Documente Academic
Documente Profesional
Documente Cultură
• 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.
• Traficul reprezinta “viata retelei” si se face observat prin consecintele prezentei sale
in retea = ocuparea circuitelor si dispozitivelor puse la dispozitia utilizatorilor;
• Exemple:
• 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
• Trunchiul de retea
– conectează fiecare dintre nodurile
reţelei între ele
Reţea de acces - Partajarea mediului
• În anumite cazuri:
– reţelele de telefonie mobile;
– conectarea calculatoarelor prin LAN-uri ;
• 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;
• 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;
• Apelurile telefonice
• Din punct de vedere calitativ relaţiile dintre cei trei factori sunt ilustrate în
fig. de mai jos.
Planificarea reţelelor
- dimensionare
- optimizare
- analiza performanţelor
- operarea eficientă
- recuperarea greşelilor
- managementul traficului
- routarea
- contabilitate
Tipuri de modele de trafic
• Se admite că, clienţii blocaţi (care sosesc când sistemul e plin) sunt pierduţi;
Modelul simplu de trafic
Sistem pur cu pierderi
• 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
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
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
N →T
– Relaţia poate fii folosită şi în sens invers:
T→N
Formula lui Little
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
• 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 :
Sau altfel spus: În trunchi sunt în medie 7.5 apeluri în prelucrare simultan.
Formula lui Little
• 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
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
- 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 nepredictive:
• 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
• 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
• 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
– 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
A = h
• 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.
• 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.
• 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
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
• 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
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
• M /M /n M /M /n/n+m
• M /M / Modelul Poisson
• Capacitatea sistemului
- n = numarul de canale de pe linie
• Incarcarea cu trafic
- A = Intesitatea traficului oferit
• 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
24
4! 2
Bc = Erl (4,2) = = 9.5%
22 23 24 21
1+ 2 + + +
2! 3! 4!
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:
1 − Bc ( A) = 1 − Erl (20, A)
Calitatea serviciului versus capacitatea
• 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
L
= = C
8
= 50000 1500 9
= 0,6 = 60%
10
8
= 50000 1500 9
= 0,06 = 6%
10 10
Intarzierea
• 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)
• 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.
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 )10s
Pz = Wait (1,0,6;1,10) = 0,6e 1kbit = 0,6 e −4 1%
Capacitate versus rata de sosire
• Fiind data viteza liniei C=1Gbps, QoS (1-Pz ) depinde de rata de sosire λ
dupa cum urmeaza:
1 − Pz ( R) = 1 − Wait (C ,0.6;1,10}
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)
S
= = C
= 50 fluxuri / s
S = 1500kbyte
C = 1Gbps
8
= 50 1500000 9
= 0,6 = 60%
10
Debitul
S
=
D
Exemple:
– S = 1 Mbit
– D = 5s
• 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)
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
600
= CS = = 0,6 1
1000
• Debitul este:
a = h
R = ar = hr
Raportul de pierderi
Nr − C
• Rata medie de pierderi este:
• 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
• 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
•CONCEPTE DE BAZA
• VARIABILE ALEATOARE DISCRETE
• DISTRIBUTII DISCRETE
• VARIABILE ALEATOARE CONTINUE
• DISTRIBUTII CONTINUE
• ALTE VARIABILE ALEATOARE
Spatiul esantioanelor, puncte esantion, evenimente
– Exemplul 1 Aruncarea banului: = {C , P}
= {x R x 0}
Spatiul esantioanelor, puncte esantion, evenimente
A = {0}
A = {x R x 3}
Spatiul esantioanelor, puncte esantion, evenimente
un eveniment:
Combinatii de evenimente
– (ii) i Bi = A
Probabilitati
• 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)
– (viii) A B P( A) P( B)
Probabilitati conditionate
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
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 )
P( A Bi ) P( Bi ) P( A Bi )
P( Bi A) = =
P( A) P( A)
P( Bi ) P( A Bi )
P( Bi A) = =
j P( B j ) P( A B j )
P( A B) = P( A) P( B)
• Rezulta:
P( A B) P( A) P ( B )
P( A B) = = = P ( A)
P( B) P( B)
P( A B) P( A) P ( B )
P( B A) = = = P( B)
P( A) P ( A)
Variabile aleatoare
X(ω) 0 1 1 1 2 2 2 3
Indicator de evenimente
• Rezulta:
P(1A = 1) = P( A)
P(1A = 0) = P( AC ) = 1 − P( A)
Functia de distributie cumulativa - Functia de repartitie
definita astfel:
FX = P{ X x}
• i) FX este nedescrescatoare
• iii) FX (−) = 0
• Iv) FX () = 1
Independenta statistica a variabilelor aleatoare
P( X x, Y y ) = P( X x) P(Y y )
P( X1 x1, , X n xn ) = P( X1 x1 ) P( X n xn )
Valorile maxima si minima ale variabilelor aleatoare 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
• Si P( X = x) = 0 pentru toti x S X
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
S X = {x1, x2 , x3 , x4 }
Independenta variabilelor aleatoare discrete
P{ X = xi , Y = y j } = P{ X = xi }P{Y = y j }
Media statistica-Speranta matematica- Momentul de ordinul intai
X := E[ X ] := P{ X = x}x = p X ( x) x = pi xi
xS X xS X i
– (ii) E[ X + Y ] = E[ X ] + E[Y ]
D 2 [ X ] = E[ X 2 ] − ( E[ X ]) 2
• Proprietati:
2 2 2
– (i) c R, D [cX ] = c D [ X ]
Cov[ X , Y ] = E[ XY ] − E[ X ]E[Y ]
• Proprietati:
X := D[ X ] := D 2 [ X ] = Var[ X ]
D[ X ]
c[ X ] := C[ X ] :=
E[ X ]
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 ]
– 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
• 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
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
• 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
P{ X i + j X i} = P{ X j}
P( X i ) = pi
Minimul varabilelor aleatoare cu distributie geometrica
Atunci
1 − pi
P{ X min = X i } = , i {1, 2}
1 − p1 p2
Distributii discrete – Distributia Poisson
X Poisson(a), a 0
np → 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
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
independente. Atunci:
X1 + X 2 Poisson(a1 + a2 )
Y Poisson( pa)
• Sortarea aleatoare: Fie X si Y conform proprietatii (ii) , si Z = X −Y .
Z Poisson((1 − p)a)
Variabile aleatoare continuue
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
S X = [ x1, x3 ]
• Functia de repartitie
Speranta matematica si alti parametrii
X := E[ X ] = xf X ( x)dx
−
X U (a, b), 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, )
• 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
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:
T=X
g = 30 min
y = 10 min
P{T 40 T 30} = P{T 10}
Minimul variabilelor aleatoare exponentiale
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)
• Media: E[ X ] = 0
• Varianta: D 2 [ X ] = 1
Distributii continue– Distributia normala (Gaussiana)
X N (, 2 ), R, 0
– Daca ( X − ) / N (0,1)
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)
Y := X + N ( + , 22 )
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