Cadeias de Markov Simulacao e Modelagem Conceitual Aplicacoes e Fundamentos

6 Objetivos 2 of 4 kov é um caso particular do processo estocástico com estados discretos sendo um ático que experimenta transições de um estado para outro de acordo com certas regras As cadeias de Markov surgem amplamente em contextos estatísticos e teóricos da informação e são amplamente empregados em economia teoria dos jogos teoria das filas comunicação genética e finanças Serão abordados os fundamentos de simulação de forma abrangente incluindo definições paradigmas e aplicativos fornecendo habilidades necessárias e bemsucedidas aos desenvolvedores e usuários de modelagem e simulação uma vez que a modelagem e a simulação se tornaram parte integrante da PD em muitos campos de estudo A simulação altamente integrada fornece uma plataforma ideal aos gestores que podem discutir e ilustrar os fundamentos do gerenciamento de negócios Os engenheiros usam modelos conceituais como forma de sistematizar processos O processo de modelagem conceitual requer que sejam tomadas decisões sobre o escopo e o nível de detalhamento do modelo Essas decisões geralmente devem ser um acordo entre as partes interessadas que precisam do modelo para auxiliar na tomada de decisões Apresentar a modelagem de dados de entrada como um componente crítico de um aplicativo de simulação bemsucedido Uma perspectiva da área de análise estatística é dada com ênfase nas distribuições de probabilidade disponíveis como modelos métodos de estimativa seleção e discriminação de modelos e qualidade de ajuste Conhecer o modelo de otimização e simulação de Monte Carlo e suas aplicações na engenharia 7 Procedimentos de ensinoaprendizagem Aulas interativas em ambiente virtual de aprendizagem didaticamente planejadas para o desenvolvimento de competências tornando o processo de aprendizado mais significativo para os alunos Na sala de aula virtual a metodologia de ensino contempla diversas estratégias capazes de alcançar os objetivos da disciplina Os temas das aulas são discutidos e apresentados em diversos formatos como leitura de textos vídeos hipertextos links orientados para pesquisa estudos de caso podcasts atividades animadas de aplicação do conhecimento simuladores virtuais quiz interativo simulados biblioteca virtual e Explore para que o aluno possa explorar conteúdos complementares e aprofundar seu conhecimento sobre as temáticas propostas 8 Temas de aprendizagem 1 PROCESSOS ESTOCÁSTICOS 11 VETORES DE PROBABILIDADE E MATRIZES ESTOCÁSTICAS 12 CADEIAS DE MARKOV 13 CADEIA REGULAR DE MARKOV PROBABILIDADES E DISTRIBUIÇÃO 2 FUNDAMENTOS DE SIMULAÇÃO 21 MODELAGEM E SIMULAÇÃO 22 MODELAGEM MATEMÁTICA 23 MODELOS DE SIMULAÇÃO 24 METODOLOGIA DE SIMULAÇÃO 3 MODELO CONCEITUAL 31 ABSTRAÇÃO DE MODELO 32 TÉCNICAS DE ABSTRAÇÃO DE SIMULAÇÃO DE MODELOS CONCEITUAIS 33 SIMULAÇÃO MANUAL E O MÉTODO DAS TRÊS FASES 34 OUTRAS DINÂMICAS DE SIMULAÇÃO 4 MODELAGEM DE DADOS DE ENTRADA PARA SIMULAÇÃO 41 COLETA DE DADOS E ANÁLISE DOS DADOS COLETADOS 42 TRATAMENTO DOS DADOS 43 OS TESTES DE ADERÊNCIA QUIQUADRADO KS 5 SIMULAÇÃO E OTIMIZAÇÃO 51 SIMULAÇÃO DE MONTE CARLO 52 NÚMERO DE SIMULAÇÕES E ANÁLISE DE SENSIBILIDADE 53 VALIDAÇÃO DE DADOS DE SAÍDA DO MODELO DE SIMULAÇÃO E DE SEUS TESTES ESTATÍSTICOS 54 APLICAÇÕES DE SIMULAÇÃO DE MONTE CARLO EM ENGENHARIA 9 Procedimentos de avaliação