Please use this identifier to cite or link to this item: https://bdm.ufpa.br:8443/jspui/handle/prefix/2296
Compartilhar:
metadata.dc.type: Trabalho de Conclusão de Curso - Graduação
Title: Modelos de atendimento ao público via cadeias de Markov
metadata.dc.creator: LOBATO, Olzemir Jeffrey da Silva
metadata.dc.contributor.advisor1: ALMEIDA, Raimundo das Graças Carvalho de
Issue Date: 11-Jul-2019
Citation: LOBATO, Olzemir Jeffrey da Silva. Modelos de atendimento ao público via cadeias de Markov. Orientador: Raimundo das Graças Carvalho de Almeida. 2019. 63 f. Trabalho de Conclusão de Curso (Licenciatura em Matemática) – Faculdade de Ciências Exatas e Tecnologia, Campus Universitário de Abaetetuba, Universidade Federal do Pará, Abaetetuba, 2019. Disponível em: https://bdm.ufpa.br/jspui/handle/prefix/2296. Acesso em:.
metadata.dc.description.resumo: Cadeias de Markov são uma poderosa ferramenta probabilística de previsão do comportamento de diversos sistemas, cite-se como exemplo a gestão de quadro de funcionários para atendimento em estabelecimentos comerciais (1); em ciências físicas, provê um modelo com propriedades globais de interações locais de acordo com o artigo de Aharonov et al. (2). As aplicações são muitas; cite-se ainda os modelos de PageRank, uma aplicação fundamental para motores de busca da internet mais modernos como o Google (3, 4). Todavia, o foco deste trabalho são modelos de atendimento de pessoas em estabelecimentos, como bancos, repartições públicas, aeroportos, postos de combustível, por exemplo, ou por telefone, via cadeias de Markov, como sugerido pelo título do trabalho. Interessante notar também que existe uma variedade de situações diversas que podem ser descritas com o mesmo modelo. O trabalho está dividido em duas partes maiores, a primeira relembra conhecimentos básicos de Probabilidade e um pouco de Álgebra Linear; somente o necessário. Não se faz estritamente necessária a leitura da parte 1; mas em caso de dúvidas ou dificuldades, é possível que uma rápida consulta ajude. A contribuição deste trabalho está em estimar o tamanho futuro de uma fila, nas situações relatadas acima, após um tempo t indicado, com auxílio de um programa de computador em linguagem C construído neste trabalho de pesquisa. Também foi calculada a complexidade computacional do algoritmo.
Abstract: Markov chains are a powerful probability tool of prediction to behavior of sundry systems. For example, staff management for attendance in stores (1); in physic sciences, they provide a model with global properties of local interactions, following Aharonov et al article (2). The applications are several; also the PageRank models, one fundamental application to web search engines most smart, like the Google (3, 4). Nevertheless, the focus of this work is the attendance models of people in establishments, like a banks, public repartitions, airports, for example, or attendance by phone, by using Markov chains, as suggested by work title. Interesting also to note there is a manifold of different situations that may to be described with the same model. The work is divided in two grander parts, the first remembers basic knowledge of probability and a little of linear algebra; only the necessary. It is not strictly necessary the reading of part 1; though, in case of doubts or difficulties a quick consultation is likely to help. The work contribution is in estimating the posterior queue’s size, after a time given t, on mentioned situations, with computational help of a program built in C language, for this search work. Too, it was evaluated the algorithm’s computational complexity.
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
Keywords: Cadeias de Markov
Matrizes de probabilidades
Processo de Poisson
Modelo de fila
Markov chains
Matrices of probabilities
Poisson process
Queue model
metadata.dc.rights: Acesso Aberto
Appears in Collections:Curso de Matemática - CABAE

Files in This Item:
File Description SizeFormat 
TCC_ModelosAtendimentoPublico.pdf702,38 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons