Documente Academic
Documente Profesional
Documente Cultură
Evaluare:
Tip evaluare Metode de evaluare Pondere din nota finală
Teste pe parcurs: 1 test scris în săpt. 7 20%
A. Examen /
Colocviu Evaluare finală: Colocviu – săpt. 14 70% (minim 5)
80%
- Rezolvare de probleme; se pot folosi
(minim 5)
materiale bibliografice
Răspuns oral
C. Laborator 30 % (minim 5)
Caiet de laborator
Bibliografie:
1. M.H. Matcovschi, Lanţuri şi sisteme de aşteptare markoviene, Ed. Gh. Asachi, Iaşi, 2003.
2. pagina web curs: http://www.ac.tuiasi.ro/~mhanako/saa/
3. C.G. Cassandras, S. Lafortune, Introduction to Discrete Event Systems, 2nd Ed., Springer, New York, 2008.
4. G., Bolch, S. Greiner, H. de Meer, and K. Trivedi, Queueing Networks and Markov Chains: Modeling and
Performance Evaluation with Computer Science Applications, John Wiley & Sons, New York, 1998.
5. L. Kleinrock, Queueing Systems, vol. I and II, John Wiley & Sons, New York, 1976.
6. S.M. Ross, Introduction to Probability Models, 9th ed, Academic Press, 2006.
7. Myron Hlynka's Queueing Theory Page: http://web2.uwindsor.ca/math/hlynka/queue.html
8. ARENA Home Page, http://www.arenasimulation.com/support/.
9. W.D. Kelton, R.P. Sadowski, and D. Sturrock, Simulation with Arena, 4th ed., McGraw Hill Higher
Education, New York, 2006.
Elemente de teoria probabilităţilor şi statistică matematică
Capitolul 1
INTRODUCERE
Sistemele de aşteptare (eng. queueing systems) – o submulţime a clasei de sisteme de tip flux
(eng. flow systems), care efectuează procesarea (sau servirea) unor entităţi (sau clienţi).
cauda (lb. latină) = coadă
2
Elemente de teoria probabilităţilor şi statistică matematică
3
Elemente de teoria probabilităţilor şi statistică matematică
4
Capitolul 2
ELEMENTE DE TEORIA PROBABILITĂŢILOR
ŞI STATISTICĂ MATEMATICĂ
Variabile aleatoare şi distribuţii de probabilitate
Caracteristici ale distribuţiilor de probabilitate:
Valoare medie, Dispersie (varianţă), Moment de ordin k
Distribuţii discrete de probabilitate
Distribuţia Bernoulli
Distribuţia binomială
Distribuţia geometrică
Distribuţia Poisson
Distribuţii continue de probabilitate
Distribuţia exponenţială
Distribuţia gamma
Distribuţia Erlang
Funcţii generatoare
Elemente de statistică matematică
Estimarea parametrilor
Verificarea ipotezelor statistice
Elemente de teoria probabilităţilor şi statistică matematică
2
Elemente de teoria probabilităţilor şi statistică matematică
3
Elemente de teoria probabilităţilor şi statistică matematică
acoperă spaţiul : Ai .
i
4
Elemente de teoria probabilităţilor şi statistică matematică
5
Elemente de teoria probabilităţilor şi statistică matematică
Exemple:
starea unui server cu posibilităţi de defectare (1 = I – idle, 2 = W – working, 3 = D – down)
numărul X de clienţi dintr-un fir de aşteptare de capacitate 10 ( X {0,1, 2, ,10})
numărul Y de clienţi care au intrat într-un sistem de aşteptare într-un interval de timp t ( Y )
durata X dintre sosirile a doi clienţi consecutivi într-un fir de aşteptare ( X (0, ) )
durata cât un server se găseşte în starea D (defect)
durata Z de servire a unui client de către sever ( Z (0, ) )
6
Elemente de teoria probabilităţilor şi statistică matematică
Funcţia de repartiţie (sau de distribuţie) (eng. cumulative distribution function - cdf) a variabilei
aleatoare X este aplicaţia
F : [0, 1] , F ( x) P[ X x] . (2.2.1)
Proprietăţi:
F este monoton crescătoare pe : x1 x2 F ( x1 ) F ( x2 ) ;
F este continuă la dreapta în orice punct x , lim F ( ) F ( x) ;
x
P[ x1 X x2 ] F ( x2 ) F ( x1 ), P[ X x] 1 F ( x) .
7
Elemente de teoria probabilităţilor şi statistică matematică
x x2 xn
Fie o variabilă aleatoare discretă X 1
p1 p2 pn
Densitatea de probabilitate (eng. probability density function – pdf):
pi , dacă x xi ,
p : [0, 1] , p ( x) P[ X x] (2.2.2)
0, dacă x xi .
Relaţia de legătură dintre funcţia de repartiţie şi densitatea sa de probabilitate este:
F ( x) p( y ) . (2.2.3)
y x
Dacă numărul de valori pe care le poate lua X este finit (n), expresia funcţiei sale de repartiţie este:
0 , x (, x1 ),
p1 , x [ x1, x2 ),
p1 p2 , x [ x2 , x3 ),
F ( x) (2.2.4)
p1 p2 pn1 , x [ xn1, xn ),
1 , x [ xn , ).
Proprietăţi:
p ( x) 0, x , p( x) 1 .
x
8
Elemente de teoria probabilităţilor şi statistică matematică
Dacă funcţia f este continuă într-un punct x , atunci funcţia de repartiţie F este derivabilă în x şi
dF ( x)
f ( x) . (2.2.6)
dx
Proprietăţi:
f ( x) 0, x , f ( x)dx 1 ;
b
P[a X b] F (b) F (a ) f ( )d .
a
9
Elemente de teoria probabilităţilor şi statistică matematică
10
Elemente de teoria probabilităţilor şi statistică matematică
Exemplu:
Fie X 1, X 2 , , X n , variabilele aleatoare independente, având funcţiile de repartiţie Fi , i 1, n .
11
Elemente de teoria probabilităţilor şi statistică matematică
12
Elemente de teoria probabilităţilor şi statistică matematică
Proprietăţi:
Dacă X şi Y sunt variabile aleatoare având valori medii finite, atunci
M[cX ] c M[ X ], c ,
M[ X Y ] M[ X ] M[Y ], (2.3.3)
M[ X Y ] M[ X ] M[Y ], dacă X şi Y sunt independente.
x x2 z1 z2
Dacă X 1 este v.a.d. cu densitatea de probabilitate p ( x ) , şi Z g ( X ) q q ,
1p p 2 1 2
unde zi g ( xi ) , i 1, 2, , atunci:
M[ Z ] z j q j g ( xi ) pi . (2.3.4)
j i
Dacă X este v.a.c. având densitatea de probabilitate f ( x) , şi Z g ( X ) are densitatea de
probabilitate h, atunci:
M[ Z ] zh( z )dz g ( x) f ( x)dx . (2.3.5)
13
Elemente de teoria probabilităţilor şi statistică matematică
x x2 xn
Dispersia unei v.a.d. X 1 este:
p1 p2 pn
Var[ X ] xi mX pi .
2
(2.3.8)
i
14
Elemente de teoria probabilităţilor şi statistică matematică
Proprietăţi:
Var[ X ] 0
Var[ X ] 0 dacă şi numai dacă X m (sau mai exact P[ X m] 1).
Var[ X ] M[ X 2 ] M[ X ] ,
2
Var[cX ] c 2 Var[ X ], c ,
Var[c X ] Var[ X ], c , (2.3.10)
Var[ X Y ] Var[ X ] Var[Y ], dacă X şi Y sunt independente.
1
P | X m X | k X , k , k 0 (inegaltatea lui Cebîşev).
k2
15
Elemente de teoria probabilităţilor şi statistică matematică
k [ X ] M X m X , k 1, 2, .
k
(2.3.14)
v.a.d. X:
x1 x2 xn k [ X ] i pi ,
x k
(2.3.12)
X i
p1 p2 pn
k [ X ] xi mX pi ,
k
(2.3.15)
i
v.a.c. X cu densitatea de probabilitate f :
k [ X ] x k f ( x)dx , (2.3.13)
k [ X ] x m X k
f ( x)dx . (2.3.16)
Se observă că 1 [ X ] 0 şi că 2 [ X ] Var[ X ] .
16
Elemente de teoria probabilităţilor şi statistică matematică
O v.a. de tip Bernoulli ia numai două valori, X {0, 1}, cu densitatea de probabilitate:
1 p, k 0,
p (k ) P[ X k ] (2.4.3)
p , k 1.
17
Elemente de teoria probabilităţilor şi statistică matematică
18
Elemente de teoria probabilităţilor şi statistică matematică
Exemplul 2.4.1.
Se inspectează loturi de câte n 30 piese asamblate pe o linie de fabricaţie.
Considerăm că probabilitatea ca o piesă oarecare să fie defectă este p 0,05 .
Variabila aleatoare X ce reprezintă numărul de piese defecte găsite în lot are distribuţie
binomială, X Bin(30, 0.05) .
19
Elemente de teoria probabilităţilor şi statistică matematică
Exemplul 2.4.2.
Într-un canal de comunicaţii, probabilitate de transmisie corectă a unui bit este p (0,1) .
Se transmit cuvinte de n biţi.
Se utilizează un cod care poate tolera până la un număr de e biţi eronaţi într-un cuvânt.
20
Elemente de teoria probabilităţilor şi statistică matematică
Probabilitatea ca până la primul succes să fie necesare mai mult de n încercări este
P[ X n] P[ X k ] p (1 p ) k 1 (1 p ) n , n {1, 2, } , (2.4.8)
k n 1 k n 1
astfel că funcţia de repartiţie a variabilei X este
n
F (n) P[ X n] P[ X k ] 1 (1 p ) n , n {1, 2, } . (2.4.9)
k 1
21
Elemente de teoria probabilităţilor şi statistică matematică
Exemplul 2.4.3. În exemplul 2.4.1, numărul Y de piese inspectate până când se găseşte prima
piesă defectă dintr-un lot are distribuţie geometrică de parametru p 0,05 , şi
M[Y ] 1 p 1 0,05 20 .
Numărul X de intervale de timp necesare pentru servirea completă a unui task are o distribuţie
geometrică, X Gd ( p ) , având densitatea de probabilitate
p (k ) P[ X k ] p (1 p ) k 1 , k {1, 2, }.
22
Elemente de teoria probabilităţilor şi statistică matematică
Distribuţia geometrică este singura distribuţie discretă de probabilitate care are proprietatea de
lipsă a memoriei (eng. memoryless property):
P[ X n m, X m]
P[ X n m | X m] 1 P[ X n m | X m] 1
P[ X m]
n m
(2.4.12)
P[ X n m] (1 p )
1 1 1 (1 p) n P[ X n], m, n *.
P[ X m] (1 p ) m
23
Elemente de teoria probabilităţilor şi statistică matematică
Distribuţia Poisson este utilizată pentru a modela rezultatul unui experiment ce implică
numărarea apariţiilor unor evenimente aleatoare într-un interval de timp.
Dacă duratele de timp dintre apariţiile a două evenimente aleatoare independente consecutive
are o distribuţie exponenţială, atunci numărul de evenimente dintr-un interval de timp fixat are o
repartiţie Poisson (şi reciproc).
24
Elemente de teoria probabilităţilor şi statistică matematică
1 = 1 1.2 1 = 1
1.6
2 = 1.5 2 = 1.5
3 = 0.5 3 = 0.5
1.4 1
1.2
0.8
1
F(t)
f(t)
0.6
0.8
0.6
0.4
0.4
0.2
0.2
0 0
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
t t
25
Elemente de teoria probabilităţilor şi statistică matematică
server, X E ( ) . 0.8
F(t)
0.6 = 0.5
0.2
„nu au memorie”: t
26
Elemente de teoria probabilităţilor şi statistică matematică
27
Elemente de teoria probabilităţilor şi statistică matematică
1.2
0.6
F(x)
f(x)
0.8
0.4
0.6
=0.75, =0.5
0.4 0.2 =1, =1
=1.5, =1
0.2 =2, =1
=2, =2
0 0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
x x
28
Elemente de teoria probabilităţilor şi statistică matematică
29
Elemente de teoria probabilităţilor şi statistică matematică
30
Elemente de teoria probabilităţilor şi statistică matematică
Exemplul 2.4.6. Pentru testarea calităţii pieselor produse într-un FMS se aplică consecutiv
trei teste, durata fiecărui test (Ti, i = 1, 2, 3) având distribuţie exponenţială de medie 5 s.
Timpul total de verificare a unei piese, T T1 T2 T3 , are distribuţie Erlang de ordin n 3 şi
parametru (rată) 1 0, 2 s-1, cu M[ X ] n n 15 s şi Var[ X ] n 2 n 2 75 s2.
Exemplul 2.4.7. Durata de execuţie X a unui program de către CPU, măsurată în secunde, are
o distribuţie Erlang de ordin n 4 şi rată 0,5 s-1.
Probabilitatea ca execuţia unui program să dureze mai mult de 1 secundă este
3
k 2 3
P[ X 1] 1 F (1) 1 e 1 1 e 0,99824 .
k 0 k ! 2 6
31