Γ. Κορίλη, Μοντέλα Εξυπηρέτησης
|
|
- Ἀντιόπη Αγγελίδης
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Γ. Κορίλη, Μοντέλα Εξυπηρέτησης 2-1 hp:// Καθυστερήσεις στα ίκτυα Πακέτων Εισαγωγή στη Θεωρία Ουρών Ανασκόπηση Θεωρίας Πιθανοτήτων ιαδικασία Poisson Θεώρηµα του Lile Απόδειξη και ιαισθητική Ερµηνεία Εφαρµογές
2 2-2 Πηγές ικτυακών Καθηυστερήσεων Καθυστερήσεις Επεξεργασιών Όταν η ισχύς επεξεργασίας δεν είναι σταθερή Καθυστερήσεις στις Ουρές Αναµονή µετάδοσης στην προσωρινή αποθήκη Καθυστερήσεις Μετάδοσης Καθυστερήσεις ιάδοσης Καθυστέρηση στη σύνδεση µετάδοση ηλεκτρικού σήµατος Ανεξάρτητα από το φορτίο που µεταφέρεται στη σύνδεση Εστίαση: Καθυστερήσεις Ουρών και Μετάδοσης
3 2-3 Βασικό Μοντέλο Ουράς Αποθήκη Server(s) Αφίξεις Αναχωρήσεις Ουρά Υπηρεσία Για σταθµούς εξυπηρέτησης µε: Έναν ή περισσότερους servers Μια περιοχή αναµονής ή αποθήκευσης Πελάτες φθάνουν για να εξυπηρετηθούν Πελάτης που όταν φθάνει δεν βρίσκει διαθέσιµο server περιµένει στην ουρά
4 2-4 Χαρακτηριστικά Ουράς b m Αριθµός των servers m: ένας, πολλοί, άπειροι Μέγεθος Αποθήκης b Τρόποι Εξυπηρέτησης (καθορισµού χρόνων): FCFS, LCFS, Processor Sharing (PS), κλπ. ιαδικασία αφίξεων Στατιστική εξυπηρέτησης
5 2-5 ιαδικασία Αφίξεων n +1 n n 1 τ n n τ n τ n : χρόνος µεταξύ αφίξεων των πελατών n & n+1 είναι µια τυχαία { τ, n 1} είναι µια στοχαστική διαδικασία n Οι χρόνοι αφίξεων έχουν τις ίδιες κατανοµές και µέση τιµή E[ τ ] = E[ τ] = 1/ λ λ ονοµάζεται ρυθµός αφίξεων n
6 2-6 ιαδικασία Εξυπηρετήσεων n +1 n n 1 s n s n : χρόνος εξυπηρέτησης του πελάτη n στο server { s είναι µια στοχαστική διαδικασία n, n 1} Οι χρόνοι εξυπηρέτησης έχουν τις ίδιες κατανοµές και κοινή µέση τιµή Es [ ] = Es [ ] = µ n µ ονοµάζεται ρυθµός εξυπηρέτησης Για τα πακέτα, είναι οι χρόνοι εξυπηρέτησης πράγµατι τυχαίοι;
7 2-7 είκτες Ουρών Γενικός δείκτης: A/S/m/k A συµβολίζει τη διαδικασία αφίξεων Οι αφίξεις Poisson συµβολίζονται µε M (από τη Μαρκοβιανή) B συµβολίζει την κατανοµή χρόνου εξυπηρέτησης M: εκθετική κατανοµή D: αιτιοκρατικοί χρόνοι εξυπηρέτησης G: γενική κατανοµή m είναι ο αριθµός των servers k είναι ο µέγιστος αριθµός πελατών που επιτρέπονται στο σύστηµα ή στην αποθήκη ή για εξυπηρέτηση k παραλείπεται όταν το µέγεθος αποθήκευσης είναι άπειρο
8 2-8 είκτες Ουρών: Παραδείγµατα M/M/1: Αφίξεις Poisson, εκθετικά κατανεµηµένοι χρόνοι εξυπηρέτησης, ένας server, άπειρη αποθήκη M/M/m: όπως πριν αλλά µε m servers M/M/m/m: Αφίξεις Poisson, εκθετικά κατανεµηµένοι χρόνοι εξυπηρέτησης, m server, χωρίς αποθήκη M/G/1: Αφίξεις Poisson, χρόνοι εξυπηρέτησης που κατανέµονται όµοια µε µια γενική κατανοµή, ένας server, άπειρη αποθήκη */D/ : Σύστηµα σταθερής καθυστέρησης
9 2-9 Στοιχεία Θεωρίας Πιθανοτήτων Εκθετική Κατανοµή Ιδιότητα Λήθης Κατανοµή Poisson ιαδικασία Poisson Ορισµός και Ιδιότητες Κατανοµή Χρόνων Αφίξεων Μοντέλα Στατιστικών Αφίξεων και Εξυπηρέτησης
10 2-10 Η Εκθετική Κατανοµή Μια τυχαία µεταβλητή X ακολουθεί την εκθετική κατανοµή µε παράµετρο µ, όταν η συνάρτηση πυκνότητας πιθανότητας είναι: f X ( x) = x µ e µ αν x 0 0 αν x < 0 Συνάρτηση κατανοµής πιθανότητας: µ x 1 e αν x 0 FX ( x) = P{ X x} = 0 αν x < 0
11 2-11 Εκθετική Κατανοµή (συνέχεια) Μέση Τιµή και Τετράγωνο Τυπικής Απόκλισης: Απόδειξη: 1 1 EX [ ] =, Var( X) = 2 µ µ µ x EX [ ] = xf ( xdx ) = xµ e dx= X 0 0 µ x µ x 1 = xe 0 + e dx = 0 µ 2 2 µ x 2 µ x µ x 2 2 E[ X ] = x µ e dx = x e xe dx E[ X ] 0 = = 0 2 µ µ Var( X) E[ X ] ( E[ X]) µ µ µ 2 2 = = = 2 2 2
12 2-12 Ιδιότητα Λήθης Η ιστορία του παρελθόντος δεν έχει καµιά επιρροή στο µέλλον P{ X > x+ X > } = P{ X > x} Απόδειξη: PX { > x+ X, > } PX { > x+ } P{ X > x+ X > } = = P{ X > } P{ X > } µ ( x+ ) e µ x = = e = P{ X > x} µ e Εκθετική Κατανοµή: η µόνη συνεχής κατανοµή µε την ιδιότητα της λήθης
13 2-13 Κατανοµή Poisson Μια διακριτή τυχαία µεταβλητή X ακολουθεί την κατανοµή Poisson µε παράµετρο λ όταν έχει τις πιθανότητες: k λ λ PX { = k} = e, k= 0,1,2,... k! Μεγάλης σηµασίας είναι ο αριθµός των τυχαίων γεγονότων που συµβαίνουν σε δοθέν χρονικό διάστηµα Η ιαδικασία Poisson: Οι πελάτες που φθάνουν σε µια µέρα Τα λάθος τηλεφωνήµατα σε µια βδοµάδα Οι φοιτητές που επισκέπτονται τον διδάσκοντα στις ώρες γραφείου και πακέτα που φθάνουν σ ένα swich του δικτύου
14 2-14 ιαδικασία Poisson (συνέχεια) Μέση Τιµή και Τετράγωνο Τυπικής Απόκλισης Απόδειξη: EX [ ] = λ, Var( X) = λ k k λ λ λ λ EX [ ] = kpx { = k} = e k = e k! ( k 1)! k= 0 k= 0 k= 0 j λ λ λ λ = e λ = e λe = λ j! j= 0 k λ λ k! ( k 1)! k 2 2 λ 2 λ E[ X ] = k P{ X = k} = e k = e k k= 0 k= 0 k= 0 λ λ λ = e j+ = je + e = + j! j! j! j j j λ λ λ 2 λ ( 1) λ λ λ λ Var( X) E[ X ] ( E[ X]) j= 0 j= 0 j= = = + λ λ = λ λ
15 2-15 Άθροισµα Τυχαίων Μεταβλητών Poisson X i, i =1,2,,n είναι ανεξάρτητες τυχαίες µεταβλητές X i ακολουθεί την κατανοµή Poisson µε παράµετρο λ i Μερικό άθροισµα που ορίζεται ως: Sn = X1+ X X S n ακολουθεί την κατανοµή Poisson µε παράµετρο λ λ = λ1+ λ λn n
16 2-16 Άθροισµα Τυχαίων Μεταβλητών Poisson (συνέχεια) Proof: For n = 2. Generalizaion by inducion. The pmf of S = X 1 + X 2 is P fs = mg = = = mx k=0 mx P fx 1 = k; X 2 = m kg P fx 1 = kg P fx 2 = m kg k=0 mx 1 k1 e k=0 = e ( 1+ 2) 1 m! m k 2 k! e 2 (m k)! mx k=0 = e ( 1+ 2)( 1 + 2) m m! Poisson wih parameer = m! k)! k1 m k k!(m 2
17 ειγµατοληψία µιας Μεταβλητής 2-17 Poisson X ακολουθεί την κατανοµή Poisson µε παράµετρο λ Κάθε µια από τις αφίξεις της X είναι τύπου i µε πιθανότητα p i, i =1,2,,n, ανεξάρτητα από τις άλλες αφίξεις; p 1 + p p n = 1 X i συµβολίζει τον αριθµό των αφίξεων τύπου i X 1, X 2, X n είναι ανεξάρτητες X i ακολουθεί την κατανοµή Poisson µε παράµετρο λ i = λp i
18 2-18 ειγµατοληψία µιας Μεταβλητής Poisson (συνέχεια) Proof: For n = 2. Generalize by inducion. Join pmf: P fx 1 = k 1 ;X 2 = k 2 g = = P fx 1 = k 1 ;X 2 = k 2 jx = k 1 + k 2 g P fx = k 1 + k 2 g ³ k1 + k 2 = p k 1 1 k pk 2 2 e k1+k 2 1 (k 1 + k 2 )! 1 = k 1!k 2! ( p 1) k 1 ( p 2) k 2 e (p 1+p 2 ) = e p 1 ( p 1) k 1 k 1! e p 2 ( p 2) k 2 k 2! ² X 1 and X 2 are independen ² P fx 1 = k 1 g = e p ( p 1 1) k 1 k 1, P fx! 2 = k 2 g = e p ( p 2 2) k2 k 2! X i follows Poisson disribuion wih parameer p i.
19 2-19 Προσέγγιση Poisson στη ιωνυµική ιωνυµική κατανοµή µε παραµέτρους (n, p) n k n k P{ X = k} = p (1 p) k Καθώς n και p 0, µε np=λ σταθερό, η διωνυµική κατανοµή συγκλίνει στην κατανοµή Poisson µε παράµετρο λ Απόδειξη: n k P{ X = k} = p (1 p) k ( n k + 1)...( n 1) n λ λ = 1 k! n n ( n k + 1)...( n 1) n 1 k n n λ 1 n n k e n λ 1 1 n n P{ X = k} e n λ λ k λ k! n k k n k
20 2-20 ιαδικασία Poisson µε Ρυθµό λ {A(): 0} διαδικασία αρίθµησης A() είναι ο αριθµός των γεγονότων (αφίξεων) που συνέβησαν από το χρόνο 0 όταν A(0)=0 ως το χρόνο A()-A(s) είναι ο αριθµός των γεγονότων στο διάστηµα (s, ] Οι αριθµοί των γεγονότων σε ξένα διαστήµατα είναι ανεξάρτητοι independen Ο αριθµός των γεγονότων σε κάθε διάστηµα (, +τ] µήκους τ Εξαρτάται µόνο από το µήκος τ Ακολουθεί την κατανοµή Poisson µε παράµετρο λτ n λτ ( λτ ) PA { ( + τ ) A ( ) = n} = e, n= 0,1,... n! Ο µέσος αριθµός των γεγονότων λ ανά τ είναι ο ρυθµός αφίξεων (γεγονότων)
21 2-21 Στατιστική Χρόνων Αφίξεων Οι χρόνοι αφίξεων για µια διαδικασία Poisson είναι ανεξάρτητοι κι ακολουθούν την εκθετική κατανοµή µε παράµετρο λ n : χρόνος της n οστής άφιξης; τ n = n+1 - n : n οστό χρονικό διάστηµα αφίξεων Απόδειξη: λs P{ τ s} = 1 e, s 0 Συνάρτηση κατανοµής πιθανότητας n s P{ τ s} = 1 P{ τ > s} = 1 P{ A( + s) A( ) = 0} = 1 e λ n n n n Η ανεξαρτησία έπεται από την ανεξαρτησία του αριθµού των αφίξεων σε ξένα διαστήµατα
22 2-22 Πιθανότητες Μικρών ιαστηµάτων ιάστηµα (+ δ, ] µήκους δ PA { ( + δ ) A ( ) = 0} = 1 λδ + ο( δ ) PA { ( + δ) A ( ) = 1} = λδ + ο( δ) PA { ( + δ) A ( ) 2} = ο( δ) Απόδειξη: 2 λδ ( λδ ) PA { ( + δ) A ( ) = 0} = e = 1 λδ + = 1 λδ + ο( δ) 2 2 λδ ( λδ ) PA { ( + δ ) A ( ) = 1} = e λδ = λδ 1 λδ + = λδ + ο( δ ) 2 PA { ( + δ) A ( ) 2} = 1 PA { ( + δ) A ( ) = k} 1 k= 0 = 1 (1 λδ + ο( δ )) ( λδ + ο( δ )) = ο( δ )
23 2-23 Συνένωση & ιαχωρισµός ιαδικασιών Poisson λ 1 λp λ 1 + λ 2 λ p 1-p λ 2 A 1,, A k ανεξάρτητες διαδικασίες Poisson µε ρυθµούς λ 1,, λ k Συνενωµένες σε µια διαδικασία A= A A k A είναι διαδικασία Poisson µε ρυθµό λ= λ λ k λ(1-p) A: διαδικασία Poisson µε ρυθµό λ ιαχωρίζεται στις διαδικασίες A 1 & A 2 ανεξάρτητα, µε πιθανότητες p & 1-p αντίστοιχα A 1 είναι διαδικασία Poisson µε ρυθµό λ 1 = λp A 2 είναι διαδικασία Poisson µε ρυθµό λ 2 = λ(1-p)
24 2-24 Περιγραφή Στατιστικών Αφίξεων Η διαδικασία Poisson συνήθως χρησιµοποιείται για την περιγραφή αφίξεων πακέτων σε διάφορα προβλήµατα δικτύων Ο λόγος: διότι παρέχει ένα καλό µοντέλο για τη συνολική κίνηση ενός µεγάλου αριθµού ανεξάρτητων χρηστών n ροές κίνησης, µε ανεξάρτητους όµοια κατανεµηµένους χρόνους αφίξεων, των οποίων η κατανοµή F(s) δεν είναι αναγκαστικά εκθετική Ο ρυθµός αφίξεων κάθε ροής είναι λ/n Καθώς n, η αθροιστική ροή µπορεί να προσεγγισθεί από την Poisson κάτω από συνηθισµένες συνθήκες για την F(s) (πχ., F(0)=0, F (0)>0) Ο κυριότερος λόγος για την υπόθεση Poisson: Αναλυτική διερεύνηση των µοντέλων ουρών
25 2-25 Το Θεώρηµα του Lile λ N λ: ρυθµός αφίξεων πελατών N: µέσος αριθµός πελατών στο σύστηµα T T: µέση καθυστέρηση ανά πελάτη στο σύστηµα Θεώρηµα του Lile: Το σύστηµα σε µόνιµη κατάσταση N = λt
26 2-26 ιαδικασίες Αρίθµησης σε µια Ουρά α() N() β() N() : αριθµός πελατών στο σύστηµα το χρόνο α() : αριθµός αφίξεων πελατών ως το χρόνο β() : αριθµός αναχωρήσεων πελατών ως το χρόνο T i : χρόνος που πέρασε στο σύστηµα ο i οστός πελάτης
27 2-27 Μέσοι Χρόνοι Μέσος χρόνος στο διάστηµα [0,] Μέση χρόνοι στη µόνιµη κατάσταση 1 N = N( s) ds N lim N = 0 a () = = lim a() 1 T = Ti T = limt a () λ λ λ i= 1 β () δ = δ = limδ Θεώρηµα Lile N=λT Εφαρµόζεται σε οποιοδήποτε σύστηµα ουράς εφόσον: Τα όρια T, λ και δ υπάρχουν και λ= δ ίνουµε µια απλή γραφική απόδειξη κάτω από πιο περιοριστικές συνθήκες
28 2-28 Απόδειξη του Θεωρήµατος του Lile για FCFS i T 1 T 2 α() N() Υπόθεση: N()=0, άπειρες φορές συχνά. Για κάθε τέτοιο α ( ) α () 1 α( ) T 1 i N() s ds = Ti N() s ds N T 0 0 i 1 = = λ = α() Αν τα όρια N N, T T, λ λ υπάρχουν, έπεται ο τύπος του Lile Θα απαλλαγούµε από την τελευταία υπόθεση β() T i Σύστηµα FCFS, N(0)=0 α() και β(): σκαλωτά γραφήµατα N() = α()- β() Χρωµατισµένη περιοχή S () = Nsds ( ) 0
29 2-29 Απόδειξη του Θεωρήµατος του Lile για FCFS (συνέχεια) α() i N() β() T i T 1 T 2 Γενικώς ακόµη κι όταν η ουρά δεν είναι άδεια άπειρες φορές συχνά: β ( ) α( ) β() α() β() T 1 () 1 i α 1 Ti N() s ds Ti N() s ds 0 β() 0 α() i= 1 i= 1 δt N λt Έπεται το ζητούµενα αν υπάρχουν τα όρια T T, λ λ, και δ δ και λ=δ T i
30 2-30 Πιθανοκρατική Μορφή του Θεωρήµατος του Lile Ως τώρα έχουµε θεωρήσει µια απλή συνάρτηση δειγµατοληψίας µιας στοχαστικής διαδικασίας Τώρα θα επικεντρωθούµε στις πιθανότητες των διαφόρων συναρτήσεων δειγµατοληψίας µιας στοχαστικής διαδικασίας Πιθανότητα για n πελάτες στο σύστηµα το χρόνο p () = P{ N() = n} n Αναµενόµενος αριθµός πελατών στο σύστηµα το χρόνο EN [ ( )] = npn. { () = n} = npn() n= 0 n= 0
31 2-31 Πιθανοκρατική Μορφή του Θεωρήµατος του Lile (συνέχεια) p n (), E[N()] εξαρτώνται από το και την αρχική κατανοµή για =0 Θεωρούµε συστήµατα που συγκλίνουν σε µόνιµες καταστάσεις Υπάρχουν p n ανεξάρτητα της αρχικής κατανοµής lim p ( ) = p, n = 0,1,... n n Αναµενόµενος αριθµός πελατών στη µόνιµη κατάσταση [στοχαστική µέση τιµή EN = npn = lim E[ N( )] n= 0 Για µια εργοδική διαδικασία, ο χρονικός µέσος της συνάρτησης δειγµατοληψίας ισούται προς τη µέση τιµή της µόνιµης κατάστασης, µε πιθανότητα 1. N = lim N = lim E[ N( )] = EN
32 2-32 Πιθανοκρατική Μορφή του Θεωρήµατος του Lile (συνέχεια) Κατ αρχήν, µπορούµε να βρούµε την κατανοµή πιθανότητας της καθυστέρησης T i για τον πελάτη i, και από αυτήν τη µέση τιµή E[T i ], που συγκλίνει στη µόνιµη κατάσταση ET Για ένα εργοδικό σύστηµα i Πιθανοκρατική Μορφή του Τύπου του Lile: Ρυθµός αφίξεων ορισµένος ως = lim E[ T ] T 1 i T = lim = lim E[ T] = ET i i i E[ α( )] λ = lim i i EN = λ. ET
33 2-33 Χρονικές Στοχαστικές Μέσες Τιµές Χρονικές µέσες τιµές = Στοχαστικές µέσες τιµές, για όλα τα συστήµατα δικτύων Ισχύει αν µια απλή συνάρτηση δειγµατοληψίας της στοχαστικής διαδικασίας περιέχει όλες τις δυνατές πραγµατοποιήσεις της διαδικασίας καθώς Μπορεί να αιτιολογηθεί στη βάση των γενικών ιδιοτήτων των αλυσίδων Markov
34 2-34 Ροπο-Γεννήτρια Συνάρτηση 1. De niion: for any 2 IR: 8 Z 1 >< e x f X (x) dx; M X () =E[e X 1 ]= X e >: x j P fx = x j g ; j X coninuous X discree 2. If he momen generaing funcion M X () of X exiss and is nie in some neighborhood of =0, i deermines he disribuion of X uniquely. 3. Fundamenal Properies: for any n 2 IN: (i) (ii) dn d nm X() =E[X n e X ] dn d nm X(0) = E[X n ] 4. Momen Generaing Funcions and Independence: X; Y : independen ) M X+Y () =M X ()M Y () The opposie is no rue.
35 2-35 ιακριτές Τυχαίες Μεταβλητές Disribuion Prob. Mass Fun. Momen Gen. Fun. Mean Variance (parameers) PfX = kg M X () E[X] Var(X) Binomial (n; p) n k p k (1 p) n k (pe +1 p) n np np(1 p) k =0; 1;:::;n Geomeric (1 p) k 1 p p k =1; 2;::: Negaive Bin. ³ k 1 r 1 p r (1 p) k r h (r; p) k = r; r +1;::: pe 1 (1 p)e 1 p i pe r 1 (1 p)e r p 1 p p 2 r(1 p) p 2 Poisson k e k! e (e 1) k =0; 1;:::
36 2-36 Συνεχείς Τυχαίες Μεταβλητές Disribuion Prob. Densiy Fun. Momen Gen. Fun. Mean Variance (parameers) f X (x) M X () E[X] Var(X) Uniform over 1 b a (a; b) a<x<b e b e a (b a) a+b 2 (b a) 2 12 Exponenial e x x Normal 1 p 2¼¾ e (x ¹)2 =2¾ 2 e ¹+(¾)2 =2 ¹ ¾ 2 (¹; ¾ 2 ) 1 <x<1
Markov. Γ. Κορίλη, Αλυσίδες. Αλυσίδες Markov
Γ. Κορίλη, Αλυσίδες Markov 3- http://www.seas.upe.edu/~tcom5/lectures/lecture3.pdf Αλυσίδες Markov Αλυσίδες Markov ιακριτού Χρόνου Υπολογισµός Στάσιµης Κατανοµής Εξισώσεις Ολικού Ισοζυγίου Εξισώσεις Λεπτοµερούς
Διαβάστε περισσότεραP (M = n T = t)µe µt dt. λ+µ
Ουρές Αναμονής Σειρά Ασκήσεων 1 ΑΣΚΗΣΗ 1. Εστω {N(t), t 0} διαδικασία αφίξεων Poisson με ρυθμό λ, και ένα χρονικό διάστημα η διάρκεια του οποίου είναι τυχαία μεταβλητή T, ανεξάρτητη της διαδικασίας αφίξεων,
Διαβάστε περισσότεραΑνάλυση Απόδοσης Πληροφοριακών Συστημάτων
Ανάλυση Απόδοσης Πληροφοριακών Συστημάτων Διάλεξη 6: Εισαγωγή στην Ουρά M/G/1 Δρ Αθανάσιος Ν Νικολακόπουλος ΜΔΕ Επιστήμης και Τεχνολογίας Υπολογιστών Τμήμα Μηχανικών Η/Υ & Πληροφορικής 18 Νοεμβρίου 2016
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ
Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Γνώσεων Πιθανοτήτων (2/2) Διαδικασία Γεννήσεων Θανάτων Η Ουρά Μ/Μ/1
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Γνώσεων Πιθανοτήτων (2/2) Διαδικασία Γεννήσεων Θανάτων Η Ουρά Μ/Μ/1 Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 15/3/2017 Η ΔΙΑΔΙΚΑΣΙΑ ΚΑΤΑΜΕΤΡΗΣΗΣ ΓΕΓΟΝΟΤΩΝ
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ
Τµ. Επιστήµης των Υλικών ειγµατοληψία Με ιάταξη ειγµατοληψία Χωρίς ιάταξη Χωρίς Επανατοποθέτηση (n)k Με Επανατοποθέτηση n k Χωρίς Επανατοποθέτηση ( n k) Με Επανατοποθέτηση ( n+k 1 ) k ειγµατοληψία Με ιάταξη
Διαβάστε περισσότεραH επίδραση των ουρών στην κίνηση ενός δικτύου
H επίδραση των ουρών στην κίνηση ενός δικτύου Ηεπίδραση των ριπών δεδοµένων Όταν οι αφίξεις γίνονται κανονικά ή γίνονται σε απόσταση η µία από την άλλη, τότε δεν υπάρχει καθυστέρηση Arrival s 1 2 3 4 1
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ
Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ
ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 8 o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gasil@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gasil
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Γνώσεων Πιθανοτήτων Κατανομή Poisson & Εκθετική Κατανομή Διαδικασία Markov Γεννήσεων Θανάτων (Birth Death Markov Processes) Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Ανάλυση Ουράς Αναμονής M/G/1 Αρχές Ανάλυσης Ουράς M/G/1 Ενσωματωμένη Αλυσίδα Markov (Embedded Markov Chain) Τύποι Pollaczeck - Khinchin (P-K) για Ουρές M/G/1 Μέσες Τιμές
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Αναλυτικών Τεχνικών Θεωρίας Πιθανοτήτων για Εφαρμογή σε Ουρές Αναμονής M/G/1
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Αναλυτικών Τεχνικών Θεωρίας Πιθανοτήτων για Εφαρμογή σε Ουρές Αναμονής M/G/1 Απόδειξη Τύπου Little Ιδιότητα PASTA (Poisson Arrivals See Time Averages) Βασικοί
Διαβάστε περισσότεραΣτατιστική. Ενότητα 3 η : Χαρακτηριστικά Τυχαίων Μεταβλητών Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 3 η : Χαρακτηριστικά Τυχαίων Μεταβλητών Θεωρητικές Κατανομές Πιθανότητας για Διακριτή Τυχαία Μεταβλητή Γεώργιος Ζιούτας Άδειες
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Η Ουρά Μ/Μ/1/N Σφαιρικές & Τοπικές Εξισώσεις Ισορροπίας Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 22/3/2017 ΔΙΑΔΙΚΑΣΙΑ ΓΕΝΝΗΣΕΩΝ ΘΑΝΑΤΩΝ (1/4) Birth Death Processes
Διαβάστε περισσότερα3. Κατανομές πιθανότητας
3. Κατανομές πιθανότητας Τυχαία Μεταβλητή Τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε σημείο (ω) ενός δειγματικού χώρου (Ω) αντιστοιχεί έναν πραγματικό αριθμό. Ω ω X (ω ) R Διακριτή τ.μ.
Διαβάστε περισσότεραΟνοματεπώνυμο: Ερώτημα: Σύνολο Μονάδες: Βαθμός:
ΕΤΥ: Ανάλυση Απόδοσης Πληροφοριακών Συστημάτων Χειμερινό Εξάμηνο 2014-15 Τελική Εξέταση 28/02/15 Διάρκεια Εξέτασης: 3 Ώρες Ονοματεπώνυμο: Αριθμός Μητρώου: Υπογραφή: Ερώτημα: 1 2 3 4 5 6 Σύνολο Μονάδες:
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Συστήματα Γεννήσεων Θανάτων: 1. Σφαιρικές & Λεπτομερείς Εξισώσεις Ισορροπίας 2. Ουρές Markov M/M/1, M/M/1/N Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 27/3/2019 ΔΙΑΔΙΚΑΣΙΑ
Διαβάστε περισσότεραΚαθ. Γιάννης Γαροφαλάκης. ΜΔΕ Επιστήμης και Τεχνολογίας Υπολογιστών Τμήμα Μηχανικών Η/Υ & Πληροφορικής
Α Α Π Σ Δ 11: Ε Σ Α M/G/1 Καθ Γιάννης Γαροφαλάκης ΜΔΕ Επιστήμης και Τεχνολογίας Υπολογιστών Τμήμα Μηχανικών Η/Υ & Πληροφορικής Το σύστημα αναμονής M/G/1 I Θεωρούμε ένα σύστημα στο οποίο οι πελάτες φθάνουν
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Συστήματα Γεννήσεων Θανάτων (I) 1. Σφαιρικές & Τοπικές Εξισώσεις Ισορροπίας 2. Ουρές Markov M/M/1, M/M/1/N Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 21/3/2018 ΔΙΑΔΙΚΑΣΙΑ
Διαβάστε περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2017-2018 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής
Διαβάστε περισσότεραΠερίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων
Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων 6 Απριλίου 2009 1 Συνδυαστική Η ϐασική αρχή µέτρησης µας λέει ότι αν σε ένα πείραµα που γίνεται σε δύο ϕάσεις και στο οποίο υπάρχουν n δυνατά αποτελέσµατα
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Παραδείγματα χρήσης ουρών Μ/Μ/c/K και αξιολόγησης συστημάτων αναμονής Β. Μάγκλαρης, Σ. Παπαβασιλείου 5-6-2014 Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 6 η : Θεωρητικές Κατανομές Πιθανότητας για Συνεχή Τυχαία Μεταβλητή. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών
Διαβάστε περισσότεραΤεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 3: Μοντέλα Θεωρίας Αναμονής
Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 3: Μοντέλα Θεωρίας Αναμονής Γαροφαλάκης Ιωάννης Πολυτεχνική Σχολή Τμήμα Μηχ/κών Η/Υ & Πληροφορικής Σκοποί ενότητας Κατά τη διάρκεια των καθημερινών μας
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εκθετική Κατανομή, Στοχαστικές Ανελίξεις Διαδικασίες Απαρίθμησης, Κατανομή Poisson
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εκθετική Κατανομή, Στοχαστικές Ανελίξεις Διαδικασίες Απαρίθμησης, Κατανομή Poisson Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 9/3/2016 Άδεια Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΤυχαία μεταβλητή (τ.μ.)
Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) είναι μια συνάρτηση X ( ) με πεδίο ορισμού το δειγματικό χώρο Ω του πειράματος και πεδίο τιμών ένα υποσύνολο πραγματικών αριθμών που συμβολίζουμε συνήθως
Διαβάστε περισσότεραP (M = 9) = e 9! =
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης 5ο Φροντιστήριο Ασκηση 1. ύο ποµποί ο Α και ο Β στέλνουν ανεξάρτητα
Διαβάστε περισσότερα3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ
20 3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ ΟΡΙΣΜΟΣ ΤΗΣ ΜΕΣΗΣ ΤΙΜΗΣ Μια πολύ σηµαντική έννοια στη θεωρία πιθανοτήτων και τη στατιστική είναι η έννοια της µαθηµατικής ελπίδας ή αναµενόµενης τιµής ή µέσης τιµής µιας τυχαίας
Διαβάστε περισσότεραΟρισµός. (neighboring) καταστάσεων. ηλαδή στην περίπτωση αλυσίδας Markov. 1.2 ιαµόρφωση µοντέλου
200-04-25. ιαδικασίες γεννήσεων-θανάτων. Ορισµός Οι διαδικασίες γεννήσεων-θανάτων (birth-death rocesses) αποτελούν µια σπουδαία κλάση αλυσίδων Markov (διακριτού ή συνεχούς χρόνου). Η ιδιαίτερη συνθήκη
Διαβάστε περισσότεραΘεωρητικές Κατανομές Πιθανότητας
Θεωρητικές Κατανομές Πιθανότητας Θεωρητικές Κατανομές Πιθανότητας Α. ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ α) Διακριτή Ομοιόμορφη κατανομή β) Διωνυμική κατανομή γ) Υπεργεωμετρική κατανομή δ) κατανομή Poisson Β. ΣΥΝΕΧΕΙΣ
Διαβάστε περισσότεραΔίκτυα Επικοινωνιών ΙΙ. Ενότητα 2: Μοντέλα Συστηµάτων Αναµονής σε Δίκτυα Επικοινωνιών
Δίκτυα Επικοινωνιών ΙΙ Ενότητα 2: Μοντέλα Συστηµάτων Αναµονής σε Δίκτυα Επικοινωνιών Διδάσκων: Λάζαρος Μεράκος Τµήµα Πληροφορικής και Τηλεπικοινωνιών Εθνικό & Καποδιστριακό Πανεπιστήµιο Αθηνών Δίκτυα Επικοινωνιών
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εισαγωγή (2/2) Επισκόπηση Γνώσεων Πιθανοτήτων (1/2)
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εισαγωγή (2/2) Επισκόπηση Γνώσεων Πιθανοτήτων (1/2) Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 8/3/2017 ΠΑΡΑΜΕΤΡΟΙ (1/4) (Επανάληψη) Ένταση φορτίου (traffic intensity)
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Σε κάθε αποτέλεσμα του πειράματος αντιστοιχεί μία αριθμητική τιμή Μαθηματικός ορισμός: Τυχαία μεταβλητή X είναι
Διαβάστε περισσότεραΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ - ΜΕΣΗ ΤΙΜΗ
Τµ. Επιστήµης των Υλικών Συνάρτηση Κατανοµής Ορισµός F(x) = P(X x) = f(t) x t x f(t)dt, X διακριτή τ.µ., X συνεχής τ.µ. Ιδιότητες 0 F(x). 2 F είναι αύξουσα συνάρτηση. 3 F είναι συνεχής εκ δεξιών. 4 lim
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ
Χαράλαµπος Α. Χαραλαµπίδης 3 Νοεµβρίου 29 ΟΜΟΙΟΜΟΡΦΗ ΚΑΤΑΝΟΜΗ Ας ϑεωρήσουµε µια συνεχή τυχαία µεταβλητή X ορισµένη στον Ω µε πεδίο τιµών το διάστηµα [α, ϐ], όπου α < ϐ πραγµατικοί αριθµοί. Η οµοιόµορφη
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. αλλού
ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. Η τυχαία μεταβλητή Χ έχει συνάρτηση πιθανότητας που δίνεται από τον πίνακα: x f(x) / / / / / Να βρεθεί η μέση τιμή και η διασπορά.. Η τυχαία μεταβλητή
Διαβάστε περισσότεραΤυχαίες Μεταβλητές (τ.µ.)
Τυχαίες Μεταβλητές (τ.µ.) Τυχαία Μεταβλητή (τ.µ.) : συνάρτηση Χ (.) µε πεδίο ορισµού τον δειγµατικό χώρο Ω και πεδίο τιµών ένα σύνολο πραγµατικών αριθµών. X (.) : Ω D ιακριτές τ.µ. Συνεχείς τ.µ. Η πιθανοτική
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)
(Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 25 Νοεµβρίου 2009 Ορισµός Εστω X µια διακριτή τυχαία µεταβλητή µε συνάρτηση πιθανότητας f(x) = e λ λx, x = 0, 1,..., (1) x! όπου 0 < λ
Διαβάστε περισσότεραpdf: X U(a, b) 0, x < a 1 b a, a x b 0, x > b
Πιθανότητες και Αρχές Στατιστικής (8η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 41 Περιεχόμενα
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Παράμετροι Ουρών Αναμονής Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 13/3/2019 ΠΑΡΑΜΕΤΡΟΙ (1/3) Ένταση φορτίου (traffic intensity) Σε περίπτωση 1 ουράς, 1 εξυπηρετητή:
Διαβάστε περισσότεραp B p I = = = 5
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2011 ιδάσκων : Π. Τσακαλίδης Λύσεις εύτερης Σειράς Ασκήσεων Ηµεροµηνία Ανάθεσης : 17/3/2011
Διαβάστε περισσότεραΜοντέλα Αναμονής σε Δίκτυα Επικοινωνιών. Ανάλυση Ουρών. Λάζαρος Μεράκος Τμήμα Πληροφορικής &Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών
Μοντέλα Αναμονής σε Δίκτυα Επικοινωνιών Ανάλυση Ουρών Λάζαρος Μεράκος Τμήμα Πληροφορικής &Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Μενού 1. Εισαγωγή 2. Θεώρημα του Little 3. Σύστημα M/M/1 System 4. Συστήματα
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 1
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 1 Συστήµατα αναµονής Οι ουρές αναµονής αποτελούν καθηµερινό και συνηθισµένο φαινόµενο και εµφανίζονται σε συστήµατα εξυπηρέτησης, στα οποία η ζήτηση για κάποια υπηρεσία δεν µπορεί να
Διαβάστε περισσότεραΕργαστηριακή Άσκηση Το σύστημα αναμονής M/G/1
Εργαστηριακή Άσκηση 2011-2012 Το σύστημα αναμονής M/G/1 Γιάννης Γαροφαλάκης, Καθηγητής Αθανάσιος Ν.Νικολακόπουλος, Υποψ. Διδάκτορας Σκοπός της παρούσας εργασίας είναι η εξερεύνηση των βασικών ιδιοτήτων
Διαβάστε περισσότεραΠΙΘΑΝΟΤΗΤΕΣ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών
Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Στοιχεία Θεωρίας Συνόλων Θεωρούµε Ω το σύνολο αναφοράς. σ-άλγεβρα Εστω A είναι µια κλάση υποσυνόλων του Ω. τ.ω. A είναι µη κενή. 2 A A A c A. 3 A, A 2,... A A A 2...
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuig Systems Επισκόπηση Γνώσεων Πιθανοτήτων Βασίλης Μάγκλαρης maglaris@etmode.tua.gr 7/3/2018 1 Η ΔΙΑΔΙΚΑΣΙΑ ΚΑΤΑΜΕΤΡΗΣΗΣ ΓΕΓΟΝΟΤΩΝ POISSON Η τυχαία εμφάνιση παλμών περιγράφεται σαν
Διαβάστε περισσότεραΗρώων Πολυτεχνείου 9, Ζωγράφου, Αθήνα, Τηλ: , Fax: URL
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής Εργαστήριο Διαχείρισης και Βέλτιστου Σχεδιασμού Δικτύων - NETMODE
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εισαγωγή (1/2) Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 1/3/2017 ΠΕΡΙΕΧΟΜΕΝΑ (1/3) http://www.netmode.ntua.gr/main/index.php?option=com_content&task=view& id=130&itemid=48
Διαβάστε περισσότεραΘεωρία Τηλεπικοινωνιακής Κίνησης Ενότητα 2: Θεμελιώδεις σχέσεις
Θεωρία Τηλεπικοινωνιακής Κίνησης Ενότητα 2: Θεμελιώδεις σχέσεις Μιχαήλ Λογοθέτης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Περιγραφή βασικών μοντέλων τηλεπικοινωνιακής
Διαβάστε περισσότεραΒιομαθηματικά BIO-156
Βιομαθηματικά BIO-156 Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 013 lika@biology.uoc.gr Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε απλό ενδεχόμενο
Διαβάστε περισσότεραΣημειώσεις : Πιθανότητες και Στοχαστικές Διαδικασίες
Γιάννης Γαροϕαλάκης, Καθηγητής Αθανάσιος Ν.Νικολακόπουλος, Υποψ.Διδάκτωρ Σημειώσεις : Πιθανότητες και Στοχαστικές Διαδικασίες Συνοπτική Παρουσίαση Χρήσιμων Εννοιών 18 Οκτωβρίου 2011 Τμήμα Μηχανικών Η/Υ
Διαβάστε περισσότεραΣτατιστική Ι-Θεωρητικές Κατανομές Ι
Στατιστική Ι-Θεωρητικές Κατανομές Ι Γεώργιος Κ. Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης 12 Δεκεμβρίου 2012 Περιγραφή 1 Θεωρητικές Κατανομές Η Χρήση των Θεωρητικών
Διαβάστε περισσότεραΜοντέλα Συστημάτων Αναμονής σε Δίκτυα Επικοινωνιών
Δίκτυα Επικοινωνιών ΙΙ Τμήμα Πληροφορικής και Τηλεπικοινωνιών Εθνικό & Καποδιστριακό Πανεπιστήμιο Αθηνών Μοντέλα Συστημάτων Αναμονής σε Δίκτυα Επικοινωνιών Διδάσκων: Λάζαρος Μεράκος Δίκτυα Επικοινωνιών
Διαβάστε περισσότεραΜέση Τιµή. Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής.
Μέση Τιµή Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: E( ) µ xf ( x) E( ) µ xf ( x) dx Παραδείγµατα: = = x = = αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής.
Διαβάστε περισσότεραΠανεπιστήμιο Πελοποννήσου
Πανεπιστήμιο Πελοποννήσου Τυχαίες μεταβλητές Κατανομές Τυχαία Μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) ονομάζεται η συνάρτηση που απεικονίζει το σύνολο των δυνατών αποτελεσμάτων ενός πειράματος στο σύνολο
Διαβάστε περισσότεραDunamoseirèc A. N. Giannakìpouloc, Tm ma Statistik c OPA
Dunamoseirèc A. N. Giannakìpouloc, Tm ma Statistik c OPA Eisagwg Οι δυναμοσειρές είναι μια πολύ ενδιαφέρουσα κατηγορία σειρών. Βρίσκουν πολύ σημαντικές εφαρμογές στον ορισμό συναρτήσεων καθώς και σε διάφορες
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ
15/1/009 ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 10 o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος:
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Birth-Death, Ουρές Markov: 1. Διαγράμματα Μεταβάσεων Εργοδικών Καταστάσεων 2. Εξισώσεις Ισορροπίας 3. Προσομοιώσεις Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Ουρές //1 εν σειρά, Θεώρημα Burke Ανοικτά Δίκτυα Ουρών arkov, Θεώρημα Jackson Εφαρμογή σε Δίκτυα Μεταγωγής Πακέτου Κλειστά Δίκτυα Ουρών arkov, Θεώρημα Gordon- Newell
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Birth-Death, Ουρές Markov:
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Birth-Death, Ουρές Markov: 1. Διαγράμματα Μεταβάσεων Εργοδικών Καταστάσεων, Εξισώσεις Ισορροπίας 2. Προσομοιώσεις, Άσκηση Προσομοίωσης Ουράς M/M/1/10 Βασίλης
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εισαγωγή
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εισαγωγή Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr Χρύσα Παπαγιάννη chrisap@noc.ntua.gr 24/2/2016 Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΔιαδικασίες Markov Υπενθύμιση
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Επίδοση Υπολογιστικών Συστημάτων Α.-Γ. Σταφυλοπάτης Διαδικασίες Markov Υπενθύμιση Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό
Διαβάστε περισσότεραp k = (1- ρ) ρ k. E[N(t)] = ρ /(1- ρ).
ΚΕΦΑΛΑΙΟ 2: CAM 2.1 Συστήµατα Μ/Μ/1 2.1.1 Ανασκόπηση θεωρίας Η ουρά Μ/Μ/1 είναι η πιο σηµαντική διαδικασία ουράς Άφιξη: ιαδικασία Poisson Εξυπηρέτηση: Ακολουθεί εκθετική κατανοµή Εξυπηρετητής: Ένας Χώρος
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Μοντέλα Ουρών Markov και Εφαρμογές:
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Μοντέλα Ουρών Markov και Εφαρμογές: Ουρά Μ/Μ/2 Σύστημα Μ/Μ/Ν/Κ, Erlang-C Σύστημα Μ/Μ/c/c, Erlang-B Ανάλυση & Σχεδιασμός Τηλεφωνικών Κέντρων Βελτιστοποίηση Μέσου Μήκους
Διαβάστε περισσότεραΤ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος
Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία Υπεύθυνος: Δρ. Κολιός Σταύρος Κατανομές Πιθανότητας Ως τυχαία μεταβλητή ορίζεται το σύνολο των τιμών ενός χαρακτηριστικού
Διαβάστε περισσότεραP(200 X 232) = =
ΕΝΔΕΙΚΤΙΚΑ ΘΕΜΑΤΑ ΠΙΘΑΝΟΤΗΤΕΣ. Το μέγεθος ενός αναλογικού σήματος, που λαμβάνεται από έναν ανιχνευτή και μετράται σε microvolts, είναι τυχαία μεταβλητή που ακολουθεί την Κανονική κατανομή Ν(00, 6) σε συγκεκριμένη
Διαβάστε περισσότεραΣτατιστική. Ενότητα 4 η : Θεωρητικές Κατανομές Πιθανότητας Διακριτής και Συνεχούς Τυχαίας Μεταβλητής. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ.
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 4 η : Θεωρητικές Κατανομές Πιθανότητας Διακριτής και Συνεχούς Τυχαίας Μεταβλητής Γεώργιος Ζιούτας Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 4 η : Χαρακτηριστικά Τυχαίων Μεταβλητών. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ.
Διαβάστε περισσότεραΟρισμός και Ιδιότητες
ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ Ορισμός και Ιδιότητες H κανονική κατανομή norml distriution θεωρείται η σπουδαιότερη κατανομή της Θεωρίας Πιθανοτήτων και της Στατιστικής. Οι λόγοι που εξηγούν την εξέχουσα θέση της,
Διαβάστε περισσότερα3. Προσομοίωση ενός Συστήματος Αναμονής.
3. Προσομοίωση ενός Συστήματος Αναμονής. 3.1. Διατύπωση του Προβλήματος. Τα συστήματα αναμονής (queueing systems), βρίσκονται πίσω από τα περισσότερα μοντέλα μελέτης της απόδοσης υπολογιστικών συστημάτων,
Διαβάστε περισσότεραιαστασιοποίηση του Ασύρµατου Μέρους του ικτύου
ιαστασιοποίηση του Ασύρµατου Μέρους του ικτύου Συγκέντρωση/Οµαδοποίηση Πόρων Τα συστήµατα απευθύνονται σε µεγάλο πλήθος χρηστών Η συγκέντρωση (trunking) ή αλλιώς οµαδοποίηση των διαθέσιµων καναλιών επιτρέπει
Διαβάστε περισσότεραΘέμα 1 (20%) (α) Πότε είναι εργοδικό το παραπάνω σύστημα; Για πεπερασμένο c, το σύστημα είναι πάντα εργοδικό.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής Εργαστήριο Διαχείρισης & Βέλτιστου Σχεδιασμού Δικτύων - NETMODE
Διαβάστε περισσότεραΤυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου
Τυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου Σχολή Ναυτικών οκίµων Ακ. Ετος 2018-2019 Τυχαίες Μεταβλητές Συνάρτηση Κατανοµής ιακριτές Τυχαίες Μεταβλητές Παράµετροι τ.µ. Συνεχείς Τυχαίες
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Κλειστά Δίκτυα Ουρών Markov Θεώρημα Gordon Newell Αλγόριθμος Buzen Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 9/5/2018 ΚΛΕΙΣΤΟ ΔΙΚΤΥΟ ΔΥΟ ΕΚΘΕΤΙΚΩΝ ΟΥΡΩΝ Μ = 2 Ουρές,
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ ΧΑΡΑΛΑΜΠΟΣ ΜΠΟΤΣΑΡΗΣ ΘΕΜΑ
ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ ΧΑΡΑΛΑΜΠΟΣ ΜΠΟΤΣΑΡΗΣ ΘΕΜΑ ΘΕΩΡΙΑ ΓΡΑΜΜΩΝ ΑΝΑΜΟΝΗΣ ΣΕ ΙΚΤΥΑ ΜΠΙΣΜΠΙΚΗΣ ΑΘΑΝΑΣΙΟΣ Α.Μ.
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής Εργαστήριο Διαχείρισης και Βέλτιστου Σχεδιασμού Δικτύων - NETMODE
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Δίκτυα Ουρών - Παραδείγματα Β. Μάγκλαρης, Σ. Παπαβασιλείου 17-7-2014 Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΘεωρία Τηλεπικοινωνιακής Κίνησης
Θεωρία Τηλεπικοινωνιακής Κίνησης Ενότητα: Ασκήσεις για τις ενότητες 1 2 (Εισαγωγή Θεμελιώδεις σχέσεις) Ιωάννης Μοσχολιός Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σελίδα 2 Περιεχόμενα 1.
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ ΤΗΛΕΦΩΝΙΚΗΣ ΚΙΝΗΣΗΣ
ΣΤΑΤΙΣΤΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ ΤΗΛΕΦΩΝΙΚΗΣ ΚΙΝΗΣΗΣ Τέλεια δέσµη: όλες οι γραµµές της είναι προσπελάσιµες από οποιαδήποτε είσοδο. Ατελής δέσµη: όλες οι γραµµές της δεν είναι προσπελάσιµες από οποιαδήποτε είσοδο
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Ανάλυση Μεταγωγής Πακέτου - Μοντέλο M/M/1 Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 25/4/2018 ΟΥΡΑ Μ/Μ/2 (επανάληψη) Αφίξεις Poisson με ομοιόμορφο μέσο ρυθμό λ k = λ
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ
Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Μοντέλα Ουρών Markov και Εφαρμογές:
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Μοντέλα Ουρών Markov και Εφαρμογές: Ουρά Μ/Μ/2 Σύστημα Μ/Μ/Ν/Κ, Erlang-C Σύστημα Μ/Μ/c/c, Erlang-B Ανάλυση & Σχεδιασμός Τηλεφωνικών Κέντρων Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr
Διαβάστε περισσότεραΚεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 )
Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ 3.1 Η έννοια της παραγώγου Εστω y = f(x) µία συνάρτηση, που συνδέει τις µεταβλητές ποσότητες x και y. Ενα ερώτηµα που µπορεί να προκύψει καθώς µελετούµε τις δύο αυτές ποσοτήτες είναι
Διαβάστε περισσότεραΒιομαθηματικά BIO-156. Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017
Βιομαθηματικά BIO-156 Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων Ντίνα Λύκα Εαρινό Εξάμηνο, 17 lika@biology.uoc.gr Τυχαία Μεταβλητή τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε απλό ενδεχόμενο
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τοµέας Επικοινωνιών, Ηεκτρονικής & Συστηµάτων Πηροφορικής Εργαστήριο ιαχείρισης & Βετίστου Σχεδιασµού ικτύων - NETMODE Πουτεχνειούποη
Διαβάστε περισσότεραίκτυα Επικοινωνίας Υπολογιστών
ίκτυα Επικοινωνίας Υπολογιστών Ενότητα: Ασκήσεις για την ενότητα 5 (Στοιχεία Θεωρίας Τηλεπικοινωνιακής Κίνησης) Ιωάννης Μοσχολιός Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σελίδα 2 Περιεχόμενα
Διαβάστε περισσότεραΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Χρήση τυχαίων µεταβλητών για την απεικόνιση εκβάσεων τυχαίου πειράµατος Κατανόηση της έννοιας κατανοµής πιθανοτήτων τυχαίας µεταβλητής Υπολογισµός της συνάρτηση κατανοµής πιθανοτήτων
Διαβάστε περισσότεραΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών
Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Είδη τυχαίων διανυσµάτων 1. ιακριτού τύπου X = (X 1, X 2,...,X k ) ονοµάζεται διακριτό τυχαίο διάνυσµα αν το πεδίο τιµών του είναι της µορφής, S = {x 1 x 2 n,,...,x,...}.
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο ιδάσκων : Π.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2015-16 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 4 Επιµέλεια : Σοφία Σαββάκη Ασκηση 1. Βρίσκεστε
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Κλειστά Δίκτυα Ουρών Markov - Αλγόριθμος Buzen Μοντέλο Παράλληλης Επεξεργασίας Έλεγχος Ροής Άκρου σε Άκρο (e2e) στο Internet Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr
Διαβάστε περισσότεραΑπλα Συστήματα Αναμονής Υπενθύμιση
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Επίδοση Υπολογιστικών Συστημάτων Α.-Γ. Σταφυλοπάτης Απλα Συστήματα Αναμονής Υπενθύμιση Άδεια Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΘΕΩΡΙΑ ΟΥΡΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΘΕΩΡΙΑ ΟΥΡΩΝ Ακαδ. Έτος 2011-2012 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Διδάσκων επί Συμβάσει Π.Δ 407/80 v.koutras@fme.aegean.gr
Διαβάστε περισσότεραΚεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής
Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Γιάννης Γαροφαλάκης Αν. Καθηγητής ιατύπωση του προβλήματος (1) Τα συστήματα αναμονής (queueing systems), βρίσκονται
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΠΙΘΑΝΟΤΗΤΩΝ
ΕΡΓΑΣΤΗΡΙΟ ΠΙΘΑΝΟΤΗΤΩΝ ΜΕΡΟΣ Ο ΙΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ Στο εργαστήριο αυτό θα ασχοληθούµε µε την προσοµοίωση της ρίψεως ενός δίκαιου νοµίσµατος. Το µοντέλο το οποίο θα πρέπει να πραγµατοποιήσουµε θα πρέπει να
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι)
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Χρόνου (Ι) Στοχαστικά σήματα Στα προηγούμενα: Ντετερμινιστικά
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εφαρμογές Κλειστών Δικτύων Ουρών Markov: 1. Ανάλυση Window Flow Control σε Δίκτυα Υπολογιστών 2. Αξιολόγηση Συστημάτων Πολύ-προγραμματισμού (Multitasking) Γενίκευση Μοντέλων
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Δίκτυα Ουρών Β. Μάγκλαρης, Σ. Παπαβασιλείου 10-7-2014 Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως
Διαβάστε περισσότεραHMY 799 1: Αναγνώριση Συστημάτων
HMY 799 : Αναγνώριση Συστημάτων Διάλεξη Στοχαστικές Τυχαίες Μεταβλητές/ Στοχαστικά Σήματα Πειραματικά δεδομένα >Επιλογή τύπου μοντέλου >Επιλογή κριτηρίου >Υπολογισμός >Επικύρωση Προσαρμογή καμπύλης (Curve
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Γεννήσεων - Θανάτων Εξισώσεις Ισορροπίας - Ουρές Μ/Μ/1, M/M/1/N Προσομοίωση Ουράς Μ/Μ/1/Ν
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Γεννήσεων - Θανάτων Εξισώσεις Ισορροπίας - Ουρές Μ/Μ/1, M/M/1/N Προσομοίωση Ουράς Μ/Μ/1/Ν Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 23/3/2016 Άδεια Χρήσης
Διαβάστε περισσότερα