- •Введение
- •Показатели эффективности систем массового обслуживания
- •Потоки событий
- •Основные определения
- •Простейший поток событий
- •Распределение интервалов времени между событиями
- •Распределение числа событий на интервале времени
- •Числовые характеристики простейшего потока
- •Регулярный поток событий
- •2.6. Потоки на выходе каналов обслуживания
- •Модели массового обслуживания
- •Простейшие системы распределения информации
- •Уравнения Колмогорова
- •Предельные вероятности состояний
- •Формула литтла
- •Одноканальные системы массового обслуживания
- •5.1. Системы m/m/1
- •Одноканальные системы с ожиданием (системы m/m/1/m)
- •5.3. Системы m/m/1/
- •Пример 5.1.
- •7. Многоканальные системы с отказами
- •7.1. Распределение Эрланга, первая формула Эрланга
-
Простейший поток событий
Поток, обладающий свойствами стационарности, ординарности и отсутствием последействия, называется простейшим.
Простейший поток событий используется в качестве модели реального потока заявок в подавляющем большинстве работ по теории массового обслуживания. Это является следствием трех обстоятельств [10]:
1) Использование простейшего потока позволяет получать простые соотношения для оценки эффективности систем массового обслуживания. Для других моделей потоков это удается редко.
2) Простейший поток – это, как правило, тяжелые условия функционирования системы массового обслуживания, так что получаемые таким образом оценки эффективности систем оказываются достаточно надежными.
3) И, наконец, простейший поток в теории массового обслуживания играет такую же роль, что и нормальный закон в теории вероятностей.
При наложении нескольких стационарных, ординарных, независимых случайных потоков образуется поток, который по своим характеристикам оказывается близким к простейшему.
Это утверждение верно практически при выполнении единственного условия: среди суммируемых потоков не должно быть потока с интенсивностью сравнимой с суммой интенсивностей остальных потоков. Имеются также некоторые ограничения на последействие внутри каждого потока, которые для прикладных задач обычно несущественны. Практически сложение уже четырех-пяти стационарных, ординарных независимых потоков, сравнимых по интенсивности, достаточно, чтобы свойства суммарного потока оказались близкими к свойствам простейшего потока.
Независимость потоков означает, что число событий, наступающих на двух произвольных интервалах времени 1 (для одного потока) и 2 (для другого потока), - независимые случайные величины.
Реальные потоки событий часто являются результатом наложения многих независимых потоков событий и вследствие этого имеют свойства, близкие к свойствам простейшего потока. При наложении n потоков интенсивность суммарного потока определяется как сумма .
Распределение интервалов времени между событиями
Свойства простейшего потока определяют распределение интервалов времени между событиями [6] .
Из стационарности простейшего потока следует, что (t).
Из ординарности потока следует, что на малом интервале времени от t до t+t (t<<1) может не произойти ни одного события с вероятностью P0(t) или появится одно событие с вероятностью P1(t) . Сумма вероятностей
поскольку в ординарном потоке в течение малого интервала времени может появиться не более одного события.
Вероятность появления одного события на малом интервале P1(t)= t, следовательно,
P0(t)= 1- P1(t)=1- t .
Найдем вероятность того, что на произвольном интервале времени t не окажется ни одного события (P0(t)). Положим, что интервал времени от нуля до t разбит на равные отрезки t. Чисто таких отрезков, очевидно, равно t/t. Тогда в силу отсутствия последействия вероятность того, что на всем интервале (0, t) не появится ни одного события, равна произведению вероятностей ненаступления событий на отдельных интервалах:
.
Предел этого выражения [2] при t0:
.
Вероятность P0(t) - это вероятность того, что интервал времени между событиями окажется больше t. Вероятность противоположного события, то есть функция распределения интервалов времени между событиями в простейшем потоке
F(t) = 1-P0(t)=1- exp(-t), t > 0.
Другими словами, простейший поток - это поток Пальма с функцией распределения интервалов времени между событиями
F(t) = 1- exp(-t), t > 0.
Следовательно, в простейшем потоке интервалы времени между событиями имеют экспоненциальную плотность распределения вероятностей
. |