книги из ГПНТБ / Шнепс, М. А. Численные методы теории телетрафика
.pdfрительный коэффициент, выбираемый с учетом доверительной ве роятности. При достаточно больших N можем считать, что я (АО
А
распределено нормально с дисперсией d/N. Тогда, например, при
С=1,96 доверительная вероятность равна 0,95 и т. д., |
подобно то |
му, как это делалось в §§ 10.1 >и 9.1. |
|
Вывод D(d). Предположим, что а,- и р,- взаимно |
независимы, |
е. cov(a;, р,-) = 0. Тогда согласно (21) |
|
Sp-2 +i - pР‘ vS,
D(d) — D
(a+P)'4
Применяя к этому выражению, в свою очередь, формулу переноса ошибок, имеем:
где предполагается, что в частных производных подставлены сред ние значения указанных моментов. Далее находим частные произ водные и учитываем, что
D a = — D a;
N
Т О Т )
(см. любой учебник по математической статистике, например, [136]), где по определению случайной величины g центральные моменты p4 = M (s -M g )4 и o2 = A f(g-M £)2.
Для упрощения выводов предположим, что N достаточно боль шое, так что
я(«*) = 4N -(^ -(°*)*)-
Подставляя |
(23) |
и другие выражения в |
(22), |
в итоге получаем |
|
|
п Л |
1 Я 2 M a D a ( M p - M a ) - 4 ( M p ) = D p \г п „ , |
|
||||
и Ка ) ~ |
N- {\ |
|
(Ma + MP)6 |
|
/ |
|
/ 2 М р D р (М а - М Р) - 4 (М a )2 D а .2 д о , |
|
|||||
+ [ |
(Ма)2 |
{Ма. + Щ ) ъ |
J |
Р |
|
|
|
(/VI (а — М а)4 — (D а)2) + |
|
|
|||
|
|
|
|
|
||
(Ма+УИр)4 |
|
|
|
|||
|
(М Р)» |
f (/И (р - М Р)4- ( Д Р)2)} + |
о (1/7V). |
(24) |
||
|
|
|
(М а + М Р)4
Вывод D(s2). Для сравнения с дисперсией в случае применения критерия Стьюдента выводим D (s2). Делим реализацию длины N
•190
периодов на п кусков по т периодов в каждом, так что N = inn. Получаем п оценок вида
яс = |
<*!+■ ■-+0-П |
|
(25) |
а1+ ■•■+ ат + Pi + ■■■+ Рл |
а + р |
(ввиду взаимной независимости а и р по периодам опускаем у них
индекс i). Вычисляем |
оценку дисперсии |
отдельной части: |
|
|||||||||
|
я— 1 Е |
- Е |
щ |
|
|
|
|
|
||||
|
п |
|
|
|
|
|
||||||
|
|
|
1=1 |
' |
|
1=1 |
' |
|
|
|
|
|
Тогда оценкой |
дисперсии |
вероятности |
потерь“ |
^я* будет— |
s 2. |
|||||||
Переходим |
к |
выводу |
LM— )= — D (s2) или, другими |
словами, |
к |
|||||||
выводу D('s2). Так как в |
D (s2) |
согласно (23) |
входит |
четвертый |
||||||||
центральный момент случайной величины я,, то ищем его: |
|
|||||||||||
М (л . _ |
М п .)4 |
|
= |
м ( |
---------V . |
|
|
|
|
|||
|
т |
|
|
|
т |
\ а -Ь Р |
М а -г М§ ) |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
||
где а = |
|
а,-, |
р = |
^Гр;. Применяем формулу переноса ошибок: |
|
|||||||
|
«=1 |
|
|
i=i |
|
|
|
|
|
|
|
|
М |
' д л |
|
|
|
|
д л |
|
|
|
|
||
|
а=ма |
|
(< х -/ И а )+ — |
г - ш |
|
|
|
|
||||
|
д а Р=А 1Р |
|
|
|
° |
Р р=мр |
|
|
|
+ члены более высокого порядка.
Возводим в четвертую степень, берем среднее значение, учиты ваем независимость а, р, т. е. М (ар) = М аМ р и замечаем, что равны нулю слагаемые, содержащие множитель вида М\(а—М а). В итоге получаем
_ |
( д п { Ма , М р) |
(а —■М а)4 -\- |
P'4 = |
М |
|
|
д а |
|
+6(ft)’(|f)■0 D>р+(■а |
|
г1«да- м w j- |
|
|||||
|
|
|
|
|
|
, , 77Г |
(26) |
|
|
|
|
|
|
|
|
|
|
где |
Л1 р) _ |
|
/И р |
_ |
|
|
М р |
|
д п ( М а , |
|
|
|
|
||||
д а |
|
|
( М |
а + |
М р )(М2 а + М Р)2m |
|
||
(с -учетом., что М а= т М а и М р = т М р); |
|
|
||||||
, дп( Ма, |
М р) _ |
|
М а |
|
|
|
|
|
ар |
|
|
/п (М а + |
М Р)2 |
|
|
||
/И(а^УИ.а)4 = М |
“ S |
4! |
( а 1 |
— М |
а)*. ... (ат — М а)к |
|
||
|
|
|||||||
|
|
kj\... km\ |
|
|
Zi *''=4
£=1
191
(меняем местами значки Л4 и II и учитываем, ч;то .множители (неза висимы п М (а;—Ма) = 0
4! |
/И(аг |
-Ма)2*/И(а;— /Иа)2-|-^М(а4— Ма)'1 = |
2 !2 ! |
||
г. /=1 |
|
i=i |
‘</ |
|
|
(учитываем, что слагаемые по суммам совпадают в силу одинако
вой распределенности; 'число слагаемых |
ib первой сум'.ме равно |
|||||
т (т—1) |
\ |
|
|
|
|
|
2 |
) |
|
|
|
|
|
__ = 3 т (т — 1) (Da)2 + mM (a —М а)4, |
|
|
|
|||
Da — mDa. |
|
|
|
|
|
|
Для М(р—Мр)4 и Dp аналогично. |
|
|
|
|||
Раскрывая выражение |
(26), имеем |
|
|
|
||
|
МР |
[3 т (т —•1) (D а)2 |
-!- т М (а — М а)4] + |
|||
Н4 - [т (/Иа + МР)2 |
||||||
Ма |
|
|
|
|||
|
/ир |
|
Г |
т2 D а D р + |
||
|
т (М а -f МР)2 |
in (Ма -(- Мр)2 |
||||
|
М а |
|
г |
|
||
|
[3/и (т — 1) (D р)2 |
+ т М (р — М р)4] + . |
||||
|
|
т (Ма МР)2 _
Подставляем полученные выражения в выражение D(s2), ограни
чиваясь разложением щ до порядка т~2 и |
учитывая (21). |
Тогда |
|
D(s-) = — |
(М а)" D р + (МР)2 D а |
|
|
(М а + МР)-1 |
|
|
|
п |
|
|
|
п —3 1 |
(/VI а)2 D Р -г (МР)2 Р а |
(п — 1)тг■сГ- |
(27) |
[п — 1 т2 _ |
(Ма -\-1ИР)1 |
П р и м ер . Сравним d (D л (TV)) = D (d) и D (^-) = -^г D (s'2)
на примере однолинейной системы с потерями, имеющей интенсив ность пуассоновского процесса Я; интенсивность обслуживания равна единице. Рассмотрим оценку вероятности потерь по време ни. Каждый период состоит из времени пребывания в состоянии 1 Ui~e~‘ и ©рвмени пребывания в состоянии 0 Р г ~ е _яТ Для расче тов нужна формула моментов экспоненциально распределительной случайной величины
00
(28)
О
192
ат а к ж е
м а - M i f = М ^ — Ь М 1 3М 1 + Ь М |* ( м d * — з ( М if-,
М Ц — М I f = М12 — (М I f .
Подставляя (28) в (24) и производя приведение подобных членов, имеем
Переходим к D (s2). Из |
(27) |
имеем |
|
|
|
|
|
|
~ 1 , |
1 |
~|2 |
D |
J ______ 2 |
|
X2 ^ |
X2 |
|
|
|
|
|
|
|
п |
п 2 (л — 1) ( т ) * |
(1 + 1 Д )2 |
|
||
|
8__________ 1 |
|
|
(30) |
|
( n — l ) ( n m f |
Д + 1 ) 4 ' |
|
|||
|
|
||||
Приведем численное сравнение |
(29) |
и (30). Подставляем Х=1 |
|||
|
|
|
л |
|
|
и п = т = 20. |
Тогда |
|
= 108.Следовательно, дисперсия |
выборочной дисперсии при использовании формулы переноса оши бок в 108 раз меньше, чем по критерию Стьюдента, что оправды вает применение формулы переноса ошибок для построения дове рительного интервала оценки среднего значения.
Остались неизученными преимущества предлагаемого подхода в случаях систем более сложных, чем однолинейные. Однако это самостоятельная задача, требующая громоздких вычислений пер вых четырех моментов случайных времен первого 'перехода.
10.3. ОПРЕДЕЛЕНИЕ ДИСПЕРСИИ НА ОСНОВЕ ОЦЕНКИ КОВАРИАЦИОННОЙ ФУНКЦИИ ПО БЕНЕШУ
С целью уменьшения дисперсии выборочной дисперсии рас смотрим еще один метод сочетания расчетов с моделированием, суть которого заключается в определении дисперсии через кова-
7— 264 |
1193 |
риационную функцию стационарного марковского процесса. Ко вариационная функция, в свою очередь, приближенно представ ляется в виде экспоненты, и сам расчет сводится к оценке коэффи циента и показателя экспоненты. Строгое обоснование этого ме тода удается получить только в случае симметризируемой матри цы интенсивностей перехода марковского процесса. В частном слу чае расчеты показывают исключительную ценность метода. При менимость его для оценки точности моделирования произвольных систем обслуживания подтверждается результатами вычислений и моделирования, но для получения окончательных рекомендаций следует провести дополнительные исследования. Рассматриваемый подход дает эвристические основания для выбора таких парамет ров, как длительность реализации, длина начального отрезка не стационарное™.
1.Выражение дисперсии через ковариационную функцию R(t)
Пусть моделируется марковский процесс x(t). Требуется оце нить точность статистики
т
(31>
о
где f[x(t)] — некоторая функция (точнее, функционал), заданная над марковским процессом x(t) (обозначим ее ft). В случае пред положения, что начальное распределение (х(0)} совпадает со ста ционарным распределением марковского процесса x(t), любая функция f[x(t)] определяет стационарный процесс, откуда следует, что доверительный интервал оценки среднего значения молено вы разить через ковариационную функцию R(t) стационарного про цесса ft. Уточним это. Предполагаем, что задан стационарный в широком смысле процесс ft. Наша задача — найти дисперсию ста тистики (31), имеющую вид
Df (Г) = М
Пользуясь определением функции ковариации Rj(t) го (в широком смысле) процесса
Rf(t) = M[ft f0] - ( M f 0)\
выражение (32) принимает вид
I
D f { T ) = ~ ^ ( T - t ) R , ( t ) d t .
(32)
стационарно
м у
(34)
Таким образом, задача оценки точности (31) сведена к задаче на хождения функции Rf(t).
194
Докажем, что для марковских процессов с сымметризуемой мат рицей интенсивности перехода функцию Rf (t) можно аппроксими ровать сверху:
Rf (t) < aj e~at, |
(35) |
где a2f — дисперсия функции f[x(t)] над предельным распределе нием {р.-с} марковского процесса x(t), т. е. дисперсия стационарно го распределения; а — положительное число.
Подставляя (35) в (34), находим интересующую нас оценку
Df(T)< 2af |
e~ar - |
1 + а Т |
(36) |
|
(а'Л2 |
||||
|
|
С точки зрения теории случайных процессов замена функции ковариации Rf(t) функцией a2/e-ai эквивалентна переходу к ста ционарному процессу, функция ковариации которого имеет вид
R (t)= R {0 )e ~ at.
2. Вывод оценки R(t)
Рассмотрим однородный марковский процесс x(t), для кото рого М'ат|рица интенсивностей перехода А = {аху}, х, у d S, является симметризуемой. Через |5| обозначим число элементов множест ва S, а через \х \— число занятых линий в состоянии х.
По определению (Крамер [247]) матрица А является симмет ризуемой, если
Ру а ух ~ Рх а ху>
где p={px} — стационарное распределение, определяемое системой
Атр = 0, |
(38) |
а также условием нормировки ( Т — знак транспортирования и р — вектор-столбец).
Так как матрица А является симметризуемой, то собственные числа ее суть действительные неположительные числа. Максималь ное 'собственное число равно нулю; соответствующий ему собствен ный вектор суть вектор стационарных вероятностей р. Расположим собственные числа в порядке убывания: 0 >iri > ... > r isj—i • Для доказательства (35) используем две теоремы из книги Бенеша [24] (гл. 7).
Теорема 10.1
isi-i |
_ rt |
, |
|
(39) |
|
R f { t ) = |
£ (Et Pf, |
P f ) e ‘ |
|
||
|
(=i |
|
|
|
|
где f — вектор-столбец, состоящий |
из элементов |
f ( x ) —mp, Р — |
|||
диагональная |
матрица |
порядка |
|5| |
с элементами |
р0, ..., Pisi-i', |
Ei — перпендикулярные проекторы самосопряженного оператора в
IS I-1
•спектральном разложении: А = £ /у Ес.
1 = 0
7* |
195 |
С к а л я р н о е п р о и з в е д е н и е о п р е д е л я е т с я с о о т н о ш е н и е м
(и, v) =
xqS
Теорема 10.2.
(4 0 )
а2
где
т = 2 |л:|px, а2 = \х\гРх— т2-
Не останавливаясь подробно на доказательстве теоремы, заме тим только, что оценка (40) следует из отношения Релея
г\ = шах {{Av, v) : (о, р) = 0, (у, v) = 1),
V
а также выражения
*V
Из теоремы 10.1 следует, что
(41)
Подставляя полученную оценку в (34), находим неравенство
г, г _ 1 _ г г
|
------- |
Далее из теоремы 10.2 вытекает, что |
|
я к о |
<7j е |
и |
|
D,{T) |
(42) |
Тем самым (35) доказано, при этом в качестве а в (35) взято зна чение Iт/ю2.
На основе приближения (42) можно оценить точность резуль татов моделирования различных систем массового обслуживания.
3. Численные примеры приближения R(t) для полнодоступного пучка
Бенеш [24] приводит численные иллюстрации применимости приближения (41) для оценки среднего числа занятых линий в у-линейной полнодоступной системе с потерями. Для приближе-
196
ния (41) 'имеет место нера |
|
|
|
|
||||
венство |
|
|
|
|
0,6 |
|
|
II |
|
|
|
|
|
|
|
|
|
а2 ег‘ ‘ — R(t) < |
|
|
|
|
ч |
|||
|
0,1 |
|
|
ь- И гз ^ |
||||
-<0,3933 X2 pv е ~ ‘ , |
(43) |
|
|
|||||
0,6 |
|
|
|
|||||
где pv — вероятность потерь |
|
|
|
|||||
|
|
|
|
|||||
(то формуле Эрланга); X— |
0,5 |
L |
|
|
||||
интенсивность пуаосоновско- |
|
|
||||||
|
|
|
||||||
го потока вызовов. |
Бенешем |
0,0 |
|
|
||||
Приводимые |
|
N |
|
|
||||
численные данные .подтвер |
03 |
|
б' 2ег^ |
|||||
ждают |
допустимость |
пред |
0,2 |
/ |
||||
ложенного |
приближения. |
|
'J a |
n |
||||
Одной |
иллюстрацией |
этого |
|
|
||||
0,1 |
|
|
|
|||||
служит рис. 10.6. Это при |
|
|
|
|||||
ближение |
является |
особен |
|
|
|
|
||
но точным при малых значе |
0 |
0,1 0,2 0,3 |
0,0 |
0,5 0,6 0,1 t |
||||
ниях вероятности потерь pv, |
Рис. 10.6. Приближение ковариационной |
|||||||
что видно также из |
(43). |
функции |
|
|
Нами подробно рассмот рены приближения дисперсии оценки среднего числа занятых ли
ний в двухлинейной системе. В этом случае легко находим выра
жение дисперсии согласно |
(34) |
и (39) в виде |
|
|
|
|||||
D,(T) = |
|
|
2Х* |
|
1 |
|
|
- ) ■ |
■г? - 1 - п Т |
+ |
|
|
2 Х + 2 |
|
■ ('— |
|
|
(П Т)2' |
|||
|
X2- |
. Г1(1 + П)2 \ |
П—г2 } |
|
||||||
|
|
|
Г1 |
Г2 |
|
|
||||
|
|
|
1-------- |
1 |
\ е1"2 т— 1 -т- Гп Т |
|
(44) |
|||
л2(1 + г2)2 |
|
■н |
i (г2Т)2 |
|
|
|
|
|||
|
|
|
|
|
|
|||||
где собственные |
числа |
|
|
|
|
|
|
|
||
г, „ = — (2Х, + 3 ) ± У 4А .+ 1 |
|
|
|
|
|
|
||||
1,2 |
|
|
2 |
|
|
|
|
|
|
|
Графики выражения (44) |
приведены на рис. |
10.7. |
|
|
Рис. 10.7. Значения дисперсии для оценки среднего числа занятых линий в двухлинейной системе
197
Построим различные приближения для Dj(T). На рис. 10.8 даны результаты приближений выражения (44) при двух значе ниях интенсивностей: Л.= 0,4 и Л=1. Рассмотрены приближения, получаемые:
1) при замене всех собственных чисел на максимальное соб ственное число г1, что дает, как и ожидается, оценку сверху;
2) то же, что 1), только вместо г{ берем оценку — — согласно а2
теореме 10.2, что дает также хорошее приближение, но заранее неизвестно, будет ли оно оценкой сверху или снизу: при Я=1 по лучаем приближение снизу, при К= 0,4 — сверху;
3) то же, что |
1), только |
вместо гх берем — l(ri = — 1 в |
беско |
|
нечно линейной |
системе); |
при этом допускается грубая |
оценка |
|
сверху, но при малых X ею можно пользоваться (ср. |
на рис. 10.8 |
|||
соответствующие кривые при А,= 1 и Я= 0,4). |
|
|
||
Заметим, что |
последнее |
приближение вытекает из |
следующих |
Рис. 10.8. Кривые дисперсии и ее оценок
соображений. В случае бесконечного полнодоступного пучка мак симальное собственное число /ч(оо) равно — 1. Для любой о-ляней- ной системы соответствующее число п(а) всегда меньше гДсю),
198
точнее, ri(u) < ri(o + 1) < — 1. Последнее следует из теоремы о матрицах Якоби (см., например, Гантмахер и Крейн [32]): «Между каждыми двумя соседними корнями многочлена Dm(r) лежит один и только один корень многочлена Dm-i(r)», где
fll — /■
— С1
' о 0
— К
Я2---Г
0
0
|
*о |
0 |
1 |
N |
0 |
|
||
■ |
0 |
|
|
а т-\ — г |
|
|
0 |
Cm—1 |
0
0
Ьщ—1
а т ~ г
(45)
и из того факта, что характеристический многочлен матрицы ин тенсивностей перехода для любого конечного пучка можно пред ставить в виде (45), если исключить нулевое собственное число, как это сделано в § 3.2.3.
4.Пример вычисления дисперсии для неполнодоступной схемы
Численно проверена практическая применимость приближе ния (41) на примере трехлинейной неполнодоступной схемы, пред ставленной на рис. 10.9, которая подробно изучалась в § 1.3.5. На систему поступают два пуассоновских потока
вызовов, |
каждый |
интенсивностью К |
(общая |
Л. ■ |
|
||
интенсивность равна 2%). В системе каждый |
|
||||||
поток сперва поступает на соответствующую |
|
2 |
|||||
индивидуальную линию, потом на общую ли |
|
||||||
нию. Предположим, что длительность разгово |
|
с / |
|||||
ра подчиняется экспоненциальному закону с |
Рас. 10.9. Трехлпнем- |
||||||
параметром, равным единице. При этих пред- |
йа‘я |
неполнодоступ- |
|||||
положениях действие схемы описывается мар |
зя |
||||||
иая схема |
|||||||
ковским процессом x(t) с восемью состояния |
|
|
|||||
ми. Обозначим вероятности состояний |
(в фигурных |
скобках ука |
|||||
заны номера занятых линий): |
|
|
|
|
|||
Ро = |
Р{0}\ Р, = Р { 1}; |
Р2 = |
Р { 2); |
Рз = Р{3}; |
|
||
р« = |
Р { 1 , 2 } ; |
р8 = Р{1, |
3}; |
рв- Р { 2 , 3}; |
р7 = |
Р{1, 2, 3). |
Результаты вычислений сведены в табл. 10.1, где я — вероятность потерь, имеющая вид
я = — (Рб + Ре) + Р ъ
D — дисперсия линейного функционала f, определенного над мар ковским процессом, в виде
/{1, 3} = /{2, 3} = |
^ - ; /{1, |
2 , 3 > = 1 |
и / = 0 для остальных |
состояний, |
вычисляется по формулам (5) |
(точнее, значение главного члена дисперсии на единицу времени согласно (4));
199