Informacijske mree
Teme
Informacijske mree
Redovi ekanja
Red M/M/1
PASTA
Redovi M/M/*
Erlangovi modeli
Red M/M/1
Informacijske mree
n+1
Informacijske mree
Dokaz:
P{min{ X , Y } > t} = P{ X > t , Y > t} =
= P{ X > t}P{Y > t} =
= e t e t = e ( + ) t
P{min{ X , Y } t} = 1 e ( + ) t
P{ X < Y } =
0 0
f XY ( x, y ) dx dy =
e x e y dx dy =
y
= e y e x dx dy =
0
= e y (1 e y ) dy =
0
= e y dy
0
= 1
( + )e ( + ) y dy =
+
4
Informacijske mree
Informacijske mree
n+1
pn = pn 1 = pn 1 = ... = n p0
Normalizacijska konstanta
n
pn = 1 p0 1 + = 1 p0 = 1 , za < 1
n=0
n =1
Stacionarna razdioba
pn = n (1 ), n = 0,1,...
6
Informacijske mree
N = npn = (1 ) n =(1 ) n
n
n =0
n=0
n=0
n 1
n
= (1 )
n =0
1
1
= (1 )
= (1 )
=
=
2
(1 ) 1
1
2
i N Q = W =
1
Informacijske mree
10
8
6
N
4
2
0
0
0,2
0,4
0,6
0,8
Informacijske mree
Prijelazne vjerojatnosti
P00 = 1 + ( )
su
Pii = 1 + ( ), i 1
Pi ,i +1 = + ( ),
i0
Pi ,i 1 = + ( ),
i0
Pij = ( ),
|i j |> 1
0
1
n+1
Informacijske mree
0
1
n+1
+ ( )
+ ( )
n =
n 1 = =
0
+
(
)
+ ( )
Uzmimo limes 0:
n
+ ( )
lim n = lim
lim
p
=
0
n
p0
0
0 + ( ) 0
Gotovo!
10
Prijelazne vjerojatnosti
Informacijske mree
11
Primjer: usporavanje
Informacijske mree
N=
/m
=
1 /
1
N
1
T= =
W=
N =
/m
=
=
=N
1 1 /
N
m
=
= mT
/m
m ( / )
=
= mW
W =
/m /m
T =
Primjer: ubrzavanje
Informacijske mree
N=
=
1 /
1
N
1
T= =
W=
N =
=
=
=N
1 1 /
N
1
=
=T /k
k k ( )
/
W =
=
=W / k
k k k ( )
T =
Informacijske mree
/m
/m
/m
/m
T =
m
= mT
Svojstvo PASTA
Informacijske mree
Informacijske mree
Stacionarne vjerojatnosti:
pn = lim P{N (t ) = n}
t
16
Informacijske mree
9 10
20
30
40
49
17
Informacijske mree
18
Informacijske mree
19
Informacijske mree
Informacijske mree
Redovi M/M/*
Informacijske mree
22
K-1
Informacijske mree
Stacionarna razdioba
pn = n p0 , n = 1, 2,..., K
1
p0 =
1 K +1
K (1 )
P{gubitak} = P{N (t ) = K } =
1 K +1
23
Informacijske mree
K-1
Normalizacijska konstanta:
1 K +1
pn = 1 p0 = 1 p0
=1
1
n=0
n =1
1
p0 =
1 K +1
K
Informacijske mree
p j = pi
iS
za j S
za j S
1.
jS
iS
iS
iS
pj
p( S )
iS
p j q ji = p i qij p j q ji = p i qij , j S
iS
2.
Informacijske mree
iS
iS
ji
=
iS
pi
qij
p( S )
iS
p i =
iS
iS
pi
p( S )
=
= 1,
p( S ) p( S )
p ( S ) pi
iS
Informacijske mree
0
0
1
1
1
n1
n
n
n+1
n+1
pn = p0 i , n 1
i = 0 i +1
n 1
p0 = 1 + i
n =1 i =0 i +1
27
Red M/M/c
Informacijske mree
2
2
c
c
c+1
c
Informacijske mree
c+1
c
1
(c ) n
1 n c : pn =
pn 1 = =
p0 = p0 =
p0 ,
n
n (n 1)
n!
n!
n c
c
n c
n
1
cc
(c ) n
n > c : pn = pc = p0 =
p0
p0 =
c ! c
c ! c
c!
c
Normalizacija
c 1 (c )k ( c )c
pn = 1 p0 = 1 +
+
k
!
c!
n =0
k =1
k =c
k c
c 1 ( c ) k ( c ) c 1
= k ! + c! 1
k =0
29
(c ) c n c (c ) c 1
PQ = P{ekanje u redu} = pn = p0
p0
=
c ! n=c
c! 1
n =c
Erlang-C formula: koristi se u telefoniji (komutacija kanala)
Informacijske mree
= PQ (1 )
Informacijske mree
n =c
( n c)
n c
(c )c
= p0
c ! (1 )2
=
P
Q
(1 ) 2
1
W=
= PQ
(1 )
Srednje vrijeme boravka u sustavu (ekanje + posluivanje)
PQ
1
1
1
T =W + =
+ = PQ
+
c
(1 )
Oekivani broj korisnika u sustavu
PQ
N = T =
+ = PQ
+ c
c
1
31
Informacijske mree
Informacijske mree
1
c c
Kad je puno manji od 1 (slabo optereen sustav) imamo PQ 0, PQ 0 :
T=
T
c
T
Kad je samo neznatno manji od 1 (jako optereen sustav) imamo
PQ 1, PQ 1, 1/ 1/(c ) :
T
1
T
Kod slabog optereenja: stat-MUX s c kanala daje gotovo c puta vee
kanjenje od stat-MUX koji kombinira c kanala u jedan veliki (kao kod
sustava TDM). Kod velikog optereenja: kanjenja kod oba sustava su
podjednaka.
33
Red M/M/
Informacijske mree
2
2
n
n
n+1
(n + 1)
Stacionarna razdioba:
( / ) n /
pn =
e
, n = 0,1,...
n!
N 1
N= ,
T= =
Red M/M/c/c
Informacijske mree
c
c
( / ) c ( / ) k
pn =
, n = 0,1,..., c
n ! k =0 k !
n
c ! k =0 k !
n
n
Informacijske mree
n+1
(n + 1)
pn 1 =
pn 2 = =
p0
n
n ( n 1)
n ( n 1)
( / )n
pn =
p0 , n = 0,1,...
n!
Normalizacija:
c ( / ) k
p0 =
,
k
!
k =0
za M / M / c / c
( / ) k
/
p0 =
=e ,
k =0 k !
za M / M /
Informacijske mree
( t ) n 1 t
f T (t ) =
e , t0
( n 1)!
37
Informacijske mree
Za proizvoljno mali :
( t ) n 1 t
P{n - ti dolazak u [t , t + )} = fT (t ) =
e
(n 1)!
38
Informacijske mree
Informacijske mree
(1)
k =0
= e
k =0 n=0
( t )n
(1 ) k
n!
(2)
(
t
)
k
= e t
(1
n
!
n=0
k =n
(3)
n
n
k
(
t
)
(
t
)
= e t
n = e t
n!
n!
n=0
n=0
(4)
= e t et = e ( ) t
40
P{D(ti + t ) D(ti ) = n} = e t
Informacijske mree
( t )n
, 0nk
n!
1
1 n
n
=
= =
1 1 1
k =n
k =0
k =0
n 1
41
Informacijske mree
42
Informacijske mree
=
k = 0 E [e
tTi( k )
] pk = k =0 M T ( k ) (t ) pk
i
t
k +1
k +1
k
M Ti (t ) =
(1 ) = (1 )
k =0
k =0
1
=
=
t 1
( ) t
43
O Erlangovim formulama
Informacijske mree
a c ak
pn =
, n = 0,1,..., c
n ! k =0 k !
Erlang-B formula - vjerojatnost blokiranja (n = c):
n
ac c ak
pc =
c ! k =0 k !
44
Informacijske mree
n =1
n=c
a = npn + c pn
Informacijske mree
a = a [1 pc ]
a
=
c
U telefoniji je zauzetost mjera stupnja iskoritenja skupine
posluitelja (npr. pretplatnike grupe u komutacijskom sustavu)
46
Informacijske mree
B (c, a ) =
aB(c 1, a )
,
c + aB (c 1, a)
B(0, a) = 1
47
ac
PQ = P{ekanje u redu} = pn =
p0
(c 1)!(c a)
n=c
1
a
p0 = +
,
0a<c
k =0 k ! (c 1)!(c a )
Erlang-C formula susree se pod razliitim imenima: Erlangova
formula kanjenja, Erlangova druga formula,Takoer se koriste i
razliite oznake za pQ:
c 1
Informacijske mree
U Europi: E2,c(a)
U SAD: C(c,a)
48
Informacijske mree