Simulação
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Matemática |
Ocorrência: 2012/2013 - 1S
Ciclos de Estudo/Cursos
Docência - Responsabilidades
Língua de trabalho
Português
Objetivos
Objectivos
O objectivo global consiste em proporcionar conhecimentos básicos das técnicas de simulação estatística. Disciplina com forte componente computacional organizada de forma modular, cuja orientação privilegia a apresentação prática da simulação nos múltiplos aspectos de interacção com as Probabilidades, a Estatística e a Investigação Operacional.
A orientação da disciplina privilegia a compreensão dos conceitos e métodos, mantendo um nível matemático intermédio, e a extensão das competências dos alunos através de um balanço apropriado entre os métodos e aplicações motivadoras.
Competências específicas principais (formação global na área científica de Matemática)
- Capacidade de modelação de problemas
- Capacidade de enfrentar novos problemas em novas áreas
- Domínio do raciocínio quantitativo
- Capacidade de analisar qualitativamente informação quantitativa
- Capacidade de identificar e compreender problemas
- Capacidade de conceber experiências/hipóteses e analisar os resultados.
- Capacidade de resolver problemas de optimização / tomada de decisões
- Domínio de ferramentas informáticas/ Conhecimento de linguagens de programação
- Capacidade de exposição escrita e oral.
Resultados de Aprendizagem
No final da unidade curricular o estudante deve ser capaz de:
- Compreender quando é apropriado usar técnicas de simulação.
- Identificar problemas, construir modelos e desenvolver projectos de simulação estatística.
- Compreender a importância de usar um bom gerador de números pseudo-aleatórios com distribuição uniforme. Conhecer algumas técnicas para a geração eficiente de números pseudo-aleatórios com distribuição não uniforme.
- Aplicar técnicas de Monte Carlo. Analisar estatisticamente os resultados de simulação.
- Compreender a importância do planeamento da simulação e da aplicação de técnicas de redução de variância.
- Ilustrar, utilizando dados reais ou simulados, os resultados estudados e aplicar as ferramentas adequadas em problemas ou casos de estudo, com apresentação dos resultados.
- Implementar e analisar situações simples em simulação estocástica. Estudar processos de nascimento e morte simples, determinando medidas de desempenho nas filas de espera associadas.
Programa
I. INTRODUÇÃO
- Introdução e Motivação para a disciplina.
II. MODELOS PROBABILÍSTICOS E ANÁLISE ESTATÍSTICA DOS DADOS SIMULADOS
- Geração de números pseudo-aleatórios com distribuição uniforme.
- Geração de números pseudo-aleatórias com distribuição não uniforme.
- Estimação de valores esperados: método de Monte Carlo.
- Caracterização da variabilidade dos valores obtidos por simulação; introdução ao método de bootstrap .
- Técnicas de redução da variância.
III. INTRODUÇÃO AOS PROCESSOS ESTOCÁSTICOS E SUA SIMULAÇÃO
- Cadeias de Markov, processos de Poisson, passeio aleatório e processos renewal.
- Modelação/simulação de filas de espera .
- Simulação estocástica (caso de estudo- filas de espera): análise estatística dos resultados, aplicação de técnicas de redução da variância.
Bibliografia Obrigatória
000073355. ISBN: 0-12-598053-1 (Ross S., Simulation (4rd edition), Academic Press, 2006.)
000039663. ISBN: 0-412-24590-6 (Morgan B.J.T., Elements of Simulation, Chapman and Hall, 1984.)
Bibliografia Complementar
000040286. ISBN: 0-07-116537-1 (- Law A., (Kelton W.D.), Simulation Modelling and Analysis (4th edition), McGrawHill, 2007.)
000040391. ISBN: 0-07-246121-7 (Hillier F.S. , Lieberman G.J., Introduction to Operations Research (8th edition), McGrawHill, 2006.)
Métodos de ensino e atividades de aprendizagem
Aulas T para apresentação da matéria ilustrada com exemplos variados. As aulas TP são orientadas para a resolução de problemas /projecto, com uma forte componente de computação laboratorial. Ambientes que poderão ser utilizados pelos alunos (Matlab / R / Python).
Software
Matlab
R Project
Pythonxy-Simpy
Palavras Chave
Ciências Físicas > Matemática > Matemática aplicada > Investigação operacional
Ciências Físicas > Matemática > Estatística
Tipo de avaliação
Avaliação distribuída com exame final
Componentes de Avaliação
Descrição |
Tipo |
Tempo (Horas) |
Peso (%) |
Data Conclusão |
Participação presencial (estimativa) |
Participação presencial |
65,00 |
|
|
|
Total: |
- |
0,00 |
|
Obtenção de frequência
Realização satisfatória dos Trabalhos práticos/ Projecto (P), nas datas limites fixadas (P>=40%).
Fórmula de cálculo da classificação final
A avaliação é feita com base nas classificações, do exame final escrito (E), dos Trabalhos práticos/ Projecto (P), realizados individualmente ou em grupo até às datas limites fixadas. Classificação final: (E*12+P*8)/20.
A classificação das componentes E e P não deverão ser inferiores a 40%. Poderá eventualmente ser pedida uma prova complementar para classificações finais superiores a 18 valores.
Perdem a frequência os alunos que não tenham realizado satisfatoriamente e nas datas limites fixadas, o trabalho prático /projecto (P>=40%).
Qualquer apresentação não realizada no prazo e/ou condições estabelecidas nas páginas da disciplina será considerada como não efectuada.
Os alunos poderão optar por uma avaliação intercalar que os poderá dispensar da parte correspondente do exame na época normal, no caso de obterem classificação superior a 40% na avaliação intercalar. No exame da época normal os alunos podem manter a classificação da avaliação intercalar se apenas responderem às restantes questões. Na época de recurso e para melhoria de nota os alunos deverão responder a todas as questões.
Provas e trabalhos especiais
n.a.
Avaliação especial (TE, DA, ...)
n.a.
Melhoria de classificação
Apenas a componente de exame final é susceptível de melhoria
Observações
Juri da Disciplina, a atualizar logo que disponivel.
Juri em 2011/2012:
Ana Paula Rocha
Margarida Brito