FACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007)

Documentos relacionados
Avaliação de Desempenho de Sistemas Discretos

Distribuições Amostrais

F- MÉTODO DE NEWTON-RAPHSON

Distribuições Amostrais

A DESIGUALDADE DE CHEBYCHEV

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE

PTC 2549 SISTEMAS TELEFÔNICOS

Cap. VI Histogramas e Curvas de Distribuição

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

Provas de Matemática Elementar - EAD. Período

FILAS PARALELAS COM SERVIDORES HETEROGÊNEOS E JOCKEYING PROBABILÍSTICO

Aula 5 Teorema central do limite & Aplicações

Sucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,...

δ de L. Analogamente, sendo

DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016

Probabilidade II Aula 9

LISTAGEM DE FÓRMULAS

Probabilidade II Aula 12

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

5. O algoritmo dos mínimos quadrados

(i) (1,5 val.) Represente na forma de um intervalo ou de uma união disjunta de intervalos cada um dos conjuntos seguintes:

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação

n ) uma amostra aleatória da variável aleatória X.

1ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE 222) Prof. Benito Olivares 1 o Sem./ 2017

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X

. Dessa forma, quanto menor o MSE, mais a imagem

Notas do Curso Inferência em Processos Estocásticos. 1 Estimação de máxima verossimilhança para cadeias de Markov de ordem k

Cálculo II Sucessões de números reais revisões

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

Capítulo I Séries Numéricas

Número-índice: Conceito, amostragem e construção de estimadores

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Aula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Séries e aplicações15

Análise de Regressão Linear Múltipla I

CE-003: Estatística II - Turma K/O Avaliações Periódicas (1 o semestre 2018)

Distribuição de Bernoulli

O termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2

Les 201 Matemática Aplicada à Economia. Relações entre CMg e CMe. Aulas Relações entre CMg e CMe. dct. dcme. CMe = = = =

DERIVADAS DE FUNÇÕES11

Representação em espaço de estado de sistemas de enésima ordem. Função de perturbação não envolve termos derivativos.

Hipótese Estatística. Tipos de Hipóteses

Cap. 4 - Estimação por Intervalo

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

Nº. de alunos. Total p = 7 16.

Análise Matemática I 2 o Exame

b) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Secção 1. Introdução às equações diferenciais

Disciplina: TRANSPORTES. Sessão Prática 4 (Tipo A): Amostragem

SUCESSÕES DE NÚMEROS REAIS. Sucessões

2.2. Séries de potências

Mas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real.

Estudando complexidade de algoritmos

CONHECIMENTOS ESPECÍFICOS

Estatística II Licenciatura em Gestão TESTE I

Dessa forma, concluímos que n deve ser ímpar e, como 120 é par, então essa sequência não possui termo central.

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

Capítulo II - Sucessões e Séries de Números Reais

5 DESENVOLVIMENTOS EM SÉRIE DE POTÊNCIAS

Probabilidades e Estatística

Gabarito do Simulado da Primeira Fase - Nível Beta

Como se decidir entre modelos

Stela Adami Vayego DEST/UFPR

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 11º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema III Sucessões Reais

BÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS. 1 a Edição

Como a dimensão da amostra é , o número de inquiridos correspondente é

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA

Capítulo 5- Introdução à Inferência estatística.

Teoria Elementar da Probabilidade

S E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)

Autovalores na Análise de Modelos Matriciais Utilizando o Matlab

Critérios de correção e orientações de resposta p-fólio

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA

; 2N 2N.! " j %.(1 & q)2 N & j.q j. j!(2n & j)!

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

Matemática A Extensivo V. 6

Caderno de Exercício 2

CONHECIMENTOS ESPECÍFICOS

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL

Lista de Exercícios 5

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

Capítulo 3. Sucessões e Séries Geométricas

O PARADOXO DE SIMPSON

CAP. I ERROS EM CÁLCULO NUMÉRICO

Profs. Alexandre Lima e Moraes Junior 1

Transcrição:

FCULDDE DE CIÊCIS E TECOLOGI Redes de Telecomuicações (6/7) Egª de Sistemas e Iformática Trabalho º4 (ª aula) Título: Modelação de tráfego utilizado o modelo de Poisso Fudametos teóricos (cotiuação) 7. Duração das chamadas T c Em algumas aplicações é suficiete cohecer o tempo médio de duração das chamadas, ou seja,e( Τ c )h. Em outros casos exige-se uma iformação mais detalhada, como seja, o cohecimeto da fução desidade de probabilidade. distribuição usada ormalmete para caracterizar a duração das chamadas telefóicas é a distribuição expoecial egativa. Usado esta distribuição coclui-se que a probabilidade de Τ c : exp ( / ) P T > t t h () c 8. Estatística do úmero de chamadas em progresso Para um grupo de circuito o úmero de chamadas em progresso está compreedido etre e. O comportameto deste grupo pode-se descrever por uma cadeia de Markov com + estados, como se represeta a Figura 5. O sistema está o estado j quado o úmero de circuitos ocupados é igual a j. chegada de uma chamada faz aumetar o estado do sistema de, passado do estado j para o estado k (kj+). termiação de uma chamada faz com que o estado do sistema decresça de, ou seja, se estiver o estado k passa para o estado j. P(j) é a probabilidade de o sistema se ecotrar o estado j e P(k) a probabilidade do sistema se ecotrar o estado seguite k. Pj,k é a probabilidade do sistema trasitar do estado j para o estado k, equato Pk,j é a probabilidade de trasitar do estado k para o estado j. ssim, as probabilidades P(), P(), P() desigam-se por probabilidades de estado, equato Pj,k, Pk,j são desigadas por probabilidades de trasição.

Figura 5. Diagrama de trasição de estados para circuitos. Cosidere-se um itervalo de tempo ifiitesimal δt com iício em t e admita-se que a probabilidade de ocorrerem dois ou mais evetos é desprezável. Os evetos que podem ocorrer em δt são os seguites: Chegada de uma chamada, com probabilidade P(a); Termiação de uma chamada, com probabilidade P(b); usêcia de mudaças de estado, com probabilidade -P(a)-P(b). equação 3 permite cocluir que o úmero médio de chamadas que chegam durate o itervalo de tempo δt é δt/h. tededo ao facto de δt ser um itervalo ifiitesimal, tem-se que δt/h<< represeta a probabilidade P(a) de uma chamada chegar o itervalo de tempo δt. ssim, P P a t h (3) j, k δ / Se o tempo médio de duração de uma chamada é h e o úmero de chamadas em progresso é k, espera-se que o itervalo h termiem em média k chamadas. O úmero médio de chamadas termiadas em δt será por coseguite k δt/h. Com base um raciocíio idêtico ao do caso aterior pode-se escrever que P P b k t h (4) k, j δ / Tedo presete que a probabilidade de existirem j chamadas em progresso o istate t é P(j), etão a probabilidade de trasição de j para k o itervalo de tempo δt é dada por δ / p j k P j P a P j t h (5) Se a probabilidade de haver k chamadas o istate t é P(k), etão a probabilidade de uma trasição do estado k para o estado j durate δt é δ / p k j P k P b P k k t h (6) dmitido-se que existe um estado de equilíbrio estatístico. Segudo esta hipótese, o úmero médio de chamadas em progresso matém-se costate (ou, haverá

aproximadamete tatas chegadas ao sistema como termiações) o que faz com que a probabilidade de abadoar o estado j seja igual à probabilidade de mudaça para ele, o que leva a escrever p( j k ) p ( k j) (7) ou seja k P( j) p k (8) Repetido a equação 8 vezes obtém-se (9) P P( )! hipótese de um tráfego puramete aleatório implica a existêcia de um úmero de fotes muito elevado. ssim, pode-se cosiderar que varia etre zero e ifiito, de modo que a codição de ormalização de probabilidade adquire a forma P () Utilizado-se 9 e obtém-se P e! () equação () mostra que o úmero de chamadas em progresso segue uma distribuição de Poisso, o que é cosequêcia do facto de se admitir que a chegada de chamadas também é descrita por uma estatística de Poisso. Esta estatística requer um úmero de circuitos ifiito para escoar as chamadas. Como o úmero de circuitos é ecessariamete fiito haverá um certo úmero de chamadas que são perdidas (ou atrasadas as redes de pacotes) e a estatística das chamadas em progresso deixa de ser Poissoiaa. a secção seguite ir-se-á aalisar esta questão, cosiderado um sistema com perdas, isto é, um sistema em que as chamadas são perdidas o caso de ão haver circuitos livres. 9. Fórmula de Erlag para sistemas com perdas Para se calcular o úmero de chamadas em progresso para um sistema com um úmero de circuitos fiito vai admitir-se que são válidas as seguites codições: tráfego puramete aleatório; 3

existe equilíbrio estatístico, isto é, o úmero de chamadas origiadas um determiado período (ex. exemplo hora mais carregada) é em média igual ao úmero de chamadas termiadas esse período; acesso completo, ou seja, se as chamadas que chegam são ligadas aos circuitos de saída por comutadores, estes ão itroduzem bloqueio (destaque-se que em grade úmero de casos práticos isto ão é verdade, como se irá ver mais tarde); sistema com perdas, ou seja, as chamadas chegadas que ão ecotram circuitos livres são perdidas. codição do sistema com perdas tem implícito, que qualquer chamada perdida ão ocupa o equipameto durate ehum tempo, e que o úmero máximo da chamadas em progresso ão pode ultrapassar o úmero de circuitos dispoíveis, isto é,. esta situação a equação reescreve-se a forma P () o que, atededo a (9) permite cocluir que: P ( )! (3) Iserido esta equação em (9 deduz-se que P! k k! k (4) Esta equação traduz a primeira distribuição de Erlag e represeta a probabilidade de o cojuto das circuitos cosiderados existirem ocupados ( chamadas em progresso). utilização da fórmula de Erlag vai permitir obter o grau de serviço. Para isso, admitase que o tráfego é oferecido sequecialmete aos diferetes circuitos. ssim, o tráfego é, em primeiro lugar, todo oferecido ao. estas codições, a probabilidade de ocupação deste circuito é dada por p ( ) + (5) Durate a ocupação do circuito o tráfego será desviado para o circuito, que vê oferecido o tráfego perdido pelo circuito, ou seja 4

(6) of p ( ) + p Do tráfego é portato, trasportado pelo circuito ( ) t of P (7) probabilidade de ocupação do circuito, tedo presee que o circuito está ocupado, será: P ( ) / + + / (8) Idêtico raciocíio para o circuito, permite escrever que: P ( + ) p of + /! /! (9) Tedo presete que existem uicamete circuitos, tem-se que o tráfego perdido pelo circuito (que teoricamete é igual ao tráfego oferecido à iexistete troca +) dividido pelo tráfego iicial oferecido ao cojuto dos circuitos dá precisamete o grau, B, de serviço oferecido por estes circuitos, ou seja, p /! B E, /! (3) Esta expressão é cohecida como fórmula de Erlag B, e desempeha um papel relevate a teoria do teletráfego. fórmula de Erlag B pode-se aida simplificar por E,! e (3) expressão idêtica à da distribuição de Poisso, que é, por vezes, cohecida como fórmula de Gristead. Essa simplificação baseou-se a aproximação 5

e i i i! (3) Esta aproximação é válida para /! << Execução Prática Exercício (Duração uma aula) a) Simulação do modelo de tráfego Erlag-B Cosidere um sistema de perda com acesso total a caais e represete a actividade do cojuto de utilizadores que acedem ao sistema através de uma fote que gera chamadas a uma taxa λ (processo de Poisso) e que cada chamada tem uma duração média d m, com distribuição expoecial (modelo Erlag-B). Desevolva um programa de simulação deste sistema, que lhe permita obter: - o estimador da probabilidade de bloqueio B; - o estimador do tráfego médio trasportado por caal t/; - os estimadores das probabilidades de o sistema estar em cada um dos estados possíveis ( a ); - o histograma das durações das chamadas; - o estimador do valor médio da duração das chamadas. b) Simulação do tráfego de chamadas uma estação base GSM Cosidere o caso cocreto de uma estação base de uma rede GSM, à qual é oferecido um tráfego com as seguites características, a hora mais carregada: taxa global de chegada de chamadas λ,5/s; duração média das chamadas d m 5 s. Usado o programa aterior, e por iteração realizada através da etrada de dados pela cosola, dimesioe o úmero míimo de caais que o sistema requer, sem exceder a probabilidade de bloqueio de B%. Compare os resultados obtidos com os valores previstos teoricamete. 6