Teoria traficului

• Teoria traficului
Aplicarea teoriei probabilității la soluționarea problemelor legate de
planificarea, evaluarea performanțelor, funcționarea și întreținerea sistemelor
de telecomunicații.
Disciplină a planificării unde instrumentele (procesele stochastice, teoria cozilor
de așteptare și simularea numerică) sunt luate din cercetarea operațiunilor.
• Termenul teletrafic acoperă toate tipurile de trafic de comunicații de date și trafic de
telecomunicații.

Obiectivul teoriei traficului

“de a face traficul măsurabil în unități bine stabilite prin intermediul modelelor
matematice și de a deduce relația dintre gradul de serviciu/QoS și capacitatea
sistemului, astfel încât teoria să devină un instrument prin care pot fi planificate investiții "
 Teoria traficului

Sarcina teoriei traficului

- proiectarea unor sisteme
- cât mai eficiente posibil,
- cu un grad de serviciu predefinit
- bazata pe cunoașterea viitoarei cerere de trafic și pe capacitatea
elementelor sistemului
- specifica
- metode pentru a controla dacă gradul real de serviciu îndeplinește
cerințele
- acțiunile de urgență atunci când sistemele sunt supraîncărcate sau apar
defecțiuni tehnice.
- metode de prognozare a cererii (de exemplu, de la măsurători de trafic),
- metode de calcul al capacității sistemelor
- specificarea măsurilor cantitative pentru gradul de serviciu
 Teoria traficului

• Aplicarea teoriei în practică

– Probleme de decizie referitoare atât la acordurile pe termen scurt, cât și la cele
pe termen lung
– deciziile pe termen scurt
• determinarea numărului de circuite dintr-un grup de trunchiuri, numărul de operatori la
panourile de comutare, numărul de benzi deschise în supermarket și alocarea
priorităților pentru posturile dintr-un sistem informatic.
– deciziile pe termen lung
• deciziile privind dezvoltarea și extinderea rețelelor de date și de telecomunicații,
achiziționarea de echipamente de cablu, sisteme de transmisie etc.

• Aplicarea teoriei în legătură cu proiectarea noilor sisteme poate ajuta la

compararea diferitelor soluții și, astfel, la eliminarea unor soluții incorecte într-un
stadiu incipient, fără a trebui să se construiască prototipuri.
 Teoria traficului

• Modelarea sistemelor de telecomunicatii

• Pentru analiza unui sistem de telecomunicații, trebuie creat un model pentru a
descrie întregul (sau părți din) sistem.

• Acest proces de modelare este fundamental

– în special pentru noile aplicații ale teoriei traficului necesită cunoașterea atât a
sistemului tehnic;
– instrumentelor matematice;
– implementării modelului pe un computer

Sistemele de telecomunicații sunt sisteme complexe om/mașină.

Sarcina lui teoria traficului constă în conturarea sistemelor optime din
cunoașterea cerințelor și obiceiurilor utilizatorilor.
 Teoria traficului

Un astfel de model conține trei elemente principale:

- structura sistemului
- dată de sistemul fizic
- strategia operațională
- un sistem fizic dat poate fi utilizat în moduri diferite pentru a
adapta sistemul de trafic la cerere
- proprietățile statistice ale traficului
- cererile utilizatorilor sunt modelate de proprietățile statistice
ale traficului
- prin măsurători pe sisteme reale este posibilă validarea
faptului că modelarea teoretică este în concordanță cu
realitatea
 OBIECTIVUL CURSULUI
• Studiul traficului in cadrul retelelor de telecomunicatii;
• Scopul: familiarizarea cu urmatoarele probleme;

– modelarea matematica a diferitelor sisteme de telecomunicatii si a traficului lor;

• Definitie: abstractizarea unui sistem de telecomunicații real și apoi
transpunerea acestei abstractizări într-un algoritm
– abstractizarea se face ținând cont de clasificările sistemelor și de
comportamentul acestor sisteme pentru anumite valori caracteristice
fixe pentru o situație reală de trafic
– algoritmul
» surpinde caracteristicile de stare ale unui sistem de telecomunicații
» analiza și manipularea corectă a datelor de intrare și de ieșire ale
unui sistem de telecomunicații

– analiza performantelor si dimensionarea sistemelor de telecomunicatii;

– metode utilizate pentru
• managementul traficului si
• analiza lor;
 Trafic

• Componenta a retelei de telecomunicatii desi nu este marcat ca atare in nici o

prezentare a structurii acesteia;

• Traficul reprezinta “viata retelei” si se face observat prin consecintele prezentei sale
in retea = ocuparea circuitelor si dispozitivelor puse la dispozitia utilizatorilor;

• Traficul unei rețele de telecomunicații reprezintă volumul de informație

transportat sau procesat de rețea. Informația constă în schimbul de date
între utilizatori, dar și schimbul de date între rețea și entitățile de
control.

• Caracteristica importanta: nu poate fi stocat in nici un fel; prelucrarea sa

trebuie se realizeaza intotdeauna in timp real;
 Trafic

• Exemple:

– retelaua telefonica – manipulează in special trafic audio si video

• nr de apeluri telefonice oferite de abonati într-o perioadă determinată;
– Internet-ul - modelat pentru traficul de date
- +voce (VoIP)

• Aspecte importante
– Trafic oferit: element ce se produce in retea prin solicitarile exprimate de
utilizatori in vederea stabilirii unor legaturi telefonice
– Traficul prelucrat: element ce se prelucreaza de-a lungul retelei de
telecomunicatii si care necesita o dimensionare convenabila a tuturor
compartimentelor acesteia

• Traficul are o manifestare aleatoare ceea ce impune o tratare probabilistica a

tuturor aspectelor legate de aparitia si prelucrarea sa.
 CONTINUT

• Reţele de telecomunicatii şi metode de comutare

• Scopul teoriei traficului
• Modele de trafic
• Formula lui Little
 Reteaua de telecomunicatii

• Modelul retelei de telecomunicatii constă din

- noduri
• terminale
• noduri de retea

- legaturi intre noduri

• Reţeaua de acces
– conectează terminalele la reţea

• Trunchiul de retea
– conectează fiecare dintre nodurile
reţelei între ele
 Reţea de acces - Partajarea mediului

• În modelul precedent conexiunile intre terminale si

nodurile retelei erau punct la punct

→ nu avem partajarea resurselor in

cadrul retelei de acces;

• În anumite cazuri:
– reţelele de telefonie mobile;
– conectarea calculatoarelor prin LAN-uri ;

→ reţeaua de acces constă

dintr-un mediu partajat

- utilizatorii concură pentru accesul la mediu;

- necesitatea tehnicilor de acces multiplu;
 Moduri de comutare

• Comutarea de circuit
- reţelele de telefonie;
- reţelele de telefonie mobila;
- reţelele optice;
• Comutarea pachetelor
- reţelele de date
- orientată pe conexiune: X.25, Frame Relay;
- fără conexiune; Internet (IP) SS7 (MTP);
• Comutarea celulelor
- reţelele ATM
- orientate pe conexiune
- comutarea rapidă a pachetelor având lungimea fixă
 Comutarea de circuit(1)
• Orientată pe conexiune:
- conexiunea e stabilită (end to end) înaintea transferului de informaţie;
- resursele sunt rezervate pe întreaga durată a conexiunii;
- dacă resursele nu sunt disponibile apelul e blocat si pierdut;

• Transferul de informaţie se face ca şi flux continuu;

• Înainte de transferul informaţiei B

- întârzieri la stabilirea legăturii
(datorate prelucrării info. de semnalizare);

• Pe durata transferului de informaţie A

- intârzieri determinate de propagarea semnalului;
- nu e necesar antetul;
- nu există întârzieri suplimentare;

• Exemplu: reţeaua telefonică

 Comutarea pachetelor

• Lipsa conexiunii:
- nu necesită stabilirea conexiunii (fără stabilirea conexiunii);
- fără rezervarea resurselor;
- fără blocare;
• Transferul informatiei sub forma unor pachete discrete:
- de lungime variabilă;
- adresa globală a destinatarului;
• Înainte de transferul propriu-zis;
- nu există întârzieri;
• În timpul transferului informatiei;
- antet (header bytes);
- întârzieri datorită (specifice) procesării pachetelor;
- întâzieri datorate cozilor de asteptare (queueing delays)
- întârzieri de transmisie (datorate capacităţii finite a liniei);
- întarzieri datorate propagării semnalului;
- pierderea pachetelor (datorată bufferelor de capacitate finită);
• Exemplu: Internet (IP-layer)
 Comutarea pachetelor

B B
A
 Sistemul de telecomunicaţii din punct de vedere al traficului

• Fiind dat sistemul si un anumit trafic oferit, care e calitatea serviciului oferit
utilizatorilor?
• Cum trebuie dimensionat sistemul în condiţiile unui anumit trafic oferit şi a unei calităţi
impuse?
• Pentru un anumit sistem şi o anumită calitate impusă, care este încărcarea maximă
(traficul maxim) suportată?

Trafic Trafic
oferit prelucrat
Utilizatori Sistem
 Scopul general
• Determinarea relatiei intre cei trei factori QoS
- QoS;
- Traficul oferit;
- Capacitatea sistemului;
• Sistemul: sistem trafic
- un singur element (o legătura telefonică, o leg într-o reţea IP, un procesor de
pachete într-o reţea de date, buffer-ul unui router, un multiplexor statistic într-o
reţea ATM);
- întreaga reţea (telefonică sau de date) sau o anumită parte a sa.
• Traficul:
- biţi, pachete, bursts(rafale), fluxuri, conexiuni, apeluri…
- depinde de sistem si scara de timp considerată;

• Qos poate fi descrisă din punctul de vedere al

- utilizatorului (blocarea de apel, pierderea pachetelor, întârzierea pachetelor,

debitul;
- sistemului – se uitlizează termenul de performanţa (utilizarea procesorului
sau a liniei, încărcarea maximă a reţelei)
 Exemplu

• Apelurile telefonice

- traficul = determinat de apelurile telefonice

- sistemul = reţeaua de telefonie
- calitatea serviciului = probabilitatea ca telefonul să sune la
destinaţie
 Relaţia între cei trei factori

• Din punct de vedere calitativ relaţiile dintre cei trei factori sunt ilustrate în
fig. de mai jos.

• Pentru a descrie relaţia din punct de vedere cantitativ sunt necesare

modele matematice
 Modele de trafic

• Modelele de trafic sunt modele stochastice (=probabilistice)

- sistemele sunt tipic deterministe dar traficul e stochastic;
- nu stim niciodata cine ne cauta si cand;
• Ca urmare variabilele in aceste modele sunt variabile aleatoare:
- numarul de apeluri care sosesc;
- numarul de pachete din buffer;
• Variabilele aleatoare sunt descrise de distributiile lor
- probabilitatea ca sa avem n apeluri care sosesc;
- probabilitatea ca sa avem n pachete in buffer;
• Procesul stochastic descrie evolutia temporala a unei variabile
aleatoare
 Sisteme reale versus modele

• Modele desciu doar o parte sau o proprietate a sistemului real

considerat şi numai dintr-un anumit punct de vedere;

• Descrierea nu este foarte exactă ci mai degrabă aproximativă;

• Trebuie acordată o mare atenţie atunci când sunt trase concluziile;

 Scopuri practice

Planificarea reţelelor

- dimensionare
- optimizare
- analiza performanţelor

Managementul şi controlul reţelei

- operarea eficientă
- recuperarea greşelilor
- managementul traficului
- routarea
- contabilitate
 Tipuri de modele de trafic

• Trei tipuri de sisteme model

- sisteme cu pierderi (loss systems)
- sisteme cu cozi de aşteptare (queueing systems)
- sisteme cu partajare (sharing systems)

• Modele de trafic simple

- se referă la o singura resursă

• Modele simple pot fi combinate pt a crea modele pentru întreaga

reţea de telecomunicaţii
- reţele cu pierderi (loss networks)
- reţele cu cozi de aşteptare (queueing networks)
- reţele cu partajare (sharing networks)
 Modelul simplu de trafic

• Rata de sosire a utilizatorilor  [clienti / s]

1
- [ s ] timpul mediu între sosiri

• Clienţii sunt serviţi de n servere paralele;
• Când este ocupat rata serviciului pentru un server este:  [clienti / s]

- [s] timpul mediu de servire al unui client;

• Exista n + m poziţii pentru clienţi în sistem

- cel puţin n poziţii de lucru şi cel mult m poziţii de aşteptare;

• Se admite că, clienţii blocaţi (care sosesc când sistemul e plin) sunt pierduţi;
Modelul simplu de trafic
 Sistem pur cu pierderi

• Număr finit de servere n   , n poziţii de lucru , fără pozitii de aşteptare (m=0) ;

• Dacă sistemul e plin ( toate cele n servere ocupate) când soseşte un nou client,
acesta nu e servit ci pierdut;
• Unii utilizatori sunt pierduţi;
• Din punctul de vedere al utilizatorilor e interesant de ştiut care e probabilitatea ca
sistemul să fie plin când sosesc ei.
 Sistemul infinit

• Număr infinit de servere n =  , n poziţii de lucru , fără poziţii de

aşteptare (m=0) ;

• Nici un client nu e pierdut şi nici măcar nu trebuie să aştepte;

• În unele cazuri acest model este folosit pt a obţine rezultate aproximative
în ceea ce priveşte un sistem real de capacitate finită;
• Întoteauna oferă limite în ceea ce priveşte performanţa unui sistem real
(cu capacitate finită);
• Mult mai uşor de analizat decât sistemele cu capacitate finită.
 Sistem pur cu aşteptare

• Număr finit de servere n   , n poziţii de lucru, infinit număr de poziţii de

aşteptare m =  ;
- dacă toate cele n servere sunt ocupate când soseşte un client, atunci acesta
ocupă o poziţie de aşteptare;
- nici un client nu e pierdut dar unii s-ar putea să aştepte prea mult;
• Din punctul de vedere al clienţilor e interesant de ştiut care e probabilitatea ca
aceştia să aştepte prea mult?
 Sistem cu aşteptare si pierderi

• Număr finit de servere n   , n poziţii de lucru, număr finit de poziţii de aşteptare

0m ;
- dacă toate serverele sunt ocupate dar există încă poziţii libere de aşteptare
când apare un client, acesta ocupă o pozţie de aşteptare;
- dacă toate cele n servere si toate cele m poziţii de aşteptare sunt ocupate
când soseşte un client, acesta nu e servit si e pierdut;
- unii clienţi sunt pierduţi şi alţii trebuie să aştepte prea mult pentru a fi serviţi;
 Sistem pur cu partajare

• Numar finit de servere n   , infinit numar de pozitii de lucru n + m =  ,

fara pozitii de asteptare.
- daca exista cel mult x utilizatori in sistem ( x  n ), fiecare utilizator are
propriul sau server. Altfel, ( x  n ), rata totala de serviciu ( n ) este impartita
in mod egal intre utilizatori;
- astfel rata de serviciu este min {, n / x }
- nici un client nu e pierdut si nici unul nu trebuie sa astepte
- dar intarzierea e cu atat mai mare cu cat sunt mai multi clienti in sistem.
Intarzierea este o masura interesantă (importantă) din punctul de vedere al
utilizatorilor.
 Sisteme cu partajare şi pierderi

• Număr finit de servere n   , numar finit de pozitii de lucru n + m   , nu

există poziţii de aşteptare;
- dacă există cel mult x utilizatori în sistem ( x  n ), fiecare utilizator are
propriul său server. Altfel ( x  n ) rata totală de serviciu ( n ) e partajată în
mod egal între clienţi.
- rata de servire a unui client este min{, n x } ;
- unii clienţi sunt pierduţi dar nici unul nu aşteaptă înainte de servire
 Formula lui Little

• Fie un sistem pentru care rata de sosire a clienţilor e 

• Presupunem stabilitatea sistemului:

- Sistemul este din cand in cand gol

- Consecinţă: clienţii pleacă din sistem cu rata 

• Fie:

- N numărul mediu de clienţi în sistem

- T timpul mediu pe care un client îl petrece în sistem = intârzierea medie

• Formula lui Little:

N = T ( E[ N ] = E[T ])
OBS
Atenţie la notaţii: N, T
 Demonstratie

• Fie:
• - N (t ) = evolutia numarului de clienti in sistem pana la momentul t
• - A(t ) = numarul de clienti sositi in sistem in intervalul ( 0, t )
• - B(t ) = numarul de clienti plecati din sistem in intervalul ( 0, t );
• - Ti = timpul pe care un client i il petrece in sistem = intâzierea sa;

• Întrucât t →  ,
t
A( t ) B (t )
1
t 0
N ( s )ds → N 1
A(t )
 Ti → T 1
 Ti → T
i =1 B(t ) i =1

• Datorita stabilitatii avem:

1 1
A(t ) →  B (t ) → 
t t
 Demonstraţie

• Presupunem că :
- sistemul e gol la t=0;
- ordinea de plecare din sistem e FIFO
• În concordanţă cu figura:

B (t ) t A( t )
1
 Ti   N (s)ds   Ti 
t
i =1 0 i =1
 Demonstraţie

• Avem:

B (t ) t A( t )
B(t ) 1 1 A(t ) 1
t B(t )
 Ti  t 0
N ( s ) ds 
t A(t )
 Ti → T
i =1 i =1

• Întrucât t →

T  N  T
 Formula lui Little

OBS
• Rezultatul oferit de Teorema lui Little foarte util datorită generalităţii sale:
– Nu necesită nici o ipoteză în legătură cu sistemul
• Orice parte a sistemului poate fi considerată ca o cutie neagră

• Valabilă indiferent de procesul de intrare

– Nu presupune ipoteza ca acesta să fie de tip Poisson
– Sigura condiţie impusă este stationaritatea acestuia
• Utilitatea rezultatului oferit de Formula lui Little: în teoria cozilor de
aşteptare este adesea simplu deducerea unui rezultat referitor la numărul
mediu de clienţi în sistem:
– Pe baza formulei lui Little se poate deduce în continuare timpul mediu de
staţionare al clienţilor în sistem.

N →T
– Relaţia poate fii folosită şi în sens invers:

T→N
 Formula lui Little

Interpretări ale Formulei lui Little:

• Numărul de clienţi în sistem reprezintă un proces stochastic. Valoarea sa
medie poate fi calculată raportând aria haşurată la intervalul de timp t .
– În medie fiecare client contribuie la această arie prin cantitatea T
– Numărul de clienţi care soses în intervalul t este t
tT
– Aria devine în acest caz: (t )T deci, val. medie e: N = = T
t
 Formula lui Little

Aplicaţii: Calculul intensităţii traficului (încărcarea)

Fie o reţea constând din următoarele elemente: trunchiuri, porturi, etc. Care pot fi
ocupate de către diferiţi clienţi. Fie:
-  rata de sosire a clienţilor în sistem
- T timpul mediu de întârziere al unui client în sistem

• Cantitatea a = T reprezintă intensitatea traficului sau încărcarea cu trafic

• Intensitatea traficului este un număr (o marime adimensională) dar pentru a

sublinia contexul se foloseşte adesea ca şi unitate a sa Erlang-ul (erl).
• Potrivit formulei lui Little, intensitatea traficului este acelaşi lucru cu numărul
mediu de elemente ocupate în sistem.
 Formula lui Little

• Exemplu:
În trunchiul de reţea ce leagă un PBX (centrală privată) de centrala urbană există în
medie 150 apeluri pe oră. Timpul mediu de menţinere al unui apel este de 3 minute.
Intensitatea traficului este :

a = 150h −1  3min = 7.5erl

Sau altfel spus: În trunchi sunt în medie 7.5 apeluri în prelucrare simultan.
 Formula lui Little

Trafic oferit, Trafic blocat, Trafic prelucrat

• Toate sistemele reale au capacitate limitată şi ca urmare a acestui fapt
unii din clienţii care solicită seviciul vor fi refuzaţi (blocaţi): Ca atare
trebuie să facem distincţie între următoarele concepte:
• λ = trafic oferit
• λb = trafic blocat
• λc = trafic prelucrat (carried)

• Formula lui Little se aplică fluxului de clienţi admişi în sistem (cf. Dem.
Ant)!!!!!!
N = c T
• Ea poate fi aplicată şi în cazul sistemului cu limite extinse
 Formula lui Little

• În acest caz o parte din clienţii care sosesc cu rata λ vor fi respinşi.
• Timpul mediu petrecut de un client în sistem este în acest caz:

b 
T' = 0+ c T
 
• Iar conform formulei lui Little avem:

N = T ' =  c T
 Formula lui Little

Intensitatea traficului într-un sistem cu un singur server

• λ reprezintă traficul prelucrat de sistem

• Ts este timpul mediu de servire
• Pe de altă parte se poate calcula ocuparea medie cu formula
N = p0 0 + p11 = p1

• p0 reprezintă probabilitatea ca sistemul să fie ocupat

• p1 reprezintă probabilitatea ca sistemul să fie utilizat 
Într-un sistem cu un singur server, intensitatea traficului prelucrat este egală cu
utilizarea serverului( proporţia de timp cât serverul este utilizat)

a = Ts = 
 Formula lui Little

Exemplu:
Fie sistemul ce conţine:
N = poziţii în sistem
K = servere, Ts , timpul mediu de servire
al unui server
N – K = poziţii de aşteptare
Rata de sosire este aşa de mare încât sistemul este tot timpul saturat (toate
locurile ocupate)
λ reprezintă rata de prelucrare a traficului clientilor.
Care este timpul mediu de staţionare, T , al unui client în sistem?
Little aplicat setului de servere:
K
K = Ts   =
Ts
Little aplicat întregului sistem:
N N N
N = T  T = = Ts ;  1; T  Ts
 K K
 Notiunea de trafic

• Traficul - produs al reţelei de telecomunicaţii;

• Traficul – element de prelucrare în reţeaua de telecomunicaţii;
• Cantitate informaţională îin mişcare ceea ce implică noţiunea de debit;
- trafic: intens sau scazut;
- fluiditatea traficului;
- situaţii de saturare sau de blocare
Toate aceste aspecte rezultă din obs si analiza traficului efectuată de-a lungul
reţelelor de telecom şi în toate compartimentele sale.
• Traficul apare sub forme diverse:
- trafic oferit;
- trafic scurs sau prelucrat;
- trafic refuzat;
- trafic de aşteptare;
- trafic de comutatie;
- trafic de comandă.
Fiecare tip de trafic are definiţia sa proprie şi o expresie individuală ce depinde
de serviciul solicitat( telefonic, de date, de mesaje, de voce, de imagini) dar şi
de procedura de servire folosită (cu pierderi, cu aşteptare)
 Trafic oferit versus trafic prelucrat ( carried)

• Trafic oferit: trafic aşa cum este generat de surse (izvoare)

• Trafic prelucrat: traficul prelucrat de-a lungul reţelei

- Caracterizarea traficului prelucrat:

- CS- Trafic
- numărul apelurilor preluate sau al conexiunilor active
(Erlang)
- poate fi convertit în bit rate în centralele digitale – de expl.
Un apel telefonic utilizează 64 kps (=8000*8bps) pe un
sistem PCM

- PS- trafic
- flux de biţi (bps, kbps, Mbps, Gbps,….)
- flux de pachete (packet stream) ( pps)
- număr de fluxuri active (erl)
 Unităţi de trafic

• Traficul telefonic:
- Erlang (erl)
- un erlang corespunde unui apel prelucrat sau unui canal ocupat la medie

• Traficul de date:
- biţi pe secundă (bps)
- pachete pe secundă (pps)

• Nota:
– 1 byte = 8 biţi
– 1 kbps = 1kbit/s = 1.000 biti /s (103)
– 1Mbps = 1Mbit/s = 1.000.000 biti /s (106)
– 1 Gbps = 1Gbit/s = 1000.000.000 biti /s (109)
 Unităţi de timp pentru aprecierea variaţiilor traficului

• Variaţii predictive
- Tendinţe ( ani)
- creşterea traficului datorată:
- serviciilor existente (noi utilizatori, noi modalităţi de
utilizare, noi tarife)
- serviciilor noi
- Profilul obişnuit( normal) (regular) pe an (luna)
- Profilul obişnuit( normal) (regular) pe săptămână (zile)
- Profilul obişnuit( normal) (regular) pe zi (ore)

- Variaţii determinate de evenimente externe predictive (normale sau

excepţionale)
- normale: diferite sărbători: Crăciunul
- excepţionale; televoting
 Unităţi de timp pentru aprecierea variaţiilor traficului

• Variaţii nepredictive:

- Variaţii aleatoare pe termen scurt (secunde –minute)

– sosiri aleatoare de apeluri
– durate de convorbiri aleatoare

- Variaţii aleatoare pe termen lung (ore-…)

– Deviatii aleatoare în jurul profilelor
– Fiecare zi, săptămână, lună e diferită

- Variaţii cauzate de evenimente externe nepredictive

– Cutremere de pământ sau alte dezastre naturale

Nota: Modelele teoretice studiate in cadrul cursului se adresează în

mod obişnuit variaţiilor aleatoare pe termen scurt
 Busy hour

• Pentru dimensionare:
- e necesară o estimare a traficului oferit (trafic load)

• În reţeaua telefonică
- unitatea standard este cea numită “busy hour traffic”

Busy hour ~ intervalul continuu de 1 oră căruia îi corespunde cel mai mare
volum de trafic

- acest interval are sens numai pentru o zi - se mai numeste daily peak hour
- pentru dimensionare trebuie avută în vedere evoluţia traficului pe mai multe
zile

• Diferite definiţii pentru “busy hour traffic” (care să acopere mai multe zile) au fost
propuse de ITU
• Average Daily Peak Hour (ADPH)
• Time Consistent Busy Hour (TCBH)
 Busy hour

• Fie
- N = numarul zilelor pe care s-au facut masuratorile (N=10)
- an () = traficul mediu masurat pe intervalul Δ de 1 ora al zilei n
- max a () = trafic de vârf al zilei n ( daily peak hour traffic)
 n

• Busy hour traffic a calculat cu diferite metode:

N
1
a ADPH = 
N n =1
max  an ()
N
1
aTCBH = max  
N n =1
an ()

• Nota aTCBH  a ADPH

 Reteaua telefonica

• Orientata pe conexiune
- Conexiunile stabilite inainte de transferul informatiei
- resursele rezervate pentru intreaga durata a convorbirii
- daca resursele nu sunt disponibile, apelul este blocat si pierdut
• Informatia e transferata ca flux continuu

A
 Modelul traficului telefonic

• Traficul telefonic consta din apeluri

- apelul ocupa un canal de-a lungul traseului intre chemator si cel chemat;
- caracterizarea apelului: timpul de ocupare (holding time) (in unitati de
timp);
• Modelarea traficului oferit:
- procesul de sosire a apelurilor (momentele de sosire a apelurilor);
- distributia timpilor de ocupare (holding time);
• Modelul canalului: un sistem pur cu pierderi
- un server corespunde unui canal;
- rata de serviciu μ depinde de timpul mediu de ocupare;
- numarul de servere, n, depinde de capacitatea liniei;
- cand toate canalele sunt ocupate, controlul admisiei apelurilor rejecteaza
noile apeluri astfel incat ele vor fi blocate si pierdute;
• Modelarea traficului prelucrat (carried);
- procesul trafic ne da informatii despre traficul în prelucrare = numarul de
canale ocupate;
Procesul trafic
Clasificarea traficului
 Traficul la nivelul pachetelor - Nivelul retea in retelele IP

• IP= Internet Protocol

• Lipsa conexiunii: B
- fara stabilrea conexiunii;
B
- fara rezervarea resurselor;
• Transferul informatiei sub forma pache-
telor discrete;
B B
• Paradigma de servire Best Effort A
- Nodurile retelei (routerele) directionea-
za pachetele cat mai bine posibil;
- Pachetele pot fi pierdute, intarziate sau
ordinea lor poate fi schimbata →→ e ne-
voie de implementarea intelegentei in no-
durile de margine sau in terminale;
 Modelul traficului la nivelul pachetelor de date

• Traficul de date consta din pachete

– Acestea concura intre ele pentru resursele de procesare si transmisie (
multiplexare statistica);
– Caracterizarea pachetelor: lungime (în unitati de date);
• Modelarea traficului oferit:
– Procesul de sosire al pachetelor (la ce moment de timp soseste un
nou pachet);
– Distributia lungimii pachetelor (cat de lungi sunt pachetele);
• Modelul liniei: un sistem cu asteptare bazat pe un singur server;
– Rata de servire μ depinde de capacitatea liniei si lungimea medie a
pachetelor;
– Când linia e ocupată noile pachete sunt trecute in buffer daca acest
lucru este posibil, altfel sunt pierdute;
• Modelul traficului prelucrat:
– Procesul trafic reprezintă numarul de pachete in sistem (incluzand
ambele: pachetele in transmisie si pachetele care asteapta in buffer);
Procesul trafic la nivel de pachet (1)
Procesul trafic la nivel de pachet (2)
Clasificarea traficului
 Nivelul transport in retelele IP

• Nivelul transport se afla deasupra nivelului retea (IP);

– raspunde de manipularea pachetelor IP în terminale;
– opereaza end-to- end;

• Protocoalele de nivel transport;

– TCP = Transmision Control Protocol

• Rata de transmisie se adapteaza conditiilor de trafic din retea printr-
un mecanism de control al congestiei;
• Adecvat pentru traficul care nu e in timp real, cum ar fi transferul
documentelor digitale;
– UDP = User Datagram Protocol
• Rata de transmisie independenta de conditiile de trafic din retea;
• Adecvata pentru tranzitări (trafic interactiv cu transferuri de scurta
durata)
• Utilizat deasemenea pentru traficul in timp real (streaming) cu
implicarea protocoalelor de nivel inalt ca RTP;
 TCP

• Transmision Control Protocol

– Protocol de nivel trasmisie, end to end, orientat pe conexiune;
– Pentru un transfer de flux fiabil deasupra nivelului IP
• Livrarea pachetelor in ordinea corecta este verificata utilizand confirmari
(acknowledgements) si retransmisii;
• Derularea specifica a protocolului si mecanismele de control ale congestiei
pentru traficul de control sunt bazate pe utilizarea unei ferestre adaptive
alunecatoare;

– Flow control (Controlul flux-ului): previne “inecarea “ receptorului

• Receptorul spune cati bytes poate receptiona;

– Controlul congestiei: previne “inecarea” retelei

• Emitatorul trebuie sa identifice cind reteaua e congestionata;
• Pierderea unui pachet indica congestia; fereastra este micsorata; In alte
conditiii ea este crescuta in mod gradual;

Antet IP Antet TCP Data

 UDP

• UDP = User Datagram Protocol

– Protocolul de nivel transport caracterizat prin lipsa conectivitatii; este un protocol
end-to-end;
– In virful IP, dar numai pentru multiplexare;
– Nu garanteaza transferul pachetelor;
– Nu asigura controlul curgerii (flow); poate supraincarca receptorul
– Nu asigura controlul congestiei; poate supraincarca reteaua;

Antet IP Antet UDP Data

 Traficul de date la nivelul flux (flow)

• Pe o scara de timp extinsa, traficul de date poate fi privit ca si constand din curgeri
(flows)
– Un singur flux poate fi descris ca si constand din curgeri continue de biti
(continuous bit streams) a caror rata (viteza) poate fi variabila

• Clasificarea flux -urilor

– flux -uri elastice
• Rata (viteza) de transmisie se adapteaza continuu conditiilor de trafic din
retea printr-un mecanism de control a congestiei;
• Exemplu: transferul documentelor digitale (HTTP, FTP,….) utilizeaza TCP;

– Streaming Flows
• Rata de transmisie independenta de conditiile de trafic din retea;
• Exemple: transmisiile de voce in timp real, transmisiile audio si video
utilizand UDP;
Clasificarea traficului
 Model de nivel flux al traficului elastic

• Traficul elastic consta din ceea ce numim flux-uri TCP adaptive;

– caracterizarea flux -ului: marime (unitati de date)

– Rata de transmisie si durata unui flux elastic nu sunt fixe dar depind in mod
dinamic de starea retelei

• Modelarea traficului oferit:

– Procesul de sosire a fluxurilor
– Distributia marimii fluxurilor

• Modelul liniei: un sistem cu partajare

– Datorita lipsei controlului admisiei nici un flux nu e rejectat
– Rata de serviciu μ depinde de capacitatea liniei si de marimea medie fluxului
– In cadrul modelului adaptarea ratei de transmisie e imediata si capacitatea liniei
e impartita in mod eficient intre toate fluxurile competitoare;

• Modelarea traficului prelucrat

– Procesul trafic ne da informatii despre numarul de fluxuri din sistem
Traficul in cadrul modelul de trafic elastic la nivelul flow
Clasificarea traficului
 Clasificarea traficului de date de tip streaming

• CBR = constant bit rate

– Transmisii voce/audio/video codate CBR
– La nivelul pachetelor: pachete de lungime fixa generate in mod regulat la
intervale uniforme;
– Nivelul flux: stream cu rata constanta
– Caracterizarea fluxului; rata si durata

• VBR = variable bit rate

– Transmisii voce/audio/video codate VBR
– La nivelul pachetelor: pachete de lungime variabila generate neregulat;
– Nivelul flux : stream cu rata variabila
– Caracterizarea fluxului; rata ca functie de timp
 Modelul traficului de streaming la nivel flux CBR

• Traficul de streaming CBR consta din fluxuri UDP cu rata constanta

– Caracterizarea fluxurilor: bit rate si durata

• Modelarea traficului oferit

– Procesul de sosire a fluxurilor (in ce momente de timp sosesc fluxurile noi);
– Ditributia duratei fluxurilor (cat intarzie)

• Modelul liniei: un sistem infinit

– Datorita lipsei controlului admisiei nici un flux nu e rejectat
– Rata de prelucrare μ depinde de durata medie a fluxului
– Nu exista buffer in acest model: cand viteza de transmisie a fluxurilor excede
capacitatea liniei, bitii sunt pierduti uniform (din toate fluxurile)

• Modelarea traficului prelucrat

– Procesul trafic da informatii despre numarul de fluxuri din sistem cat si viteza
totala (total bit rate)
Procesul trafic de nivel flow in traficul CBS
 Modelul clasic al traficului telefonic

• Modele cu pierderi au fost utilizate pentru a descrie reteaua telefonica

– Modelul lui Erlang(1878-1929)

• Pe o linie de comunicatie intre 2 abonati

– Traficul consta din apeluri telefonice neintrerupte
 Modelul clasic al traficului telefonic

• Modelul lui Erlang: un sistem cu pierderi pur (m=0)

– Clientul = apelul
• λ = rata de sosire a apelurilor

– Timpul de serviciu = timpul de mentinere a apelului (holding time)

• h = 1/μ = timpul mediu de mentinerea a apelului (unitati de timp)

– Server-ul = canalul de pe linie

• n = numarul de canale de pe linie
Procesul trafic
 Intensitatea traficului

Traficul oferit este caracterizat de intensitatea traficului A

• Prin definitie, intensitatea traficului A este produsul intre rata de sosire λ si
timpul mediu de mentinerea a apelului h:

A = h

- Intensitatea traficului este o cantitate adimensionala. Totusi unitatea ei de

masura se considera a fi erlangul (erl);
- Potrivit formulei lui Little: un trafic de un erlang inseamna ca, un canal
este ocupat la medie (are o ocupare medie);

• Exemplu:
- Daca exista in medie 1800 de apeluri noi intr-o ora si daca timpul mediu
de ocupare este de 3 minute, atunci intensitatea traficului este data de:

3
A = h = 1800 = 90erl
60
 Alte definitii ale traficului
• Definitia B:
– Traficul oferit sau traficul de intrare este numarul mediu de cereri ce se
prezinta in sistem, cu rata de apelare λ , in decursul unui interval de timp egal
cu timpul mediu de serviciu 1/μ.

A =  cereri / sec1 /  sec

Cum cererile nu pot exista in afara surselor ce le produc, aceeasi definitie se
poate reflecta si in formularea:

• Definitia C:
– Traficul oferit este numarul mediu de surse simultan ocupate in decursul unui
interval cat durata medie de servire (1/μ), daca rata lor de apelare este λ.

A =  surse ocupate / sec1 /  sec

Orice cerere acceptata de sistem are la dispozitie un circuit sau un dispozitiv de
prelucrare, pe care il ocupa pe toata durata lui de prezenta in sistem, ceea ce
inseamna ca:

• Definitia D:
– Traficul scurs (prelucrat) este numarul de resurse simultan ocupate pe
durata timpului mediu de serviciu 1/μ pentru prelucrarea cererilor oferite cu
rata λ.
'
A =  resurse ocupate / sec 1 /  sec
 Definitii CCITT

• Volumul traficului scurs de un fascicul de circuite sau prelucrat de un grup de

dispozitive intr-o perioada T oarecare este totalul duratelor de ocupare a circuitelor
sau dispozitivelor exprimate in ore.

OBS - Trebuie precizata intotdeauna durata perioadei pe care se apreciaza traficul

- Inseamna ca de fapt traficul (volumul de trafic) este timp deci poate fi
exprimat in unitati de timp convenabil alese.
• Intensitatea traficului scurs de un fascicul de circuite sau prelucrat de un grup de
dispozitive este egala cu volumul de trafic divizat prin T, exprimat in ore.
Aceasta este o notiune fara dimensiuni, care nu depinde de durata T de observatie.

OBS - Volumul de trafic poate fi apreciat prin observatii practice, executate intr-o
perioada oarecare de timp.
- Orice resursa nu poate fi ocupat in decursul unei perioade T mai mult decat
durata periodei respective, adica intr-o ora nu se poate scurge decat un trafic
de cel mult 1Erl, iar pentru un grup R de resurse, cel mult R Erl.
 Blocarea traficului

• Intr-un sistem cu pierderi unele apeluri sunt pierdute

- un apel este pierdut daca toate cele n canale sunt ocupate in momentul sosirii
apelului;
- termenul blocare se refera la acest tip de eveniment;
• Exista doua tipuri diferite de probabilitati de blocare:
- Probabilitatea de blocare de apel (Call congestion) Bc = probabilitatea ca un
apel care soseste sa gaseasca toate cele n canale ocupate = fractiunea de apeluri
care sunt pierdute
- Probabilitatea de blocare de timp (Time congestion) Bt = probabilitatea ca toate
cele n canale sa fie ocupate la un moment de timp arbitrar = fractiunea de timp in
care toate cele n canale sunt ocupate
• Cele doua marimi nu sunt egale:
- ex: - daca apelurile sosesc dupa un proces Poisson ele sunt egale

• Blocarea de apel este pentru abonati un indicator mult mai bun in ceea ce
priveste calitatea serviciului dar probabilitatea de blocare de timp este mai usor
de calculat (prin masuratori de trafic ce se efectueaza asupra retelei)
 Ratele apelurilor

• Intr-un sistem cu pierderi un apel este fie pierdut fie prelucrat (carried). Astfel, vorbim
de 3 tipuri de rate ale apelurilor:
- λoferit = rata de sosire a cererilor de apelurilor
- λprelucrat= rata apelurilor prelucrate
- λpierdut= rata apelurilor pierdute

λofertit λprelucrat

λpierdut

 oferit =  prelucrat +  pierdut = 

 prelucrat =  (1 − Bc )
 pierdut = Bc
 Tipuri de trafic

• Cele 3 rate ale apelurilor conduc la 3 tipuri de trafic:

- Trafic oferit: Aoferit =  oferit h

Aofertit Aprelucrat
- Trafic prelucrat: Aprelucrat =  prelucrat h

- Trafic pierdut: Apierdut =  pierdut h

Apierdut

Aoferit = Aprelucrat + Apierdut = A

Aprelucrat = A(1 − Bc )
Apierdut = ABc

• Traficul oferit si cel pierdut sunt cantitati ipotetice, dar traficul

prelucrat este masurabil intrucat corespunzator formulei lui Little el
corespunde numarului mediu de canale ocupate de pe linie.
 Notatii Kendal pentru sistemele cu cozi de asteptare

A/B/n/p/k
A - se refera la procesul de sosire
Ipoteza: intervalele de timp intre sosiri sunt variabile iid;
Distributii posibile:
– M = exponentiala (fara memorie)
– D = determinista
– G = generala

B - se refera la timpii de servire

Ipoteza: timpii de servire sunt variabile iid;
Distributii posibile:
– M = exponentiala (fara memorie)
– D = determinista
– G = generala
n – numarul de servere paralele
p - numarul de pozitii in sistem = numar de servere + pozitii de asteptare
 A/B/n/p/k

• k – marimea populatiei clientului

• Valori implicite sunt de obicei omise:
p = , k = 
• Exemple:
M / M /1 M / D /1
• M / G /1 G / G /1

• M /M /n M /M /n/n+m

• M /M / Modelul Poisson

• M /M /n/n Modelul Erlang

• M /M /k/k/k Modelul Binomial

• M /M /n/n/k Modelul Engset (n < k)

 Analiza traficului – Sistem pur cu pierderi

• Capacitatea sistemului
- n = numarul de canale de pe linie

• Incarcarea cu trafic
- A = Intesitatea traficului oferit

• Calitatea serviciului (din punctul de vedere al abonatilor)

- Bc = call blocking = probabilitatea ca un apel care soseste sa gaseasca toate cele
n canale ocupate

• Fie un sistem cu piederi M/G/n/n:

- apelurile sosesc potrivit unui proces Poisson ( cu rata λ)
- timpii de prelucrare sunt variabile iid (independent identicaly distributed)
corespunzatoare unei distributii oarecare de medie h
 Analiza traficului

• Relatia cantitativa intre cei trei factori este data de Formula lui Erlang:

An
Bc = Erl (n, A) := n! i
n
A
 i!
i =1

n! = n  (n − 1)   2  1, 0! = 1

• Numita deasemenea:
- Formula Erlang B
- Formula de blocare Erlang
- Formula de pierderi Erlang
- Prima formula a lui Erlang
 Exemple

• Sa presupunem ca sunt n = 4 canale pe o linie si traficul oferit este A = 2 erl.

Probabilitatea de blocare este data in acest caz de:

24
4! 2
Bc = Erl (4,2) = =  9.5%
22 23 24 21
1+ 2 + + +
2! 3! 4!

Daca capacitatea linie este crescuta la n = 6, atunci Bc se reduce conform:

26
Bc = Erl (6,2) = 6!  1.2%
2 3 4 5 6
2 2 2 2 2
1+ 2 + + + + +
2! 3! 4! 5! 6!
 Capacitate versus trafic

• Fiind data cerinta: Bc < 1%, impusa de calitatea serviciului, numarul de resurse
necesare depinde de intensitatea traficului dupa cum urmeaza:

n( A) = min{i = 1,2, Erl (i, a)  0,01}

 Calitatea serviciului versus trafic

• Fiind data capacitatea n = 20 canale, calitatea impusa serviciului: 1 – Bc depinde de

intensitatea traficului dupa cum urmeaza:

1 − Bc ( A) = 1 − Erl (20, A)
 Calitatea serviciului versus capacitatea

• Fiind data intensitatea traficului de 15 erl, calitatea impusa serviciului 1- Bc

depinde de capacitatea n dupa cum urmeaza:

1 − Bc (n) = 1 − Erl (n,15)

 Modelul de trafic la nivelul pachetelor de date

• Modelul cu cozi de asteptare este potrivit pentru a descrie traficul de date la nivelul
de pachete
- primele incercari au fost facute in anii 60, 70 in legatura cu reteaua ARPA si cele
mai semnificative apartin lui L. Kleinrock

• Fie legatura intre doua rutere de pachete

- traficul consta din pachete de date transmise de-a lungul liniei
 Modelul de trafic la nivelul pachetelor de date

• Acest sistem poate fi modelat ca un sistem pur cu coada de asteptare cu un singur

server si un buffer (coada de asteptare) infinit.
- clientul = pachetul
• λ = rata de sosire a pachetelor (pachete pe unitatea de timp)
• L= lungimea medie a pachetelor (unitati de date)

- serverul = linia, pozitiile de asteptare = buffer-ul

• C = viteza liniei (unitati de date pe unitati de timp)
- timpul de serviciu = timpul de transmitere al unui pachet
• 1/μ = L/C= timpul mediu de transmisie al unui pachet (unitati de timp)
Procesul trafic
 Incarcarea cu trafic

• In retelele cu comutare de pachete: Trafic↔Pachete

• Intensitatea traficului oferit sau incarcarea cu trafic se noteaza in acest caz cu ρ
• Prin definitie, incarcarea cu trafic ρ este raportul intre rata de sosire λ si rata de
serviciu μ = C/L:

 L
= = C


- incarcarea cu trafic este o marime fara dimensiune

- conform formulei lui Little ne da informatii despre factorul de utilizare al
serverului, care reprezinta probabilitatea ca severul sa fie ocupat
 Exemple

• Fie o linie intre doua rutere de pachete. Sa presupunem ca:

- in medie sosesc 50000 de pachete noi pe secunda
- lungimea medie a unui pachet este de 1500 bytes si
- viteza liniei este de 1 Gbps.
• Incarcarea cu trafic (ca si utilizarea in acelasi timp) este:

8
 = 50000  1500  9
= 0,6 = 60%
10

• Daca viteza liniei este de 10Gbps, incarcarea devine:

8
 = 50000  1500  9
= 0,06 = 6%
10 10
 Intarzierea

• Intr-un sistem cu coada de asteptare unele pachete trebuie sa astepte

inainte de a fi servite
– Un pachet este trecut in buffer daca linia e ocupata in momentul sosirii lui

• Intarzierea unui pachet consta din:

– Timpul de asteptare care depinde de starea sistemului inainte de sosire si:
– Timpul de transmisie care depinde de lungimea pachetului si capacitatea liniei

• Exemple:
– Lungimea unui pachet =1500 bytes
– Viteza liniei = 1 Gbps
– Timpul de transmisie = 1500*8/109 = 0,000012s =12μs
 Analiza traficului – Sistem pur cu asteptare

• Capacitatea sistemului
– C = viteza liniei in kbps

• Incarcarea cu trafic
– λ = rata de sosire a pachetelor in pps (considerata aici ca o variabila)
– L = lungimea medie a unui pachet in kbits (presupus constanta aici de 1kbit)

• Calitatea serviciului (din punctul de vedere al utilizatorilor)

– PZ = probabilitatea ca un pachet sa trebuiasca sa astepte prea mult, mai mult
decat o valoarea impusa z (presupusa aici o constanta z = 10μs)

• Sistem cu asteptare M/M/1

– Pachetele sosesc dupa un proces Poisson ( cu rata λ)
– Lungimea pachetelor este un proces idd distribuit conform unui proces
exponential de medie L
 Analiza traficului

• Relatia cantitativa intre cei trei factori (sistem, trafic, si QoS) este data de
urmatoarea formula:

Pz = Wait (C , ; L, z ) :=

 L −( C − ) z
 e L = e− (1−) z , L  C  (  1)
C
1, , L  C  (  1)


• Nota:
– Sistemul este stabil numai in primul caz( ρ<1). In alte conditii numarul pachetelor
din buffer creste fara limite.
 Exemple
• Sa presupunem ca pachetele sosesc cu rata λ =600000pps=0,6
pachete/μs si viteza liniei este C= 1Gbps =1 kbit/μs. Lungimea medie a
unui pachet este de 1 kbit.

• Sistemul este stabil intrucat

L
= = 0,6  1
C
• Probabilitatea ca un pachet sa astepte prea mult (mai mult de z =10 μs)
este:

Pz = Wait (C , ; L, z )
1kbit / s
−( −0,6 p / s )10s
Pz = Wait (1,0,6;1,10) = 0,6e 1kbit = 0,6 e −4  1%
 Capacitate versus rata de sosire

• Impunand conditia de asigurare a calitatii serviciului (QoS): Pz < 1%

capacitatea necesara a liniei depinde de rata de sosire λ:

C () = min{C  L Wait (C ,  :1,10)  0.01}

 QoS versus rata de sosire

• Fiind data viteza liniei C=1Gbps, QoS (1-Pz ) depinde de rata de sosire λ
dupa cum urmeaza:

1 − Pz () = 1 − Wait (1,  :1,10}

 Calitatea serviciului versus capacitate

• Fiind data rata de sosire a pachetelor  = 600000 = 0.6 pachete / s calitatea

servicului 1 − Pz depinde de viteza liniei C dupa cum urmeaza:

1 − Pz ( R) = 1 − Wait (C ,0.6;1,10}
 Modelul la nivel de flux pentru traficul elastic de date

• Pentru modelarea traficului de date elastic la nivel de flux sunt utilizate

modelele cu partajare
– Elasticitatea se refera in acest caz la rata de transfer a fluxurilor
TCP care este adaptiva
– Aceste modele au fost propuse de J. Roberts

• Fie o linie intre doua rutere de pachete

– Traficul consta din fluxurile TCP care incarca linia
 Modelul la nivel de flux pentru traficul elastic de date

• Cel mai simplu model este un sistem pur cu partajare cu server unic (n =1)
cu o rata totala a serviciului fixa μ
– Clientul = fluxul TCP = fisierul ce urmeaza a fi transferat
• λ =rata de sosire a fluxurilor (fluxuri pe unitatea de timp)
• S = marimea medie a fluxului = marimea medie a fisierului (unitati de date)

– Serverul = legatura
• C = viteza liniei (unitati de date / unitati de timp)

– Timpul de serviciu = timpul de transfer al fisierului la viteza liniei

• 1/μ = timpul mediu de transfer al fisierului la viteza liniei (unitati de timp)
Procesul trafic
 Incarcarea din punctul de vedere al traficului

• Marimea traficului oferit este data de incarcarea cu trafic ρ

• Prin definitie aceasta incarcare este raportul intre rata de sosire λ si rata
de servire μ = C/S

 S
= = C


– incarcarea cu trafic este o marime fara dimensiune

– conform formulei lui Little ne da informatii despre factorul de utilizare
al serverului
 Exemplu

• Fie legatura intre doua rutere de pachete presupunem ca:

– In medie 50 noi fluxuri sosesc pe secunda
– Marimea medie a unui flux este de 1500000 bytes
– Viteza liniei este de 1 Gbps

 = 50 fluxuri / s
S = 1500kbyte
C = 1Gbps

• Incarcarea cu trafic sau utilizarea este:

8
 = 50  1500000  9
= 0,6 = 60%
10
 Debitul

• Intr-un sistem cu partajare capacitatea de servire este impartita de

catre fluxurile active. In consecinta toate fluxurile vor suferi
intarzieri cu exceptia cazului in care un singur flux este activ;

• Prin definitie raportul intre marimea medie a fluxului S si valoarea

medie a intarzierii D a unui flux reprezinta debitul θ:

S
=
D
Exemple:
– S = 1 Mbit

– D = 5s

– θ = S/D = 0,2 Mbps

 Analiza traficului

• Capacitatea sistemului
– C = viteza liniei Mbps

• Incarcarea cu trafic
– λ = rata de sosire a fluxului in fluxuri pe secunda ( variabila)
– S = marimea medie a fluxului in kbits ( presupusa constanta 1Mbit)

• Calitatea serviciului QoS

– θ = debitul

• Sistem cu partajare M/G/1-PS

– Fluxurile sosesc dupa un proces Poisson ( cu rata λ)
– Marimea fluxurilor este o variabila iid distribuita dupa o lege oare cu media S
 Analiza traficului

• Relatia cantitativa intre cei trei factori (sistem, trafic, si

QoS) este data de urmatoarea formula:

C − S = C (1 − ), daca S  C (  1)
 = Xput (C , ; S ) := 
0, , daca S  C (  1)

• Nota:
– Sistemul este stabil numai in primul caz (ρ < 1).
Altfel numarul fluxurilor ca si intarzierea medie cresc
nelimitat. Debitul tinde catre 0.
 Exemple

• Sa presupunem ca rata de sosire a fluxurilor este λ = 600 fluxuri/s si

capacitatea liniei este de C = 1000Mbps. Marimea medie a unui flux este
S=1Mbit.
• Sistemul e stabil intrucat:

600
 = CS = = 0,6  1
1000

• Debitul este:

 = Xput (1000,600;1) = 1000 − 600 = 400 Mbps = 0,4Gbps

 Capacitate versus rata de sosire

• Impunand conditia de QoS conform careia: θ ≥ 400 Mbps, viteza

necesara liniei pentru a asigura aceasta cerinta depinde de rata de
sosire λ dupa cum rezulta:

C () = min{C  S Xput (C , ;1)  400} = S + 400

 Calitatea serviciului versus rata de sosire

• Impunind viteza liniei C= 1000 Mbps, calitatea serviciului depinde de

rata de sosire λ dupa cum rezulta:

() = Xput (1000, ;1) = 1000 − S ,   1000 / S

 Calitatea serviciului versus capacitate

• Impunind rata de sosire λ = 600 fluxuri/s, calitatea serviciului θ depinde

de viteza liniei C, dupa cum rezulta:

(C ) = Xput (C ,600;1) = C − 600S , C  600S

 Modelul la nivel de flux al traficului de date CBR

• Pentru modelarea traficului de date CBR, la nivel de flux este indicat un

model de tipul sistem infinit
– Rata de transmisie si durata unui flux ce compun un streaming nu depind de
starea retelei;
– Acest tip de modele au fost utilizate incepand cu anii ’90 in analiza traficului CBR
in retelele ATM;
Fie o linie intre doua rutere de pachete
– Traficul consta din fluxurile UDP care transporta trafic CBR (ca si VoIP) si
incarca linia
 Modelul traficului la nivel de flux CBR

• Modelul este un sistem infinit ( n =∞)

– Clientul = fluxul UDP = CBR bit stream
• λ =rata de sosire a fluxurilor (fluxuri pe unitatea de timp)

– Timpul de serviciu = durata unui flux

• h = 1/μ = durata medie a unui flux (unitati de timp)

• Model fara buffer la nivel de flux:

– Cind rata totala de transmisie a fluxurilor depaseste capacitatea
liniei bitii sunt pierduti in mod uniform, de la toate fluxurile
Procesul trafic
 Traficul oferit

• Fie r viteza unui flux

• Marimea traficului oferit este data de viteza totala medie R
– Conform formulei lui Little numarul mediu de fluxuri este:

a = h

– Aceasta poate fi numita intensitatea traficului ca si la traficul telefonic;

– Rezulta ca:

R = ar = hr
 Raportul de pierderi

• Fie N numarul de fluxuri din sistem

• Cand viteza totala de transmisie Nr depaseste capacitatea liniei C bitii
sunt pierdut cu rata:

Nr − C
• Rata medie de pierderi este:

E[( Nr − C )+ ] = E[max{Nr − C ,0}]

• Prin definitie raportul de pierderi ploss da raportul intre traficul pierdut si cel
oferit:

E[( Nr − C )+ ] 1
ploss = = ar E[( Nr − C )+ ]
E[ Nr ]
 Analiza traficului

• Capacitatea sistemului
– C = nr = viteza liniei kbps

• Incarcarea cu trafic (traficul suportat)

– R = ar = traficul oferit in kbps
– r =bit rate a unui flux in kbits ( presupusa constanta 1Mbit)

• Calitatea serviciului QoS

– ploss = raportul de pierderi

• Sistem infinit M/G/∞

– Fluxurile sosesc dupa un proces Poisson ( cu rata λ)
– durata fluxurilor este o variabila iid distribuita dupa o lege oare cu media h
 Analiza traficului

• Relatia cantitativa intre cei trei factori (sistem, trafic, si QoS) este data de
urmatoarea formula:


1 ai − a
ploss = LR(n, a) :=  (i − n) e
a i =n +1 i!

• Exemple:

– n = 20
– a =14,36
– Ploss = 0,01
 Capacitate versus trafic

• Impunand conditia de QoS conform careia: ploss < 1%, capacitatea n

necesara pentru a asigura aceasta cerinta depinde de intensitatea
traficului a dupa cum rezulta:

n(a) = min{i = 1,2, LR(i, a)  0,01}

 Calitatea serviciului versus trafic

• Pentru o capacitate n = 20 data, calitatea serviciului 1- ploss depinde de

intensitatea traficului a dupa cum rezulta:

1 − ploss (a) = 1 − LR(20, a)

 Calitatea serviciului versus capacitate

• Impunand intensitatea traficului a = 15 erl, calitatea serviciului 1- ploss

necesara, depinde de capacitatea n, dupa cum rezulta:

1 − ploss (n) = 1 − LR(n,15.0)

 Elemente de teoria probabilitatilor

•CONCEPTE DE BAZA
• VARIABILE ALEATOARE DISCRETE
• DISTRIBUTII DISCRETE
• VARIABILE ALEATOARE CONTINUE
• DISTRIBUTII CONTINUE
• ALTE VARIABILE ALEATOARE
 Spatiul esantioanelor, puncte esantion, evenimente

• Spatiul esantioanelor e reprezentat de spatiul tuturor punctelor esantion:


– Exemplul 1 Aruncarea banului:  = {C , P}

– Exemplul 2 Aruncarea zarului:  = {1,2,3,4,5,6}

– Exemplu 3 Numarul de clienti intr-o coada:  = {0,1,2, }

– Exemplul 4 Timpul de ocupare a liniei( call holding time):

 = {x  R x  0}
 Spatiul esantioanelor, puncte esantion, evenimente

Evenimentele A, B, C ,  reprezinta subseturi masurabile de

esantioane din Ω

– Exemplul 1: “Aparitia numerelor pare la aruncarea zarului”:

A = {2,4,6}

– Exemplul 2: “Lipsa clientilor in coada de asteptare”:

A = {0}

– Exemplul 3: “Timpul de ocupare a liniei telefonice mai mare decit 3

min”

A = {x  R x  3}
 Spatiul esantioanelor, puncte esantion, evenimente

• Fie  spatiul tuturor evenimentelor A 

– Evenimentul sigur: Este reprezentat de spatiul esantioanelor:   

– Evenimentul imposibil: Este reprezentat de setul care nu contine nici

un eveniment: 
 Combinatii de evenimente

• Reuniunea de evenimente: “ A sau B”: A  B = {   A sau  B}

• Intersectia evenimentelor: “ A si B”: A  B = {   A si  B}

• Evenimentul complementar lui A: AC = {   A }

• Evenimentele A si B sunt disjuncte daca: A  B = 

• Un set de evenimente {B1, B2 , } reprezinta o partitie pentru A daca

– (i) Bi  B j = , pentru toti i  j

– (ii) i Bi = A
 Probabilitati

• Probabilitatea evenimentului A este notata prin P( A), P( A)  [0,1]

• P :  → [0,1]
• Proprietati
– (i) 0  P( A)  1

– (ii) P() = 0

– (iii) P() = 1

– (iv) P( AC ) = 1 − P( A)

– (v) P( A  B) = P( A) + P( B) − P( A  B)

– (vi) A  B =  → P( A  B) = P( A) + P( B)

– (vii) {Bi } este o partitie a lui A  P ( A) =  i P ( Bi )

– (viii) A  B  P( A)  P( B)
 Probabilitati conditionate

• Presupunem ca P(B) > 0

• Definitie: probabilitatea conditionata a evenimentului A, in ipoteza ca
evenimentul B se produce este:

P( A  B)
P( A B) =
P( B)

• Rezulta:

P( A  B) = P( B) P( A B) = P( A) P( B A)
 Teorema probabilitatii totale

• Fie {Bi} o partitie pe spatiul esantioanelor Ω

• Rezulta ca {A ∩ Bi} reprezinta o partitie pentru evenimentul A. Astfel:

P( A) =  i P( A  Bi )

• Sa presupunem mai departe ca P(Bi) > 0 oricare ar fi i. Rezulta conf slide ant:

P( A) =  i P( Bi ) P( A Bi )

• Aceasta reprezinta teorema probabilitaii totale

 Teorema lui Bayes

• Fie {Bi} o partitie pe spatiul esantioanelor Ω

• Sa presupunem ca P(A) > 0 si P(Bi) > 0 pentru toate valorile i

P( A  Bi ) P( Bi ) P( A Bi )
P( Bi A) = =
P( A) P( A)

• Conform teoremei probabilitaii totale avem:

P( Bi ) P( A Bi )
P( Bi A) = =
 j P( B j ) P( A B j )

• Aceasta reprezinta Teorema lui Bayes

– Probabilitatile P(Bi) se numesc probabilitai apriori ale evenimentelor Bi
– Probabilitatile P(Bi A) se numesc probabilitati aposteriori ale evenimentului
Bi
 Independenta statistica a evenimentelor

• Definitie: Evenimentele A si B sunt independente daca:

P( A  B) = P( A) P( B)

• Rezulta:

P( A  B) P( A) P ( B )
P( A B) = = = P ( A)
P( B) P( B)

• In mod corespunzator avem:

P( A  B) P( A) P ( B )
P( B A) = = = P( B)
P( A) P ( A)
 Variabile aleatoare

• Definitie: Variabila aleatoare reala X este o functie reala si masurabila definita

pe Ω,
X : → R

– Care asociaza fiecarui punct esantion ω, valoarea reala X(ω)

• Masurabilitatea inseamna ca toate seturile de tipul

{ X  x}:= {  X ()  x}  

apartin setului de evenimente Ψ: { X  x}  

• Probabilitatea unui astfel de eveniment este notata cu: P{ X  x}

 Exemple

• O moneda e aruncata de trei ori

• Spatiul esantioanelor este in acest caz

 = {(1, 2 , 3 ) i  {C , P}, i = 1,2,3}

• Fie X variabila aleatoare care ne da numarul total de aparitii a “pajurei” in acest

caz:

ω CCC CCP CPC PCC CPP PCP PPC PPP

X(ω) 0 1 1 1 2 2 2 3
 Indicator de evenimente

• Fie A  un eveniment arbitrar

• Definitie: Indicatorul evenimentului A este o variabila aleatoare definita dupa cum

urmeaza:
1,  A
1A () = 
0,  A

• Rezulta:

P(1A = 1) = P( A)

P(1A = 0) = P( AC ) = 1 − P( A)
 Functia de distributie cumulativa - Functia de repartitie

• Functia de repartitie a variabilei aleatoare X este o functie FX : R → [0,1]

definita astfel:
FX = P{ X  x}

• Ea determina distributia variabilei aleatoare, adica probabilitatea P{ X  B}

unde B  R si { X  B}  
• Proprietati:

• i) FX este nedescrescatoare

• ii) FX este continua la dreapta

• iii) FX (−) = 0

• Iv) FX () = 1
 Independenta statistica a variabilelor aleatoare

• Variabilele aleatoare X si Y sunt independente daca pentru toti x si y au loc

urmatoarele relatii:

P( X  x, Y  y ) = P( X  x) P(Y  y )

• Variabilele aleatoare X1 , X 2 , Xn sunt total independente pentru toate

valorile i si xi daca are loc relatia:

P( X1  x1, , X n  xn ) = P( X1  x1 ) P( X n  xn )
 Valorile maxima si minima ale variabilelor aleatoare independente

• Fie variabilele aleatoare X1, X 2 , X n total independente

max
• Sa notam: X := max{ X1, X 2 , X n } . Avem:

P{ X max  x} = P{ X1  x, , X n  x} = P{ X1  x} P{ X n  x}

min
• Sa notam: X := min{ X1, X n } . Avem:

P{ X min  x} = P{ X1  x, , X n  x} = P{ X1  x} P{ X n  x}
 Variabile aleatoare discrete

• Definitie: Setul A R este numit discret daca este:

– Finit: A = {x1, x2 , xn } sau

– Infinit numarabil A = {x1, x2 , }

• Definitie: Variabila aleatoare X este discreta daca exista un set discret S X R

astfel incat
P( X  S X ) = 1

• Rezulta: P( X = x)  0 pentru toti x  S X

• Si P( X = x) = 0 pentru toti x  S X

• SX este numit setul de valori

 Probabilitati punctuale

• Fie X o variabila aleatoare discreta

• Distributia lui X este determinata de probabilitatile punctuale pi .

pi = P{ X = xi }, xi  S X
• Definitie: functia densitate de probabilitate a lui X este o functie p X : R → [0,1]
definita astfel:

 pi , x = xi  S X
p X ( x) := P{ X = x} = 
0, x  S X
• Functia de distributie este in acest caz o functie in trepte:

FX = P{ X  x} =  pi
i:xi  x
 Exemple

Functia densitate de probabilitate Functia de repartitie

S X = {x1, x2 , x3 , x4 }
 Independenta variabilelor aleatoare discrete

• Variabilele aleatoare discrete X si Y sunt independente daca si numai

daca pentru

toti xi  S X si toti y j  SY avem:

P{ X = xi , Y = y j } = P{ X = xi }P{Y = y j }
 Media statistica-Speranta matematica- Momentul de ordinul intai

• Definitie: Speranta (valoarea medie) lui X se defineste astfel;

 X := E[ X ] :=  P{ X = x}x =  p X ( x) x =  pi xi
xS X xS X i

– Nota 1: media exista numai daca:  pi xi  

i
– Nota 2: daca  pi xi =  putem admite ca E[ X ] = 
i
• Proprietati:

– (i) c  R,  E[cX ] = cE[ X ]

– (ii) E[ X + Y ] = E[ X ] + E[Y ]

– (iii) X si Y sunt independente E[ XY ] = E[ X ]E[Y ]

 Varianta matematica

• Definitie: Varianta lui X se defineste astfel;

2X := D 2 [ X ]:= Var[ X ]:= E[( X − E ( X )) 2 ]

• Se poate demonstra usor ca:

D 2 [ X ] = E[ X 2 ] − ( E[ X ]) 2

• Proprietati:

2 2 2
– (i) c  R,  D [cX ] = c D [ X ]

– (ii) X si Y sunt independente  D 2 [ X + Y ] = D 2 [ X ] + D 2 [Y ]

 Covarianta

• Definitie: Covarianta intre X si Y se defineste;

2XY := Cov[ X , Y ]:= E[( X − E ( X )(Y − E (Y )]

• Se poate demonstra usor ca:

Cov[ X , Y ] = E[ XY ] − E[ X ]E[Y ]

• Proprietati:

– (i) Cov[ X , X ] = Var[ X ]

– (ii) Cov[ X , Y ] = Cov[Y , X ]

– (iii) Cov[ X + Y , Z ] = Cov[ X , Z ] + Cov[Y , Z ]

– (iv) X si Y sunt independente  Cov[ X , Y ] = 0

 Alti parametri ai distributiilor

• Definitie: Deviatia standard a lui X se defineste;

 X := D[ X ] := D 2 [ X ] = Var[ X ]

• Coeficientul variatiei a lui X:

D[ X ]
c[ X ] := C[ X ] :=
E[ X ]

• Definitie: momentul de ordin k al lui X, k = 1,2, , e definit de:

 kX [ X ] := E[ X k ]
 Valori medii ale variabilelor IID
• Fie X1 , X 2 , , X n variabile aleatoare independente si identic distribuite (IID)

cu media  si varianta 
2

 X := D[ X ] := D 2 [ X ] = Var[ X ]

• Se defineste media ( media esantioanelor):

n
1
X n := 
n i =1
Xi

• Mai au loc urmatoarele relatii:

– E[ X n ] = 
2 2
– D [Xn] =
n

– D [Xn] =
n
 Legea numerelor mari
• Fie X1 , X 2 , , X n variabile aleatoare independente si identic distribuite (IID)

cu media  si varianta  2

• Legea slaba a numerelor mari: pentru toti ε > 0 are loc relatia:

P{ X n −   } → 0
• Legea tare a numerelor mari: cu probabilitate egala cu 1 are loc relatia:

Xn → 
 Distributii discrete – Distributia Bernoulli

X Bernoulli( p), p  (0,1)

– Descrie un experiment aleator cu doua posibile realizari: succes (1) si
insucces (0): aruncarea banului
– Succesul este caracterizat de probabilitatea p si insuccesul de
probabilitatea 1-p

• Setul de valori: S X = {0,1}

• Probabilitatile punctuale:

P( X = 1) = p, P( X = 0) = 1 − p
• Media: E[ X ] = (1 − p)  0 + p 1 = p

2 2 2
• Momentul de ordinul al-II-lea: E[ X ] = (1 − p)0 + p 1 = p

• Varianta: D 2 [ X ] = E[ X 2 ] − E[ X ]2 = p − p 2 = p (1 − p )
 Distributii discrete – Distributia Binomiala

X Bin(n, p), n {1,2, }, p  (0,1)

– Descrie numarul succeselor intr-o serie independenta de experimente

aleatoare simple (de tip Bernoulli), X = X1 + X 2 + Xn cu Xi Bernoulli( p)

– n = numarul total de experimente

– p = probabilitatea succesului intr-un experiment individual

• Setul de valori: S X = {0,1, , n}

n!
• Probabilitatile punctuale: P( X = i ) = Cni p i (1 − p ) n −i , Cni =
i !(n − i )!

• Media: E[ X ] = E[ X1 ] + E[ X 2 ] + E[ X n ] = np

• Varianta: D 2 [ X ] = D 2 [ X1 ] + D 2 [ X n ] = np(1 − p)
 Distributii discrete – Distributia Geometrica

X Geom( p), p  (0,1)

– Descrie numarul succeselor pana la primul insucces intr-o serie independenta
de experimente aleatoare simple (de tip Bernoulli)
– p = probabilitatea succesului intr-un experiment individual

• Setul de valori: S X = {0,1, }

• Probabilitatile punctuale: P( X = i ) = pi (1 − p)

• Media: E[ X ] =  ipi (1 − p) = p / (1 − p)
i
p( p + 1)
• Momentul de ordinul al – II – lea: E[ X 2 ] =  i 2 pi (1 − p) =
i (1 − p)2
• Varianta: D 2 [ X ] = E[ X 2 ] − E[ X ]2 = p / (1 − p) 2
 Proprietatea memoryless a Distributiei Geometrice

• Distributia geometrica are proprietatea de a fi fara memorie: pentru toti i, j {0,1, }

are loc relatia:

P{ X  i + j X  i} = P{ X  j}

• Pentru demonstratie trebuie tinut cont de relatia:

P( X  i ) = pi
 Minimul varabilelor aleatoare cu distributie geometrica

• Fie X1 Geom( p1 ) si X2 Geom( p2 ) doua variabile independente.

Atunci

X min := min{ X1, X 2 } Geom( p1, p2 )

si

1 − pi
P{ X min = X i } = , i  {1, 2}
1 − p1 p2
 Distributii discrete – Distributia Poisson

X Poisson(a), a  0

– Limita unei ditributii binomiale cand n→ si p → 0 astfel incat

np → a .

• Setul de valori: S X = {0,1, }

ai − a
• Probabilitatile punctuale: P{ X = i} = e
i!
• Media: E[ X ] = a

2 2
• Momentul de ordinul al-II-lea: E[ X ] = a + a

• Varianta: D 2 [ X ] = E[ X 2 ] − E[ X ]2 = a
 Exemple

• Sa presupunem ca

– 200 abonati sunt conectati la o centrala locala.

– Traficul caracteristic fiecarui abonat este de 0.01 erl
– Abonatii se comporta independent

• Numarul apelurilor active este X Bin(200,0.01) pi = Cni pi (1 − p)n −i

• In cazul unei legi de tip Poisson X  Poisson(2.0) a = np = 200  0.01 = 2

ai − a
pi = e
i!
• Probabilitati punctuale:

0 1 2 3 4 5
Bin(200, 0.01) .1326 .2679 .2693 .1795 .0893 .0354
Poisson(2.0) .1353 .2701 .2701 .1804 .0902 .0361
 Proprietati – Distributia Poisson

• (i) Suma: Fie X1 Poisson(a1 ) si X2 Poisson(a2 ) doua variabile

independente. Atunci:

X1 + X 2 Poisson(a1 + a2 )

• (ii) Fie X Poisson(a ) variabila care defineste numarul de elemente intr-

un set si Y variabila care desemneaza marimea unui element aleator din acest
set (fiecare element fiind luat independent cu probabilitatea p). Atunci:

Y Poisson( pa)
• Sortarea aleatoare: Fie X si Y conform proprietatii (ii) , si Z = X −Y .

Atunci Y si Z sunt independente ( X fiind dat necunoscut) si

.

Z Poisson((1 − p)a)
 Variabile aleatoare continuue

• Definitie: Variabila aleatoare X este continua daca;

exista o functie integrabila f : R → R astfel incat pentru toti x  R
X +
x

FX ( x) := P{ X  x} =  f X ( y )dy
−
• Functia f X este numita functie densitate de probabilitate(pdf)
– Setul S X , pentru care f X  0 este numit setul de valori

• Proprietati:
– (i) P{ X = x} = 0 pentru toti x  R
b
– (ii) P{a  X  b} = P{a  X  b} = f ( x)dx
 X
a
– (iii) P{ X  A} =  f X dx
A


– (iv) P{ X  R} =
 f X dx = S f X dx = 1
X
−
 Exemple

• Functia densitate de probabilitate

S X = [ x1, x3 ]

• Functia de repartitie
 Speranta matematica si alti parametrii

• Definitie: Speranta matematica a variabilei aleatoare X este definita astfel:



 X := E[ X ] =  xf X ( x)dx
−


• Nota 1: Media exista numai daca:  x f X ( x)dx  

−


• Nota 2: Daca  x f X ( x)dx =  atunci admitem ca: E[ X ] = 

−

• Media are aceleasi proprietati ca si in cazul distributiilor discrete

• Ceilalti parametrii (varianta, covarianta,… ) se definesc ca si in cazul
distributiilor discrete
 Distributi continue– Distributia Uniforma

X U (a, b), a  b

– Echivalenta aruncarii zarului

• Setul de valori: S X = (a, b)

1
• Functia densitate de probabilitate: f X ( x) =, x  ( a, b)
b−a
x−a
• Functia de repartitie: FX ( x) := P{ X  x} = , x  ( a, b)
b−a
b
• Media: E[ X ] = a x / (b − a)dx = (a + b) / 2

b
• Momentul de ordinul al-II-lea: E[ X 2 ] =  x 2 / (b − a)dx = (a 2 + ab + b 2 ) / 3
a

• Varianta: D 2 [ X ] = E[ X 2 ] − E[ X ]2 = (b − a) 2 / 12
 Distributii continue– Distributia exponentiala

X Exp(),   0
– Echivalenta continua a distributiei geometrice (probabilitatea insuccesului)

 dt
• Setul de valori: S X = (0, )

• Functia densitate de probabilitate: f X ( x) = e−x , x  0

• Functia de repartitie: FX ( x) := P{ X  x} = 1 − e−x , x  0


• Media: E[ X ] = 0 xe−x dx = 1 / 


• Momentul de ordinul al-II-lea: E[ X 2 ] = 0 x 2e−x dx = 2 /  2

• Varianta: D 2 [ X ] = E[ X 2 ] − E[ X ]2 = 1 /  2
 Distributii continue– Distributia exponentiala

• Descrie intervalele de timp intre evenimente in cadrul unui proces Poisson,

un proces in care evenimentele se produc continuu si independent, cu o
rata medie constanta.
• Distributia exponentiala poate fi vazuta ca si echivalentul continuu al
ditributiei geometrice care descrie numarul incercarilor Bernoulli necesare
intr-un proces discret pentru schimbarea starii. Astfel, distributia
exponentiala exprima timpul necesar unui proces continuu pentru
schimbarea starii.
• In lumea reala rata constanta reprezinta o presupunere rar intalnita. De,
exemplu ratele de sosire ale apelurilor difera pe durata unei zile. Dar daca
ne fixam asupra unui interval anume, cum ar fi de la 10-16 in zilele
lucratoare, distributia exponentiala poate fi utilizata ca o buna aproximare
pentru intervalul de timp intre apeluri.
• In teoria cozilor de asteptare timpii de servire ai clientilor unui sistem sunt
adesea modelati cu ajutorul variabilelor aleatoare distribuite exponential.(
Timpii inter sosiri sunt modelati prin distributii Poisson, iar lungimea
procesului (privita ca o secventa de proceses independente) este modelata
de o variabila ce urmeaza o distributie Erlang( care reprezinta distributia
unei sume de variabile aleatoare independente distribuite exponential)
 Proprietatea de memoryless a distributiei exponentiale

Distributia exponentiala are proprietatea de a fi fara memorie: Asta inseamna ca

daca X este ditribuita exponential, atunci probabilitatea ei conditionata satisface
relatia:
P{ X  x + y X  x} = P{ X  y}

pentru toti x, y  (0, )

Demonstratie: P( A  B)
P( A B) =
P( B)


P( B) = P{ X  x} =  e −u du = e −x
x


P( A) = P{ X  x + y} =  e −u du = e − ( x + y )
x+ y

P( A  B) = P{ X  x + y si X  x} = P{ X  x + y} = e − ( x + y )
e− ( x + y )
P{ X  x + y X  x} = = e −y
e−x
 Proprietatea de memoryless a distributiei exponentiale

• Aplicatii:

– Sa presupunem ca timpul de ocupare al unei linii telefonice este distribuit

exponential cu media h (min);
– Sa presupunem ca un apel are deja o intarziere de g minute. Datorita
proprietatii de memoryless aceasta informatie nu ne spune nimic despre
timpul de ocupare care a ramas: acesta e distribuit ca si timpul initial de
ocupare si in medie intarzie tot h minute.
x=g
y=h
• Exemplu numeric:

T=X
g = 30 min
y = 10 min
P{T  40 T  30} = P{T  10}
 Minimul variabilelor aleatoare exponentiale

• Fie X1 Exp(1 ) si X2 Exp( 2 ) independente. Atunci:

X min := min{ X1, X 2 } Exp(1 +  2 )

si

i
P{ X min = X i } = i  {1, 2}
1 +  2

P{ X  x} = e−x
 Distributi continue– Distributia normala (Gaussiana) standard

X N (0,1)

– Limita sumei normalizate a variabilelor IID cu media 0 si varianta 1

• Setul de valori: S X = (−, )

1 2
1 −2 x
• Functia densitate de probabilitate: f X ( x) = ( x) := e
2

• Functia de repartitie: FX ( x) := P{ X  x} = ( x) :=  x ( y )dy

−

• Media: E[ X ] = 0

• Varianta: D 2 [ X ] = 1
 Distributii continue– Distributia normala (Gaussiana)

X N (, 2 ),   R,   0
– Daca ( X − ) /  N (0,1)

• Setul de valori: S X = (−, )

1 x−
• Functia densitate de probabilitate: f X ( x) = FX ' ( x) = ( )
 

X − x− x−
• Functia de repartitie: FX ( x) := P{ X  x} = P{  } = ( )
  

• Media: E[ X ] =  + E[( X − ) / ] = 

• Varianta: D 2 [ X ] = 2 D 2 [( X − ) / ] = 2
 Proprietati– Distributia normala (Gaussiana)

– (i) transformare liniara: fie X N (, 2 ) si ,   R

Y := X +  N ( + ,  22 )

– (ii) Suma: fie X1 N (1, 12 ) si X2 N ( 2 , 22 )

X1 + X 2 N (1 + 2 , 12 + 22 )

– (iii) media esantioanelor: fie variabilele IID: X i N (, 2 ), i = 1, ,n

Are loc relatia:
n
1 1
X n := 
n i =1
Xi N (, 2 )
n
 Teorema limita centrala

• Fie: X1 , , Xn variabile IID cu medie  si varianta  2

• Teorema limita centrala:

1
( X n − ) → N (0,1)
/ n
• Rezulta:

1
X n  N (, 2 )
n
 Alte variabile aleatoare

• Pe langa var aleatoare dicrete si cele continuue exista asa numitele variabile
aleatoare mixte
– Continand atat elemente continuue cat si discrete

• Exemple:
– Timpul de asteptare al unui client W intr-o coada de asteptare M / M / 1 are o

valoare discreta la zero (P{W = 0} = 1 −   0 ) dar in rest distributia e continua