Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina:

Documentos relacionados
ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

Revisão de Estatística X = X n

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. P x t i x t i x t i x t i

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

Teoria das Comunicações

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Algumas Distribuições

Sumário. Mecânica. Sistemas de partículas

TEORIA DE SISTEMAS LINEARES

Distribuições de Probabilidades

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Organização de dados -Dados não agrupados n. Mediana:

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

II. Propriedades Termodinâmicas de Soluções

Centro de massa, momento linear de sistemas de partículas e colisões

Organização de dados -Dados não agrupados n. Mediana:

Capítulo 2 Circuitos Resistivos

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

6. Inferência para Duas Populações USP-ICMC-SME 2013

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

A desigualdade de Kraft e correlatos

Aula 3 - Classificação de sinais

3 Fundamentação Teórica

Apostila de Introdução Aos Métodos Numéricos

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Métodos tipo quadratura de Gauss

3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES BINÔMIO DE NEWTON

NOTAS DE AULA DA DISCIPLINA CE076

Como CD = DC CD + DC = 0

NÚMEROS COMPLEXOS. z = a + bi,

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MÉTODO DOS MÍNIMOS QUADRADOS

Noções Básicas de Medidas e Algarismos Significativos

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Testes de Hipótese Multivariados para Matrizes de Covariâncias em Processos Autocorrelacionados com Aplicações em Controle de Qualidade

FINANCIAMENTOS UTILIZANDO O EXCEL

Econometria: 4 - Regressão Múltipla em Notação Matricial

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Estatística - exestatmeddisper.doc 25/02/09

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1

( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i

ANÁLISE BAYESIANA DA TAXA DE CRIMINALIDADE NA REGIÃO METROPOLITANA DE BELO HORIZONTE USANDO O MODELO PARTIÇÃO PRODUTO

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

CAPÍTULO 5: AMOSTRAGEM

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

Capítulo 2. Aproximações de Funções

Estudo e Aplicação de Redes Neuronais na Implementação de Memórias Associativas

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes?

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Reconhecimento de Padrões. Reconhecimento de Padrões

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES

Estatística Descritiva

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

NOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

Estatística Descritiva

5 Critérios para Análise dos Resultados

Sistemas de Filas Simples

Forma padrão do modelo de Programação Linear

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

7 Análise de covariância (ANCOVA)

MEDIDAS DE TENDÊNCIA CENTRAL I

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

Métodos iterativos. Capítulo O Método de Jacobi

Relatório 2ª Atividade Formativa UC ECS

TEORIA DE SISTEMAS LINEARES

16 - PROBLEMA DO TRANSPORTE

CAP. IV INTERPOLAÇÃO POLINOMIAL

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.

Centro de massa Dinâmica do corpo rígido

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Projeto de rede na cadeia de suprimentos

CAPÍTULO 7 INTERVALO DE CONFIANÇA E TESTES DE HIPÓTESES

MT DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM. Norma Rodoviária DNER-PRO 277/97 Procedimento Página 1 de 8

Momento Linear duma partícula

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

Análise de Correspondência

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

Total Bom Ruim Masculino

Capítulo 8. Método de Rayleigh-Ritz

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Momento Linear duma partícula

Econometria: 3 - Regressão Múltipla

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I

As propriedades de um experimento binomial são resumidas a seguir:

Transcrição:

Deartameto de Iformátca Dscla: do Desemeho de Sstemas de Comutação Processos de ascmeto e Morte Prof. Sérgo Colcher colcher@f.uc-ro.br Processos de ascmeto e Morte CMTC Homogêea a ual trasções acotecem somete etre estados vzhos Estados Vzhos: Reresetação de Estado (,, ) Vzhos (,,,, ) e (,,, +, ) Dferem em aeas uma das dmesões e de aeas uma udade Caso udmesoal: estado é vzho aeas dos estados e + Coyrght 999-4 by TeleMída Lab. Processo de ascmeto e Morte Processo de ascmeto Puro + + +, +,, j > j ( + ) Q ( + ) ( + ) 3 ( 3 + 3) 3, +,, j > j ( + ) Q 3 3 3 4

, +,, j > j Para smlfcar: Processo de ascmeto Puro + ( + ) Q Processo de ascmeto Puro + Q dπ j ( t) dt S π ( t) ( t) j dπ ( t) π ( t) + π ( t) dt dπ ( t) π ( t) dt Vamos assumr ue π () 5 6 Processo de ascmeto Puro + dπ ( t) π ( t) + π ( t) dt dπ ( t) π ( t) dt Vamos assumr ue π () 7 Resolvedo ara π ( t) dπ ( t) π ( t) dt t π ( t) e Resolvedo ara π ( t) dπ( t) π( t) + π ( t) dt t ( π ( t) + e ) π ( t) te t Processo de ascmeto Puro + Resolvedo ara π ( t) dπ ( t) π ( t) dt t π ( t) e Resolvedo ara π ( t) dπ( t) π( t) + π ( t) dt t ( π ( t) + e ) π ( t) te t 8 Cotuado, or dução: ( t) π ( t)! e t Um rocesso de ascmeto com taxa costate dá orgem a um Processo de Posso

Processo ascmeto e Morte Processo ascmeto e Morte + + CMTC Homogêea, com estados S {,,, } Temo de ermaêca em um estado é exoecal ascmetos e mortes obedecem a rocessos de osso -t e ( t) P{ ( t + s) ( s) Estado },!,, e s, t + P{ ( t + s) ( s) Estado } x x x x e + + + + +!!! e - t ( t)! + P{ ( t + t) ( t) Estado } t +!! ( t) ( t) 9 Processo ascmeto e Morte Processos de ascmeto e Morte + + + + P{ ( t + t) ( t) Estado } t +!! ( t) ( t) P{ ( t + t) ( t) Estado } t + o( t) P{ ( t + t) ( t) Estado } t + o( t) P{ ( t + t) ( t) Estado } o( t) Múltlos ascmetos e mortes, ou mesmo um ascmeto e uma morte smultâeos ão acotecem Euações de Eulíbro Globas + + + + + + 3

Processos de ascmeto e Morte Processos de ascmeto e Morte + 3 3 3 4 + +,,, + + 5,,, + + + + + + + + Processos de ascmeto e Morte Processos de ascmeto e Morte + + + + + ρ +,,, + T Processos de ascmeto e Morte odem ser utlzados ara reresetar a evolução do úmero de usuáros em um cetro de servço 6 7

otação de Kedall 8 Uma sére de arâmetros são utlzados ara classfcar esse to de sstema, como o úmero de servdores, o to de rocesso de chegada o to de rocesso de atedmeto. Uma otação, cohecda como otação de Kedall, é bastate utlzada ara refletr a escolha de um determado cojuto desses arâmetros. otação de Kedall 9 C: rereseta a dstrbução das varáves aleatóras ue modelam o temo etre chegadas o rocesso de chegada ao cetro de servço, ue ode assumr uma das segutes oções: M: Marovao, sto é, os temos etre chegadas são varáves aleatóras exoecas e, or cosegute, o rocesso de chegada de usuáros é um rocesso de Posso; E : os temos etre chegadas são varáves aleatóras de Erlag com arâmetro ; H : os temos etre chegadas são varáves aleatóras Herexoecas com arâmetro ; C : os temos etre chegadas são varáves aleatóras com Dstrbução de Cox com arâmetro ; D: os temos etre chegadas são determístcos, sto é, cohecdos e costates; G: os temos etre chegadas são varáves aleatóras com uma dstrbução ualuer geérca, sobre a ual ehuma roredade esecal ou arâmetro são, a ror, cohecdos; GI: os temos etre chegadas são varáves aleatóras com dstrbução Geérca deedetes etre s. otação de Kedall A: rereseta a dstrbução da varável aleatóra ue modela o temo de atedmeto o servdor, ue ode assumr uma das segutes oções: M: Marovao, sto é, os temos etre chegadas são varáves aleatóras exoecas e, or cosegute, o rocesso de chegada de usuáros é um rocesso de Posso; E : os temos etre chegadas são varáves aleatóras de Erlag com arâmetro ; H : os temos etre chegadas são varáves aleatóras Herexoecas com arâmetro ; C : os temos etre chegadas são varáves aleatóras com Dstrbução de Cox com arâmetro ; D: os temos etre chegadas são determístcos, sto é, cohecdos e costates; G: os temos etre chegadas são varáves aleatóras com uma dstrbução ualuer geérca, sobre a ual ehuma roredade esecal ou arâmetro são, a ror, cohecdos; GI: os temos etre chegadas são varáves aleatóras com dstrbução Geérca deedetes etre s. otação de Kedall m: úmero de servdores

otação de Kedall otação de Kedall m: úmero de servdores F: caacdade do cetro de servço, sto é, o úmero de usuáros máxmo ue odem estar o cetro de servço em um state ualuer (cotado fla mas servdores); m: úmero de servdores F: caacdade do cetro de servço, P: Tamaho da oulação, ou seja, uatos usuáros odem assar elo cetro de servço ao logo de toda sua exstêca; 3 otação de Kedall m: úmero de servdores F: caacdade do cetro de servço, P: Tamaho da oulação DF: Dscla da Fla FCFS LCFS PS... otação de Kedall Aeas os três rmeros arâmetros são obrgatóros. Os demas, uado ão esecfcados, assumem os segutes valores: F P DF FCFS 4 5

Exemlo otação de Kedall 6 uma fla M/M/ é o mesmo ue M/M/// /FCFS rereseta uma fla com com temo etre chegadas e de atedmeto exoecalmete dstrbuídos, um úco servdor, sem lmte de caacdade e sem lmte de oulação a ser atedda, com atedmeto ela ordem de chegada. M/M/ + + 7 + M/M/ M/M/ + + + +,,, + + + + ρ T + 8 9

M/M/ + + + ρ + 3 +,,, T T M/M/ + + 3 A exstêca de uma solução (dferete de ula) ara o sstema garate a ergodcdade de uma CMTC. Isto é, ara ue haja uma dstrbução {,,...} estacoára < M/M/ M/M/ + + se < + ρ ρ Logo, ara M/M/: uma codção sufcete ara ergodcdade é ρ < ρ ρ ( ρ) ( ρ) ρ d ρ ρ d ρ d d ρ ρ ρ ρ 3 33

M/M/ M/M/ + ( ρ) ρ d ρ ρ d ρ d d ρ ρ ρ ρ d ( ρ) ρ ρ d ρ d ( ρ) ρ ρ d ρ d ( ρ ) ρ d ρ ρ ( ρ) ρ ( ρ) ρ ρ + T ρ ρ ρ ρ T ρ ρ 34 35 M/M/ + ρ T ρ ρ Lsta... Armazeameto Fto: M/M//K T / ρ 36 ρ 37

Chegadas Desecorajadas + α +,,,, Exercíco... 38