Inferência em filas markovianas finitas e infinitas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/ICED-ALZPXH |
Resumo: | Em teoria de filas, estuda-se seu comportamento, seu processo de formação e analisam-se características de desempenho, tais como o número esperado de clientes no sistema e na fila, a intensidade do tráfego, definida como sendo a razão entre a taxa de chegada e a taxa de atendimento, entre outros. No entanto, sabe-se que na maioria das vezes os parâmetros envolvidos no processo não são conhecidos e precisam ser estimados através de algum método estatístico. Esta tese visa obter estimativas para algumas medidas de desempenho em filas markovianas finitas e infinitas com um único servidor, denominadas respectivamente por M/M/1/K e M/M/1, na notação de Kendall. Uma metodologia sobre o enfoque frequentista e bayesiano é apresentada. Do ponto de vista clássico, foi constatada a presença de vício no estimador de máxima verossimilhança para ro e investigada a utilização do conhecido método bootstrap não paramétrico para sua correção. Sob o enfoque bayesiano, foram obtidas distribuições a posteriori e preditivas para parâmetros de interesse. Amostras foram obtidas através de simulação. Os resultados apontaram para uma correção efetiva do vício, possibilitando redução no tamanho de amostra, com consequente diminuição nos custos e tempo para a obtenção da medidas de desempenho. Quanto ao método bayesiano, observou-se pelo fator de Bayes que várias são as distribuições a priori que poderiam se empregadas, entre as informativas e não informativas. Também, para filas M/M/1/K, os estimadores bayesianos para ro apresentaram a menor variabilidade entre todos, embora não tenham sido aqueles com os menores erros de estimação médios. |
id |
UFMG_7c7015756c1e4de82b941ad8bb28bd1a |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/ICED-ALZPXH |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Frederico Rodrigues Borges da CruzLuiz Henrique DuczmalRoberto da Costa QuininoFernando Luiz Pereira de OliveiraMarcos Flávio Silveira Vasconcelos D'angeloMarcio Augusto da Cruz Almeida2019-08-14T16:26:43Z2019-08-14T16:26:43Z2016-06-10http://hdl.handle.net/1843/ICED-ALZPXHEm teoria de filas, estuda-se seu comportamento, seu processo de formação e analisam-se características de desempenho, tais como o número esperado de clientes no sistema e na fila, a intensidade do tráfego, definida como sendo a razão entre a taxa de chegada e a taxa de atendimento, entre outros. No entanto, sabe-se que na maioria das vezes os parâmetros envolvidos no processo não são conhecidos e precisam ser estimados através de algum método estatístico. Esta tese visa obter estimativas para algumas medidas de desempenho em filas markovianas finitas e infinitas com um único servidor, denominadas respectivamente por M/M/1/K e M/M/1, na notação de Kendall. Uma metodologia sobre o enfoque frequentista e bayesiano é apresentada. Do ponto de vista clássico, foi constatada a presença de vício no estimador de máxima verossimilhança para ro e investigada a utilização do conhecido método bootstrap não paramétrico para sua correção. Sob o enfoque bayesiano, foram obtidas distribuições a posteriori e preditivas para parâmetros de interesse. Amostras foram obtidas através de simulação. Os resultados apontaram para uma correção efetiva do vício, possibilitando redução no tamanho de amostra, com consequente diminuição nos custos e tempo para a obtenção da medidas de desempenho. Quanto ao método bayesiano, observou-se pelo fator de Bayes que várias são as distribuições a priori que poderiam se empregadas, entre as informativas e não informativas. Também, para filas M/M/1/K, os estimadores bayesianos para ro apresentaram a menor variabilidade entre todos, embora não tenham sido aqueles com os menores erros de estimação médios.Universidade Federal de Minas GeraisUFMGTeoria de Filas MarkovianasEstatísticaEstatisticaTeoria das filaspredição bayesianamedidas de desempenhoFilas markovianasintensidade de tráfegoInferência em filas markovianas finitas e infinitasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALtexto130616.pdfapplication/pdf2018464https://repositorio.ufmg.br/bitstream/1843/ICED-ALZPXH/1/texto130616.pdf20499c659750881d0a364f29249a4a2eMD51TEXTtexto130616.pdf.txttexto130616.pdf.txtExtracted texttext/plain136766https://repositorio.ufmg.br/bitstream/1843/ICED-ALZPXH/2/texto130616.pdf.txt9d8e25bce03c26549e79e013ab3f3161MD521843/ICED-ALZPXH2019-11-14 13:03:20.544oai:repositorio.ufmg.br:1843/ICED-ALZPXHRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T16:03:20Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Inferência em filas markovianas finitas e infinitas |
title |
Inferência em filas markovianas finitas e infinitas |
spellingShingle |
Inferência em filas markovianas finitas e infinitas Marcio Augusto da Cruz Almeida predição bayesiana medidas de desempenho Filas markovianas intensidade de tráfego Teoria de Filas Markovianas Estatística Estatistica Teoria das filas |
title_short |
Inferência em filas markovianas finitas e infinitas |
title_full |
Inferência em filas markovianas finitas e infinitas |
title_fullStr |
Inferência em filas markovianas finitas e infinitas |
title_full_unstemmed |
Inferência em filas markovianas finitas e infinitas |
title_sort |
Inferência em filas markovianas finitas e infinitas |
author |
Marcio Augusto da Cruz Almeida |
author_facet |
Marcio Augusto da Cruz Almeida |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Frederico Rodrigues Borges da Cruz |
dc.contributor.referee1.fl_str_mv |
Luiz Henrique Duczmal |
dc.contributor.referee2.fl_str_mv |
Roberto da Costa Quinino |
dc.contributor.referee3.fl_str_mv |
Fernando Luiz Pereira de Oliveira |
dc.contributor.referee4.fl_str_mv |
Marcos Flávio Silveira Vasconcelos D'angelo |
dc.contributor.author.fl_str_mv |
Marcio Augusto da Cruz Almeida |
contributor_str_mv |
Frederico Rodrigues Borges da Cruz Luiz Henrique Duczmal Roberto da Costa Quinino Fernando Luiz Pereira de Oliveira Marcos Flávio Silveira Vasconcelos D'angelo |
dc.subject.por.fl_str_mv |
predição bayesiana medidas de desempenho Filas markovianas intensidade de tráfego |
topic |
predição bayesiana medidas de desempenho Filas markovianas intensidade de tráfego Teoria de Filas Markovianas Estatística Estatistica Teoria das filas |
dc.subject.other.pt_BR.fl_str_mv |
Teoria de Filas Markovianas Estatística Estatistica Teoria das filas |
description |
Em teoria de filas, estuda-se seu comportamento, seu processo de formação e analisam-se características de desempenho, tais como o número esperado de clientes no sistema e na fila, a intensidade do tráfego, definida como sendo a razão entre a taxa de chegada e a taxa de atendimento, entre outros. No entanto, sabe-se que na maioria das vezes os parâmetros envolvidos no processo não são conhecidos e precisam ser estimados através de algum método estatístico. Esta tese visa obter estimativas para algumas medidas de desempenho em filas markovianas finitas e infinitas com um único servidor, denominadas respectivamente por M/M/1/K e M/M/1, na notação de Kendall. Uma metodologia sobre o enfoque frequentista e bayesiano é apresentada. Do ponto de vista clássico, foi constatada a presença de vício no estimador de máxima verossimilhança para ro e investigada a utilização do conhecido método bootstrap não paramétrico para sua correção. Sob o enfoque bayesiano, foram obtidas distribuições a posteriori e preditivas para parâmetros de interesse. Amostras foram obtidas através de simulação. Os resultados apontaram para uma correção efetiva do vício, possibilitando redução no tamanho de amostra, com consequente diminuição nos custos e tempo para a obtenção da medidas de desempenho. Quanto ao método bayesiano, observou-se pelo fator de Bayes que várias são as distribuições a priori que poderiam se empregadas, entre as informativas e não informativas. Também, para filas M/M/1/K, os estimadores bayesianos para ro apresentaram a menor variabilidade entre todos, embora não tenham sido aqueles com os menores erros de estimação médios. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-06-10 |
dc.date.accessioned.fl_str_mv |
2019-08-14T16:26:43Z |
dc.date.available.fl_str_mv |
2019-08-14T16:26:43Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/ICED-ALZPXH |
url |
http://hdl.handle.net/1843/ICED-ALZPXH |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/ICED-ALZPXH/1/texto130616.pdf https://repositorio.ufmg.br/bitstream/1843/ICED-ALZPXH/2/texto130616.pdf.txt |
bitstream.checksum.fl_str_mv |
20499c659750881d0a364f29249a4a2e 9d8e25bce03c26549e79e013ab3f3161 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589227175215104 |