Simulao de Projetos

Universo
Faculdade Salgado de Oliveira Graduao Engenharia de Produo Disciplina: Simulao de Projetos 2 AULA
Prof.: Alvaro Ochoa Villa

Trs Etapas

Coleta
Tratamento Inferncia

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 2

Coleta dos Dados

1.
2.

Escolha adequada da varivel de estudo

O tamanho da amostra deve estar entre 100 e 200 observaes. Amostras com menos de 100 observaes podem comprometer a identificao do melhor modelo probabilstico, e amostras com mais de 200 observaes no trazem ganhos significativos ao estudo;

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 3

Coleta dos Dados

3.

Coletar e anotar as observaes na mesma ordem em que o fenmeno est ocorrendo, para permitir a anlise de correlao ; Se existe alguma suspeita de que os dados mudam em funo do horrio ou do dia da coleta, a coleta deve ser refeita para outros horrios e dias. Na modelagem de dados, vale a regra: toda suspeita deve ser comprovada ou descartada estatisticamente.
Slide 4

4.

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Exemplo 2.1: Filas nos Caixas do Supermercado

Um gerente de supermercado est preocupado com as filas formadas nos caixas de pagamento durante um dos turnos de operao. Quais seriam as variveis de estudo para coleta de dados? (S) ou (N).
(N) O nmero de prateleiras no supermercado (S) Os tempos de atendimento nos caixas (N) O nmero de clientes em fila
resultado!!

(N) O tempo de permanncia dos clientes no supermercado (S) Os tempos entre chegadas sucessivas de clientes nos caixas de pagamento
Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006) Slide 5

Exemplo 2.1: Coleta de Dados

Intervalo entre chegadas de pessoas nos caixas do supermercado (100 medidas). Tempos em minutos:
11 1 5 2 1 8 7 2 15 1 6 19 2 10 0 6 4 2 3 6 5 3 2 1 5 9 5 11 0 5 1 2 3 9 3 0 18 12 2 0 2 3 6 3 18 2 14 13 6 3 13 27 1 1 6 2 1 28 8 5 0 3 1 9 4 3 7 2 7 17 13 5 1 1 3 2 0 0 3 0 9 7 11 0 22 12 7 0 19 10 19 20 4 3 27 8 16 7 19 3 9 4 1 10 8 1 28 1 1 15 10 5 3 9 3 4 20 3 12 7 1 12 2 3 3 3 1 6 1 43 9 10 6 9 18 5 2 18 5 0 5 8 4 3 0 1 3 12 9 2 20 8 13 4 4 1 2 12 4 8 5 7 4 4 4 11 3 8 12 9 17 728 12 6 4 3 9 2 0 5 1 5 2 5 4 9 4 12 4 11 24 8 12 3 7 1 3 1 3 8
Slide 6

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Exemplo 2.1: Medidas de Posio e Disperso

Mdia Mediana Medidas de posio Moda Mnimo Mximo Amplitude Desvio padro Medidas de disperso Varincia da amostra Coeficiente de Variao Coeficiente Assimetria 10,44 5 3 0 728 728 51,42 2.643,81 493% 13,80

O 728 um outlier?
Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006) Slide 7

Exemplo 2.1: Outlier

Intervalo entre chegadas de pessoas nos caixas do supermercado (100 medidas). Tempos em minutos:
11 1 5 2 1 8 7 2 15 1 6 19 2 10 0 6 4 2 3 6 5 3 2 1 5 9 5 11 0 5 1 2 3 9 3 0 18 12 2 0 2 3 6 3 18 2 14 13 6 3 13 27 1 1 6 2 1 28 8 5 0 3 1 9 4 3 7 2 7 17 13 5 1 1 3 2 0 0 3 0 9 7 11 0 22 12 7 0 19 10 19 20 4 3 27 8 16 7 19 3 9 4 1 10 8 1 28 1 1 15 10 5 3 9 3 4 20 3 12 7 1 12 2 3 3 3 1 6 1 43 9 10 6 9 18 5 2 18 5 0 5 8 4 3 0 1 3 12 9 2 20 8 13 4 4 1 2 12 4 8 5 7 4 4 4 11 3 8 12 9 17 728 12 6 4 3 9 2 0 5 1 5 2 5 4 9 4 12 4 11 24 8 12 3 7 1 3 1 3 8
Slide 8

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Outliers ou Valores Discrepantes

Erro na coleta de dados. Este tipo de outlier o mais comum, principalmente quando o levantamento de dados feito por meio manual. Eventos Raros. Nada impede que situaes totalmente atpicas ocorram na nossa coleta de dados. Alguns exemplos:
Um dia de temperatura negativa no vero da cidade do Rio de Janeiro; Um tempo de execuo de um operador ser muito curto em relao aos melhores desempenhos obtidos naquela tarefa; Um tempo de viagem de um caminho de entregas na cidade de So Paulo, durante o horrio de rush, ser muito menor do que fora deste horrio.

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 9

Exemplo 2.1: Outlier (valor discrepante)

Dados

com o outlier
Mdia 10,44

sem o outlier
6,83

Mediana
Varincia da amostra

5
2.643,81

5
43,60

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 10

Identificao de Outliers: Box-plot

Valores 20

Q 3+1,5( Q 3- Q 1)

Q3
15

mediana Q1
10

Q 1-1,5( Q 3- Q 1)
5

outlier

0 A B C Sries

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 11

Anlise de Correlao
50

Obs e rv a o k +1
40

Diagrama de disperso dos tempos de atendimento do exemplo de supermercado, mostrando que no h correlao entre as observaes da amostra.

30

20

10

0 0 10 20 30 40

Obs e rv a o k

50

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 12

Anlise de Correlao
20

Obs e rv a o k +1
18

Diagrama de disperso de um exemplo hipottico em que existe correlao entre os dados que compem a amostra.

16

14

12

10 10 12 14 16 18

Obs e rv a o k

20

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 13

Exemplo 2.1: Construo do Histograma

O histograma utilizado para identificar qual a distribuio a ser ajustada aos dados coletados ou utilizado diretamente dentro do modelo de simulao.

1. Definir o nmero de classes:

K 1 3,3 log10 n
K n

2. Definir o tamanho do intervalo:

Amplitude K

3. Construir a tabela de freqncias 4. Construir o histograma

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 14

Exemplo 2.1: Histograma

Freqncia 120 100 80 60 40 20 0 4.8 14.3 23.9 Bloco 33.4 43

Histograma h=4.8

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 15

Exemplo 2.1: Inferncia

Qual o melhor modelo probabilstico ou distribuio estatstica que pode representar a amostra coletada? Lognormal?
f (x ) =1 =0,5

Freqncia 120 100 80 60 40 20 0 4.8

f (x ) 1/

Histograma h=4.8
=1 =1

14.3

23.9 Bloco

33.4

43

f (x )

f (x )

Triangular? Normal?

Exponencial?
a m b x

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 16

Testes de Aderncia (no paramtricos)

Testa a validade ou no da hiptese de aderncia (ou hiptese nula) em confronto com a hiptese alternativa:
H0: o modelo adequado para representar a distribuio da populao.

Ha: o modelo no adequado para representar a distribuio da populao.

Se a um dado nvel de significncia (100)% rejeitarmos H0, o modelo testado no adequado para representar a distribuio da populao. O nvel de significncia equivale probabilidade de rejeitarmos a hiptese nula H0, dado que ela est correta. Testes usuais:
Qui quadrado

Kolmogorov-Sminov
Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006) Slide 17

Teste do Qui-quadrado
Limites Inf Sup 0 4.8 4.8 9.6 9.6 14.3 14.3 19.1 19.1 1.0E+10 Exponencial 0.5022 0.2500 0.1244 0.0620 0.0614 Freqncias Terica (T) Observada (O) 100 96 50 55 25 25 12 13 12 10 E Confiana Graus de liberdade Valor Terico p-value (O-T)^2/T 0.16 0.55 0.00 0.04 0.40 1.15 5% 3 7.81 0.76

Portanto,

no rejeitamos

a hiptese de que os dados aderem ao modelo exponencial

Slide 18

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

P-value
Parmetro usual nos softwares de estatstica. Para o teste do quiquadrado no Excel, utilizar:
=DIST.QUI (valor de E; graus de liberdade) Valor p-value<0,01 0,01p-value<0,05 0,05p-value<0,10 0,10p-value Critrio Evidncia forte contra a hiptese de aderncia Evidncia moderada contra a hiptese de aderncia Evidncia potencial contra a hiptese de aderncia Evidncia fraca ou inexistente contra a hiptese de aderncia

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 19

Distribuies discretas: Binomial

f (x )

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 20

Distribuies discretas: Poisson

f (x )

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 21

Distribuies contnuas: Beta

f (x ) =1,5 =5 =6 =2 =4 =4 =2 =1 =2 =3 =3 =2

=2 =1

0,5

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 22

Distribuies contnuas: Erlang

f (x ) =0,5

=0,5 k= 3 =0,2 k= 10

x
Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006) Slide 23

Distribuies contnuas: Exponencial

f (x ) 1/

x
Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006) Slide 24

Distribuies contnuas: Gama

f (x )
=0,

=1 =2

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 25

Distribuies contnuas: Lognormal

f (x ) =1 =0,5 =1 =1

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 26

Distribuies contnuas: Normal

f (x )

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 27

Distribuies contnuas: Uniforme

f (x )

1/ (b-a )

a
Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 28

Distribuies contnuas: Triangular

f (x )

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)

Slide 29

Distribuies contnuas: Weibull

f (x ) =0,5 =1 =3 =1

=1 =1

=2 =1 =3 =2

x
Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006) Slide 30

Modelagem de dados... Sem dados!

Distribuio Parmetros Caractersticas
Grande

Aplicabilidade variabilidade dos valores Independncia entre um valor e outro Muitos valores baixos e poucos valores altos Utilizada para representar o tempo entre chegadas sucessivas e o tempo entre falhas sucessivas
Quando

Exponencial

Mdia

Varincia Cauda

alta para direita

Triangular

Menor valor, moda e maior valor

Simtrica

ou no

se conhece ou se tem um bom chute sobre a moda (valor que mais ocorre), o menor valor e o maior valor que podem ocorrer
Quando

Simtrica

Normal

Mdia e desvio-padro

Forma

de sino

Variabilidade

controlada pelo desviopadro

Todos

a probabilidade de ocorrncia de valores acima da mdia a mesma que valores abaixo da mdia Quando o tempo de um processo pode ser considerado a soma de diversos tempos de sub-processos Processos manuais
Quando

Uniforme

Maior valor e menor valor

os valores no intervalo so igualmente provveis de ocorrer

no se tem nenhuma informao sobre o processo ou apenas os valores limites (simulao do pior caso)
Utilizada

Discreta

Valores e probabilidade de ocorrncia destes valores

Apenas

assume os valores fornecidos pelo analista

para a escolha de parmetros das entidades (por exemplo: em uma certa loja, 30% dos clientes realizam suas compras no balco e 70% nas prateleiras) Quando se conhecem apenas valores intermedirios da distribuio ou a porcentagem de ocorrncia de alguns valores discretos Slide 31

Modelagem e Simulao de Eventos Discretos Chwif e Medina (2006)