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

Samankaltaiset tiedostot
Estojärjestelmä (loss system, menetysjärjestelmä)

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

Syntymä-kuolema-prosessit

Littlen tulos. Littlen lause sanoo. N = λ T. Lause on hyvin käyttökelpoinen yleisyytensä vuoksi

Syntymä-kuolema-prosessit

J. Virtamo Jonoteoria / Jonoverkot 1

Odotusjärjestelmät. Aluksi esitellään allaolevan kuvan mukaisen yhden palvelimen jonoon liittyvät perussuureet.

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 1

Liikenneongelmien aikaskaalahierarkia

J. Virtamo Jonoteoria / Poisson-prosessi 1

J. Virtamo Jonoteoria / Prioriteettijonot 1

käännetty prosessi. Tarkastellaan pelkistymätöntä stationaarista stokastista prosessia X t.

3. Esimerkkejä luento03.ppt S Liikenneteorian perusteet - Kevät

J. Virtamo Jonoteoria / Prioriteettijonot 1

Demonstraatiot Luento

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

Markov-ketjut pitkällä aikavälillä

Markov-ketjut pitkällä aikavälillä

Jatkuva-aikaisten Markov-prosessien aikakehitys

Vuonohjaus: ikkunamekanismi

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Liikenneteoriaa (vasta-alkajille)

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

ATM-VERKON KUTSUTASON ESTO

Esimerkki: Tietoliikennekytkin

Järjestelmässä olevien asiakkaiden lukumäärä N(t) ei muodosta enää Markov-prosessia.

J. Virtamo Jonoteoria / M/G/1/-jono 1

T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi

Ylivuoto puskurillisessa systeemissä: nestejonot

riippumattomia ja noudattavat samaa jakaumaa.

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

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

1 p p P (X 0 = 0) P (X 0 = 1) =

Sovellettu todennäköisyyslaskenta B

Jatkuva-aikaisia Markov-prosesseja

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

Harjoitus 2: Matlab - Statistical Toolbox

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

Satunnaislukujen generointi

Satunnaismuuttujien muunnokset ja niiden jakaumat

Sovellettu todennäköisyyslaskenta B

Poisson-prosessien ominaisuuksia ja esimerkkilaskuja

T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi

Miten osoitetaan joukot samoiksi?

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

1. Johdanto luento01.ppt S Liikenneteorian perusteet - Kevät

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABTEKNILLINEN KORKEAKOULU

5. Stokastiset prosessit (1)

f (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2

Liikenneintensiteetti

Jonojen matematiikkaa

9.5. Turingin kone. Turingin koneen ohjeet. Turingin kone on järjestetty seitsikko

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Tilastollinen aineisto Luottamusväli

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

ABHELSINKI UNIVERSITY OF TECHNOLOGY


Tiedonvälitystekniikka II KK -95 1

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

STOKASTISET PROSESSIT Peruskäsitteitä

T Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1

5. laskuharjoituskierros, vko 8, ratkaisut

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

Teoria. Prosessin realisaatioiden tuottaminen

Malliratkaisut Demot

¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi.

Batch means -menetelmä

Malliratkaisut Demo 1

dx=5&uilang=fi&lang=fi&lvv=2014

D ( ) E( ) E( ) 2.917

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

Suurkanoninen joukko

Laskuharjoitus 2 ( ): Tehtävien vastauksia

T Luonnollisten kielten tilastollinen käsittely

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

/1. MTTTP1, luento Normaalijakauma (jatkoa) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

Todennäköisyyden ominaisuuksia

3.7 Todennäköisyysjakaumia

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Simulointi. Tapahtumapohjainen

Prosessin reaalisaatioiden tuottaminen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 1 Kevät y' P. α φ

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

6. laskuharjoitusten vastaukset (viikot 10 11)

Generoivat funktiot, Poisson- ja eksponenttijakaumat

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

Erilaisia Markov-ketjuja

ABTEKNILLINEN KORKEAKOULU

ABTEKNILLINEN KORKEAKOULU

Mat Sovellettu todennäköisyyslasku A

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

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Transkriptio:

J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 1 Äärellinen lähdepopulaatio: M/M/s/s/n-järjestelmä Tarkastellaan estojärjestelmää (ei odotuspaikkoja) tapauksessa, jossa saapumiset tulevat äärellisestä lähdepopulaatiosta: asiakkaiden kokonaismäärä on n Asiakkaan malli n asiakasta j j palvelinta käytössä Ajatellaan konkreettisuuden vuoksi, että asiakkaat ovat esim puhelimen käyttäjiä Oletetaan, että aika seuraavaan puheluyritykseen eli asiakkaan ns miettimisaika noudattaa jakaumaa Exp(γ) Estynyt puheluyritys menetetään ei johda uusintayritykseen alkaa uusi miettimisaika: aika seuraavaan yritykseen Exp(γ) pitoaika X Exp(µ) Merkitään â = γ/µ

J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 2 Yksittäisen lähteen käyttäytyminen Tapaus s = (s n) Jokaiselle asiakkaalle on oma palvelin Systeemissä ei ole estoa; kaikki puheluyritykset onnistuvat Asiakas käyttäytyy kuvan kaksitilaisen (0,1)-mallin mukaisesti Exp(µ)-kestoinen aktiivitila (1) ja Exp(γ)-kestoinen miettimistila (0) vuorottelevat p 0 = 1/γ 1/γ + 1/µ = 1 1 + â, p 1 = 1/µ 1/γ + 1/µ = â 1 + â 1 0 Exp( ) Exp( ) Täyden syklin (miettimisjakso + aktiivijakso) keskimääräinen kesto on 1/γ + 1/µ Puheluiden saapumisnopeus (yksi per sykli) on 1 1/γ + 1/µ = 1/γ 1/γ + 1/µ γ = p 0γ saapumisnopeus miettimistilassa γ miettimistilan todennäköisyys p 0 Tarjottu kuorma = välitetty kuorma (per lähde) a = p 1 = â ns tarkoitettu kuorma per lähde (ei estoa) 1 + â

J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 3 Yksittäisen lähteen käytäytyminen (jatkoa) Tapaus s = 0: Ei yhtään palvelinta Kaikki puheluyritykset estyvät Puheluyrityksiä tulee frekvenssillä γ, joka on suurempi kuin tapauksessa s = (p 0 γ), koska nyt asiakas on koko ajan miettimistilassa Exp( ) esto Tapaus 0 s n: Varsinainen tutkittava tilanne Asiakas vuorottelee Exp(µ)-kestoisen aktiivitilan ja yhdestä tai useammasta Exp(γ)-kestoisesta jaksosta muodostuvan miettimistilan välillä esto Exp( ) Exp( ) Exp( )

J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 4 Järjestelmän analyysi syntymä-kuolema-prosessina Otetaan tilamuuttujaksi järjestelmässä sisällä olevien asiakkaiden (käynnissä olevien puheluiden) lukumäärä N t N t muodostaa syntymä-kuolema-tyyppisen Markovin prosessin Tilamuuttuja N t määrää (riippumatta menneisyydestä) todennäköisyydet uuden puhelun tulemiselle tai käynnissäolevan päättymiselle aikayksikköä kohden (eksponettijakaumat!) Tilassa N t = j n j lähdettä vapaana miettimistilassa aika seuraavan puhelun generointiin Exp((n j)γ) todennäköisyys aikayksikköä kohden siirtyä yhtä suurempaan miehitystilaan λ j = (n j)γ (tilariippuva saapumisnopeus) tilassa s kaikki palvelimet ovat käytössä, joten λ s = 0 j puhelua käynnissä aika seuraavan päättymiseen Exp(jµ) µ j = jµ (tilariippuva päättymisnopeus)

J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 5 Tasapainotodennäköisyydet Syntymä-kuolema-prosessia kuvaa seuraava tilakaavio 0 n 1 (n-1) 2 (n-2) (n-j+2) (j-1) j-1 (n-j+1) j j (n-j) (j+1) (n-s+1) s s Merkitsemällä todennäköisyysvirrat leikkauksen yli yhtäsuuriksi, saadaan rekursio (n j + 1)γ π j 1 = jµπ j, j = 1, 2,, s jonka avulla kaikki todennäköisyydet voidaan palauttaa π 0 :aan, π j = n j + 1 j n j + 2 j 1 Sovelletaan normiehtoa s j=0 π j = 1 n 1 2 n 1 (γ ) j π0 = µ n â j π 0 j π j [n] = s n â j j n k â k j = 0, 1,, s lähteiden lukumäärä n merkitty eksplisiittisesti näkyviin, π j [n]

J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 6 Tasapainotodennäköisyydet (jatkoa) Merkitään p = p 1 = a, lähteen päälläolotodennäköisyys estottomassa tapauksessa p = â 1 + â â = p 1 p Tämän avulla tilatodennäköisyyden lauseke voidaan kirjoittaa muotoon π j [n] = s n p j (1 p) n j j n p k (1 p) n k k j = 0, 1,, s (0 muulloin) Katkaistu binomijakauma (kun s < n) Binomijakauma, kun s n (estoton tapaus, kukin lähde muista riippumatta päällä todennäköisyydellä p) Insensitiivisyys: Samalla tavalla kuin tavallisessa estojärjestelmässä tulos on insensitiivi pitoajan jakauman suhteen (vaikka nyt tehty johto nojautuikin pitoajan eksponentiaaliseksi oletettuun jakaumaan)

J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 7 Aika- ja kutsuestot Aikaesto: aikaosuus, jonka systeemi viettää tilassa s; tilan s tasapainotodennäköisyys π s E n (s, â) = s n â s s n k â k Kutsuesto: todennäköisyys, jolla saapuva kutsu estyy Tilariippuvasta saapumisnopeudesta johtuen tuloprosessi ei ole poissoninen Kutsuesto aikaesto Yleensäkin π j[n] π j [n], missä πj [n] = P{kutsun saapuessa järjestelmä on tilassa j} π j [n] = P{järjestelmä on tilassa j satunnaisella ajanhetkellä}

J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 8 Saapuvan kutsun näkemä tilatodennäköisyys π j [n] = s λ jπ j [n] λ k π k [n] Perustelu: Tarkastellaan pitkää ajanjaksoa T Systeemi viettää keskimäärin ajan π j [n]t tilassa j Tänä aikana saapuu keskimäärin λ j π j [n]t kutsua (näkevät systeemin tilassa j) Kaiken kaikkiaan ajassa T saapuu keskimäärin T s λ k π k [n] kutsua Niiden kutsujen osuus, jotka näkevät systeemin tilassa j, on lausekkeen mukainen Sijoittamalla ylläolevaan lausekkeesen λ j = (n j)γ nähdään (todistus harjoitustehtävänä) π j [n] = π j[n 1] Saapuvan asiakkaan näkemä tilajakauma on sama kuin tasapainojakauma systeemissä, jossa asiakkaita on yksi vähemmän Saapuva asiakas on ikään kuin ulkopuolinen tarkkailija Kutsuesto: (Engsetin kaava) B n (s, â) = π s [n] = π s[n 1] = s n 1 â s s n 1 â k k

J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 9 Toteutunut tarjottu ja välitetty kuorma Merkitään kutsuestoa lyhyesti B:llä Tarkastellaan yhtä sykliä, joka sisältää Miettimisjakson (keskipituus 1/γ) Palvelujakson, joka todennäköisyydellä 1 B on todellinen aktiivijakso (keskipituus 1/µ) todennäköisyydellä B on surkastunut 0-kestoiseksi estotapahtumaksi 1/ 1/ 0 1/ Syklin keskipituus on 1/γ + (1 B) 1/µ + B 0 = 1/γ + (1 B) 1/µ Todennäköisyys, että lähde on miettimisvaiheessa on 1/γ 1/γ + (1 B) 1/µ = 1 1 + (1 B)â Kukin n:stä lähteestä miettimisvaiheessa ollessaan generoi uusia kutsuja nopeudella γ Tarjottu liikenneintensiteetti a on kutsujen saapumisnopeus kertaa yhteyden pitoaika 1/µ a = â 1 + (1 B)â n Välitetty liikenneintensiteetti a c = (1 B)a = (1 B)â 1 + (1 B)â n = s k π k

J Virtamo 383143 Jonoteoria / Engsetin järjestelmä 10 Esimerkki Äärellisen populaation järjestelmä: keskitin 1 1 1 0 2 n n s s n käyttäjää, joista kukin on yhdistetty omalla johdollaan keskittimen tulopuolelle s < n lähtöä; liikenne on keskitetty pienempään määrään johtoja, koska on epätodennäköistä, että kaikki käyttäjät olisivat aktiivisia samanaikaisesti Samanaikainen käyttö on kuitenkin mahdollista; keskityksen määrä on mitoitettava siten, että todennäköisyys estolle on riittävän pieni Esto voidaan laskea annetulla kutsueston kaavalla (Engsetin kaava)