CeMEAI

MODELAGEM ESTOCÁSTICA E QUANTIFICAÇÃO DE INCERTEZAS

Rubens Sampaio

Trata-se de um curso de uma semana. Uma parte das aulas serão teóricas, e outras de exercícios. Os alunos tomaram parte ativa fazendo exercicios e apresentações de alguns artigos escolhidos. Dois livros de Notas de Matematica Aplicada da SBMAC serão usados como texto.

1. Motivação. Conceito de evento e probabilidade. Independência. Exemplos.

2. Espaço de probabilidades. Probabilidade discreta e enumerável. Regras de contagem. Caminhos aleatórios.

3. Variáveis aleatórias inteiras. Esperança. Momentos. Variáveis aleatórias reais. Processos estocásticos.

4. Probabilidade Condicional. Convergência de sequências de variáveis aleatórias. Desigualdades.

5. Geração de variáveis aleatórias e método de Monte Carlo. Simulações com Matlab.

6. Estatísticas e distribuição normal. Teorema do limite central. Lei dos grandes números.

7. Processos de Poisson. Confiabilidade.

8. Entropia e Informação. Princípio do máximo de entropia.

9. Cadeias de Markov. MCMC

9.4.1 Referências

[1] Geoffrey Grimmett and DominicWelsh Probability: an introduction Claredon Press, Oxford, 1986.
[2] José Eduardo Souza de Cursi e Rubens Sampaio Modelagem Estocástica e Quantificação de Incertezas Notas de Matematica Aplicada da SBMAC, volume 66
[3] R. Sampaio e R. Lima Modelagem estocástica e geração de amostras de variáveis e vetores aleatórios Notas em Matemática Aplicada da SBMAC, volume 70

Compartilhe:

Facebook
WhatsApp
Twitter
Pinterest
LinkedIn

Compartilhe:

Facebook
WhatsApp
Twitter
Pinterest
LinkedIn