Cada caderno pode ser acessado através dos links no topo de cada página.
Pode-se "baixar" cada caderno disponibilizado no repositório ou acessá-lo diretamente na nuvem.
Localmente, para acessar e interagir com os cadernos, pode-se utilizar o jupyter lab ou o jupyter notebook, disponibilizados pelo Project Jupyter. Isso pode ser feito tanto em um navegador como através de um editor de texto como o VSCode
C. Dym, Principles of Mathematical Modeling, 2nd ed, Academic Press, 2004.
G. Ledder, "Mathematics for the Life Sciences", Springer, 2013. Capítulo 2
E. A. Bender, An Introduction to Mathematical Modeling, Dover, 1978.
R. Arris, Mathematical Modelling Techniques, Dover Publications Inc., 1994.
M. Alder, An Introduction to Mathematical Modelling, 2001.
M. Mesterton-Gibbons, A Concrete Approach to Mathematical Modelling, John Wiley & Sons, Inc., 1995, 2007
S. Heinz, Mathematical Modeling, Springer-Verlag Berlin Heidelberg, 2011.
Referências focadas em projetos:
J. Caldwell & D. K. S. Ng, Mathematical Modelling. Case Studies & Projects, 2004.
Frank R. Giordano, William P. Fox, Steven B. Horton, A First Course in Mathematical Modeling, Cengage Learning, 2013.
A. B. Shiflet, G. W. Shiflet, Introduction to Computational Science. Modeling and Simulation for the Sciences, Second edition, Princeton University Press, 2014.
M. Olinick, Mathematical Modeling in the Social and Life Sciences, Wiley, 2014.
Referências de tópicos específicos
G. Barenblatt, Scaling, Cambridge Texts in Applied Mathematics, Series no. 34, Cambridge University Press, 2003.
C. Dym, Principles of Mathematical Modeling, 2nd ed, Academic Press, 2004.
Ótima discussão sobre modelagem matemática
Contém vários aspectos discutios aqui
Um capítulo dedicado a análise dimensional
Ótimos exemplos
G. Ledder, Mathematics for the Life Sciences. Chapter2 - Mathematical Modeling
O capítulo 2 é curto. Bom para a discussão inicial sobre princípios de modelagem e exemplos iniciais.
O único que vi, até agora, discussão sobre critérios de informação (tem pelo menos o AIC - Akaike Information Criteria, mas não tem o BIC - Bayesian Information Criteria)
E. A. Bender, An Introduction to Mathematical Modeling, Dover, 1978.
A parte de argumento por escala é bem interessante. Ele chama de "scale", mas eu entendo escala como fazendo referências à mesma dimensão, como, por exemplo, metros e quilômetros, mas ele trata de áreas, volumes e massas, ou seja, ele compara dimensões diferentes. Eu chamaria isso de "argumento por dimensão". Na verdade ele também trata de dimensão nesse sentido e tem o Teorema de Buckingham-Pi e fala do período de um pêndulo perfeito.
Em seguida ele tem um capítulo sobre "Métodos Gráficos", que é como uma análise qualitativa. Se encaixa bem com a análise que eu fiz no projeto do Cenpes.
Depois tem capítulos de "Otimização", "Probabilidade", um "Pout-Pourri" de aplicações, e uma Parte II de métodos mais avançados, cobrindo brevemente vários tópicos mas que servem como ponto de partida para projetos.
Acho uma boa opção como um dos textos básicos.
R. Arris, Mathematical Modelling Techniques, Dover Publications Inc., 1994.
Modelagem apresentada caso-a-caso. Não há divisão por tipos de modelos.
Os casos são simples, mas a contextualização dos modelos e a discussão do processo de modelagem são muito bem feitas.
M. Mesterton-Gibbons, A Concrete Approach to Mathematical Modelling, John Wiley & Sons, Inc., 1995, 2007 (US$136)
Logo no início há uma discussão detalhada e interessante, com dados reais, sobre ajuste de parâmetros no contexto de crescimento econômico, chegando ao modelo de Cobb-Douglas.
Antes tem um exemplo decaimento de poluição (purificação de lago), com dados concretos dos Grandes Lagos dos EUA.
Outros exemplos detalhados e com dados reais e ajustes: população americana, remo/canoagen; tráfego; dimensões, escalas e unidades
Em seguida tem modelos interessantes e acessíveis de otimização. Revisita alguns modelos anteriores no contexto de otimização.
Depois tem um capítulo sobre validação dos modelos. Novamente, revisita modelos anteriores para a validação.
Depois passa para Probabilidade, alguns capítulos
Depois tem capítulos juntando várias técnicas.
É um ótimo livro. A discussão inicial sobre Modelagem poderia ser melhor. E ele poderia ter um aspecto mais moderno.
S. Heinz, Mathematical Modeling, Springer-Verlag Berlin Heidelberg, 2011.
Também tem o aspecto de um livro moderno.
Alterna capítulos com modelos "determinísticos" e "estocásticos", tratando de "obervações", "estados estacionários", "mudanças" e "evolução".
Interessante.
M. Olinick, Mathematical Modeling in the Social and Life Sciences, Wiley, 2014.
Como o próprio nome diz, foca em certos tipos particulares de modelos, mas são relativamente diversos e interessantes (populações de animais, economia, eleições, hospitais, tumor, teoria dos jogos, etc.)