Processos Estocásticos

Documentos relacionados
Avaliação e Desempenho Aula 18

Processos Estocásticos aplicados à Sistemas Computacionais

Gabarito - Lista de Exercícios 1

Processos Estocásticos e Cadeias de Markov Discretas

IND 1115 Inferência Estatística Aula 6

Noções de Processos Estocásticos e Cadeias de Markov

observado, ainda que o tempo médio de serviço é igual a meio minuto. Determine:

4ª LISTA DE EXERCÍCIOS - LOB1012. Variáveis Aleatórias Contínuas, Aproximações e TLC

Conceitos Básicos, Básicos,Básicos de Probabilidade

Processos Estocásticos

Teoria de Filas Aula 10

Fernando Nogueira Simulação 1

UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO REDES DE COMUNICAÇÕES

Distribuições de Probabilidade Contínuas 1/19

Modelos discretos e contínuos

1 Dimensionamento de Frota

PRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades

MAE GABARITO DA LISTA 2-04/10/2016

PROCESSOS ESTOCÁSTICOS

FAP151 - Fundamentos de Mecânica. 5ª Lista de exercícios. Abril de 2009

UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL APOSTILA DE CÁLCULO. Realização:

Pesquisa Operacional II

Eduardo Camponogara. DAS-9003: Introdução a Algoritmos

Resolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.

Introdução Generalização

S I M U L A Ç Ã O 84

Na forma reduzida, temos: (r) y = 3x + 1 (s) y = ax + b. a) a = 3, b, b R. b) a = 3 e b = 1. c) a = 3 e b 1. d) a 3

Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção. Teoria da Filas. Prof. Fabrício Maciel Gomes

AV1 - MA UMA SOLUÇÃO. d b =. 3q 2 = 2p 2,

Modelagem Analítica. Profa. Jussara M. Almeida 1 o Semestre de 2011

Simulação de Sistemas. Adaptado de material de Júlio Pereira Machado (AULA 17)

Ema Isabel Modesto Marques. Modelos de localização com filas de espera em rede. Orientador Prof. Doutor Francisco José Ferreira Silva.

FILAS DE ESPERA EM SERVIÇOS Por Paulo Sergio Medeiros Carneiro Maio 1999.

Exercício 7: Resolução: 2º Semestre 2002/2003 Exercícios resolvidos

FICHA DE TRABALHO N. O 9

XXXVII OLIMPÍADA PAULISTA DE MATEMÁTICA Prova da Primeira Fase 9 de agosto de 2014 Nível (6º e 7º anos do Ensino Fundamental)

ESTIMAÇÃO POR INTERVALO DE CONFIANÇA. Profª Sheila Oro 1

Teoria de Jogos Evolucionária

Variáveis aleatórias discretas

Aula 10 Produto interno, vetorial e misto -

com 3 Incógnitas A interseção do plano paralelo ao plano yz, passando por P, com o eixo x determina a coordenada x.

Complemento a Um e Complemento a Dois

Análise de Dados e Simulação

Soluções de Questões de Matemática do Colégio Militar do Rio de Janeiro CMRJ

Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA ESTATÍSTICA V

Um plano fica definido por duas retas paralelas ou concorrentes.

Um conceito importante em Probabilidades e Estatística é o de

ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof.

Gabarito - Lista de Exercícios 2

Progressões aritméticas

Resolução - Lista 3 Cálculo I

Interpolação polinomial: Diferenças divididas de Newton

Fernando de Pol Mayer

ESTATÍSTICA. x(s) W Domínio. Contradomínio

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.

Equipe de Matemática

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA

Universidade Federal de Pelotas Disciplina de Microeconomia 1 Professor Rodrigo Nobre Fernandez Lista 3 - Soluções. x 2 5 = 40 x.

PROF. LUIZ CARLOS MOREIRA SANTOS. Questão 01)

Resolução do Simulado Camiseta Preta

PROBLEMA 1 O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória R com função de probabilidade dada abaixo :

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

3 Operação das Térmicas e Sistemas Hidrotérmicos

Metodologia de simulação

Intervalos de conança

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Capítulo Equações da reta no espaço. Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que

Probabilidade 2 - ME310 - Lista 2

Cadeias de Markov. 1. Introdução. Modelagem e Simulação - Cadeias de Markov

COLÉGIO INTEGRADO JAÓ

Aproximações Lineares e Diferenciais. Aproximações Lineares e Diferenciais. 1.Aproximações Lineares 2.Exemplos 3.Diferenciais 4.

Respostas. Resposta 1: Considerando que o objetivo é calcular a proporção de hipertensos, recorremos à fórmula abaixo:

RACIOCÍNIO LÓGICO

Aula 2 A distribuição normal

Eng. de Produção. Introdução à Teoria das Filas. Prof. Ricardo Villarroel Dávalos Fpolis, Abril de 2010

Matemática - UNESP fase

Notas sobre os anéis Z m

COMO FUNCIONA A SIMULAÇÃO. Aula 1. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

CÁLCULO I. 1 Concavidade. Objetivos da Aula. Aula n o 19: Concavidade. Teste da Segunda Derivada. Denir concavidade de uma função;

Lista 4 MUV. Física Aplicada a Agronomia

Probabilidade e Modelos Probabilísticos

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)

Avaliação de Desempenho de Sistemas

Probabilidade Aula 02

Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL.

Teste Chi-Quadrado de Independência. Prof. David Prata Novembro de 2016

Distribuições Importantes. Distribuições Discretas

QUESTÕES DE CONCURSOS PÚBLICOS ENVOLVENDO PROBABILIDADE

Resumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf

Transcrição:

Processos Estocásticos Quinta Lista de Exercícios 2 de fevereiro de 20 Suponha que um organismo unicelular pode estar somente em dois estágios distintos A ou B Um indivíduo no estágio A passa para o estágio B com uma taxa exponencial α Um indivíduo no estágio B se divide em dois novos indivíduos de tipo A com uma taxa exponencial β Defina uma CTMC apropriada para a população desses organismos e determine os parâmetros para esse modelo (tempo gasto em cada estado e probabilidades de transição) Seja N A (t) o número de organismos no estágio A no instante t e, de forma análoga, seja N B (t) o número de organismos no estágio B Assim, podemos tomar os pares ordenados N A (t), N B (t) para representar os estados da CTMC Isto é, o PE { N A (t), N B (t), t 0} é uma CTMC com parâmetros v n,m = αn + βm αn P n,m ; n,m+ = αn + βm βn P n,m ; n+2,m = αn + βm 2 Considere duas máquinas que são reparadas por um único técnico A máquina i funciona por um tempo exponencial com taxa i antes de quebrar (com i =, 2) Os tempos de reparo (para quaisquer das duas máquinas) são exponenciais com taxa É possível analisar esse sistema como um PNM? Se sim, quais são os parâmetros? Se não, seria possível analisá-lo? Este não é um PNM porque somente a informação de quantas máquinas estão funcionando em um dado instante não é suficiente para se analisar o sistema Para tal é necessário saber também quais máquinas estão funcionando em cada instante Assim, podemos construir uma CTMC com os seguintes estados: 0: ambas as máquinas estão funcionando : máquina funcionando, 2 com defeito 2: máquina 2 funcionando, com defeito 3: ambas máquinas com defeito, máquina sendo consertada : ambas máquinas com defeito, máquina 2 sendo consertada Essa CTMC pode ser representada pelo seguinte diagrama: 3 0 2 2 2

A CTMC acima possui os parâmetros tempo gasto em cada estado e probabilidades de transição v 0 = + 2 v = + v 2 = 2 + v 3 = v = P 0 = 2 + 2 P 02 = + 2 P 3 = P 2 = P 0 = + P = + P 20 = 2 + P 23 = 2 2 + 3 Considere um PNM com taxas de chegadas i = (i + ) e taxas de saída i = i, i 0 a Determine o tempo esperado para se sair do estado 0 e chegar no estado b Determine o tempo esperado para se sair do estado 2 e chegar no estado 5 Começando com E[T 0 ] = = 0, usamos a identidade E[T i] = + i E[T i ] para computar E[T i ] para i i i =, 2, 3, Assim E[T ] = + E[T 0 ] = 2 + 2 = 2 E[T 2 ] = 2 + 2 2 E[T ] = 3 + 2 3 E[T 3 ] = 3 + 3 3 E[T 2 ] = + 3 2 3 ( ) ( ) = ( 3 ( ) 2 = ( ) 2 ) 3 e, generalizando, vemos que e portanto, E[T i ] = (i + ) E[T ] = 5 ( ) i ( ) a Como T i é o tempo que o processo leva para transitar do estado i para o estado i +, o tempo esperado é E[T 0 ] + E[T ] + E[T 2 ] + E[T 3 ] b Mesma explicação do item anterior: E[T 2 ] + E[T 3 ] + E[T ] Assume-se que cada indivíduo de uma população procria com uma taxa exponencial e morre com uma taxa exponencial Além disso, há uma taxa exponencial θ de crescimento da população devido à imigração No entanto, a imigração não é permitida se o tamanho da população é maior ou igual a N Modele essa situação como um PNM Tomando cada estado X(t) como o tamanho da população no instante t, temos um PNM com n = n + θ, n = n, n = n n < N n N 2

5 Uma pequena barbearia, operada por um único barbeiro, pode acomodar no máximo dois clientes ao mesmo tempo Clientes em potencial chegam com uma taxa de Poisson de 3 por hora e os tempos de serviço são VAs exponenciais independentes com média de / hora a Qual é o número médio de clientes na barbearia? b Qual é a proporção de clientes em potencial que entram na loja? Tomando o número de clientes na barbearia como o estado, temos um PNM com Graficamente temos 0 = = 3, = 2 = 0 0 2 2 e calculando as equações de fluxo para os estados 0 e 2, vem 0 π 0 = π π = 3 π 0 2 π 2 = π π 2 = 3 π = ( ) 2 3 π 0 Como π 0 + π + π 2 =, podemos resolver o sistema de equações para π 0 π 0 + 3 π 0 + a O número médio de clientes na barbearia é π + 2π 2 = ( ) 2 3 π 0 = π 0 = 6 37 [ 3 + 2 ( 3 ) 2 ] π 0 = 30 37 b A proporção de clientes em potencial que entram na loja é ( π 2 ) = π 2 = 9 6 6 37 = 28 37 6 Um centro de atendimento é composto por dois servidores, cada um trabalhando com uma taxa exponencial de dois serviços por hora Clientes chegam com uma taxa de Poisson de três por hora Assuma que a capacidade do centro é de no máximo três clientes a Que fração dos clientes em potencial entram no sistema? b Qual seria o valor do item anterior se houvesse somente um servidor no sistema com uma taxa duas vezes mais rápida, isto é, =? Tomando o número de clientes no centro como o estado, temos um PNM com 0 = = 2 = 3, = 2, 2 = 3 = 3

Assim, as equações de fluxo se reduzem a π = 3 2 π 0 e portanto π 0 = π 2 = 3 π = 9 8 π 0 π 3 = 3 π 2 = 27 32 π 0 [ + 3 2 + 9 8 + 27 ] = 32 32 3 a A fração de clientes em potencial que entram no sistema é ( π 3 ) = π 3 = 27 32 32 3 = 6 3 8% b Com um único servidor trabalhando duas vezes mais rápido temos um PNM com Agora, as equações de fluxo se reduzem a 0 = = 2 = 3, = 2 = 3 = π = 3 π 0 π 2 = 3 ( ) 2 3 π = π 0 π 3 = 3 ( ) 3 3 π 2 = π 0 e portanto π 0 = [ + 3 + ( 3 ) 2 + E finalmente, a nova fração de clientes que entram no sistema é ( ) 3 ] 3 = 6 75 π 3 = 27 6 6 75 = 8 75 86% 7 Considere um ponto de taxi onde taxis e clientes chegam de acordo com processos de Poisson com respectivas taxas de um e dois por minuto Um taxi fica sempre em espera, independente do número de taxis já parados no ponto Entretanto, um cliente que chega e não encontra um taxi disponível vai embora, isto é, não existe uma fila de espera de clientes a Calcule o número médio de taxis esperando b A proporção de clientes que chegam e conseguem um taxi Sejam os estados denotados pelo número de taxis esperando Assim, temos um PNM com n = e n = 2 Note que essa CTMC corresponde a um modelo de fila M/M/, cujas métricas já são conhecidas a A média de taxis esperando é o tamanho médio da fila = b A proporção de clientes que chegam e conseguem um taxi é a proporção de clientes que chegam e encontram ao menos um taxi esperando A taxa de chegada desses clientes é 2( π 0 ) A proporção dessas chegadas

é portanto 2( π 0 ) 2 ( = π 0 = ) = = 2 8 Para uma fila M/M/, calcule a o número esperado de chegadas durante um período de serviço; e b a probabilidade de que nenhum cliente chegue durante um período de serviço a Seja S uma VA indicando o tempo de serviço Como a taxa de serviço é exponencial, sabemos que E[S] = / O número esperado de chegadas buscado corresponde então a E[S] = E[S] = / (O segundo passo das equações é justificado pelo fato de ser uma constante com relação ao tempo de serviço, pois chegadas e saídas são eventos independentes) b Novamente tomamos S como uma VA indicando o tempo de serviço Buscamos a probabilidade condicional de haver 0 chegadas dado que o período de serviço é S Mas essa probabilidade é exatamente igual à probabilidade o servidor terminar antes de uma nova chegada (caso contrário o sistema muda de estado e o tempo S é resetado tente entender o motivo) Assim, a probabilidade pedida é + 9 As máquinas de uma fábrica quebram com uma taxa exponencial de 6 por hora A fábrica emprega apenas um técnico que conserta as máquinas com uma taxa exponencial de 8 por hora O custo causado pela produção perdida quando há máquinas com defeito é de $0 por hora por máquina Qual é o custo médio causado por máquinas defeituosas? Este problema pode ser modelado por uma fila M/M/ com = 6 e = 8 O custo médio é dado por $0 por hora por máquina número médio de máquinas quebradas Mas o número médio de máquinas quebradas é exatamente L, o tamanho da fila, cujo valor já foi calculado: Portanto, o custo médio é de $30 por hora L = = 6 2 = 3 0 Considere um sistema M/M/ onde clientes chegam com taxa e são servidos com taxa No entanto, assuma que em qualquer momento que o servidor estiver ocupado existe uma probabilidade dele quebrar, levando o sistema a parar A probabilidade de quebra é descrita por uma taxa exponencial α Quando o sistema para, todos os clientes que estavam no sistema partem e não são mais permitidas chegadas até que o defeito for consertado O tempo de reparo é exponencialmente distribuído com taxa β a Defina os estados apropriadamente b Descreva as equações de balanço de fluxo a O estados são n (n 0) e b O estado n indica que há n clientes no sistema e o estado b que uma quebra ocorreu A CTMC que modela o sistema descrito é dada pelo diagrama abaixo 5

b β α α α α 0 2 n n + b As equações de fluxo são απ 0 = π + βπ b ( + + α)π n = π n + π n+ βπ b = α( π 0 ) 6