CoordenaÃÃo de AperfeiÃoamento de NÃvel Superior / As Redes de Sensores Sem Fio (RSSF) sÃo exemplos de Resource-Constrained Networks (RCNs) nas quais recursos de processamento, armazenamento e energia sÃo limitados. A partir do momento em que uma RSSF tÃpica entra em funcionamento, decorre-se um intervalo de tempo, conhecido como tempo de vida da rede, durante o qual os nÃs sensores executam operaÃÃes de sensoriamento, processamento e comunicaÃÃo, consumindo energia de suas fontes (e.g. pilhas) atà valores mÃnimos de carga que os mantÃm em operaÃÃo. Estimar a priori a estrutura probabilÃstica/estocÃstica do tempo de vida de uma RSSF antes da sua implantaÃÃo fornece meios de elaborar estratÃgias de manutenÃÃo de forma a maximizar seu tempo de vida e de garantir que a rede sobreviverà tempo suficiente para cumprir seu objetivo. Assim sendo, esta dissertaÃÃo aborda os modelos Exponencial, Weibull e Log-Normal, comumente utilizados em estudos de AnÃlise de SobrevivÃncia, para obter estimativas do tempo de sobrevivÃncia de uma rede real a partir dos tempos de vida de seus nÃs observados em simulaÃÃo. Nossa hipÃtese de base à a de que a AnÃlise de SobrevivÃncia pode melhorar a acurÃcia da estimativa do tempo de vida de uma RSSF e, por conseguinte, o seu planejamento operacional. Aqui propomos respostas a trÃs questÃes em aberto na literatura: (i) quantos nÃs sensores irÃo sair de operaÃÃo durante o tempo de vida de uma RSSF (ii) em qual intervalo de tempo a maior parte dos nÃs vai sair de operaÃÃo (iii) por quanto tempo a rede permanecerà em funcionamento. / Wireless Sensor Networks (WSN) are examples of Resource-Constrained Networks (RCNs) in which processing resources, storage and energy are limited. From the moment a typical WSN goes into operation, the sensor nodes begin to perform operations like sensing, processing and communicating, consuming the stored energy in their batteries until its ends completely, a situation that is characterized like the death of the devices and consequently the network. Knowing a priori the expected lifetime of a WSN before deploying it, enables the development of maintenance strategies to maximize it lifespan and ensure that it survives enough time to accomplish it goal. Therefore, we propose in this work the use of Exponential, Weibull and Log-Normal models, which are commonly used in studies of Survival Analysis, to infer survival statistics of a real network from the lifespans of its nodes observed in simulation. Our hypothesis is that the Survival Analysis may improve the accuracy of estimating the lifetime of a WSN and, consequently, their operational planning. This work proposes answers to three questions which are open in the literature: (i) how many sensor nodes will die during the lifetime of a WSN (ii) in which time period most of the nodes will die (iii) for how long network will remains operational.

Este trabalho tem como objetivo introduzir os conceitos bÃsicos da Teoria das Probabilidades e apresentar noÃÃes sobre alguns modelos probabilÃsticos para o estudante do Ensino MÃdio. Iniciaremos o trabalho apresentando no capÃtulo 1 as noÃÃes de experimento determinÃstico, experimento aleatÃrio, espaÃo amostral e eventos, seguidos de algumas definiÃÃes de Probabilidade, conceitos que constituem a base para essa teoria. No capÃtulo 2 abordaremos os conceitos de Probabilidade Condicional e IndependÃncia de Eventos, apresentando alguns teoremas importantes que decorrem desses conceitos, bem como algumas de suas aplicaÃoes. No capÃtulo 3 apresentaremos de maneira simples alguns modelos probabilÃsticos discretos bastante Ãteis por modelarem de forma eficaz um bom nÃmero de experimentos aleatÃrios contribuindo assim para o cÃlculo das probabilidades de seus resultados. Por fim, no capÃtulo 4 serà apresentado o modelo probabilÃstico conhecido como DistribuiÃÃo de Poisson, que nos permite calcular a probabilidade de um evento ocorrer em um dado intervalo de tempo ou numa dada regiÃo espacial. / This work has as objective introduce the basic concepts of the Theory of Probabilities and present notions on some probabilistic models for the student of the High School. We will begin the work presented in chapter I the notions of experiment deterministic, random experiment, sample space and events, followed by some definitions of Probability concepts that constitute the basis for this theory. In chapter II we will discuss the concepts of Conditional Probability and Independence of Events showcasing some important theorems that derive from these concepts, as well as some of its applications. In chapter III we will present in a simple way some probabilistic models discrete quite useful for shape effectively a good number of random experiments thus contributing to the calculation of the probabilities of its results. Finally, in chapter IV will be presented the probability model known as Poisson distribution, which allows us to calculate the probability that an event will occur in a given time interval or in a given spatial region.