P (M = n T = t)µe µt dt. λ+µ
|
|
- Ολυμπία Καλογιάννης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 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, που ακολουθεί εκθετική κατανομή με παράμετρο µ. Εστω M ο αριθμός αφίξεων κατά τη διάρκεια του T. Υπολογίστε την κατανομή του M με δύο τρόπους. Εστω f(t) = µ exp µt η συνάρτηση πυκνότητας πιθανότητας της T. Εφαρμόζουμε το νόμο ολικής πιθανότητας δεσμεύοντας ως προς την τιμή της T, και χρησιμοποιούμε την ιδιότητα της διαδικασίας Poisson ότι για t 0, N(t) P oisson(λt): P (M = n) = = = = 0 0 P (M = n T = t)µe µt dt λt (λt)n e µe µt dt n! µλ n (λ + µ) n+1 0 (λ + µ) µλ n (λ + µ) n+1 = ( λ λ + µ n+1 tn n! e (λ+µ)t dt ) n µ λ + µ. Το τελευταίο ολοκλήρωμα είναι ίσο με 1, καθώς η ολοκληρωτέα ποσότητα είναι η συνάρτηση πυκνότητας πιθανότητας της κατανομής Γάμμα με παραμέτρους n + 1, λ + µ. Επομένως P (M = n) = (1 p) n p, n = 0, 1,,... δηλαδή η M ακολουθεί γεωμετρική κατανομή (αριθμός αποτυχιών μέχρι την πρώτη επιτυχία) με παράμετρο p = µ λ+µ. Το αποτέλεσμα αυτό θα μπορούσαμε να το συμπεράνουμε και με βάση τις ιδιότητες της εκθετικής κατανομής. Συγκεκριμένα, έστω το διάστημα [0, T ], A 1 ο χρόνος άφιξης του πρώτου πελάτη και A, A 3,... οι διαδοχικοί χρόνοι μεταξύ αφίξεων της{n(t), t 0}. Οι A 1, A,... είναι α.ι.τ.μ. που ακολουθούν εκθετική κατανομή με παράμετρο λ f Aj (x) = λe λx, x 0, j = 1,,.... Η πιθανότητα P (M = n μπορεί να γραφτεί ως εξής: και P (M = 0) = P (A 1 > T ) (1) P (M = n) = P (A A n < T, A A n + A n+1 > T ), n = 1,,.... Επειδή οι A 1, T είναι ανεξάρτητες εκθετικές, P (A 1 > T ) = µ λ+µ. Για n 1, έχουμε P (M = n) = P (A1 + + A n < T )P (A A n + A n+1 > T A A n < T () ). Για τη δεσμευμένη πιθανότητα παραπάνω θα δείξουμε ότι P (A A n + A n+1 > T A A n < T ) = P (A n+1 > T ) = µ λ + µ. (3) Η ισότητα αυτή είναι επέκταση της αμνήμονης ιδιότητας της εκθετικής κατανομής και σημαίνει ότι αν η διάρκεια του T ξεπεράσει το χρόνο άφιξης του n οστού πελάτη, τότε η υπόλοιπη
2 διάρκεια του T συνεχίζει να ακολουθεί εκθετική κατανομή με παράμετρο λ σα να ξεκινούσε το T τη στιγμή της n-οστής άφιξης. Για να αποδείξουμε την (3) έχουμε P (A A n + A n+1 > T A A n < T ) = 1 P (A A n + A n+1 < T A A n < T ) = 1 1 P (A A n + A n+1 < T ) P (A A n < T ) x = 1 1 =0 x n+1 =0 P (T > x x n+1 )f A1 (x 1 ) f An+1 (x n+1 )dx n+1 dx 1 x 1 =0 x P (T > x n= x n )f A1 (x 1 ) f An (x n )dx n dx 1 x = 1 1 =0 x n+1 =0 e µ(x 1+ +x n+1 ) f A1 (x 1 ) f An+1 (x n+1 )dx n+1 dx 1 x 1 =0 x n=0 e µ(x 1+ +x n+1 ) f A1 (x 1 ) f An (x n )dx n dx 1 = 1 E(e µa 1 )E(e µa ) E(e µa n+1 ) E(e µa 1 )E(e µa ) E(e µa n) = 1 E(e µa n+1 ) = 1 = 1 x n+1 =0 x n+1 =0 e µx n+1 f An+1 (x n+1 )dx n+1 P (T > x n+1 )f An+1 (x n+1 )dx n+1 = 1 P (T > A n+1 ) = P (T < A n+1 ). Αξίζει να σημειωθεί ότι η παραπάνω απόδειξη της (3) ισχύει στη γενική περίπτωση που οι A 1, A,... είναι τυχαίες μεταβλητές ανεξάρτητες μεταξύ τους και ανεξάρτητες της T, χωρίς να απαιτείται να είναι ισόνομες ή εκθετικές. Τώρα η κατανομή του M μπορεί να βρεθεί εφαρμόζοντας επαναληπτικά την (3). Πραγματικά για n > 0 από την (): P (M = n) = P (A A n < T )P (A A n + A n+1 > T A A n < T ) Επίσης = P (A A n < T )P (A n+1 > T ). (4) P (A A n < T ) = P (A A n 1 < T )P (A A n < T A A n 1 < T ) = P (A A n 1 < T )P (A n < T ) λόγω πάλι της (3). Επαναλαμβάνοντας την παρακάτω ανισότητα για n 1, n,..., 1 παίρνουμε P (A A n < T ) = P (A 1 < T ) P (A n < T ) = αφού οι A 1,..., A n είναι ισόνομες εκθετικές. Επομένως από την (4) P (M = n) = ( ) λ n µ λ + µ λ + µ. ( ) λ n, λ + µ ΑΣΚΗΣΗ. Εστω {N(t), t 0} διαδικασία Poisson. Δείξτε ότι για 0 s < t, η δεσμευμένη κατανομή του αριθμού αφίξεων N(s) στο διάστημα [0, s], δεδομένου ότι ο συνολικός αριθμός αφίξεων N(t) στο διάστημα [0, t] είναι ίσος με n, είναι διωνυμική με παραμέτρους (n, s/t).
3 Εστω N(s, t] ο αριθμός αφίξεων στο διάστημα (s, t]. Χωρίς την πληροφορία ότι N(t) = n, οι N(s) και N(s, t] αναφέρονται σε μη επικαλυπτόμενα διαστήματα χρόνου, επομένως είναι ανεξάρτητες και ακολουθούν κατανομή Poisson με παραμέτρους λs και λ(t s), αντίστοιχα. Επομένως η δεσμευμένη κατανομή της N(s) δεδομένου ότι N(t) = n υπολογίζεται ως εξής: P (N(s) = k N(t) = n) = = = P (N(s) = k, N(s, t] = n k) P (N(t) = n) λksk e λs k! e λ(t s) λ n k (t s) n k (n k)! e λt λ n t n ( n k ) (s t n! ) k ( 1 s ) n k, t για k = 0, 1,..., n. Επομένως N(s) N(t)=n B(n, s t ). ΑΣΚΗΣΗ 3. Εστω {X(t), t 0} μια Μαρκοβιανή αλυσίδα συνεχούς χρόνου, όπου X(t) δηλώνει τον αριθμό εργασιών που βρίσκονται σε ένα κέντρο εξυπηρέτησης, στο οποίο επιτρέπεται να υπάρχουν μέχρι 3 εργασίες. Οι χρόνοι μεταξύ διαδοχικών αφίξεων εργασιών στο σύστημα είναι ανεξάρτητες και ισόνομες τυχαίες μεταβλητές που ακολουθούν εκθετική κατανομή με μέση τιμή 1 ημέρα. Αν κατά την άφιξη μιας εργασίας δεν υπάρχει κενή θέση, αυτή απορρίπτεται από το σύστημα. Στο σύστημα υπάρχει ένας σταθμός εξυπηρέτησης που μπορεί να εξυπηρετεί το πολύ μια εργασία κάθε στιγμή. Οι χρόνοι εξυπηρέτησης ακολουθούν εκθετική κατανομή με μέση τιμή 1 ημέρα. (α) Να σχεδιαστεί το διάγραμμα ρυθμών μετάβασης για την αλυσίδα. (β) Να διατυπωθούν οι εξισώσεις στάσιμης κατάστασης. (γ) Να βρεθεί η οριακή κατανομή του αριθμού εργασιών στο σύστημα. (α) Πρόκειται για υπόδειγμα ουράς M/M/1/3 με ρυθμό αφίξεων λ και εξυπηρετήσεων µ. Το διάγραμμα ρυθμών μετάβασης φαίνεται στο Σχήμα 1. Σχήμα 1: Άσκηση 3 (β) Παίρνοντας τις εξισώσεις ισορροπίας για τις τρεις τομές που φαίνονται στο διάγραμμα έχουμε p 0 λ = p 1 µ p 1 λ = p µ
4 p λ = p 3 µ p 0 + p 1 + p + p 3 = 1 (γ) Η λύση του συστήματος μας δίνει την οριακή κατανομή του αριθμού πελατών στο σύστημα. Συγκεκριμένα για ρ = λ/µ 1: p n = (1 ρ)ρn 1 ρ 4, n = 0, 1,, 3 ενώ για ρ = 1 p n = 1/4, n = 0, 1,, 3. ΑΣΚΗΣΗ 4. Εστω ένα σύστημα εξυπηρέτησης με m υπηρέτες, στο οποίο οι χρόνοι εξυπηρέτησης ακολουθούν εκθετική κατανομή με ρυθμό µ. Κάποια στιγμή (έστω χωρίς βλάβη της γενικότητας t = 0) όπου στο σύστημα υπάρχουν n πελάτες, με n > m, το σύστημα σταματά να δέχεται εξωτερικές αφίξεις και συνεχίζει τη λειτουργία του μέχρι να αδειάσει. (α) Να γίνει το διάγραμμα ρυθμών μετάβασης για τη διαδικασία {X(t), t }0. (β) Είναι αυτή η διαδικασία εργοδική; (γ) Να υπολογιστεί ο αναμενόμενος χρόνος μέχρι τη στιγμή που θα αδειάσει το σύστημα. (α) Πρόκειται για Μαρκοβιανή διαδικασία θανάτων με ρυθμό αναχωρήσεων µ j = min(j, k)µ, j = 1,..., n. Το διάγραμμα ρυθμών μετάβασης φαίνεται στο Σχήμα. Σχήμα : Άσκηση 4 (β) Η διαδικασία δεν είναι εργοδική γιατί οι καταστάσεις δεν επικοινωνούν μεταξύ τους και είναι όλες μεταβατικές εκτός από την 0 που είναι απορροφητική. (γ) Ο αναμενόμενος χρόνος πρώτης μετάβασης από την κατάσταση n στην κατάσταση 0 υπολογίζεται ως εξής: Για τις μεταβάσεις n n 1, n 1 n,..., k + 1 k, ο αναμενόμενος χρόνος για την κάθε μετάβαση είναι ίσος με 1/(kµ). Επομένως ο αναμενόμενος χρόνος για τη μετάβαση n k 1 είναι ίσος με n k kµ. Μετά κάθε μετάβαση j j 1 έχει αναμενόμενο χρόνο 1/(jµ), επομένως ο αναμενόμενος χρόνος k 0 είναι ίσος με k j=1 1 jµ. Συνεπώς ο αναμενόμενος χρόνος μέχρι να αδειάσει το σύστημα είναι ίσος με 1 k µ j=1 1 j + n k. k ΑΣΚΗΣΗ 5. Εστω μια Μαρκοβιανή αλυσίδα συνεχούς χρόνου με χώρο καταστάσεων S = {1,, 3, 4} και πίνακα ρυθμών μετάβασης Q =
5 (α) Να διατυπωθούν οι εξισώσεις στάσιμης κατάστασης. (β) Να βρεθεί η οριακή κατανομή. (α) Οι εξισώσεις στάσιμης κατάστασης σε πινακική μορφή γράφονται p Q = 0, και η εξίσωση κανονικοποίησης είναι p n = 1. Από τις 4 εξισώσεις στάσιμης κατάστασης οι 3 είναι γραμμικά ανεξάρτητες. Αν παραλείψουμε την 4η, το σύστημα γίνεται : 3p 1 + 3p + p 3 + p 4 = 0 p 1 6p + 3p 3 + p 4 = 0 p 1 6p 3 + 3p 4 = 0 p 1 + p + p 3 + p 4 = 1 (β) Λύνοντας το παραπάνω γραμμικό σύστημα προκύπτει το διάνυσμα της οριακής κατανομής p = (0.4, 0.69, 0.150, 0.159). ΑΣΚΗΣΗ 6. Σε ένα σύστημα εξυπηρέτησης με ένα υπηρέτη και πειθαρχία F CF S παρατηρήθηκαν οι παρακάτω τιμές για τους ενδιάμεσους χρόνους μεταξύ αφίξεων και τους χρόνους εξυπηρέτησης των πρώτων 0 πελατών, όπως φαίνονται στον Πίνακα 1. Τη στιγμή t = 0 το σύστημα είναι άδειο ενώ ο χρόνος άφιξης του πρώτου πελάτη είναι t 1 = 0. Εστω ότι δεν υπάρχουν άλλες αφίξεις μετά την 0ή. Πελάτης (C i ) Ενδιάμεσος χρόνος (T i ) Χρόνος εξυπηρέτησης (X i ) Πίνακας 1: Στοιχεία αφίξεων εξυπηρετήσεων (α) Σχεδιάστε το διάγραμμα μεταβολής του μήκους ουράς Q(t) συναρτήσει του χρόνου t. (β) Υπολογίστε το μέσο χρόνο παραμονής στο σύστημα ανά πελάτη και το μέσο μήκος ουράς ανά μονάδα χρόνου.
6 (γ) Υπολογίστε το μέσο χρόνο σε κατάσταση αναμονής ανά πελάτη για όλους τους πελάτες, όπως επίσης και το μέσο χρόνο σε κατάσταση αναμονής ανά πελάτη μόνο για τους πελάτες που δεν εξυπηρετήθηκαν αμέσως. (δ) Υπολογίστε το μέσο αριθμό πελατών σε κατάσταση αναμονής ανά μονάδα χρόνου, και τα ποσοστά χρόνου που ο υπηρέτης εργάζεται ή είναι σε αδράνεια. (α) Πριν σχεδιάσουμε το διάγραμμα είναι χρήσιμο να συμπληρώσουμε στον πίνακα που δόθηκε για κάθε πελάτη C i το χρόνο άφιξης t i το χρόνο έναρξης της εξυπηρέτησης σ i και το χρόνο αναχώρησης τ i. Οι χρόνοι αυτοί δίνονται από τις παρακάτω σχέσεις: t i+1 = t i + T i, σ i = max(τ i 1, t i ), τ i = σ i + X i, 1 για i, ενώ οι αρχικές τιμές είναι t 1 = 0, σ 1 = t 1 = 0, τ 1 = X 1. Η εξίσωση για το σ i προκύπτει από το γεγονός ότι για να ξεκινήσει η εξυπηρέτηση του πελάτη C i θα πρέπει να έχει τελειώσει η εξυπηρέτηση του προηγούμενου πελάτη C i 1 και να έχει γίνει και η άφιξη του C i. Αφού βρεθούν οι χρόνοι t i, σ i, τ i, i = 1,..., 0, μπορούν άμεσα να υπολογιστούν οι χρόνοι παραμονής στην ουρά και στο σύστημα: W i = σ i t i S i τ i t i = W i + X i Οι παραπάνω υπολογισμοί φαίνονται στον Πίνακα. Πελάτης (C i ) T i X i t i σ i τ i W i S i Πίνακας : Χρόνοι άφιξης, έναρξης εξυπηρέτησης, αναχώρησης και καθυστερήσεων Το αρχικό μέρος του διαγράμματος φαίνεται στο Σχήμα 3. Σε κάθε πελάτη αντιστοιχεί ένα ορθογώνιο με μήκος ίσο με το χρόνο σε αναμονή W i (κόκκινο χρώμα) και ένα με μήκος ίσο με το χρόνο εξυπηρέτησης X i (πράσινο χρώμα). Το ύψος κάθε ορθογωνίου είναι ίσο με 1.
7 Σχήμα 3: Άσκηση 6: Διάγραμμα μήκους ουράς (β) Από τον Πίνακα προκύπτει ο μέσος χρόνος παραμονής στο σύστημα για τους 0 πελάτες S 0 = S S 0 0 = 9.65 Για το μέσο μήκος ουράς ανά μονάδα χρόνου θεωρούμε το χρονικό διάστημα [0,138] από την άφιξη του πρώτου μέχρι την αναχώρηση του 0ού πελάτη. Το μέσο μήκος ουράς στο διάστημα αυτό είναι ίσο με Q(t)dt Q 138 = 138 Το ολοκλήρωμα στον αριθμητή είναι ίσο με το εμβαδό της χρωματισμένης περιοχής (και των δύο χρωμάτων). Αυτό μπορεί να υπολογιστεί ως το άθροισμα των εμβαδών των επιμέρους ορθογωνίων κάθε πελάτη, δηλαδή: Επομένως Q(t)dt = S 1 + S + + S 0 = 0 S 0. Q 138 = 0 S 0 = (γ) Ο μέσος χρόνος σε αναμονή για τους 0 πελάτες είναι ίσος με W 0 = W W 0 0 = 3.45 Οι πελάτες που δεν εξυπηρετήθηκαν αμέσως είναι αυτοί για τους οποίους ισχύει W i > 0. Επομένως ο αριθμός τους είναι ίσος με 0 i=1 1(W i > 0) = 1 και ο μέσος χρόνος αναμονής αυτών των πελατών είναι ίσος με W W > 0 = 0 i=1 W i1(w i > 0) 0 i=1 1(W = 5.75 i > 0) (δ) Αντίστοιχα με τον υπολογισμό του μέσου μήκους ουράς, ο μέσος αριθμός πελατών σε αναμονή είναι ίσος με (Q q ) 138 = W W = 0 W = 0.5
8 Το ποσοστό χρόνου που ο υπηρέτης εργάστηκε στο διάστημα [0,138] είναι ίσο με X X = και επομένως το ποσοστό του χρόνου σε αδράνεια ίσο με ΑΣΚΗΣΗ 7. Σε ένα κουρείο εργάζονται δύο κουρείς Α, Β, σε δύο διπλανές καρέκλες κουρέματος. Στο κουρείο υπάρχουν άλλα δύο καθίσματα για να περιμένουν πελάτες, ενώ όσοι πελάτες έρχοντι και δε βρίσκουν κενό κάθισμα φεύγουν. Οι ιδιοκτήτες έχουν συλλέξει στατιστικά στοιχεία σύμφωνα με τα οποία στο κατάστημα βρίσκονται 0, 1,, 3 ή 4 πελάτες σε αντίστοιχα ποσοστά χρόνου p 0 = 1 16, p 1 = 4 16, p = 6 16, p 3 = 4 16, p 4 = Επίσης έχουν παρατηρήσει ότι στο κουρείο έρχονται και μένουν για κούρεμα κατά μέσο όρο 4 πελάτες την ώρα. (α) Υπολογίστε το μέσο αριθμό πελατών στο σύστημα Q, το μέσο αριθμό σε αναμονή Q q και το μέσο αριθμό πελατών σε εξυπηρέτηση Q s, σε στάσιμη κατάσταση. Δώστε δύο εναλλακτικές ερμηνείες για κάθε μια από αυτές τις ποσότητες. (β) Υπολογίστε το μέσο χρόνο παραμονής στο κουρείο και το μέσο χρόνο σε αναμονή ανά πελάτη σε στάσιμη κατάσταση. (γ) Πόσο διαρκεί κατά μέσο όρο ένα κούρεμα; (Υποθέστε ότι και οι δύο κουρείς εργάζονται με την ίδια ταχύτητα.) Το σύστημα που περιγράφεται αντιστοιχεί σε υπόδειγμα G/G//4. Δίνονται η οριακή κατανομή p του αριθμού πελατών στο σύστημα και ο μέσος ρυθμός εισόδου λ (αριθμός πελατών που παραμένουν ανά μονάδα χρόνου). Εστω λ ο συνολικός ρυθμός άφιξης των πελατών. Τότε λ = λ(1 p 4 ). (α) Ο μέσος αριθμός πελατών στο σύστημα προκύπτει από την αναμενόμενη τιμή της οριακής κατανομής: Q = E(Q) = np n = p 1 + p + 3p 3 + 4p 4 =. n Επομένως αν το σύστημα παρατηρηθεί μια τυχαία χρονική στιγμή μετά από πολύ μεγάλο χρονικό διάστημα αφού ξεκινήσει η λειτουργία του, ο αναμενόμενος αριθμός πελατών που θα βρεθούν είναι. Εναλλακτικά, από την εργοδική ερμηνεία της οριακής κατανομής προκύπτει ότι ο μέσος αριθμός ατόμων στο σύστημα ανά μονάδα χρόνου σε άπειρο ορίζοντα είναι. Ο αριθμός πελατών στο χώρο αναμονής Q q (t) προκύπτει από τη σχέση Q q (t) = max(q(t), 0). Επομένως Q q = E(Q q ) = n max(n, 0)p n = p 3 + p 4 = 3 8. Ο αριθμός πελατών σε εξυπηρέτηση είναι ίσος με Q s (t) = Q(t) Q q (t). Επομένως Q s = E(Q s ) = 3 8 = (β) Εφαρμόζοντας το νόμο του Little στο συνολικό σύστημα και στο χώρο αναμονής προκύπτει αντίστοιχα: E(Q) = λe(s) E(S) = E(Q) = 1 λ και E(Q q ) = λe(s q ) E(S q ) = E(Q q) λ = 3 3.
9 (γ) Εφαρμόζοντας το νόμο του Little στο χώρο εξυπηρέτησης προκύπτει: E(Q s ) = λe(x) E(X) = E(Q s) λ = 13 3 ΑΣΚΗΣΗ 8. Υπολογίστε το μέσο οριακό μήκος ουράς για την ουρά GI/G/ με μέσο ενδιάμεσο χρόνο αφίξεων a και μέσο χρόνο εξυπηρέτησης b. Στην ουρά GI/G/ κάθε πελάτης αρχίζει την εξυπηρέτηση τη στιγμή που φτάνει στο σύστημα, επομένως ο συνολικός χρόνος παραμονής ισούται με το χρόνο εξυπηρέτησης b. Ο μέσος ρυθμός αφίξεων είναι ίσος με λ = 1/a. Εφαρμόζοντας το νόμο του Little στο συνολικό σύστημα βρίσκουμε E(Q) = λe(s) = b a = ρ. ΑΣΚΗΣΗ 9. Θεωρήστε μια ουρά M/M/k με μέσο ρυθμό αφίξεων 10 πελάτες την ώρα και μέσο χρόνο εξυπηρέτησης 85 λεπτά. (α) Ποιος είναι ο ελάχιστος αριθμός υπηρετών που απαιτείται έτσι ώστε το σύστημα να είναι ευσταθές; (α) Ποιος είναι ο ελάχιστος αριθμός υπηρετών που απαιτείται έτσι ώστε το σύστημα να είναι ευσταθές, αν η εργατική νομοθεσία επιβάλλει κάθε υπηρέτης να είναι απασχολημένος το πολύ το 80% του χρόνου του; Ο ρυθμός αφίξεων είναι λ = 10, ο μέσος χρόνος εξυπηρέτησης 1 17 µ = 85/60 = 1, επομένως ο ρυθμός εξυπηρέτησης µ = Επομένως ρ = λ µ = Η συνθήκη ευστάθειας είναι ρ < k, επομένως k > 85 6, επομένως k 15. (β) Αν κάθε υπηρέτης εργάζεται το 80% του χρόνου του, ο μέσος ρυθμός εξυπηρέτησης είναι ίσος με µ 1 = 0.8µ, επομένως ρ 1 = 10 8 ρ = Από τη συνθήκη ευστάθειας τώρα παίρνουμε k 18. ΑΣΚΗΣΗ 10. Θεωρήστε την ουρά M/M// με μέσο ρυθμό αφίξεων λ και μέσο χρόνο εξυπηρέτησης b = 1/µ. (α) Σχεδιάστε το διάγραμμα ρυθμών μετάβασης για τη Μαρκοβιανή διαδικασία του μήκους ουράς, και υπολογίστε την οριακή κατανομή p = (p 0, p 1, p ). (β) Υπολογίστε το μέσο οριακό αριθμό πελατών στο σύστημα E(Q). (γ) Επαληθεύστε το θεώρημα του Little για το E(Q). (α) Το διάγραμμα ρυθμών μετάβασης φαίνεται στο Σχήμα 4. Οι εξισώσεις οριακής κατανομής είναι λp 0 = µp 1 ισοδύναμα λp 1 = µp p 0 + p 1 + p = 1 p 1 = ρp 0 p = ρ p 0 p 0 + p 1 + p = 1
10 Σχήμα 4: Άσκηση 10 Από τη λύση προκύπτει η οριακή κατανομή p 0 = ρ + ρ, p 1 = ρ 1 + ρ + ρ, p = (β) Ο μέσος οριακός αριθμός πελατών στο σύστημα είναι ίσος με ρ. 1 + ρ + ρ E(Q) = n (γ) Ο μέσος ρυθμός αφίξεων είναι ίσος με np n = p 1 + p = ρ + ρ 1 + ρ + ρ. λ = λ(p 0 + p 1 ) = λ 1 + ρ 1 + ρ + ρ Επειδή δεν υπάρχει χώρος αναμονής, ο συνολικός χρόνος παραμονής ισούται με το χρόνο εξυπηρέτησης E(S) = E(X) = 1/µ. Επομένως από το νόμο του Little προκύπτει E(Q) = λe(s) = ρ 1 + ρ 1 + ρ + ρ που ταυτίζεται με την έκφραση που υπολογίστηκε στο ερώτημα (β)...
1 + ρ ρ ρ3. iπ i = Q = λ λ i=0. n=0 tn. n! Qn, t 0
Στοχαστικές Διαδικασίες ΙΙ Ιανουάριος 07 Διαδικασίες Markov σε Συνεχή Χρόνο - Παραδείγματα Μ. Ζαζάνης Πρόβλημα. Εστω ένα σύστημα M/M//3 στο οποίο οι αφίξεις είναι Poisson με ρυθμό λ και οι δύο υπηρέτες
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 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 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 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 περισσότεραΣτοχαστικές Μέθοδοι στην Επιχειρησιακή Έρευνα Ι. Λύσεις Ασκήσεων
Στοχαστικές Μέθοδοι στην Επιχειρησιακή Έρευνα Ι Λύσεις Ασκήσεων Λύνονται ορισμένες από τις ασκήσεις του φυλλαδίου της e-class, που τέθηκαν κατά το εαρινό εξάμηνο 218-219. Είναι πιθανόν να υπάρχουν αρκετά
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 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 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 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 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 περισσότεραΟ Π Ε Υ Ελάχιστα γραμμών Ο *maximin (A) Π Ε Υ * minimax (B)
ΑΣΚΗΣΗ Β Μέγιστο στήλης Ο Π Ε Υ Ελάχιστα γραμμών Ο 60 5 55 65 5*maximin (A) Π 50 75 70 45 45 Ε 56 30 30 50 30 Υ 40 30 35 55 30 *60 75 70 65 minimax (B) Επειδή maximin (A) minimax (B) δεν υπάρχει ισορροπία
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 περισσότεραE[X n+1 ] = c 6 z z 2. P X (z) =
Στοχαστικές Μέθοδοι στην Επιχειρησιακή Ερευνα Ι Ασκήσεις 2017-2018, έκδοση 1/3/2018 Αντώνης Οικονόμου 1 Υπενθυμίσεις από τις Πιθανότητες 1. Ενας φοιτητής έχει n βιβλία, αριθμημένα ως 1, 2,..., n. Το βιβλίο
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 περισσότεραMarkov. 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 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 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 περισσότεραΠαραδείγματα Θεμάτων/Ασκήσεων Συστημάτων Ουρών Αναμονής
Παραδείγματα Θεμάτων/Ασκήσεων Συστημάτων Ουρών Αναμονής Γ. Λυμπερόπουλος Ιανουάριος 2012 Θέμα 1 Ένα εργοστάσιο που δουλεύει ασταμάτητα έχει τέσσερις (4) πανομοιότυπες γραμμές παραγωγής. Από αυτές, μπορούν
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 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 περισσότεραΟυρές Αναμονής Σημειώσεις (πρόχειρες, υπό διαμόρφωση) 2016-2017, έκδοση 2/5/2017 Αντώνης Οικονόμου Οι σημειώσεις αυτές αναπτύσσονται στα πλαίσια του προπτυχιακού μαθήματος Ουρές Αναμονής του Τμήματος
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 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 περισσότεραN Sm+t = max{k N : S k S m + t} = max{k N : E j t} E j+m t} = m + max{r N : Poisson.
Κεφάλαιο 8 Διαδικασίες Poisson 8.1 Εισαγωγή Σ αυτό το κεφάλαιο θα ορίσουμε τις διαδικασίες Poisson και θα μελετήσουμε τις βασικές τους ιδιότητες. Οι διαδικασίες αυτές είναι ίσως οι απλούστερες μη τετριμμένες
Διαβάστε περισσότεραΣυστήματα Αναμονής. Ενότητα 7: Ουρά Μ/Μ/1. Αγγελική Σγώρα Τμήμα Μηχανικών Πληροφορικής ΤΕ
Συστήματα Αναμονής Ενότητα 7: Ουρά Μ/Μ/1 Αγγελική Σγώρα Τμήμα Μηχανικών Πληροφορικής ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως
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
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 περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 208-209 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής
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 περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Άσκηση Προσομοίωσης Στατιστικές Εξόδου Ουράς Μ/Μ/1 - Θεώρημα Burke Ανοικτά Δίκτυα Ουρών Μ/Μ/1 - Θεώρημα Jackson
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Άσκηση Προσομοίωσης Στατιστικές Εξόδου Ουράς Μ/Μ/1 - Θεώρημα Burke Ανοικτά Δίκτυα Ουρών Μ/Μ/1 - Θεώρημα Jackson Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 26/4/2017 ΠΡΟΣΟΜΟΙΩΣΗ
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 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 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 περισσότερα0 1 0 0 0 1 p q 0 P =
Στοχαστικές Ανελίξεις - Σεπτέμβριος 2015 ΟΔΗΓΙΕΣ (1) Απαντήστε σε όλα τα θέματα. Τα θέματα είναι ισοδύναμα. (2) Οι απαντήσεις να είναι αιτιολογημένες. Απαντήσεις χωρίς να φαίνεται η απαιτούμενη εργασία
Διαβάστε περισσότεραΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις
ΔΕΟ - Επαναληπτικές Εξετάσεις Λύσεις ΘΕΜΑ () Το Διάγραμμα Διασποράς εμφανίζεται στο επόμενο σχήμα. Από αυτό προκύπτει καταρχήν μία θετική σχέση μεταξύ των δύο μεταβλητών. Επίσης, από το διάγραμμα φαίνεται
Διαβάστε περισσότεραΣτοχαστικά Μοντέλα Επιχειρησιακών Ερευνών Συστήματα αναμονής Ι Ιωάννης Δημητρίου Τμήμα Μαθηματικών, Πανεπιστήμιο Πατρών, idimit@math.upatras.gr Δ.Π.Μ.Σ. «Μαθηματικά των Υπολογιστών και των Αποφάσεων» Περιεχόμενα
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 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 περισσότεραΣυστήματα Αναμονής. Ενότητα 10: Ουρά Μ/Μ/s. Αγγελική Σγώρα Τμήμα Μηχανικών Πληροφορικής ΤΕ
Συστήματα Αναμονής Ενότητα 10: Ουρά Μ/Μ/s Αγγελική Σγώρα Τμήμα Μηχανικών Πληροφορικής ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως
Διαβάστε περισσότεραA man should look for what is, and not for what he thinks should be. Albert Einstein
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ Η Επίδραση της Πληροφόρησης στη Στρατηγική Συμπεριφορά των Πελατών σε Συστήματα Εξυπηρέτησης Διπλωματική εργασία για το Πρόγραμμα Μεταπτυχιακών
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 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 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 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 περισσότεραE(S) = P (Q = 0)E(S Q = 0) + P (Q = 1)E(S Q = 1) E(S) = p 0 E(X) + p 1 0 = bp 0. p 0 + p 1 = 1 p 0 = 1
Ουρές Αναμονής Παύλος Ζουμπούλογλου 15 Ιανουαρίου 2019 1 Πρόλογος Το έγγραφο αυτό δημιουργήθηκε στα πλαίσια του προπτυχιακού μαθήματος Ουρές Αναμονής όπως διδάχθηκε το Χειμερινό εξάμηνο του ακαδημαϊκού
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 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 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
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Ουρές //1 εν Σειρά - Θεώρημα Burke Ανοικτά Δίκτυα Ουρών arkov - Θεώρημα Jackson Εφαρμογή σε Δίκτυα Μεταγωγής Πακέτου Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 25/4/2018
Διαβάστε περισσότεραΓ. Κορίλη, Μοντέλα Εξυπηρέτησης
Γ. Κορίλη, Μοντέλα Εξυπηρέτησης 2-1 hp://www.seas.upenn.edu/~com501/lecures/lecure3.pdf Καθυστερήσεις στα ίκτυα Πακέτων Εισαγωγή στη Θεωρία Ουρών Ανασκόπηση Θεωρίας Πιθανοτήτων ιαδικασία Poisson Θεώρηµα
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 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 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 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 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 περισσότεραΣτοχαστικές Ανελίξεις- Φεβρουάριος 2015
Στοχαστικές Ανελίξεις- Φεβρουάριος 2015 ΟΔΗΓΙΕΣ (1) Απαντήστε σε όλα τα θέματα. Τα θέματα είναι ισοδύναμα. (2) Οι απαντήσεις να είναι αιτιολογημένες. Απαντήσεις χωρίς να φαίνεται η απαιτούμενη εργασία
Διαβάστε περισσότεραΘΕΜΑ 2. βρείτε. (Μονάδες 15) με διαφορά ω.
ΘΕΜΑ ΘΕΜΑ Έστω α, β πραγµατικοί αριθµοί για τους οποίους ισχύουν: α β = 4 και αβ + αβ = 0 α) Να αποδείξετε ότι: α + β = 5. (Μονάδες 0) β) Να κατασκευάσετε εξίσωση ου βαθµού µε ρίζες τους αριθµούς α, β
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 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 περισσότερα7. α) Να λύσετε την ανίσωση x 5 <4. β) Αν κάποιος αριθμός α επαληθεύει την παραπάνω ανίσωση, να αποδείξετε ότι
ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ, ΑΝΙΣΩΣΕΙΣ 1. α) Να λύσετε τις ανισώσεις: x 5 3 και x x 1 0. β) Να βρείτε τις κοινές λύσεις των ανισώσεων του ερωτήματος (α). x 1. Δίνονται οι ανισώσεις: 3x 1
Διαβάστε περισσότεραΜΕΡΙΚΕΣ ΕΙΔΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ
ΚΕΦΑΛΑΙΟ 8 ΜΕΡΙΚΕΣ ΕΙΔΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ Στις ενότητες που ακολουθούν εξετάζουμε συνεχείς κατανομές με ευρεία χρήση στις εφαρμογές. Σε αυτές περιλαμβάνονται η ομοιόμορφη, η εκθετική, η Γάμμα και η
Διαβάστε περισσότεραΣτατιστική Επιχειρήσεων Ι. Βασικές διακριτές κατανομές
Στατιστική Επιχειρήσεων Ι Βασικές διακριτές κατανομές 2 Δοκιμή Bernoulli Ένα πείραμα σε κάθε εκτέλεση του οποίου εμφανίζεται ακριβώς ένα από δύο αμοιβαία αποκλειόμενα δυνατά αποτελέσματα Το ένα ονομάζεται
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 περισσότεραDEPARTMENT OF STATISTICS
SCHOOL OF INFORMATION SCIENCES & TECHNOLOGY DEPARTMENT OF STATISTICS POSTGRADUATE PROGRAM Elements of Markovian Processes and Queueing Processes with Numerical Applications By Erold Ajdini A THESIS Submitted
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 περισσότεραΓραπτή Εξέταση στο Μάθημα "ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ" 6ο Εξάμηνο Ηλεκτρολόγων Μηχ. & Μηχ. Υπολογιστών Θέματα και Λύσεις. μ 1.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηεκτρονικής & Συστημάτων Πηροφορικής Εργαστήριο Διαχείρισης και Βέτιστου Σχεδιασμού Δικτύων - NETMODE
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 περισσότερα07/11/2016. Στατιστική Ι. 6 η Διάλεξη (Βασικές διακριτές κατανομές)
07/11/2016 Στατιστική Ι 6 η Διάλεξη (Βασικές διακριτές κατανομές) 1 2 Δοκιμή Bernoulli Ένα πείραμα σε κάθε εκτέλεση του οποίου εμφανίζεται ακριβώς ένα από δύο αμοιβαία αποκλειόμενα δυνατά αποτελέσματα
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 περισσότεραS T (x) = exp. (α) m n q x = m+n q x m q x. (β) m n q x = m p x m+n p x. (γ) m n q x = m p x n q x+m. tp x = S Tx (t) = S T (x + t) { x+t
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΜΕ ΚΑΤΕΥΘΥΝΣΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ ΑΣΚΗΣΕΙΣ ΑΝΑΛΥΣΗΣ ΘΝΗΣΙΜΟΤΗΤΑΣ ΙΩΑΝΝΗΣ Σ. ΣΤΑΜΑΤΙΟΥ ΣΑΜΟΣ, ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ 2013-2014
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 περισσότεραρ πε α εμ των α ματ ών 2014 Ο Η ΡΗ Ο Ο Γ Ρ Θ μα 2ο
ρ πε α εμ των α ματ ών 2014 Γ Ο Η ΡΗ Ο Ο Γ Ρ Θ μα 2ο Θεωρούμε την ακολουθία (α ν ) των θετικών περιττών αριθμών: 1, 3, 5, 7, α) Να αιτιολογήσετε γιατί η (α ν ) είναι αριθμητική πρόοδος και να βρείτε τον
Διαβάστε περισσότεραΑνισώσεις. Κώστας Γλυκός. Τράπεζα θεμάτων ΜΑΘΗΜΑΤΙΚΟΣ. εκδόσεις / 1 0 /
Ανισώσεις Κώστας Γλυκός Τράπεζα θεμάτων ΙΙ Ι δδ ιι ι αα ίί ί ττ εε ρρ αα μμ αα θθ ήή μμ αα ττ αα 6 9 7. 3 0 0. 8 8. 8 8 Kgllykos..gr 5 / 1 0 / 0 1 6 εκδόσεις τηλ. Οικίας : 10-610.178 κινητό : 697-300.88.88
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 περισσότεραΘΕΜΑ 2. Θεωρούμε την ακολουθία (α ν ) των θετικών περιττών αριθμών: 1, 3, 5, 7,
Θεωρούμε την ακολουθία (α ν ) των θετικών περιττών αριθμών: 1, 3, 5, 7, α) Να αιτιολογήσετε γιατί η (α ν ) είναι αριθμητική πρόοδος και να βρείτε τον εκατοστό όρο της. (Μονάδες 15) β) Να αποδείξετε ότι
Διαβάστε περισσότεραΣυστήματα Αναμονής. Ενότητα 9: Ανέλιξη Γέννησης - Θανάτου. Αγγελική Σγώρα Τμήμα Μηχανικών Πληροφορικής ΤΕ
Συστήματα Αναμονής Ενότητα 9: Ανέλιξη Γέννησης - Θανάτου Αγγελική Σγώρα Τμήμα Μηχανικών Πληροφορικής ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
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 περισσότερα3.ΟΥΡΕΣ ΑΝΑΜΟΝΗΣ
www.olieclaroom.gr.ουρεσ ΑΝΑΜΟΝΗΣ Ως ουρά αναμονής ή ισοδύναμα ένα σύστημα εξυπηρέτησης, ορίζεται το σύστημα το οποίο παρέχει εξυπηρέτηση σε πελάτες που προσέρχονται σε αυτό. Πρόκειται για τη μοντελοποίηση
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 περισσότεραΗ Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου
Η Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου wwwaskisopolisgr έκδοση 5-6 wwwaskisopolisgr ΣΥΝΑΡΤΗΣΕΙΣ 5 Τι ονομάζουμε πραγματική συνάρτηση; Έστω Α ένα υποσύνολο του Ονομάζουμε πραγματική συνάρτηση
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 περισσότεραΧρησιμοποιείται για να δηλώσουμε τους διάφορους τύπους ουρών. A/B/C. Κατανομή εξυπηρετήσεων
Συμβολισμός Kedel Χρησιμοποιείται για να δηλώσουμε τους διάφορους τύπους ουρών. A/B/C Κατανομή αφίξεων Κατανομή εξυπηρετήσεων Αριθμός των εξυπηρετητών Όπου Α,Β μπορεί να είναι: M κατανομή Posso G κατανομή
Διαβάστε περισσότεραΘεωρία Τηλεπικοινωνιακής Κίνησης Ενότητα 5: Μαρκοβιανό σύστημα αναμονής Μ/Μ/s
Θεωρία Τηλεπικοινωνιακής Κίνησης Ενότητα 5: Μαρκοβιανό σύστημα αναμονής Μ/Μ/s Μιχαήλ Λογοθέτης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Συνιστώμενο Βιβλίο: Εκδόσεις :
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 περισσότεραΚΕΦΑΛΑΙΟ 4 ο : ΑΝΙΣΩΣΕΙΣ ΤΟ 2 Ο ΘΕΜΑ
ΚΕΦΑΛΑΙΟ 4 ο : ΑΝΙΣΩΣΕΙΣ ΤΟ 2 Ο ΘΕΜΑ Άσκηση 1 Δίνονται οι ανισώσεις: 3x και 2 x α) Να βρείτε τις λύσεις τους (Μονάδες 10) β) Να βρείτε το σύνολο των κοινών τους λύσεων (Μονάδες 15) α) Έχουμε 3x 2x x 2
Διαβάστε περισσότεραΤεχνικές Εκτίμησης Υπολογιστικών Συστημάτων 1ο Σετ Ασκήσεων - Λύσεις
Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων ο Σετ Ασκήσεων - Λύσεις Νοέμβριος - Δεκέμβριος 205 Ερώτημα (α). Η νοσοκόμα ακολουθεί μια Ομογενή Μαρκοβιανή Αλυσίδα Διακριτού Χρόνου με χώρο καταστάσεων το σύνολο
Διαβάστε περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2016-2017 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας
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 περισσότεραΔίκτυα Τηλεπικοινωνιών. και Μετάδοσης
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Δίκτυα Τηλεπικοινωνιών και Μετάδοσης Δρ. Δημήτριος Ευσταθίου Επίκουρος Καθηγητής & Δρ. Στυλιανός Π. Τσίτσος Επίκουρος Καθηγητής
Διαβάστε περισσότεραΦεργαδιώτης Αθανάσιος ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΤΗΝ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ. Θέμα 2 ο (150)
Φεργαδιώτης Αθανάσιος ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΤΗΝ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ Θέμα ο (150) -- Τράπεζα θεμάτων Άλγεβρας Α Λυκείου Φεργαδιώτης Αθανάσιος -3- Τράπεζα θεμάτων Άλγεβρας Α Λυκείου Φεργαδιώτης Αθανάσιος ΚΕΦΑΛΑΙΟ
Διαβάστε περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2014-2015 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας
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 περισσότεραΣτοχαστικές Ανελίξεις- Ιούλιος 2015
Στοχαστικές Ανελίξεις- Ιούλιος 2015 ΟΔΗΓΙΕΣ (1) Απαντήστε σε όλα τα θέματα. Τα θέματα είναι ισοδύναμα. (2) Οι απαντήσεις να είναι αιτιολογημένες. Απαντήσεις χωρίς να φαίνεται η απαιτούμενη εργασία είναι
Διαβάστε περισσότεραΑ Λυκείου Άλγεβρα Τράπεζα Θεμάτων Το Δεύτερο Θέμα
Α Λυκείου Άλγεβρα Τράπεζα Θεμάτων Το Δεύτερο Θέμα Θεωρούμε την ακολουθία (α ν ) των θετικών περιττών αριθμών: 1, 3, 5, 7, α) Να αιτιολογήσετε γιατί η (α ν ) είναι αριθμητική πρόοδος και να βρείτε τον εκατοστό
Διαβάστε περισσότεραΠανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες -Εαρινό Εξάµηνο 2016 ιδάσκων : Π.
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες -Εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Λύσεις 3ης Σειράς Ασκήσεων Ασκηση 1. Χρησιµοποιούµε µια αλυσίδα
Διαβάστε περισσότερα4ο Επαναληπτικό διαγώνισμα στα Μαθηματικά προσανατολισμού της Γ Λυκείου
4ο Επαναληπτικό διαγώνισμα στα Μαθηματικά προσανατολισμού της Γ Λυκείου 8-9 Θέμα A A Αν οι συναρτήσεις,g είναι παραγωγίσιμες στο, να αποδείξετε ότι η συνάρτηση και ισχύει: g g παραγωγίσιμη στο μονάδες
Διαβάστε περισσότεραΘέμα 1. που. . Δηλαδή ο υπόχωρος V είναι το. Απάντηση 1α) ii)παρατηρούμε οτι
Θέμα ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ι (ΘΕ ΠΛΗ ) ΕΝΔΕΙΚΤΙΚΕΣ ΛΥΣΕΙΣ ΤΕΛΙΚΗΣ ΕΞΕΤΑΣΗΣ Ιουνίου (οποιεσδήποτε άλλες ορθές απαντήσεις είναι αποδεκτές)
Διαβάστε περισσότερα