3. Esimerkkejä. Sisältö. Klassinen puhelinliikenteen malli (1) Klassinen puhelinliikenteen malli (2)
|
|
- Lasse Niemi
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Sisältö Puhelinliikenteen malli Pakettitason malli dataliikenteelle Vuotason malli elastiselle dataliikenteelle Vuotason malli virtaavalle dataliikenteelle luento03.ppt S Liikenneteorian perusteet - Kevät 006 Klassinen puhelinliikenteen malli () Klassinen puhelinliikenteen malli () Menetysjärjestelmiä on perinteisesti käytetty puhelinliikenteen kuvaamiseen kutsutasolla Uranuurtajana oli tanskalainen matemaatikko A.K. Erlang (878-99). Tarkastellaan kahden keskuksen välisellä linkillä kulkevaa puhelinliikennettä (klassinen liikenneteoreettinen ongelma) Liikenne koostuu käynnissä olevista puheluista, jotka käyttävät ko. linkkiä Erlang käytti mallina puhdasta menetysjärjestelmää (m = 0) asiakas = kutsu = puhelu λ = uusien kutsujen saapumisintensiteetti (kutsua/yks.) palvelu = (kutsun) pito h = / = keskimääräinen pito (yks.) palvelija = yksittäinen linkin kanava n = linkillä olevien rinnakkaisten kanavien lkm λ n 3 4
2 Liikenneprosessi Liikenneintensiteetti kanavat kanavakohtainen miehitystila kutsun pito Tarjotun liikenteen voimakkuutta kuvaa liikenneintensiteetti a Määritelmä: Liikenneintensiteetti a on saapumisintensiteetin λ ja keskimääräisen pitoajan h tulo: a = λh kanavien lkm kutsujen saapumishetket estynyt kutsu varattujen kanavien lkm liikennemäärä Liikenneintensiteetti on paljas luku, mutta asiayhteyden korostamiseksi sen yksiköksi usein merkitään erlang (erl) Littlen kaavan nojalla: liikenneintensiteetti kertoo keskimäärin käynnissä olevien kutsujen lkm:n vastaavassa äärettömässä systeemissä Esimerkki: Uusia puheluita tulee tunnissa keskimäärin 800 kpl ja puhelun keskimääräinen pito on 3 min. Tällöin liikenneintensiteetiksi tulee a = 800 3/ 60 = 90 erlang 5 6 Esto Kutsuintensiteetit Menetysjärjestelmässä osa kutsuista menetetään: Saapuva kutsu menetetään, jos kaikki kanavat on varattu (so. systeemi on täysi) ko. kutsun saapuessa Termi esto (blocking) viittaa tähän tapahtumaan Menetysjärjestelmissä voidaan määritellä useita eri estosuureita: Kutsuesto B c = tn, että saapuva kutsu menetetään = niiden saapuvien kutsujen osuus, jotka menetetään Aikaesto B t = tn, että systeemi on täysi (mielivaltaisena ajanhetkenä) = se osuus ajasta, jolloin systeemi on täysi Nämä suureet eivät välttämättä ole samoja Esimerkki: oma kännykkäsi Mutta jos uudet kutsut saapuvat Poisson-prosessin mukaisesti, niin B c = B t Kutsuesto kuvaa paremmin käyttäjien kokemaa palvelun laatua Aikaesto taas on suoraviivaisemmin laskettavissa oleva suure 7 Menetysjärjestelmässä voidaan erottaa seuraavat kutsuintensiteetit: λ offered = kaikkien saapuvien kutsujen saapumisintensiteetti λ carried = palveluun päässeiden kutsujen saapumisintensiteetti λ lost = menetettyjen kutsujen saapumisintensiteetti λ offered λ carried λ lost λoffered = λcarried + λlost = λ λcarried = λ( Bc ) λlost = λbc 8
3 Liikennevirrat Liikenneteoreettinen analyysi () Eri kutsuintensiteettien avulla voidaan määritellä seuraavat liikennevirrat: Tarjottu liikenne a offered =λ offered h Kuljetettu liikenne a carried =λ carried h Menetetty liikenne a lost =λ lost h aoffered = acarried + alost = a acarried = a( Bc ) alost = abc λ offered Tarjottu ja menetetty liikenne ovat hypoteettisia suureita, mutta kuljetettu liikenne on mitattavissa, sillä Littlen kaavan mukaan se kertoo keskimäärin käynnissä olevien kutsujen lkm:n λ lost λ carried Järjestelmän kapasiteetti n = linkissä olevien rinnakkaisten kanavien lkm Liikenne a = (tarjottu) liikenneintensiteetti Palvelun laatu (käyttäjän näkökulmasta) B c = kutsuesto = tn, että saapuva kutsu menetetään Tarkastellaan tyyppiä M/G/n/n olevaa puhdasta menetysjärjestelmää, ts. oletetaan, että uudet kutsut saapuvat Poisson-prosessin mukaisesti (intensiteetillä λ) ja kutsujen pitoajat ovat riippumattomia ja samoin jakautuneita noudattaen mitä tahansa jakaumaa, jonka odotusarvo on h 9 0 Liikenneteoreettinen analyysi () Esimerkki Tällöin eri tekijöiden (järjestelmä, liikenne ja palvelun laatu) välisen yhteyden kertoo ns. Erlangin kaava a n B = n a = n! c Erl(, ) : n a i i i= 0! n! = n ( n ) K, 0! = Vaihtoehtoisia nimiä: Erlangin B-kaava Erlangin estokaava (blocking formula) Erlangin menetyskaava (loss formula) Erlangin ensimmäinen kaava Tarkastellaan esimerkkinä hyvin pientä systeemiä. Oletetaan, että rinnakkaisten kanavien lkm on n = 4 ja liikenneintensiteeetti a =.0 erlang. Tällöin kutsuestoksi B c tulee B Erl( 4,) 4! c = = ! 3! 4! 4 = % Jos linkin kapasiteetti kasvatetaan n = 6 kanavaan, niin B c pienenee arvoon B Erl( 6,) 6! c = =.% ! 3! 4! 5! 6! 6 =
4 Kapasiteetti liikenteen funktiona Palvelun laatu liikenteen funktiona Asetetaan palvelun laatuvaatimukseksi, että kutsuesto B c < % Tarvittava kapasiteetti n liikenteen a funktiona saadaan kaavalla: n( a) = min{ i =,, K Erl( i, a) < 0.0} Oletetaan sitten, että rinnakkaisten kanavien lkm eli kapasiteetti n = 0 Palvelun laatu B c liikenteen a funktiona saadaan kaavalla: Bc ( a) = Erl(0, a) 0.8 kapasiteetti n palvelun laatu B c liikenne a liikenne a 4 Palvelun laatu kapasiteetin funktiona Sisältö Oletetaan lopuksi, että tarjotun liikenteen intensiteetti a = 5.0 erlang Palvelun laatu B c kapasiteetin n funktiona saadaan kaavalla: Bc ( n) = Erl( n,5.0) Puhelinliikenteen malli Pakettitason malli dataliikenteelle Vuotason malli elastiselle dataliikenteelle Vuotason malli virtaavalle dataliikenteelle 0.8 palvelun laatu B c kapasiteetti n 5 6
5 Pakettitason malli dataliikenteelle () Pakettitason malli dataliikenteelle () Jonotusjärjestelmät soveltuvat dataliikenteen kuvaamiseen pakettitasolla Uranuurtajina 60- ja 70-luvuilla APANET:in tutkijat, eritoten L. Kleinrock ( Tarkastellaan yhtä IP-reitittimen ulostulolinkkiä Liikenne koostuu linkkiä pitkin lähetetyistä datapaketeista Klassisena mallina on yhden palvelijan (n = ) puhdas jonotusjärjestelmä, jossa on siis ääretön määrä odotuspaikkoja (m = ) asiakas = paketti λ = uusien pakettien saapumisintensiteetti (pakettia per yks.) L = keskim. paketin pituus (datayks.) palvelija = linkki, odotuspt = puskuri C = linkin kapasiteetti (datayks. per yks.) palvelu = paketin lähetys / = L/C = keskim. paketin lähetys (yks.) λ 7 8 Liikenneprosessi Liikennekuorma pakettien tila (odottamassa/lähetyksessä) odotus lähetys pakettien saapumishetket järjestelmässä olevien pakettien lkm linkin käyttöaste Tarjotun liikenteen voimakkuutta kuvataan liikennekuormalla (load). Määritelmä: Liikennekuorma ρ on pakettien saapumisintensiteetin λ suhde pakettien palveluintensiteettiin =C/L: λ λl ρ = = C Liikennekuorma on paljas luku (kuten menetysjärjestelmän liikenneintensiteettikin) Littlen kaavan nojalla: liikennekuorma kertoo keskimäärin palvelussa olevien asiakkaiden lkm:n. Se voidaan myös tulkita tn:ksi, että palvelija on mielivaltaisella ajanhetkellä käytössä. Näin ollen se kertoo järjestelmän käyttöasteen (utilization)
6 Esimerkki Viive Tarkastellaan reitittimen ulostulolinkkiä. Oletetaan, että lähetettäviä paketteja saapuu keskimäärin 50,000 kpl sekunnissa, yhden paketin keskimääräinen pituus on 500 tavua, ja linkin kapasiteetti on Gbps. Tällöin linkin kuormaksi (ja samalla käyttöasteeksi) tulee ρ = 50, /,000,000,000 = 0.60 = 60% Jonotusjärjestelmässä osa paketeista joutuu odottamaan lähetykseen pääsyä: Saapuva paketti jää odottamaan puskuriin, jos ko. paketin saapuessa linkki on jo varattu Paketin viive (delay) reitittimen ulostulolinkillä koostuukin odotusajasta (jonotusviive), joka riippuu systeemin tilasta paketin saapuessa, sekä lähetysajasta, joka riippuu paketin pituudesta ja linkin kapasiteetista Esim. paketin pituus = 500 tavua linkin kapasiteetti = Gbps paketin lähetys = 500*8/,000,000,000 = s = s Liikenneteoreettinen analyysi () Liikenneteoreettinen analyysi () Järjestelmän kapasiteetti C = linkin kapasiteetti (kbps) Liikenne λ = pakettien saapumisintensiteetti (pakettia sekunnissa) L = keskimääräinen paketin pituus. Oletetaan tässä: L = kbit Palvelun laatu (käyttäjän näkökulmasta) P z = tn, että paketin täytyy odottaa liian kauan, so. kauemmin kuin annettu referenssiviive z. Oletetaan tässä: z = s = 0 s Tarkastellaan tyyppiä M/M/ olevaa puhdasta jonotusjärjestelmää, ts. oletetaan, että uudet paketit saapuvat Poisson-prosessin mukaisesti (intensiteetillä λ) ja pakettien pituudet ovat riippumattomia ja samoin jakautuneita noudattaen eksponenttijakaumaa odotusarvolla L Tällöin eri tekijöiden (järjestelmä, liikenne ja palvelun laatu) välisen yhteyden kertoo seuraava kaava: Pz = Wait( C, λ; L, z) : = λl exp( ( C λ) z) = ρ exp( ( ρ) z), C L, Huom: if λl < C ( ρ < ) if λl C ( ρ ) Järjestelmä on stabiili vain tapauksessa ρ <. Muutoin odottavien pakettien jono kasvaa lopulta äärettömän pitkäksi. 3 4
7 Esimerkki Kapasiteetti saapumisintensiteetin funktiona Oletetaan, että paketteja saapuu intensiteetillä λ=600,000 pps = 0.6 pakettia/s ja linkin kapasiteetti on C =.0 Gbps =.0 kbit/s. Järjestelmä on stabiili, sillä Liian pitkän viiveen tn:ksi P z (missä siis z = 0 s) tulee P z = ρ = λl C Wait(.0,0.6;,0) = 0.6 < = 0.6exp( 4.0) % Asetetaan palvelun laatuvaatimukseksi, että P z < % Tarvittava kapasiteetti C saapumisintensiteetin λ funktiona saadaan kaavalla: linkin kapasiteetti C (Gbps) C( λ) = min{ c > λl Wait( c, λ;,0) < 0.0} saapumisintensiteetti λ (pak/s) 6 Palvelun laatu saapumisintensiteetin funktiona Palvelun laatu kapasiteetin funktiona Oletetaan sitten, että linkin kapasiteetti on C =.0 Gbps =.0 kbit/s Palvelun laatu P z saapumisintensiteetin λ funktiona saadaan kaavalla: P z ( λ) = Wait(.0, λ;,0) 0.8 Oletetaan lopuksi, että λ=600,000 pakettia/s = 0.6 pakettia/s Palvelun laatu P z linkin kapasiteetin C funktiona saadaan kaavalla: P z ( C) = Wait( C,0.6;,0) 0.8 palvelun laatu P z palvelun laatu P z saapumisintensiteetti λ (pak/s) linkin kapasiteetti C (Gbps) 8
8 Sisältö Vuotason malli elastiselle dataliikenteelle () Puhelinliikenteen malli Pakettitason malli dataliikenteelle Vuotason malli elastiselle dataliikenteelle Vuotason malli virtaavalle dataliikenteelle Jakojärjestelmät soveltuvat elastisen dataliikenteen kuvaamiseen vuotasolla Elastisuus tarkoittaa, että voiden lähetysnopeus sopeutuu vallitsevaan liikennetilanteeseen: ruuhka pudottaa kaikkien voiden lähetysnopeuksia Tätä koulukuntaa edustaa esim. J. oberts tutkijoineen ( Tarkastellaan yhtä reitittimen ulostulolinkkiä Liikenne koostuu linkkiä pitkin kulkevista TCP-voista, joita käytetään erilaisten digitaalisten dokumenttien (tiedostojen, www-sivujen, ) siirtoon 9 30 Vuotason malli elastiselle dataliikenteelle () Liikenneprosessi Yksinkertaisimpana mallina on yhden palvelijan (n = ) puhdas jakojärjestelmä, jossa kokonaispalvelunopeus on kiinteä asiakas = TCP-vuo = siirrettävä tiedosto voiden kestot siirto täydellä linkkinopeudella ylimääräinen viive λ = uusien voiden saapumisintensiteetti (vuota per yks.) S = keskim. vuon pituus = keskim. siirrettävän tiedoston koko (datayks.) voiden saapumishetket palvelija = linkki järjestelmässä olevien voiden lkm C = linkin kapasiteetti (datayks. per yks.) palvelu = tiedoston siirto täydellä linkkinopeudella / = S/C = keskim. tiedoston siirto täydellä nopeudella (yks.) λ / /4 /3 yksittäisen vuon suhteellinen lähetysnopeus 3 0 3
9 Liikennekuorma Esimerkki Tarjotun liikenteen voimakkuutta kuvataan liikennekuormalla ρ Määritelmä: Liikennekuorma ρ on voiden saapumisintensiteetin λ suhde voiden kokonaispalveluintensiteettiin =C/S: λ λs ρ = = C Liikennekuorma on tässäkin tapauksessa paljas luku Jakojärjestelmissä liikennekuorma ei kerro keskimäärin palvelussa olevien asiakkaiden lukumäärää. Miksei? Se voidaan kuitenkin edelleen tulkita tn:ksi, että palvelija on mielivaltaisella ajanhetkellä käytössä. Näin ollen se kertoo järjestelmän käyttöasteen (utilization). Tarkastellaan reitittimen ulostulolinkkiä. Oletetaan, että uusia voita saapuu keskimäärin 50 kpl sekunnissa, yhden vuon keskimääräinen pituus on,500,000 tavua, ja linkin kapasiteetti on Gbps. Tällöin linkin kuormaksi (ja samalla käyttöasteeksi) tulee ρ = 50,500,000 8/,000,000,000 = 0.60 = 60% Läpimeno Liikenneteoreettinen analyysi () Jakojärjestelmässä palvelukapasiteetti jaetaan tasan kaikkien aktiivisten voiden kesken. Tästä taas seuraa, että kaikki vuot viivästyvät, ts. kokonaisviive ylittää pelkän lähetysajan (ellei vuo sitten satu olemaan yksinään järjestelmässä). Määritelmä: Vuon keskimääräisen koon S suhdetta sen kokemaan keskimääräiseen kokonaisviiveeseen D sanotaan läpimenoksi θ (throughput) eli keskimääräiseksi lähetysnopeudeksi, Esimerkki: S = Mbit D = 5 s θ=s/d = 0. Mbps θ = S / D 35 Järjestelmän kapasiteetti C = linkin kapasiteetti (Mbps) Liikenne λ = voiden saapumisintensiteetti (vuota sekunnissa) S = keskimäär. vuon pituus. Oletetaan tässä: S = Mbit Palvelun laatu (käyttäjän näkökulmasta) θ = vuon läpimeno eli keskimääräinen lähetysnopeus Tarkastellaan tyyppiä M/G/-PS olevaa jakojärjestelmää, ts. oletetaan, että uudet vuot saapuvat Poisson-prosessin mukaisesti (intensiteetillä λ) ja voiden pituudet ovat riippumattomia ja samoin jakautuneita noudattaen mitä tahansa jakaumaa, jonka odotusarvo on S 36
10 Liikenneteoreettinen analyysi () Esimerkki Tällöin eri tekijöiden (järjestelmä, liikenne ja palvelun laatu) välisen yhteyden kertoo seuraava kaava: C λs = C( ρ), θ = Xput( C, λ; S) : = 0, if λs < C ( ρ < ) if λs C ( ρ ) Tulkinta: Jokaisen vuon kokema läpäisy vastaa systeemin vapaana olevaa kapasiteettia C( - ρ). Oletetaan, että voita saapuu intensiteetillä λ=600 vuota sekunnissa ja linkin kapasiteetti on C = 000 Mbps =.0 Gbps. Järjestelmä on stabiili, sillä Läpimenoksi tulee ρ = λs C = 600 = < θ = Xput( 000,600;) = = 400 Mbps = 0.4 Gbps Huom: Järjestelmä on stabiili vain tapauksessa ρ <. Muutoin voiden lukumäärä ja keskimääräinen läpimeno kasvaa rajatta, ja vuon kokema läpimeno lähestyy nollaa Kapasiteetti saapumisintensiteetin funktiona Palvelun laatu saapumisintensiteetin funktiona Asetetaan palvelun laatuvaatimukseksi, että θ 400 Mbps. Tarvittava kapasiteetti C saapumisintensiteetin λ funktiona saadaan kaavalla: C( λ) = min{ c > λs Xput( c, λ;) 400} = λs Oletetaan sitten, että linkin kapasiteetti on C = 000 Mbps Palvelun laatu θ saapumisintensiteetin λ funktiona saadaan kaavalla: θ ( λ) = Xput(000, λ;) = 000 λs, λ < 000/S linkin kapasiteetti C (Mbps) läpimeno θ (Mbps) saapumisintensiteetti λ (vuota/s) saapumisintensiteetti λ (vuota/s) 40
11 Palvelun laatu kapasiteetin funktiona Sisältö Oletetaan lopuksi, että saapumisintensiteetti on λ = 600 vuota/s Palvelun laatu θ linkin kapasiteetin C funktiona saadaan kaavalla: θ ( C) = Xput( C,600;) = C 600S, C > 600S Puhelinliikenteen malli Pakettitason malli dataliikenteelle Vuotason malli elastiselle dataliikenteelle Vuotason malli virtaavalle dataliikenteelle läpimeno θ (Mbps) linkin kapasiteetti C (Mbps) 4 4 Vuotason malli virtaavalle CB-liikenteelle () Vuotason malli virtaavalle CB-liikenteelle () Ääretön järjestelmä soveltuu virtaavan vakionopeuksisen dataliikenteen kuvaamiseen vuotasolla Virtaavan vuon lähetysnopeus ei reagoi verkon tilaan, eikä verkon tila myöskään vaikuta vuon kestoon Tällaisia malleja sovellettiin 90-luvulla ATM-verkkojen CB-liikenteen liikenneteoreettiseen analyysiin Tarkastellaan yhtä reitittimen ulostulolinkkiä Liikenne koostuu linkkiä pitkin kulkevista UDP-voista, joita käytetään virtaavan vakionopeuksisen liikenteen (esim. VoIP) siirtoon Mallina on siis ääretön järjestelmä (n = ) asiakas = UDP-vuo = vakionopeuksinen bittivirta λ = uusien voiden saapumisintensiteetti (vuota per yks.) palvelu = vuon kesto h = / = keskimääräinen vuon kesto (yks.) Puskuriton vuotason malli: kun voiden yhteinen lähetysnopeus ylittää linkin nopeuden, bittejä katoaa (tasaisesti kaikilta voilta) 43 λ 44
12 Liikenneprosessi Tarjottu liikenne voiden kestot Merkitään r:llä yksittäisen vuon bittinopeutta Tarjotun liikenteen voimakkuutta kuvaa keskimääräinen voiden yhteenlaskettu bittinopeus Littlen kaavan nojalla keskimääräinen aktiivisten voiden lkm on voiden saapumishetket kokonaisbittinopeus (voiden lkm) menetetty liikenne a = λh Tätä voidaan kutsua liikenneintensiteetiksi (vrt. puhelinliikenne) Tästä seuraa, että = ar = λhr C kuljetettu liikenne Häviösuhde Liikenneteoreettinen analyysi () Merkitään N:llä systeemissä olevien voiden lukumäärää Aina kun voiden yhteinen lähetysnopeus Nr ylittää linkin kapasiteetin C, bittejä katoaa nopeudella Nr C Keskimääräinen katoamisnopeus on siis + E[( Nr C) ] = E[max{ Nr C,0}] Määritelmä: Häviösuhde p loss kertoo kadonneen liikenteen osuuden koko liikenteestä: E[( Nr C) + ] + ploss = = E[( Nr C) ] E[ Nr] ar Järjestelmän kapasiteetti C = nr = linkin kapasiteetti (kbps) Liikenne = ar = tarjottu liikenne (kbps) r = vuon bittinopeus (kbps). Palvelun laatu (käyttäjän näkökulmasta) p loss = häviösuhde Tarkastellaan tyyppiä M/G/ olevaa ääretöntä järjestelmää, ts. oletetaan, että uudet vuot saapuvat Poisson-prosessin mukaisesti (intensiteetillä λ) ja voiden kestot ovat riippumattomia ja samoin jakautuneita noudattaen mitä tahansa jakaumaa, jonka odotusarvo on h 47 48
13 Liikenneteoreettinen analyysi () Kapasiteetti liikenteen funktiona Tällöin eri tekijöiden (järjestelmä, liikenne ja palvelun laatu) välisen yhteyden kertoo seuraava kaava: a i a p = n a = loss L(, ) : i n e a ( ) i! i= n+ Asetetaan palvelun laatuvaatimukseksi, että häviösuhde p loss < % Tarvittava kapasiteetti n liikenteen a funktiona saadaan kaavalla: n( a) = min{ i =,, K L( i, a) < 0.0} 00 Esimerkki: n = 0 a = 4.36 p loss = 0.0 kapasiteetti n liikenne a 50 Palvelun laatu liikenteen funktiona Palvelun laatu kapasiteetin funktiona Oletetaan sitten, että kapasiteetti n = 0 Palvelun laatu p loss liikenteen a funktiona saadaan kaavalla: Oletetaan lopuksi, että tarjotun liikenteen intensiteetti a = 5.0 erlang Palvelun laatu p loss kapasiteetin n funktiona saadaan kaavalla: ploss( a) = L(0, a) ploss( n) = L( n,5.0) palvelun laatu p loss palvelun laatu p loss liikenne a kapasiteetti n 5
14 THE END 53
3. Esimerkkejä luento03.ppt S Liikenneteorian perusteet - Kevät
luento03.ppt S-38.1145 - Liikenneteorian perusteet - Kevät 2006 1 Sisältö Puhelinliikenteen malli Pakettitason malli dataliikenteelle Vuotason malli elastiselle dataliikenteelle Vuotason malli virtaavalle
LisätiedotLiikenneteoriaa (vasta-alkajille)
Liikenneteoriaa (vasta-alkajille) samuli.aalto@hut.fi liikteor.ppt S-38.8 - Teletekniikan perusteet - Syksy 000 Sisältö Liikenneteorian tehtävä Verkot ja välitysperiaatteet Puhelinliikenteen mallinnus
LisätiedotDemonstraatiot Luento 7 D7/1 D7/2 D7/3
TEKNILLINEN KORKEAKOULU Tietoliikenne- ja tietoverkkotekniikan laitos S-8.45 Liikenneteorian perusteet, Kevät 2008 Demonstraatiot Luento 7 7.2.2008 D7/ Tarkastellaan piirikytkentäisen järjestelmän n-kanavaista
Lisätiedot2. Liikenne. luento02.ppt S Liikenneteorian perusteet - Kevät 2006
luento02.ppt S-38.1145 - Liikenneteorian perusteet - Kevät 2006 1 Sisältö Liikenteen karakterisointi Puhelinliikenteen mallinnus Dataliikenteen mallinnus pakettitasolla Dataliikenteen mallinnus vuotasolla
Lisätiedot2. Liikenne. Sisältö. Tarjottu vs. kuljetettu liikenne. Kuljetetun liikenteen karakterisointi
Sisältö Liikenteen karakterisointi Puhelinliikenteen mallinnus Dataliikenteen mallinnus pakettitasolla Dataliikenteen mallinnus vuotasolla luento.ppt S-8.5 - teorian perusteet - Kevät 6 Tarjottu vs. kuljetettu
LisätiedotDemonstraatiot Luento
TEKNILLINEN KORKEAKOULU Tietoliikenne- ja tietoverkkotekniikan laitos S-8.45 Liikenneteorian perusteet, Kevät 8 Demonstraatiot Luento 8..8 D/ Tarkastellaan seuraavaa yksinkertaista piirikytkentäistä (runko)verkkoa.
LisätiedotEstojärjestelmä (loss system, menetysjärjestelmä)
J. Virtamo 38.3143 Jonoteoria / Estojärjestelmä 1 Estojärjestelmä (loss system, menetysjärjestelmä) Tarkastellaan perinteistä puhdasta estojärjestelmää, jossa on annettu n = johtojen (varattavien elementtien)
Lisätiedot1. Johdanto luento01.ppt S Liikenneteorian perusteet - Kevät
luento01.ppt S-38.145 - Liikenneteorian perusteet - Kevät 2005 1 Sisältö Tietoliikenneverkot ja välitysperiaatteet Liikenneteorian tehtävä Liikenneteoreettiset mallit Littlen kaava 2 Tietoliikenneverkot
LisätiedotLittlen tulos. Littlen lause sanoo. N = λ T. Lause on hyvin käyttökelpoinen yleisyytensä vuoksi
J. Virtamo 38.3143 Jonoteoria / Littlen tulos 1 Littlen tulos Littlen lause Littlen tuloksena tai Littlen lauseena tunnettu tulos on hyvin yksinkertainen relaatio järjestelmään tulevan asiakasvirran, keskimäärin
LisätiedotABTEKNILLINEN KORKEAKOULU
ATEKNILLINEN KORKEAKOULU. Johdanto Tietoverkkolaboratorio Sisältö. Johdanto Liikenneteorian tehtävä Liikenneteoreettiset mallit Puhelinliikenteen mallinnus puhtaana menetysjärjestelmänä Dataliikenteen
LisätiedotABTEKNILLINEN KORKEAKOULU
ATEKNILLINEN KORKEAKOULU. Johdanto Tietoverkkolaboratorio Sisältö. Johdanto Liikenneteorian tehtävä Liikenneteoreettiset mallit Puhelinliikenteen mallinnus puhtaana menetysjärjestelmänä Dataliikenteen
LisätiedotABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio
ABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio. Johdanto luento0.ppt S-38.45 - Liikenneteorian perusteet - Kevät 2004 . Johdanto Sisältö Liikenneteorian tehtävä Liikenneteoreettiset mallit Puhelinliikenteen
LisätiedotAB TEKNILLINEN KORKEAKOULU
AB TEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio luento10.ppt S-38.145 - Liikenneteorian perusteet - Kevät 2002 1 Sisältö Johdanto Verkon suunnittelu Liikenne-ennusteet Mitoitus 2 Tietoliikenneverkko
LisätiedotABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio. 10. Verkon suunnittelu ja mitoitus
ABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio 10. Verkon suunnittelu ja mitoitus luento10.ppt S-38.145 - Liikenneteorian perusteet - Kevät 2004 1 Sisältö Johdanto Verkon suunnittelu Liikenne-ennusteet
LisätiedotJ. Virtamo Jonoteoria / Prioriteettijonot 1
J. Virtamo 38.3143 Jonoteoria / Prioriteettijonot 1 Prioriteettijonot Tarkastellaan M/G/1-jonojärjestelmää, jossa asiakkaat on jaettu K:hon prioriteettiluokkaan, k = 1,..., K: - luokalla 1 on korkein prioriteetti
LisätiedotEstynyt puheluyritys menetetään ei johda uusintayritykseen alkaa uusi miettimisaika: aika seuraavaan yritykseen Exp(γ) pitoaika X Exp(µ)
J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 1 Äärellinen lähdepopulaatio: M/M/s/s/n-järjestelmä Tarkastellaan estojärjestelmää (ei odotuspaikkoja) tapauksessa, jossa saapumiset tulevat äärellisestä
LisätiedotJ. Virtamo Jonoteoria / Prioriteettijonot 1
J. Virtamo 38.143 Jonoteoria / Prioriteettijonot 1 Prioriteettijonot TarkastellaanM/G/1-jonojärjestelmää, jossaasiakkaaton jaettu K:hon prioriteettiluokkaan, k =1,...,K: - luokalla 1 on korkein prioriteetti
LisätiedotLiikenneongelmien aikaskaalahierarkia
J. Virtamo 38.3141 Teleliikenneteoria / HOL-esto 1 Liikenneongelmien aikaskaalahierarkia AIKASKAALAHIERARKIA Kiinnostavat aikaskaalat kattavat laajan alueen, yli 13 dekadia! Eri aikaskaaloissa esiintyvät
LisätiedotVuonohjaus: ikkunamekanismi
J. Virtamo 38.3141 Teleliikenneteoria / Ikkunointiin perustuva vuonohjaus 1 Vuonohjaus: ikkunamekanismi Kuittaamattomina liikkeellä olevien segmenttien (data unit) lkm W (ikkuna) Lähetyslupien kokonaismäärä
LisätiedotJonojen matematiikkaa
Lectio praecursoria Jonojen matematiikkaa Samuli Aalto luento.ppt 1 Sisältö Johdanto Joukkopalveltu jono (batch service queue) Nestevarastomalli (fluid flow storage model) 2 Reaalimaailman ilmiö... ÿþýüûr.u.p.t.
Lisätiedot10. Verkon suunnittelu ja mitoitus
luento10.ppt S-38.145 - Liikenneteorian perusteet - Kevät 2000 1 Sisältö Johdanto Verkon suunnittelu Liikenne-ennusteet Mitoitus 2 Tietoliikenneverkko Yksinkertainen tietoliikenneverkon malli koostuu solmuista
Lisätiedot5. Stokastiset prosessit (1)
luento05.ppt S-38.45 - Liikenneteorian perusteet - Kevät 2006 Sisältö Peruskäsitteitä Poisson-prosessi 2 Stokastiset prosessit () Tarkastellaan jotakin (liikenneteorian kannalta tai sitten muuten) kiinnostavaa
Lisätiedot9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli
lueto9.ppt S-38.45 Lkeeteora perusteet Kevät 5 Ykskertae lkeeteoreette mall Puhdas jakojärjestelmä Asakkata saapuu keskmäär opeudella asakasta per akayks. / keskmääräe asakkade välaka Asakkata palvellaa
LisätiedotOdotusjärjestelmät. Aluksi esitellään allaolevan kuvan mukaisen yhden palvelimen jonoon liittyvät perussuureet.
J. Virtamo 38.3143 Jonoteoria / M/M/ /-jonot 1 Odotusjärjestelmät Siirrytään tarkastelemaan odotusjärjestelmiä. Nämä ovat aitoja jonojärjestelmiä siinä mielessä, että niissä on odotuspaikkoja ja asiakkat
Lisätiedot9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli
Ssältö Kertausta: ykskertae lkeeteoreette mall M/M/-PS asakasta palvelja asakaspakkaa M/M/-PS asakasta palveljaa asakaspakkaa Sovellus elastse datalketee malltamsee vuotasolla M/M//k/k-PS k asakasta palvelja
LisätiedotABTEKNILLINEN KORKEAKOULU
ABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio Sisältö Peruskäsitteitä Poisson-prosessi Luento05.ppt S-38.45 - Liikenneteorian perusteet - Kevät 2005 2 Stokastiset prosessit () Stokastiset prosessit
LisätiedotTehtävä 2: Tietoliikenneprotokolla
Tehtävä 2: Tietoliikenneprotokolla Johdanto Tarkastellaan tilannetta, jossa tietokone A lähettää datapaketteja tietokoneelle tiedonsiirtovirheille alttiin kanavan kautta. Datapaketit ovat biteistä eli
LisätiedotABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio
ABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio 4. Liikenteen mallinnus ja mittaus luento04.ppt S-38.145 - Liikenneteorian perusteet - Kevät 2002 1 Sisältö Liikenteen mittaus Liikenteen vaihtelu Puhelinliikenteen
LisätiedotAB TEKNILLINEN KORKEAKOULU
AB TEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio luento04.ppt S-38.145 - Liikenneteorian perusteet - Kevät 2002 1 Sisältö Liikenteen mittaus Liikenteen vaihtelu Puhelinliikenteen mallinnus Dataliikenteen
Lisätiedotj n j a b a c a d b c c d m j b a c a d a c b d c c j
TEKNILLINEN KORKEAKOULU Tietoliikenne- ja tietoverkkotekniikan laitos S-38.115 Liikenneteorian perusteet, Kevät 2008 Demonstraatiot Luento 12 29.2.2008 D12/1 Tarkastellaan verkkoa, jossa on solmua ja linkkiä.
LisätiedotESTON LASKENTA VERKOSSA
J. Virtamo 38.3141 Teleliikenneteoria / Esto verkossa 1 ESTON LASKENTA VERKOSSA Erlangin funktion E(C, a) avulla voidaan laskea esto yhdessä linkissä, jonka kapasiteetti on C (johtoa) ja johon tarjotun
Lisätiedot5. Liikenteen mallinnus ja mittaus
S-38.45 Liikenneteorian perusteet K-99 5. Liikenteen mallinnus ja mittaus lect5.ppt Sisältö Perinteinen puhelinliikenteen mallinnus Liikenteen vaihtelu Liikenteen mittaus Perinteinen dataliikenteen mallinnus
LisätiedotLiikenneteorian tehtävä
J. Virtamo 38.3141Teleliikenneteoria / Johdanto 1 Liikenneteorian tehtävä Määrää kolmen eri tekijän väliset riippuvuudet palvelun laatu järjestelmä liikenne Millainen käyttäjän kokema palvelun laatu on
LisätiedotDynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen
LisätiedotTiedonvälitystekniikka II KK -95 1
KK -95 1 JOHDANTO Tämä opintojakson Tiedonvälitystekniikka 2 liikenneteoreettinen osuus pyrkii sisältämään melko laajan katsauksen televerkkojen liikenneteoreettisiin käytännön ongelmiin ja niiden ratkaisumenetelmiin.
Lisätiedot4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Otanta Poisson- Jakaumien tunnusluvut Diskreetit jakaumat Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen
LisätiedotEsimerkki: Tietoliikennekytkin
Esimerkki: Tietoliikennekytkin Tämä Mathematica - notebook sisältää luennolla 2A (2..26) käsitellyn esimerkin laskut. Esimerkin kuvailu Tarkastellaan yksinkertaista mallia tietoliikennekytkimelle. Kytkimeen
LisätiedotATM-VERKON KUTSUTASON ESTO
J. Virtamo 38.3141 Teleliikenneteoria / Kutsutason esto 1 ATM-VERKON KUTSUTASON ESTO Kutsutasolla tehtävän resurssivarauksen kannalta vaihtuvanopeuksinenkin lähde näyttää vakionopeuslähteeltä. Sen nopeus
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
LisätiedotLiikenneintensiteetti
J. Virtamo 38.3141Teleliikenneteoria / Liikenne 1 Liikenneintensiteetti a = λ T missä λ = kuljetettujen yhteyksien lukumäärä aikayksikössä (saapumisnopeus, kutsunopeus) T = yhteyden keskimääräinen kesto
LisätiedotYleistä. Esimerkki. Yhden palvelimen jono. palvelin. saapuvat asiakkaat. poistuvat asiakkaat. odotushuone, jonotuspaikat
J. Virtamo 38.3143 Jonoteoria / Jonojärjestelmät 1 JONOJÄRJESTELMÄT Yleistä Jonojärjestelmät muodostavat keskeisen mallinnuksen välineen mm. tietoliikenne- ja tietokonejärjestelmien suorituskyvyn analysoinnissa.
LisätiedotTilastollinen päättely II, kevät 2017 Harjoitus 2A
Tilastollinen päättely II, kevät 07 Harjoitus A Heikki Korpela 3. tammikuuta 07 Tehtävä. (Monisteen tehtävä.3 Olkoot Y,..., Y n Exp(λ. Kirjoita vastaava tilastollisen mallin lauseke (ytf. Muodosta sitten
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
Lisätiedot4. Stokastiset prosessit. lect4.tex 1. Sisältö. Peruskäsitteitä. Poisson-prosessi. Markov-prosessit. Syntymä-kuolema-prosessit
4. Stokastiset prosessit lect4.tex 1 Sisältö Peruskäsitteitä Poisson-prosessi Markov-prosessit Syntymä-kuolema-prosessit 2 Stokastinen prosessi Tarkasteltavana oleva järjestelmä kehittyy ajan mukana ja
Lisätiedot4. laskuharjoituskierros, vko 7, ratkaisut
4. laskuharjoituskierros, vko 7, ratkaisut D1. Kone valmistaa kuulalaakerin kuulia, joiden halkaisija vaihtelee satunnaisesti. Halkaisijan on oltava tiettyjen rajojen sisällä, jotta kuula olisi käyttökelpoinen.
LisätiedotTilastollinen testaus. Vilkkumaa / Kuusinen 1
Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää
LisätiedotJ. Virtamo 38.3143 Jonoteoria / Poisson-prosessi 1
J. Virtamo 38.3143 Jonoteoria / Poisson-prosessi 1 Poisson-prosessi Yleistä Poisson-prosessi on eräs keskeisimmistä jonoteoriassa käytetyistä malleista. Hyvin usein asiakkaiden saapumisprosessia jonoon
LisätiedotReiluus. Maxmin-reiluus. Tärkeä näkökohta best effort -tyyppisissä palveluissa. Reiluuden maxmin-määritelmä
J. Virtamo 38.3141 Teleliikenneteoria / Reiluus 1 Reiluus Maxmin-reiluus Tärkeä näkökohta best effort -tyyppisissä palveluissa kenellekään ei anneta kvantitatiivisia QoS-takuita kaikkien pitää saada palvelua
LisätiedotInduktio, jonot ja summat
Induktio, jonot ja summat Matemaattinen induktio on erittäin hyödyllinen todistusmenetelmä, jota sovelletaan laajasti. Sitä verrataan usein dominoefektiin eli ketjureaktioon, jossa ensimmäisen dominopalikka
LisätiedotJatkuvat satunnaismuuttujat
Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään
LisätiedotJärjestelmässä olevien asiakkaiden lukumäärä N(t) ei muodosta enää Markov-prosessia.
J. Virtamo 38.143 Jonoteoria / M/G/1/-jono 1 M/G/1-jono M (memoryless): Poisson-saapumisprosessi, intensiteetti λ G (general): yleinen palveluaikajakautuma, keskiarvo S =1/µ 1 : yksi palvelin, kuorma ρ
LisätiedotJonot. Lukujonolla tarkoitetaan ääretöntä jonoa reaalilukuja a n R, kun indeksi n N. Merkitään. (a n ) n N = (a n ) n=1 = (a 1, a 2, a 3,... ).
Jonot Lukujonolla tarkoitetaan ääretöntä jonoa reaalilukuja a n R, kun indeksi n N. Merkitään (a n ) n N = (a n ) n=1 = (a 1, a 2, a 3,... ). Lukujonon täsmällinen tulkinta on funktio f : N R, jolle f
LisätiedotMat Sovellettu todennäköisyyslasku A
TKK / Systeemianalyysin laboratorio Nordlund Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 7 (vko 44/003) (Aihe: odotusarvon ja varianssin ominaisuuksia, satunnaismuuttujien lineaarikombinaatioita,
LisätiedotJATKUVAT JAKAUMAT Laplace-muunnos (Laplace-Stieltjes-muunnos)
J. Virtamo 38.3143 Jonoteoria / Jatkuvat jakaumat 1 JATKUVAT JAKAUMAT Laplace-muunnos (Laplace-Stieltjes-muunnos) Määritelmä Ei-negatiivisen satunnaismuuttujan X 0, jonka tiheysfunktio on f(x), Laplace-muunnos
LisätiedotSyntymä-kuolema-prosessit
J. Virtamo 38.343 Jonoteoria / SK-prosessit Syntymä-kuolema-prosessit Yleistä Syntymä-kuolema-prosessiksi (SK-prosessi) kutsutaan Markov-prosessia, jonka - tila-avaruus on iskreetti - tilat voiaan järjestää
LisätiedotD ( ) E( ) E( ) 2.917
Mat-2.091 Sovellettu todennäköisyyslasku 4. harjoitukset/ratkaisut Aiheet: Diskreetit jakaumat Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen jakauma, Kertymäfunktio,
LisätiedotLisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia
Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia KE (2014) 1 Hypergeometrinen jakauma Hypergeometrinen jakauma
LisätiedotS Laskuharjoitus 3: Ratkaisuhahmotelmia
S-38.118 Laskuharjoitus 3: Ratkaisuhahmotelmia Mika Ilvesmäki lynx@tct.hut.fi 1st December 2000 Abstract Tässä dokumentissä esitellään enemmän tai vähemmän taydellisesti ratkaisuja syksyn 2000 teletekniikan
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 6 1 Korkolaskentaa Oletetaan, että korkoaste on r Jos esimerkiksi r = 0, 02, niin korko on 2 prosenttia Tätä korkoastetta käytettään diskonttaamaan tulevia tuloja ja
LisätiedotJ. Virtamo Jonoteoria / Jonoverkot 1
J. Virtamo 38.3143 Jonoteoria / Jonoverkot 1 JONOVERKOT Useasta jonosta muodostuva verkko Queueing network Network of queues Esimerkiksi Asiakkaita siirtyy postin, pankin, kaupan jonoista toiseen Datapaketteja
LisätiedotTeoria. Prosessin realisaatioiden tuottaminen
Teoria Johdanto simulointiin Simuloinnin kulku -- prosessin realisaatioiden tuottaminen Tapahtumapohjaisen simuloinnin periaatteet Esimerkki: M/M/1 jonon simulointi Simulointiohjelman geneeriset komponentit
LisätiedotPoisson-prosessien ominaisuuksia ja esimerkkilaskuja
4B Poisson-prosessien ominaisuuksia ja esimerkkilaskuja Tuntitehtävät 4B1 Eksponentiaalisten odotusaikojen toistuva odottaminen. Satunnaisluvun X sanotaan noudattavan Gamma-jakaumaa parametrein k ja λ,
LisätiedotSyntymä-kuolema-prosessit
J. Virtamo Liikenneteoria ja liikenteenhallinta / SK-prosessit Syntymä-kuolema-prosessit Yleistä Syntymä-kuolema-prosessiksi (SK-prosessi) kutsutaan Markov-prosessia, jonka - tila-avaruus on iskreetti
Lisätiedotf(n) = Ω(g(n)) jos ja vain jos g(n) = O(f(n))
Määritelmä: on O(g(n)), jos on olemassa vakioarvot n 0 > 0 ja c > 0 siten, että c g(n) kun n > n 0 O eli iso-o tai ordo ilmaisee asymptoottisen ylärajan resurssivaatimusten kasvun suuruusluokalle Samankaltaisia
LisätiedotLukujoukot. Luonnollisten lukujen joukko N = {1, 2, 3,... }.
Lukujoukot Luonnollisten lukujen joukko N = {1, 2, 3,... }. N 0 = {0, 1, 2, 3,... } = N {0}. Kokonaislukujen joukko Z = {0, 1, 1, 2, 2,... }. Rationaalilukujen joukko Q = {p/q p Z, q N}. Reaalilukujen
LisätiedotJ. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 1
J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot JONOVERKOT Useasta jonosta muodostuva verkko Queueing network Network of queues Esimerkiksi Asiakkaita siirtyy postin, pankin, kaupan jonoista
LisätiedotJ. Virtamo Jonoteoria / M/G/1/-jono 1
J. Virtamo 38.3143 Jonoteoria / M/G/1/-jono 1 M/G/1-jono M (memoryless): Poisson-saapumisprosessi, intensiteetti λ G (general): yleinen palveluaikajakautuma, keskiarvo S = 1/µ 1 : yksi palvelin, kuorma
LisätiedotLaskuharjoitus 2 ( ): Tehtävien vastauksia
TT12S1E Tietoliikenteen perusteet Metropolia/A. Koivumäki Laskuharjoitus 2 (11.9.2013): Tehtävien vastauksia 1. Eräässä kuvitteellisessa radioverkossa yhdessä radiokanavassa voi olla menossa samanaikaisesti
LisätiedotProsessin reaalisaatioiden tuottaminen
Teoria Johdanto simulointiin Simuloinnin kulku -- prosessin realisaatioiden tuottaminen Satunnaismuuttujan arvonta annetusta jakaumasta Tulosten keruu ja analyysi Varianssinreduktiotekniikoista 20/09/2004
LisätiedotKULJETUSSUUREET Kuljetussuureilla tai -ominaisuuksilla tarkoitetaan kaasumaisen, nestemäisen tai kiinteän väliaineen kykyä siirtää ainetta, energiaa, tai jotain muuta fysikaalista ominaisuutta paikasta
LisätiedotProbabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto
Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto Esimerkki Tarkastelemme ilmiötä I, joka on a) tiettyyn kauppaan tulee asiakkaita
LisätiedotNopea kertolasku, Karatsuban algoritmi
Nopea kertolasku, Karatsuban algoritmi Mikko Männikkö 16.8.2004 Lähde: ((Gathen and Gerhard 1999) luku II.8) Esityksen kulku Algoritmien analysointia (1), (2), (3), (4) Klassinen kertolasku Parempi tapa
LisätiedotABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio
ABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio 2. Esimerkkejä eri järjestelmien mallintamisesta (osa ) Luento02.ppt S-38.45 - Liikenneteorian perusteet - Kevät 2004 Sisältö Tietoliikenneverkot Verkkotaso:
LisätiedotKuva maailmasta Pakettiverkot (Luento 1)
M.Sc.(Tech.) Marko Luoma (1/20) M.Sc.(Tech.) Marko Luoma (2/20) Kuva maailmasta Pakettiverkot (Luento 1) WAN Marko Luoma TKK Teletekniikan laboratorio LAN M.Sc.(Tech.) Marko Luoma (3/20) M.Sc.(Tech.) Marko
LisätiedotIPTV:n asettamat vaatimukset verkolle ja palvelun toteutus. Lauri Suleva TI07 Opinnäytetyö 2011
IPTV:n asettamat vaatimukset verkolle ja palvelun toteutus SimuNetissä Lauri Suleva TI07 Opinnäytetyö 2011 Johdanto Työn tarkoituksena tutustua IPTV-palveluun yleisesti IPTV-palveluun vaikuttavien tekijöiden
Lisätiedot1. Tietokoneverkot ja Internet. 1. 1.Tietokoneesta tietoverkkoon. Keskuskone ja päätteet (=>-80-luvun alku) Keskuskone ja oheislaitteet
1. Tietokoneverkot ja Internet 1.1. Tietokoneesta tietoverkkoon 1.2. Tietoliikenneverkon rakenne 1.3. Siirtomedia 1.4. Tietoliikenneohjelmisto eli protokolla 1.5. Viitemallit: OSI-malli, TCP/IP-malli 1.6.
Lisätiedot3. laskuharjoituskierros, vko 6, ratkaisut
Mat-.9 Sovellettu todennäköisyyslasku, kevät - eliövaara, Palo, Mellin. laskuharjoituskierros, vko 6, ratkaisut D. Uurnassa A on 4 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa
LisätiedotSuotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä
Todennäköisyys 1 Klassinen todennäköisyys: p = Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä Esimerkkejä: Nopan heitto, kolikon heitto Satunnaismuuttuja Tilastollisesti vaihtelevaa
LisätiedotS Liikenneteorian perusteet (2 ov) K-98
S-38.145 Liikenneteorian perusteet (2 ov) K-98 Samuli Aalto Teletekniikan laboratorio Teknillinen korkeakoulu samuli.aalto@hut.fi http://keskus.hut.fi/opetus/s38145/ preface.ppt Opintojakson puitteet luennot
Lisätiedot9. laskuharjoituskierros, vko 12-13, ratkaisut
9. laskuharjoituskierros, vko 12-13, ratkaisut D1. Olkoot X i, i = 1, 2,..., n riippumattomia, samaa eksponenttijakaumaa noudattavia satunnaismuuttujia, joiden odotusarvo E(X i = β, toisin sanoen X i :t
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3A Normaaliapproksimaatio Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi 2016
LisätiedotLiikenneteorian ja -tekniikan (traffic engineering) rooli tietoliikennejärjestelmissä. J. Virtamo
Liikenneteorian ja -tekniikan (traffic engineering) rooli tietoliikennejärjestelmissä J. Virtamo 19.10.1999 Teleliikenneteorian pääaine Liikenneteorian perusteet (kl) 2 ov johdanto liikenneteoriaan ja
LisätiedotMS-A0102 Differentiaali- ja integraalilaskenta 1
MS-A0102 Differentiaali- ja integraalilaskenta 1 Riikka Korte (Pekka Alestalon kalvojen pohjalta) Aalto-yliopisto 24.10.2016 Sisältö Käytännön asiat Jonot Sarjat 1.1 Opettajat luennoitsija Riikka Korte
Lisätiedot2. Esimerkkejä eri järjestelmien mallintamisesta (osa 1)
2. Esimerkkejä eri järjestelmien mallintamisesta (osa ) luento02.ppt S-38.45 - Liikenneteorian perusteet - Kevät 2000 2. Esimerkkejä eri järjestelmien mallintamisesta (osa ) Sisältö Tietoliikenneverkot
Lisätiedot1. Tietokoneverkot ja Internet
1. Tietokoneverkot ja Internet 1.1. Tietokoneesta tietoverkkoon 1.2. Tietoliikenneverkon rakenne 1.3. Siirtomedia 1.4. Tietoliikenneohjelmisto eli protokolla 1.5. Viitemallit: OSI-malli, TCP/IP-malli 1.6.
Lisätiedot4. Todennäköisyyslaskennan kertausta
luento04.ppt S-38.1145 - Liikenneteorian perusteet - Kevät 2006 1 Sisältö eruskäsitteet Diskreetit satunnaismuuttujat Diskreetit jakaumat lkm-jakaumat Jatkuvat satunnaismuuttujat Jatkuvat jakaumat aikajakaumat
LisätiedotKohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ.
25.2.215 1. Autossa on 4 rengasta ja 1 vararengas (T i Exp(λ), [λ] = 1/km, i=1,...,5). Kulkeakseen auto tarvitsee 4 ehjää rengasta. Aluksi auto käyttää neljää alkuperäistä rengasta. Kun yksi näistä vikaantuu,
Lisätiedot1. Tietokoneverkot ja Internet Tietokoneesta tietoverkkoon. Keskuskone ja päätteet (=>-80-luvun alku) Keskuskone ja oheislaitteet
. Tietokoneverkot ja Internet.. Tietokoneesta tietoverkkoon.. Tietoliikenneverkon rakenne.. Siirtomedia.4. Tietoliikenneohjelmisto eli protokolla.5. Viitemallit: OSI-malli, TCP/IP-malli.6. Esimerkkejä
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Satunnaismuuttujat ja todennäköisyysjakaumat Mitä tänään? Jos satunnaisilmiötä halutaan mallintaa matemaattisesti, on ilmiön tulosvaihtoehdot kuvattava numeerisessa muodossa. Tämä tapahtuu liittämällä
Lisätiedot(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?
6.10.2006 1. Keppi, jonka pituus on m, taitetaan kahtia täysin satunnaisesti valitusta kohdasta ja muodostetaan kolmio, jonka kateetteina ovat syntyneet palaset. Kolmion pinta-ala on satunnaismuuttuja.
LisätiedotPositiivitermisten sarjojen suppeneminen
Positiivitermisten sarjojen suppeneminen Jono (b n ) n= on kasvava, jos b n+ b n kaikilla n =, 2,... Lemma Jokainen ylhäältä rajoitettu kasvava jono (b n ) n= raja-arvo on lim n b n = sup n Z+ b n. suppenee
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 28. syyskuuta 2007 Antti Rasila () TodB 28. syyskuuta 2007 1 / 20 1 Jatkoa diskreeteille jakaumille Negatiivinen binomijakauma Poisson-jakauma Diskreettien
LisätiedotBatch means -menetelmä
S-38.148 Tietoverkkojen simulointi / Tulosten keruu ja analyysi 1(9) Batch means -menetelmä Batch means -menetelmää käytetään hyvin yleisesti Simulointi suoritetaan tässä yhtenä pitkänä ajona olkoon simuloinnin
LisätiedotS Laskuharjoitus 2: Ratkaisuhahmotelmia
S-38.118 Laskuharjoitus 2: Ratkaisuhahmotelmia Mika Ilvesmäki lynx@tct.hut.fi 1st December 2000 Abstract Tässä dokumentissä esitellään enemmän tai vähemmän taydellisesti ratkaisuja syksyn 2000 teletekniikan
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3A Satunnaismuuttujien summa ja keskihajonta Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
LisätiedotAB TEKNILLINEN KORKEAKOULU
TEKNILLINEN KORKEKOULU Tietoverkkolaboratorio 2. Esimerkkejä eri järjestelmien mallintamisesta (osa ) luento02.ppt S-38.45 - Liikenneteorian perusteet - Kevät 2002 2. Esimerkkejä eri järjestelmien mallintamisesta
LisätiedotTehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin)
1/10 Tehtävä 1 2 3 4 5 6 7 8 9 10 Yhteensä Pisteet (tarkastaja merkitsee) Kokeessa on kymmenen tehtävää, joista jokainen on erillisellä paperilla. Jokaisen tehtävän maksimipistemäärä on 6 pistettä. Ratkaise
LisätiedotTutkimustiedonhallinnan peruskurssi
Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,
LisätiedotHarjoitus 2: Matlab - Statistical Toolbox
Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat
Lisätiedot