J. Virtamo Teleliikenneteoria / Solutason jonot 1

Samankaltaiset tiedostot
Liikenneongelmien aikaskaalahierarkia

J. Virtamo Jonoteoria / Prioriteettijonot 1

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

J. Virtamo Jonoteoria / Prioriteettijonot 1

Estojärjestelmä (loss system, menetysjärjestelmä)

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

ABHELSINKI UNIVERSITY OF TECHNOLOGY

J. Virtamo Jonoteoria / Poisson-prosessi 1

Ylivuoto puskurillisessa systeemissä: nestejonot

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

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

Sovellettu todennäköisyyslaskenta B

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

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

Harjoitus 2: Matlab - Statistical Toolbox

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

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

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

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

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

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

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

Sovellettu todennäköisyyslaskenta B

3.1 Väliarvolause. Funktion kasvaminen ja väheneminen

Matematiikan tukikurssi, kurssikerta 3

Esimerkki: Tietoliikennekytkin

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä

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

Mat Sovellettu todennäköisyyslasku A

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Poisson-prosessien ominaisuuksia ja esimerkkilaskuja

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

1 Määrittelyjä ja aputuloksia

Moniulotteisia todennäköisyysjakaumia

6. laskuharjoitusten vastaukset (viikot 10 11)

Ilkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1

Vastaus: 10. Kertausharjoituksia. 1. Lukujonot lim = lim n + = = n n. Vastaus: suppenee raja-arvona Vastaus:

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

Sovellettu todennäköisyyslaskenta B

MAB3 - Harjoitustehtävien ratkaisut:

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

Batch means -menetelmä

Konvergenssilauseita

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

PURSKETASON TARKASTELUT Ylivuototodennäköisyys puskurittomassa systeemissä

Matematiikan taito 9, RATKAISUT. , jolloin. . Vast. ]0,2] arvot.

MAB3 - Harjoitustehtävien ratkaisut:

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Inversio-ongelmien laskennallinen peruskurssi Luento 7

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin

30A02000 Tilastotieteen perusteet

x 7 3 4x x 7 4x 3 ( 7 4)x 3 : ( 7 4), 7 4 1,35 < ln x + 1 = ln ln u 2 3u 4 = 0 (u 4)(u + 1) = 0 ei ratkaisua

Positiivitermisten sarjojen suppeneminen

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

4 Yleinen potenssifunktio ja polynomifunktio

5. Stokastiset prosessit (1)

Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9

DISKREETIT JAKAUMAT Generoiva funktio (z-muunnos)

Tekijä MAA2 Polynomifunktiot ja -yhtälöt = Vastaus a)

Martingaalit ja informaatioprosessit

Kertaus. x x x. K1. a) b) x 5 x 6 = x 5 6 = x 1 = 1 x, x 0. K2. a) a a a a, a > 0

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

ABTEKNILLINEN KORKEAKOULU

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Jatkuvat satunnaismuuttujat

Juuri 2 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

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.

Numeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

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

11 Raja-arvolauseita ja approksimaatioita

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2

Matematiikan tukikurssi

Jatkuva-aikaisten Markov-prosessien aikakehitys

1.4 Funktion jatkuvuus

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Johdatus tn-laskentaan torstai

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo Ratkaisut ja pisteytysohjeet

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

1 sup- ja inf-esimerkkejä

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Satunnaismuuttujat ja jakaumat

3 Yleinen toisen asteen yhtälö ja epäyhtälö

1 Ensimmäisen asteen polynomifunktio

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset

Teoria. Prosessin realisaatioiden tuottaminen

isomeerejä yhteensä yhdeksän kappaletta.

Transkriptio:

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 1 SOLUTASON JONOT Solutason aikaskaala on lyhyt liikenteen hitaammat (pursketason) vaihtelut eivät ehdi vaikuttaa purskekokoonpanoa voidaan pitää vakiona kunkin liikennelähteen voidaan katsoa tuottavan soluja vakiovälein eri lähteet eri nopeuksilla; nopeus voi olla myös nolla purskeen ollessa sammuksissa Solutasolla suurin kiinnostus kohdistuu puskurien jonojen lyhytaikaiseen käyttäytymiseen jonomallit M/D/1 ja N D/D/1 Päätehtävänä on puskurin jononpituusjakauman määrääminen ratkaisemiseen käytetään ns. Benešin menetelmää tuloksia voidaan soveltaa puskurien mitoitukseen purskekokoonpanon vaihdellessa hitaammassa aikaskaalassa lyhyaikainen jononpituusjakauma vaihtelee parametrisesti Myös HOL-eston (Head of Line -esto) määrääminen kuuluu solutason tarkasteluihin

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 2 Solutason liikenne 1 ATM-kytkin Purske- ja soluaikaskaalat BURST SCALE Incoming multiplexes ATM switch Outgoing multiplexes + + = A superposition of bursty sources Bursty sources Outgoing multiplex CELL SCALE A superposition of periodic sources 1 Kuvat J. Robertsin mukaan

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 3 Benešin menetelmä G/D/1-jonoille G/D/1-malli soveltuu ATM-verkoille solu on vakiomittainen palveluaika eli lähetysaika linkille on vakio saapumisprosessi on yleinen esim. M/D/1 tai N D/D/1 Benešin menetelmää varten johdetaan ensin ns. Reichin tulos

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 4 Reichin tulos Tarkastellaan yhden palvelimen jonoa X t = jonossa hetkellä t oleva tekemätön työ (puskurin sisältö) A(s, t) = systeemiin välillä (s, t) saapuva työ c = jonon palvelunopeus X t = sup(a(s, t) c(t s)) s<t Reichin tulos A(s, t) on välillä (s, t) saapunut työ c(t s) on kyseisellä välillä purettavissa oleva suurin mahdollinen työ Näiden erotukselle on mukava ottaa käyttöön oma merkintä (s, t) = A(s, t) c(t s) Tämän avulla kirjoitettuna Reichin tulos kuuluu X t = sup s<t (s, t) välillä (s, t) saapunut ylimäärätyö eli liikatyö; työ, joka väistämättä jää varastoon Jononpituus hetkellä t on kaikkien hetkeä t edeltäneiden aikaikkunoiden yli laskettujen liikatöiden maksimi.

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 5 Reichin tulos (jatkoa) (s,t) X s X t X t s s* t Liikatyö (s, t) välin alkuhetken s funktiona s s* t Jononpituusprosessi X s Reichin tuloksen todistus: Kaikilla arvoilla s < t pätee X t A(s, t) c(t s) = (s, t) jonossa hetkellä t on vähintään välin (s, t) liikatyö Merkitään s :llä viimeistä ajanhetkeä ennen hetkeä t, jolloin jono oli tyhjä (stabiili jono on aina joskus tyhjä). Tällöin pätee Palvelin on käynnissä koko välin (s, t) ja tehty työ on c(t s ). X t = X s }{{} 0 + A(s, t) c(t s ) }{{}}{{} saapunut työ poistunut työ = (s, t) Siten pisteessä s puoliepäyhtälö toteutuu yhtälönä. (s, t) saavuttaa (s:n funktiona) pisteessä s maksimin: X t = sup s<t (s, t) = (s, t).

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 6 Reichin tulos (jatkoa) Seuraus Välitön seuraus epäyhtälöstä on X t A(s, t) c(t s) = (s, t) s < t P{X t > x} P{ (s, t) > x} s < t sillä aina silloin kun (s, t) > x, on epäyhtälön mukaan myös X t > x, joten jälkimmäisen tapauksen todennäköisyys on vähintään yhtä suuri kuin edellisen. Suure P{X t > x} on jonopituuden (tekemättömän työn) häntäjakauma. Tälle on saatu eräs alaraja. Koska alaraja pätee kaikille arvoille s < t, pätee myös tiukin alaraja P{X t > x} sup P{ (s, t) > x} s<t Tämä yksinkertainen alaraja antaa usein hyödyllistä informaatiota jonopituusjakaumasta.

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 7 Benešin menetelmä Halutaan laskea jononpituuden X t komplementaarinen jakauma Q(x) = P{X t > x} (s,t) X t Reichin tuloksen mukaan ehto {X t > x} merkitsee sitä, että (s, t):n maksimi (s:n funktiona) on x:n yläpuolella. Toisaalta stabiilissa jonossa pitkällä aikavälillä työtä ei voi tulla enemmän kuin sitä kyetään tekemään, vaan (s, t) = (todennäköisyydellä 1). lim s Siten jokaiseen realisaatioon, jolla X t > x, liittyy yksikäsitteisesti määritelty varhaisin ajanhetki s x, missä liikatyön kuvaaja leikkaa tason x, s x t x s s x = inf{s t : (s, t) = x} Tapaus {X t > x} voidaan siten osittaa sen mukaan, missä s x sijaitsee. Yksi osituksen tapaus on s x (s, s + ds) tai lyhyemmin s x ds. Kokonaistodennäköisyyden kaava antaa P{X t > x} = s<t P{s x ds}

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 8 Benešin menetelmä (jatkoa) Tason x ensimmäisen ohituksen hetkeä s x karakterisoi kaksi ominaisuutta a) (s x, t) = x (taso x ohitetaan hetkellä s x ) b) (s, t) < x, s < s x (tasoa x ei ohiteta ennen hetkeä s x ) Helposti nähdään, että liikatyö on peräkkäisten välien suhteen additiivinen, joten (s, t) = (s, s x ) + (s x, t) kun s s x t Tällöin ylläolevista ehdoista seuraa (s, s x ) < 0, s < s x Tämä merkitsee Reichin tuloksen perusteella sitä, että jono hetkellä s x on tyhjä. Ominaisuus b) voidaan siten korvata ominaisuudella b ) X sx = 0

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 9 Benešin menetelmä (jatkoa) Olettaen lisäksi, että (s, t) on paloittain jatkuva s:n funktio - esim. diskreettien saapumisten tapauksessa kuvaaja on paloittain jatkuva sahalaitakäyrä saadaan lopulta Benešin tulos P{X t > x} = P{ (s, t) < x (s + ds, t), X s<t s = 0} Ensimmäinen ehto sanoo sen, että taso x ohitetaan välissä (s, s + ds). Toinen ehto, X s = 0, on ehto sille, että tasoa x ei ole saavutettu ennen hetkeä s. Benešin menetelmä tässä muodossa ei ole vielä eksplisiittinen ratkaisu jononpituusjakaumalle, vaan ongelman uudelleenmuotoilu. Todennäköisyyslausekkeessa esiintyy edelleen itse jonoon liittyvä ehto X s = 0. Benešin menetelmä on kuitenkin erittäin hyödyllinen Tulos on täysin yleinen; saapumisprosessista ei ole tehty mitään oletuksia. Joissakin tapauksissa se johtaa eksplisiittiseen, eksaktiin tulokseen. Usein sen avulla voidaan johtaa hyödyllisiä approksimaatioita tai ylärajoja.

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 10 Benešin menetelmä (jatkoa) Benešin tulos voidaan kirjoittaa moneen eri muotoon. Erityisesti kun järjestelmä rajoitetaan johonkin erityiseen tapaukseen, Benešin tulokselle saadaan konkreettisemman näköisiä muotoja. Usein voidaan yleisyyden kärsimättä merkitä jonon tarkasteluhetkeä 0:lla (sen sijaan, että edellä se on ollut hetki t). Hetki 0 voi - edustaa satunnaista ajanhetkeä - mutta se voi olla saapumiskuvioon nähden jokin erityisesti valittu ajanhetkikin; Benešin tulos jononpituudelle pätee silloinkin, kun tarkasteluhetki ei edusta tasapainotilannetta Kun jonopituutta tarkastellaan hetkellä 0, on mukavaa merkitä (s) = ( s, 0) - kun liikatyöfunktiossa on vain yksi argumentti, sillä tarkoitetaan s:n pituisessa aikaikkunassa ennen hetkeä 0 saapunutta liikatyötä - s on nyt positiivinen luku, ja välin alkupiste on s Myös ajanhetken määrittelevä indeksi voidaan haluttaessa jättää pois, X 0 = X. Näitä merkintäsopimuksia käyttäen Benešin tulos kuuluu P{X 0 > x} = 0 P{ (s) > x (s + ds), X s = 0}ds

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 11 Jononpituusjakauman yläraja Benešin menetelmän vaikeus on siinä, että todennäköisyyslausekkeessa esiintyy jononpituusehto X s = 0. Koska tämä on rajoittava lisäehto, niin jättämällä yksinkertaisesti ehto pois todennäköisyys kasvaa (ei pienene). Näin saadaan jononpituusjakaumalle yläraja P{X 0 > x} 0 P{ (s) > x (s + ds)}ds Tämä jonopituusjakaumaa koskeva ylärajatulos on eksplisiittinen siinä mielessä, että niin pian kuin saapumisprosessi on spesifioitu, integrandissa esiintyvä todennäköisyys voidaan periaatteessa määrätä ja integraali laskea.

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 12 Benešin tulos diskreettien saapumisten tapauksessa Edellä annettu Benešin tulos pätee mille tahansa saapumisprosessille, myös sellaiselle, jossa työtä saapuu jatkuvana nestevirtana; - nestekuvaus on hyvä malli tarkasteltaessa pursketason jonoilmiöitä; käsitellään myöhemmin Perinteisissä jonomalleissa saapumisprosessi on pisteprosessi; - saapumiset tapahtuvat tiettyinä diskreetteinä ajanhetkinä - jokainen saapuminen tuo jonoon äärellisen määrän työtä x x-c ds Koska liikatyön kuvaaja on melkein kaikkialla kalteva suora, jonka kulmakerroin on c, on kuvan mukaisesti ehto sille, että taso x ylittyy välissä (s, s + ds) ekvivalentti sen kanssa, että hetkellä s liikatyön arvo (s, 0) on välissä (x c ds, x). s s+ds P{X t > x} = s<t P{ (s, t) (x c ds, x), X s = 0} = s<t P{ (s, t) (x c ds, x) X s = 0}P{X s = 0} = s<t P{A(s, t) (x + c(t s)) c ds, x + c(t s) X s = 0}P{X s = 0} P{X 0 > x} = c 0 f A(s) (x + c s X s = 0) P{X s = 0}ds f A(s) (x X s = 0) on ehdolla X s = 0 aikaikkunassa ( s, 0) saapuvan työn tiheysfunktio

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 13 Benešin tulos G/D/1-jonolle Nyt jonosysteemiä rajoitetaan vielä tarkemmin. Saapumiset ovat diskreettejä, saapumisprosessin ollessa edelleen täysin yleinen Oletetaan vakiopalveluaika eli jokainen asiakas tuo jonoon saman määrän työtä esim ATM-solu; malli sopiikin hyvin ATM-verkon solutason kuvaukseen Otetaan yhden asiakkaan (solun) työn määrä työn yksiköksi ja asiakkaan (vakio)palveluaika ajan yksiköksi (jolloin c = 1; palvelin tekee työtä yhden työyksikön valitussa aikayksikössä). Tällöin A(s) = ν(s) (saapumisten lukumäärä aikavälissä ( s, 0)) (s) = ν(s) s Satunnaismuuttuja ν(s) on kokonaislukuarvoinen. Tason x ohitusehto (s) = x, voi toteutua vain sellaisilla arvolla s, jotka ovat muotoa n x, missä n on kokonaisluku (pitää tietenkin olla n > x). Mahdolliset ohitustilannetta vastaavat välinpituudet s x muodostavat siten diskreetin, ykkösvälisen hilan s x = n x, n > x s (s)=n-s n = X +2 n = X +1 n = X X

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 14 Benešin tulos G/D/1-jonolle (jatkoa) Hilapisteessä n x ohitusehto kuuluu ν(n x) = n välissä, jonka pituus on n x pitää tulla n saapumista; liikatyö ko. välissä on silloin n (n x) = x Tapauksen X 0 > x ositus tason x ensiohituksen sijainnin mukaan pelkistyy nyt numeroituvaksi joukoksi diskreettejä osatapauksia. Vastaavasti aikaisemmin esitetty kokonaistodennäköisyysintegraali palautuu summaksi mahdollisten ohituspisteiden muodostaman diskreetin hilan yli: P{X 0 > x} = n>x P{ν(n x) = n, X (n x) = 0} P{ ν(n-x) = n, X -(n-x) = 0} -(n-x) 0 Summa muotoa n x, (n > x) olevien hilapisteiden eli pisteiden x x, x x + 1, x x + 2,... yli, missä x on pienin kokonaisluku, joka x. n-x

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 15 Benešin tulos G/D/1-jonolle (jatkoa) Tulos voidaan kirjoittaa ehdollistamalla kahteen eri muotoon: P{X 0 > x} = P{ν(n x) = n X (n x) = 0}P{X (n x) = 0} n>x P{ ν(n-x) = n X -(n-x) = 0} P{X = 0} -(n-x) -(n-x) 0 n-x P{X 0 > x} = n>x P{X (n x) = 0 ν(n x) = n}p{ν(n x) = n} P{ ν(n-x) = n} P{X -(n-x) = 0 ν(n-x) = n} -(n-x) 0 n-x

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 16 M/D/1-jono Saapumiset tapahtuvat Poisson-prosessin mukaisesti intensiteetillä λ. Kuorma ρ = λ d, missä d (= 1) on palveluaika. Saapumisten lukumäärä ν(n x) aikavälissä n x (palveluaikaa) on Poisson-jakautunut keskiarvolla ρ(n x), (ρ (n x))n P{ν(n x) = n} = e ρ (n x) n! Mielivaltaisella ajanhetkellä jono on tyhjä todennäköisyydellä 1 ρ. Poisson-saapumiset välissä ( s, 0) ovat riippumattomia saapumisista ennen hetkeä s ja siten jononpituudesta X s : yhteistodennäköisyys hajoaa tuloksi. P{n Poisson arrivals} P{system empty} -(n-x) 0 n-x

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 17 M/D/1-jono (jatkoa) Jononpituusjakauma Q(x) = P{X 0 > x} saadaan erikoistapauksena G/D/1-jonon kaavasta Q(x) = P{ν(n x) = n, X s = 0} n>x = P{ν(n x) = n} P{X s = 0} n>x = (ρ (n x)) n e ρ (n x) (1 ρ) n>x n! Käyttämällä hyväksi tunnettua algebrallista identiteettiä ja valitsemalla a = ρx ja b = ρ (1 b) (a + n b) n e (a+n b) = 1 (1 ρ) (ρ (n x)) n e ρ (n x) = 1 n! n! 0 ääretön summa voidaan vaihtaa äärelliseksi (ykkösen komplementti) ja saadaan lopputulos 0 Q(x) = 1 (1 ρ) x n=0 (ρ (n x)) n n! e ρ (n x)

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 18 M/D/1 jono (jatkoa) M/D/1-jonon komplementaarinen jakauma Q(x) = P{X > x} riippuu vain yhdestä parametrista, nimittäin kuormasta ρ. Jakauma on hyvin lähellä eksponentiaalista jakaumaa (logaritmiasteikolla suora), kuten näkyy allaolevista kuvaajista tapauksessa ρ = 0.7. lg P(X>x) 0-2 -4-6 -8 lg P(X>x) 0-0.2-0.4-0.6-0.8-10 5 10 15 20 25 30 35-1 0.5 1 1.5 2 2.5 3 x x Asymptoottisesti (x suuri) jakauma todellakin lähestyy eksponenttifunktiota vakio e s x poikkeama eskponenttifuntiosta voidaan havaita vain pienillä arvoilla x eksponentin kerroin s (negatiivinen) on jäljempänä esitettävän Lapalce-muunnoksen napa eli se toteuttaa seuraavan transkendenttiyhtälön: ρ(e s 1) + s = 0 raskaalla kuormalla, kun ρ 1, pätee likimain s = 2(1 ρ)/ρ

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 19 Asiakkaiden lukumäärä M/D/1-jonossa On johdettu kaava jonossa olevan tekemättömän työn X jakaumalle. On kiinnostavaa tietää myös jonossa olevien asiakkaiden lukumäärän N jakauma. Tämä saadaan hyvin yksinkertaisesti edellisestä tuloksesta, kun huomataan, että N = X Jos esim. X = 4.7, niin 4 asiakasta on odottamassa ja yksi palveltavana; järjestelmässä on siten 5 = 4.7 asiakasta Nähdään, että kokonailuvuilla n pätee {N > n} {X > n} Siten on P{N > n} = P{X > n} = Q(n) Lukumäärän häntäjakauma saadaan suoraan tekemättömän työn häntäjakaumasta kokonaislukupisteissä.

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 20 M/D/1-jono Pollaczek-Khinchinin kaavan mukaan Pollaczek-Khinchinin kaava tekemättömän työn X jakauman (tiheysfunktion) Laplace-muunnokselle X (s) kuuluu X (s) = 1 ρ 1 ρ 1 S (s) s E[S] M/D/1-jonon tapauksessa on S = vakio = d ( = 1), joten missä S on palveluaika ja S (s) sen (tiheysfunktion) Laplacemuunnos X (s) = 1 ρ 1 ρ 1 e s s Benešin menetelmällä edellä johdettu lauseke voidaan johtaa myös Pollaczek-Khinchinin kaavasta suorittamalla Laplace-käänteismuunnos. Laplace-muunnoksesta voidaan helposti johtaa momentit E[X] = ρ 2 (1 ρ) V[X] = ρ(1 (ρ 2 )2 ) 3 (1 ρ) 2

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 21 N D/D/1-jono N D-saapumisprosessi N toisistaan riippumatonta lähdettä Kukin lähde on jaksollinen periodilla D - yksi saapuminen D:n välein N D - vaiheet jakson D sisällä arvotaan satunnaisesti Jokainen saapumisprosessin realisaatio (vaiheet arvottu) on periodinen: N saapumista kussakin jaksossa D Saapumiset tapahtuvat kaikissa jaksoissa samoissa paikoissa. N D-saapumisprosessissa saapumiset ovat lyhyellä välillä negatiivisesti korreloituneita: Jos juuri on tapahtunut yksi saapuminen, niin ajan D sisällä samasta lähteestä ei tule toista saapumista. Pitkällä aikavälillä saapumiset ovat positiivisesti korreloituneita: Jos juuri on tapahtunut yksi saapuminen, niin tiedetään että uusi saapuminen tapahtuu ajan D kuluttua, ajan 2D kuluttua jne.

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 22 N D/D/1-jono (jatkoa) Kun palveluaika on vakio: Kukin lähde tuo yhden yksikön työtä jaksossa D. Käytetään ajan yksikkönä työyksikön palveluun kuluvaa aikaa. (tällöin D on paljas reaaliluku). Jonon kuorma on ρ = N/D. N D/D/1-jono on hyvä malli esim. ATM-kytkimen ulostulopuskurille, kun kyseisen puskurin kautta on muodostettu N kpl VC-yhteyksiä, joista kussakin kulkee dataa suunnilleen samalla nopeudella. Haluttaessa selvittää esimerkiksi jononpituusjakaumaa, ei olla niinkään kiinnostuneita jonopituuden vaihteluista yksittäisessä realisaatiossa, vaan (ensemble)jakaumasta kaikkien realisaatioiden yli, jossa otetaan huomioon vaiheiden satunnaisuus. Seuraavassa on mukavaa tarkastella hetkellä 0 alkavaa jaksoa ja tarkastella tekemättömän työn arvoa, X D, välin loppupisteessä (mielivaltainen ajanhetki). Tehtävänä on johtaa X D :n häntäjakauma Q(x) = P{X D > x}. N

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 23 N D/D/1-jono: systeemin modifiointi Mielivaltaisessa pisteessä D vallitsevan jononpituuden (tekemätön työ) X D :n häntäjakauma Q(x) = P{X D > x} voidaan ratkaista eksaktisti Benešin menetelmä avulla. Tätä varten järjestelmää modifioidaan kaksi kertaa peräkkäin. Modifiointi perustuu seuraavaan avainhavaintoon: Stabiilissa jonossa on N < D ja systeemi on aina välillä tyhjä. Jaksollisuuden vuoksi jono on tyhjä jonain ajanhetkenä jokaisessa jaksossa, mm. välillä (0, D). Jono hetkellä D on peräisin saapumisista välillä (0, D) X D ei muutu miksikään vaikka saapumiset ennen hetkeä 0 kytketään pois Järjestelmän A asemesta voidaan laskea X D :n jakautuma järjestelmälle B. Sovelletaan seuraavaksi Benešin mentelmää X D :n jakauman selvittämiseksi järjestelmässä B.

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 24 N D/D/1-jono: jononpituus järjestelmässä B Sovelletaan yleistä Benešin tulosta G/D/1-jonoille ehdollistetussa muodossa missä Q(x) = P{X D > x} = x<n N P{ν(D, D) = n} P{X D = 0 ν(d, D) = n} ν(d, D) = saapumisten määrä välillä (D, D) n (D D ) = x eli D = D n + x; liikatyö välillä (D, D ) on x Summassa hilapistettä on merkitty D :lla. Kukin hilapiste D identifioituu välin (D, D) saapumisten lukumäärän n perusteella. Välin pituus D D = n x määräytyy sen perusteella, että liikatyön arvo välissä on x. Jotta liikatyö voisi olla x:n suuruinen, täytyy saapumisten lukumäärän n välissä olla vähintään x (antaa summausalarajan). Toisaalta järjestelmässä B ennen hetkeä D on vain N saapumista, joten summaus voidaan lopettaa N:ään (ensimmäinen todennäköisyys on 0 suuremmilla arvoilla n).

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 25 N D/D/1-jono: jononpituus järjestelmässä B (jatkoa) Tutkitaan todennäköisyystekijöitä summassa Q(x) = x<n N P{ν(D, D) = n} P{X D = 0 ν(d, D) = n} Todennäköisyys sille, että D:n pituiseen jaksoon tasanjakautuneista N:stä saapumisesta täsmälleen n osuu osavälille (D, D), jonka pituus on n x, saadaan binomijakaumasta: P{ν(D, D) = n} = N n (n x D )n ( 1 n x )N n D

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 26 N D/D/1-jono: jononpituus järjestelmässä B (jatkoa) Ehdollisen todennäköisyyden P{X D = 0 ν(d, D) = n} laskemiseksi käännetään saapumisprosessin katkaisumenettely vastakkaiseen suuntaan: Sillä ehdolla, että väliin (D, D) on tullut n saapumista, loput N n saapumista ovat tuleet väliin (0, D ). Kyseiset N n saapumista ovat tasanjakautuneita välissä (0, D ). Väli (0, D ) on alikuormitettu, sillä N n = N (x + (D D )) = (D N) x + D D Saapumiset välissä (0, D ) voidaan laajentaa jaksolliseksi saapumisprosessiksi (jakso D ) alikuormitetussa (stabiilissa) periodisessa systeemissä jono on tyhjä jokaisessa välissä, siten myös välissä (0, D ) periodisella laajennuksella ei ole vaikutusta jononpituuteen X D Järjestelmän B tyhjänäolotodennäköisyys hetkellä D voidaan laskea järjestelmästä C. Järjestelmän C kuorma on ρ = (N n)/(d n + x). Jonon C tyhjänäolotodennäköisyys hetkellä D on sama kuin mielivaltaisella hetkellä P{X D = 0 ν(d, D) = n} = 1 N n D n + x = D N + x D n + x

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 27 N D/D/1-jono: jononpituusjakauma Kokoamalla näiden tarkasteluiden tulokset yhteen saadaan lopputulos Q N D (x) = x<n N N n ( n x D ) n ( 1 n x) N nd N + x D D n + x missä on merkitty näkyviin jononpituusjakauman Q(x) riippuvuus parametreista N ja D. On saatu virtuaalisen odotusajan jakauma. Kokonaislukuisilla arvoilla x se antaa suoraan jonossa olevien solujen lukumäärän komplementaarisen jakauman. Solun todellisen odotusajan jakauma N D/D/1-jonossa on sama kuin virtuaalisen odotusajan jakauma (N 1) D/D/1-jonossa, jossa lähteiden määrä on yhtä pienempi, eli jakauma on Q N 1 D (x). Pr{X > x} 10 0 10-3 10-6 10-9 10-12 10-15 1000 N = 50 200 500 M/D/1 20 40 60 80 100 x Jononpituusjakauma eri arvoilla N vakio kuormalla ρ = N/D = 0.95.

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 28 Moduloitu N D/D/1-jono (tapaus D N) Tässäkin tapauksessa on N lähdettä. Kukin lähde on päällä tai pois päältä (on/off) jonkun moduloivan prosessin säätelemänä. Kullakin lähteellä moduloiva prosessi voi olla erilainen. Kun lähde on päällä, se lähettää soluja jaksollisesti vakiovälein, väli D. Lähteen yhtenäistä päälläolojaksoa kutsutaan purskeeksi. Tässä käytetään seuraavaa tulkintaa. Purske - alkaa solun saapumisella - jatkuu ajan D viimeisen solun saapumisen jälkeen D - tällöin solujen väli aina D Lähteen i modulointiprosessista tarvitsee seuraavassa tuntea ainoastaan lähteen päälläolotodennäköisyys p i. Asetettu ehto D N merkitsee sitä, että vaikka kaikki lähteet olisivat jatkuvasti päällä, jono olisi stabiili. Nyt tarkastellussa moduloidussa jonossa ei siten voi lainkaan muodostua ns. pursketason jonoja.

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 29 Moduloitu N D/D/1-jono, jatkoa... Tarkastellaan jonoa hetkellä D (mielivaltainen). Systeemi on varmasti tyhjä jonain hetkenä välillä (0, D). pätee ilman modulointia modulointi harventaa saapumisia Saapumiset ennen hetkeä 0 voidaan jättää huomiotta. Sovelletaan Benešin tulosta typistettyyn järjestelmään. Ehdollistetaan laskenta hetkellä D päälläolevien lähteiden lukumäärään. jokaisesta päälläolevasta lähteestä, ja vain niistä, tulee yksi saapuminen väliin (0, D) tasanjakautunut ko. välillä P{X > x} = N n=0 P{n lähdettä päällä} x<k n Jälkimmäinen summa on sama kuin Q n D (x) N D/D/1-jonon häntäjakauma: n lähdettä, jakso D P{ν(D, D) = k ja X D = 0 n lähdettä päällä}

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 30 Moduloitu N D/D/1-jono, jatkoa... Merkitään P n = P{n lähdettä päällä} Bernoulli(p i )-muuttujien konvoluutio Näiden avulla lausuttuna saadaan moduloidulla saapumisprosessilla moduloitu jononpituusjakauma P{X > x} = N n=0 P n Q n D (x) Tulos riippuu vain päälläolotodennäköisyyksistä p i (P n riippuu näistä) ei moduloivien prosessien muista ominaisuuksista Tulos on eksakti ei edellytä aikaskaalojen eroa Tuloksen pätevyyden kannalta oletus D N (ei pursketason ruuhkaa) on olennainen.

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 31 Moduloitu N D/D/1-jono, jatkoa... Oletetaan, että p i = p P n on binomijakautunut: P n = ( ) N n p n (1 p) N n Summa N P n Q n D (x) voidaan laskea; n=0 johtaa yksinkertaiseen tulokseen, joka voidaan myös päätellä Voidaan vapaasti valita mikä tahansa moduloiva prosessi kunhan päälläolotodennäköisyys on p Eräs realisaatio on jaksollinen prosessi jaksolla D/p Voidaan tulkita: purskeen kesto D jakso D/p päälläolotodennäköisyys D/(D/p) = p P{X > x} = Q N D/p(x)

J. Virtamo 38.3141 Teleliikenneteoria / Solutason jonot 32 Moduloitu N D/D/1-jono, jatkoa... Tällä päättelyllä on itse asiassa todistettu matemaattinen identiteetti missä N n=0 N p n (1 p) N n Q n D n (x) = QN D/p (x) Q n D (x) = x<k n n k k x D k 1 k x D n k D n + x D k + x