Kohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ.

Samankaltaiset tiedostot
Luento 8 Vikaantumisprosessit ja käytettävyys

5. laskuharjoituskierros, vko 8, ratkaisut

Luento 6 Yhteisvikojen analyysi PSA:n sovelluksia

Poisson-prosessien ominaisuuksia ja esimerkkilaskuja

Vikasietoisuus ja luotettavuus

3. laskuharjoituskierros, vko 6, ratkaisut

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

Vikasietoisuus ja luotettavuus

Todennäköisyyden ominaisuuksia

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

Luento 5 Yhteisvikojen analyysi PSA:n sovelluksia

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Sovellettu todennäköisyyslaskenta B

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Projektin arvon aleneminen

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Mat Sovellettu todennäköisyyslasku A

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

Normaalijakaumasta johdettuja jakaumia

Harjoitus 2: Matlab - Statistical Toolbox

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

hallinta ja laskenta Juha Korhonen, ÅF-Consult Oy

Estojärjestelmä (loss system, menetysjärjestelmä)

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

J. Virtamo Jonoteoria / Poisson-prosessi 1

Satunnaismuuttujien muunnokset ja niiden jakaumat

Sovellettu todennäköisyyslaskenta B

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Sovellettu todennäköisyyslaskenta B

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Ilkka Mellin (2008) 1/5

Mat Sovellettu todennäköisyyslasku A

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

Väliestimointi (jatkoa) Heliövaara 1

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

6. laskuharjoitusten vastaukset (viikot 10 11)

Tilastollinen päättely II, kevät 2017 Harjoitus 1A

JATKUVAT JAKAUMAT Laplace-muunnos (Laplace-Stieltjes-muunnos)

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

2. laskuharjoituskierros, vko 5, ratkaisut

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

Sovellettu todennäköisyslasku

Luento 4 Vikapuuanalyysit

Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1,

Generoivat funktiot, Poisson- ja eksponenttijakaumat

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

Kopulafunktiot. Joonas Ollila 12. lokakuuta 2011

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Sovellettu todennäköisyyslaskenta B

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

Tilastomatematiikka Kevät 2008

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Tehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin)

Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto

Sovellettu todennäköisyyslaskenta B

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Mat Sovellettu todennäköisyyslasku A

4. laskuharjoituskierros, vko 7, ratkaisut

3. Teoriaharjoitukset

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

y + 4y = 0 (1) λ = 0

D ( ) E( ) E( ) 2.917

Todennäköisyyslaskun kertaus. Heliövaara 1

Johdatus todennäköisyyslaskentaan Jatkuvia jakaumia. TKK (c) Ilkka Mellin (2005) 1

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

30A02000 Tilastotieteen perusteet

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia

a) Sievennä lauseke 1+x , kun x 0jax 1. b) Aseta luvut 2, 5 suuruusjärjestykseen ja perustele vastauksesi. 3 3 ja

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A)

Demonstraatiot Luento 7 D7/1 D7/2 D7/3

Matematiikan tukikurssi

Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta

Sovellettu todennäköisyyslaskenta B

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Transkriptio:

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, vaihdetaan sen paikalle vararengas. Seuraavan renkaan vikaantuessa auto vikaantuu. Oletetaan, että rengas ei voi vikaantua ollessaan varalla ja että vaihto onnnistuu varmasti. Tapa 1: infinitesmaalinen todennäköisyys Autolla voidaan ajaa matka T viidellä eri tavalla: 1-4 : Rengas x {1,..,4} vikaantuu hetkellä τ [km]. Vaihtorengas ei vikaannu matkalla [τ,t]. Muut renkaat (3 kpl) eivät vikaannu matkalla [,T]. 5 : Yksikään neljästä renkaasta ei vikaannu matkalla [,T]. Nämä tavat ovat toisensa poissulkevia R(T) = R(1 )+R(2 )+R(3 )+R(4 )+R(5 ). Määritetään tapahtumien todennäköisyydet: 1. P(Rengas x vikaantuu hetkellä τ)= f(τ)dτ= λe λτ dτ (eksponentiaalijakauman tiheysfunktio) 2. P(Vararengas ei vikaannu matkan [τ,t] aikana)=e λ(t τ) (T τ) 3. P(Kolme muuta rengasta eivät vikaannu matkalla [,T])= 3 i=1 R i(t)=e 3λT Kohdassa 2.-3. on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). R(1 ) = R(2 ) = R(3 ) = R(4 ) = = = R(5 ) = λe λτ e λ(t τ) e 3λT dτ λe λt e 3λT dτ = λe 4λT dτ = λte 4λT 4 R i (T) = e 4λT i=1 R(T) = 4 λte 4λT +e 4λT = (1+4λT)e 4λT (yksittäisen renkaan odotettu elinikä on 1 km) tuottaa seuraavanlaisen kuvaa- Esim. λ = 1 jan: 1

25.2.215 1.9.8.7.6 R(t).5.4.3.2.1.5 1 1.5 2 Ajettuja km x 1 4 Tapa 2: Perinteinen todennäköisyyslasku Luotettavuuden laskeminen ilman infinitesmaalista todennäköisyyttä voidaan tehdä seuraavasti. Määritellään toisensa poissulkevat tapahtumat S = (T 1 > T)(T 2 > T)(T 3 > T)(T 4 > T) (yksikään rengas ei vikaannu T:hen mennessä) S 1 = (T 1 T)(T 1 +T 5 > T)(T 2 > T)(T 3 > T)(T 4 > T) (vain rengas 1 vikaantuu ennen T:tä, mutta vararengas kestää siitä hetkestä eteenpäin yli T:hen) S 2 = (T 2 T)(T 2 +T 5 > T)(T 1 > T)(T 3 > T)(T 4 > T) (kuten yllä renkaalle 2) S 3 = (T 3 T)(T 3 +T 5 > T)(T 1 > T)(T 2 > T)(T 4 > T) (kuten yllä renkaalle 3) S 4 = (T 4 T)(T 4 +T 5 > T)(T 1 > T)(T 2 > T)(T 3 > T) (kuten yllä renkaalle 4) Selvästi S = S + S 1 + S 2 + S 3 + S 4 + S 5 kuvaa kaikki tavat, jolla onnistutaan kulkea matka T. Koska tapahtumat ovat toisensa poissulkevat, pätee P(S) = P(S )+P(S 1 )+P(S 2 )+P(S 3 )+P(S 4 )+P(S 5 ). Koska vikaantumisajat ovat riippumattomat on P(S ) = e 4λT. Tapahtuman S 1 todennäköisyys on P(S 1 ) =P ( (T 1 T)(T 1 +T 5 > T)(T 2 > T)(T 3 > T)(T 4 > T) ) =P ( (T 1 T)(T 1 +T 5 > T) ) P(T 2 > T)P(T 3 > T)P(T 4 > T) =P ( (T 1 T)(T 1 +T 5 > T) ) e 3λT. Todennäköisyys P ( (T 1 T)(T 1 + T 5 > T) saadaan integroimalla satunnaismuuttujien T 1 ja T 5 yhteisjakauman tiheysfunktiota (koska toisistaan riippumattomat, on yhteisjakauman tiheysfunktio

25.2.215 tiheysfunktioiden tulo) niiden pisteiden yli, jotka toteuttavat tapahtuman edellyttämät ehdot: P ( (T 1 T)(T 1 +T 5 > T) ) = f(τ 1 )f(τ 5 )dτ 1 dτ 5 τ 1 = τ 5 =T τ 1 =λ 2 =λ 2 = λ τ 1 = / τ 1 = τ 1 = =λe λt =λte λt τ 5 =T τ 1 e λ(τ 1+τ 5 ) dτ 1 dτ 5 τ 5 =T τ 1 1 λ e λ(τ 1+τ 5 ) dτ 1 ( e λ(τ 1+T τ 1 ) dτ 1 Näin ollen P(S 1 ) = λte λt e 3λT = λte 4λT, ja koska komponentit identtiset, pätee P(S 1 ) = P(S 2 ) = P(S 3 ) = P(S 4 ). Luotettavuudeksi saadaan siis τ 1 = R(T) = P(S) = P(S )+4P(S 1 ) = e 4λT +4λTe 4λT = e 4λT (1+4λT). 2. (a) Kuvataan komponenttien vikaantumisaikoja eksponentiaalijakautuneilla satunnaismuuttujilla T A,...,T E ja järjestelmän vikaantumisaikaa satunnasmuuttujalla T S. Eksponentiaalijakautuneen satunnusamuuttujan tiheysfunktio on f(t) = λe λt,t >,f(t) =,t, missä λ > on vikaantumisintensiteetti. Osajärjestelmät 1 ja 2 ovat kumpikin kahden komponentin ns. stand-by rinnakkaisjärjestelmiä, jolloin ensimmäinen komponentti on käytössä vikaantumiseensa asti ja sen jälkeen toinen komponetti otetaan käyttöön ja se alkaa kulua. Kuvataan satunnaismuuttujilla T S1 ja T S2 osajärjestelmien S 1 ja S 2 vikaantumisaikoja. Selvästi T S1 = T A + T B, eli kahden toisistaan riippumattoman eksponentiaalijakautuneen muuttujan summa. Tällöin T S1 noudattaa Erlangin jakaumaa (luento 7), jolle: dτ 1 f S1 (t) = R S1 (t) = λ (n 1)! (λt)n 1 e λt n 1 k= (λt) k k! e λt, jossa n on parametrilla λ eksponentiaalijakautuneiden toisistaan riippumattomien satunnaismuuttujien lukumäärä.

25.2.215 Lasketaan osajärjestelmän 1 luotettavuus R S1 (t) 1 tunnin ajanjaksona: R S1 (1) = (.1 1)! = 2 e.735759. e.1 1 + (.1 1)1 e.1 1 1! Koska λ A = λ B = λ C = λ D, niin R S1 (t) = R S2 (t).735759 (b) Olkoon komponentin E luotettavuus R E (t) = Pr(T E > t) ja koko järjestelmän luotettavuus ( R S (t) =1 (1 R S1 (t)) = S 1 vikaantumistn (1 R S2 (t)) = S 2 vikaantumistn } {{ } tn, että S 1 ja S 2 vikaantuvat (1 R S1 (t)) (1 R S2 (t)) (1 R E (t)) = tn, että S 1, S 2 ja E vikaantuvat + (1 R E (t)) E:n vikaantumistn Tällöin vaatimus, että komponentin E vikaantumistodennäköisyyden osuus koko järjestelmän vikaantumistodennäköisyydestä 1 h ajanjaksolla on oltava vähemmän kuin 1% voidaan ilmaista epäyhtälönä (luotettavuuksista jätetty argumentti t = 1 pois): 1 R E 1 R S <.1. Sijoittamalla R S :n lauseke voidaan ratkaista, että 1 R E <.1(1 R S1 ) (1 R S2 )+.1(1 R E ).1(1 R S1 ) (1 R S2 ) (1 R E ) R E > 1 (1 R S 1 ) (1 R S2 ) 9+(1 R S1 ) (1 R S2 ) = 9 R S1 R S2 R S1 R S2 +1 ja edelleen sijoittamalla R E :n lauseke saadaan, että 1 (1 e 1λ E ) > ) 9 R S1 R S2 R S1 R S2 +1 λ E < 1 ( ) 1 ln 9 R S1 R S2 R S1 R S2 +1 = 1 ( ) 1 ln 9 (2/e) 2 2 2/e+1 7.72821 1 6. Vikaantumistaajuuden on siis oltava alle λ E = 7.7 1 6 /h..

25.2.215 3. Mean time to failure saadaan vikaantumisajan odotusarvosta. Koska vikaantumisajan ja luotettavuuden välillä on yhteys, voidaan MTTF laskea suoraan luotettavuusfunktion avulla: Jos F(t) on vikaantumisajan kertymäfuntio, saadaan vikaantumisajan tiheysfunktio kaavalla f(t) = df(t) = d dt dt (1 R(t)) = R (t), josta edelleen osittaisintegroimalla: MTTF = tf(t)dt = t ( R (t))dt = t ( R(t)) R(t)dt = R(t)dt, Määritetään ensin järjestelmän luotettavuusfunktio ja MTTF ilman linkkiä ja linkin kanssa: Ilman linkkiä Ylempi haara: R(t) u = R u = R 1 (R 2 +R 3 R 2 R 3 ). Alempi haara: R l = R 4 R 5. Systeemi: R s = R u +R l R u R l = R 4 R 5 +R 1 (R 2 +R 3 R 2 R 3 )(1 R 4 R 5 ) Kaikki komponentit ovat eksponentiaalijakautuneita, joten R i = e λt. R s = 3e 2λt e 3λt 2e 4λt +e 5λt. MTTF:n laskemista varten tarvitaan integrointikaavaa: Tällä saadaan koko järjestelmälle MTTF: Ce Dλt dt = Ce Dλt Dλ = C Dλ MTTF = 3 2λ 1 3λ 2 4λ + 1 5λ = 13 15λ Linkin kanssa Jaetaan luotettavuus kahteen toisensa poissulkevaan skenaarioon: komponentti 4 toimii ja komponentti 4 ei toimi. Tällöin luotettavuus voidaan laskea kaavalla R s = R 4 R s 4 +R 4R s 4. Laskettaessa Luotettavuutta R s 4 huomataan, että komponentti 1 on tarpeeton ja luotettavuusfunktio muodostuu komponentin 4 sarjaankytkennästä komponenttien 2,3 ja 5 muodostamaan rinnankytkentään. Termi R s 4 on yhtä kuin aiemmin laskettu R u, sillä tällöin vain ylempi haara on käytössä. Yhteensä saadaan: R s = R 4 (1 (1 R 2 )(1 R 3 )(1 R 5 ))+(1 R 4 )(R 1 (R 2 +R 3 R 2 R 3 )). Merkitään R i = R ja sievennetään: R s = R(1 (1 R) 3 )+(1 R)(R(R+R R 2 )) = R(1 (1 3R+3R 2 R 3 ))+(1 R)(2R 2 R 3 )) = 3R 2 3R 3 +R 4 +2R 2 R 3 2R 3 +R 4 = 5R 2 6R 3 +2R 4. R s = 5e 2λt 6e 3λt +2e 4λt MTTF = 5 2λ 6 3λ + 2 4λ = 1 λ.

25.2.215 Järjestelmän, jossa linkki toimii, keskimääräinen vikaantumisaika on 1/λ 13/15λ 1 15.4% suurempi. 4. MTTF = Mean time to failure MTTR = Mean time to repair MTTF Keskimääräinen käytettävyys, R = MTTF+MTTR (7. luento) Järjestelmä keskimäärin ei-käytettävissä: q = 1-R. Vikaantumistaajuuden ja MTTF:n yhteys: λ = 1 MTTF q = 1 1 λ = 1 1.1 1 λ +MTTR 1 = 14.78 1 3 +15.1 Minimikatkosjoukot: C 1 = {A,C} C 3 = {A,E,D} C 2 = {B,D} C 4 = {B,E,C} q s P(C 1 )+P(C 2 )+P(C 3 )+P(C 4 ) = 2q 2 +2q 3 = 2 (14.78 1 3 ) 2 +2 (14.78 1 3 ) 3 = 4.4335 1 4