Modelagem e Análise de Sistemas de Computação Aula 20
|
|
- Sara Padilha Festas
- 6 Há anos
- Visualizações:
Transcrição
1 Modelagem e Análise de Sistemas de Computação Aula 20 Aula passada Lei dos grandes números Calculando integrais Gerando outras distribuições Método da transformada inversa Aula de hoje Simulando uma fila Lista de eventos Estimador Teorema do Limite Central
2 Simulação O que é uma simulação? Realização da evolução de um sistema estocástico no tempo caminho amostral Sistema é caracterizado pelo seu estado evolução do estado Estado dependente das medidas de interesse objetivo da simulação!
3 Fila - Estado Qual o estado do sistema? número de elementos na fila Estado evolui (muda) em instantes discretos no tempo Em que instantes? instante de chegada e instante de saída Eventos ações que modificam o estado do sistema Simulação de Eventos Discreto
4 Fila - Eventos Dois eventos: chegada e saída O que ocorre em cada um destes eventos? Chegada anotar o instante de chegada do elemento incrementar a fila Quando atualizar o tempo? Saída Quando gerar a próxima chegada? calcular tempo de espera do elemento saindo (W i ) decrementar a fila
5 Simulação Variáveis Variáveis t: representa o instante de tempo que o simulador se encontra variáveis de estado: representam o estado do sistema no tempo t variáveis de interesse: representam valores que permitem o cálculo de medidas de interesse
6 Eventos Simulação Eventos ações que modificam o estado do sistema Evento ocorre variáveis são atualizadas (tempo, estado do sistema, medidas de interesse) Permite seguir o modelo no tempo eventos t variáveis são atualizadas (tempo, estado, etc)
7 Lista de Eventos Lista contendo todos os eventos que irão ocorrer no futuro tipo de evento, instante de ocorrência do evento ordenada por ordem de ocorrência Lista de Eventos E 1 E 2 E 1 E 1 T 1 T 2 T 3 T 4 Simulador processa próximo evento da lista remove evento da lista Quando adicionar eventos na lista? ao processar um evento!
8 Simulador Genérico 1.Inicializar variáveis 2.Inserir um ou mais eventos na lista de eventos 3.Enquanto não chegar ao fim da simulação 4.Remover próximo evento da lista de eventos 5.Processar evento Definir estado inicial Bootstrap: dá início a simulação Condição para terminar simulação (ex. t > t max ) Diminui lista de eventos Atualiza variáveis, gera eventos, gera outras informações
9 Simulação da Fila Estado: N Eventos: E C, E S (chegada e saída) Tempo: t Condição de parada: t > t max Estado inicial: fila vazia (N = 0) Bootstrap: chegada no instante 0 (E C, 0) Lista de Eventos E C 0
10 Simulação da Fila Calcular tempo médio de espera W i : tempo de espera do i-ésimo elemento Outras variáveis N C : número total de chegadas até o momento N S : número total de saídas até o momento C(i) : instante de chegada do i-ésimo elemento S(i) : instante de saída do i-ésimo elemento W i = S(i) C(i)
11 Inicialização 1.t = 0 2.N = 0 3.N C = 0 4.N S = 0 5.Adicionar evento (E C, 0)
12 Evento de Chegada 1.t = t E // t E = tempo de ocorrência do evento 2.N = N N C = N C C(N C ) = t 5.Gerar x ~ F X (x) // tempo até próxima chegada 6.Adicionar evento (E C, t+x) 7.Se (N = 1) // fila estava vazia 8. Gerar y ~ F S (y) // tempo de serviço 9. Adicionar evento (E S, t+y)
13 Evento de Saída 1.t = t E 2.N = N 1 3.N S = N S S(N S ) = t 5.Se (N > 0) // fila não está vazia 6. Gerar y ~ F S (y) // tempo de serviço 7. Adicionar evento (E S, t+y)
14 Medida de Interesse S(i) C(i) : tempo de espera do i-ésimo elemento a chegar (sair) na fila N S W = 1 N S i=1 S i C i Uma estimativa do tempo médio de espera na fila
15 Outras Medidas de Interesse Utilização (fração de tempo servindo) Número médio no sistema Tamanho médio da fila Fração de tempo que a fila possui mais do que k elementos Atenção (duas quantias diferentes) fila = elementos aguardando serviço sistema = fila + servindo As vezes confuso!
16 Resultado da Simulação Medida de interesse X estimar E[X] via simulação resutaldo da simulação fornece uma amostra de X O que acontece se executarmos o simulador novamente? Outro valor de X não o mesmo se usarmos outra semente independente do primeiro valor X i : resultado da i-ésima execução Como estimar E[X]?
17 Estimando E[X] = Estimando X i : resultado da i-ésima execução X 1,..., X n : sequência de v.a. iid n X n = 1 n i=1 X i Média amostral Quanto vale E [ X ] n? E [ X n ]=
18 X n Qualidade do Estimador : estimador para Sem tendência (unbiased) pois E [ X n ]= Qualidade do estimador considerar o MSE (mean square error) mesma definição de variância E [ X n 2 ]=Var X n Bom estimador para = 2 n variância de X diminui com n
19 Porque X é bom estimador? v.a. assumem valores próximos a sua média prob. do valor assumido pela v.a. estar k desvios padrões da média é baixo desvio padrão diminui com n 2 n n n 2 n Desigualdade de Chebyshev P [ X n k n ] 1 k 2
20 Teorema do Limite Central Distribuição da soma de v.a. iid converge para distribuição Normal Resultado fundamental em probabilidade Seja X 1, X 2,..., X n uma sequencia de v.a. iid com valor esperado Seja S n = i=1 Sabemos: Então n X i e variância a soma da sequência E [ S n ]=n Var S n =n 2 2 Normal com mesma média e variância P [S n z] P [ N n, n 2 z] quando n
21 Normalização Seja X 1, X 2,..., X n uma sequencia de v.a. iid com valor esperado e variância 2 Transformar a soma S n numa v.a. com valor esperado 0 e variância 1 Seja Sabemos: Z n = S n n n a nova sequência E [ Z n ]=0 Var Z n =1 Então Normal padrão N(0, 1) P[ Z n z] z quando n
22 Teorema do Limite Central Seja X 1, X 2,..., X n uma sequencia de v.a. iid com valor esperado Z n = S n n n Resultado lim n = X n / n e variância dividindo numerador e denominador por n onde X n = 1 n S n 2 função de distribuição cumulativa da Normal padrão P[ X n ] / n z = z convergência em probabilidade média amostral
23 Comparação com Grandes Números Qual é a diferença? Lei dos grandes números média converge para seu valor esperado lim n P [ X n ]=1 Teorema do Limite Central distribuição converge para Normal P[ X n / n z ] = z lim n
24 Comparação com Chebyshev Qual é a diferença? Chebyshev Teorema do Limite Central lim n resultado é uma desigualdade (bound) P [ X n k n ] 1 1 k 2 resultado converge para Normal P[ X n k = k n]
25 Teorema do Limite Central na Prática Na prática n é finito TLC vale no limite Com n grande, mas finito resultado é aproximado usaremos esta aproximação P [ X n / n z ] z quando n é suficientemente grande
26 Seja Exemplo Supor n simulações (n grande) Qual é a probabilidade da diferença entre a média amostral e seu valor esperado ser menor que x? x=1.96 / n Chebyshev P [ X n k n ] 1 1 k 2 = =0.74 Teorema do Limite Central P [ X n k n ]~ k = 1.96 =0.95
27 Desvio Padrão Amostral Estimativa de Como você estimaria?
28 Desvio Padrão Amostral Seja X 1, X 2,..., X n uma sequencia de v.a. iid com valor esperado e variância Seja S 2 = 1 n n 1 i=1 X i X n 2 Então E [ S 2 ]= 2 S 2 é um estimador sem bias (unbiased) da variância de X i
Redes Complexas Aula 7
Redes Complexas Aula 7 Aula retrasada Lei de potência Distribuição Zeta Propriedades Distribuição Zipf Exemplo Wikipedia Aula de hoje Distribuição de Pareto Medindo lei de potência Estimando expoente Exemplos
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisCOS767 - Modelagem e Análise Aula 2 - Simulação. Algoritmo para simular uma fila Medidas de interesse
COS767 - Modelagem e Análise Aula 2 - Simulação Algoritmo para simular uma fila Medidas de interesse Simulação O que é uma simulação? realização da evolução de um sistema estocástico no tempo Como caracterizar
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 maisPrincípios de Modelagem Matemática Aula 10
Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois
Leia maisAvaliação 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
Leia maisModelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira
Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira
Leia maisTeoria de Filas Aula 10
Aula Passada Comentários sobre a prova Teoria de Filas Aula 10 Introdução a processos estocásticos Introdução a Cadeias de Markov Aula de Hoje Cadeias de Markov de tempo discreto (DTMC) 1 Recordando...
Leia maisProcessos 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
Leia maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisAproximação da Distribuição Binomial pela Distribuição Normal
Aproximação da Distribuição Binomial pela Distribuição Normal Uma das utilidades da distribuição normal é que ela pode ser usada para fornecer aproximações para algumas distribuições de probabilidade discretas.
Leia maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia maisDistribuição t de Student
Distribuição t de Student Introdução Quando o desvio padrão da população não é conhecido (o que é o caso, geralmente), usase o desvio padrão da amostra como estimativa, substituindo-se σ x por S x nas
Leia maisNT O PROBLEMA DO TEMPO DE ESPERA DE PEDESTRE
NT 235 2014 O PROBLEMA DO TEMPO DE ESPERA DE PEDESTRE INTRODUÇÃO Sun Hsien Ming O presente trabalho tem por objetivo, entre outros, ilustrar a complexidade de problemas de trânsito, por meio de um simples
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula I
Técnicas Computacionais em Probabilidade e Estatística I Aula I Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Análise de Um conjunto de dados objetivo: tratamento de um conjunto de dados. uma amostra de
Leia maisInstrumentação Industrial. Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição
Instrumentação Industrial Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição Introdução a Metrologia O que significa dizer: O comprimento desta régua é 30cm. A temperatura
Leia maisLicenciatura em Ciências Biológicas Universidade Federal de Goiás. Bioestatística. Prof. Thiago Rangel - Dep. Ecologia ICB
Licenciatura em Ciências Biológicas Universidade Federal de Goiás Bioestatística Prof. Thiago Rangel - Dep. Ecologia ICB rangel.ufg@gmail.com Página do curso: http://www.ecologia.ufrgs.br/~adrimelo/bioestat
Leia maisTópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores
Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores Aula passada: Jogos repetidos infinitamente Aula de hoje: Introdução a Teoria dos Jogos Evolucionária Dinâmica
Leia maisInstituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Distribuições Discretas Uniforme Bernoulli Binomial Poisson
Leia maisVariáveis 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
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisAlgoritmos de Aprendizado. Formas de Aprendizado. Aprendizado Batch x Incremental. Aprendizado Batch x Incremental
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square Back Propagation Formas de Aprendizado Existe dois métodos básicos de aplicação do algoritmo Back Propagation: Aprendizado
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Definições e Notação Estimação Amostra Aleatória
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 mais2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.
2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :
Leia maisNúmeros Racionais. MAT1514 MEB 2/2016 T42 Diurno Substituição da Profa. Martha Monteiro
Números Racionais MAT1514 MEB 2/2016 T42 Diurno Substituição da Profa. Martha Monteiro O que são números racionais? Alguma definição? Como surgiram? Relacionados a quais ideias ou situações? Representação
Leia maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisUma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
Leia maisMedidas Resumo. Medidas de Posição/ Medidas de Dispersão. A intenção desse trabalho é introduzir os conceitos de Medidas de posição e de dispersão.
Medidas Resumo Medidas de Posição/ Medidas de Dispersão A intenção desse trabalho é introduzir os conceitos de Medidas de posição e de dispersão. Prof. MSc. Herivelto Marcondes Março/2009 1 Medidas Resumo
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia maisEstatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula Prof.: Patricia Maria Bortolon, D. Sc. Distribuições Amostrais ... vocês lembram que: Antes de tudo... Estatística Parâmetro Amostra População E usamos estatíticas das amostras para
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisFinanças Corporativas. Análise de Sensibilidade. Métodos de Avaliação de Risco. Motochoque Ltda. Análise de Risco
Finanças Corporativas Análise de Risco Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio Métodos de Avaliação de Risco Análise de Cenário Esta metodologia amplia os horizontes do FCD obrigando o analista
Leia maisAula 10 Estimação e Intervalo de Confiança
Aula 10 Estimação e Intervalo de Confiança Objetivos da Aula Fixação dos conceitos de Estimação; Utilização das tabelas de Distribuição Normal e t de Student Introdução Freqüentemente necessitamos, por
Leia maisInferência Estatística: Conceitos Básicos II
Inferência Estatística: Conceitos Básicos II Distribuição Amostral e Teorema do Limite Central Análise Exploratória de dados no SPSS Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação
Leia maisFerramenta Computacional para o Estudo de Seqüências de Treinamento em Equalizadores LMS
Ferramenta Computacional para o Estudo de Seqüências de Treinamento em es LMS Luciano L. Mendes Departamento de Eletrônica e Eletrotécnica Instituto acional de Telecomunicações Santa Rita do Sapucaí, MG
Leia maisEstatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.
Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador
Leia maisPERT PERT PERT PERT PERT PERT. O CPM assume que as estimativas de tempo para um projeto são certas (determinísticas);
O CPM assume que as estimativas de tempo para um projeto são certas (determinísticas); A duração de cada atividade na prática, contudo, pode ser diferente daquela prevista no projeto; Existem muitos fatores
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16
Leia maisVariáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB
Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja
Leia maisConceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas
Conceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Alguns conceitos População: é o conjunto de todos
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisDe onde vêm as expressões para variâncias e desvios padrão? 37
APÊNDICE 03 Uma questão de estatística De onde vêm as expressões para variâncias e desvios padrão? 37 Conforme já foi antecipado no primeiro texto de apoio da segunda atividade experimental prevista neste
Leia maisSimulação estocástica discreta
Simulação estocástica discreta Apoio ao projecto LEEC@IST Simulação estocástica discreta : 1/31 Introdução (1) Existem diversos tipos de simulação de sistemas: Simulação analógica: com modelos físicos,
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisProf. Sérgio Carvalho Estatística. I Jornada de Especialização em Concursos
DISTRIBUIÇÃO DE FREQÜÊNCIAS & INTERPOLAÇÃO LINEAR DA OGIVA 0. (AFRF-000) Utilize a tabela que se segue. Freqüências Acumuladas de Salários Anuais, em Milhares de Reais, da Cia. Alfa Classes de Salário
Leia maisAULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisDistribuições de Probabilidade. Distribuição Normal
Distribuições de Probabilidade Distribuição Normal 1 Distribuição Normal ou Gaussiana A distribuição Normal ou Gaussiana é muito utilizada em análises estatísticas. É uma distribuição simétrica em torno
Leia maisSequencias e Series. Exemplo 1: Seja tal que. Veja que os dez primeiros termos estão dados por: ,,,,...,, ou seja que temos a
Sequencias e Series Autor: Dr. Cristian Novoa MAF- PUC- Go cristiancalculoii@gmail.com Este texto tem como objetivo principal, introduzir alguns conceitos de Sequencias e Series,para os cursos de Engenharia,
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisCAPÍTULO 4 PROBABILIDADE PROBABILIDADE PPGEP Espaço Amostral e Eventos Espaço Amostral e Eventos UFRGS. Probabilidade.
PROBABILIDADE CAPÍTULO 4 PROBABILIDADE UFRGS A Teoria das s estuda os fenômenos aleatórios. Fenômeno Aleatório: são os fenômenos cujo resultado não pode ser previsto exatamente. Se o fenômeno se repetir,
Leia maisADL Sistemas de Segunda Ordem Subamortecidos
ADL19 4.6 Sistemas de Segunda Ordem Subamortecidos Resposta ao degrau do sistema de segunda ordem genérico da Eq. (4.22). Transformada da resposta, C(s): (4.26) Expandindo-se em frações parciais, (4.27)
Leia maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da
Leia maisUnidade III ESTATÍSTICA. Prof. Fernando Rodrigues
Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,
Leia mais6. Frações contínuas como as melhores aproximações de um número real
6. Frações contínuas como as melhores aproximações de um número real Com um pouco de técnica matemática iremos calcular frações contínuas, ou seja, os numeradores e denominadores de através de fórmulas
Leia maisAula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos
Aula 2 ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos 1. DEFINIÇÕES FENÔMENO Toda modificação que se processa nos corpos pela ação de agentes físicos ou químicos. 2. Tudo o que pode ser percebido
Leia maisDepartamento de InformáAca - PUC- Rio. Hélio Lopes Departamento de InformáAca PUC- Rio. A plataforma R
Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio A plataforma R R é uma linguagem de programação
Leia maisDISCIPLINA: EPIDEMIOLOGIA E BIOESTATÍSTICA LICENCIATURA: ENFERMAGEM; FISIOTERAPIA
Aula nº 1 Data: 3 de Outubro de 2002 1. INTRODUÇÃO: POPULAÇÕES, AMOSTRAS, VARIÁVEIS E OBSERVAÇÕES Conceito de Bioestatística e importância da disciplina no âmbito da investigação biológica. Limitações
Leia maisESTRUTURA DE DADOS VETORES E LISTAS LINEARES
ESTRUTURA DE DADOS VETORES E LISTAS LINEARES Prof. Dr. Daniel Caetano 2012-2 Objetivos Conhecer os vetores Compreender as Listas Sequenciais Implementar uma Lista Sequencial com Vetor GRUPOS? Até o fim
Leia maisProbabilidade 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
Leia maisTeoria da Computação. Unidade 3 Máquinas Universais. Referência Teoria da Computação (Divério, 2000)
Teoria da Computação Referência Teoria da Computação (Divério, 2000) 1 L={(0,1)*00} de forma que você pode usar uma Máquina de Turing que não altera os símbolos da fita e sempre move a direita. MT_(0,1)*00=({0,1},{q
Leia maisPara caracterizar um conjunto de dados é importante não só a média, mas também a dispersão dos valores em torno da média
1 É muito diferente ter uma situação em que o salário médio mensal é R$600 e todos ganham R$600, ou ter o mesmo salário médio mas em que metade das pessoas ganha R$300 e a outra metade ganha R$900. Para
Leia maisx exp( t 2 )dt f(x) =
INTERPOLAÇÃO POLINOMIAL 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia Aproximação
Leia maisModelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal
Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 09/2014 Estatística Descritiva Medidas de Variação Probabilidade e Estatística 3/42 Medidas de Variação Vamos
Leia maisEstatística Básica MEDIDAS RESUMO
Estatística Básica MEDIDAS RESUMO Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Motivação Básica Se você estivesse num ponto de ônibus e alguém perguntasse sobre
Leia maisANÁLISE DE SOBREVIVÊNCIA. Airlane P. Alencar IME-USP Alessandra C. Goulart FM-USP
ANÁLISE DE SOBREVIVÊNCIA Airlane P. Alencar IME-USP Alessandra C. Goulart FM-USP Objetivo Estudar o tempo desde um instante inicial até a ocorrência de um evento (alha). Estudar o tempo de sobrevida de
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Distribuição Geométrica Considere novamente uma sequência
Leia maisPROBLEMA 1 O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória R com função de probabilidade dada abaixo :
Módulo básico - Tópicos de Estatística e obabilidade ONS 006/007 - ofa. Mônica Barros LISTA DE EXERCÍCIOS # PROBLEMA O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória
Leia maisNoções de Processos Estocásticos e Cadeias de Markov
Noções de Processos Estocásticos e Cadeias de Markov Processo Estocástico Definição: Processo Estocástico é uma coleção de variáveis aleatórias indexadas por um parâmetro t R (entendido como tempo). X={
Leia maisIntervalos de Confiança
Intervalos de Confiança Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques e Nuno Bastos (DepMAT) Intervalos de Confiança 2010/2011 1 / 33 Introdução
Leia maisCapítulo 3. O Modelo de Regressão Linear Simples: Especificação e Estimação
Capítulo 3 O Modelo de Regressão Linear Simples: Especificação e Estimação Introdução Teoria Econômica Microeconomia: Estudamos modelos de oferta e demanda (quantidades demandadas e oferecidas dependem
Leia maisAvaliação Quantitativa de Sistemas
Avaliação Quantitativa de Sistemas Contexto A Avaliação Quantitativa de Sistemas permite a avaliação de sistemas antes mesmo da sua implementação física. Dessa forma, é possível avaliar um sistema projetado
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade
Leia maisForecasting e ti O i Otim Oti ização de ã d Carteiras com Matlab AULA 3
Forecasting e Otimização i de Carteiras com Matlab AULA 3 Guia de Estudo para Aula 03 Modelos Discretos Exercícios - Formulação de um modelo - Programação de modelos com for - A simulação de um modelo
Leia mais3 Redes Neurais Artificiais
3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida
Leia maisPCC104 - Projeto e Análise de Algoritmos
PCC104 - Projeto e Análise de Algoritmos Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 7 de outubro de 2016 Marco Antonio
Leia mais1 Introdução. 2 Variáveis Aleatórias Discretas (VAD)
Prof. Janete Pereira Amador 1 1 Introdução Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações podem ser descritas por uma variável
Leia mais4. O algoritmo LMS e variantes
Apontamentos de Processamento Adaptativo de Sinais 4. O algoritmo LMS e variantes Família de algoritmos do gradiente Na prática usam-se estimativas do gradiente, ˆ (n), em vez do verdadeiro gradiente (n),
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado
Leia maisSUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20
SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17
Leia maisAula 15 Variáveis Indexadas (vetores)
Aula 15 Variáveis Indexadas (vetores) Além das variáveis normais já conhecidas, podemos ter também variáveis indexadas. Tais variáveis são referenciadas por um nome e um índice. Especialmente úteis para
Leia maisé 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média.
Desvio Padrão From Wikipedia, the free encyclopedia probabilidade e estatística, o desvio padrão de uma distribuição de probabilidade, de uma variável aleatória, ou população é uma medida do espalhamento
Leia maisEstatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
Leia maisMOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições
Motivação: MOQ-2: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS VA s e Distribuições Definimos anteriormente Espaço de Probabilidades como sendo a tripla (W,, P(.)), em que, dado um eperimento, W representa
Leia maisEstatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.
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 maisCAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Amostragem estratificada Divisão da população em
Leia maisProbabilidade 2 - ME310 - Lista 2
Probabilidade - ME3 - Lista September 4, Lembrando:. Estatística de ordem, pg 38 Ross: f xj (x) = n! (n j)!(j )! F (x)j ( F (x)) n j f(x). Distribuição de probabilidade conjunta de funções de variáveis
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisRESOLUÇÃO DAS ATIVIDADES E FORMALIZAÇÃO DOS CONCEITOS
CENTRO UNIVERSITÁRIO FRANCISCANO Curso de Administração Disciplina: Estatística I Professora: Stefane L. Gaffuri RESOLUÇÃO DAS ATIVIDADES E FORMALIZAÇÃO DOS CONCEITOS Sessão 1 Experimentos Aleatórios e
Leia mais