9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

Samankaltaiset tiedostot
9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

7. Menetysjärjestelmät

7. Menetysjärjestelmät

8. Jonotusjärjestelmät

8. Jonotusjärjestelmät

ABTEKNILLINEN KORKEAKOULU

Mat Sovellettu todennäköisyyslasku A

6. Stokastiset prosessit (2)

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

Raja-arvot. Osittaisderivaatat.

6. Stokastiset prosessit

6. Menetysjärjestelmät

Luento 6 Luotettavuus Koherentit järjestelmät

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:

10.5 Jaksolliset suoritukset

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2

Ilkka Mellin (2008) 1/24

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

Satunnaismuuttujat ja todennäköisyysjakaumat

ABTEKNILLINEN KORKEAKOULU

3. Esimerkkejä luento03.ppt S Liikenneteorian perusteet - Kevät

Jaksolliset ja toistuvat suoritukset

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:

3. Esimerkkejä. Sisältö. Klassinen puhelinliikenteen malli (1) Klassinen puhelinliikenteen malli (2)

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

Monte Carlo -menetelmä

Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet: Mitä opimme?

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

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

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

AB TEKNILLINEN KORKEAKOULU

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Tilastollisen fysiikan luennot

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

AB TEKNILLINEN KORKEAKOULU

8. Jonotusjärjestelmät

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Käyttövarmuuden ja kunnossapidon perusteet, KSU-4310: Tentti ma

J. Virtamo Jonoteoria / Prioriteettijonot 1

Diskreettiaikainen dynaaminen optimointi

Estynyt puheluyritys menetetään ei johda uusintayritykseen alkaa uusi miettimisaika: aika seuraavaan yritykseen Exp(γ) pitoaika X Exp(µ)

Yleistä. Esimerkki. Yhden palvelimen jono. palvelin. saapuvat asiakkaat. poistuvat asiakkaat. odotushuone, jonotuspaikat

Satunnaismuuttujat ja todennäköisyysjakaumat

ler-modern isaatio * d *r n ax* *neäemw & rffi rffi # Sch ind Schindler {4ssxisä tu\*vmisu a**r3 \mj**nt rei

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat:

Lähdemateriaalina käytetty Pertti Louneston kirjaa Clifford Algebras and spinors [1]

J. Virtamo Jonoteoria / Prioriteettijonot 1

3 Tilayhtälöiden numeerinen integrointi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat:

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Jonojen matematiikkaa

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

A = B = T = Merkkijonon A osamerkkijono A[i..j]: n merkkiä pitkä merkkijono A:

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2

Estojärjestelmä (loss system, menetysjärjestelmä)

SMG-1100: PIIRIANALYYSI I

Ilmari Juva. Jalkapallo-ottelun lopputuloksen stokastinen mallintaminen

Bernoullijakauma. Binomijakauma

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot

7. Modulit Modulit ja lineaarikuvaukset.

1, x < 0 tai x > 2a.

Ohjelmiston testaus ja laatu. Ohjelmistotekniikka dokumentointi

TILASTOMATEMATIIKKA I

Todennäköisyyden aksioomat. Todennäköisyyden aksioomat. Todennäköisyyden aksioomat: Mitä opimme? 2/2. Todennäköisyyden aksioomat: Mitä opimme?

Taustaa KOMPLEKSILUVUT, VÄRÄHTELIJÄT JA RADIOSIGNAALIT. Jukka Talvitie, Toni Levanen & Mikko Valkama TTY / Tietoliikennetekniikka

Baltian Tie 2001 ratkaisuja

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

3.5 Generoivat funktiot ja momentit

Harjoituksen pituus: 90min 3.10 klo 10 12

S , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon

Mekaniikan jatkokurssi Fys102

Tilastollinen todennäköisyys

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia

TILASTOMATEMATIIKKA I

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Tchebycheff-menetelmä ja STEM

2-suuntainen vaihtoehtoinen hypoteesi

5. Stokastiset prosessit (1)

Puupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:

Muuttujien välisten riippuvuuksien analysointi

Taustaa. Sekventiaalinen vaikutuskaavio. Päätöspuista ja vaikutuskaavioista. Esimerkki: Reaktoriongelma. Johdantoa sekventiaalikaavioon

ABTEKNILLINEN KORKEAKOULU

Mat Koesuunnittelu ja tilastolliset mallit

. g = 0,42g. Moolimassat ovat vastaavasti N 2 :lle 28, 02g/ mol ja typpiatomille puolet tästä 14, 01g/ mol.

Markov-ketjut pitkällä aikavälillä

in 2/ InHelp palvelee aina kun apu on tarpeen INMICSIN ASIAKASLEHTI

T p = 0. λ n i T i B = Käytetään kohdan (i) identiteetin todistamiseen induktiotodistusta. : Oletetaan, että väite on totta, kun n = k.

1 Eksponenttifunktion määritelmä

Painotetun metriikan ja NBI menetelmä

Yleistä. Teräsrakenteiden liitokset. Liitos ja kiinnitys

4. Stokastiset prosessit. lect4.tex 1. Sisältö. Peruskäsitteitä. Poisson-prosessi. Markov-prosessit. Syntymä-kuolema-prosessit

Liikenneongelmien aikaskaalahierarkia

Kanoniset muunnokset

= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

Gibbsin vapaaenergia aineelle i voidaan esittää summana

Transkriptio:

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 :llä rakkasella palveljalla Kuk palvelja palvelee keskm. opeudella asakasta per akayks. / keskmääräe asakkaa palveluaka Järjestelmässä o m asakaspakkaa vähtää palvelupakkaa ja korketaa m odotuspakkaa Estyvät asakkaat jode saapuessa järjestelmä o täys meetetää Äärelle määrä palveljota < ääretö määrä palvelupakkoja m e odotuspakkoja PS-jookur Jos systeemssä o korketaa asakasta x jokasella asakkaalla o oma palveljasa. Jos asakkata taas o eemmä x > kokoaspalvelu jaetaa tasa kakke asakkade keske. Asakkaa saama palvelutesteett o ste m{/x} Yhtäkää asakasta e meetetä ekä keekää tarvtse edes odottaa palveluu pääsyä. Ss estoto järjestelmä. Tosaalta asakkade palvelu vvästyy stä eemmä mtä eemmä systeemssä o asakkata. Vve ss kostava suure. m 3 4

M/M/-PS joo 5 Tarkastellaa seuraavalasta ykskertasta lkeeteoreettsta malla: ääretö määrä rppumattoma käyttäjä k saapumste välajat IID oudattae Exp-jakaumaa odotusarvoaa / saapumsprosess o ss Posso-prosess testeettää yks palvelja palveluvaatmukset IID oudattae Exp-jakaumaa odotusarvoaa / ääretö määrä asakaspakkoja p jookur: PS. Kakka systeemssä oleva asakkata ss palvellaa yhtakaa tasapuolsest että palvelukapasteett jaetaa tasa kakke asakkade keske. Huom. Kedall merköllä kyseessä o M/M/-PS joomall Merktä: / lkeekuorma 6 Tlasrtymäkaavo Tasapaojakauma Tark. järjestelmässä oleve asakkade lkm:ää Xt aja t fuktoa Oletetaa että Xt jollak hetkellä t Lyhyellä akavälllä t th] vo tapahtua seuraavaa: t:llä h oh systeem saapuu uus asakas aheuttae tlasrtymä jos > t:llä /h oh h oh joku palvelussa oleva asakkaa palvelu päättyy aheuttae tlasrtymä Prosess Xt o selvästk Markov-prosess tlasrtymäkaavoaa Huom. Kyseessä o ss täsmällee sama pelkstymätö sk-prosess äärettömällä tla-avaruudella S {...} ku M/M/-FIFO joolla 7 Lähdetää lkkeelle lokaalesta tasapaoyhtälöstä: LBE K N jos < Sovelletaa stte jakaumaehtoa: 8

Tasapaojakauma Keskmääräe vve Stabllle systeemlle ss ku < systeemssä oleve asakkade lkm X oudattaa tasapaotlateessa ss geometrstä jakaumaa: < X Geom P{ X } K X ] D [ X ] Huom. Isestvsyys palveluaja jakauma suhtee Itse asassa PS-jookur tapauksessa tulos pätee ylesemmk: ekspoetaalse palveluaka-jakauma sjasta vodaa palveluajalle valta mkä tahasa jakauma joka odotusarvo o / Vomme ss M/M/-PS mall sjasta tarkastella ylesempää M/G/-PS malla 9 Merktää D:llä asakkaa koko systeemssäoloakaa el vvettä Koska keskmääräe systeemssäoleve lukumäärä X] o sama kaklle työsälyttävlle jookurelle sama pätee Lttle kaava ojalla myös keskmääräselle vveelle. Vodaa ss käyttää FIFO-jookurlle lueolla 8 johdettua tulosta: Keskmääräe vve kuorma fuktoa Suhteelle läpäsyopeus Huom. Vvee ykskköä käytetty keskmäärästä palveluvaatmusta 6 5 4 3 Asakkaa kokemaa palvelu laatua kuvaa suhteelle läpäsyopeus /:..4.6.8 kuorma

Suhteelle läpäsyopeus / kuorma fuktoa /.8.6.4...4.6.8 kuorma 3 4 M/M/-PS joo Tlasrtymäkaavo Tarkastellaa seuraavalasta ykskertasta lkeeteoreettsta malla: Tark. järjestelmässä oleve asakkade lkm:ää Xt aja t fuktoa ääretö määrä rppumattoma käyttäjä k Oletetaa että Xt jollak hetkellä t saapumste välajat IID oudattae Exp-jakaumaa odotusarvoaa / Lyhyellä akavälllä t th] vo tapahtua seuraavaa: saapumsprosess o ss Posso-prosess testeettää t:llä h oh systeem saapuu uus asakas äärelle määrä palveljota < aheuttae tlasrtymä palveluvaatmukset IID oudattae Exp-jakaumaa odotusarvoaa / jos > t:llä m{/}h oh m{}h oh joku palvelussa oleva asakkaa palvelu päättyy ääretö määrä asakaspakkoja p aheuttae tlasrtymä jookur: PS. Jos systeemssä o korketaa asakasta jokasella asakkaalla o oma palveljasa. Jos asakkata taas o eemmä > Prosess Xt o selvästk Markov-prosess tlasrtymäkaavoaa kokoaspalvelu jaetaa tasa kakke asakkade keske. Huom. Kedall merköllä kyseessä o M/M/-PS joomall Merktä: Huom. Kyseessä o ss täsmällee sama pelkstymätö sk-prosess / lkeekuorma palveljaa koht 5 äärettömällä tla-avaruudella S {...} ku M/M/-FIFO-joolla 6

7 7 Tasapaojakauma Lokaalt tasapaoyhtälöt tapauksessa < : Lokaalt tasapaoyhtälöt tapauksessa : LBE K LBE K 8 Tasapaojakauma Jakaumaehto: Merktä : jos N < 8 9 Tasapaojakauma 3 Stabllle systeemlle ss ku < el < systeemssä oleve asakkade lkm: X tasapaojakauma o ss seuraavalae: Huom. Isestvsyys palveluaja jakauma suhtee Itse asassa PS-jookur tapauksessa tulos pätee ylesemmk: ekspoetaalse palveluaka-jakauma sjasta vodaa palveluajalle valta mkä tahasa jakauma joka odotusarvo o / Vomme ss M/M/-PS mall sjasta tarkastella ylesempää M/G/-PS malla < K K } { X P Keskmääräe vve Merktää D:llä asakkaa koko systeemssäoloakaa el vvettä Koska keskmääräe systeemssäoleve lukumäärä X] o sama kaklle työsälyttävlle jookurelle sama pätee Lttle kaava ojalla myös keskmääräselle vveelle. Vodaa ss käyttää FIFO-jookurlle lueolla 8 johdettua tulosta: mssä p w vttaa todeäkösyytee ] [ p W D E } * { W X P p

Keskmääräe vve kuorma fuktoa Suhteelle läpäsyopeus Huom. Vvee ykskköä käytetty keskmäärästä palveluvaatmusta 6 5 4 3 3..4.6.8 kuorma Asakkaa kokemaa palvelu laatua kuvaa suhteelle läpäsyopeus /: [ ] E D : : Suhteelle läpäsyopeus / kuorma fuktoa /.8.6.4 3...4.6.8 kuorma 3 4

Sovellus elastse datalketee malltamsee vuotasolla Läpmeo θ kuorma fuktoa M/M/-PS-mall soveltuu elastse datalketee kuvaamsee vuotasolla asakas TCP-vuo uuse vode saapumstesteett vuota per akayks. r yksttäse vuo ltytälk opeus datayks. per akayks. C r vode jakama lk bttopeus datayks. per akayks. L] keskmääräe vuo koko datayks. / L]/r keskmääräe vuo lähetysaka ltytäopeudella / kuorma Palvelu laatua mttaa vuo läpmeo el keskmäär. lähetysopeus L] r r θ C Huom. Läpmeo ykskköä käytetty täyttä lkkopeutta C r C.8.6 r C/ läpmeo θ.4 r C/3. r C/ r C/..4.6.8 kuorma 5 6 M/M//k/k-PS joo 7 Tarkastellaa seuraavalasta ykskertasta lkeeteoreettsta malla: äärelle määrä rppumattoma asakkata k < asakkaat o-off-tyyppsä ss välllä joutlata ja välllä palvelussa jouteoloajat IID oudattae Exp-jakaumaa odotusarvolla / yks palvelja palveluvaateet IID oudattae Exp-jakaumaa odotusarvolla / jokasella asakkaalla oma asakaspaka p k jookur: PS Huom. Kedall merköllä kyseessä o M/M//k/k-PS joomall O-off tyyppe asakas: joutlaaa palvelussa 8

Tlasrtymäkaavo Tasapaojakauma Tark. järjestelmässä oleve asakkade lkm:ää Xt aja t fuktoa Oletetaa että Xt jollak hetkellä t Lyhyellä akavälllä t th] vo tapahtua seuraavaa: jos < k t:llä k h oh joku joutlaa olevsta asakkasta srtyy palveluu aheuttae tlasrtymä jos > t:llä /h oh oh joku systeemssä oleva asakkaa palvelu päättyy aheuttae tlasrtymä Prosess Xt o selvästk Markov-prosess tlasrtymäkaavoaa k k k k Lähdetää jällee lkkeelle lokaalesta tasapaoyhtälöstä: k k k k k k K LBE Huom. Prosess Xt o pelkstymätö sk-prosess äärellsellä tla-avaruudella S { k} 9 3 Tasapaojakauma Sovelletaa stte jakaumaehtoa: k k k k k k k k k k k k k k k N 3