Documente Academic
Documente Profesional
Documente Cultură
|=0
j
|
= 1.
Numarul mediu de clien ti din sistem este:
: =
n
|=0
/j
|
.
Dac a not am cu : num arul statiilor de servire, atunci distributia variabilei aleatoare
0 este:
0 :
_
_
1 2 :: 0
j
s+1
j
s+2
j
n
s
|=o
j
|
_
_
.
Numarul mediu de clien ti care a steapta este:
0 =
ns
|=1
/j
s+|
=
n
|=s+1
(/ :) j
|
.
Daca notam cu o numarul de sta tii neocupate, distributia acestei variabile
aleatoare este:
o :
_
_
: : 1 1 0
j
0
j
1
j
s1
n
|=s
j
|
_
_
.
3
Numarul mediu de sta tii neocupate este:
o =
s
|=0
j
|
(: /) .
ntre :, 0, o, : avem relatia : = 0 o + :.
2. Model de asteptare cu o statie de servire, cu sosiri Poisson
si timp de servire exponential
Presupunem c a uxul sosirilor este Poisson cu numarul mediu de sosiri n
sistem n unitatea de timp `, iar durata de servire a unui client este o variabil a
aleatoare cu distributie exponential a cu media de
1
. Presupunem c a lungimea
rului de asteptare(cozii) nu este limitat a, c a un client intrat n sistem nu-l mai
p ar aseste dect dup a ce a fost servit. Ordinea servirii este ordinea intr arii n sis-
tem. Clientul servit p ar aseste sistemul, iar urm atorul (dac a exist a) ocup a statia
instantaneu. Timpul de servire t al unui client este independent de momentul
intr arii n serviciu si de timpii de servire sau de momentele intr arii n sistem a
altor unit ati.
Atunci cnd avem r de asteptare, uxul iesirilor se comport a ca un ux Poisson
de parametru j, unde j este num arul mediu de clienti care ar putea serviti n
unitatea de timp dac a statia ar ocupat a un timp ndelungat f ar a ntrerupere(
intensitatea serviciilor).
Atunci cnd avem r de asteptare, uxul iesirilor se comport a ca un ux Poisson
de parametru j :
j (t /) = 1 c
|
.
Presupunem c a intensitatea sosirilor ` nu dep aseste intensitatea serviciilor
j
(valoarea medie a num arului de clienti care ar putea serviti n unitatea de
timp dac a statia ar ocupat a un timp ndelungat f ar a ntrerupere). Raportul
j =
X
j
0
= jj
0
.
Lund / = 1 n a doua ecuatie rezult a
j
2
= j
2
j
0
si din aproape n aproape:
j
|
= j
|
j
0
(/ 1).
Pentru a determina j
0
, se foloseste faptul c a j
|
, / 0 formeaz a un sistem com-
plet de probabilit ati:
1
|=0
j
|
= 1,
de unde
j
0
1
|=0
j
|
= 1 )j
0
= 1 j
Rezult a c a :
j
|
= (1 j) j
|
(/ 0).
Cu ajutorul acestor probabilit ati se pot determina caracteristicile modelului
.
Numarul mediu de clien ti aa ti n sistem este:
: =
1
|=0
/j
|
=
(1)
.
Numarul mediu de clien ti aa ti n rul de a steptare:
0 =
1
|=1
(/ 1) j
|
=
j
2
1 j
.
Probabilitatea ca num arul clientilor din sistem s a nu dep aseasc a un num ar dat
/:
j (: /) =
|
=0
j
= 1 j
|+1
.
Probabilitatea ca num arul clientilor din sistem s a e mai mare dect un num ar
dat /
:
j (: /
) = 1 j (: /
) = 1
_
1 j
|
+1
_
= j
|
+1
.
5
Pentru /
.
Durata medie de a steptare n rul de a steptare este:
t
}
=
1
j `
1
j
=
`
j(j `)
=
0
`
=
:
j
.
n practic a, se stabilesc parametri ` si j si se veric a validitatea
ipotezei Poisson pentru sosiri si serviri, se calculeaz a durata medie
de asteptare a unui client si durata medie de lenevire a statiei si
cunoscnd costul pe unitatea de timp al astept arii clientilor si al
lenevirii statiei, se caut a s a se determine acel ritm de sosire ` sau
acea capacitate a statiei care minimizeaz a costul global al sistemului.
3. Exemple
I. Durata dintre doua apeluri telefonice la un Call Center are distribu tie
exponen tiala cu media de 20 minute. Durata servirii este de asemenea expo-
nen tiala cu media de 5 minute. Care este durata medie de a steptare a unui
client pna este servit si durata medie n sistem?
Rezolvare:
Se consider a ca unitate de timp ora. Num arul de apeluri n unitatea de
timp este variabil a aleatoare Poisson. Num arul mediu de apeluri ntr-o or a este
` = 3.
Num arul mediu de clienti serviti intr-o or a este j =12. Intensitatea tracului
este:
j =
X
=
3
12
=
1
4
.
Durata medie n sistem este:
t
s
=
1
X
=
1
9
orc = 6.67 min.
Durata medie de asteptare a unui client pn a este servit este:
t
}
=
1
X
1
=
40
50
= 0, 8
a. j
0
=probabilitatea de a avea 0 clienti n sistem:
j
0
= 1 j = 1 0, 8 = 0, 2.
b. j
5
= j
5
j
0
= 0, 2 (0, 8)
5
.
c. : = num arul mediu de clienti n sistemul de servire:
7
: =
1
=
0,8
10,8
=
0,8
0,2
= 4.
0 =num arul mediu de clienti din rul de asteptare la un moment dat:
0 =
2
1
=
(0,8)
2
10,8
=
0,64
0,2
= 3, 2.
Capacitatea de servire a clientilor este de j =50 de clienti pe zi, dar ea nu
este folosit a integral (doar 80%) existnd perioade de timp n care statia este n
inactivitate pentru c a nu sunt clienti n sistem.
t
}
= durata medie de asteptare a unui client n rul de asteptare:
t
}
=
1
1
zile=
1
50
0,8
10,8
=
0,8
500,2
=
4
50
= 0, 08 zile.
t
s
=timpul mediu de asteptare a unui client n sistem:
t
s
=
1
1
1
zile=
1
500,2
= 0, 1 zile
Se veric a egalitatea: t
s
= t
}
+
1
Matlab.Statistics Toolbox
Statistics Toolbox trateaz a 20 distributii de probabilitate. Pentru ecare
distributie exist a cinci rutine care calculeaz a:
-densitatea de probabilitate (probability density function- pdf );
-functia de repartitie (cumulative distribution function- cdf );
-inversa functiei de repartitie;
-generarea de valori de selectie ale variabilei aleatoare cu distributia speci-
cat a;
-media si dispersia.
Densitatea de probabilitate Poisson (poisspdf )
Sintaxa
y = poisspdf (x,lambda)
Calculeaz a n ecare component a a lui x densitatea de repartitie Poisson
cu parametru corespunz ator din lambda. x si lambda pot vectori, matrice
sau tablouri multidimensionale si au aceeasi dimensiune. Dac a unul dintre ele
este o constant a, ea se extinde la un tablou constant de aceeasi dimensiune cu
cel alalt. Parametri din lambda trebuie s a e pozitivi. Densitatea de repartitie
Poisson este :
j =
`
r
r!
c
X
, r = 0, 1, ..., ` 0
unde x poate orice ntreg nenegativ, altfel densitatea este egal a cu zero.
Densitatea de probabilitate exponential a (exppdf )
Sintaxa:
Y = exppdf (x, mu)
8
Calculeaz a n ecare component a a lui x densitatea de repartitie expo-
nential a cu parametru corespunz ator din mu. x si mu pot vectori, matrice
sau tablouri multidimensionale si au aceeasi dimensiune. Dac a unul dintre ele
este o constant a, ea se extinde la un tablou constant de aceeasi dimensiune cu
cel alalt. Parametri din mu trebuie s a e pozitivi.
Densitatea de repartitie exponential a este :
j =
1
j
c
r
.
Exemple
y = exppdf(5,1:5)
y =
0.0067 0.0410 0.0630 0.0716 0.0736
y = exppdf(1:5,1:5)
y =
0.3679 0.1839 0.1226 0.0920 0.0736
Functia de repartitie 1 (r) a unei variabile aleatoare exponentiale este:
1 (r) = j (t r) = 1 c
r
.
Valoarea medie a unei variabile aleatoare exponen tiale este j .
Distributia exponential a modeleaz a durata de asteptare intr-un sistem de
servire atunci cnd probabilitatea de a astepta nc a o perioad a de timp este
independent a de ct timp s-a asteptat deja.
Exemplu
Presupunem ca durata de livrare t a unei comenzi este o variabila aleatoare
cu distribu tie exponen tiala cu media de 10 zile. Care este probabilitatea ca
livrarea sa dureze mai mult de 21 zile?
Rezolvare:
Durata medie j = 10.
j (t r) = 1 j (t r) = c
r
.
j (t 21) = c
0.121
= 0.122456.
Densitatea de probabilitate normal a (normpdf )
Sintaxa:
Y = normpdf(x,mu,sigma)
Calculeaz a n ecare component a a lui x densitatea de repartitie normal a
cu parametri corespunz atori din mu si sigma. x , mu si sigma pot vectori,
matrice sau tablouri multidimensionale si au aceeasi dimensiune. Dac a una
9
dintre ele este o constant a, ea se extinde la un tablou constant de aceeasi
dimensiune cu celelalte. Parametri din sigma trebuie s a e pozitivi. Densitatea
de repartitie normal a este:
0.0.1
j =
1
o
p
2ji
c
(x)
2
2
2
.
Distributia normal a standard are j = 0 si o = 1. Daca x este normal a standard,
atunci x*o + j este de asemenea normal a cu media j si dispersia o. Invers,
daca y este normal a cu media j si dispersia o, atunci x = (y-j) / o este normal a
standard.
disttool
Comanda disttool creaz a o fereastr a grac a interactiv a, n care se pot reprezenta
diferite distributii de probabilitate. Pentru apelarea acestei functii se tasteaz a
n linia de comand a
disttool
Se alege mai nti distributia, apoi tipul functiei: densitatea (pdf ) sau functia
de repartitie (cdf ). n fereastr a apare gracul functiei. Determinarea valorii
functiei pdf sau cdf ntr-un punct se face introducnd valoarea lui n c asuta
x sau dragnd dreapta vertical a de pe grac, cu mouse-ul, pn a cnd aceasta
trece prin punctul respectiv. Valoarea functiei este asat a n c asuta din stnga
gracului.
Inversa functiei de repartitie (icdf ) g aseste valoarea critic a corespunz atoare
unei probabilit ati specicate, prin tip arirea acesteia n c asuta de pe axa y sau
dragnd dreapta orizontal a.
Generatori de variabile aleatoare in Matlab
n mediul Matlab, n Statistics Toolbox exist a generatori pentru 20 de tipuri
de variabile aleatoare: exponen tiale negative (exprnd), Poisson (poissrnd) ,de
tip gamma (gamrnd) si beta (betarnd), normale (normrnd), binomiala (binornd)
,
2
(chi2rnd), etc.
Toti acesti generatori folosesc generatorul de numere pseudoaleatoare (de dis-
tribu tie uniforma) random. Codul acestor rutine (functii) Matlab se poate tip ari
cu comanda
type_ function_ name .
Codul se poate redenumi si modica pentru o aplicatie proprie.
randtool
10
11
Este o interfat a grac a, care genereaz a valori de selectie pentru diferite legi
de probabilitate. Valorile rezultate pot reprezentate grac n histogram a sau
stocate ntr-un vector. Pentru apelarea acestei functii se tasteaz a n linia de
comand a
randtool
Din c asuta de selectie Distribution a ferestrei se selecteaz a distributia. n
interfat a se pot modica interactiv parametrii distributiei, limitele lor Upper
bound si lower bound precum si num arul de valori de selectie generate, n c asuta
de text Sample.
Cu butonul Resample se poate reprezenta setul de valori generate. Ap asarea
repetat a a butonului determin a generarea altor seturi de valori din aceiasi dis-
tributie, cu parametri si volumul neschimbate.
Cu butonul Export se poate denumi un vector ale c arui componente s a e
valorile de selectie generate.
Aplica tie
S a se genereze 100 valori de selectie distribuite Poisson cu media 5.
poissrnd
Comanda genereaz a valori de selectie ale variabilei aleatoare Poisson.
12
Sintaxa
r = poissrnd(lambda)
r = poissrnd(lambda,v)
r = poissrnd(lambda,m,n)
Descriere
r = poissrnd(lambda)
genereaz a valori de selectie ale variabilei aleatoare Poisson cu media lambda.
lambda poate un vector, o matrice sau un tablou multidimensional . Dimen-
siunea lui r este aceeasi cu a lui lambda.
r = poissrnd(lambda,v)
genereaz a un tablou r de dimensiune v care contine valori de selectie ale
variabilei aleatoare Poisson cu media lambda, unde v este vector linie. Dac a v
este un vector 1x2, atunci r este o matrice cu v(1) linii si v(2) coloane. Dac a
v este 1xn, r este un tablou n-dimensional .
r = poissrnd(lambda,m,n)
genereaz a valori de selectie ale variabilei aleatoare Poisson cu media lambda,
unde scalarii m si n sunt num arul de linii si de coloane ale lui r .
exprnd
13
Genereaz a valori de selectie din distributia exponential a.
Sintaxa
r = exprnd(mu)
r = exprnd(mu,v)
r = exprnd(mu,m,n)
Descriere
r = exprnd(mu)
genereaz a valori de selectie ale variabilei aleatoare exponentiale cu media mu.
mu poate un vector, o matrice, sau un tablou multidimensional. Dimensiunea
lui r este aceiasi cu a lui mu.
r = exprnd(mu,v)
genereaz a un tablou r de dimensiune v care contine valori de selectie ale
variabilei aleatoare exponentiale cu media mu, unde v este vector linie. Dac a v
este un vector 1x2, atunci r este o matrice cu v(1) linii si v(2) coloane. Dac a v
este 1xn, r este un tablou n-dimensional .
r = exprnd(mu,m,n)
genereaz a valori de selectie ale variabilei aleatoare exponentiale cu media
mu, unde scalarii m si n sunt num arul de linii si de coloane ale lui r.
Exemplu
n1 = exprnd(5:10)
n1 =
7.5943 18.3400 2.7113 3.0936 0.6078 9.5841
n2 = exprnd(5:10,[1 6])
n2 =
3.2752 1.1110 23.5530 23.4303 5.7190 3.9876
n3 = exprnd(5,2,3)
n3 =
24.3339 13.5271 1.8788
4.7932 4.3675 2.6468
normrnd
Genereaz a valori de selectie din distributia normal a.
Sintaxa
r = normrnd(mu,sigma)
r = normrnd(mu,sigma,v)
r = normrnd(mu,sigma,m,n)
Descriere
14
r = normrnd(mu,sigma)
genereaz a valori de selectie ale variabilei aleatoare normale cu media mu si
dispersia sigma. mu si sigma pot vectori , matrice sau tablouri multidimen-
sionale cu aceiasi dimensiune cu a lui r .
r = normrnd(mu,sigma,v)
genereaz a un tablou r de dimensiune v care contine valori de selectie ale
variabilei aleatoare normale cu media mu si dispersia sigma, unde v este vector
linie. Dac a v este un vector 1x2, atunci r este o matrice cu v(1) linii si v(2)
coloane. Dac a v este 1xn, r este un tablou n-dimensional .
r = normrnd(mu,sigma,m,n)
genereaz a valori de selectie ale variabilei aleatoare normale cu media mu si
dispersia SIGMA, unde scalarii m si n sunt num arul de linii si de coloane ale
lui r.
Normrnd foloseste functia Matlab randn care genereaz a numere aleatoare.
Rezultatul n urm atorul exemplu depinde de starea curent a a functiei randn.
Exemplu
n1 = normrnd(1:6,1./(1:6))
n1 =
2.1650 2.3134 3.0250 4.0879 4.8607 6.2827
n2 = normrnd(0,1,[1 5])
n2 =
0.0591 1.7971 0.2641 0.8717 -1.4462
n3 = normrnd([1 2 3;4 5 6],0.1,2,3)
n3 =
0.9299 1.9361 2.9640
4.1246 5.0577 5.9864
15