Upload
others
View
12
Download
0
Embed Size (px)
Citation preview
9. Poisson-ov proces (Simeon Denis Poisson, 1781-1840)
Osobine Poisson ovog procesa (zbog sledećih osobinaOsobine Poisson-ovog procesa (zbog sledećih osobina nazivamo ga prostim protokom događaja):
a) ordinarnost – verovatnoća da se na istom intervalu Δtpojavi 2 ili vise procesa je daleko manja od verovatnoće da se na tom istom intervalu Δt pojavi jedan proces: P1(Δt)>>Pk>1(Δt)
b) odsustvo posledica – intervali između prispeća ) p p pprocesa u sistem su međusobno nezavisni. Dolazak novog procesa ne zavisi od toga kada je prethodni proces došao
c) stacionarnost – broj događaja koji se realizuju na t÷t+τc) stacionarnost – broj događaja koji se realizuju na t÷t+τne zavisi od t nego samo od τ (verovatnoća da se u intervalu t÷t+τ odigra neki događaj nije zavisna od t, nego samo od τ)
ETF-Beograd Performanse Računarskih Sistema
1
9. Poisson-ov proces (Simeon Denis Poisson, 1781-1840)
P t liki i t l T i ti b j
x(t)x(t) brojbroj zahtevazahteva u u intervalu T obeležimo sa intervalu T obeležimo sa N(T)N(T)
Posmatramo veliki interval vremena T, i pratimo broj zahteva koji stignu u sistem, nezavisno i slučajno
1 2 3 4 … 1 2 3 4 … N(T) N(T)
l l ll ll ll t t 0 t0 t TT0 a t 0 a t TT
1, 2, 3, 4,… 1, 2, 3, 4,… prispeliprispeli zahtevizahtevi -- imaima ihih NNa a -- vremenski period između 2 zahteva
u nekomnekom manjemmanjempodintervalupodintervalu t, t, odigra se ( i ) (t)(t) ht
ETF-Beograd Performanse Računarskih Sistema
2
TT-- interval interval posmatranjaposmatranja (prispe) x(t) x(t) zahteva
9. Poisson-ov proces (Simeon Denis Poisson, 1781-1840)
SrednjiSrednji brojbroj prispeprispećća a SrednjeSrednje vremevreme izmeizmeđđu u zahtevazahteva: : (intenzitet prispeća zahteva): Može biti:Može biti: const. - stacionarno srednje vremeconst. - stacionaran proces a(t) - nestacionarno srednje vremeλ(t) - nestacionaran proces
λ=lim N(T)/T a =lim T/N(T)=1/λ( )T→∞
( )T→∞
Posmatramo jedan konkretan zahtev koji se pojavio u intervalu T.Posmatramo jedan konkretan zahtev koji se pojavio u intervalu T.Verovatnoća da se taj zahtev pojavio baš i podintervalu t je: :
1tp =
ETF-Beograd Performanse Računarskih Sistema
3
1pT
9. Poisson-ov proces (Simeon Denis Poisson, 1781-1840)
Verovatnoća da je određenih (konkretnih) i nezavisnih zahteva, koji su prispeli u vremenskom intervalu T, prispelo baš u podintervalu t iznosi:
1i
ip p=
Verovatnoća da je određenih (konkretnih) i nezavisnih zahteva, koji su prispeli u vremenskom intervalu T, prispelo baš u podintervalu t, a da su svi ostali prispeli van tog intervala iznosi :
1ip p
su svi ostali prispeli van tog intervala iznosi :
Konačno verovatnoća da je u vremensom intervalu t prispelo tačno i
1 1(1 )i N iip p p −= ⋅ −
Konačno, verovatnoća da je u vremensom intervalu t prispelo tačno izahteva iznosi (binomna raspodela):
( )![ ( ) ,0 ] 1 1
! !
i N i N ii
r i
N t t N t tP x t i t Ti T T i N i T T
− −⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞= ≤ ≤ = ⋅ ⋅ − = ⋅ ⋅ −⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎝ ⎠
ETF-Beograd Performanse Računarskih Sistema
4
( )! ! ii T T i N i T T⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⋅ −⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎝ ⎠
9. Poisson-ov proces (Simeon Denis Poisson, 1781-1840)
T x
•• UzUz
binomnabinomna raspodelaraspodela prelaziprelazi u Poissonu Poisson ovuovu::
1
, 0
1 1lim 1 lim 1x
t
t xTT
t eT x e
−
→∞→∞ →
⎛ ⎞ ⎛ ⎞− = − = =⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
binomnabinomna raspodelaraspodela prelaziprelazi u Poissonu Poisson--ovuovu::
, 0
( 1) ( 1)[ ( ) ,0 ] lim 1!
T tN ii T t
r tT
N N N i t tP x t i t Ti T T T T
⋅ ⋅ −
→∞ →
⋅ − ⋅ ⋅ − + ⎛ ⎞= ≤ ≤ = ⋅ ⋅ − =⎜ ⎟⋅ ⋅ ⋅ ⎝ ⎠…
…, 0TT
→ → ⎝ ⎠
, 0
1 1lim 1 1!
T N t ii t T
tT
t N N N i t ti T T T T T T T
⋅ ⋅ −
→∞ →
−⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞= ⋅ ⋅ − ⋅ ⋅ − ⋅ − ⋅ − =⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
…,
0
1 1 ( )lim 1 1! !
TT t ii it t
tT
t i t t t ei T T T T i
λλλλ λ λ
⋅ ⋅ −− ⋅
→∞ →
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
− ⋅⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞= ⋅ ⋅ − ⋅ ⋅ − ⋅ − ⋅ − = ⋅⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
…
ETF-Beograd Performanse Računarskih Sistema
5
, 0 ! !TT
i T T T T i→∞ → ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
9.1 Jednačina Poisson-ove raspodele i parametri
KonaKonaččanan izgledizgled PoPoiissssonon oveove raspodeleraspodele::KonaKonaččan an izgledizgled PoPoiissssonon--oveove raspodeleraspodele::
( )[ ( ) ,0 ] ( , ), .!
it
r xtP x t i t T e P i t const
iλλ λ− ⋅⋅
= ≤ ≤ = ⋅ = =
Ovaj izraz predstavlja Poissonovu raspodelu sa parametrom i govori otome kolika je verovatnoća da će slučajna promenljiva x u intervalu t imati
!i
tλ ⋅tome kolika je verovatnoća da će slučajna promenljiva x u intervalu t imativrednost i, tj. da se u intervalu t desilo i događajaOsobineOsobine PoissonovePoissonove raspodeleraspodele::
tλ- dobija se direktno iz gornje formule( )( , ) 1,x x
tP i t P i tiλ ⋅
= ⋅ −
( )1( , )i
i ix
d P i t e i t tλλ λ
− −= ⋅ ⋅ ⋅ − ⋅
ETF-Beograd Performanse Računarskih Sistema
6
( )( , )!xdt i
9.1 Jednačina Poisson-ove raspodele i parametri
0.4
1tλ ⋅ =
0 2
0.25
0.3
0.35
x=i)
0.05
0.1
0.15
0.2
P(x
00 1 2 3 4 5 6 7 8 9 10
i
ETF-Beograd Performanse Računarskih Sistema
7
9.1 Jednačina Poisson-ove raspodele i parametri
2tλ ⋅ =
0.3
0.15
0.2
0.25
x=i)
0.05
0.1
P(x
00 1 2 3 4 5 6 7 8 9 10
i
ETF-Beograd Performanse Računarskih Sistema
8
9.1 Jednačina Poisson-ove raspodele i parametri
4tλ ⋅ =
0.25
0.15
0.2
=i)
0.05
0.1P(x
00 1 2 3 4 5 6 7 8 9 10
i
ETF-Beograd Performanse Računarskih Sistema
9
9.1 Jednačina Poisson-ove raspodele i parametri
Sva tri slučaja na istom grafiku
0.4
0 2
0.25
0.3
0.35
=i)
0.05
0.1
0.15
0.2
P(x
00 1 2 3 4 5 6 7 8 9 10
i
ETF-Beograd Performanse Računarskih Sistema
10
9.1 Jednačina Poisson-ove raspodele i parametri
Izjednačavanjem izvoda sa nulom, možemo dobiti maksimum funkcije Poissonove raspodele:
( )1( ) 0t
ii id iP i t e i t t i t t
λλ λ λ− −= ⋅ ⋅ ⋅ − ⋅ = ⇒ = ⋅ =
Međutim, ova raspodela je diskretna po i, stoga, ako hoćemo da tražimo
( )( , ) 0 ,!xP i t e i t t i t t
dt iλ λ
λ⇒
najverovatniju vrednost i u Poissonovoj raspodeli, moramo da primenimodrugi pristup. Posmatrajući grafik funkcije, vidimo da za fiksni parametar
funkcija prvo raste, pa opada. Najverovatniju vrednost dobijamotλ ⋅rešavanjem nejednakosti:
( 1, ) ( , ), ( , ) ( 1, )x x x xP i t P i t P i t P i t− ≤ ≥ +
ETF-Beograd Performanse Računarskih Sistema
11
9.1 Jednačina Poisson-ove raspodele i parametri
( ) ( )1
( 1)! !t t
i it te e i t
i iλ λλ λ
λ− −
−⋅ ⋅⋅ ≤ ⋅ ⇒ ≤ ⋅
−
( ) ( ) 1
( 1)! !
1! ( 1)!
t ti i
i i
t te e i t
i iλ λλ λ
λ− −
+⋅ ⋅⋅ ≥ ⋅ ⇒ + ≥ ⋅
+! ( 1)!
Ako je ceo broj postoji samo jedan maksimum i=
i i
t tλ λ
+
⋅ ⋅Ako je ceo broj, postoji samo jedan maksimum i , inače postoje dva maksimuma,
t tt i t
λ λλ λ
⋅ ⋅
⋅ ⋅⎢ ⎥ ⎡ ⎤⎣ ⎦ ⎢ ⎥
ETF-Beograd Performanse Računarskih Sistema
12
9.1 Jednačina Poisson-ove raspodele i parametri
ParametriParametri PoPoiissssonon oveove raspodeleraspodeleParametriParametri PoPoiissssonon--oveove raspodeleraspodele
MatematiMatematiččkoko ooččekivanjeekivanje ((srednjasrednja vrednostvrednost brojabroja dolazakadolazaka):):∞
Dokaz:Dokaz:0
[ ( )] ( ) ( , )Xi
E x t x t i P i t tλ∞
=
= = ⋅ = ⋅∑
( ) ( ) 1
0 1 0( , )
! ( 1)!t t
i i
Xi i i
t t ti P i t i e e
i iλ λλ λ λ− −
−∞ ∞ ∞⋅ ⋅ ⋅ ⋅⋅ = ⋅ ⋅ = ⋅ =
−∑ ∑ ∑
( )0 1 0! ( 1)!
!t t t
i i i
j
i i
tt e t e e t
jλ λ λλ
λ λ λ− −
= = =
∞ ⋅= ⋅ ⋅ = ⋅ ⋅ ⋅ = ⋅∑
ETF-Beograd Performanse Računarskih Sistema
13
0 !j j=
9.1 Jednačina Poisson-ove raspodele i parametri
VarijansaVarijansa slusluččajneajne promenljivepromenljive (disperzija)(disperzija)::Varijansa Varijansa slusluččajneajne promenljivepromenljive (disperzija)(disperzija)::2 2[ ( )] { ( ) [ ( )]}XVar x t E x t E x t tδ λ= = − = ⋅
2 2
2 2
: [ ( )] { ( ) [ ( )]}
[ ( )] { [ ( )]}
XDokaz Var x t E x t E x t
E x t E x t
δ= = − =
= − =
( ) ( )2
2
! !
t ti it t
i e i ei i
λ λλ λ− −∞ ∞⋅ ⋅
= ⋅ ⋅ − ⋅ ⋅ =⎛ ⎞⎜ ⎟⎝ ⎠
∑ ∑
( ) ( )
0 0
12
! !
t
i i
i
i i
t ti e t
λλ λλ
−
= =
−∞ ⋅ ⋅ ⋅⋅ ⋅ − =
⎝ ⎠
∑ETF-Beograd Performanse Računarskih
Sistema14
( )1 ( 1)!i
i e ti
λ= −∑
9.1 Jednačina Poisson-ove raspodele i parametri
VarijansaVarijansa slusluččajneajne promenljivepromenljive (disperzija)(disperzija)::
( ) ( )2( 1) tjt
t j tλλλ λ
−∞ ⋅+∑
Varijansa Varijansa slusluččajneajne promenljivepromenljive (disperzija)(disperzija)::
( ) ( )
( ) ( )0( 1)
!
t t
j
j j
t j e tj
t tλ λ
λ λ
λ λ
=
∞ ∞⎡ ⎤
= ⋅ + ⋅ ⋅ − =
⋅ ⋅
∑
( ) ( )0 0! !
t t
j j
t tt j e e t
j jλ λλ λ
λ λ− −
= =
⎡ ⎤⎢ ⎥⎢ ⎥⎣ ⎦⎡ ⎤
⋅ ⋅⋅ ⋅ ⋅ + ⋅ − =∑ ∑
1t t t tλ λ λ λ⎡ ⎤⎣ ⎦= ⋅ + − =
ETF-Beograd Performanse Računarskih Sistema
15
9.2 Intervali vremena između susednih događaja i vreme opsluživanja
Verovatnoća da se u nekom vremenskom intervalu t ne dogodi (pojavi) nijedanVerovatnoća da se u nekom vremenskom intervalu t ne dogodi (pojavi) nijedan događaj (broj poslova koji su došli je 0):
( )0
(0, )0!
t tX
tP t e eλ λλ − ⋅ − ⋅⋅
= =
Verovatnoća da se u nekom vremenskom intervalu t dogodi (pojavi) bar jedan događaj:
( , )0!X
1 (0 ) 1 tP t λ− ⋅
Verovatnoća da se u nekom vremenskom intervalu t dogodi (pojavi) bar jedandogađaj zapravo predstavlja i verovatnoću da je vreme a između dolazaka manjed S l č l k č đ d d l k
1 (0, ) 1 tXP t e λ− = −
od t. Stoga, slučajna promenljiva a koja označava vreme između dva dolaska imasledeću raspodelu:
[ ] 1 (0, ) 1 ( )tr X aP a t P t e P tλ− ⋅≤ = − = − =
ETF-Beograd Performanse Računarskih Sistema
16
[ ] ( ) ( )r X a
9.2 Intervali vremena između susednih događaja i vreme opsluživanja
Funkcija gustine raspodele verovatnoće ove slučajne promenljive a:- eksponencijalna
raspodela( ) ( ) t
a adp t P t edt
λλ − ⋅= = ⋅Važan zaključak je vreme između događaja u Poissonovomprocesu eksponencijalno raspodeljeno.
dt
ParametriParametri::ParametriParametri::1.Matemati1.Matematiččkoko ooččekivanjeekivanje slslučajne učajne promenljivepromenljive aa (srednje vreme između dva dolaska):(srednje vreme između dva dolaska):
1 1( ) ( ) |t t tE t a t p t dt t e dt t e e dtλ λ λλ λ∞ ∞ ∞∞
− − −⎡ ⎤= = ⋅ = ⋅ ⋅ = ⋅ − ⋅ + =⎢ ⎥∫ ∫ ∫
00 0 0
(pretpostavka je i bila da je srednji intenzitet dolaska)
( ) ( ) |
1 10 |
a X
t
E t a t p t dt t e dt t e e dt
e λ λ
λ λλ λ
λ∞
−
= = ⋅ = ⋅ ⋅ = ⋅ − ⋅ + =⎢ ⎥⎣ ⎦
⎡ ⎤⋅ − =⎢ ⎥
∫ ∫ ∫
ETF-Beograd Performanse Računarskih Sistema
17
20
(pretpostavka je i bila da je srednji intenzitet dolaska)0 |e λλλ λ⎢ ⎥⎣ ⎦
9.2 Intervali vremena između susednih događaja i vreme opsluživanja
22 Disperzija (varijansa) slučajneDisperzija (varijansa) slučajne promenljivepromenljive aa::22.. Disperzija (varijansa) slučajne Disperzija (varijansa) slučajne promenljivepromenljive aa: :
2
2 2 2 2( ) ( ) [ ( )] ( ) ( )Var a E a E a t p t dt t p t dtδ∞ ∞⎛ ⎞
= = − = ⋅ ⋅ − ⋅ ⋅ =⎜ ⎟∫ ∫0 0
22
2
( ) ( ) [ ( )] ( ) ( )
1 1...
a a a
t
Var a E a E a t p t dt t p t dt
t e dtλ
δ
λ∞
− ⋅
⎜ ⎟⎝ ⎠
⎛ ⎞= ⋅ ⋅ ⋅ − = =⎜ ⎟⎝ ⎠
∫ ∫
∫ 20 λ λ⎜ ⎟
⎝ ⎠∫
Var δ 1a aa
Vara a
δν = = =3.3. KoeficijentKoeficijent varijacijevarijacije: :
ETF-Beograd Performanse Računarskih Sistema
18
9.2 Intervali vremena između susednih događaja i vreme opsluživanja
Primer zaPrimer za 10 5λ −Primer zaPrimer zaλλ –– intenzitetintenzitet prispeprispeća zahteva u sistemća zahteva u sistem
( ) tp t e λλ − ⋅= ( ) [ ] 1 tPa t P a t e λ− ⋅= ≤ =
10.5sλ =
( )ap t eλ= ⋅ ( ) [ ] 1rPa t P a t e= ≤ = −
10.5 0.4 λ = 0.5 0.6320.3 0.50.20.1
2 4 6 8 t 2 4 6 8 t
ETF-Beograd Performanse Računarskih Sistema
19
9.2 Intervali vremena između susednih događaja i vreme opsluživanja
VremeVreme opsluživanja (servisiranja zahteva)opsluživanja (servisiranja zahteva)VremeVreme opsluživanja (servisiranja zahteva)opsluživanja (servisiranja zahteva)
TTakoakođe podleže eksponencijalnoj raspodeli (identična analiza kao đe podleže eksponencijalnoj raspodeli (identična analiza kao i i ć ht )i i ć ht )i za prispeća zahteva)i za prispeća zahteva). .
Interval opsluživanja se tipično obeležava sa Interval opsluživanja se tipično obeležava sa ss..Verovatnoća da je interval opsluživanjaVerovatnoća da je interval opsluživanja ss ≤≤ tt :j jj j
Gustina raspodele vrovatnoće:
[ ] ( ) 1 tr sP s t P t e μ− ⋅≤ = = −
Gust a aspode e o at oće
( ) ( ) tS S
dp t P t edt
μμ − ⋅= = ⋅
ETF-Beograd Performanse Računarskih Sistema
20
9.2 Intervali vremena između susednih događaja i vreme opsluživanja
Prosečno vreme opsluživanja (Prosečno vreme opsluživanja (μ ≈ λμ ≈ λ u uravnoteženom sistemuu uravnoteženom sistemu):):Prosečno vreme opsluživanja (Prosečno vreme opsluživanja (μ λμ λ u uravnoteženom sistemuu uravnoteženom sistemu):):
0
1[ ] ( )a SE s s t p t dtμ
∞
= = ⋅ =∫Disperzija slDisperzija sluučajne promenljive:čajne promenljive:
0 μ
2 1( )Var s δ
Koeficijent varijacije:Koeficijent varijacije:
2( ) SVar s δμ
= =
1SS s
δν = =
ETF-Beograd Performanse Računarskih Sistema
21