P (M = 9) = e 9! =

Σχετικά έγγραφα
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο ιδάσκων : Π.

p B p I = = = 5

P (A) + P (B), [Α,Β: ξένα µεταξύ τους] P (C A B) [P (A) + P (B)] P (C A) P (A) P (B) 3 4 ( ) 1 7 = 3 7 =

1 1 c c c c c c = 1 c = 1 28 P (Y < X) = P ((1, 2)) + P ((4, 1)) + P ((4, 3)) = 2 1/ / /28 = 18/28

cov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ]

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης

c(x 1)dx = 1 xf X (x)dx = (x 2 x)dx = 2 3 x3 x 2 x 2 2 (x 1)dx x 2 f X (x)dx = (x 3 x 2 )dx = 2 4 x4 2 3 x3

, x > a F X (x) = x 3 0, αλλιώς.

200, δηλαδή : 1 p Y (y) = 0, αλλού

0 x < (x + 2) 2 x < 1 f X (x) = 1 x < ( x + 2) 1 x < 2 0 x 2

Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-217: Πιθανότητες-Χειµερινό Εξάµηνο ιδάσκων : Π. Τσακαλίδης

P( X < 8) = P( 8 < X < 8) = Φ(0.6) Φ( 1) = Φ(0.6) (1 Φ(1)) = Φ(0.6)+Φ(1) 1

P = 0 1/2 1/ /2 1/

12xy(1 x)dx = 12y. = 12 y. = 12 y( ) = 12 y 1 6 = 2y. x 6x(1 x)dx = 6. dx = 6 3 x4

p(x, y) = 1 (x + y) = 3x + 6, x = 1, 2 (x + y) = 3 + 2y, y = 1, 2, 3 p(1, 1) = = 2 21 p X (1) p Y (1) = = 5 49

0, x < 0 1+x 8, 0 x < 1 1 2, 1 x < x 8, 2 x < 4

ιωνυµική Κατανοµή(Binomial)

P(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες -Χειµερινό Εξάµηνο 2012 ιδάσκων : Π. Τσακαλίδης. Λύσεις : Τέταρτη Σειρά Ασκήσεων

c(2x + y)dxdy = 1 c 10x )dx = 1 210c = 1 c = x + y 1 (2xy + y2 2x + y dx == yx = 1 (32 + 4y) (2x + y)dxdy = 23 28

8 Άρα η Ϲητούµενη πιθανότητα είναι

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2017 ιδάσκων : Π. Τσακαλίδης

P (B) = P (B/A) P (A) + P (B/Γ) P (Γ) =

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες-Χειµερινό Εξάµηνο ιδάσκων : Π. Τσακαλίδης.

ΗΥ-217-ΠΙΘΑΝΟΤΗΤΕΣ-ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2016 ΔΙΔΑΣΚΩΝ: ΠΑΝΑΓΙΩΤΗΣ ΤΣΑΚΑΛΙΔΗΣ

pdf: X U(a, b) 0, x < a 1 b a, a x b 0, x > b

xp X (x) = k 3 10 = k 3 10 = 8 3

ΣΤΟΧΑΣΤΙΚΕΣ ΙΑ ΙΚΑΣΙΕΣ

/ / 38

Θεωρητικές Κατανομές Πιθανότητας

X = = 81 9 = 9

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του πέμπτου φυλλαδίου ασκήσεων.. Δηλαδή:

Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες -Εαρινό Εξάµηνο 2016 ιδάσκων : Π.

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο ιδάσκων : Π.

(365)(364)(363)...(365 n + 1) (365) k

Ονοματεπώνυμο: Ερώτημα: Σύνολο Μονάδες: Βαθμός:

ΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του όγδοου φυλλαδίου ασκήσεων.

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

P(200 X 232) = =

E [X ν ] = E [X (X 1) (X ν + 1)]

Σημειώσεις : Πιθανότητες και Στοχαστικές Διαδικασίες

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

Στατιστική ΙΙ Ενότητα 2: ειγµατοληψία

Λύσεις 4ης Ομάδας Ασκήσεων

ΠΙΘΑΝΟΤΗΤΕΣ -ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ(τελικές εξετάσεις πλη12)

P (Ηρ) = 0.4 P (Αρ) = 0.32 P (Απ) = 0.2

10ο Φροντιστηριο ΗΥ217 - Επαναληπτικό

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

3. Κατανομές πιθανότητας

Ανάλυση Απόδοσης Πληροφοριακών Συστημάτων

ΕΞEΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ-ΣΤΑΤΙΣΤΙΚΗ ΜΑΡΤΙΟΣ 2003 Λ Υ Σ Ε Ι Σ Τ Ω Ν Α Σ Κ Η Σ Ε Ω Ν ΜΕΡΟΣ Α

07/11/2016. Στατιστική Ι. 6 η Διάλεξη (Βασικές διακριτές κατανομές)

Στατιστική Ι-Θεωρητικές Κατανομές Ι

1 η ΣΕΙΡΑ ΑΣΚΗΣΕΩΝ. / 2. Οι όροι Eb. και Ec

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2012 ιδάσκων : Π. Τσακαλίδης. Λύσεις Τρίτης Σειράς Ασκήσεων

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

Βιομαθηματικά BIO-156

a n n! = ea e y2 2 y 0 10E(n A) = = 100 E(k) = n p = = 4.6

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ - ΑΣΚΗΣΕΙΣ. αλλού

Οι παραγγελίες ακολουθούν την κατανομή Poisson. Σύμφωνα με τα δεδομένα ο

Τυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

Παρεµβολή και Προσέγγιση Συναρτήσεων

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ

Κ Α Λ Η Ε Π Ι Τ Υ Χ Ι Α!!!!!

Γ. Κορίλη, Μοντέλα Εξυπηρέτησης

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)

Εισαγωγή Ορισμός Frequency moments

a x (t) = d dt u x(t) = d dt dt x(t) )

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι Φεβρουάριος 2018 Σειρά Α Θέματα 3 ως 7 και αναλυτικές (ή σύντομες) απαντήσεις

P (A) = 1/2, P (B) = 1/2, P (C) = 1/9

8ο Φροντιστηριο ΗΥ217

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης. Λύσεις Τρίτης Σειράς Ασκήσεων

Markov. Γ. Κορίλη, Αλυσίδες. Αλυσίδες Markov

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)

Διαδικασίες Markov Υπενθύμιση

Τυχαία μεταβλητή (τ.μ.)

P (A B) = P (A) + P (B) P (A B).

& 4/12/09 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων

P (X = x) = (0.001) x (0.999) 1000 x

Θεωρία Πιθανοτήτων & Στατιστική

Y = X 1 + X X N = X i. i=1

ΕΡΓΑΣΤΗΡΙΟ ΠΙΘΑΝΟΤΗΤΩΝ

Στατιστική Επιχειρήσεων Ι. Βασικές διακριτές κατανομές

ίκτυα Επικοινωνίας Υπολογιστών

ΕΕ728 Προχωρηµένα Θέµατα Θεωρίας Πληροφορίας 6η διάλεξη

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:

ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

Καθ. Γιάννης Γαροφαλάκης. ΜΔΕ Επιστήμης και Τεχνολογίας Υπολογιστών Τμήμα Μηχανικών Η/Υ & Πληροφορικής

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του έβδομου φυλλαδίου ασκήσεων. f X (t) dt για κάθε x. F Y (y) = P (Y y) = P X y b ) a.

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές

3 ο Μέρος Χαρακτηριστικά τυχαίων μεταβλητών

Transcript:

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 ο ένας από τον άλλο µηνύµατα στον ίδιο δέκτη σύµφωνα µε στοχαστικές διαδικασίες P oisson µε ϱυθµούς λ A 0.2 µηνύµατα ανά δευτερόλεπτο και λ B 0.6 µηνύµατα ανά δευτερόλεπτο αντίστοιχα. Θεωρούµε ότι όλα τα µηνύµατα είναι τόσο σύντοµα που καταλαµβάνουν ένα σηµείο στον άξονα του χρόνου. (α Ποια είναι η µέση τιµή του χρονικού διαστήµατος µεταξύ των αφίξεων του τρίτου και τέταρτου µηνύµατος στο δέκτη; (ϐ Ποιο είναι το µέσο πλήθος των µηνυµάτων τύπου Α που ϕτάνουν στο δέκτη στη διάρκεια ενός χρονικού διαστήµατος µήκους 12 δευτερολέπτων; (γ Ποια είναι η πιθανότητα ότι ο δέκτης ϑα λάβει ακριβώς 9 µηνύµατα στη διάρκεια ενός χρονικού διαστήµατος µήκους 10 δευτερολέπτων; (δ Υποθέτουµε ότι το πλήθος των bits σε κάθε µήνυµα ανεξαρτήτως πηγής είναι µια τυχαία µεταβλητή W η οποία παίρνει τιµές 1 και 2 µε την ίδια πιθανότητα 1/2. Εστω Ν το συνολικό πλήθος των bits που λαµβάνει ο δέκτης στη διάρκεια ενός χρονικού διαστήµατος µήκους t δευτερολέπτων. Υπολογίστε τη µέση τιµή της τ.µ N. (α Η στοχαστική διαδικασία αφίξεων στο δέκτη είναι P oisson µε ϱυθµό : λ λ A +λ B 0.2+0.6 0.8 µηνύµατα / δευτερόλεπτο. Συνεπώς το χρονικό διάστηµα µεταξύ διαδοχικών αφίξων (άρα και µεταξύ της τρίτης και τέταρτης άφιξης ακολουθεί εκθετική κατανοµή µε παράµετρο λ 0.8. Εποµένως έχει µέση τιµή 1 λ 1.25 sec. (ϐ Το πλήθος των µηνυµάτων τύπου Α σε διάστηµα t ακολουθεί P oisson κατανοµή µε παράµετρο λ A t 0.2 12 2.4. Συνεπώς η µέση τιµή του είναι 2.4 µηνύµατα. (γ Εστω ότι το πλήθος των µηνυµάτων Μ που ϕτάνουν στο δέκτη σε διάστηµα t ακολουθεί κατανοµή P oisson µε παράµετρο (λ A + λ B t (0.2 + 0.6 10 8. Συνεπώς (δ Εχουµε ότι : 8 89 P (M 9 e 9! 0.1241 p W (w { 1/2 w 1 2 0 αλλού Το µέσο πλήθος bits σε ένα µήνυµα είναι : E[W ] 1 1 2 + 2 1 2 1.5. Ισχύει ότι N W 1 + W 2 + + W M όπου W i είναι το πλήθος των bits στο i-οστό µήνυµα και Μ είναι το πλήθος των µηνυµάτων που ϕτάνουν στο δέκτη σε t sec. Από το (γ ερώτηµα έχουµε ότι η τ.µ Μ ακολουθεί την κατανοµή Ποισσον µε παράµετρο 0.8 t.

ΗΥ-317- Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2016 2 Εφαρµόζοντας το Θεώρηµα Ολικής Μέσης τιµής (ΘΟΜΤ έχουµε : E[N] m0 m0 P (M m E[N/M m] P (M m E[W 1 + + W m ] m0 P (M m m E[W ] E[M] E[W ] 0.8t 1.5 1.2t Ασκηση 2. Το σώµα των ψηφοφόρων σ ενα χωριό της Κρήτης αποτελείται από 300 άντρες και 196 γυναίκες. Κάθε άντρας (αντίστοιχα κάθε γυναίκα ϑα πάει να ψηφίσει µε πιθανότητα 0.4 (αντίστοιχα 0.5 στις επόµενες εκλογές ανεξάρτητα από κάθε άλλο. Χρησιµοποιήστε το Κεντρικό Οριακό Θεώρηµα για να υπολογίσετε την πιθανότητα του γεγονότος ότι ϑα ψηφίσουν περισσότεροι άντρες από γυναίκες. Εστω M(N το πλήθος των αντρών (γυναικών που ϑα ψηφίσουν. Από την εκφώνηση προκύπτει ότι M (n 300 p 0.4 και N (n 196 p 0.5. Ζητούµε την πιθανότητα P (M > N P (M N > 0. Το Κεντρικό Οριακό Θεώρηµα δε µπορεί να εφαρµοστεί άµεσα στη διαφορά M N αλλά ξεχωριστά στη Μ και στη Ν καθώς αυτές είναι το άθροισµα n 300 και n 196 ανεξάρτητων και οµοιόµορφα κατανεµηµένων τυχαίων µεταβλητών αντίστοιχα. Εποµένως η M µπορεί να ϑεωρηθεί προσεγγιστικά Γκαουσιανή τ.µ µε E[M] np 300 0.4 120 και διασπορά var(m np(1 p 300 0.4 0.6 75 Οµοίως η Ν µπορεί να ϑεωρηθεί Γκαουσιανή µε E[N] np 196 0.5 98 και var(m np(1 p 196 (0.5 2 49. Εποµένως η M N είναι προσεγγιστικά Γκαουσιανή ως διαφορά δύο Γκαουσιανών τ.µ και έχει : Οπότε έχουµε : E[M N] E[M] E[N] 120 98 22 var(m N var(m + var(n 72 + 49 121 ( M N 22 P (M N > 0 P 11 > 22 1 Φ( 2 Φ(2 0.974 11

ΗΥ-317- Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2016 3 Ασκηση 3. Κάθε µέρα του χρόνου ϐρέχει µε πιθανότητα 0.1 ανεξάρτητα από µέρα σε µέρα. Χρησιµοποιήστε το Κεντρικό Οριακό Θεώρηµα για να υπολογίσετε την πιθανότητα να ϐρέξει τουλάχιστον 100 από τις 365 ηµέρες του χρόνου. Ορίζουµε τη δείκτρια τ.µ X i i 1 2 365 ως εξής : { 1 όταν ϐρέχει την i οστή µέρα X i 0 όταν δεν ϐρέχει την i οστή µέρα Σύµφωνα µε την εκφώνηση οι τ.µ X i είναι Bernoulli ανεξάρτητες τ.µ µε παράµετρο p 0.1. Εποµένως : E[X i ] p 0.1 var(x i p(1 p 0.1 0.9 0.09 Συνεπώς το πλήθος των ϐροχερών ηµερών κατά τη διάρκεια ενός έτους είναι : S 365 X 1 + + X 365 Η τ.µ S 365 ακολουθεί διωνυµική κατανοµή : S 365 (n 365 p 0.1 Προφανώς ισχύει ότι : P (S 365 100 365 k100 ( 365 k 0.1 k 0.9 365 k Κάνοντας χρήση του Κεντρικού Οριακού Θεωρήµατος έχουµε ότι : ( S365 np P (S 365 100 P np(1 p ( S365 365 0.1 P 365 0.1 0.9 100 np np(1 p 100 365 0.1 365 0.1 0.9 ( 63.5 1 Φ 0.3 365 1 Φ(11.08

ΗΥ-317- Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2016 4 Ασκηση 4. Τα χρονικά διαστήµατα (µετρηµένα σε λεπτά της ώρας µεταξύ των αφίξεων αυτοκινήτων σε ένα σταθµό ελέγχου είναι ανεξάρτητες µεταξύ τους εκθετικές τ.µ. µε παράµετρο λ 2. Οι χρόνοι των διαδοχικών αφίξεων καταχωρούνται σε µικρές κάρτες όπου κάθε κάρτα έχει χώρο για 3 καταχωρήσεις. Οταν γεµίζει µια κάρτα αντικαθίσταται από άλλη. (α Ποια είναι η µέση τιµή του χρονικού διαστήµατος µεταξύ διαδοχικών αφίξεων ; (ϐ εδοµένου ότι κανένα αυτοκίνητο δεν έφτασε τα τελευταία 4 λεπτά ποια είναι η συνάρτηση πι- ϑανότητας του αριθµού k των αυτοκινήτων που ϑα ϕτάσουν τα επόµενα 6 λεπτά ; (γ Υπολογίστε τη συνάρτηση πυκνότητας πιθανότητας τη µέση τιµή και τη ϱοπογεννήτρια συνάρτηση του συνολικού χρόνου που απαιτείται για να γεµίσουν οι πρώτες 12 κάρτες καταχώρησης. (δ Θεωρήστε το ακόλουθα πειράµατα : 1. ιαλέγετε τυχαία µία κάρτα από µία στοίβα από συµπληρωµένες κάρτες και σηµειώνετε το συνολικό χρόνο Y που η κάρτα ϐρισκόταν σε χρήση. Υπολογίστε τα E[Y ] και var(y. 2. Φτάνετε στο σταθµό ελέγχου µια τυχαία χρονική στιγµή. Οταν η κάρτα που χρησιµοποιείτε τη τη στιγµή της άφιξής σας γεµίσει σηµειώνετε το συνολικό χρόνο W που η κάρτα ϐρισκόταν σε χρήση. Υπολογίστε τα E[W ] και var(w.. (α Το χρονικό διάστηµα T µεταξύ δύο διαδοχικών αφίξεων ακολουθεί εκθετική κατανοµή µε πα- ϱάµετρο λ 2. Συνεπώς E[T ] 1 λ 1 0.5 λεπτά. 2 (ϐ Μας Ϲητείται η σ.π.π. k εκθετικών διαδοχικών αφίξεων σε διάστηµα µήκους 6 λεπτών µε ϱυθµό λ 2. Μοντελοποιούνται µε µια στοχαστική διαδικασία Poisson µε παράµετρο λτ όπου τ 6 λεπτά και λ 2. Άρα : p K (k (λτk e λτ k 0 1 2... (2 6k e 2 6 k 0 1 2... 12k e 12 k 0 1 2... (γ Κάθε κάρτα αναχώρησης έχει χώρο για 3 καταχωρήσεις. Άρα οι πρώτες 12 κάρτες γεµίζουν µε την 12 3 36η άφιξη αυτοκινήτου. Μας Ϲητείται λοιπόν η σ.π.π. του χρόνου της 36ης άφιξης. Χρόνος k-στης άφιξης : Εστω Y T 1 + T 2 +... + T 3 6 όπου T k είναι ανεξάρτητες εκθετικά κατανεµηµένες τ.µ. µε λ 2. Γνωρίζουµε από τη ϑεωρία ότι η Y ακολουθεί κατανοµή Erlang τάξης 36: είναι η Ϲητούµενη σ.π.π. Για τη µέση τιµή έχουµε : f Yk (y λk y k 1 e λy (k 1! t 0 (Erlang τάξης k f Y36 (y 236 y 35 e 2y 35! t 0 (k 36 λ 2 E[Y k ] E[T 1 ] + E[T 2 ] +... + E[T k ] 1 λ + 1 λ +... + 1 λ k λ 36 2 18.

ΗΥ-317- Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2016 5 Για τη ϱοπογεννήτρια έχουµε : M Y (s M T1 (s M T2 (s M Tk (s (Ανεξάρτητες και εκθετικά κατανεµηµένες τ.µ µε λ 2 ( λ k λ s < λ (Από ϑεωρία M(sεκθετικής : λ s λ s s < λ ( 2 36 s < 2 2 s (δ 1. Εφόσον κάθε κάρτα έχει χώρο για 3 καταχωρήσεις/χρόνους αφίξεων έχουµε : Y T 1 + T 2 + T 3. Ουσιαστικά λοιπόν µας Ϲητείται ο χρόνος µέχρι την 3η άφιξη. ε µας ενδιαφέρει ποιες συνεχόµενες 3 αφίξεις µελετάµε καθώς όλες είναι ανεξάρτητες µεταξύ τους και δε µας ενδιαφέρει το πότε αρχίζουµε αν µελετάµε αφού η διαδικασία δεν έχει µνήµη. Γνωρίζουµε από τη ϑεωρία ότι ο χρόνος µέχρι την k-οστή άφιξη ακολουθεί κατανοµή Erlang τάξης k. Άρα για τη µέση τιµή και τη διασπορά ϑα έχουµε : E[Y ] E[T 1 ] + E[T 2 ] + E[T 3 ] 1 λ + 1 λ + 1 λ k λ 3 2 1.5. var(y var(t 1 + var(t 2 + var(t 3 1 λ 2 + 1 λ 2 + 1 λ 2 k λ 2 3 4. 2. Στην περίπτωση αυτή έχουµε : W T 1 + T 2 + L όπου ορίζουµε ως L το χρονικό διάστηµα µεταξύ των αφίξεων που περιέχουµε την χρονική στιγµή που ϕτάσαµε στο σταθµό ελέγχου. Σύµφωνα µε το παράδοξο της τυχαίας άφιξης η τ.µ L ϑα ακολουθεί την κατανοµή Erlang 2ης τάξης µε παράµετρο λ 2. Συνεπώς η W είναι Erlang 4ης τάξης. Οπότε έχουµε : E[W ] 4 λ 2 var(w 4 λ 2 1