Aula Lab 4 V 2

21/09/2013
SIMULAO DE SISTEMAS
AULA 4 COLETA E TRATAMENTO
DE DADOS DE ENTRADA
DOS MODELOS DE FILAS
Autor: Anibal Tavares de Azevedo
COLETA E TRATAMENTO DE DADOS

Os exerccios esto disponveis nos links dados abaixo:
Problema
Descrio
LINK
Lab 4 Exerccio 1
https://docs.google.com/spreadsheet/ccc?key=0Aoz
UGKjaO9uEdElYbzgtc3lIeHpOR0RBT2pJNjNFbUE&usp
=sharing
Lab 4 Exerccio 2
UGKjaO9uEdDhiTkt5U3J4Z2xzRDUwamZ4YXNCQVE&
usp=sharing
Lab 4 Exerccio 3
UGKjaO9uEdFFBenlKU3NVUnBjYVE2ampScGtlckE&u
sp=sharing
Lab 4 Exerccio 4
UGKjaO9uEdFNPMGpLZXZuMTk2d2dfR2dxSzhGaEE
&usp=sharing
21/09/2013

Os exerccios esto disponveis nos links dados abaixo:
Problema
Descrio
LINK
Lab 4 Exerccio 5
UGKjaO9uEdFEzcUpfQVdISG94NHluZWZYR2tRVUE&
usp=sharing

Aula preparada a partir do Captulo 2 - Modelagem dos Dados de
Entrada - do seguinte livro:
http://www.livrosimulacao.eng.br/
21/09/2013

Em um modelo de filas, os tempos de espera em fila ou no sistema
(fila + servio) so parmetros de desempenho do sistema.
Tempo em fila
Supermercado
Tempo Servio
Estes valores dependem dos fenmenos aleatrios do intervalo de

tempo entre as chegadas e do tempo de atendimento.
e
Intervalo entre
as chegadas
Tempo de
atendimento

Antes de realizar a coleta de dados necessrio definir o perodo
no qual a mesma dever ser realizada, isto , o perodo mais
crtico do sistema.
12:00
18:00
20:00
Horrio Crtico
21/09/2013

A coleta de dados visa formar uma amostra da populao. Trs
cuidados devem ser observados na obteno de uma amostra.
Populao
Amostra
(1) O tamanho da amostra deve estar entre 100 e 200

observaes. Amostras com menos de 100 observaes
podem comprometer a identificao do modelo
probabilstico e acima de 200 no trazem ganhos
significativos.
(2) Coletar e anotar as observaes na mesma ordem em
que o fenmeno ocorre de modo a permitir anlise de
correlao.
(3) Se existir suspeita de que os dados mudam em funo
do dia da coleta, ento, a mesma deve ser refeita em
outros dias.

Exemplo 1: Coleta de dados de chegadas
Tempo de ocorrncia de cada uma das chegadas (100 primeiros valores)
00:00:11 00:00:59 00:01:59 00:02:52 00:03:31 00:04:40 00:06:01 00:07:23 00:08:08 00:09:06
00:00:12 00:01:18 00:02:01 00:02:57 00:03:49 00:04:43 00:06:28 00:07:27 00:08:15 00:09:06
00:00:17 00:01:20 00:02:10 00:03:08 00:04:01 00:04:49 00:06:29 00:07:27 00:08:17 00:09:06
00:00:19 00:01:30 00:02:22 00:03:08 00:04:03 00:04:52 00:06:30 00:07:44 00:08:24 00:09:09
00:00:20 00:01:30 00:02:27 00:03:13 00:04:03 00:05:10 00:06:36 00:07:48 00:08:41 00:09:09
00:00:28 00:01:36 00:02:32 00:03:14 00:04:15 00:05:12 00:06:38 00:07:48 00:08:54 00:09:16
00:00:35 00:01:40 00:02:35 00:03:16 00:04:20 00:05:26 00:06:39 00:07:51 00:08:59 00:09:25
00:00:37 00:01:42 00:02:37 00:03:19 00:04:22 00:05:39 00:07:07 00:07:52 00:09:00 00:09:30
00:00:52 00:01:45 00:02:38 00:03:28 00:04:31 00:05:45 00:07:15 00:08:01 00:09:01 00:21:38
00:00:53 00:01:51 00:02:43 00:03:31 00:04:38 00:05:48 00:07:20 00:08:05 00:09:04 00:21:42
21/09/2013

Tempo de ocorrncia de cada uma das chegadas (100 ltimos valores)
00:21:51 00:23:38 00:25:26 00:26:27 00:27:46 00:29:25 00:30:48 00:32:02 00:32:35 00:33:51
00:21:58 00:23:58 00:25:30 00:26:55 00:28:06 00:29:37 00:30:58 00:32:06 00:32:38 00:33:53
00:22:09 00:24:02 00:25:38 00:26:56 00:28:09 00:29:39 00:31:04 00:32:07 00:32:50 00:34:05
00:22:09 00:24:05 00:25:50 00:26:57 00:28:21 00:29:42 00:31:13 00:32:11 00:32:59 00:34:09
00:22:31 00:24:32 00:25:54 00:27:12 00:28:28 00:29:45 00:31:31 00:32:14 00:33:01 00:34:17
00:22:43 00:24:40 00:26:03 00:27:22 00:28:31 00:29:48 00:31:36 00:32:19 00:33:21 00:34:20
00:22:50 00:24:56 00:26:07 00:27:27 00:28:43 00:29:49 00:31:38 00:32:27 00:33:29 00:34:31
00:22:50 00:25:03 00:26:08 00:27:30 00:29:07 00:29:55 00:31:56 00:32:31 00:33:42 00:34:36
00:23:09 00:25:22 00:26:18 00:27:39 00:29:13 00:29:56 00:32:01 00:32:34 00:33:46 00:34:39
00:23:19 00:25:25 00:26:26 00:27:42 00:29:24 00:30:39 00:32:01 00:32:34 00:33:50 00:34:47

Obtendo intervalo de tempo entre as chegadas
1
21/09/2013


Nmero de segundos em 24 horas
21/09/2013

Tempo entre as chegadas (100 primeiros valores)
11
13
19
18
27
11
12
10
12
17
18
17
12
13
14
13
28
15
728

Tempo entre as chegadas (100 ltimos valores)
9
19
20
28
20
12
10
11
12
12
12
12
22
27
15
18
12
10
20
16
12
11
24
18
13
19
19
10
10
11
43
21/09/2013

Exemplo 2: Estatsticas sobre os dados
Outlier
Max NO
Eliminar
Mediana
50%
Q3
75%
Q1
25%
Min NO

Q1
1
=QUARTILE(D6:D205,1)
=median(D5:D204)
At 25% dos valores
At 50% dos valores
Mediana
3
=QUARTILE(D6:D205,3)
At 75% dos valores
Q3
21/09/2013

Min NO
1
=small(D6:D205;COUNTIF(D6:D205;"<"& H13 )+1)
Achar o 1 menor
valor no outlier
=large(D6:D205;COUNTIF(D6:D205;">"& H15 )+1)
Achar o 1 maior valor

no outlier
Max NO

Lim inf
2
=H8-1.5*H14
Limite inferior a partir do

qual ocorrem outliers
Q3-Q1
H10
H8
=H10+1.5*H14
Amplitude Inter-quartil
Limite superior a partir do

qual ocorrem outliers
Lim sup
21/09/2013

2
1
3

Outlier
Lim Sup = Q3 + 1,5(Q3-Q1)
Max NO
Q3
Q1
Min NO
Lim inf = Q1 - 1,5(Q3-Q1)
10
21/09/2013

=average(D6:D205)
Achar a mdia dos

valores com outliers
=var(D6:D205)
Achar varincia dos

valores com outliers

Exemplo 3: Eliminando os outliers
1
2
11
21/09/2013

Exemplo 3: Eliminando os outliers
No devem ser considerados
no clculo da mdia nem para
encontrar a funo de
distribuio de probabilidade !
Identificando
outliers: 728
Sem outlier !
...
Com outlier !

Exemplo 4: Anlise de correlao
Removido os outliers importante verificar se a amostra
representa uma sequncia de valores independentes e
identicamente distribudos (i.i.d), isto , se no existe correlao
entre os valores. Esta verificao importante para se poder
aplicar os dados no modelos tericos.
Modelo de Fila M/M/1/GD/
/
:
Este modelo supe:
Natureza do processo de chegada. Ex.: M variveis

aleatrias iid como funo de distribuio exponencial.
Natureza do processo de servio. Ex.: M variveis

aleatrias iid como funo de distribuio exponencial.
12
21/09/2013

A hiptese de independncia no vlida em situaes em que
existe uma curva de aprendizado. Por exemplo, os tempos de
atendimento de um caixa de supermercado em treinamento iro,
em princpio, apresentar um decrscimo ao longo do tempo at
atingir uma estabilidade em torno de uma funo de distribuio.
Servio = 30s
Servio = 5s
Servio = 1s
Dia 1
Dia 5
Dia 10

13
21/09/2013

Com outlier
Sem outlier
1
4
3
Eliminar o valor 728 !

1
3
14
21/09/2013

O diagrama de disperso (scatter plot) permite a visualizao

de que no existe correlao dos dados.

Dados com
correlao
linear !
15
21/09/2013

possvel, ainda, empregar testes estatsticos para verificar a
correlao dos dados. Mas, neste caso, necessrio saber, a
priori, a funo de distribuio com a qual se quer comparar
os dados como, por exemplo, exponencial, normal, etc.
Esperana ou mdia
de X*Y
X ,Y =
Esperana ou mdia
de Y
E ( XY ) E ( X ) E (Y )
E ( X 2 ) E 2 ( X ) E (Y 2 ) E 2 (Y )
Quadrado da mdia de X
Medida de correlao linear

0.75
X ,Y =
E ( XY ) E ( X ) E (Y )
E ( X ) E 2 ( X ) E (Y 2 ) E 2 (Y )
2
16
21/09/2013

Uma alternativa uso de testes no-paramtricos que, em
geral, no so conclusivos !!

Exemplo 5: Inferncia
Para determinar a funo de distribuio associada aos dados
necessrio construir um histograma. Para tanto,
necessrio determinar o nmero de classes. Uma forma a
raiz quadrada do nmero de observaes ou regra de Sturges:
Nmero de classes
Nmero de dados
K = 1+ 3,3 log10 n
O tamanho h de cada classe dado por:
h=
amplitude da amostra
K
17
21/09/2013

Para o caso particular existem 200 chegadas que geraram 199
intervalo de tempo. Desses 199 valores 1 foi considerado
outlier (valor 728) e eliminado, restando, portanto, 198
valores de intervalo de tempo. Assim:
Nmero de classes
Nmero de dados
K = 1 + 3,3 log10 198 = 1 + 3,3 * 2,30 = 8,6 9

O tamanho h de cada classe dado por:
Maior valor
sem outlier
h=
amplitude amostra SO 43
=
= 4,78
K
9

Classe 1: [0,0-4,8]
1
=if(E6<4.8;1;0)
Classe 3: [9,6-14,3]
2
=if(E6>=9.6;if(E6<14.3;1;0);0)
18
21/09/2013

1
=sum(H5:H204)
Total na classe 1

Intervalo de tempo [h]
Nmero de
Chegadas
[0,0 - 4,8)
96
[4,8 - 9,6)
55
[9,6 14,3)
25
[14,3 19,1)
13
[19,1 23,9)
[23,9 28,7)
[28,7 33,4)
[33,4 38,2)
>38,2
Mdia intervalo entre as chegadas sem

considerar o outlier = 6,83
19
21/09/2013

Bimodalidade indica
mltiplas influncias
no fenmeno analisado
Melhor trade-off entre

complexidade e R2:
Polinomio de grau 3: R2 = 0,746
20
21/09/2013
EXPLICAO SOBRE O SIGNIFICADO DE R2

A medida R2 serve para indicar, em percentagem, o
quanto a estimativa realizada pelo modelo proposto
( y i ) consegue explicar os dados observados (yi).
Assim, um valor de R2 = 0,8576 indica que 85,76% da
varivel dependente pode ser explicada pelo modelo.
Polinmio de grau 2
Polinmio de grau 4
R2 = 0,5935
R2 = 0,7925

Sejam y i os valores estimados pelo modelo, yi os
valores observados que so associados a cada uma
das variveis independentes xi. O valor yi corresponde
mdia da observaes, isto , de yi. Trs somas
dos quadrados das diferenas podem ser calculadas,
tal como dado abaixo:
n
S tot = ( yi y ) 2
S esp = ( y i y ) 2
Quadrado da diferena entre

observado e a mdia

estimado e a mdia
i =1
i =1
S res = ( y i yi ) 2
i =1

observado e o esperado
Onde:
y=
y
i =1
21
21/09/2013

Ilustrao grfica:
yi
Valores observados - yi
xi

Ilustrao grfica:
yi
Valores estimados -
y i
Reta Modelo terico
xi
22
21/09/2013

Ilustrao grfica:
yi
Mdia dos valores observados
Valor mdio - y
xi

Ilustrao grfica:
yi
Valores estimados -
y i
S res = ( y i yi ) 2
i =1
xi
23
21/09/2013

Ilustrao grfica:
yi
Valores estimados -
y i
n
S esp = ( y i y ) 2
i =1
Valor mdio - y
xi

Ilustrao grfica:
yi
S tot = ( yi y ) 2
i =1
Valor mdio - y
xi
24
21/09/2013

Ilustrao grfica:
yi
Valores estimados -
y i
S res
S esp
S tot
Valor mdio - y
xi

Dado que:
S tot = S esp + S res
R2 =
S esp
Stot
R2 mede o quanto a curva

terica consegue explicar os
dados fornecidos !
Ento:
R2 =
Stot S res
S
= 1 res
Stot
Stot
Contribuio do que no
pode ser explicado pelo
modelo terico !
Assim:
n
R = 1
2
( y
i =1
n
(y
i =1
yi ) 2
y)
Onde:
y=
y
i =1
25
21/09/2013

Pode ser provado que ao invs de se realizar um ajuste de
curvas, a mdia da amostra pode ser empregada com uma
estimativa dos parmetros das funes de distribuio de
probabilidade. Em particular para a funo exponencial isto
provado no seguinte livro (pgina 353):
Tempo entre as
chegadas !
f (t ) = e t
1/mdia
t
i =1
f (t ) = e t
O parmetro obtido corresponde ao valor

da taxa de chegada assumido pelos
modelos toricos de fila. O mesmo
procedimento pode ser aplicada na
obteno da taxa de atendimento .
Nmero de clientes
no sistema
26
21/09/2013

Observar que sem o outlier, temos:
n =168
t
i =1
= 1359
Logo:
t
i =1
1
= 0,146
6,83
A funo de probabilidade exponencial do intervalo de

tempo entre as chegadas ser dada por:
f (t ) = 0,146e 0,146t

Os dados podem ser analisados de acordo com testes
estatsticos tais como a aplicao do testes Chiquadrado e Kolmogorov-Smirnov. Para estes testes devem
ser observados os seguintes critrios:
(i) Nmero mnimo de valores para aplicar o teste.
(ii)Nmero de classes.
27
21/09/2013
OBRIGADO !!!
28

Aula Lab 4 V 2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Aula Lab 4 V 2

Transféré par

Droits d'auteur :

Formats disponibles

21/09/2013

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

Estes valores dependem dos fenmenos aleatrios do intervalo de

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

(1) O tamanho da amostra deve estar entre 100 e 200

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

At 25% dos valores

At 50% dos valores

At 75% dos valores

COLETA E TRATAMENTO DE DADOS

=small(D6:D205;COUNTIF(D6:D205;"<"& H13 )+1)

=large(D6:D205;COUNTIF(D6:D205;">"& H15 )+1)

Achar o 1 maior valor

COLETA E TRATAMENTO DE DADOS

Limite inferior a partir do

Limite superior a partir do

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

Lim inf = Q1 - 1,5(Q3-Q1)

COLETA E TRATAMENTO DE DADOS

Achar a mdia dos

Achar varincia dos

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

Natureza do processo de chegada. Ex.: M variveis

Natureza do processo de servio. Ex.: M variveis

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

Eliminar o valor 728 !

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

O diagrama de disperso (scatter plot) permite a visualizao

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

K = 1 + 3,3 log10 198 = 1 + 3,3 * 2,30 = 8,6 9

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

Mdia intervalo entre as chegadas sem

COLETA E TRATAMENTO DE DADOS

COLETA E TRATAMENTO DE DADOS

Melhor trade-off entre

EXPLICAO SOBRE O SIGNIFICADO DE R2

EXPLICAO SOBRE O SIGNIFICADO DE R2

Quadrado da diferena entre