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

6. Stokastiset prosessit (2)

Mat Sovellettu todennäköisyyslasku A

6. Menetysjärjestelmät

6. Stokastiset prosessit

Raja-arvot. Osittaisderivaatat.

= 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

Luento 6 Luotettavuus Koherentit järjestelmät

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

ABTEKNILLINEN KORKEAKOULU

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

3. Esimerkkejä luento03.ppt S Liikenneteorian perusteet - Kevät

Satunnaismuuttujat ja todennäköisyysjakaumat

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)

AB TEKNILLINEN KORKEAKOULU

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

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

Painotetun metriikan ja NBI menetelmä

Diskreettiaikainen dynaaminen optimointi

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

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

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

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

Satunnaismuuttujat ja todennäköisyysjakaumat

J. Virtamo Jonoteoria / Prioriteettijonot 1

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

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

3 Tilayhtälöiden numeerinen integrointi

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

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

Jonojen matematiikkaa

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Puupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:

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) ).

Estojärjestelmä (loss system, menetysjärjestelmä)

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

SMG-1100: PIIRIANALYYSI I

Ilmari Juva. Jalkapallo-ottelun lopputuloksen stokastinen mallintaminen

2-suuntainen vaihtoehtoinen hypoteesi

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

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

Baltian Tie 2001 ratkaisuja

3.5 Generoivat funktiot ja momentit

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

Harjoituksen pituus: 90min 3.10 klo 10 12

Gibbsin vapaaenergia aineelle i voidaan esittää summana

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

Mekaniikan jatkokurssi Fys102

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

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

5. Stokastiset prosessit (1)

HASSEN-WEILIN LAUSE. Kertausta

Muuttujien välisten riippuvuuksien analysointi

Moderni portfolioteoria

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

ABTEKNILLINEN KORKEAKOULU

Markov-ketjut pitkällä aikavälillä

Mat Koesuunnittelu ja tilastolliset mallit

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

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

Liikenneongelmien aikaskaalahierarkia

Yleistä. Teräsrakenteiden liitokset. Liitos ja kiinnitys

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

Transkriptio:

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 k asakaspakkaa lueto9.ppt S-38.45 Lkeeteora perusteet Kevät 6 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

Ssältö M/M/-PS joo 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 k asakaspakkaa 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 Ssältö /.8.6.4 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 k asakaspakkaa...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 Ssältö /.8.6.4 3 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 k asakaspakkaa...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 Ssältö M/M//k/k-PS joo 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 k asakaspakkaa 7 Tarkastellaa seuraavalasta ykskertasta lkeeteoreettsta malla: äärelle määrä rppumattoma asakkata k < asakkaat o-off-tyyppsä ss välllä joutlata ja välllä palvelussa jouteoloajat IID oudattae Expν-jakaumaa odotusarvolla /ν 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 νh 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 kν kν ν ν k k Lähdetää jällee lkkeelle lokaalesta tasapaoyhtälöstä: k ν k ν k k k k K ν LBE Huom. Prosess Xt o pelkstymätö sk-prosess äärellsellä tla-avaruudella S { k} 9 3 Tasapaojakauma Sovelletaa stte jakaumaehtoa: k k k k k ν k k k k ν k k ν k k ν k ' ν k' ' N 3