
- •Пример 5.2.2: Множественные события
- •Формула Литла
- •Пример 5.3.1: Формулы Литла
- •Лекция 6. Пуассоновский процесс
- •Характеристики Пуассоновского процесса
- •Распределения Пуассоновского процесса
- •Экспоненциальное распределение
- •Распределение Эрланга k-го порядка
- •Пример 6.2.1: Статистика вызова в системе с программным управлением (сравните с примером 5.1.2)
- •Пуассоновское распределение
- •Пример 6.2.2: Спутниковая система синхронного (сегментированная) алоха
- •6.2.4. Статическое получение распределения Пуассоновского процесса
Экспоненциальное распределение
Следующий существенный шаг в развитии Пуассоновского распределения — получение вероятности р (0, /), которая является вероятностью непоступления заявки в пределах временного интервала длины t, то есть вероятности, что первое поступление заявки произойдет позже, чем t. Мы покажем, что {1 - р(0, 0} — экспоненциальное распределение (сравните с результатом секции 4.1).
Из (6.2) мы имеем:
Inр (0, ti) + Inр (0, t2) = Inр (0, tx + t2) . (6.6)
Обозначая ln/>(0, t) =f (t), (6.6) может быть записано как:
f (t\) +f (h) = f (tx + *2) • (6.7)
Дифференцируя, например, no t2, мы имеем f\h) = f'tl (^i + h) ■
Заметим, что fg(t) должна быть константой, и поэтому f(t)=a+bt. (6.8)
Подставляя (6.8) в (6.7), мы получаем а = 0. Тогдар(0, t) имеет форму
P(0,t)= еы.
.00 оо
7
= J
е*
■ы dt = - —
Ь ’
Л
и и
или
b = -X.
Таким образом, на основе пункта (1) и (2) выше мы показали, что:
р{0,0 = е~х‘. (6.9)
Если мы рассматриваем р(0, t) как вероятность того, что следующее событие наступает позже, чем за время t, тогда время до следующего прибытия является экспоненциально распределенным (секция 4.1):
- р(0, t) = F(t) = Х>0, t> 0, (6.10)
F'(t) = f(t) = X > 0, t> 0. (6.Ц)
Мы имеем следующую среднюю величину и дисперсию (4.4):
1
«1- Г,
а2
=
X2
'
Вероятность, что следующее появление заявки в пределах интервала (t, t + dt) может быть записана, как:
(6.13)
= p(0,t)Xdt,
то есть вероятность, что заявка поступит в пределах интервала (/, t + dt), равна Xdt, независимо от tw пропорционально dt (3.17).
Поскольку X независима от величины (возраста) t, экспоненциальное распределение не имеет памяти (сравните секции 4.1 и 3.1.2). Процесс не имеет возраста.
Число
наблюдений
Г0!
5916
наблюдений
©
Теоретически
■
•
©,
©
-»
г*г
©
Время
между двумя поступлениями [ сканирование
= 0.2с ]
~г —nr
—
0 4 8 12 16 20
2000 1000 500
200 100 50
20 10 5