Escolar Documentos
Profissional Documentos
Cultura Documentos
,
$?' 8 4L7
-
8 AM
$?' I e
0
$?'!
1
$?'!
&
$?'%%%c o vetor de probabilidades nos estados 8! 6! ?! %%%
nos instantes dI8! 6! ?! %%%
Cma cadeia de Dardov em tempo discreto definida por1
a) P que a matriz de probabilidades de transi$o e
b) $?' I e
0
!
1
!
&
%%%c que o vetor de probabilidades dos estados 8! 6! ?! %%%! no instante d%
Os vetores de probabilidades de estado $(', $)', %%%, $?' s$o calculados como1
$(' 8 $0 ' 4
$)' 8 $0 ' 4)
$D' 8 $0 ' 4D
%%%
$?' 8 $0 ' 4? para ? 8 (, ), 6
Botar que os estados podem ser infinitos%
=(U([ Cl"ssi'i#"30$ d$s Es!"d$s
6% Cm estado j alcan"vel de um estado i se piA
n
N 0 para algum nI 6!?!%%%
Um estado j dito ser acessvel de um estado diferente i (escrito i j) se, dado que ns
estamos no estado i, h uma !ro"a"ilidade n#o$%ero que em al&um dia no futuro, ns estejamos
no estado j'(
?% Cm subconjunto +O de estados de + fechado se piA8 0 para i +O e A +%
R% Cm estado i absorvente se +O8 P i Q fechado%
Cm estado i dito a #$)ni#"d$r com estado j (escrito i k j) se for verdadeiro que ambos se
comunicam! ou seja! i acess(vel de j e tambm j acess(vel de i% Cm jogo dos estados 4 dito
#$)ni#"d$r se cada par dos estados dentro de 4 comunicam,se com outro! e nenhum estado
dentro 4 comunica,se com outro estado fora de 4% (4e pode mostrar que uma comunica$o neste
sentido rela$o de equivalncia)% Cma classe comunicando,se 'e#,"d" se a probabilidade de
dei'ar a classe for zero! sabendo,se que se i est" dentro de ) mas j n$o est"! ent$o j n$o
acess(vel de i%
@% Cm conjunto fechado +O irredut(vel se A alcan"vel a partir de i para todo
i!A+O%
M0odo estado pode ser alcanado a partir de qualquer outro estado%N
&'emplo @1
Os estados ? e R formam um conjunto fechado e irredut(velA o estado @ absorvente e a cadeia
redut(vel%
T% Cm estado i recorrente se li I6 dadas as definies a seguir1
=([1 Pr!i#"s e A%li#"34es
In!r$d)30$
&m atividades industriais! comerciais e humanas! bem como em fen=menos naturais! uma alto
grau de incerteza est" sempre presente% Portanto! modelos matem"ticos probabil(sticos! como o
processo de Dardov6! que permitam uma previs$o estimada do futuro! s$o bastante -teis na
tomada de decis$o(Eoldrini! 6798)%
)",se o nome de processo de Dardov a um dado fen=meno que possa ser classificado em estados
finitos e discretos! e cuja probabilidade de transi$o entre tais estados! num intervalo de tempo
tambm discreto! dependa apenas do estado corrente e do estado seguinte?% m seqHncia de
estados seguindo este processo d",se o nome de cadeia de Dardov(4hamblin! 67V7)%
&stas definies podem ser e'emplificadas por fen=menos sociais% 4uponha a e'istncia de trs
poss(veis classificaes sociais para um indiv(duo de uma popula$o1
classes A! E e :% 0m,se a( trs estados discretos! ou seja! n$o h" meio termo entre as classes% A
probabilidade de um indiv(duo sair da classe : e ir para a classe E pode ser determinada por
estudos estat(sticos que observem a ta'a de indiv(duos que! ao longo de um determinado per(odo!
migram entre estas classes% 0m,se a( um Processo de Dardov%
Oogo! a transi$o destes indiv(duos entre as classes constitui uma :adeia de Dardov%
Para o entendimento de cadeias de Dardov e suas aplicaes! essencial o conhecimento dos
conceitos1 diagrama de transi$o! vetor de probabilidade! matriz de transi$o! cadeia erg+tica!
cadeia regular! e regime estacion"rio%
Di"gr"" de !r"nsi30$
O diagrama de transi$o uma representa$o gr"fica de uma :adeia de Dardov% Beste diagrama
s$o visualizados os estados (representado por c(rculos)! as transies (representadas por arcos) e
as probabilidades das transies% neneralizando! pode,se representar os estados e as
probabilidades de transi$o! respectivamente! por &i e pij! onde i e j s$o um (ndices que
identificam os v"rios estados poss(veis (logo pij a probabilidade de haver uma transi$o do
estado &i para o estado &j)% A partir desta generaliza$o! pode,se desenhar um diagrama!
conforme a <igura 6 abai'o1
Figura 1 : Diagrama de Transio
Ve!$r de %r$;";ilid"de
O vetor de probabilidade contm as probabilidades de transi$o de um estado para outros estados
em um intervalo de tempo discreto% A generaliza$o do vetor de probabilidade dada por1
Onde pij indica a probabilidade de haver transi$o do estado &i para o estado &j! pid indica a
probabilidade de haver transi$o do estado &i para o estado &d! e pil indica a probabilidade de
haver transi$o do estado &i para o estado &l% A soma dos elementos de um vetor de
probabilidade sempre ser" igual a 6%
Ctilizando o e'emplo das classes s+cio,econ=micas! um estudo estat(stico pode ter determinado
que nula a probabilidade de um indiv(duo na classe : ir diretamente para a classe A! a
probabilidade de ir para a classe E ser 8!6! e a de continuar na classe : ser 8!7% Oogo! o vetor de
probabilidade de um indiv(duo na classe : ser"1
A <igura ? a seguir ilustra estas o diagrama de transi$o para estas probabilidades%
&ste diagrama apresenta apenas as transies cujas probabilidades s$o conhecidas% Bote que n$o
h" um arco representando a transi$o de : para A! uma vez que h" probabilidade nula de esta
transi$o ocorrer%
Figura 2: Diagrama de Transio parcial do exemplo de classes scio-econmicas
Cma vez que todas as probabilidades sejam conhecidas! poss(vel montar um diagrama
completo para este e'emplo% :onsiderando os vetores de probabilidade dos estados A e E
e'ibidos a seguir! tm,se o diagrama de transies completo! conforme a <igura R1
A
Figura 3 : Diagrama de Transio completo do exemplo de classes scio-econmicas
M"!ri2 de Tr"nsi30$
Para cada estado deve haver um vetor de probabilidade% m
uni$o de todos os vetores de probabilidade em uma matriz d",
se o nome de matriz de transi$o% &sta matriz sempre ser"
quadrada(Eoldrini! 6798) ou seja! o n-mero de linhas e colunas
ser" sempre equivalente% A seguir e'ibido um modelo
genrico desta matriz1
Onde o elemento pij! conforme j" citado anteriormente! indica a probabilidade de haver transi$o
do estado &i para o estado &j%
Bo e'emplo das classes sociais! considerando os vetores de probabilidade das classes A! E e :
respectivamente! e8!R 8!T 8!?c! e8!? 8!R 8!Tc e e8 8!6 8!7c tm,se a seguinte matriz de transi$o%
Besta matriz! o elemento p?R! que equivale a 8!T! indica a
probabilidade 8!T de
haver transi$o do estado &E para o estado &:% Outra
interpreta$o poss(vel transformar
estas probabilidades em percentagens e consider",las
como ta'as de transi$o da
popula$o em estudo% Por e'emplo! p?R I 8!TI T8o! indica que! em um dado momento!
T8o da popula$o no estado &E pode passar para o estado &:%
De!erin"30$ de %r$;";ilid"des ')!)r"s
O vetor de probabilidade e a matriz de transi$o s$o -teis na determina$o de probabilidades ao
longo do tempo (4hamblin! 67V7)% Para tanto! temos a seguinte equa$o1
onde
p U um vetor de probabilidadeA
p t o per(odo para o qual se quer obter a probabilidadeA
p i (ndice do estado a partir do qual se quer fazer a previs$oA
p D a matriz de probabilidade%
O vetor resultante desta equa$o ( Ui t ) conter" as probabilidades de transi$o de um estado &i
ap+s um per(odo t%
Por e'emplo! caso se queira obter a probabilidade de um indiv(duo na classe E ir para a classe A
em trs anos! tm,se a seguinte equa$o e sua resolu$o1
O vetor V
B
M
Ie8!89@ 8!67S 8!V?c indica que um indiv(duo na classe E tm uma probabilidade de
8!89@ de estar na classe A ap+s trs anos% Assim como tem a probabilidade de 8!67S de continuar
na classe E! e uma probabilidade de 8!V? de estar na classe :%
Cma alternativa para esta equa$o utilizar um vetor identidade (Eoldrini! 6798)! cujo elemento
n$o nulo ser" a posi$o i! conforme e'ibido a seguir1
Oogo! podemos resolver o e'emplo anterior com esta equa$o alternativa! chegando ao mesmo
resultado%
Adotaremos esta equa$o ao longo do te'to devido a sua maior praticidade%
C"dei"s ergL!i#"s
Cm fen=meno em que haja probabilidade n$o nula de qualquer estado poder ser alcanado
atravs de uma ou mais transies a partir de qualquer outro estado constitui uma cadeia
erg+tica% &sta defini$o pode ser melhor entendida atravs de diagramas de transi$o%
A <igura @ a seguir! assim como a <igura R anterior! e'ibe uma cadeia erg+tica! pois qualquer
estado pode ser alcanado a partir de outro estado qualquer%
Figura 4: Diagrama de Transio de uma cadeia ergtica
3" na <igura T seguinte trata,se de uma cadeia n$o,erg+tica! uma vez que o estado &R n$o pode
ser alcanado de modo algum%
Figura 5: Diagrama de Transio de uma cadeia no-ergtica
A <igura S tambm traz uma cadeia n$o,erg+tica! pois! uma vez no estado &R! n$o se pode ir
para nenhum outro estado% &ste -ltimo caso chamado de cadeia absorvente(4hamblin! 67V7)%
Figura : Diagrama de Transio de uma cadeia no-ergtica
A partir de uma matriz de transi$o! tambm pode,se determinar se uma cadeia erg+tica% Para
tanto! basta verificar se h" probabilidades nulas e se estas tornam algum estado inalcan"vel% 4e
n$o houver nenhuma probabilidade nula! certamente trata,se de uma cadeia erg+tica%
Por e'emplo! a seguinte matriz de transi$o erg+tica! pois! apesar de haver duas probabilidades
nulas! poss(vel chegar a estado em uma ou mais transies% Ksto pode ser verificado na <igura
V a seguir%
Figura !: Diagrama de Transio de cadeia ergtica
3" a pr+'ima matriz apresenta uma cadeia n$o,erg+tica% :onforme pode ser verificado na <igura
9 que! uma vez no estado E! imposs(vel chegar a outro estado%
Figura " : Diagrama de Transio de cadeia ergtica
#adeias $egulares
&m fen=menos cuja matriz de transi$o! em alguma potncia! n$o tenha elementos nulos! trata,se
de uma cadeia regular% 0oda cadeia regular tambm erg+tica! conforme poder" ser verificado
adiante%
A matriz a seguir possui um elemento nulo na primeira linha% Porm! a potncia D
?
n$o possui
nenhum elemento nulo% Oogo! trata,se de uma cadeia regular%
:onforme foi verificado na se$o M)etermina$o de probabilidades futurasN! uma potncia da
matriz de transi$o indica todas as probabilidades de transi$o em um momento futuro (por
e'emplo1 DR pode indicar uma matriz de transi$o no terceiro ano do fen=meno estudado)%
Oogo! se em uma potncia (ou seja! em um momento futuro) a matriz de transi$o n$o possui
elementos nulos! isto indica que! em algum momento! todas as transies ser$o poss(veis! logo a
cadeia erg+tica%
3" as potncias das pr+'imas matrizes formam padres em que as probabilidades nulas n$o
desaparecem% Oogo! estas matrizes representam cadeias n$o regulares%
:omo estes padres se repetem indefinidamente! tais matrizes de transi$o nunca dei'ar$o de ter
elementos nulos! porm! isso n$o indica que se trata obrigatoriamente de uma cadeia n$o,
erg+tica! uma vez que h" cadeias erg+ticas n$o,regulares%
$egime estacion%rio
Para toda cadeia erg+tica regular e'iste um regime estacion"rio! onde as probabilidades de
transi$o se tornam constantes ao longo do tempo% &m uma cadeia em regime estacion"rio! a
probabilidade de transi$o baseada apenas no pr+'imo estado! e n$o mais no par estado
corrente/pr+'imo estado%
:onsiderando a representa$o genrica de D e a representa$o do vetor q! pode
ser reescrito da seguinte forma1
Anlise de Es!"d$ Es!&el 7-S!e"d\ S!"!e.8:
4e e'istir o limite
ent$o q I eq8! q6!%%%c o vetor de probabilidade de estados estacion"rios%
! 4e reduz a . = 0
0eorema1 &m uma cadeia de Dardov irredut(vel e cont(nua no tempo! com estados recorrentes
positivos! e'iste um -nico vetor de probabilidades q I eq8! q6!%%%c (tal que qj J 8) de estados
estacion"rios e
A partir da resolu$o deste sistema! atravs de mtodos lineares (Eoldrini! 6798)! poss(vel
obter as probabilidades em regime estacion"rio% Uoltando ao e'emplo das classes sociais! pode,
se encontrar o vetor de transi$o do regime estacion"rio a partir do sistema a seguir1
>esolvendo este sistema! tm,se como resultado o vetor de probabilidade1
A partir destes resultados! pode,se fazer as afirmaes1
6% A longo prazo! a probabilidade de um determinado indiv(duo estar na classe A de 8!8@% A
probabilidade de estar na classe E 8!6@S e 8!96? de estar na classe :A
?% A longo prazo! @o da popula$o estar" na classe A! 6@!So na classe E e 96!?o na classe :%
&stas afirmaes! referentes ao regime estacion"rio! s+ podem ser feitas se o fen=meno estudado
se tratar de uma cadeia erg+tica regular% :aso se trate de uma cadeia erg+tica n$o,regular! a
primeira afirma$o n$o pode ser feita com segurana! uma vez que haver" elementos nulos
c(clicos na matriz de transi$o (4hamblin! 67V7)%
=(U O MODELO DE FILA MQMQ=
A nota$o de ;endall ()avid ;endall) define os modelos de fila1
Dodelo de fila AQ5Q#QWQQZ
onde1
A I distribui$o dos intervalos entre chegadas
E I distribui$o dos tempo de servio
c I quantidade de servidores (atendentes)
; I capacidade ma'% do sistema
m I tamanho da popula$o
r I disciplina da fila
A nota$o condensada A/E/c muito usada e se supe que n$o h" limite para o
tamanho da fila! a popula$o infinita e a disciplina <K<O% Para A e E! quando a distribui$o
for e'ponencial negativa! usa,se D (Darcoviana)%
Dodelo de fila que tanto as chegadas quanto o atendimento s$o marcovianos! i%e%!
seguem a distribui$o de Poisson (p/ ritmos) ou &'ponencial negativa (p/ intervalos)% Alm
disso! e'iste apenas um servidor%
P$%)l"30$ In'ini!": O M$del$ MQMQ=
Guando temos uma popula$o infinita de clientes! as seguintes f+rmulas tratam as
principais vari"veis%
:hamamos de 0A5A de C0KOKrAstO a rela$o entre o ritmo mdio de chegada e o ritmo
medo de atendimento%
l I P / L
:onforme vimos anteriormente! sistemas est"veis e'igem P menor que L
ou l Q 6% Guando l tende para 6 a fila tende a aumentar infinitamente! conforme mostramos a
seguir%
A e'press$o anterior nos permite concluir facilmente que! se P I L temos l I 6 e o tamanho da
fila infinito! conforme ilustrado na figura a seguir%
E*e%l$ =
4uponhamos que as chegadas a uma cabine telef=nica obedeam a lei de Poisson! com ritmo de
] #,eg"d"s %$r ,$r"% A d)r"30$ :di" d$ !ele'$ne" : de M in)!$s e suponhamos que siga
a distribui$o e'ponencial negativa% Pede,se1
0 R (0 (R )0 )R D0 DR S0 SR R0 RR H0
1 2 3 4 5 6
Cada liga#o dura em mdia D min%
nter!alo de (h8H0min
C 8 (0 minutos
8H chegadas hora
T8 )0 atendimentosU hora
(0 (0 (0 (0 (0 (0
a) Gual a probabilidade de uma pessoa chegar * cabine e n$o ter que esperar[
Pelos dados temos1 ^P] #,eg"d"s ,$r"% Portanto K: I 68 minutos TA P M
in)!$s% Portanto LI ?8 atendimentos/ hora
Po I 6 F P/L I 6 F S/?8 I 8!V
Ou seja! e'iste uma probabilidade de V8o de que uma pessoa! ao chegar! n$o encontre ningum
no sistema e possa utilizar imediatamente o telefone% O complemento deste valo (R8o) significa
a probabilidade de uma pessoa esperar% Assim o telefone fica ocupado R8o do tempo e fica V8o
do tempo ocioso%
b) Gual o n-mero mdio de pessoas na fila[
B< I P
?
/ L(L,P) I (SZS)/(?8(?8,S)) I 8!6?9
c) Gual o n-mero mdio de pessoas no sistema[
B4 I P(L,P) I 8!@?9
d) Gual o n-mero mdio de clientes usando o telefone[
BA I B4 F B< I 8!@9 F 8!6?9 I 8!R
e) Gual o tempo mdio de fila[
0< I P / L(L,P) I S/?8(?8,S) I 8!8?6 hora I 6!?9 minutos
f) Para qual ritmo de chegada ter(amos a situa$o em que o tempo mdio de espera na fila seria
de R minutos[
0< I P / L(L,P)! para 0< I R minutos ou 0< I 8!8T hora e mantendo o mesmo LI ?8 clientes
hora! temos1 P I 0<Z L? / (6X LZ0<) I 68 chegadas/hora
g) Gual a fra$o do dia durante a qual o telefone est" em uso[
A fra$o do dia durante a qual o telefone est" em uso e'atamente igual a (6,Po)! isto ! a
probabilidade de que e'istam pessoas no sistema% :onforme calculado no primeiro item este
valor R8o%
E*e%l$ A
Cma f"brica possui um dep+sito de ferramentas onde os oper"rios v$o receber as
ferramentas especiais para a realiza$o de uma determinada tarefa% Uerificou,se que o ritmo de
chegada ( I 6 chegada/minuto) e o ritmo de atendimento(I6!? atendimentos por minuto)
seguem o modelo D/D/6% A f"brica paga u7!88 por hora ao atendente e u69!88 ao oper"rio%
Pede,se1
a) O custo hor"rio de sistema
O custo hor"rio do sistema igual a soma do custo hor"rio do atendente com o custo hor"rio dos
oper"rios que! por ficarem no sistema (na fila sendo atendidos pelo servidor)! n$o est$o
produzindo em seus postos de trabalho% Para calcularmos este -ltimo devemos conhecer o
n-mero mdio de clientes no sistema (B4)%
B4 I P/(L , P) I 6/(6!? ,6) I T
Portanto1 :usto hor"rio I :usto atendente X :usto oper"rios I 7 X TZ 69 I u 77!88
b) A fra$o do dia em que o atendente n$o trabalha%
A fra$o do dia durante a qual o atendente n$o trabalha igual ao valor da probabilidade de n$o
e'istir nenhum oper"rio no sistema1
Po I 6 F P/L I 8!6S ou 6So
E*e%l$ M
Cma empresa deseja contratar um reparador para efetuar manuten$o em suas m"quinas! que
estragam a um ritmo de R falhas por hora% Para tal possui duas opes1 um reparador lento! que
capaz de consertar a um ritmo de @ falhas por hora ou um reparador r"pido! que capaz de
consertar a um ritmo mdio de S falhas por hora% O sal"rio/hora do reparador lento uR!88 e do
reparador r"pido uT!88% O custo de uma m"quina parada uT!88% Pede,se qual a contrata$o
que deve ser efetuada para que o custo total (reparador mais m"quinas paradas) seja m(nimo[
>eparador Oento
B4 I P/(L , P) I R/(@,R) I R m"quinas
:usto das m"quinas I RZ T I u 6T!88
:usto do reparador I u R!88
:usto total I u 69!88
>eparador r"pido
B4 I P/(L , P) I R/(S,R) I 6 m"quinas
:usto das m"quinas I 6Z T I u T!88
:usto do reparador I u T!88
:usto total I u 68!88
:omparando! vemos que o reparador r"pido! apesar de ter um custo maior! implica um custo
total menor%
E*e%l$ U
&m um sistema de filas seqHenciais! conforme figura a seguir! calcule as filas que se
formam em cada servidor%
Para encontrar o B< foi utilizada B< I P
?
/ L(L,P)
P$%)l"30$ 'ini!": O M$del$ MQMQ=QW
Cm caso particular e bastante encontrado na vida pr"tica% &'emplo! uma minera$o com 6
escavadeira e a alguns caminhes% :onsiderando I9 e I68% Ba seguinte figura ilustrado o
tamanho mdio da fila (calculado pela primeira f+rmula definida na tabela a seguir) em fun$o
do tamanho da popula$o de caminhes (se a popula$o fosse infinita! ter(amos B< I R!?)%
Ba tabela a seguir! v representa a quantidade finita de clientes que est$o percorrendo o sistema%
=([ O MODELO MQMQ#
O modelo D/D/c apresenta uma -nica fila e diversos servidores e! tanto a chegada como o
atendimento s$o marcovianos (isto ! seguem a )istribui$o de Poisson ou da )istribui$o
&'ponencial negativa)% A figura a seguir ilustra a estrutura deste modelo%
Para um sistema que tem a estrutura da figura a anterior s$o v"lidas as definies estudadas
anteriormente (P! L! K: I 6/P! 0A e c I capacidade de atendimento)%
P$%)l"30$ 'ini!": O M$del$ MQMQ#
As f+rmulas para o modelo D/D/c s$o comple'as e dif(ceis de serem manipuladas e! assim a
preferncia generalizada pelo uso de gr"ficos% A seguir uma ilustra$o destes gr"ficos%
neralmente s$o utilizados gr"ficos (como os ilustrados anteriormente) para se obter o
n-mero mdio de clientes na fila (B<) em fun$o do fator de utiliza$o e tendo como
par2metro a quantidade de servidores McN%
A ta'a de utiliza$o 1 l I P/cL
Ap+s o uso dos gr"ficos! as outras vari"veis podem ser obtidas pelas f+rmulas de Oittle1
0<IB</ e 04IB4/
A tabela a seguir apresenta as f+rmulas das diferentes vari"veis%
E*e%l$ =
Cma f"brica possui um dep+sito de ferramentas onde os oper"rios v$o receber as
ferramentas especiais para a realiza$o de uma determinada tarefa% Uerificou,se que o ritmo de
chegada ( I 6 chegada/minuto) e o ritmo de atendimento(I6!? atendimentos por minuto)
seguem o modelo marcoviano D/D/6% A f"brica paga u7!88 por hora ao atendente e u69!88 ao
oper"rio% Pede,se1 O custo hor"rio de sistema e a fra$o do dia em que o atendente n$o trabalha%
&ste e'emplo j" foi solucionado anteriormente e o resultado que deu foi que o custo
hor"rio de um sistema com um atendente (PI6 e LI6!?)! sendo u7!88 o custo hor"rio do
atendente e u69!88 o custo hor"rio do oper"rio parado% Podemos agora acrescentar diversos
atendentes at chegar ao custo m(nimo% Ksto feito na tabela montada a seguir! pelo qual
deduzimos que a melhor escolha reside em ? atendentes%
E*e%l$ A
Bo sistema de filas seqHenciais descrito na figura abai'o! admita que o ritmo de chegada tenha
crescido para I?T peas por minuto! calcule a quantidade de servidores de cada esta$o de
trabalho tal que o tamanho da fila correspondente (B<) seja menor que 6%
C$n#l)s0$1 A quantidade de servidores que atende * solicita$o 1
Produ$o I RA Knspe$o ? e >eparo I 6%
P$%)l"30$ 'ini!": O M$del$ MQMQ#QW
Analogamente as consideraes anteriores para a popula$o finita com um -nico
atendente! podemos afirmar que tambm aqui ocorre o mesmo1 comum encontrarmos situaes
de m-ltiplos atendentes com popula$o finita%
A tabela a seguir apresenta as f+rmulas das diferentes vari"veis%
0endo em vista a comple'idade matem"tica! n$o iremos nos estender nesta abordagem! a qual
pode! entretanto! ser vista com simplicidade na tcnica simula$o de sistemas que ser" abordada
no pr+'imo cap(tulo%
REFER_NCIAS
CVW*, L%X M2">&, &% ./0la10! 0 Si!2la3 /0 E40n$s Dis%50$s: T05ia 6 P5#$i%a, +o 4aulo:
Yra!arte, )00H%
*Z2T&+ *LVE, 4% [% In$5/23 7 !/0la10! 0 si!2la3 /0 sis$0!as,
*lorian.polis: \isual Yoo?s, )00]%
4Z&"E, +% V% T05ia /as filas 0 /a Si!2la3% Yelo Vori=onte:
"esen!ol!imento ^erencial, )00S%
+&LY_, 2% R0"0nsan/ a si!2la3: A a!s$5a10! /0s%5i$i4a% +o 4aulo:
&tlas, (G]G%