Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação.

Slides:



Advertisements
Apresentações semelhantes
Escola Politécnica de Pernambuco Departamento de Ensino Básico
Advertisements

Amostragem em Pesquisas Sócio-Econômicas
Simulação de Sistemas Antonio J. Netto AULA1.
Estatística Dados valores (amostras) de variáveis aleatórias X1, X2, ..., Xn, cuja distribuição conjunta é desconhecida, inferir propriedades desta distribuição.
Algoritmos para Geração de Variáveis Aleatórias
Analise de Regressão Parte 2.
ANÁLISE DA ENTROPIA NÃO-EXTENSIVA PARA MEDIÇÃO DE VARIAÇÕES EM SINAIS COMPLEXOS Clayton de Medeiros Vasconcelos 1 Israel Andrade Esquef 1 Marcelo Portes.
Q-Q plots Construídos a partir das distribuições marginais de cada componente do vetor p-variado. São de fato um gráfico do quantil amostral versus quantil.
Cássio Luís Fernandes de Oliveira
ESTIMAÇÃO.
Mineração de Dados Avaliação de Classificadores
Inteligência Computacional para Otimização Marcone Jamilson Freitas Souza Departamento de Computação Universidade Federal de Ouro Preto
Universidade Federal de Campina Grande – UFCG Centro de Ciências e Tecnologia – CCT Departamento de Engenharia Civil - DEC ESTATÍSTICA APLICADA A HIDROLOGIA.
MB-711 Fundamentos de Tratamento de Incertezas
Capítulo 6 Estimativas e Tamanho de Amostras
Estatística: Aplicação ao Sensoriamento Remoto ANO 2010
Simulação de Sistemas Prof. MSc Sofia Mara de Souza AULA2.
Noções de Simulação O cálculo de probabilidades e valores esperados nem sempre pode ser feito analiticamente. Frequentemente, recorre-se a modelos de simulação.
Estatística Prof: Msc Engª Heloísa Bernardo
Iluminação e FotoRealismo
Estatística e Probabilidade
Geração de Números Aleatórios
PROGRAMA PARA TRATAMENTO E ANÁLISE ESTATÍSTICA DE DADOS EXPERIMENTAIS 1,2,3 Cláudio Sérgio Sartori e 4 Edjar MartinsTelles 1 Faculdade de Tecnologia.
ME623A Planejamento e Pesquisa
Módulo 5 – Introdução à Teoria Estatística da Medição
DISTRIBUIÇÃO AMOSTRAL DA PROPORÇÃO DA AMOSTRA OU
DISTRIBUIÇÃO AMOSTRAL DA MÉDIA DA AMOSTRA OU DISTRIBUIÇÃO AMOSTRAL DE
VALORES ESPERADOS.
FUNÇÃO CARACTERÍSTICA
Função de uma Variável Aleatória
DISTRIBUIÇÕES DE PROBABILIDADES DE VARIÁVEIS ALEATÓRIAS DISCRETAS
DISTRIBUIÇÕES AMOSTRAIS
Modelos de distribuição de erros
Aprendizado de Máquina Prof.: Dino R. C. Franklin Aluno.: Thiago Fialho Q. L.
Amostragem Pontos mais importantes:
Introdução à Simulação
Análise de Incertezas Introdução.
INTRODUÇÃO À ANÁLISE DE SOBREVIVÊNCIA E CONFIABILIDADE
A PESQUISA E SUAS CLASSIFICAÇÕES
Estatística e Probabilidade
Formas de calibração 1º - Padrões externos É a forma mais utilizada de calibração. São utilizadas soluções contendo concentrações conhecidas do analito.
Pontifícia Universidade Católica de Goiás Departamento de Engenharia Curso de Graduação em Engenharia de Produção ENG 1004 – Linguagem de Programação para.
Interpolação e Ajuste de Curvas
Estatística Geral (Elementos de Probabilidade)
DISTRIBUIÇÃO DE POISSON
3. Distribuições de probabilidade
DISTRIBUIÇÃO NORMAL.
Laboratório de Física Corpuscular - aula expositiva IF - UFRJ1 Algumas Distribuições de Probabilidade e Estatística de Contagem Prof. Marcelo.
Aula 6 Propagação de erros
Disciplina Engenharia da Qualidade II
Climatologia II – ACA226 Prof. Humberto Rocha
PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA
Simulação de uma v.a. discreta – I – 1 Uso da distribuição uniforme em [0,1]
Análise de Incertezas AED-11.
Professora Michelle Luz
2. VARIÁVEIS ALEATÓRIAS 2015.
Distribuição Normal de Probabilidade
Regressão Linear Simples
Albertazzi.Tratamento de Dados.Descritores (1.1) Tratamento de Dados 1.
1 Estatística Descritiva (I). 2 O que é Estatística A Estatística originou-se com a coleta e construção de tabelas de dados para o governo. A situação.
GESTÃO E GARANTIA DA QUALIDADE
Modelos de distribuições discretas de probabilidade
Inferência 1:Estimação de Parâmetros Relembrando o Teorema Central do Limite Da aula anterior: a) Os estimadores da média e da s 2 são não viciados e de.
DETEÇÃO E ESTIMAÇÃO Aula 18: Simulação de Monte Carlo – Parte 2.
DETEÇÃO E ESTIMAÇÃO Aula X+1: Simulação de Monte Carlo.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Apresentação da Disciplina Camilo Daleles Rennó
Projeto de transformadores pelo método de elementos finitos.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Distribuições de Probabilidade Camilo Daleles Rennó
Como construir modelos empíricos. Nos modelos estudados, cada fator foi fixado em dois níveis Por esta razão temos que nos contentar com uma visão limitada.
Confiabilidade Estrutural
Transcrição da apresentação:

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Professor Jorge Luiz A. Ferreira Análise, Planejamento e Tratamento de Dados Experimentais

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Como se Comporta o deslocamento de partículas em suspensão num meio fluido ? Introdução:

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Se comporta de forma aleatória seguindo um deslocamento chamado de movimento Browniano ! Introdução:

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Gostariamos desenvolver um experimento cujo objetivo é o de avaliar o número de vezes que uma partícula sai de um volume de controle quando a mesma flutua um fluido em um ambiente sem gravidade. De que forma poderíamos construir de uma forma simples um modelo numérico que nos permita explorar essa informação? Introdução:

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Possibilidades Mudar de Célula Subir, Descer, Esquerda, Direita, Não Mudar de Célula

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural K = ; for k = 1:K Dh = 41; Dv = 41; h0 = 20; v0 = 20; sai = 0; passos = 1; while sai == 0 discreta; h0 = h0+dh; v0 = v0+dv; if h0 > Dh sai = 1; end if v0 > Dv sai = 1; end if h0 < 0 sai = 1; end if v0 < 0 sai = 1; end x(passos) = h0; y(passos) = v0; passos = passos + 1; end PASSOS(k) = passos/(Dh*Dv); end discreta R = unidrnd(5); switch R case 1 dh = 1; dv = 0; case 2 dh = -1; dv = 0; case 3 dh = 0; dv = 1; case 4 dh = 0; dv = -1; otherwise dh = 0; dv = 0; end

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Média= 679 Mediana= 547 Minimo= 57 Máximo= 5310 Desvio Padrão= 478

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Qualquer método de uma classe de métodos estatísticos que se baseiam em amostragens aleatórias massivas para obter resultados numéricos, isto é, repetindo sucessivas simulações um elevado número de vezes, para calcular probabilidades heuristicamente, tal como se, de fato, se registassem os resultados reais Métodos de Monte Carlo O termo "Monte Carlo" foi introduzido por Ulam, Von Neumann e Fermi, como um código de guerra associado ao projeto de construção da bomba atomica durante a Segunda Guerra Mundial. Stanisław Ulam John von Neumann Antes de vir aqui, eu estava confusa sobre este assunto. Depois de ter escutado sua palestra eu ainda estou confuso. Mas em um nível mais elevado. Enrico Fermi

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Etapas do Estudo Formulação do Problema Estabelecimento dos Objetivos – Identificação das Relações Funcionais e do Comportamento dos Parâmetros. – Definição do(s) Parâmetros de Interesse, - Qual o Tipo de Resultado se tem Interesse (Probabilidades, Distribuição, Medidas Resumo, etc) Construção do(s) Modelo(s) Lógico(s)-Matemático Levantamento dos Dados Construção do Modelo Computacional Validação do Modelo Computacional Implementação

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Implementação Básica Modelo Físico Modelo Computacional V1V1 V2V2 V3V3 VnVn... R1R1 R2R2 RkRk ? V1V1 V2V2 V3V3 VnVn R1R1 R2R2 RkRk Gerar de m amostras para as n variáveis Alimentar Modelo Computacional com as m amostras Estimar de m resultados para os k Parâmetros Usar os m valores obtidos para estudar as distribuições estatísticas dos R i Parâmetros

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Exemplos Análise da média e do coeficiente de variação relacionado a soma de 2 distribuições Gaussianas: z = kx + y, x ~ N(10,2), y ~ N(12,5) e k = 10. Solução Analítica: Solução Monte Carlo:

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Exemplos Análise da média e do coeficiente de variação relacionado a soma de 2 distribuições Gaussianas: z = kx + y, x ~ N(10,2), y ~ N(12,5) e k = 10. Análise da Solução Monte Carlo: Num. de Replicações: 10

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Exemplos Análise da média e do coeficiente de variação relacionado a soma de 2 distribuições Gaussianas: z = kx + y, x ~ N(10,2), y ~ N(12,5) e k = 10. Solução Monte Carlo:

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Exemplos Estimativa do valor de  R R R Área Quadrado, A q : R 2 Área Arco de Círculo, A c : ¼  R 2 Relação entre A q e A c : ¼  Distribuir de forma uniforme alguns pontos sobre o quadrado. Contar o número de objetos no interior do círculo e o número total de objetos. A razão das duas contagens é proporcional a relação entre as áreas, que é / 4. Multiplicar o resultado por 4 a estimar

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Exemplos Estimativa do valor de 

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Gerador de Num. Pseudo- Aleatórios Distribuição Uniforme U (A,B) x = A + r(B-A) Gerador com Distribuição Uniforme U(0, 1)

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Gerador de Num. Pseudo- Aleatórios Teorema da Transformação Integral da Probabilidade Se X for uma v.a. com função de distribuição F x (x), estritamente crescente, e U ~ U(0,1), então F -1 (U) é uma v.a. identicamente distribuída a X. F -1 (u) u x F(x) x

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Gerador de Num. Pseudo- Aleatórios Distribuição Exponencial Exp (  ) Gerador com Distribuição Uniforme U]0, 1[

Modelagem de Fenômenos Físicos Utilizando a Técnica de Monte Carlo Universidade de Brasília Departamento de Engenharia Mecânica Programa de Pós graduação em Integridade Estrutural Métodos de Monte Carlo – Gerador de Num. Pseudo- Aleatórios Distribuição de Weibull W ( z   ) Gerador com Distribuição Uniforme U]0, 1[