Orientaes

Objetivo: familiarizar o aluno com ferramentas bsicas utilizadas em modelagem estocstica

Processos Estocsticos
Distribuio de pontos:
80 pontos: 3 provas individuais 20 pontos: exerccios

Aula introdutria
Ana Cludia Souza aclaudia@ufsj.edu.br

Bibliografia:
Probability and random processes for electrical engineering. (Alberto Leon-Garcia) Probabilidade, variveis aleatrias e processos estocsticos (Jos Paulo de Almeida e Albuquerque)
2

Estatstica, probabilidades...nos ensinam a lidar com problemas prontos No entanto, um desafio ainda maior encontrar modelos que resolvam problemas reais. Em geral, os alunos se interessam por comunicaes, controle, teoria de filas (sejam benvindos!!)

Como comeou o estudo de probabilidades?

As pessoas gostam de apostas. E possuem um senso intuitivo de probabilidade, verossimilhana e comportamento mdio. Jogos de azar so repetitivos e voc comea a ganhar uma sensibilidade sobre frequncia relativa, por ex. A mesma coisa acontecendo a cada tentativa, mas as respostas so diferentes. Voc joga a moeda e s vezes temos cara e outras coroa. Ento, voc tem que lidar com incerteza. 4

 Um dos problemas em se encontrar um bom modelo que nenhum modelo perfeito: Nosso problema: modelar eventos, acontecimentos, experimentos. Mas, como? Tipos de perguntas que podemos nos fazer: Qual a probabilidade de um vazamento de leo acontecer no prximo ano ou qual a probabilidade do valor do google dobrar em 5 anos? Modelo que te diz algo x Modelo muito complexo, com variveis excessivas Seek simplicity and distrust it.
(Alfred North Whitehead)

Como ter certeza que, matematicamente, o problema faz sentido? Seguindo os axiomas de Kolmogorov
6

Quando, onde e como tudo isto til?

Probabilidade e processos estocsticos so componentes essenciais de reas como: sistemas e redes de comunicaes, sistemas de computadores,filas, gerenciamento de riscos, gerenciamento de catstrofes, deteco de falhas, biologia, medicina, sistemas de controle. Planejar acontecimentos futuros => lidar com incerteza
a forma cientfica atravs da probabilidade
7 8

Alguns exemplos

Trfego telefnico
Duzentos terminais telefnicos so ligados a uma central A.

Solues
Colocar 200 circuitos entre A e B Perguntar a cada assinante o horrio que ele usar o telefone.
Determina-se o nmero mximo de chamadas simultneas e faz n=max

n circuitos

200 terminais telefnicos

B Estas seriam caractersticas de um modelo determinstico

Deseja-se determinar o nmero de circuitos que devem ser instalados entre a central A e uma central B para atender o trfego de A para B.

Dentro de um modelo probabilstico seria interessante pensar em um comportamento mdio

10

Um outro problema...
Teoria das filas 3 elementos:

Modelos probabilsticos
TRFEGO DE ENTREGA : como os usurios vo requerer os servios? Qual o tempo de durao do POSTO DE SERVIO? Tamanho mximo da FILA?
Posto de servio 1

trfego de entrada fila posto de servio

trfego de usurios

Posto de servio 2

Existe uma grande relao entre problemas de trfego telefnico e teoria das filas

Fila populao de usurios

Posto de servio 3

11

12

Rudo
Exemplo 1: Circuitos eletrnicos Rudo gerado externamente provm de circuitos nas proximidades, descargas atmosfricas, etc. Rudo gerado internamente: rudo trmico

Ex.: Comportamento de falha

Qual o tempo exato no qual um determinado componente (gerador) funciona? As causas nem sempre so determinsticas. necessrio fazer indagaes menos rigorosas:

Nos dois casos acima os sinais so imprevisveis

Qual o tempo mdio de vida dos componentes? Na mdia, qual o tempo de vida no excedido por 99,9% dos
componentes?

Para anlise destes sinais so usadas ferramentas da teoria das probabilidades e dos processos estocsticos
13

Ex.: Anlise de sries temporais

Previso do valor de uma varivel ocorrendo em algum instante de tempo futuro, a partir do valor presente e de um conjunto de valores passados da varivel. Aplicaes:

Ex.: Sistema de telecomunicaes

Em um sistema digital, o sinal a ser transmitido transformado em uma sequncia de dgitos binrios. O transmissor associa ao dgito 0 um determinado sinal (ausncia de transmisso) e ao dgito 1 um outro sinal (pulso retangular de amplitude A) O receptor deseja reconstruir a sequncia transmitida: ele amostra o sinal recebido no ponto mdio do intervalo corresponde a cada dgito e decide se foi transmitido 0 ou 1. Na presena de rudo, o processo de deciso mais complexo.

fenmenos naturais (meteorologia) processos industriais aplicaes financeiras

15

16

Ex.: Aplicaes em robtica

O comportamento individual de um rob est sujeito a foras externas que no podem ser antecipadas: rudo e flutuaes no ambiente, outros robs com trajetrias complexas, dificultando saber quais robs vo interagir. Aleatoriedade pode ser programada nas regras de comportamento dos robs: por ex, ao evitar uma coliso o rob gira um ngulo aleatrio antes de andar pra frente. Resumindo: o comportamento de um rob to complexo e imprevisvel que poder ser modelado como um processo estocstico.

Um ex. detalhado: sistema de transmisso de pacotes de voz

Necessitamos de um sistema de comunicao que suporte 48 conversaes simultneas da cidade A para B usando pacotes de voz.

A voz digitalizada e a informao agrupada em segmentos de 10ms Os endereos da fonte e destino so acrescentados a cada pacote de voz.
18

17

Um projeto simples seria: 48 pcts a cada 10ms em cada direo. 2/3 dos pcts contm silncio => na mdia 48 falantes produzem 48/3=16 pcts ativos a cada 10ms.

19

20

Portanto, vamos considerar um sistema com M<48

A cada 10ms determina-se quais falantes produziram pacotes com voz. Considere isto um experimento aleatrio com A= nmero de pcts ativos a cada 10ms Valores de A:

Entretanto, se A>M, o sistema no transmite todos os pctes ativos. A-M pctes so selecionados aleatoriamente e descartados Precisamos manter o descarte em um nvel aceitvel

ningum fala

0 A 48

todo mundo fala

21

22

Frequncias relativas
Suponha que o experimento seja repetido n vezes A(j) a sada da j-sima repetio Nk (n) nmero de repeties nas quais o nmero de pacotes ativos k. A frequncia relativa de k nas n primeiras repeties
fk (n) = Nk (n) n lim fk (n) = pk
23

Taxa de produo dos pacotes

Mdia amostral do nmero de pctes ativos a cada 10ms:
1 1 < A >n = A(j ) = kNk (n) n j =1 n
k=0 n 48

24

 Frao de pacotes ativos descartados pelo sistema em n repeties:

numero de pacotes descartados = numero de pacotes produzidos
k=M +1 48 48

Idia
Construir um modelo terico que reproduza de maneira razovel a distribuio de frequncias, quando o fenmeno observado diretamente. Suposies adequadas e observao direta do fenmeno aleatrio Modelos Probabilsticos Construo de Modelos:

(k M )Nk (n) kNk (n)

k=0

Se dividirmos por n, e n for grande teremos a expresso em termos de probabilidades

k=M +1 48 48

(k M )Nk (n)/n kNk (n)/n

k=0

k=M +1 48

48

(k M )pk kpk

k=0

Determinar os eventos de interesse e o seu nmero de ocorrncia Determinar como eles ocorrem

Podemos avaliar as medidas de desempenho do problema por meio de probabilidades pk

25

26

Modelo Probabilstico
Um modelo ser especificado quando o seguinte for estabelecido:

O espao amostral ! consiste, no caso discreto, da enumerao (finita

ou infinita) de todos os resultados possveis do experimento em questo " ! = {#1, #2,...} - os elemntos de ! so os pontos amostrais ou eventos elementares.

Uma probabilidade P(#) para cada ponto amostral de tal forma que
seja possvel encontrar a probabilidade P(A) de qualquer subconjunto A de !, isto , a probabilidade de um evento aleatrio.

27

28

29