Modelagem e Análise Aula 11

Documentos relacionados
Avaliação e Desempenho Aula 18

Processos Estocásticos aplicados à Sistemas Computacionais

Modelagem e Análise Aula 9

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 20

Modelagem e Análise de Sistemas de Computação Aula 19

Avaliação de Desempenho

Modelagem e Análise de Sistemas - COS767

COS767 - Modelagem e Análise Aula 3 - Simulação

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241

INTRODUÇÃO À TEORIA DAS FILAS

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08

Avaliação e Desempenho Aula 5

Processos Estocásticos

Integral Definida. a b x. a=x 0 c 1 x 1 c 2 x 2. x n-1 c n x n =b x

Probabilidade. 1 Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson. Renata Souza

Modelos Binomial e Poisson

Conceitos Básicos, Básicos,Básicos de Probabilidade

Modelos Binomial e Poisson

Teoria de Filas Aula 15

Revisão de Estatística (Aplicada a Análise de Desempenho) Profa. Jussara M. Almeida 1 o Semestre de 2014

Métodos Quantitativos para Ciência da Computação Experimental. Aula #2c

Estatística e Modelos Probabilísticos - COE241

Modelos Probabilísticos Filas M/M/1, M/G/1. Profa. Jussara M. Almeida 1 o Semestre de 2014

Principais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:

Exercício 7: Resolução: 2º Semestre 2002/2003 Exercícios resolvidos

Processos Estocásticos e Cadeias de Markov Discretas

II.4 - Técnicas de Integração Integração de funções racionais:

Aula Entre classes pode ou não haver interrupção de uma classe em outra. - Classe 1 é a mais prioritária e Classe p é a menos prioritária.

Processos Estocásticos

Aula 1. Objetivo: Mostrar o papel fundamental da distribuição de Poisson no comportamento de grandes populações.

Aula 1. Objetivo: Mostrar o papel fundamental da distribuição de Poisson no comportamento de grandes populações.

Estatística Aplicada Professor: André Luiz Araújo Cunha. Moda. Media

Modelos Probabilísticos

PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES

Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez

Modelos de Distribuição PARA COMPUTAÇÃO

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal

Modelização do Sistema Produtivo Teoria das Filas de Espera

Modelos Probabilísticos de Desempenho. Profa. Jussara M. Almeida 1º Semestre de 2014

1 Distribuição de Bernoulli

Estatística e Modelos Probabilísticos - COE241

Avaliação de Desempenho de Sistemas

Professora Ana Hermínia Andrade. Período

Estatística e Modelos Probabilísticos - COE241

ENQ Gabarito MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL. Questão 01 [ 1,25 ]

Cálculo das Probabilidades e Estatística I

Pesquisa Operacional II

Avaliação de Desempenho de Sistemas Discretos

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

Probabilidades e Estatística

FILAS Conceitos Fundamentais. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016

Modelagem e Análise de Sistemas de Computação Aula 20

AULA 15 - Distribuição de Bernoulli e Binomial

Estatística e Modelos Probabilísticos - COE241

Avaliação e Desempenho Aula 1 - Simulação

Probabilidade e Modelos Probabilísticos

Lista de exercícios propostos de Distribuições Discretas Estatística I OBS: Os exercícios estão dispostos em ordem de dificuldade.

Teoria de Filas Aula 1

Elementos de Matemática Finita

PARA A RESOLUÇÃO DO p-fólio, TENHA EM ATENÇÃO O SEGUINTE:

Dízimas e intervalos encaixados.

Distribuições de Probabilidade

D i s c i p l i n a : P e s q u i s a O p e r a c i o n a l I I T e o r i a d a s F i l a s - L i s t a d e E x e r c í c i o s : 0 2

SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Distribuições de Probabilidade (Extra)

MAE 116 Distribuição Normal FEA - 2º Semestre de 2018

Equações exponenciais

4. PRINCIPAIS MODELOS DISCRETOS

PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos

AULA 4: EQUIVALÊNCIA DE TAXAS

Aula 4. Aula de hoje. Aula passada

Um Protótipo de Servidor Multimídia com Mecanismos de QoS

1 a a. Para a soma dos números saídos ser 0, tem que sair 0 em ambos os dados

Aula 5. Como gerar amostras de uma distribuição qualquer a partir de sua CDF e de um gerador de números aleatórios?

Probabilidade Revisão de Conceitos

Módulo III: Processos de Poisson, Gaussiano e Wiener

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Análise de Valores Limites de Desempenho. Profa. Jussara M. Almeida 1 o Semestre de 2014

3 a Lista de PE Solução

Aulas 13 & 14. Acesso Múltiplo a Pacote: Protocolo Aloha. Eytan Modiano MIT

Estatística e Modelos Probabilísticos - COE241

PCS 2039 Modelagem e Simulação de Sistemas Computacionais

Probabilidade e Estatística

Mário Meireles Teixeira. Departamento de Informática, UFMA.

ME-310 Probabilidade II Lista 1

Estatística e Modelos Probabilísticos - COE241

Bioestatística e Computação I

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Lista de exercícios 2 Métodos Estatísticos Básicos

PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE

ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho

Planificação a médio e longo prazo. Matemática B. 11º Ano de escolaridade. Total de aulas previstas: 193. Ano letivo 2015/2016

Avaliação de Desempenho de Sistemas DCC 074

Estatística (MAD231) Turma: IGA. Período: 2018/2

Transcrição:

Modelagem e Análise Aula 11 Aula passada Aplicação de Little Utilização Processo de saída Aula de hoje Modelo do servidor Web Split/Merge de Poisson Rede de filas

Múltiplas Filas Porque resultado anterior é importante? Considere o sistema com duas filas: X 1 X 2 Qual é o tempo médio no sistema (E[W)? E[W = E[W 1 + E[W 2 E [W 1 = E [ X 1 1 E [X 1 E [W 2 = E [ X 2 1 E [X 2 Já sabemos calcular!

Modelagem do Servidor Web Pedidos de objeto chegam ao servidor Sistema com dois discos Pedidos passam pela CPU e depois um dos discos Disco 1 Servidor Web chegada de pedidos CPU Disco 2 pedido finalizado Qual o tempo médio de espera de um pedido? sabemos em uma fila, e no sistema?

Acesso aos Discos Qual é a taxa de chegada? Qual é o processo de chegada C D1 (t)? S(t) - Poisson Bernoulli p 1-p Disco 1 Disco 2 Disco 1 contém arquivos longos Disco 2 contém arquivos curtos p : prob de um pedido ser arquivo longo

Chegada aos Discos S(t) : número de saídas da CPU no intervalo t Poisson com taxa C D1 (t) : número de chegadas ao disco 1 no intervalo t Qual é a distribuição? P [C D 1 t =k =? Condicionar No número de chegadas ao ponto de divisão S(t)

Condicionando Condicionando em S(t), temos P [C D 1 t =k S t =n =? Binomial com parâmetros n, k e p fazer as contas, caso a caso P [C D 1 t =k S t =n = n k p k 1 p n k quando k n P [C D 1 t =k S t =n =0 quando k n

Descondicionando Descondicionando (para todo valor de n) P [C D 1 t =k = n =0 = = n = k P [C D 1 t =k S t =n P [S t =n n p k n k t n 1 p k n! p t k k! e p t e t = Poisson com parâmetro p

O que Sabemos Agora? [Provamos Processo de saída da CPU é Poisson [Assumimos Disco escolhido de acordo com v.a. de Bernoulli [Provamos Processo de chegada aos discos é Poisson [Assumimos Serviço dos discos é exponencial chegada de pedidos CPU p Disco 1 Disco 2 pedido finalizado 1-p Agora sabemos resolver o modelo!

Resolvendo o Modelo chegada de pedidos CPU p 1-p Disco 1 Disco 2 pedido finalizado Tempo médio de espera do sistema E[W S Como obter o tempo médio? IDÉIA: Calcular número médio no sistema E[N S e aplicar Little Como obter número médio no sistema?

Calculando E[N S chegada de pedidos CPU p 1-p Disco 1 Disco 2 pedido finalizado Número no sistema é a soma do número em cada fila! variáveis N S = N CPU + N D1 + N aleatórias! D2 E[N S = E[N CPU + N D1 + N D2 E[N S = E[N CPU + E[N D1 + E[N D2 Sabemos calcular!

chegada de pedidos Calculando E[N S CPU Disco 1 Disco 2 pedido finalizado X : tempo de serviço na CPU X L : tempo de serviço do disco 1 (arquivos longos) X C : tempo de serviço do disco 2 (arquivos curtos) p 1-p Aplicando nossa equação, temos E[N CPU = E[X 1 E[X E[N D1 = p E[X L 1 p E[X L

Juntado as Equações Número médio no sistema E[N S = E[N CPU + E[N D1 + E[N D2 = E [ X 1 E [ X p E [ X L 1 p E [ X 1 p E [ X C 1 1 p E [ X L C Número médio no sistema em função da taxa de chegada, tempos de serviço, fração de acesso!

Tempo Médio de Espera chegada de pedidos CPU p 1-p Disco 1 Disco 2 pedido finalizado E[W S : tempo médio de espera no sistema E[W S =? Aplicar Little! Sistema é a caixa preta! taxa de chegada é E[W S = E[N S /

Suposições e Validade Ferramental (E[W, E[N) válido quando Taxa de chegada é Poisson Tempo de serviço exponencial Capacidade de armazenamento infinito Sistema estável (utilização < 1) Divisão de fluxos feita aleatoriamente (Bernoulli) Resultado vale para outros sistemas com filas?

Generalizando Consideremos o sistema abaixo Sabemos calcular número médio no sistema? Sim! (dentro das nossas suposições) Decompor o sistema...

Fusão de Fluxos Poisson Considere a fusão de dois fluxos Poisson X 1 (t) e X 2 (t) tem distribuição de Poisson com taxas a 1 e a 2, respectivamente Y(t) = X 1 (t) + X 2 (t) (fusão de dois fluxos) X 1 (t) Y(t) X 2 (t) Qual é a taxa de Y(t)? Qual é a distribuição de Y(t)?

Fusão de Fluxos Poisson Y(t) possui taxa a 1 + a 2 Y(t) possui distribuição de Poisson P [Y t =k =? = e a 1a 2 t a 1 a 2 t k k! Como provar este resultado? Condicionando... P [Y t =k =P [ X 1 t X 2 t =k condicionar em que?

Generalizando mais Consideremos o sistema abaixo Taxa de chegada no sistema Qual é a taxa aqui? Sabemos calcular tempo médio de espera? Sim! (dentro das nossas suposições) Decompor o sistema...

Rede de Filas Desempenho de um sistema formado por rede de filas Tempo médio de espera, número médio nas filas, utilização Ferramenta de modelagem poderosa Muitos sistemas podem ser representados por rede de filas (dentro e fora da computação) Ex. Central de atendimento via telefone Limitações?