2010bEquipe05

De Wiki DAINF
(Diferença entre revisões)
(Atividades já realizadas)
(Referências)
Linha 44: Linha 44:
 
BANKS, J.; CARSON II, J.S.; NELSON, B.L. Discrete event system simulation. 4.ed. New Jersey: Prentice Hall, 2005.
 
BANKS, J.; CARSON II, J.S.; NELSON, B.L. Discrete event system simulation. 4.ed. New Jersey: Prentice Hall, 2005.
  
CASSEL, R.A. Desenvolvimento de uma abordagem para a divulgação da simulação no setor calçadista gaúcho. 1996. Dissertação de mestrado – Pós Graduação em Engenharia da produção da  Universidade Federal do Rio Grande do Sul.
+
FREITAS FILHO, Paulo José de. Introdução à modelagem e simulação de sistemas: com aplicações em Arena. 2. ed. Florianópolis: Visual Books, 2001.
  
FREITAS FILHO, Paulo José de. Introdução à modelagem e simulação de sistemas: com aplicações em Arena. 2. ed. Florianópolis: Visual Books, 2001. 372 p.
+
LAW, A.M.; KELTON, W.D. Simulation modeling and analysis. 3. ed. Boston: McGraw-Hill, 2000.
 +
 
 +
METROPOLIS, Nicholas; Ulam, S. The Monte Carlo Method. Journal of the American Statistical Association, vol. 44, No. 247 (Sep. 1949), pp. 335-341.
 +
 
 +
METROPOLIS, Nicholas.  The Beginning of The Monte Carlo Method. Los Alamos Science, Los Alamos, no. 15, p. 125-130, 1987.
 +
 
 +
ECKHARDT, Roger. Stan Ulam, John von Neumann, and The Monte Carlo Method. Los Alamos Science, Los Alamos, no. 15, p. 131-141, 1987.
 +
 
 +
TAHA, Hamdy A. Operations research: an introduction . 6.ed. Upper Saddle River: Prentice Hall, c1997.

Edição de 12h18min de 14 de setembro de 2010

Equipe 05: Aline Kachel Araújo, Ana Carolina C. De Menezes, Luis Guilherme M. Camargo, Rebeca Adrielli Alexandrino.

Tabela de conteúdo

Introdução

Monte Carlo é um método que resolve problemas simulando diretamente o processo físico, usando números pseudo-aleatórios como entrada, e que estima os dados de saída a partir de uma amostragem aleatória. A entrada da simulação é a distribuição, baseada em observações ou teorias de distribuição. A saída é a formulação de amostras aleatórias, cuja precisão aumenta de acordo com o número de tentativas feitas. Quanto maior for o número de amostras, eventualmente, mais próximo chegará da aproximação da distribuição desejada.

Proposta

Apresentação didática do Método de Monte Carlo, seus aspectos históricos e aplicações, discutindo a essência do método num ambiente computacional, que é a geração de números (pseudo) aleatórios e suas limitações. Para tanto será desenvolvido um software de apoio, que irá calcular o número do pi através do Método de Monte Carlo.

Documentação

Pré-Proposta

Qualificação

Atividades

A fazer

Marcar reunião com o orientador em que todos os membros da equipe possam comparecer (atualmente, o professor encontra-se em um congresso e retornará apenas na semana do dia 20 de setembro).

Atividades já realizadas

(Observação: por esta wiki ter começado a ser editada em 30 de agosto, há atividades antecedentes que não estão aqui explícitas.)

11 de agosto de 2010: Início das atividades e definição do tema (Simulação de Eventos Discretos).

18 de agosto de 2010: Definição dos professores orientadores e da Proposta de Trabalho.

25 de agosto de 2010: Definição do esboço do sumário da monografia.

25 de agosto de 2010: Definição da equipe de trabalho, entrega e defesa de Proposta de Trabalho.

26 de agosto de 2010: Entrega ao Prof. Luders da Proposta de Trabalho para apreciação.

30 de agosto de 2010: Começo do trabalho de revisão bibliográfica.

01 de setembro de 2010: Pesquisa de mais materiais de referência, focados no Método de Monte Carlo e reformulação da proposta, com seu escopo melhor definido.

09 de setembro de 2010: Finalizada a leitura dos materiais de referência e início da montagem da Qualificação.

Cronograma

[Cronograma da Equipe]

Referências

ANDRADE, Eduardo L.. Introdução à Pesquisa Operacional. 3. ed. LTC Editora, Rio de Janeiro, 2002.

BANKS, J.; CARSON II, J.S.; NELSON, B.L. Discrete event system simulation. 4.ed. New Jersey: Prentice Hall, 2005.

FREITAS FILHO, Paulo José de. Introdução à modelagem e simulação de sistemas: com aplicações em Arena. 2. ed. Florianópolis: Visual Books, 2001.

LAW, A.M.; KELTON, W.D. Simulation modeling and analysis. 3. ed. Boston: McGraw-Hill, 2000.

METROPOLIS, Nicholas; Ulam, S. The Monte Carlo Method. Journal of the American Statistical Association, vol. 44, No. 247 (Sep. 1949), pp. 335-341.

METROPOLIS, Nicholas. The Beginning of The Monte Carlo Method. Los Alamos Science, Los Alamos, no. 15, p. 125-130, 1987.

ECKHARDT, Roger. Stan Ulam, John von Neumann, and The Monte Carlo Method. Los Alamos Science, Los Alamos, no. 15, p. 131-141, 1987.

TAHA, Hamdy A. Operations research: an introduction . 6.ed. Upper Saddle River: Prentice Hall, c1997.

Ferramentas pessoais