Académique Documents
Professionnel Documents
Culture Documents
PROCESSOS FILAS
VIII.1 - Introduo
153
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
(3) Disciplina da Fila: So regras de atendimento do servidor para o cliente tais como:
"primeiro a chegar, primeiro atendido", "ltimo chegar, primeiro atendido" e "seleo
aleatria de prioridades para o servio".
154
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
dP0 ( t )
= 0 P0 ( t ) + 1 P1 ( t )
dt
(VIII.1)
= ( n + n ) Pn ( t ) + n1 Pn1 ( t ) + n+1 Pn+1 ( t )
dPn ( t )
dt
onde a taxa de chegada de clientes no perodo t e a taxa de atendimento do
servidor(s) no mesmo perodo.
As condies iniciais so:
1 , n = 0
Pn (0) =
0 , n 0
Para t +,
0 = 0 P0 ( t ) + 1 P1 ( t )
(VIII.2)
0 = ( n + n ) Pn ( t ) + n1 Pn1 ( t ) + n+1 Pn+1 ( t ) n1
2 P2 ( t ) = (1 + 1 ) P1 ( t ) 0 P0 ( t ) = 1 P1 ( t ) (VIII.4)
portanto,
0 1
P2 ( t ) = P (t) (VIII.5)
1 2 0
Assim, para n = 1, 2, 3, ...
n Pn ( t ) = n1 Pn1 ( t ) (VIII.6)
e
0 1 2 ... n1
Pn ( t ) = P (t) (VIII.7)
1 2 3 ... n 0
P j =1 (VIII.8)
j= 0
portanto,
1
+ ... n1
P0 ( t ) = 1 + 0 1 2 (VIII.9)
n=1 1 2 3 ... n
Ento podemos definir que para o perodo estacionrio do processo, teremos:
155
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
1
+ ... n1
P0 ( t ) = 1 + 0 1 2 (VIII.10)
n=1 1 2 3 ... n
0 1 2 ... n1
Pn ( t ) = P (t) n>0 (VIII.11)
1 2 3 ... n 0
dP0 ( t )
= P0 ( t ) + P1 ( t )
dt
dPn ( t )
= ( + ) Pn ( t ) + Pn1 ( t ) + Pn+1 ( t ) n0
dt (VIII.12)
Vamos definir que a intensidade de trfego do sistema (fator de utilizao) ser:
= = Chegada / Servio (VIII.13)
Conforme visto antes,
1
+ 0 1 2 ... n1
P0 ( t ) = 1 +
1 1
= [1 + + 2 + 3 +...] =
1
=
n=1 1 2 3 ... n (1 + + + +...) 1
2 3
1
Ento,
156
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
0 1 2 ... n1
Pn ( t ) = P ( t ) = n P0 ( t ) (VIII.15)
1 2 3 ... n 0
Ento,
Pn ( t ) = ( 1 ) n n0 (VIII.16)
Assim,
P0 ( t ) = 1
Pn ( t ) = ( 1 ) n
(VIII.17)
E( Q ( t ) ) =
1
(VIII.19)
V( Q( t )) =
(1 ) 2
f ( x ) = e x , x0 (VIII.20)
onde x o tempo de espera de cada cliente.
A soma da densidade de probabilidade exponencial chamada densidade de
probabilidade Gamma, da forma:
n n 1
x x
g( x ) = e x0 (VIII.21)
( n 1)!
157
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
No limite, para x +,
+
e x n x n 1
F( x) = P( W x) = 1 (VIII.22)
n = 1 ( n 1) !
= ( 1 ) n e x
dx n =1 ( n 1) !
( x) n1
= ( 1 ) e x
( n 1) !
n =1
= ( 1 ) e ( ) x
dF( x)
= (1 )e ( 1 ) x
dx (VIII.23)
mostrando que no limite a distribuio do tempo de espera tambm exponencial. A
mdia e varincia para o tempo de espera W(t) pode ser obtido de (VIII.23):
E (W( t )) =
( 1 )
( 1 )
(VIII.24)
V(W( t )) =
2 ( 1 )
2
Exemplo -1 :
Soluo:
Seja Q o tamanho da fila. Sabemos que
158
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
P( Q( t ) 0) = 1 P( Q( t ) = 0) = 1 ( 1 ) =
mas,
= = razo de chegada / razo de atendimento
Temos ainda que um atendimento feito a cada 2 minutos, ento usando regra de trs,
12 2
P(Q( t ) 0) = = = = 0.4
30 5
(3) A companhia telefnica deseja instalar outra cabine se o tempo de espera de cada
cliente for superior a 3 minutos. De quanto deve aumentar as chegadas central para
justificar a segunda cabine?
Soluo:
E( W( t )) = = 3
(1 ) ( )
1 atendimento___________ 2 min
___________ 1 min
sendo portanto, = 0.5.
Ento:
3 ( ) 0.3
0.5(0.5 )
ou seja, o nmero mdio de chamadas de 0.3 por minuto. Em uma hora sero
159
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
0.3 x 60 = 18 chamadas.
Logo, para a nova cabine ser instalada, dever aumentar de 6 o nmero de
chamadas por hora.
dP0 ( t )
= P0 ( t ) + P1 ( t )
dt
dPn ( t )
= ( + n) Pn ( t ) + Pn1 ( t ) + ( n + 1)Pn+1 ( t ) 0 n s
dt
dPn ( t )
= ( + s) Pn ( t ) + Pn1 ( t ) + sPn+1 ( t ) ns
dt
(VIII.26)
da mesma forma a segunda equao quando o nmero de clientes menor que servidor
e a terceira equao quando nmero de clientes maior que servidor. Para este caso, a
intensidade de trfego ser:
= (VIII.27)
s
Para o regime estacionrio dP(t)/dt = 0, tm-se as equaes:
1
s ( s) r s+1 . s s ( 1 ) 1
P0 ( t ) = +
r =0 r ! s!
ss . n . P0 ( t )
Pn ( t ) = ( n s)
s!
( s. ) n . P0 ( t )
Pn ( t ) = (ns)
n! (VIII.28)
160
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
Ps (t )
E (W (t ) ) = (VIII.30)
s..(1 )
2
2
Para M / M / 2: E( Q 2 ( t ) ) = (VIII.31)
(1 + )(1 )
Para M / M / 1: E( Q 1 ( t )) = (VIII.32)
1
Ento, comparando as 2 mdias:
2
E( Q 2 ( t )) E( Q 1 ( t )) = = 0 (VIII.33)
(1 + )(1 ) (1 ) 1 +
Exemplo - 2:
Um supermercado tem 3 caixas. O tempo de servio para cada cliente
exponencial com mdia 5 minutos e pessoas chegam num processo de Poisson com razo
30/hora.
(1) Qual a probabilidade dos caixas estarem ocupados?
s=3
c = 5
1 1
= =
c 5
30 1
= =
60 2
Ento a intensidade de trfego ser:
161
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
1
5
= 2 =
1 6
3.
5
ento a probabilidade,
[ ]
P (Q( t ) 3) = 1 P0 ( t ) P1 ( t ) P2 ( t )
4 10 25 125
P0 ( t ) = ; P1 ( t ) = ; P2 ( t ) = ; P3 ( t ) =
89 89 178 1068
Logo,
P[(Q( t ) 3)] =
625
= 0.585 ou 58.5%
1068
Exemplo 3:
Um laboratrio tem dois computadores servidores de equivalente capacidade.
Clculos que chegam aos computadores tem um tempo de servio de atendimento
exponencial com mdia 3 minutos. Os trabalhos so de dois tipos: Universitrios e
Externos. Os trabalhos Universitrios chegam ao laboratrio na razo de 18/hora e
Externos 15/hora. vantagem utilizar um computador exclusivamente para trabalhos
Universitrios e outro para os Externos?
Soluo:
Considerando cada computador individual, como simples servidor:
Para W1:
162
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
18
= 60 = 0.3
c = 3
1 1
= =
c 3
= = 9
10
ento,
E( W1 ( t )) =
9 10
= 27 minutos
1 3 (1 9 10)
Para W2:
15
= 60 = 0.25
1
=
3
= = 3
4
E( W2 ( t )) =
34
= 9 minutos
1 3 .1 4
Quando os dois computadores W1 e W2 esto trabalhando juntos:
= 1 + 2 = 0.3 + 0.25 = 0.55
1
=
3
= = 11 . 3 = 33
2 20 2 40
7 7623
P0 ( t ) = ; P2 ( t ) = ;
73 58400
Logo,
E (W( t )) = E (W1 ( t ) + W2 ( t )) = 6.45 minutos.
Claramente muito melhor trabalhar num sistema com duplo servidores do que 2
computadores isolados.
163
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
dgitos.
Vamos emprestar o seguinte exemplo sugerido no livro "GPSS - Modelagem e
Simulao de Sistemas"[ ]:
Considerando x 0 = 2387 ento m = 4. Elevando ao quadrado, x 20 = 05697769 .
Ento, tomado-se os quatro algarismos centrais: x 1 = 6977 , seguindo-se
sucessivamente:
x 0 = 2387 x 20 = 05697769
x1 = 6977 x12 = 48678529
x 2 = 6785 x 22 = 46036225
x 3 = 0362 x 23 = 00131044
x 4 = 1310 LLLL
164
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
6977
x1 = = 0.6978
9999
6785
x2 = = 0.6786
9999
0362
x3 = = 0.0362
9999
1310
x4 = = 01310
.
9999
x1 = 7 27 ( mod.256) = 189
x 2 = 7 189 ( mod.256) = 43
x 3 = 7 43 ( mod.256) = 45
x 4 = 7 45 ( mod.256) = 59
LLLLLLLLLLL
165
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
Da mesma forma que o mtodo anterior, a variao dos nmeros gerados vai de
zero a M-1. A mudana neste caso para o intervalo [0;1], feita atravs da diviso do
nmero por M-1. Assim,
189
x1 = = 0.74
255
43
x2 = = 017
.
255
45
x3 = = 018
.
255
59
x4 = = 0.23
255
x y ( mod.M )
se
(x-y) divisvel por M.
166
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
F( x) = f ( y)dy = . e y dy = 1 e x
0 0
Isolando x, temos:
1
x = ln ( 1 F( x))
Pode-se lembrar que a mdia da distribuio exponencial 1/ e que F(x) varia no
intervalo [0,1]. Assim, (1-F(x)) tambm varia no intervalo [0,1] e a frmula para
encontrar x debaixo da distribuio exponencial ser:
x = ln(F(x))
167
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
2
e a mdia e o desvio padro. Para normalizar os valores obtidos por x, basta fazer:
y
z=
onde a mdia zero e o desvio padro 1. A funo densidade ento ser:
1 z2 / 2
f ( z) = e
2
que uma funo tabulada. A funo densidade acumulada :
x
F( x) =
1 z2 / 2
e dz
2
z = ( F( x) 6) . +
168
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
Exemplo4:
Vamos gerar 20 nmeros com distribuio Exponencial e de Poisson e comparar
as probabibilidades "reais" geradas pelos simuladores com as probabilidades "tericas",
atravs das leis de probabilidades. Para tanto, para os seguintes nmeros gerados:
Poisson Exponencial
23.23 5.42
24.83 4.22
24.57 5.03
23.42 4.96
21.57 8.65
22.87 41.38
22.51 41.48
22.42 8.57
21.64 9.69
23.71 30.01
21.87 31.70
20.92 4.56
22.07 89.83
21.96 50.00
23.06 6.15
22.30 2.63
24.87 43.84
24.10 18.66
21.33 60.49
24.37 23.89
169
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
temos que montar o rol dos nmeros, ou seja, coloc-los em ordem crescente ou
decrescente. Escolhemos a ordem crescente para a distribuio exponencial. Ento,
2.63 4.22 4.56 4.96 5.03 5.42 6.15 8.57 8.65 9.69 18.66 23.89 30.01 31.70 41.38
41.48 43.84 50 60.49 89.83
170
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
2.63 20
P(2.63 t 20) = e T
e T
= 0.4555
20 37.51
P(20 t 37.51) = e T
e T
= 0.2258
37.51 54.95
P(37.51 t 54.95) = e T
e T
= 0.1108
54.95 72.39
P(54.95 t 72.39) = e T
e T
= 0.054
72.39 89.83
P(72.39 t 89.83) = e T
e T
= 0.026
Multiplicando agora esses valores pela quantidade de dados, obteremos a ltima coluna
da freqncia absoluta terica. Podemos ver que os valores so bem prximos do
simulado, o que atesta a boa performance do simulador.
171
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
Volume de Chegadas
Hora de Chegada
Intervalo de tempo entre as
Chegadas
Tempo de
Tamanho da Fila Permanencia
Incio do Atendimento
no sistema
Servidor
Fim do Atendimento
Hora de Partida
Figura VIII.1 - Simulao de Filas
172
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
300
50
40
30
20
100
10
0 0
500
17
Tempo de Permanencia No Sistema (minutos)
400
Tempo de Atendimento (minutos)
17
300
16
200
16
100
15 0
173
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
30
20
10
A tabela a seguir mostra uma pequena parte das simulaes apresentadas nos
grficos das Figuras VIII.2 a VIII.6 e o desempenho numrico das variveis.
174
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
Vamos supor que, ao invs de13 minutos, a mdia do tempo de chegada suba para
= 17, ou seja, o sistema fica mais adequado ao volume de chegadas.
10
Tamanho da Fila (quantidade de processos)
175
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
30
Um Servidor Dois Servidores
10
Servidores com mesmo tempo de atendimento Servidore com Diferentes tempos de Atendimento
6
Tamanho da Fila (quantidade de processos)
176
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
O resultado, como era de se esperar, uma fila de espera maior do que quando os
dois servidores tem mesma capacidade de atendimento, porm a fila resultante ainda
muito menor do que quando o sistema possui apenas um servidor.
Como comparao entre a simulao e a anlise da teoria de Filas apresentadas no
incio deste captulo, tomaremos as equaes (VIII.1) com n = 10, ou seja, desejamos
fazer uma anlise para um tamanho de fila com 10 processos na espera.
O sistema ser assumido onde as chegadas ocorrem segundo um processo de
Poisson com parmetro = 0.1 e atendimento segundo distribuio exponencial com
mdia = 0.74. Ou seja, os processos chegam num intervalo de tempo de 0.1 minutos e
so atendidos em 0.74 minutos.
1.00
0.80
Probabilidade
0.60
P0
0.40
P1
P2
0.20 P3
P4
P5 P6
P7 P8
P9
0.00
A Figura VIII.10 apresenta o resultado onde, percebe-se que quanto mais o tempo
passa a probabilidade da fila aumentar tambm aumenta. Assim, por exemplo, depois de
10 minutos, o tamanho mais provvel da fila acima de 9 processos.
Observando o resultado da simulao na Figura VIII.11, percebe-se a
concordncia entre a teoria de filas e o resultado observado.
177
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
12.00
4.00
0.00
Pela Figura VIII.11, confirma-se o que pode ser observado na Figura VIII.10,
onde esperava-se um tamanho de fila acima de 9 processos, o que realmente ocorre. A
Figura VIII.10 pode ser obtida atravs da integrao numrica das equaes VIII.1
utilizando integrador de Runge-Kutta de quarta ordem com os parmetros e j
fornecidos.
Nas sees anteriores foi descrito como simular nmeros regidos pelas diversas
distribuies de probabilidades. A filosofia disto que ao gerar nmeros que so regidos
pela distribuio adequada, poderemos simular certos eventos na natureza com grau de
preciso maior do que outros mtodos determinsticos.
Uma maneira de simular eventos, principalmente aqueles com dinmica
estocstica utilizar o mtodo de Monte Carlo. Os passos para seu uso so bem simples e
intuitivos.
Passo 1:
Escolhe-se uma distribuio de probabilidade que, comprovadamente pela
estatstica, descreve as perturbaes aleatrias.
178
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
1
e ( x ) / 22
2
f (x) =
2
Passo 2:
Gera-se a funo distribuio acumulada F(x), ou seja, F( x ) = f ( x )
1.20
0.40
nmero aleatrio gerado
F(x)
Distribuio Acumulada de Probabilidade uniformemente
0.20
valor de x encontrado
0.40 com distribuio normal
0.10
0.00 0.00
-8.00 -4.00 0.00 4.00 8.00
-8.00 -4.00 0.00 4.00 8.00
varivel x
varivel x
Passo 3:
Gera-se um nmero aleatrio uniforme F(x).
Passo 4:
Procura-se na tabela de classes da acumulada onde ele pertence.
Exemplo: A seguir apresentada uma tabela da distribuio normal f(x) com sua
distribuio acumulada F(x) para x no intervalo [-5,5].
x f(x) F(x)
5.00 0.0000015 0.0000015
-4.00 0.0001338 0.0000399
-3.00 0.0044318 0.0015837
-2.00 0.0539910 0.0255408
179
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
A seguir foram gerados pelo mtodo de Monte Carlo 10 nmeros aleatrios com
distribuio gaussiana. Conforme explicado anteriormente, o nmero da direita
aleatrio com distribuio gaussiana e o da esquerda, varre-se a tabela da distribuio
acumulada gaussiana.
Nm.Uniforme Nm.Gaussiano
F(x) (x)
0.210513 -0.800000
0.788730 0.800000
0.576517 0.200000
0.947446 1.600000
0.954481 1.700000
0.963769 1.800000
0.191558 -0.900000
0.041205 -1.700000
0.112742 -1.200000
0.185807 -0.900000
0.372420 -0.300000
O Clculo de reas
180
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
y = random;
Passo 2:
Testa x na funo desejada a ser integrada f(x).
Passo 3:
Se y gerado aleatriamente for y f(x), ento o nmero de pontos somado e
fazemos N = N + 1, caso contrrio gera-se outro para at a desigualdade ser satisfeita.
Passo 4:
No final, a rea ser correspondente probabilidade dos pontos gerados cair
embaixo da funo f(x), ou,
N
p=
n
N: total de pontos que satisfaz a funo f(x).
n: total de pontos gerados.
Passo 5:
Multiplica-se "p" pelo retngulo da funo C(B-A) e a rea ento ser:
n
Area = C(B A )
N
Exemplo: Calcular a integral de f(x)=x para o intervalo [0,1] pelo mtodo de Monte
Carlo. O resultado dos pontos gerados apresentado no grfico abaixo. O resultado
analtico facilemente encontrado como rea = 0.5. Neste exemplo o resultado obtido
pelo mtodo foi de rea Monte Carlo = 0.489 para n=1000 pontos gerados.
1.00
0.80
0.60
f(x)
0.40
0.20
0.00
181
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
program integral(ar);
uses crt;
var
i, soma,num:integer;
x,y,area,LIMINF,LIMSUP,FATOR,MAXY,ff:real;
ar: text;
{===========================================}
var
aux1,aux2:real;
begin
{ aux1:=exp(xis);
aux2:=exp(-xis);
efe:=sin(xis)*(aux1-aux2)/2;}
efe:=xis;
end;
{===========================================}
begin
assign(ar,'ar.dat');
rewrite(ar);
randomize;
clrscr;
{////////////////////////////////////////}
num:=1000;
LIMINF:=0;
LIMSUP:=1;
MAXY:=1;
FATOR:=MAXY*(LIMSUP-LIMINF);
{////////////////////////////////////////}
soma:=0;
182
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
begin
x:=LIMSUP*random;
y:=MAXY*random;
ff:=efe(x);
begin
soma:=soma+1;
end;
area:=FATOR*soma/num;
writeln('AREA = ',area:10:5);
end.
183
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
r = a1 a 2
s = b1 + b 2
Se o tempo for descontado do processo, pode-se observar que existem duas
possibilidades para a populao:
x : pode nascer um indivduo { evento N }
x : pode morrer um indivduo { evento M }
Se ocorrer o evento N, ento x i + 1 = x i + 1
Se ocorrer o evento M, ento x i + 1 = x i 1
As probabilidades sero proporcionais s taxas de nascimento e morte
P( N ) xn ( x ) = a1x b1x 2
P(M ) xm ( x ) = a 2 x + b 2 x 2
Desde que estes eventos so mutuamente exclusivos,
a1 b1x 2
P( N) = p =
(a1 + a 2 )x (b1 b 2 )x 2
a 2x + b2x 2
P(M) = 1 p =
(a1 + a 2 )x (b1 b 2 )x 2
Podemos a partir dessas equaes simular o crescimento de uma populao, onde por
exemplo podermos adotar os seguintes valores dos parmetros:
x(0) = 69
a1 = 0.7 b1 = 0.0045 a2 = 0.2 b2 = 0.0005
Com estes parmetros teremos a correspondente equao diferencial:
x& = 0.5x 0.005x 2
com r = 0.5 e s = 0.005. Vamos seguir os seguintes passos de simulao:
Passo1:
Para o incio,
x = 69
(0.7)(69) (0.0045)(692 )
p= = 0.624
(0.7 + 0.2)(69) (0.0045 0.0005)(69 2 )
1 p = 1 0.624 = 0.376
Passo 2:
Obtm-se um nmero aleatrio u, com distribuio uniforme [0,1].
Passo 3:
Se up o prximo evento nascimento (N) x = x + 1;
184
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
Num perodo de 600 anos, mais ou menos 330 terremotos ocorreram na regio
central da Itlia possuindo intensidade no epicentro (x) acima de 6 na escala. Em adio,
x pode ser modelado como distribuio exponencial,
x = b + ln ( ln(F) )
onde os parmetros so
b: localizao
: escala (disperso)
F: nmero com distribuio uniforme em [0,1].
Um abalo ssmico em uma regio especfica (inclundo o epicentro)
representado por intensidade (y), segundo a lei de atenuao:
1 1 zx 0 x
y=x ln 1 + 1
ln 0 z0
onde z denota a distncia do epicentro. Como exemplo, vamos fazer uma simulao para
uma determinada regio da Itlia com os valores de parmetros abaixo
z0 : distncia da linha isossmica = 9.5 Km
x0 : intensidade epicntrica = 10
0 = 1
= 1.5
= 1.3
= 0.91
b=6
185
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
7
intensidade no epicentro
6.5 intensidade na regi o
dist ncia na linha isos smica
6
5.5
4.5
3.5
2.5
2
1 2 3 4 5 6 7 8 9 10
tempo (anos)
50
45
40
35
localiza o y
30
25
20 AFRICA
15
10
0
0 10 20 30 40 50
localiza o x
186
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
Isolinhas de Intensidade
10
7
localiza o y
0
0 2 4 6 8 10
localiza o x
187
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
A simulao anterior pode ser repetida e variada utilizando o software Matlab 5.0
atravs do programa a seguir:
hold off
%==============constantes============================
z0=9.5;
x0=10;
psi0=1;
psi=1.5;
fi=1.3;
%-----------------------------------------------------
%intervalo para dist. unif. da distancia do epicentro z
a=2;
b=8;
%-----------------------------------------------------
%parametros para a distribuicao de Gumbel para a intensidade
%do terremoto x
escala=0.91;
loc=6;
%NUMERO DE ANOS PARA SIMULACAO
anos=10;
%====================================================
rand('seed',sum(100*clock))
for i=1:1:anos
F=rand;
z(i)=a+(b-a)*rand;
x(i)=loc+escala*log(-log(F));
y(i)=x(i)-(1/log(psi))*log(1+((psi-1)/psi0)*((z(i)*(fi)^(x0-
x(i)))/z0-1));
end;
plot(x,'-k');
hold on
plot(y,':k');
plot(z,'--k');
grid;
xlabel('tempo (anos)')
legend('intensidade no epicentro','intensidade na regio','distncia na
linha isossmica')
pause;
for i=1:1:10
for j=1:1:10
intens(i,j)=0;
lugx(i,j)=0;
lugy(i,j)=0;
end;
end;
j=1;
for i=1:1:anos
lugx(i,j)=z(i)+rand;
lugy(i,j)=z(i)+rand;
188
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
intens(round(lugx(i,j)),round(lugy(i,j)))=x(i);
end;
hold off
load topo
contour(0:359,-89:90,topo,[0 0],'k')
set(gca,'xlim',[0 50],'ylim',[0 50])
hold on
for i=1:1:1
plot((15-lugx(:,i)),(38+lugy(:,i)),'pk')
hold on
end;
grid;
xlabel('localizao x');
ylabel('localizao y');
text(20,20,'AFRICA');
pause;
hold off
contour(intens,'k')
set(gca,'xlim',[0 10],'ylim',[0 10])
grid;
xlabel('localizao x');
ylabel('localizao y');
title('Isolinhas de Intensidade');
pause;
hold on
colormap(gray)
surf(intens)
shading interp
view(25,30)
hidden off
grid;
xlabel('localizao x')
ylabel('localizao y')
zlabel('intensidade do EPICENTRO')
189
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
EXERCCIOS
1- Observe o seguinte modelo dinmico para uma fila infinita com n = 0,1,2:
dP0
= P0 + P1
dt
dP1
= ( + ) P1 + P0 + P2
dt
dP2
= P2 + P1
dt
2- Uma universidade possui um computador de grande porte como servidor para atender
as reas de geografia, matemtica, fsica e computao. As taxas de chegada e de
atendimento so:
Chegada - Atendimento -
Geografia 1/50 1/5
Matemtica 1/30 1/10
Fsica 1/20 1/12
Computao 1/15 1/14
Calcular o tamanho esperado das filas para cada tipo de clientes. Neste caso, se fosse o
analista, qual rea deveria utilizar o computador fora do expediente para evitar filas?
190
TEORIAS, TCNICAS E SIMULAES EM PROCESSOS ALEATRIOS - Marco Antonio Leonel Caetano
3- A figura mostra uma rede de computadores com um servidor e 4 micros ligados a ele.
A taxa de atendimento desta rede de 1 micro/segundo, sendo que em um segundo 3
micros ficam em fila. Com base neste fato:
Servidor
191