1 / 8

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ. Διαδικασίες Γεννήσεων – Θανάτων (Birth-Death Processes) 2 - 4 -2012. ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ. ΕΠΑΝΑΛΗΨΗ: Η εκθετική κατανομή Μια τ.μ . Χ ακολουθεί εκθετική κατανομή με παράμετρο λ όταν: F χ (t) = 1-exp(- λ t), f Χ (t) = λ exp(- λ t) E( Χ ) = 1/ λ, var ( Χ ) = 1/λ 2

darrel-sims
Download Presentation

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Διαδικασίες Γεννήσεων – Θανάτων (Birth-Death Processes) 2-4-2012

  2. ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ ΕΠΑΝΑΛΗΨΗ: Η εκθετική κατανομή • Μια τ.μ. Χ ακολουθεί εκθετική κατανομή με παράμετρο λ όταν: • Fχ(t) = 1-exp(-λt), fΧ(t) = λ exp(-λt) • E(Χ) =1/λ, var(Χ) = 1/λ2 • Ιδιότητα έλλειψης μνήμης • P[X>t+s/X>t]=P[X>s] • Κατανομή ελαχίστου μεταξύ ανεξάρτητων τ.μ. εκθετικά κατανεμημένων • Χ1: με παράμετρο λ1 • Χ2: με παράμετρο λ2 • Χ=min{Χ1,Χ1}είναι εκθετικά κατανεμημένη με παράμετρο λ = (λ1+λ1)

  3. ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ • ΕΠΑΝΑΛΗΨΗ: Στοχαστικές διαδικασίες • Ανεξάρτητες διαδικασίες • Στάσιμες διαδικασίες • Διαδικασίες Markov • P[X(tn+1)=xn+1/X(tn)=xn,X(tn-1)=xn-1,…,X(t1)=X1]= =P[X(tn+1)=Xn+1/X(tn)=xn] • Εργοδικότητα • Διαδικασίες Γεννήσεων-Θανάτων: αποτελούν μια κλάση των διαδικασιών Markov, με την επιπλέον ιδιαίτερη συνθήκη ότι μεταβάσεις επιτρέπονται μόνο ανάμεσα σε γειτονικές καταστάσεις • Διαδικασία απαρίθμησης γεγονότων • Ανεξάρτητες αυξήσεις – Στάσιμες αυξήσεις

  4. ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ ΕΠΑΝΑΛΗΨΗ: Η κατανομή Poisson: • kαφίξεις σε διάστημα Τ με πιθανότητα • Pk(T) = e –λT (λΤ)k/ k ! • ET(k) = λT • VarT(k) = λΤ • Μέσος ρυθμός αφίξεων : λ πελάτες/sec Η κατανομή Poisson σαν όριο της ΔιωνυμικήςΚατανομής: • Χωρίζω το διάστημα Τ σε Νυποδιαστήματα. Σε κάθε υποδίαστημα θεωρώ N ανεξάρτητεςδοκιμές Bernoulli με πιθανότητα επιτυχίας p T = N x ΔΤ, p = λΔΤ = λΤ/Ν • Η πιθανότητα kεπιτυχιών σε Nδοκιμές είναι Pk (T) = Pk (N) = N!/(K!(N-k)!) x (λΤ/N) kx (1-λΤ/N) N-k • Στο όριοΝ  ∞, ΔΤ  0, : Pk (T)  e –λT (λΤ)k / k !

  5. ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Ιδιότητες διαδικασίας Poisson: • Οι χρόνοι μεταξύ διαδοχικών αφίξεων μιας διαδικασίας Poisson με ρυθμό λ, είναι τ.μ εκθετικά κατανεμημένες με μέση τιμή 1/λ • Υπέρθεση ανεξάρτητων διαδικασιών Poissonλ1, λ2 διαδικασία Poissonλ = λ1+ λ2 • Διάσπαση διαδικασίας Poissonλμε πείραμα Bernoullip, q = 1-p ανεξάρτητες διαδικασίες Poisson λ1= p λ λ2= q λ

  6. ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Στοιχεία από Έννοιες Διαδικασιών Markov • Συστήματα και Αλυσίδες Markov διακριτού και συνεχούς χρόνου • Πιθανότητες και γράφοι / διαγράμματα μετάβασης • Στατικές κατανομές και πιθανότητες καταστάσεων Birth-Death Processes • Παραδοχές: • Ανεξαρτησία γεννήσεων-θανάτων • Εξέλιξη βασισμένη στο παρόν (Markov) • Σύστημα Διαφορικών εξισώσεων Διαφορών • Κατάσταση ισορροπίας (steady state)

  7. ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Παραδοχές Διαδικασίας Γεννήσεων – Θανάτων • Την χρονική στιγμή t όταν το σύστημα καταλήγει σε πληθυσμό n > 0μπορεί να έχουν προηγηθεί οι ακόλουθες μεταβάσεις από την χρονική στιγμή t-ΔΤ, ΔΤ0: • Μία άφιξη στο διάστημα ΔΤ, με πιθανότητα λn-1ΔΤ • Μια αναχώρηση, με πιθανότητα μn+1ΔΤ • Τίποτα από τα δύο, με πιθανότητα 1- (λn+μn)ΔΤ • Η εξίσωση μετάβασης (Kolmogorov) προκύπτει από τον τύπο συνολικής πιθανότητας: Pn(t) = λn-1ΔΤ Pn-1(t-ΔΤ) + μn+1ΔΤ Pn+1(t-ΔΤ) + [1- (λn+μn)ΔΤ] Pn(t-ΔΤ)

  8. ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Στο όριο, ΔΤ dt: [Pn(t) - Pn(t-dt)]/dt = λn-1Pn-1(t) + μn+1Pn+1(t) – (λn+μn)Pn(t) ή d Pn(t)/dt = λn-1Pn-1(t) + μn+1Pn+1(t) – (λn+μn)Pn(t) d P0(t)/dt = μ1P1(t) – λ0P0(t) και σε σταθερή κατάσταση t οο (αν υπάρχει) : Pn(t) = Pn: Εργοδικές Πιθανότητες (λn+μn)Pn= λn-1Pn-1 + μn+1Pn+1(εξισώσεις ισορροπίας) λ0P0= μ1P1 P0 +P1 +P2+… = 1

More Related