisModificadores de Tipos
Modificadores de Tipos Palavras reservadas: signed (com sinal) unsigned (sem sinal) long (expande faixa de valores) short (contrai faixa de valores) Exemplo: unsigned char letra; long int numero1, numero2;
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Parte IV: Simulação Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Parte 4 Simulação P A R T E Etapas básicas em um estudo de simulação Geração de números
Leia maisEL68E Sistemas Embarcados Prof. Douglas RENAUX
EL68E Sistemas Embarcados Prof. Douglas RENAUX Memórias Tecnologias de Memórias Voláteis x Não-Voláteis Estáticas x Dinâmicas Tipos: ROM PROM EPROM Flash SRAM SDRAM DDR Conceitos Organização externa x
Leia maisAula 5. Como gerar amostras de uma distribuição qualquer a partir de sua CDF e de um gerador de números aleatórios?
Aula 5 Como gerar amostras de uma distribuição qualquer a partir de sua CDF e de um gerador de números aleatórios? Processo de chegada: o Chegadas em grupo ocorrem segundo um processo Poisson com taxa.
Leia maisSistemas de Computação
Sistemas de Computação Representação e Aritimética de Inteiros Positivos e Negativos Haroldo Gambini Santos Universidade Federal de Ouro Preto - UFOP 23 de março de 2010 Haroldo Gambini Santos Sistemas
Leia maisMemória Cache: Funcionamento
Microcontroladores e Interfaces º Ano Eng. Electrónica Industrial Carlos A. Silva º Semestre de 5/6 http://www.dei.uminho.pt/lic/mint Assunto: Memória Cache Aula #9 9Maio6-M Memória Cache: Funcionamento
Leia mais3 Definições. 3.1 Processos Estocásticos e Processo de Wiener
25 3 Definições 3.1 Processos Estocásticos e Processo de Wiener Um processo estocástico corresponde a uma variável que evolui no decorrer do tempo de forma incerta ou aleatória. O preço de uma ação negociada
Leia mais5.3 Variáveis aleatórias gaussianas conjuntas
M. Eisencraft 5.3 Variáveis aleatórias gaussianas conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω ) = Φ X,Y (ω,0) (5.0) Φ Y (ω ) = Φ X,Y (0,ω ) (5.) Os momentos
Leia maisSimulação: Pseudoaleatoriedade, um estudo sobre o método do meio do quadrado
Simulação: Pseudoaleatoriedade, um estudo sobre o método do meio do quadrado João Ferreira da Silva Júnior 1, Sérgio Francisco Tavares de Oliveira Mendonça 1, Edson Alves de Carvalho Júnior 2 1 Unidade
Leia maisProgramação Estruturada
Programação Estruturada Organização de um ambiente computacional Professores Emílio Francesquini e Carla Negri Lintzmayer 2018.Q3 Centro de Matemática, Computação e Cognição Universidade Federal do ABC
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 27 de setembro de 2017 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] +
Leia maisUnidade Lógica e Aritmética
Unidade Lógica e Aritmética J.L.R.B. e P.S.C./2001 (revisão) E.T.M./2002 (revisão e adaptação) E.T.M./2003 (revisão) E.T.M./2005 (revisão) E.T.M./2008 (revisão) E.T.M./2011 (revisão) RESUMO Esta experiência
Leia maisSistemas de Computação. Representação de Inteiros
Representação de Inteiros Como utilizar os bits da palavra para representar inteiros? Inteiros sem sinal (não negativos) e com sinal (negativos, zero e positivos) Tipos inteiros em C declaração C Garantido
Leia maisAula 7: Portas Lógicas: AND, OR, NOT, XOR, NAND e NOR
Aula 7: Portas Lógicas: AND, OR, NOT, XOR, NAND e NOR Conforme discutido na última aula, cada operação lógica possui sua própria tabela verdade. A seguir será apresentado o conjunto básico de portas lógicas
Leia maisExame de Admissão. Instituto Nacional de Pesquisas Espaciais 18 de setembro de 2018 A: GABARITO
Exame de Admissão Programa de Pós-Graduação em Computação Aplicada Instituto Nacional de Pesquisas Espaciais 18 de setembro de 2018 A:2018-03 GABARITO Nome: Instruções: Preencha seu nome de forma legível,
Leia maisAlgoritmos e Estruturas de Dados I (DCC/003) Estruturas Básicas. Aula Tópico 2
Algoritmos e Estruturas de Dados I (DCC/003) Estruturas Básicas Aula Tópico 2 1 Problema 3 Exibir o maior número inteiro que pode ser representado no computador. 2 Qual o maior número inteiro? Para o compilador
Leia maisProgramação Estruturada Prof. Rodrigo Hausen Recursão
Programação Estruturada Prof. Rodrigo Hausen http://progest.compscinet.org Recursão 1 O QUE É? Definição recursiva é aquela que define os elementos de um conjunto em função de outros elementos desse mesmo
Leia maisMétodos de Monte Carlo
Departamento de Estatística - UFJF Outubro e Novembro de 2014 são métodos de simulação São utilizados quando não temos uma forma fechada para resolver o problema Muito populares em Estatística, Matemática,
Leia maisFísica no computador. Marcio Argollo de Menezes UFF Niterói
Física no computador Marcio Argollo de Menezes UFF Niterói ... não se pode provar tudo...... determinismo não é previsibilidade! ... não se pode provar tudo... Automata celulares Números no computador
Leia mais#include <stdio.h> main () { float n1, n2, n3, mediaponderada; int p1, p2, p3; printf("digite a primeira nota: "); scanf("%f", &n1); printf("\ndigite
149 #include main () { float n1, n2, n3, mediaponderada; int p1, p2, p3; printf("digite a primeira nota: "); scanf("%f", &n1); printf("\ndigite o peso da primeira nota: "); scanf("%d", &p1);
Leia maisAGA Análise de Dados em Astronomia I. O método de Monte Carlo
1 / 16 AGA 0505- Análise de Dados em Astronomia I O método de Monte Carlo Laerte Sodré Jr. 1o. semestre, 2018 2 / 16 breve história método de resolução de problemas baseado em amostragem aleatória de distribuições
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Aula de hoje Geração de variáveis aleatórias: Transformada Inversa
Leia maisRecursão. Prof. Fabrício Olivetti de França. (com inspirações do slide do prof. Rodrigo Hausen)
Recursão Prof. Fabrício Olivetti de França (com inspirações do slide do prof. Rodrigo Hausen) Recursão Para entender recursão, você primeiro deve entender recursão! Recursão Forma de pensar em uma solução
Leia maisFernando 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
Leia maisMétodos para geração de variáveis aleatórias
Métodos para geração de variáveis aleatórias Cristiano de Carvalho Santos cristcarvalhosan@gmail.com Departamento de Estatística, Universidade Federal de Minas Gerais (UFMG) Introdução Por que é necessário
Leia maisDiferenciabilidade de funções reais de várias variáveis reais
Diferenciabilidade de funções reais de várias variáveis reais Cálculo II Departamento de Matemática Universidade de Aveiro 2018-2019 Cálculo II 2018-2019 Diferenciabilidade de f.r.v.v.r. 1 / 1 Derivadas
Leia maisCompiladores - Análise Recursiva
Compiladores - Análise Recursiva Fabio Mascarenhas 2015.2 http://www.dcc.ufrj.br/~fabiom/comp Geradores x Reconhecedores A definição formal de gramática dá um gerador para uma linguagem Para análise sintática,
Leia mais2. Método de Monte Carlo
2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Aula de hoje Geração de variáveis aleatórias: Transformada Inversa
Leia maisParadigmas de Linguagem de Programação. Paradigma Imperativo
Paradigmas de Linguagem de Programação Paradigma Imperativo Paradigma Imperativo Imperare Comandar É o mais antigo de todos; Baseado no modo de funcionamento do computador; São também chamadas de procedurais;
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisFísica no computador. Marcio Argollo de Menezes UFF Niterói
Física no computador Marcio Argollo de Menezes UFF Niterói Física no computador 1) Computação e computadores: Máquina de Turing, Gödel e automata celulares. ) Mapas iterados: Dinâmica de populações e caos.
Leia maisCONSTRUINDO GERADORES DE NÚMEROS ALEATÓRIOS A PARTIR DE MAPAS CAÓTICOS DETERMINISTAS
76 CONSTRUINDO GERADORES DE NÚMEROS ALEATÓRIOS A PARTIR DE MAPAS CAÓTICOS DETERMINISTAS Ana Cláudia Lima (Uni-FACEF) Antonio Carlos da Silva Filho (Uni-FACEF) INTRODUÇÃO As origens da simulação estocática
Leia maisMomentos: Esperança e Variância. Introdução
Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros
Leia maisComputação Eletrônica
Computação Eletrônica Variáveis Inteiras A memória A memória pode ser vista como um imenso gaveteiro Em cada gaveta, guardamos uma informação. Por eemplo, um pedaço de papel contendo um número. Ou um pedaço
Leia maisProf. Natalia Castro Fernandes Mestrado em Telecomunicações UFF 2º semestre/2012
Prof. Natalia Castro Fernandes Mestrado em Telecomunicações UFF 2º semestre/2012 Operações básicas + - / * ** ou pow(a,b) % = ==,!=, , = or, and, not Valor dos operadores 10/3 10.0/3 10/3.0 10%3
Leia maisIntrodução à programação em PASCAL. Aula de 22/10/2001. Nota: Conjunto de slides baseados nas transparências utilizadas em PEDA em anos anteriores
Introdução à programação em PASCAL Aula de 22/10/2001 Nota: Conjunto de slides baseados nas transparências utilizadas em PEDA em anos anteriores Conteúdo Conceito de linguagem de programação O processo
Leia maisProgramação. Module Introduction. Cap. 1 Fundamentos de Computadores
Engenharia Informática (5374) - 1º ano, 1º semestre Tecnologias e Sistemas de Informação (6619) - 1º ano, 1º semestre Bioengenharia (9099) 2º ano, 1º semestre Ciências Biomédicas (10135) 2º ano, 1º semestre
Leia maisINE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/30 3 - INDUÇÃO E RECURSÃO 3.1) Indução Matemática 3.2)
Leia maisRoteiro de Laboratório 02 Representação Numérica, Operações Aritméticas, Overflow e Underflow. Equipe
Roteiro de Laboratório 02 Representação Numérica, Operações Aritméticas, Overflow e Underflow Matrícula Nome Equipe 1 Objetivos Observar, experimentalmente, como números são representados em um sistema
Leia maisProf. Leandro Tonietto Introdução a computação e suas aplicações Curso de Segurança da Informação UNISINOS jun-09
Lógica Binária Prof. Leandro Tonietto Introdução a computação e suas aplicações Curso de Segurança da Informação UNISINOS jun-9 Introdução Lógica binária é a base do sistema computacional. Qualquer operação
Leia maisMódulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk
Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica
Leia maisMemórias. EL68E Sistemas Embarcados. Tecnologias de Memórias. Conceitos. Profs. Douglas Renaux e Hugo Vieira Neto
EL68E Sistemas Embarcados Profs. Douglas Renaux e Hugo Vieira Neto Memórias Tecnologias de Memórias Voláteis x Não-Voláteis Estáticas x Dinâmicas Tipos: ROM PROM EPROM Flash SRAM SDRAM DDR Conceitos Organização
Leia maisLÓGICA DE PROGRAMAÇÃO. PROFª. M.Sc. JULIANA H Q BENACCHIO
LÓGICA DE PROGRAMAÇÃO PROFª. M.Sc. JULIANA H Q BENACCHIO Modificadores de Tipos Os tipos de dados básicos em C podem estar acompanhados por modificadores na declaração de variáveis. Tais modificadores
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 25 de abril de 2016 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] + + E[X
Leia maisAlgoritmos probabilísticos
Algoritmos probabilísticos Na execução, algumas decisões usam números aleatórios Tempo de execução depende não só da entrada mas também de números aleatórios gerados Eficiência: pior caso é o mesmo ue
Leia maisGeometria Computacional
Geometria Computacional Cristina G. Fernandes Departamento de Ciência da Computação do IME-USP http://www.ime.usp.br/ cris/ segundo semestre de 2009 GeoComp 2009 p. 1 Modelo de computação Algoritmo: sequência
Leia maisElementos da Linguagem C. K&R: Capitulo 2
Elementos da Linguagem C K&R: Capitulo 2 IAED Tagus, 2009/2010 Elementos da Linguagem C Identificadores Tipos Constantes Declarações Operadores aritméticos, lógicos e relacionais Conversões de tipos Operadores
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
Leia maisApontadores/ponteiros
Apontadores/ponteiros 1 Apontadores/ponteiros 1. Um ponteiro pode ser manipulado como sendo um vetor. #include int v[5] = { 10, 20, 30, 40, 50 ; int p, i; p = v; for (i = 1; i < 5; i++) printf
Leia mais