Documente Academic
Documente Profesional
Documente Cultură
3) Votre objectif est de prendre le dernier bus qui passe avant t0 = 23h (ainsi vous
échouez si un bus passe entre l’instant t où vous partez et t0 , ou bien si vous n’êtes pas
encore parti à t0 ). Votre statégie consiste à choisir un instant s < t0 et à prendre le
premier bus qui se présente à partir de s.
a) Montrer que la probabilité de succès est p(s) = λ(t0 − s)e−λ(t0 −s) .
b) Quelle est la valeur s0 de s qui maximise cette probabilité ?
c) Déterminer la probabilité de gain pour s = s0 (on montrera qu’elle est en par-
ticulier indépendante de λ).
1) Le passager rentrera à pied si, quand il arrive, il n’y a pas d’autobus, c’est-à-dire si le dernier
autobus est arrivé avant l’instant θ − τ et si, à l’instant θ + τ 0 , il n’y a toujours pas d’autobus ; il y a
donc aucune arrivée entre θ − τ et θ + τ 0 .
0
Or P ([Nθ+τ 0 − Nθ−τ = 0]) = P ([Nθ+τ 0 −(θ−τ ) = 0]) = P ([Nτ +τ 0 = 0]) = e−λ(τ +τ ) et la probabilité
0
que le passager prenne l’autobus est donc 1 − e−λ(τ +τ ) = 1 − e−0,4 .
2) a) Soit T le temps (aléatoire) écoulé entre notre arrivée et celle du prochain bus. On sait que T
suit la loi exponentielle E(λ). Le temps W mis pour rentrer est :
• T + t1 si le bus arrive avant s, c’est-à-dire si T ≤ s ;
• s + t2 si on rentre à pied, c’est-à-dire si T > s.
On a donc W = (T + t1 )1I[0,s] (T ) + (s + t2 )1I]s,+∞[ (T ) = h(T ).
b) On en déduit :
Z Z s Z +∞
E(W ) = h(t)fT (t)dt = (t + t1 )λe−λt dt + (s + t2 )λe−λt dt
0 s
Z s
s s +∞
= −te−λt 0 + e−λt dt + t1 −e−λt 0 + (s + t2 ) −e−λt s
0
−λs 1 1
= −se + − e−λs + t1 (1 − e−λs ) + se−λs + t2 e−λs
λ λ
1
1
soit E(W ) = λ + t1 + e−λs t2 − λ + t1 .
3) a) On veut prendre le dernier bus avant t0 et, pour cela, on décide de prendre le premier qui se
présente après s. On aura alors gagné si 1 bus exactement se présente entre s et t0 (en effet, s’il y en a
2 ou plus, on n’aura pas pris le dernier, et s’il n’y en a pas, on sera encore là en t0 ). La probabilité de
succès dans ce cas est alors
p0 (s) = λe−λt0 eλs [−1 + λ(t0 − s)] = λe−λ(t0 −s) (λt0 − 1 − λs).
λt0 −1 1
On a donc un maximum pour s = λ = t0 − λ (ou bien s = 0 si λt0 − 1 < 0, ce qui n’est pas le cas
ici).
1
A.N. t0 = 8h, λ = 14 h, donc s0 =7h45mn .
1 1
Il faut donc prévoir 1/4h, ce qui est normal car λ = 4 h est le temps moyen entre 2 bus.
c) La probabilité de gain est alors p(s0 ) = λe (t0 − s0 ) avec s0 = t0 − λ1 , soit t0 − s0 = λ1 .
−λ(t0 −s0 )
2. Le long d’une route à voie unique, l’écoulement des véhicules peut être décrit par
un processus de Poisson (Nt ) de paramètre λ = 2/mn.
1) Sachant que 4 véhicules sont passés en 3 minutes, déterminer la probabilité que 3
soient passés dans les 2 premières minutes.
2) Pour cause de travaux, on doit interrompre le traffic pendant une durée t. On
compte alors une longueur de 8m de route occupée par véhicule immobilisé et on cherche
la valeur de t telle que la queue formée ne dépasse 250m qu’avec une probabilité de 0,2.
Exprimer la condition à l’aide de Nt , puis à l’aide des temps Ui inter-arrivées entre
les véhicules. On donnera une estimation de t à l’aide du théorème central limite, en
considérant 30 comme grand.
[On peut lire sur les tables que P ([X ≤ −0, 84]) = 0, 2 pour une variable X de loi
normale N (0, 1) et on rappelle que si Y suit la loi exponentielle E(λ), E(Y ) = 1/λ et
var(Y ) = 1/λ2 ].
1) Sachant que 4 véhicules sont passés en 3 minutes, la probabilité que 3 soient passés dans les 2
premières minutes est
P ([N2 = 3] ∩ [N3 − N2 = 1])
P ([N2 = 3]/[N3 = 4]) =
P ([N3 = 4])
P ([N2 = 3])P ([N3 − N2 = 1]) P ([N2 = 3])P ([N1 = 1])
= =
P ([N3 = 4]) P ([N3 = 4])
3 1
e−4 43! e−2 21! 43 × 2 × 4 44 × 2 25 32
= 64
= 4 4
= 4 4
= 4
= ≈ 0, 395.
e−6 4! 3! × 3 × 2 3 ×2 3 81
2) Si Qt est la longueur de la queue à l’instant t, on cherche t tel que P ([Qt > 250]) ≤ 0, 2. Or
pour avoir plus de 250m de queue, il faut au moins 32 véhicules (car 250/8 = 31, 25), et on a donc
P
32
[Qt > 250] = [Nt ≥ 32] = [T32 ≤ t]. Mais T32 = Ui avec les Ui indépendantes de même loi expo-
i=1
nentielle E(2), donc E(T32 ) = 32 32
2 = 16 et var(T32 ) = 4 = 8 et d’après le théorème central limite, en
condidérant 32 comme grand, Th 32 suit approximativement
i la loi normale N (16 ; 8). On cherche donc t
T32√
−16 t−16
tel que P ([T32 ≤ t]) = 0, 2 = P 2 2
≤ 2 2
√ = 0, 2. L’indication donne alors t−16
√ ≈ −0, 84 donc
2 2
√
t ≈ 16 − 2 2 × 0, 84 ≈ 13, 6 (13mn40s).
3. Au football, on suppose que les buts sont marqués suivant un processus de Poisson
(Nt ) de paramètre λ. On s’intéresse ici seulement aux parties qui se sont terminées avec
2 buts marqués. La durée d’une partie est une constante notée T ; les instants des buts
sont des variables aléatoire notées A1 et A2 .
1) Quelle est la probabilité qu’à la mi-temps il y ait eu exactement 2 buts ? 1 but ?
aucun but ?
2) Justifier que P [NT =2] ([A1 ≤ s] ∩ [A2 ≤ t]) = P [NT =2] ([Ns ≥ 1] ∩ [Nt = 2]) pour
0 < s < t < T . Montrer alors, en utilisant l’indépendance des accroissements (et en
distinguant 2 cas, selon que 2 buts sont marqués à l’instant s ou non), que :
En déduire les lois de A1 et de A2 lorsque NT = 2. Quels sont les temps moyens pour
marquer chacun des 2 buts ?
[N =n]
1) D’après le cours, pour s ≤ t, PNs t = B n, st . Ici t = T , s = T2 et n = 2 donc P [NT =2] ([NT /2 =
k 1 2−k
k]) = C2k 12 2 = 14 C2k avec C20 = C22 = 1 et C21 = 2.
Ainsi, la probabilité qu’à la mi-temps il y ait eu exactement 2 buts ou aucun est 14 ; pour 1 but, c’est 12 .
2st−2s2 +s2 2
On a donc p = T2 , soit P [NT =2] ([S1 ≤ s] ∩ [S2 ≤ t]) = 2st−s
T2 si 0 < s < t < T .
[N =2]
On a alors, en dérivant, fA1 T,A2 (s, t) = T22 1I(0<s<t<T ) (on retrouve le résultat du cours). Puis
Z
[N =2] [N =2] 2
fA1 T (s) = fA1 T,A2 (s, t) dt = (T − s)1I]0,T [ (s)
T2
Z
[N =2] [N =2] 2t
et fA2 T (t) = fA1 T,A2 (s, t) ds = 1I]0,T [ (t).
T2
RT h 2 i
3 T RT
Alors E[NT =2] (A1 ) = T22 0 s(T − s)ds = T22 T2s − s3 = T3 et E[NT =2] (A2 ) = T22 0 t2 dt =
0
h 3 iT
2 t
T2 3 = 3 . On a donc un temps moyen de 3 pour le premier but et de 2T
2T T
3 pour le deuxième.
0
FILES D’ATTENTE : Corrigés des exercices
λ 4 ρ
On a un système M/M/1 avec λ = 24 et µ = 30 donc ρ = µ = 5 et L = 1−ρ = 4, puis
W =L 4×60 1
λ = 24 = 10mn, Wq = W − µ = 8mn et Lq = L − ρ = 3, 2.
ρ
• Pour λ = 24 et µ = 40, on a alors ρ = 0, 6 et L = 1−ρ = 0,6
0,4 = 1, 5, puis Lq = L − ρ = 0, 9,
L 1,5×60 60
W = λ = 24 = 3, 75mn et Wq = W − 40 = 2, 25mn. Le gain est alors de 6, 25 × 75 = 468, 75 euros.
ρ
• Pour 2 files M/M/1, λ = 12 et µ = 30. On a alors, pour chaque file, ρ = 25 et L = 1−ρ = 23 ≈ 0, 67,
L 2×60
puis Lq = L − ρ ≈ 0, 27, W = λ = 3×12 ≈ 3, 33mn et Wq = W − 2 ≈ 1, 33mn. Le gain est alors de
6, 67 × 75 = 500 euros.
1 1 0,83
• Pour C = 2, ρ = 0, 8 et π0 = ρ2
= 1,8+0,64/1,2 ≈ 0, 43puis Lq = 1,22 π0 ≈ 0, 15, Wq ≈ 0, 38mn
1+ρ+ 2−ρ
et W ≈ 2, 38mn. Le gain est alors de 2, 38 × 75 ≈ 571, 50 euros.
La meilleure solution est donc la troisième.
Le service est une variable aléatoire Y telle que PY = αPY1 + βPY2 , avec PY1 = E(µ1 ) et Y2 = T1 + T2
où les Ti sont indépendantes telles que PT1 = E(µ1 ) et PT2 = E(µ2 ).
λ2 var(Y )+ µ12
λ2
On pose IE(Y ) = µ1 et ρ = λµ . Alors L = ρ + 2(1−ρ) = ρ + 2(1−ρ) IE(Y 2 ).
α α β β 1 1 β
IE(Y ) = αIE(Y1 ) + βIE(Y2 ) = µ1 + β(IE(T1 ) + IE(T2 )) = µ1 + µ1 + µ2 , soit µ = µ1 + µ2 .
IE(Y 2 ) = αIE(Y12 ) + βIE(Y22 ) avec IE(Y12 ) = µ22 et IE(Y22 ) = var(Y2 ) + IE(Y2 )2 = var(T1 ) + var(T2 ) +
2 2 1 h i
1
µ1 + 1
µ2 donc IE(Y 2
2
) = µ
1
2 + µ
1
2 + 1
µ1 + 1
µ2 = 2 1
µ2
+ 1
µ22
+ 1
µ1 µ2 d’où IE(Y 2 ) = 2 µ12 + µ1βµ2 + µβ2 .
1 2 1 1 2
λ λβ λ 2
On pose Q1 = µ1 et Q2 = µ2 . Alors µ = Q1 + Q2 et IE(Y 2 ) = 2
λ2 (Q1 + Q1 Q2 + β1 Q22 ) donc
L L 1 λ
On a alors W = λ, Wq = λ − µ et Lq = L − µ = L − Q1 − Q2 .
P
+∞ P
+∞ P
+∞
On pose alors Π(s) = pn sn , Π1 (s) = pn1 sn et Π2 (s) = pn2 sn . On a alors Π(s) = Π1 (s) +
n=0 n=1 n=1
Π2 (s) + p0 , et, avec le deuxième système λsΠ(s) = µ1 αΠ1 (s) + µ2 Π2 (s) et avec 1 équation sur 2 dans le
premier, (λ + µ2 )Π2 (s) = µ1 βΠ1 (s) + λsΠ2 (s). On a donc :
Π1 (s) + Π2 (s) = Π(s) − p0
µ1 αΠ1 (s) + µ2 Π2 (s) = λsΠ(s) .
(λ(1 − s) + µ2 )Π2 (s) = µ1 βΠ1 (s)
3. Les membres d’un club de Tennis se présentent à l’unique court du village suivant un
processus de Poisson d’intensité 2λ. Les joueurs occupent le court 2 par 2 dans leur ordre
d’arrivée, pendant une durée exponentielle de taux µ.
a) Tracer le graphe et écrire les équations vérifiées par les probabilités stationnaires.
Montrer que pour k ≥ 1, 2λpk = µ(pk+1 + pk+2 ) et que λ = µ(1 − p0 − p1 ).
b) On cherche une solution telle que pk = crk pour k ≥ 1. Montrer qu’alors r
satisfait r2 + r − 2λ
µ
= 0, qu’on doit avoir λ < µ, puis que p0 + c 1−r r
= 1 et en déduire pk .
a) les différentes transitions possibles correspondent à l’arrivée d’un joueur ou au départ de 2 joueurs
(ils jouent par 2). On a donc le graphe et les équations de balance suivants :
2λp0 = µp2
2λp1 = 2λp0 + µp3
(2λ + µ)p2 = 2λp1 + µp4
..
.
(2λ + µ)pk = 2λpk−1 + µpk+1
..
.
puis, par substitutions successives,
2λp0 = µp2
2λp1 = µp2 + µp3
(2λ + µ)p2 = µp2 + µp3 + µp4
..
.
(2λ + µ)pk = 2λpk−1 + µpk+2
..
.
ce qui donne 2λp2 = µp3 + µp4 et, par récurrence, si 2λpk−1 = µpk + µpk+1 , on a alors (2λ + µ)pk =
µpk + µpk+1 + µpk+2 , d’où 2λpk = µpk+1 + µpk+2 pour k ≥ 1 .
P P P
En sommant ces équations, on obtient 2λ pk = µ pk + µ pk et en ajoutant la première (2λp0 =
k≥1 k≥2 k≥3
P P P
µp2 ), on a alors 2λ pk = 2µ pk , soit λ = µ(1 − p0 − p1 ) compte-tenu de pk = 1.
k≥0 k≥2 k≥0
b) On vient de voir que (pk )k≥1 est une suite récurrente linéaire, d’équation caractéristique
√
r2 + r − 2ρ = 0, où l’on a posé ρ = µλ . Les solutions de cette équation sont ri = 12 −1 ± 1 + 8ρ ,
et comme les probabilités sont toujours positives, on doit avoir r > 0 et la seule solution acceptable est
√
r = 12 −1 + 1 + 8ρ . De plus, la série de terme général pk étant convergente, on doit avoir r < 1,
√
soit −1 + 1 + 8ρ < 2, ou 1 + 8ρ < 9, c’est-à-dire ρ < 1, soit λ < µ (ce qui semble logique puisque les
départs se font par 2).
P P r r
On a pk = 1 = p0 + crk = p0 + c 1−r , donc p0 + c 1−r =1.
k≥0 k≥1
2
r r
De plus, d’après a), ρ = 1 − p0 − p1 , d’où ρ = c 1−r − cr = c 1−r . On en déduit c = ρ 1−r
r 2 , et comme
1−r 2
ρ = 12 r(r + 1), c = 2r
r
et 1 − c 1−r = 1 − 12 (1 + r), d’où finalement,
p0 = 12 (1 − r) et pk = 12 (1 − r2 )rk−1 pour k ≥ 1 .
des états en régime stationnaire. Calculer la probabilité de rejet d’un client et le nombre
moyen de clients. Comparer avec un seul guichet sans attente de taux total µ.
Pour décrire complètement les états, il faut indiquer dans quelle phase du service se trouvent les
clients. On a le graphe et les équations de balance suivants :
λp0 = µp0,1
λp1,0 = 2µp2,0
µp1,1 = 2µp0,2
.
2µp1,1 = 2µp2,0 + λp0,1
(λ + µ)p1,0 = λp0 + µp1,1
(λ + µ)p0,1 = µp1,0 + 2µp0,2
On en déduit :
p0,1 = µλ p0
λ
p2,0 = 2µ p1,0
p1,1 = 2p0,2
puis, en reportant dans la quatrième équation,
λ λ2
p1,1 = 2µ p1,0 + 2µ 2 p0 .
1 ρ2
p0 = 1+2ρ+2ρ2 , p1,0 = p0,1 = ρp0 , p2,0 = p0,2 = 2 p0 et p1,1 = ρ2 p0 .
La probabilité qu’un client soit rejeté est la probabilité qu’il arrive lorsque les deux guichets sont pris,
2ρ2 1
c’est-à-dire p2,0 + p1,1 + p0,2 = 2ρ2 p0 , soit probabilité de rejet : 1+2ρ+2ρ2 = 1+ ρ1 + 2ρ12
.
2ρ+4ρ2 2+ ρ1
Le nombre moyen de clients est (p1,0 + p0,1 ) + 2pr = 1+2ρ+2ρ2 = 1+ ρ1 + 1 .
2ρ2
Dans le cas d’un service sans attente à un seul guichet de taux total µ, le temps de service moyen est µ1
1
donc chaque phase dure en moyenne 2µ c’est-à-dire que chaque phase suit la loi exponentielle E(2µ). On
n’a alors que 3 états avec :
λp0 = 2µp0,1
λp0 = 2µp1,0 ,
p1,0 = p0,1
d’où p0 (1 + ρ) = 1.
1 ρ
On en déduit p0 = 1+ρ et p1,0 = p0,1 = 2(1+ρ) .
ρ 1
La probabilité de rejet est ici 1+ρ = 1+ 1 et c’est le nombre moyen de clients :
ρ
il y a plus de clients rejetés dans le cas d’un seul guichet 2 fois plus rapide .
Pour les caractéristiques d’un système M/G/1, on a besoin de connaı̂tre l’espérance et la variance de
la durée du service Y . On a Y = Y1 + Y2 avec Y1 et Y2 indépendantes, Y1 de loi exponentielle E(1) et Y2
discrète telle que P (Y2 = 3) = 0, 3, P (Y2 = 5) = 0, 4, P (Y2 = 6) = 0, 2 et P (Y2 = 10) = 0, 1.
IE(Y1 ) = µ11 = 1 ; IE(Y2 ) = 3 × 0, 3 + 5 × 0, 4 + 6 × 0, 2 + 10 × 0, 1 = 5, 1 et IE(Y ) = 6, 1mn. On a alors
µ = IE1(Y ) = 6,1
1
mn−1 et, comme λ = 10 1
mn−1 , on a ρ = µλ = 0, 61 .
var(Y1 ) = µ12 = 1 et IE(Y22 ) = 9 × 0, 3 + 25 × 0, 4 + 36 × 0, 2 + 100 × 0, 1 = 29, 9 donc var(Y2 ) = IE(Y22 ) −
1
IE(Y2 )2 = 29, 9 − 5, 12 = 3, 89 et comme Y1 et Y2 sont indépendantes, var(Y ) = var(Y1 ) + var(Y2 ) = 4, 89.
On a alors
ρ2 + λ2 var(Y )
L=ρ+ ,
2(1 − ρ)
0,612 +0,0389 L
soit ici L = 0, 61 + 2×0,39 , d’où L ≈ 1; 14 . Par les formules de Little, on obtient alors W = λe
avec ici λe = λ, donc W ≈ 11, 4 mn ≈ 11 mn 22 s , puis Wq = W − µ1 , soit Wq ≈ 5, 3 mn ≈ 5mn 16s
et Lq = λe Wq , soit Lq ≈ 0, 53 .
6. Un cabinet médical travaille en permanence avec 2 médecins dont les patients arrivent
suivant un processus de Poisson d’intensité λi et dont les durées de consultation sont
exponentielles, de taux µi (i = 1, 2). Le cabine dispose d’une seule place d’attente,
commune aux 2 médecins.
Déterminer le graphe, les probabilités d’occupation de chaque état en régime station-
naire (états (i, j) où i (resp. j) est le nombre de patients du docteur 1 (resp. 2) dans le
cabinet). En déduire le nombre moyen de patients dans le cabinet, la proportion de temps
libre pour chaque médecin et la proportion de patients rejetés lorsque λ1 = 5, λ2 = 4,
µ1 = 3 et µ2 = 2.
p20 ≈ 0, 103
p10 ≈ 0, 062 p21 ≈ 0, 206
p0 ≈ 0, 037, , p ≈ 0, 123 , .
p01 ≈ 0, 074 11 p12 ≈ 0, 247
p02 ≈ 0, 148
On a alors L = (p10 + p01) + 2(p20 + p11 + p02 ) + 3(p21 + p12 ), soit L ≈ 2, 2 .
p0 + p01 + p02 ≈ 0, 26 et p0 + p10 + p20 ≈ 0, 20 : le premier médecin est libre pendant 26% du temps
et le deuxième pendant 20% du temps.
Un patient est refusé si le cabinet est plein (avec la probabilité p21 +p12 ≈ 0, 453), ou bien si c’est un pa-
tient du docteur 1 (resp. 2) et qu’il y a déjà 2 patients pour ce médecin (probabilité 59 p20 + 49 p02 ≈ 0, 123),
d’où environ 58% des patients sont rejetés , ce qui est énorme, compte-tenu du fait que les médecins sont
souvent libres. On a donc intérêt à ajouter des chaises dans la salle d’attente.
RÉSEAUX MONOCLASSES : Corrigés des exercices
On note Λ le taux d’arrivée des clients dans le système. On a alors Λp0,1 = λ, Λp0,2 = 2λ et
1 1 1
Λp0,3 = 3λ, avec p0,1 + p0,2 + p0,3 = 1, donc Λ = 6λ et p0,1 = , p0,2 = et p0,3 = .
6 3 2
a) Les (ei ) sont solutions du système :
1 1
e1 = + e4
6 2
1
e2 =
3
1 1
e3 = + e4
2 6
e4 = e1 + e2 + e3
2 2
En additionnant la première et la troisième, on obtient e1 + e3 = + e4 et en reportant dans la dernière,
3 3
2 1 1 3
on a alors e4 = 1 + e4 , soit e4 = 3 , vu qu’on avait déjà e2 = . Enfin, on en déduit e3 = + , soit
3 3 2 6
1 3 5
e3 = 1 , puis e1 = + , soit e1 = .
6 2 3
Λei 6λe1 10λ
Le système est stable si, pour chaque station, ρi < 1, avec ρi = . On a ici ρ1 = = ,
µi µ1 3kµ
6λe2 λ 6λe3 6λ 6λe4 3λ
ρ2 = = , ρ3 = = et ρ4 = = . La condition de stabilité est donc
µ2 kµ µ3 kµ µ4 µ
λ 3k k 1 λ k 1
< min , k, , , soit < min , .
µ 10 6 3 µ 6 3
λ 3λ 1 λ 1
b) On veut avoir ρ2 = ρ4 , soit = . Pour cela, il faut k = et < .
kµ µ 3 µ 18
1
a) On doit avoir p + (M − 1)q + r = 1 et, comme p0,i = , les ei sont solutions de
M
X XM
1 1
ei = + pei + qej = + (p − q)ei + q ej .
M M j=1
j6=i
M ρi λ M0 λ L M0
On a alors L = M × Li = = λ
, soit L = , d = λ et W = = .
1 − ρi µr − M
M0 µr − λ λ M0 µr − λ
c) On pose e1 = 1 et, comme toutes les stations jouent le même rôle, on a donc ei = 1 pour tout
i ∈ {1, · · · , M }.
ei 1
On a donc ici 1 = p + (M − 1)q (c’est-à-dire r = 0), puis = et
µi µ
N
1 1
π(−
→
n ) = π(n1 , · · · , nM ) =
G(M, N ) µ
card({−
→ M −1
n ; n1 + · · · + nM = N }) CN 1
donc G(M, N ) = = +M −1
et π(−
→
n ) = M −1 .
µM µM CM +N −1
1 1 1 1 3
a) On pose e1 = 1 . On doit avoir e2 = e1 , soit e2 = , e3 = e1 + e2 , soit e3 = ,
2 2 2 2 4
1 1 1 2
e4 = e2 + e3 , soit e4 = et on a bien e1 = e3 + e4 = 1.
2 3 2 3
e1 e2 e3 e4 1
On a alors = t, = s, = s et = t, puis π(−
→
n ) = π(n1 , n2 , n3 , n4 ) = tn1 +n4 sn2 +n3
µ1 µ2 µ3 µ4 G(4, N )
X N
X
avec G(4, N ) = tn1 +n4 sn2 +n3 , soit G(4, N ) = (k + 1)(N − k + 1)tk sN −k .
n1 +n2 +n3 +n4 =N k=0
4
X
b) Pour N = 4, t = 2 et s = 1, G(4, 4) = (k + 1)(5 − k)2k = 1 × 5 × 1 + 2 × 4 × 2 + 3 × 3 × 4 + 4 ×
k=0
2 × 8 + 5 × 1 × 16 = 5 + 16 + 36 + 64 + 80, soit G(4, 4) = 201 que l’on peut aussi calculer par l’algorithme
de convolution, en introduisant successivement les stations 2, 3, 1 et 4 pour commencer par les ρi égaux
à 1.
station 2 : ρ2 = 1 station 3 : ρ3 = 1 station 1 : ρ1 = 2 station 4 : ρ4 = 2
N =0 1 1 1 1
N =1 1 2 4 6
N =2 1 3 11 23
N =3 1 4 26 72
N =4 1 5 57 201
Les stations 1 et 4 comportent le même nombre de clients dans les états (0, n2 , n3 , 0) avec n2 + n3 = 4
1
(5 états), (1, n2 , n3 , 1) avec n2 + n3 = 2 (3 états) et (2, 0, 0, 2). On a alors π = (5 + 3 × 4 + 24 ),
G(4, 4)
33 11
soit π = = ≈ 16, 4% .
201 67
c) Vu les rôles symétriques de n1 et n4 dans − →π , ainsi que de n2 et n3 , on a −
→
π1 = − →
π 4 et −
→
π2 = −→π3
4
X (k + 1)(5 − k)2k 1
donc L1 = L4 et L2 = L3 . Or L1 + L4 = k = (2 × 4 × 2 + 2 × 3 × 3 × 4 + 3 ×
201 201
k=0
16 + 72 + 192 + 320 600
4 × 2 × 8 + 4 × 5 × 16) = , soit L1 + L4 = ≈3.
201 201
On a alors L1 = L4 ≈ 1, 5 et comme L = L1 + L2 + L3 + L4 = 4, L2 + L3 = 1 donc L2 = L3 ≈ 0, 5 .
1
On peut aussi utiliser l’algorithme MVA. Li (0) = 0 et Wi (1) = soit e1 W1 (1) = e4 W4 (1) = 2,
µi
1 1
e2 W2 (1) = e3 W3 (1) = 1 et d(1) = , puis Li (1) = d(1)ei Wi (1), soit L1 (1) = L4 (1) = et L2 (1) =
6 3
1 1 8 1 7 1 6
L3 (1) = . Ensuite e1 W1 (2) = 2 1 + = , e2 W2 (2) = 1 + = ; d(2) = 8 7 = ;
6 3 3 6 6 + 23
3 6
16 7 16 78 7 30
L1 (2) = d(2)e1 W1 (2) = , L2 (2) = . Puis e1 W1 (3) = 2 1 + = , e2 W2 (3) = 1 + = ,
23 23 23 23 23 23
3 23 23 78 39 13 30 15 5
d(3) = = ; L1 (3) = d(3)e1 W1 (3) = = = , L2 (3) = = = . Enfin,
2 108 72 72 36 12 72 36 12
13 50 5 17 24 100
e1 W1 (4) = 2 1 + = , e2 W2 (4) = 1 + = , d(4) = , puis L1 (4) = d(4)e1 W1 (4) = et
12 12 12 12 67 67
34
L2 (4) = .
67
1 1
a) On pose e1 = 1. On a alors e2 = e1 p1,2 + e3 p3,2 = + qe3 ; e3 = e1 p1,3 + e2 p2,3 = + pe3 et
2 2
e1 = e2 p2,1 + e3 p3,1 = (1 − p)e2 + (1 − q)e3 .
1
En remplaçant e1 par 1 et e2 par + qe3 dans la dernière relation, on obtient alors
2
1−p
1= + q(1 − p)e3 + (1 − q)e3 ,
2
1+p 1+q
soit e3 = et, par symétrie entre les rôles de p et q, e2 = .
2(1 − pq) 2(1 − pq)
n1 n2 n3
1 1 1+q 1+p
On a alors π(−
→
n ) = π(n1 , n2 , n3 ) = et
G(3, N ) µ1 2µ2 (1 − pq) 2µ3 (1 − pq)
X n1 n2 n3
1 1+q 1+p
G(3, N ) = .
µ1 2µ2 (1 − pq) 2µ3 (1 − pq)
n1 +n2 +n3 =N
b) Pour un réseau où chaque station a pour taux µ et qui vérifie p1,2 = p2,3 = p3,1 = 1, on a e01 = 1,
e02
= p1,2 e1 = 1, e03 = p2,3 e01 = 1 et
N
→
− 1 1
π( n ) = π(n1 , n2 , n3 ) = 0
G (3, N ) µ
N
0 1 2 (N + 2)(N + 1)
avec G (3, N ) = CN +2 = .
µ 2µN
Les expressions des probabilités stationnaires sont les mêmes lorsque
(N + 2)(N + 1)
On a alors G(3, N ) = G0 (3, N ) = .
2µN