PROCESSO MARKOVIANO DE DECISÃO APLICADO AO CONTROLE DE ADMISSÕES EM HOSPITAIS ELETIVOS

Tamanho: px
Começar a partir da página:

Download "PROCESSO MARKOVIANO DE DECISÃO APLICADO AO CONTROLE DE ADMISSÕES EM HOSPITAIS ELETIVOS"

Transcrição

1 PROCSSO MARKOVIANO D DCISÃO APLICADO AO CONTROL D ADMISSÕS M HOSPITAIS LTIVOS Luz Gulherme Nl Nunes Ree Srh e Hosps e Reblção e Insuo Nconl e Pesquss spcs SMHS-501, Conuno A, Brsíl, DF, gulhermenl@gml.com Solon Venânco e Crvlho R e Cáss Meneses Rorgues Insuo Nconl e Pesquss spcs Av. os Asronus, 1.758, J. Grn, São José os Cmpos, SP, solon@lc.npe.br ; r@lc.npe.br RSUMO Apresen-se um moelo novor pr o processo seqüencl e ecsões o número e pcenes regulrmene mos em especles sns em um hospl elevo (sem emergênc). Tr-se e um ssem complexo, no em relção à nâmc esocásc quno à mensonle os espços e esos e e ções. O obevo e se conrolr esse ssem é melhorr o esempenho ulzção os recursos hosplres sponíves. O ssem moelo como um processo mrkovno e ecsão, conugo um méoo equo e solução, em grne poencl e plcção. PALAVRAS CHAV. Processos Mrkovnos e Decsão. Conrole e Amssão em Hosps. Áre e clssfcção prncpl ST - sísc. ABSTRACT We presen new moel for he sequenl ecson process o efne he number of pens regulrly scheule n ech specly n n elecve hospl (no emergency servce s prove). Ths s complex sysem ue o s sochsc ynmc n he mensonly of he ses n cons spces. The obecve for conrollng he sysem s o mprove he hospl resources ulzon. The sysem moele s Mrkovn ecson process ogeher wh well sue soluon meho hs gre poenl for pplcon. KYWORDS. Mrkovn Decson Processes. Hospl Amsson Conrol. Mn re ST - Sscs. [913]

2 1. Inroução Os Processos Mrkovnos e Decsão (PMDs) êm provo su ule como moelo pr problems e ecsões seqüencs com crcerísc esocásc, que presenm propree mrkovn, qul se, os esos e ecsões fuuros são nepenenes os esos e ecsões pssos, o o conhecmeno o eso presene o ssem consero (Puermn (1994)). O conrole e mssões em hosps é um problem comum e cono oo servço hosplr. xsem várs forms e se enener necesse e se relzr l conrole. Nese rblho será ênfse à relção enre qune e pcenes mos e ulzção e recursos sponíves no hospl. Ms prculrmene nls-se o processo e mssões em hosps elevos, que não possuem servço e emergênc, o que não mpee exensão moelgem propos hosps que possum l servço. A movção pr se moelr o ssem e mssões em um hospl elevo como um PMD surgu enfcção e crceríscs ese ssem que se usm bem os conceos os PMDs, qus sem: (1) om e ecsão seqüencl sob ncerez, gerno um nâmc esocásc; (2) possble e se observr o eso ul o ssem em nsnes e ecsão gulmene espços no empo (ecsões empo screo); (3) crceríscs mrkovns que poem ser nfers (o fuuro não epene o psso, epene sm o eso presene e ecsão om). Nese conexo, presen-se ns seções segunes moelgem propos. N Seção 2, os elemenos báscos o ssem são escros. N Seção 3, escreve-se composção os elemenos o PMD: espço e esos, espço e ções, nâmc probblísc e função e cusos. N seção 4, presenm-se resulos obos prr mplemenção compuconl e um proópo o moelo. Ns seções 5 e 6, conserções prács sobre mplemenção o moelo e conclusão o rblho são presens. 2. lemenos o ssem Demn Tom-se como moelo o ssem e mssão elev, o que sgnfc que não se enem emergêncs. Após se nscreverem pr o enmeno, os pcenes gurm é o momeno e su convocção pr comprecerem o hospl e rem níco o seu processo e rmeno, o qul se encerr no momeno e su l hosplr. Por exemplo, poe-se conserr um hospl que relz mssões em nove pos e especles mécs, s qus poem ser enos pel vrável {1,...,9}, l que: = 1 orope, = 2 per, = 3 leso cerebrl, = 4 neurolog, = 5 crurg plásc, = 6 leso meulr, = 7 neurocrurg, = 8 genéc e = 9 oncolog. Defnno e form ms gerl, conser-se que o hospl relze mssões em m pos e especles mécs, ssm { 1,..., m}. Ame-se, mbém, que sempre exsem pcenes e os s especles serem convocos pr o enmeno. Prões e consumo Seguno borgem propos por Kp e l. (1985, 2000) é possível eermnr prões e consumo e recursos e um hospl em nervlos e empo preefnos pr os pcenes enos. Des form, compnhno-se o consumo e muos pcenes longunlmene, quebrno seu períoo e rmeno em nervlos e empo consnes, poe-se esmr o consumo méo e recursos neses nervlos e ssm enfcr prões e consumo. Por exemplo, ser possível efnr prões semelhnes e consumo e recursos em nervlos e z s. Pr moelgem propos são conseros n prões e consumo em um nervlo e empo e z s,, = 1,..., n. [914]

3 Recursos sponíves Os prões e consumo eermnm s qunes espers e ulzção e recursos hosplres, s como consuls mécs, crurgs, s e nernção, exmes lborors, exmes rológcos, exmes neurofsológcos, exmes e uronâmc, exmes e movmeno, enmenos e fsoerp, prelhos oropécos spensos, enre ouros. Conserm-se k recursos hosplres enoos por L, { 1,..., k}. Defne-se L, { 1,..., n} e { 1,..., k}, como qune mé e recursos o po L consumos em z s por um pcene que ese em um prão e consumo seno cpce máxm e recurso o po L sponível.. Defne-se mbém mx L como 3. lemenos o PMD Um PMD poe ser efno e form gerl por um n-upl ( X, A, P, R), one: X é o conuno e esos; A é o conuno e ções plcáves em função os esos; P represen s srbuções e probbles e rnsções enre esos em função e um eso observo e e um ção o em um nsne e ecsão; e R eermn o cuso ssoco o eso observo e à ção o. m ours plvrs, em um PMD, em um nsne e ecsão qulquer, observ-se o eso o ssem x X e o-se um ção A( x ), ger-se ssm um cuso R ( x, ) e esbelece-se probble e o ssem pssr um eso x + 1, represen por P ( x + 1 ( x, )), x +1 X. Pr o moelo proposo, em-se segune composção e elemenos pr o PMD: spço e sos A c nsne e ecsão, o ssem poe ser observo em um eso x, seno 1 m 1 m x = { 1,,..., 1,,..., n,,..., n, }, one, represen o número e pcenes especle que esverm no prão e consumo urne o úlmo períoo e z s, neror. Ame-se, sem per e generle no resulo fnl o conrole o ssem, pr fcle o rmeno probblísco o moelo, que, se lmo, l que n m = 1 L = 1, mx L (1,..., k). Ame-se n que os pcenes e um especle que pssm um prão e consumo quno ese esá no seu lme máxmo recebem rmeno especl e sem o fluxo e congem o moelo. Defne-se, ssm, o espço e esos X como um conuno fno composo por oos os possíves esos o po x. Defne-se mbém X L como seno o subconuno e esos lmes perencenes X one { 1,.., n} exse pelo menos um m L, { 1,..., k}, l que ( 1+ = 1, ) L > mx L. Defne-se n mx como seno o mor número possível e pcenes no prão e consumo rvés equção mx mx L mn n = {1,..., k} L.. Poe-se ober mx spço e Ações Conser-se que c z s se eermn qune e pcenes e c um s especles mécs que evem ser mos. Ou se, ref equpe e mssão ser e, c z s, escolher e or um ção o po = { S 1,..., m S }, one S represen qune e novos pcenes o po, { 1,..., m}, serem mos nos próxmos z s. Ame-se que qune S se lm, vrno no nervlo enre [0,...,mx S ], one mx S é cpce máxm e mssão e pcenes o po em um períoo e z s. Ame-se n que os s ções possm ser os em qulquer eso [915]

4 o ssem. Um ção que me ms um pcene quno o ssem esver em um eso lme, x X L, umen probble e o ssem permnecer em um eso lme no próxmo nsne e ecsão e umen o cuso e operção o ssem. Defne-se ssm o espço e ções A como um conuno fno composo por os s possíves ções o po. Dnâmc esocásc Prno e um nálse e os res, eermnm-se os prões e consumo e s mrzes e probbles e rnsções e um pcene enre os prões e consumo, pr c um s especles mécs { 1,..., m}. Por exemplo, pr especle méc orope, corresponene = 1, compnh-se, por um longo períoo e empo, o consumo e recursos em períoos e z s e oos os pcenes mos em um nervlo e empo ncl, e eermn-se mrz e probbles e rnsções e um pcene enre os prões e consumo, qul é represen bxo n Fgur 1. = n 1 p 11 p 12 p p 1 n 2 p 21 p 22 p p 2 n 3 p 31 p 32 p p 3 n n Fgur 1 - Mrz e probbles e rnsções enre os prões e consumo pr um pcene especle méc = 1. Observ-se que, pr os s especles mécs consers, mrz e probbles e rnsções e um pcene possu um únco eso bsorvene, n, que represen l hosplr. Além mrz e probbles e rnsções evem-se eermnr, pr c especle méc, prr o bnco e os o hospl, s probbles e um pcene ngressr no ssem em c um os prões e consumo. As probbles e ngresso em c prão e consumo são enos por p, { 1,..., m} e { 1,..., n}. Ame-se que P( y ( x, )), + 1 =, probble o número e pcenes e um especle méc em um prão e consumo no nsne e ecsão + 1 ser gul y o que no nsne e ecsão neror o ssem se enconrv no eso x e ção fo o, é reg por um srbução e Posson, que só epene e x e. Aplcno-se um use, evo à lmção superor mpos o vlor e poe ser ob pels expressões P ( y ( x ) 1,( x e ( λ ),( x n = se y < mn( = 1, + S ; mx ), y!, + 1 = λ n mn( = 1 + ( + = ), S ; mx ) 1, 1 y ( x = 1 P(, + 1 = u ( x ) u= 0 (, + 1 = y ( x ) = 1 se = mn( n = 1, + S ; mx ) = 0 n ( = y ( x, )) 0 y > = + S ; mx, y, +, probble P(, + 1 = y ( x ) P se mn( n y 1, + S ; mx ) > 0, P P, + 1 = y, se mn( 1, ) = = [916]

5 one o prâmero srbução e Posson é o número espero e pcenes especle no prão e consumo no nsne e ecsão + 1, o que no nsne e ecsão neror o ssem se enconrv no eso x e ção fo o, que poe ser obo por,( x, ) n = l=1 l, l λ p + S p. Nem oos os esos poem ser lcnços no próxmo nsne e ecsão + 1, o um eso observo x e um ção o. No cso em que o próxmo eso não perence o subconuno e esos lmes, x+1 X L, o número e pcenes o po no nsne + 1 n não poe ser mor que =1, + S, e mbém não poe ser menor que S, um vez que os pcenes mos em um períoo não poem pssr o eso e l hosplr no mesmo períoo. No cso em que o próxmo eso perence o subconuno e eso lmes, x X o número e pcenes o po no nsne + 1 não poe ser mor que n +1 L, =1, + S, ms poe ser menor que S, um vez que os pcenes mos cm cpce os recursos sponíves recebem rmeno especl e sem o fluxo e congem o moelo. Defne-se enão X, como seno o subconuno e esos lcnçáves prr o eso x, o que x ção fo o no nsne e ecsão, l que n n = = 1, x +1 X e S, + S, { 1,..., m}, se x+1 X L n n = = 1,, + S, { 1,..., m}, se x+1 X L. A probble e o ssem pssr e um eso x o eso x + 1, o que um P x + 1 ( x, poe ser ob como segue: m n = 1 = 1P(, + 1 ( x ) P( x+ 1 ( x ) = se x m n + 1 X x, ( P( ( x )), ção é o em um nsne e ecsão, ( ) P = 1 = 1, + 1 x + 1 X x, + 1 ( x = se x + 1 X x,. ( x ) 0 Função e cuso Supõe-se que se ese mner o consumo e c recurso L o hospl, { 1,..., k}, em níves pré-eermnos. Quno o consumo e um recurso em um eermno períoo ocorre bxo o nível eseo o ssem oper com um cuso e ocose O, e quno o consumo ocorre cm o nível eseo o ssem oper com um cuso e excesso B. Denose o nível e consumo eseo pr c recurso em um períoo por N, { 1,..., k}. Defne-se um função e cuso espero R( x, pr vlr o esempenho o ssem no próxmo períoo e funconmeno, o que no eso observo x o-se ção, rvés expressão presen segur. R( x = = { + } k 1 O mx( N μ, ( x B x N, );0) mx( μ,(, ) ;0), one μ, ( x represen o consumo espero e recursos o po L no próxmo períoo, o que no eso x oou-se ção. Poe-se eermnr μ, ( x rvés expressão: n m μ L λ, { 1,..., k},,( x = = 1 = 1,( x one, como efno nerormene, L, { 1,..., n} e { 1,..., k}, é qune mé e recursos o po consumo, e L consumos em z s por um pcene que ese em um prão e λ é o número espero e pcenes especle no prão e,( x [917]

6 consumo no nsne e ecsão + 1, o que no nsne e ecsão o ssem se enconrv no eso x e ção fo o. Observ-se que um conceo semelhne pr vlção o cuso e conrole o ssem em função mnuenção ulzção e recursos em um fx e consumo ese, fo emprego por An e Vssers (2002) em su formulção o ssem e mssões e pcenes em um hospl rvés e um moelo e progrmção lner ner. 4. Implemenção o moelo O Algormo e Ierção e Vlores (AIV) é um os méoos rcons pr obenção e polícs óms pr PMDs (Puermn (1994)). Apresenm-se segur os resulos plcção o AIV pr solução o moelo proposo. O lgormo fo mplemeno em C ++, prno s bbloecs o progrm e compuor Moelos socáscos (Moso), esenvolvo no Lboróro Assoco e Compução Aplc o Insuo Nconl e Pesquss spcs, Brsl (LAC/INP). As confgurções os prâmeros o moelo, empregs pr obenção os resulos es seção, são consuís e os hpoécos, eno smples fnle e esr os conceos presenos ns seções nerores. O moelo mplemeno (Tbel 1) é composo por rês especles (os com cpce e mssão e rês pcenes) e quro prões e consumo (ncluno l). No prmero prão e consumo consomem-se rês unes e c recurso, no seguno prão consomem-se us unes, no ercero consome-se um une e no quro prão, corresponene à l hosplr, não há consumo e recursos. Conserm-se os recursos hosplres (mbos com cpce máxm sponível e oo unes e consumo). O nível eseo e consumo pr c um os recursos fo esbeleco em see unes. Os cusos e ocose e excesso em relção os níves e consumo eseo form fxos em um pr o prmero recurso e os pr o seguno recurso. Form ess us confgurções, pr c especle, e probbles e rnsções e um pcene enre os prões e consumo e probbles e enr nos prões e consumo. O moelo fo processo em um PC o po eskop, com 1GB e memór RAM e processor Penum IV e 2,4 GHz. O empo e processmeno pr obenção solução óm, pr o moelo confguro conforme os prâmeros escros n Tbel 1, fo e 7h30m. O espço e esos pr confgurção propos é consuío e esos, pr os qus, conserno-se o espço e ções composo por 64 ções, obêm-se mrzes e rnsções coneno ms e possbles e rnsções com probbles não nuls. N Tbel 2 presenm-se, pr 20 esos seleconos como exemplos, s ções que compõem s polícs óms obs pr s us confgurções e probbles escrs n Tbel 1. As polícs óms eermnm reução o número e mssões à me que o ssem lcnç esos com mor número e pcenes presenes e mor consumo e recursos. Observ-se que s ferençs enre probbles e rnsções e enrs germ polícs complemene sns. Anlsno lguns prâmeros e esempenho (Tbel 3) o or-se políc óm pr c um s confgurções e probble, observ-se que, pr Confgurção e Probbles 1 (CP1), mném-se ms bxo o número espero e pcenes no ssem (3,52 pcenes) se compro à Confgurção e Probbles 2 (CP2) (4,54 pcenes). Os pcenes specle 2 são esperos em mor qune n CP1 (1,59 pcenes), enquno que os pcenes specle 3 prevlecem n CP2 (2,20 pcenes). A CP1 mném um mor número e pcenes no Prão e Consumo 1 (1,35 pcenes), enquno que n CP2 o Prão e Consumo 3 é o ms exploro (1,50 pcenes). m relção o nível e consumo os Recursos 1 e 2, o consumo espero n CP1 é e 6,91 unes enquno que n CP2 o consumo é um pouco mor (7,02 unes). O cuso e operção o ssem (cuso e ocose cono o cuso e excesso, relvos o nível e consumo eseo) é menor n CP1 (1,31 unes e cuso por períoo) se compro o cuso CP2 (0,54 unes e cuso). [918]

7 Tbel 1 - Prâmeros e enr. Nº e especles 3 Cpce máxm e mssões specle 1 3 specle 2 3 specle 3 3 Nº e recursos 2 Cpce sponblz os recursos Recurso 1 8 Recurso 2 8 Nível e consumo eseo pr c recurso Nvel o rec. 1 7 Nvel o rec. 2 7 Cuso o esvo relvo o nível e consumo eseo Rec. 1 Rec. 2 Cuso e ocose 1 2 Cuso e excesso 1 2 Nº e prões e consumo 3 Consumo méo e recursos e c prão Rec. 1 Rec. 2 Prão Prão Prão Prão 4 (l) 0 0 Probbles e rnsções enre prões pr um pcene Confgurção 1 Confgurção 2 P. 1 P. 2 P. 3 P. 4 P. 1 P. 2 P. 3 P. 4 specle 1 specle 2 specle 3 Prão 1 0,4 0,2 0,2 0,2 0,2 0,4 0,3 0,1 Prão 2 0,3 0,4 0,1 0,2 0,2 0,3 0,3 0,2 Prão 3 0,1 0,3 0,4 0,2 0,1 0,2 0,3 0,4 Prão 4 0,0 0,0 0,0 1,0 0,0 0,0 0,0 1,0 Prão 1 0,4 0,4 0,1 0,1 0,1 0,1 0,7 0,1 Prão 2 0,6 0,2 0,1 0,1 0,1 0,2 0,6 0,1 Prão 3 0,3 0,3 0,2 0,2 0,1 0,1 0,3 0,5 Prão 4 0,0 0,0 0,0 1,0 0,0 0,0 0,0 1,0 Prão 1 0,4 0,2 0,1 0,3 0,4 0,3 0,2 0,1 Prão 2 0,2 0,4 0,1 0,3 0,1 0,6 0,2 0,1 Prão 3 0,1 0,2 0,3 0,4 0,1 0,2 0,3 0,4 Prão 4 0,0 0,0 0,0 1,0 0,0 0,0 0,0 1,0 Probble e enr nos prões pr c especle Confgurção 1 Confgurção 2 sp. 1 sp. 2 sp. 3 sp. 1 sp. 2 sp. 3 Prão 1 0,30 0,60 0,40 0,30 0,60 0,20 Prão 2 0,50 0,20 0,40 0,50 0,20 0,30 Prão 3 0,20 0,20 0,20 0,20 0,20 0,50 Prão 4 0,00 0,00 0,00 0,00 0,00 0,00 Compr-se, n, n Tbel 3, políc óm e conrole CP2 à us polícs fxs e mssão e pcenes. A prmer políc fx eermn que 3 pcenes, um e c especle, sem mos por períoo, enquno que segun políc prevê mssão e [919]

8 6 pcenes por períoo, os e c especle. Sob s polícs fxs, ssm como sob políc óm, mném-se um número espero mor e pcenes n specle 3 e no Prão e Consumo 3. O consumo espero em um períoo obo o se mplemenr s polícs fxs ulrpss lrgmene cpce sponível os os recursos, conseqüenemene o cuso e operção é bsne elevo. Tbel 2- Número e pcenes, consumo e recursos, ções que compõem s polícs óms e s probbles lmes e 20 esos seleconos. Número e pcenes Conserno Conserno Consumo confgurção e confgurção e e recursos specle Prão probbles 1 probbles 2 Ssem sos Seleconos Polí. Óm 2 Prob. Lm. 3 Polí. Óm 2 Prob. Lm. 3 (0,0,0),(0,0,0),(0,0,0) (0,1,2) 0,0161 (0,3,0) 0,0017 (0,0,0),(0,1,0),(0,0,0) (0,0,2) 0,0305 (0,1,2) 0,0046 (0,1,0),(0,0,0),(0,0,0) (0,2,0) 0,0522 (0,1,2) 0,0129 (0,0,0),(0,0,0),(0,0,2) (0,2,0) 0,0014 (0,2,0) 0,0100 (0,0,0),(0,0,1),(0,0,1) (0,0,2) 0,0049 (2,0,0) 0,0178 (0,1,0),(0,0,0),(0,0,1) (1,0,1) 0,0032 (0,2,0) 0,0092 (0,0,1),(0,0,0),(0,0,1) (1,0,1) 0,0047 (0,1,1) 0,0093 (0,0,0),(0,0,2),(0,0,0) (1,0,1) 0,0064 (1,0,1) 0,0100 (1,0,0),(1,0,0),(0,0,0) (1,0,1) 0,0079 (1,0,1) 0,0054 (0,1,0),(0,1,0),(0,0,0) (0,1,0) 0,0503 (1,1,0) 0,0054 (0,1,0),(0,0,1),(0,0,0) (1,0,1) 0,0050 (0,1,1) 0,0121 (0,2,0),(0,0,0),(0,0,0) (0,1,0) 0,0775 (1,1,0) 0,0101 (0,0,0),(0,0,1),(0,1,1) (0,1,0) 0,0012 (0,0,2) 0,0093 (0,0,0),(0,0,1),(0,0,2) (2,0,0) 0,0004 (0,0,2) 0,0112 (0,0,0),(0,0,2),(0,0,1) (0,1,0) 0,0007 (0,1,0) 0,0115 (1,0,0),(0,0,1),(0,0,1) (0,1,0) 0,0027 (0,1,0) 0,0046 (0,0,1),(0,0,1),(0,0,1) (0,1,0) 0,0012 (0,1,0) 0,0111 (0,1,0),(0,1,0),(0,1,0) (0,0,0) 0,0178 (1,0,1) 0,0035 (0,2,0),(0,0,0),(0,1,0) (0,0,0) 0,0270 (1,0,1) 0,0062 (0,2,0),(0,1,0),(0,0,0) (0,0,0) 0,0556 (0,0,2) 0, so: número e pcenes e c especle observo no úlmo períoo, por prões e consumo e recursos. 2 - Políc e ecsão: número e pcenes e c especle serem mos no próxmo períoo. 3 - Probble lme: probble o ssem se enconrr em um eso pós longo empo e operção sob conrole e um políc e ecsão. 5. Conserções prács sobre o moelo Os elemenos que compõe n-upl ( X, A, P, R), pr formulção o ssem e mssão em hosps elevos como um PMD, form efnos n seção 3, e form que: 1 m 1 m X é o conuno fno e esos o po x = { 1,,..., 1,,..., n,,..., n, }, one, represen o número e pcenes especle que esverm no prão e consumo urne o úlmo períoo e z s, neror ; A é o conuno fno e ções plcáves em função os esos, one s ções A são o po = { S 1,..., m S }, seno que S represen qune e novos pcenes o po, { 1,..., m}, serem mos nos próxmos z s; P represen s srbuções e probbles e rnsções enre esos, one P( x + 1 ( x ) é probble o ssem pssr e um eso x X o eso x +1 X, o que um ção é o em um nsne e ecsão ; e R represen o cuso ssoco o eso observo e à ção o, one R( x é o cuso [920]

9 espero o ssem no próxmo períoo e funconmeno, o que no eso observo x oou-se ção ; R( x fc efno em função os esvos em relção os níves eseos e consumo os recursos conseros. Tbel 3 - Desempenho o ssem sob s polícs obs pr s us confgurções e probble presens n Tbel 1. Confg. e Prob. 1 Confgurção e Probbles 2 Políc Óm Políc Óm Políc fx (1,1,1) Políc fx (2,2,2) Número e pcenes espero em um períoo, sob conrole políc spec. 1 0,29 0,22 0,52 0,85 Prão 1 spec. 2 0,78 0,36 0,73 1,35 spec. 3 0,27 0,37 0,39 0,63 spec. 1 0,39 0,38 0,89 1,43 Prão 2 spec. 2 0,46 0,19 0,36 0,58 spec. 3 0,30 0,77 0,80 1,17 spec. 1 0,21 0,28 0,61 0,86 Prão 3 spec. 2 0,22 0,50 0,82 1,11 spec. 3 0,15 0,73 0,86 1,44 spec. 1 0,13 0,16 0,36 0,40 Al spec. 2 0,13 0,25 0,43 0,46 spec. 3 0,19 0,34 0,36 0,46 Tol specle 1 1,02 1,05 2,38 3,53 Tol specle 2 1,59 1,29 2,34 3,49 Tol specle 3 0,91 2,20 2,41 3,70 Tol Prão 1 1,35 0,94 1,65 2,82 Tol Prão 2 1,14 1,34 2,04 3,18 Tol Prão 3 0,58 1,50 2,29 3,40 Tol Al 0,45 0,75 1,15 1,32 Presenes no ssem 3,52 4,54 7,14 10,73 Consumo méo e recursos espero em um períoo, sob conrole políc Recurso 1 6,91 7,02 11,33 18,22 Recurso 2 6,91 7,02 11,33 18,22 Cuso espero em um períoo (nível e consumo eseo: rec. 1 = 7, rec. 2 = 7) Ocose 0,78 0,24 0,00 0,00 xcesso 0,53 0,29 12,98 33,66 Tol 1,31 0,54 12,98 33,66 A Fgur 2 represen nâmc o moelo: pcenes e m especles sns gurm pr ncrem seus rmenos; sponblzm-se k recursos hosplres cuos consumos evem ser conseros; c z s om-se um ecsão sobre o número e novos pcenes e c especle serem mos no próxmo períoo e z s; pós ecsão eermnm-se s probbles e se pssr c um os esos possíves no próxmo nsne e ecsão e o cuso espero pr o próxmo períoo e z s e funconmeno o ssem. Formulo o moelo, orn-se necessáro esenvolver esuos que empreguem os res, com o obevo e: (1) eermnr os prões e consumo, = 1,..., n, rvés e méoos equos e grupmeno (Kogn e l. (2006)); (2) efnr s mrzes e probbles e rnsções enre os prões e consumo pr c especle méc conser; e (3) esr erênc srbução e Posson, propos pr reger s probbles e rnsções enre os esos o ssem. [921]

10 Ação o no nsne e ecsão : A x ) so observo no nsne e ecsão : x 1 m 1 m = { 1,,..., 1,,..., n,,..., n, } { P, R } ( Probbles e rnsções enre esos: P x ( x, ) ( ) + 1 Cuso espero: ( x R Conser-se um hospl que ene m pos e especles mécs, ssm { 1,..., m} Conserm-se k recursos hosplres, enoos por L, { 1,..., k} Conserm-se n prões e consumo; os prões e consumo, { 1,..., n}, eermnm s qunes espers e ulzção os k recursos hosplres, represen o número e pcenes especle que esverm no prão e consumo no úlmo períoo e z s, neror A ção o é o po { 1,..., m = S S }, one S represen qune e novos pcenes o po, { 1,..., m}, serem mos nos próxmos z s Quno o consumo e um recurso em um eermno períoo ocorre bxo e um nível eseo o ssem oper com um cuso e ocose O, e quno o consumo ocorre cm o nível eseo o ssem oper com um cuso e excesso B ; eno-se o nível e consumo eseo pr c recurso em um períoo por N, { 1,..., k} { O mx( N ;0) + B mx( N ;0 } R( x = k = 1 μ, ( x μ,( x ), one μ, ( x, ) represen o consumo espero e recursos o po L no próxmo períoo, o que no eso x oou-se ção Fgur 2 - Dnâmc o Processo Mrkovno e Decsão plco o ssem e mssão e pcenes em hosps elevos. É evene que, à me que se vlem ssems ms próxmos rele, o moelo escro ssume proporções exremmene grnes em relção os espços e esos e e ções. Por so, orn-se necessáro, mbém, esenvolver méoos e soluções pr PMDs e grnes mensões. Felzmene, novs borgens que plcm conceos e horzones e plnemeno reuzo e mosro e e buscs evoluvs êm so esenvolvs com es fnle. Denre s novs borgens escm-se os méoos prllel rollou pr PMDs com espço e esos muo grne e espço e ções pequeno e o méoo evoluonry rnom polcy serch pr PMDs com espço e esos pequeno e espço e ções muo grne (Chng e l. (2007)). Ressl-se que os uores o presene rblho esão [922]

11 esenvolveno um méoo que combn os méoos menconos pr soluconr PMDs com espços e esos e e ções smulnemene grnes. 6. Conclusão O conrole e mssão e pcenes em hosps, one não rrmene os recursos são escssos, é um problem ngo e generlzo nos ssems e súe. A moelgem ese conrole como um PMD é um borgem novor, qul cermene poe proporconr um processo ecsóro ms efcene em relção à combnção enre enr e novos pcenes elevos e o consumo os recursos hosplres sponíves. Conugo um méoo efcene pr solução e PMDs e grnes mensões, ese moelo em grne poencl e plcção. Referêncs An, I. J. B.F. e Vssers, J. M. H. (2002), Pen mx opmzon n hospl msson plnnng: cse suy, Inernonl Journl of Operons n Proucon Mngemen, 22(4), Chng, H. S., Fu, M. C., Hu, J. e Mrcus, S. I., Smulon-bse lgorhms for Mrkov ecson processes, Sprnger, New York, Kogn, J., Nchols, C. e Teboulle, M., Groupng mulmensonl : recen vnces n cluserng, Sprnger, New York, Kp, A., Chn, W. e Schev, R. (2000), Precng uron of sy n perc nensve cre un: Mrkovn pproch, uropen Journl of Operonl Reserch, 124, Kp, A., Vneberg, S. e Ross, D. (1985), Precng course of remen n rehblon hospl: Mrkovn moel, Compuers & Operons Reserch, 12(5), Puermn, M. L., Mrkov ecson processes, John Wley & Sons, New York, [923]

Curvas Planas. Sumário COMPUTAÇÃO GRÁFICA E INTERFACES. Introdução. Introdução. Carlos Carreto

Curvas Planas. Sumário COMPUTAÇÃO GRÁFICA E INTERFACES. Introdução. Introdução. Carlos Carreto Sumáro COMUTAÇÃO GRÁFICA E INTERFACES Curvs lns Crlos Crreo Inroução Curvs prmérs Curv Bèzer Curv Herme Curv B-Splne Curv Cmull-Rom Curso e Engenhr Informá Ano levo /4 Esol Superor e Tenolog e Gesão Gur

Leia mais

Exemplo: y 3, já que sen 2 e log A matriz nula m n, indicada por O m n é tal que a ij 0, i {1, 2, 3,..., m} e j {1, 2, 3,..., n}.

Exemplo: y 3, já que sen 2 e log A matriz nula m n, indicada por O m n é tal que a ij 0, i {1, 2, 3,..., m} e j {1, 2, 3,..., n}. Mrzes Mrz rel Defnção Sem m e n dos números neros Um mrz rel de ordem m n é um conuno de mn números res, dsrbuídos em m lnhs e n coluns, formndo um bel que se ndc em gerl por 9 Eemplo: A mrz A é um mrz

Leia mais

Torção. Tensões de Cisalhamento

Torção. Tensões de Cisalhamento orção O esuo ese cpíulo será iviio em us pres: 1) orção e brrs circulres ) orção e brrs não circulres. OÇÃO E BS CICULES Sej um brr circulr com iâmero e comprimeno., solici por um momeno e orção, como

Leia mais

SOCIEDADE PORTUGUESA DE MATEMÁTICA

SOCIEDADE PORTUGUESA DE MATEMÁTICA SOCIEDADE PORTUGUESA DE MATEMÁTICA Propost de Resolução do Exme de Mtemátc A - º ANO Códgo 65 - Fse - 07 - de junho de 07 Grupo I 5 6 7 8 Versão A B D A B C D C Versão D D B C C A B A Grupo II. 0 5 5 5

Leia mais

O T E O R E M A F U N D A M E N TA L D O C Á L C U L O. Prof. Benito Frazão Pires

O T E O R E M A F U N D A M E N TA L D O C Á L C U L O. Prof. Benito Frazão Pires 4 O T E O R E M A F U N D A M E N TA L D O C Á L C U L O Prof. Benio Frzão Pires Conforme foi viso n Aul, se f : [, b] R for conínu, enão inegrl b f() eisirá e será igul à áre líqui (conbilizno o sinl)

Leia mais

Árvores Binárias de Busca Balanceadas

Árvores Binárias de Busca Balanceadas Árvores nárs de usc lnceds 8 9 4 12 8 2 6 13 7 1 3 5 7 9 11 14 15 6 O(log(n)) 4 5 O(n) 3 2 1 4/4/218 1 Número mínmo de nós num árvore che de lur h h = h = 2 4 1 2 6 h = 1 2 1 3 5 7 h = 3 8 1 3 4 12 2 6

Leia mais

FÍSICA. Questões de 01 a 06

FÍSICA. Questões de 01 a 06 GRUO TIO A FÍS. FÍSICA Quesões de. Um mss de 7kg de águ, nclmene C, deve ser converd olmene em vpor C, rvés de um uecedor elérco de ressênc elérc R e lgdo um fone de forç eleromorz de V. Consdere emperur

Leia mais

ANÁLISE VIBRATÓRIA pelo pelométodo de de RAYLEIGH

ANÁLISE VIBRATÓRIA pelo pelométodo de de RAYLEIGH 7. 7.. ANÁLISE VIBRATÓRIA pelo pelométodo e e RAYLEIGH A frequênca e um ssema e grau e lberae caracerza o seu comporameno nâmco. Um os processo mas smples para eermnar k m é o méoo e Raylegh. Poe ser aplcao

Leia mais

Conceitos básicos População É constutuida por todos os elementos que são passíveis de ser analisados de tamanho N

Conceitos básicos População É constutuida por todos os elementos que são passíveis de ser analisados de tamanho N sísc Coceos áscos opulção É cosuud por odos os elemeos que são pssíves de ser lsdos de mho mosrgem Sucojuo d populção que é eecvmee lsdo com um ddo mho mosr leór mosr ode cd elemeo d populção êm hpóeses

Leia mais

MODELAGEM DA PRODUÇÃO DE LEITE DA UNIDADE DE RECEBIMENTO E RESFRIAMENTO NA ELEGÊ ALIMENTOS S.A. EM SANTO ÂNGELO - RS

MODELAGEM DA PRODUÇÃO DE LEITE DA UNIDADE DE RECEBIMENTO E RESFRIAMENTO NA ELEGÊ ALIMENTOS S.A. EM SANTO ÂNGELO - RS MODELAGEM DA PRODUÇÃO DE LEITE DA UIDADE DE RECEBIMETO E RESFRIAMETO A ELEGÊ ALIMETOS S.A. EM SATO ÂGELO - RS Orienor: Prof MsC. Bruno Aemr Menges - DECT Co-Orienor: Prof Dr Suzn Russo - DECT Bolsis PIIC/URI:

Leia mais

Lista de Exercícios - Otimização Linear Profa. Maria do Socorro DMAp/IBILCE/UNESP. Método Simplex

Lista de Exercícios - Otimização Linear Profa. Maria do Socorro DMAp/IBILCE/UNESP. Método Simplex Lst de Eercícos - Otmzção Lner Prof. Mr do Socorro DMAp/IBILCE/UNESP Método Smple Ref.: Bzr, M. e J.J. Jvs - Lner Progrmmng nd Network Flows - John Wley, 77. ) Resolv o problem bo pelo método smple começndo

Leia mais

Kalecki: Investimento e ciclo. Profa. Maria Isabel Busato

Kalecki: Investimento e ciclo. Profa. Maria Isabel Busato Klek: nvesmeno e lo Prof. Mr sel Buso Klek: nvesmeno e lo A nálse íl é sed n nerção do po mulpldor e elerdor Onde: = sensldde do nvesmeno à S; = sensldde do nvesmeno à vrção no luro; = sensldde do nvesmeno

Leia mais

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton 9 CPÍTUL 4 DINÂMIC D PRTÍCUL: IMPULS E QUNTIDDE DE MVIMENT Nese capíulo será analsada a le de Newon na forma de negral no domíno do empo, aplcada ao momeno de parículas. Defne-se o conceo de mpulso e quandade

Leia mais

MATRIZES. Neste caso, temos uma matriz de ordem 3x4 (lê-se três por quatro ), ou seja, 3 linhas e 4

MATRIZES. Neste caso, temos uma matriz de ordem 3x4 (lê-se três por quatro ), ou seja, 3 linhas e 4 A eori ds mrizes em cd vez mis plicções em áres como Economi, Engenhris, Memáic, Físic, enre ours. Vejmos um exemplo de mriz: A bel seguir represen s nos de rês lunos do primeiro semesre de um curso: Físic

Leia mais

CCI-22 CCI-22. Ajuste de Curvas. Matemática Computacional. Regressão Linear. Ajuste de Curvas

CCI-22 CCI-22. Ajuste de Curvas. Matemática Computacional. Regressão Linear. Ajuste de Curvas CCI- CCI- eá Copuol Ause e Curvs Crlos Herque Q. Forser Nos opleeres Ause e Curvs Apl-se os seues sos: Erpolção: vlores or o ervlo elo Vlores o erros proveees e oservções Cosse e: Deerr prâeros que ee

Leia mais

Medida das características de um material dieléctrico com uma cavidade ressonante

Medida das características de um material dieléctrico com uma cavidade ressonante Mei s crcerísics e um meril ielécrico com um cvie ressonne. Inroução Nese rblho esum-se s crcerísics e um cvie ressonne em ui recnulr: frequênci e ressonânci f e fcor e qulie. Meem-se in s crcerísics ielécrics:

Leia mais

Q(s 1,I) = Q(s 1,I) (1- α ) + α (r + γ max a Q(s 4,I))= 0. Q(s 4,I) = Q(s 4,I) (1- α ) + α (r + γ max a Q(s 7,D))= 0

Q(s 1,I) = Q(s 1,I) (1- α ) + α (r + γ max a Q(s 4,I))= 0. Q(s 4,I) = Q(s 4,I) (1- α ) + α (r + γ max a Q(s 7,D))= 0 Plno de Auls: einforcemen Lerning Conceios básicos Elemenos de um sisem L Crcerísics Fundmenos Teóricos Processos de Decisão de Mrkov Propriedde de Mrkov Funções de Vlor Aprendizdo L Méodos pr solução

Leia mais

EXERCÍCIOS DE EQUAÇÕES DE DIFERENÇAS FINITAS

EXERCÍCIOS DE EQUAÇÕES DE DIFERENÇAS FINITAS MP Cálculo de Dfereçs Fs Bcreldo e Esísc IME/USP EXERCÍCIOS DE EQUÇÕES DE DIFERENÇS FINITS SOLUÇÕES E SUGESTÕES Bblogrf: [ETS] ppled Ecooerc Te Seres, Wler Eders, Cper : Dfferece Equos (dspoível e p://cgcpeuspbr/cdf/

Leia mais

11.4 ANÁLISE TRIDIMENSIONAL DE EDIFÍCIOS - MODELO DE 3 GRAUS DE LIBERDADE POR PISO

11.4 ANÁLISE TRIDIMENSIONAL DE EDIFÍCIOS - MODELO DE 3 GRAUS DE LIBERDADE POR PISO .4 ANÁLISE RIDIMENSIONAL DE EDIFÍCIOS - MODELO DE 3 RAUS DE LIBERDADE POR PISO RIIDEZ INFINIA NO PLANO 3 grus e lbere / so v u z.4. ANÁLISE ESÁICA. DESLOCAMENOS, FORÇAS E EUAÇÕES DE EUILÍBRIO u v Desloceo

Leia mais

Obtendo uma solução básica factível inicial. Método Simplex duas fases

Obtendo uma solução básica factível inicial. Método Simplex duas fases Obtendo um solução básc fctível ncl Método Smple dus fses Bse ncl FASE I Como determnr um prtção básc fctível ncl (A(B, N)). Algums clsses de problems de otmzção lner oferecem nturlmente solução básc fctível

Leia mais

Assíntotas verticais. lim f lim lim. x x x. x 2 x 2. e e e e e. lim lim

Assíntotas verticais. lim f lim lim. x x x. x 2 x 2. e e e e e. lim lim 1. 1.1. Assínos vericis 0 0 1 ) lim f lim lim 4 6 1 i 6 1 1 6 14 i) é riz dos polinómios e 4 6 1. Uilizndo regr de Ruffini pr os decompor, conclui-se que: 1 e que 4 6 1 1 6 e e e e e lim f lim 0 e e 1

Leia mais

MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIA

MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIA MARK-TO-MARKET DESCRIÇÃO DE PROCESSOS E METODOLOGIA VERSÃO JANEIRO 29 SUMÁRIO Inrodução.... Defnção de Vráves....2 Meodolog pr cúmulo de s.... Vsão do Processo e Esruur Orgnzconl... 4.. Comê de Vluon...

Leia mais

FILTRO DE SAVITSKI GOLAY PEDROSA, Leandro 1 COELHO, Clarimar José 2

FILTRO DE SAVITSKI GOLAY PEDROSA, Leandro 1 COELHO, Clarimar José 2 II Jornd de Ensno, Pesqus e Eensão d UnEVANGÉLICA Ans do IX Semnáro de PBIC Volume Anápols-Go FILTRO DE SAVITSKI GOLAY PEDROSA, Lendro COELHO, Clrmr José Plvrs chve: Polnômos, Flros Dgs, Flro de éd óvel,

Leia mais

Lista de Exercícios 4 Cinemática

Lista de Exercícios 4 Cinemática Lis de Eercícios 4 Cinemáic. Fís1 633303 04/1 G.1 E.4 p. 14 IF UFRJ 2004/1 Físic 1 IFA (prof. Mr) 1. Um objeo em elocidde ~ ± consne. No insne ± = 0, o eor posição do objeo é ~r ±. Escre equção que descree

Leia mais

RESOLUÇÃO DA PROVA DE MATEMÁTICA UNICAMP-FASE 2. 2014 RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA

RESOLUÇÃO DA PROVA DE MATEMÁTICA UNICAMP-FASE 2. 2014 RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA RESOLUÇÃO D PROV DE MTEMÁTIC UNICMP-FSE. PROF. MRI NTÔNI C. GOUVEI. é, sem úv, o lmento refero e mutos ulsts. Estm-se que o onsumo áro no Brsl sej e, mlhão e s, seno o Esto e São Pulo resonsável or % esse

Leia mais

L triangular inferior U triangular superior

L triangular inferior U triangular superior 69 Forção Ax A rgr feror rgr speror Vmos oserr o exempo roóro m Po () m po 8 Osere qe mrz () poe ser o e pré-mpco- por m mrz coeee o cso: mesm form mrz é o pré-mpco- por: 7 eror é m mrz râgr Assm sp A

Leia mais

Módulo de Matrizes e Sistemas Lineares. Operações com Matrizes

Módulo de Matrizes e Sistemas Lineares. Operações com Matrizes Módulo de Mtrzes e Sstems Lneres Operções com Mtrzes Mtrzes e Sstems Lneres Operções com Mtrzes 1 Exercícos Introdutóros Exercíco 1. Encontre o vlor de () 2 A. 1/2 A. 3 A. Exercíco 2. Determne ) A + B.

Leia mais

Garantia Straumann a r a n t i a Garantia etkon ident G etkon ident v i t a l í c i a _EU_etkon_iDent_Guarantee.indd 3 21/10/ :00

Garantia Straumann a r a n t i a Garantia etkon ident G etkon ident v i t a l í c i a _EU_etkon_iDent_Guarantee.indd 3 21/10/ :00 l r n Grn ekon Srumnn Den G ekon Den í c v Grn ekon Den* 1. BENEFICIÁRIO E ÂMBITO DA GARANTIA Es grn ( ekon Den Gurnee conforme defnd segur) emd pel Ekon GmbH, Gräfelfng, Alemnh ( Ekon ) plc-se os Produos

Leia mais

Análise da convecção forçada laminar de um fluido não newtoniano do tipo pseudoplástico via GITT

Análise da convecção forçada laminar de um fluido não newtoniano do tipo pseudoplástico via GITT Análse convecção forç lmnr e um fluo não newtonno o tpo pseuoplástco v GITT Jen Perre Veronese Smuel Alves Slv Crlo Rellen Mrtns 3 Dnelly Ver e Lucen 4 Jcques Césr os Sntos 5 Doutor IFPB Cmpus Czers. e-ml:

Leia mais

2 Teoria de membranas elásticas

2 Teoria de membranas elásticas Teor de membrns elástcs teor de membrn pr mters ltmente deformáves dfere d elstcdde clássc, á que s deformções n superfíce méd d membrn deformd são em módulo mores que undde. Dentro dests crcunstâncs utlz-se

Leia mais

Figura 1. m. Responda às seguintes questões:

Figura 1. m. Responda às seguintes questões: UIVERSIDADE DE LISBOA ISIUO SUPERIOR ÉCICO Vbrções e Ruído º Exme /5-5 de Jero de 5 (sem cosul) Problem (6 vl.) Fgur Cosdere o mecsmo de gru de lberdde reresedo fgur, que se ecor su osção cl de equlíbro

Leia mais

A Previsão com o Método de Winter 1

A Previsão com o Método de Winter 1 A Previsão com o Méodo de Winer. Inrodução O méodo de Winer é um méodo de morecimeno exponencil que lev em con os componenes de szonlidde d série de ddos observdos. O méodo se bsei principlmene no modelo

Leia mais

PROVA DE FÍSICA 2º ANO - 4ª MENSAL - 1º TRIMESTRE TIPO A

PROVA DE FÍSICA 2º ANO - 4ª MENSAL - 1º TRIMESTRE TIPO A PROVA DE FÍSICA º ANO - 4ª MENSAL - 1º TRIMESTRE TIPO A 01) Um esudne coloc pedços de esnho, que esão um emperur de 5 C, num recipiene o qul coném um ermômero e os quece sob pressão consne. Depois de váris

Leia mais

5. 5. RESPOSTA A UMA UMA ACÇÃO DINÂMICA QUALQUER

5. 5. RESPOSTA A UMA UMA ACÇÃO DINÂMICA QUALQUER 5. 5. RESPOSTA A UMA UMA ACÇÃO DINÂMICA QUALQUER Em mios csos cção inâmic não é hrmónic. Veremos qe respos poe ser obi em ermos e m inegrl, qe nos csos em qe cção é simples, poe ser clclo nliicmene e qe

Leia mais

6.2 Sabendo que as matrizes do exercício precedente representam transformações lineares 2 2

6.2 Sabendo que as matrizes do exercício precedente representam transformações lineares 2 2 Cpítulo Vlores própros e vectores própros. Encontrr os vlores e vectores própros ds seguntes mtrzes ) e) f). Sendo que s mtrzes do exercíco precedente representm trnsformções lneres R R, represente s rects

Leia mais

Determinação dos Momentos de Encastramento Perfeito. Um membro de secção constante ligando os nós i e j está representado na figura.

Determinação dos Momentos de Encastramento Perfeito. Um membro de secção constante ligando os nós i e j está representado na figura. eternção os oentos e Encstrento Perfeto U ebro e secção constnte gno os nós e está represento n fgur. A su trz e rgez reconr s forçs eercs ns etrees co os esocentos que í surge. y, sto é, = y A eor Resstênc

Leia mais

SIMETRIA MOLECULAR E TEORIA DE GRUPOS

SIMETRIA MOLECULAR E TEORIA DE GRUPOS SIMETIA MOLECULA E TEOIA DE GUPOS Prof. rle P. Mrtns Flho Operções de smetr e elementos de smetr Operção de smetr : operção que dex um corpo em confgurção espcl equvlente à orgnl Elemento de smetr: ponto,

Leia mais

CAPÍTULO 2 PLANEJAMENTO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIVO DE ENERGIA ELÉTRICA

CAPÍTULO 2 PLANEJAMENTO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIVO DE ENERGIA ELÉTRICA CAPÍTULO 2 PLANEJAMEO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIO DE ENERIA ELÉTRICA 2. IRODUÇÃO Ese capíulo apresena um resumo dos prncpas conceos relaconados ao planeameno da operação

Leia mais

Neo-fisherianos e teoria fiscal do nível de preços

Neo-fisherianos e teoria fiscal do nível de preços Anono Lcha 4/março/07 Neo-fsheranos e eora fscal do nível de preços O objevo desas noas é desacar os prncpas elemenos da abordagem neofsherana e da eora fscal do nível de preços. Desacamos 4 pequenos modelos

Leia mais

ÁLGEBRA LINEAR - 1. MATRIZES

ÁLGEBRA LINEAR - 1. MATRIZES ÁLGEBRA LINEAR - 1. MATRIZES 1. Conceios Básicos Definição: Chmmos de mriz um el de elemenos disposos em linhs e coluns. Por exemplo, o recolhermos os ddos populção, áre e disânci d cpil referenes à quros

Leia mais

No mecanismo de Lindemann-Hinshelwood admite-se que a molécula do reagente A torna-se excitada em colisão com outra molécula de A.

No mecanismo de Lindemann-Hinshelwood admite-se que a molécula do reagente A torna-se excitada em colisão com outra molécula de A. Aul: 30 Temátic: Reções Unimoleculres e Ctlisores Vmos continur noss nálise cinétic em função e um mecnismo e reção. Depois fremos um introução um novo tópico isciplin, os ctlisores. 1. Reções unimoleculres

Leia mais

Capítulo 2 Movimento Retilíneo

Capítulo 2 Movimento Retilíneo Cpíulo Moimeno Reilíneo. Deslocmeno, empo e elocidde médi Eemplo: Descreer o moimeno de um crro que nd em linh re Anes de mis nd, emos que: - Modelr o crro como um prícul - Definir um referencil: eio oriendo

Leia mais

TÉCNICAS PARA REDUÇÃO DO NÚMERO DE ITERAÇÕES NO MÉTODO DE PONTOS INTERIORES

TÉCNICAS PARA REDUÇÃO DO NÚMERO DE ITERAÇÕES NO MÉTODO DE PONTOS INTERIORES Sepember 4-8, 0 Ro e Jnero, Brl TÉCNICAS PARA REDUÇÃO DO NÚMERO DE ITERAÇÕES NO MÉTODO DE PONTOS INTERIORES Lln F. Ber Depo e Memác Aplc - IMECC - UNICAMP 3083-859 - Cmpn - SP lln@me.uncmp.br Crl T. L.

Leia mais

EXEMPLO 3 - CONTINUAÇÃO

EXEMPLO 3 - CONTINUAÇÃO AJUSTE A U POLINÔIO Se curv f for jusd um polômo de gru, eremos f * () 0 Segudo o mesmo procedmeo eror, chegremos o segue ssem ler: m L O L L 0 EXEPLO Os ddos bo correspodem o volume do álcool ídrco em

Leia mais

1. Completa as frases A, B, C e D utilizando as palavras-chave seguintes:

1. Completa as frases A, B, C e D utilizando as palavras-chave seguintes: Fich e Trblho Moieno e forçs. COECÇÃO Escol Básic e Secunári Gonçles Zrco Ciêncis Físico-Quíics, 9º no Ano lecio / 7 Noe: n.º luno: Tur: 1. Cople s frses A, B, C e D uilizno s plrs-che seguines: ecoril

Leia mais

Definição: Sejam dois números inteiros. Uma matriz real é uma tabela de números reais com m linhas e n colunas, distribuídos como abaixo:

Definição: Sejam dois números inteiros. Uma matriz real é uma tabela de números reais com m linhas e n colunas, distribuídos como abaixo: I MTRIZES Elemeos de Álgebr Lier - MTRIZES Prof Emíli / Edmé Defiição: Sem dois úmeros ieiros Um mriz rel é um bel de úmeros reis com m lihs e colus, disribuídos como bixo: ( ) i m m m m Cd elemeo d mriz

Leia mais

MATRIZES. pela matriz N = :

MATRIZES. pela matriz N = : MATQUEST MATRIZES PROF.: JOSÉ LUÍS MATRIZES - (CEFET-SP) Se A, B e C são mtres do tpo, e, respectvmente, então o produto A. B. C: ) é mtr do tpo ; é mtr do tpo ; é mtr do tpo ; é mtr do tpo ; não é defndo.

Leia mais

6 Modelo Econométrico e Resultados Principais

6 Modelo Econométrico e Resultados Principais 6 Modelo Eonométro e Resultdos rnps O modelo lner estmdo pr méd ondonl e qunts é desrto n expressão xo. ~ log( p t ) = 0 + β1epsodet + β β Merhnt Epsode + + ε t t onde é um ttulo e t um semn. log( p ~

Leia mais

Matriz-coluna dos segundos membros das restrições técnicas. Matriz-linha dos coeficientes das variáveis de decisão, em f(x) = [ c c ] [ 6 8] e C a

Matriz-coluna dos segundos membros das restrições técnicas. Matriz-linha dos coeficientes das variáveis de decisão, em f(x) = [ c c ] [ 6 8] e C a Versão Mtrcl do Splex VI Versão Mtrcl do Splex Introdução onsdere-se o segunte odelo de PL: Mx () 6x + 8x 2 sujeto : 3x + 2x 2 3 5x + x 2 x, x 2 Mtrzes ssocds o odelo: Mtrz Tecnológc 3 5 2 Mtrz-colun ds

Leia mais

8 GABARITO 1 1 O DIA PASES 1 a ETAPA TRIÊNIO FÍSICA QUESTÕES DE 11 A 20

8 GABARITO 1 1 O DIA PASES 1 a ETAPA TRIÊNIO FÍSICA QUESTÕES DE 11 A 20 8 GABARITO 1 1 O DIA PASES 1 ETAPA TRIÊNIO 24-26 FÍSICA QUESTÕES DE 11 A 2 11. As experiêncis de Glileu esbelecerm s crcerísics fundmenis do moimeno de um corpo solo ericlmene n usênci de rio com o r.

Leia mais

ESTIMAÇÃO DE RESERVAS DE PETRÓLEO E GÁS ATRAVÉS DE MÉTODOS NUMÉRICOS BASEADOS NA CURVA DE DECLÍNIO

ESTIMAÇÃO DE RESERVAS DE PETRÓLEO E GÁS ATRAVÉS DE MÉTODOS NUMÉRICOS BASEADOS NA CURVA DE DECLÍNIO ESTIMAÇÃO DE RESERVAS DE PETRÓLEO E GÁS ATRAVÉS DE MÉTODOS NUMÉRICOS BASEADOS NA CURVA DE DECLÍNIO Sergo Wm Bssl Perobrs / Absecmeno / Plnejmeno Operconl sergobssl@perobrs.com.br Slvo Hmcher PUC-Ro Deprmeno

Leia mais

Angela Nieckele PUC-Rio. Descrição Matemática dos Fenômenos Físicos

Angela Nieckele PUC-Rio. Descrição Matemática dos Fenômenos Físicos ngela Neckele PUC-Ro Descrção Maemáca os Fenômenos Físcos 1 ngela Neckele PUC-Ro Fluo Fluo convecvo Fluo fusvo Balanço 2 ngela Neckele PUC-Ro Generalzano: olume: Fluo: Js ρ us s Fluo líquo: J ss J s J

Leia mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Parca Mara Borolon. Sc. Modelos de ados em Panel Fone: GUJARATI;. N. Economera Básca: 4ª Edção. Ro de Janero. Elsever- Campus 006 efnções Geras Nos dados em panel a mesma undade de core

Leia mais

MODELOS DE EQUILÍBRIO DE FLUXO EM REDES. Prof. Sérgio Mayerle Depto. Eng. Produção e Sistemas UFSC/CTC

MODELOS DE EQUILÍBRIO DE FLUXO EM REDES. Prof. Sérgio Mayerle Depto. Eng. Produção e Sistemas UFSC/CTC MODELOS DE EQUILÍBRIO DE FLUXO EM REDES Pro. Sérgio Myerle Depo. Eng. Produção e Sisems UFSC/CTC Deinição Bási A rede é deinid por um gro ( N A onde: { } N...n G é um onjuno de nós { m} A... é um onjuno

Leia mais

6 Cálculo Integral (Soluções)

6 Cálculo Integral (Soluções) 6 Cálculo Inegrl (Soluções). () Sej d {,..., n } um decomposição de [, ]. Podemos ssumir que d (cso conrário, om-se d d {}, e em-se S d ( f ) S d ( f ), s d ( f ) s d ( f )). Sej k, pr lgum k {,..., n

Leia mais

MÉTODOS MATEMÁTICOS 2 a Aula. Claudia Mazza Dias Sandra Mara C. Malta

MÉTODOS MATEMÁTICOS 2 a Aula. Claudia Mazza Dias Sandra Mara C. Malta MÉTODOS MATEMÁTICOS Aul Clui Mzz Dis Snr Mr C. Mlt Introução o Conceito e Derivs Noção: Velocie Méi Um utomóvel é irigio trvés e um estr cie A pr cie B. A istânci s percorri pelo crro epene o tempo gsto

Leia mais

Inserção de Variáveis Ambientais no Planejamento da Operação de Sistemas Hidrotérmicos

Inserção de Variáveis Ambientais no Planejamento da Operação de Sistemas Hidrotérmicos Inserção de Varáves Ambenas no Planejameno da Operação de Ssemas Hdroérmcos VALLE, Ana Cláuda Marques, Escola de Engenhara Elérca e de Compuação, UFG, douoranda em Cencas Ambenas, PRPPG, UFG AGUIAR, Mara

Leia mais

Introdução à Computação Gráfica

Introdução à Computação Gráfica Inrodução à Compuação Gráfca Desenho de Consrução Naval Manuel Venura Insuo Superor Técnco Secção Auónoma de Engenhara Naval Sumáro Represenação maemáca de curvas Curvas polnomas e curvas paramércas Curvas

Leia mais

2-Introdução à Programação Dinâmica

2-Introdução à Programação Dinâmica IA 718 Tópicos em Sisemas Ineligenes 2-Inroução à Programação inâmica ProfFernanoGomie Coneúo 1. Inroução 2. Problema o caminho mínimo 3. Solução com programação inâmica 4. Análise e complexiae 5. Programação

Leia mais

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z) Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2

Leia mais

Soluções E-Procurement

Soluções E-Procurement Soluçõs -Procurm Móulos Vgs Aprsção Dspss Tomé A. Gl Jro/2003 Sumáro: Soluçõs - Procurm 2 Soluçõs - Procurm m xrp 3 Prcps Vgs 4 Solução 5 Móulo vgs 7 Móulo Rlóros Aprsção spss 8 Cls 9 Cocos Ús 10 www.scrgl.com

Leia mais

1 Distribuições Contínuas de Probabilidade

1 Distribuições Contínuas de Probabilidade Distribuições Contínus de Probbilidde São distribuições de vriáveis letóris contínus. Um vriável letóri contínu tom um numero infinito não numerável de vlores (intervlos de números reis), os quis podem

Leia mais

Sequências Teoria e exercícios

Sequências Teoria e exercícios Sequêcs Teor e exercícos Notção forml Defmos um dd sequêc de úmeros complexos por { } ( ) Normlmete temos teresse em descobrr um fórmul fechd que sej cpz de expressr o -ésmo termo d sequêc como fução de

Leia mais

TÓPICOS. Exercícios. Os vectores que constituem as colunas da matriz, 1 = [ 2 0 1] T

TÓPICOS. Exercícios. Os vectores que constituem as colunas da matriz, 1 = [ 2 0 1] T Note em: letur destes pontmentos não dspens de modo lgum letur tent d logrf prncpl d cder Chm-se tenção pr mportânc do trlho pessol relzr pelo luno resolendo os prolems presentdos n logrf, sem consult

Leia mais

Proposta de resolução do Exame Nacional de Matemática A 2016 (1 ạ fase) GRUPO I (Versão 1)

Proposta de resolução do Exame Nacional de Matemática A 2016 (1 ạ fase) GRUPO I (Versão 1) Propost de resolução do Eme Nconl de Mtemátc A 06 ( ạ fse) GRUPO I (Versão ). Sbemos que P(A) =, P(B) = e P(A B) = 5 0 6 Assm, P(A B) P(A B) = = 6 P(B) 6 P(A B) = 6 0 P(A B) = 6 0 P(A B) = 0 Tem-se que

Leia mais

Previsão da precipitação pluviométrica na cidade de Natal-RN, com modelos de séries temporais

Previsão da precipitação pluviométrica na cidade de Natal-RN, com modelos de séries temporais INTRODUCÃO Prevsão d precpção pluvomérc n cdde de Nl-RN, com modelos de séres empors Nje Cléco Nunes d Slv Thelm Sáfd Joel Jorge Nuvung 3 Wederson Lendro Ferrer 4 Oses Mchdo Gomes 5 André Brbos Venur d

Leia mais

Universidade Federal de Pelotas UFPEL Departamento de Economia - DECON. Economia Ecológica. Professor Rodrigo Nobre Fernandez

Universidade Federal de Pelotas UFPEL Departamento de Economia - DECON. Economia Ecológica. Professor Rodrigo Nobre Fernandez Universidade Federal de Peloas UFPEL Deparameno de Economia - DECON Economia Ecológica Professor Rodrigo Nobre Fernandez Capíulo 6 Conabilidade Ambienal Nacional Peloas, 2010 6.1 Inrodução O lado moneário

Leia mais

Dinâmica Estocástica. Instituto de Física, outubro de 2016

Dinâmica Estocástica. Instituto de Física, outubro de 2016 Dnâmca Esocásca Insuo de Físca ouubro de 206 Dnâmcas esocáscas com mudança de um sío Dnâmca de Meropols e dnâmca de Glauber para o modelo de Isng 2 Dnâmcas esocáscas para o modelo de Isng Ssema defndo

Leia mais

Aula 1b Problemas de Valores Característicos I

Aula 1b Problemas de Valores Característicos I Unversdde Federl do ABC Aul b Problems de Vlores Crcterístcos I EN4 Dnâmc de Fludos Computconl EN4 Dnâmc de Fludos Computconl . U CASO CO DOIS GRAUS DE LIBERDADE EN4 Dnâmc de Fludos Computconl Vbrção em

Leia mais

Eixos e árvores Projeto para eixos: restrições geométricas. Aula 4. Elementos de máquinas 2 Eixos e árvores

Eixos e árvores Projeto para eixos: restrições geométricas. Aula 4. Elementos de máquinas 2 Eixos e árvores Exos e árvores Projeto pr exos: restrções geométrcs Aul 4 Elementos de máquns Exos e árvores 1 Exos e árvores Projeto pr exos: restrções geométrcs o Deflexões e nclnções: geometr de um exo corresponde

Leia mais

ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO

ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PM 300 MÂNI I Segund Po 5 de mo de 05 ução d Po: 0 mnuos (não é pemdo uso de clculdos) ª Quesão (0 ponos) No ssem mosdo n fgu o dsco de ceno fxo em o R e eo de oção consne. dsco ol sem escoeg em elção

Leia mais

3 PROGRAMAÇÃO DOS MICROCONTROLADORES

3 PROGRAMAÇÃO DOS MICROCONTROLADORES 3 PROGRAMAÇÃO DOS MICROCONTROLADORES Os microconroladores selecionados para o presene rabalho foram os PICs 16F628-A da Microchip. Eses microconroladores êm as vanagens de serem facilmene enconrados no

Leia mais

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU 1 PUCPR- Ponfíca Unversdade Caólca Do Paraná PPGIA- Programa de Pós-Graduação Em Informáca Aplcada PROF. DR. JACQUES FACON IMIARIZAÇÃO POR ENTROPIA DE WUU Resumo: Uma nova écnca de marzação baseada em

Leia mais

ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO Departamento de Engenharia Mecânica

ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO Departamento de Engenharia Mecânica SCOLA POLITÉCNICA DA UNIVSIDAD D SÃO PAULO Deprmeno de ngenhri Mecânic PM-50MCÂNICA DOS SÓLIDOS II Profs.: Celso P. Pesce e. mos Jr. Prov /0/0 Durção: 00 minuos Quesão (5,0 ponos): A figur io ilusr um

Leia mais

Fernando Nogueira Dualidade 1

Fernando Nogueira Dualidade 1 Dldde Fernndo Noger Dldde Fernndo Noger Dldde 8 6.5 M ( ) ( ) ( ).5.5.5.5.5.5.5.5.5 é m lmtnte speror é m lmtnte speror melhor Pr encontrr o lmtnte speror mltplc-se s restrções por constntes postvs e som-se

Leia mais

3 Modelos de Markov Ocultos

3 Modelos de Markov Ocultos 23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável

Leia mais

Subespaços invariantes, autovalores e autovetores

Subespaços invariantes, autovalores e autovetores UFF Áebr ner II - st 2 1 Subespços nvrntes, utovores e utovetores 1 Sej trnsformção ner efn por! #$ &% )*,-!10 ostre ue ' é um subespço nvrnte e 2 Sej 2 3 45 trnsformção ner efn por ostre ue ' 3 Sejm N!OFR

Leia mais

O Fluxo de Caixa Livre para a Empresa e o Fluxo de Caixa Livre para os Sócios

O Fluxo de Caixa Livre para a Empresa e o Fluxo de Caixa Livre para os Sócios O Fluxo de Caixa Livre para a Empresa e o Fluxo de Caixa Livre para os Sócios! Principais diferenças! Como uilizar! Vanagens e desvanagens Francisco Cavalcane (francisco@fcavalcane.com.br) Sócio-Direor

Leia mais

ÁLGEBRA LINEAR Equações Lineares na Álgebra Linear EQUAÇÃO LINEAR SISTEMA LINEAR GEOMETRIA DA ESQUAÇÕES LINEARES RESOLUÇÃO DOS SISTEMAS

ÁLGEBRA LINEAR Equações Lineares na Álgebra Linear EQUAÇÃO LINEAR SISTEMA LINEAR GEOMETRIA DA ESQUAÇÕES LINEARES RESOLUÇÃO DOS SISTEMAS EQUAÇÃO LINEAR SISTEMA LINEAR GEOMETRIA DA ESQUAÇÕES LINEARES RESOLUÇÃO DOS SISTEMAS Equção Liner * Sej,,,...,, (números reis) e n (n ) 2 3 n x, x, x,..., x (números reis) 2 3 n Chm-se equção Liner sobre

Leia mais

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4.

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4. CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013 Esabelece os procedmenos para o cálculo da parcela dos avos ponderados pelo rsco (RWA) referene às exposções sueas à varação de axas de uros prefxadas denomnadas

Leia mais

Matrizes Resolução de sistemas de equações lineares por eliminação Gauss e Gauss-Jordan

Matrizes Resolução de sistemas de equações lineares por eliminação Gauss e Gauss-Jordan No epliciv grdeço os professores João lves José Lís Fchd mrino Lere Roger Picken e Pedro Snos qe me fclrm mvelmene eercícios d s ori e recolhs de emes d cdeir. revemene (ind ese no) serão crescends solções

Leia mais

EEL-001 CIRCUITOS ELÉTRICOS ENGENHARIA DA COMPUTAÇÃO

EEL-001 CIRCUITOS ELÉTRICOS ENGENHARIA DA COMPUTAÇÃO L IRUITOS LÉTRIOS 8 UNIFI,VFS, Re. BDB PRT L IRUITOS LÉTRIOS NGNHRI D OMPUTÇÃO PÍTULO 5 PITORS INDUTORS: omporameno com Snas onínuos e com Snas lernaos 5. INTRODUÇÃO Ressor elemeno que sspa poênca. 5.

Leia mais

2 Programação Matemática Princípios Básicos

2 Programação Matemática Princípios Básicos Programação Maemáca Prncípos Báscos. Consderações Geras Os objevos dese capíulo são apresenar os conceos de Programação Maemáca (PM) necessáros à compreensão do processo de omzação de dmensões e descrever

Leia mais

4 Estudo de Casos Uma Aplicação Trivial

4 Estudo de Casos Uma Aplicação Trivial Esuo e Csos 58 4 Esuo e Csos Ese cpíulo esá orgnizo e form eplnr como se eu o progresso no uso, nese rblho, o lgorimo genéico empregno um ferrmen lingugem Mlb. Es plicção esá esreimene lig à eolução pção

Leia mais

UNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA

UNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA UNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA Progrm de Mesrdo emmercdos Fnnceros Economer Mo 08 Armndo Mnuel Progrm DO DIA RECAPITULAÇÃO Enqudrmeno Conceul O Modelo Clássco de Anlse de Regressão Smples

Leia mais

Valoração de Grafos. Fluxo em Grafos. Notas. Teoria dos Grafos - BCC 204, Fluxo em Grafos. Notas. Exemplos. Fluxo em Grafos. Notas.

Valoração de Grafos. Fluxo em Grafos. Notas. Teoria dos Grafos - BCC 204, Fluxo em Grafos. Notas. Exemplos. Fluxo em Grafos. Notas. Teori o Grfo - BCC 204 Fluxo em Grfo Hrolo Gmini Sno Univerie Feerl e Ouro Preo - UFOP 19 e ril e 2011 1 / 19 Vlorção e Grfo Exemplo vlore eáio: iâni roovi que lig ie e ie é e 70 kilômero vlore inâmio:

Leia mais

Física A Semi-Extensivo V. 2

Física A Semi-Extensivo V. 2 Físic A Semi-Exensio V. Exercícios ) C q = 6 ) A q = 3) A + q = 3 s b) Eixo x (MRU) x = x + D = q D =. 3 + + D = 4 3 m c) Eixo y (MRUV) No eixo y x = x y +. y h =.,8 =. =,4 s No eixo x x = x + D = D =

Leia mais

# D - D - D - - -

# D - D - D - - - 1 [ \ 2 3 4 5 Tl Como um Fcho 6 7 8 # Willim W Phlps (Ltr) nónimo / Erik Sti (Músic) rrnj por J shly Hll, 2007 9 10 11 12 [ \ [ \ # (Sopr) # (lto) # # Q Q [ \ # # # # # # # # # # # # 13 14 15 16# 17 18

Leia mais

Prof. Ms. Aldo Vieira Aluno:

Prof. Ms. Aldo Vieira Aluno: Prof. Ms. Aldo Vieir Aluno: Fich 1 Chmmos de mtriz, tod tbel numéric com m linhs e n coluns. Neste cso, dizemos que mtriz é do tipo m x n (onde lemos m por n ) ou que su ordem é m x n. Devemos representr

Leia mais

A INFLUÊNCIA DA REDUNDÂNCIA DA OBSERVAÇÃO SOBRE A PRECISÃO DOS PARÂMETROS

A INFLUÊNCIA DA REDUNDÂNCIA DA OBSERVAÇÃO SOBRE A PRECISÃO DOS PARÂMETROS A INFLUÊNCIA DA REDUNDÂNCIA DA OBSERVAÇÃO SOBRE A PRECISÃO DOS PARÂMETROS Observon redundncy nfluence over prmeer precson REGINALDO DE OLIVEIRA QUINTINO DALMOLIN Unversdde Federl do Prná - CT Curso de

Leia mais

Busca. Busca. Exemplo. Exemplo. Busca Linear (ou Seqüencial) Busca em Vetores

Busca. Busca. Exemplo. Exemplo. Busca Linear (ou Seqüencial) Busca em Vetores Busc e etores Prof. Dr. José Augusto Brnusks DFM-FFCP-USP Est ul ntroduz busc e vetores que está entre s trefs s freqüenteente encontrds e progrção de coputdores Serão borddos dos tpos de busc: lner (ou

Leia mais

5 Sistemas Lineares com Coecientes Periódicos

5 Sistemas Lineares com Coecientes Periódicos 5 Ssemas Lneares com Coecenes Peródcos Ese capíulo raa de forma suscna do esudo da esabldade de soluções peródcas de ssemas dnâmcos não-lneares. Segundo Rand [83], a eora de Floque é a eora mas geral que

Leia mais

Complexidade de Algoritmos

Complexidade de Algoritmos Complexdde de Algortmos Prof. Dego Buchger dego.uchger@outlook.com dego.uchger@udesc.r Prof. Crsto Dm Vscocellos crsto.vscocellos@udesc.r Aálse de Complexdde de Tempo de Algortmos Recursvos Algortmos Recursvos

Leia mais

PROVA MATRIZ DE MATEMÁTICA EFOMM-2009

PROVA MATRIZ DE MATEMÁTICA EFOMM-2009 PROVA MATRIZ DE MATEMÁTICA EFOMM-009 ª Questão: Qul é o número inteiro ujo prouto por 9 é um número nturl omposto pens pelo lgrismo? (A) 459 4569 (C) 45679 (D) 45789 (E) 456789 ª Questão: O logotipo e

Leia mais

AUTOVALORES E AUTOVETORES

AUTOVALORES E AUTOVETORES UTOLOES E UTOETOES Defnção Sej T : um operdor lner Um vetor v, v, é dto utovetor, vetor própro ou vetor crcterístco do operdor T, se exstr λ tl que T v) = λ v O esclr λ é denomndo utovlor, vlor própro

Leia mais

1a Verificação Refino dos Aços I EEIMVR-UFF, Setembro de 2011 Prova A

1a Verificação Refino dos Aços I EEIMVR-UFF, Setembro de 2011 Prova A 1 Verfcção Refno dos s I EEIMVR-UFF, Setembro de 11 Prov A 1. Clcule o vlor de γ no ferro, 168 o C, com os ddos fornecdos n prov. Vmos em ul que o S G e o γ estão relcondos trvés de, 5585γ G R ln M Logo,

Leia mais

. Para cada conexão i é atribuído um peso φ

. Para cada conexão i é atribuído um peso φ Escalonador WF 2 Q O escalonador WF 2 Q [3] é uma aproxmação baseada em pacoes do GP, que em por obevo emular ese escalonador fluído o mas próxmo possível De acordo com Groux e Gan [1], o escalonador WF

Leia mais

3. Equações diferenciais parciais 32

3. Equações diferenciais parciais 32 . Eqções diferenciis prciis.. Definição de eqção diferencil prcil Definição: Chm-se eqção diferencil prcil m eqção qe coném m o mis fnções desconhecids de ds o mis vriáveis e s ss derivds prciis em relção

Leia mais

Simulado 7: matrizes, determ. e sistemas lineares

Simulado 7: matrizes, determ. e sistemas lineares Simulo 7 Mtrizes, eterminntes e sistems lineres. b... e 6. 7. 8.. 0. b.. e. Simulo 8 Cirunferêni / Projeções / Áres. b 6. e 7. 8.. 0. Simulo Análise ombintóri / Probbilie / Esttísti. e.. e.. b... e.....

Leia mais