Documente Academic
Documente Profesional
Documente Cultură
1
Método do Meio Quadrado Método da Congruência (LCG)
Von Neumann (1946): Todos os geradores modernos de números
aleatórios são baseados no cálculo LCG (linear
n1 = 76 = 5776 762 congruent generator):
n2 = 77 772 = 5929
x i +1 = (ax i + c ) mod M (Gera valores entre 0 e M-1)
n3 = 92…
Seqüência gerada = (76,77,92,46,11,12,14…) – xo é a semente do gerador de números aleatórios;
– “mod” é a função módulo, que retorna o resto da
Quando o método levar a 0 (degeneração) é divisão inteira. Ex.: 10 mod 6 = 4.
preciso utilizar outra semente.
– O valor de M define o período máximo da geração.
Gera ciclos (repetição da mesma seqüência de
números) em intervalos muito curtos. Obtém-se números aleatórios xi
entre 0 e 1 (normalizados) fazendo: ri =
M
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 7 de 28 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 8 de 28
(Winston, 1997): 1 −
x 0,80
f (x ) = e λ
– Obtenha a função de repartição da variável aleatória, F(x); λ 0,60
1
x
F ( x ) = ∫ f ( x )dx
r
x=− ln(1 − r )
−∞
Probabilidade acumulada 0,40
λ
x
−
– Gere um número aleatório, r, entre 0 e 1;
F (x ) = 1 − e λ
=r 0,20
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 11 de 28 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 12 de 28
2
Exemplo – Outras Distribuições Variáveis Aleatórias Discretas
Uniforme (a,b) Muitos fenômenos aleatórios podem ser
representados por meio de uma roda de roleta. Um
x−a
r= ⇒ x − a = r (b − a) ⇒ x = r (b − a) + a jogo de um dado, por exemplo, pode ser
b− a representado pela seguinte roleta:
Normal Reduzida (µ = 0; σ 2 = 1) 1
x = (− 2 ln r1 ) cos(2π r2 )
12 6 2
Exige dois valores aleatórios (r1,r2)
5 3
Normal (µ,σ) 4
x−µ
y= Sendo x uma variável aleatória com
Neste caso, temos uma roleta "não viciada", pois a
σ
distribuição normal reduzida
probabilidade de ocorrência de cada valor é igual.
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 13 de 28 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 14 de 28
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 15 de 28 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 16 de 28
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 17 de 28 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 18 de 28
3
Exemplo em Planilha Simulação de Monte Carlo
Para cada número aleatório gerado, temos • Chamada por alguns autores de simulação
uma rodada de simulação: estática, utiliza amostragem aleatória para
Rodada No. Aleatório Situação do dólar solução de problemas de natureza estocástica
1 0,34 Estável
2
3
0,63
0,81
Desce
Desce
ou determinística, onde (ao contrário do que
4
5
0,88
0,09
Desce
Sobe acontece na simulação de eventos discretos) o
tempo não é o parâmetro mais importante.
6 0,72 Desce
7 0,58 Estável
8 0,50 Estável
9
10
0,51
0,04
Estável
Sobe • O nome do método faz alusão ao "Cassino
Monte Carlo", devido às suas propriedades
11 0,82 Desce
12 0,55 Estável
13 0,46 Estável
14
15
0,80
0,06
Desce
Sobe
aleatórias.
16 0,53 Estável
17 0,87 Desce
18 0,04 Sobe
19 0,29 Estável
20 0,60 Desce
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 19 de 28 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 20 de 28
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 23 de 28 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 24 de 28
4
Análise de Resultados - Exemplo Aumentando a Precisão
O tamanho do intervalo de confiança é 7,72. Só há uma maneira de obtermos resultados
Como a média da amostra vale 69,5 o intervalo de mais precisos: aumentando o número de
confiança do resultado, com 95% de confidência é replicações (rodadas). Quanto maior o número
[69,5-7,72; 69,5+7,72], ou seja, [61,78; 77,22]. de replicações, menor o tamanho do intervalo
Lembre-se da interpretação deste resultado: existe de confiança e, conseqüentemente, maior a
uma probabilidade de 95% de que o intervalo precisão.
[61,78; 77,22] contenha a verdadeira média da
Isto pode ser calculado através de fórmula de
população.
dimensionamento de amostra (Capítulo 6) ou
Outro ponto interessante é que, quanto maior for
então por "tentativa e erro", recalculando o
a confidência (por exemplo, 99%), maior será o
tamanho do intervalo de confiança para um
intervalo de confiança a cada vez que
mesmo número de rodadas. aumentarmos o número de replicações.
Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 25 de 28 Modelagem e Simulação de Eventos Discretos – Chwif e Medina (2006) Slide 26 de 28