Kolokwium Flashcards
Proces losowy
Proces losowy { X(t), t ϵ <0, ∞> } gdzie X(t) jest liczbą zdarzeń losowych (zgłoszeń, sygnałów) w przedziale <0, t) nazywamy procesem sygnałowym.
Dodatkowo
X(t) ϵ N
If T1 < t2 then X(t1) ≤ X(t2)
X(t2) - X(t1) ϵ N
procesem sygnałowym o przyrostach stacjonarnych
Proces sygnałowy nazwiemy procesem sygnałowym o przyrostach stacjonarnych (jednorodnych) jeśli rozkład prawdopodobieństwa liczby zgłoszeń w przedziale o dowolnej długości Δt nie zależy od położenia tego przedziału na osi czasu. W szczególności oznacza to, że średnia szybkość przybywania zgłoszeń jest stała.
procesem sygnałowym o przyrostach niezależnych
Proces sygnałowy nazywamy procesem sygnałowym o przyrostach niezależnych jeśli liczby zgłoszeń w dowolnych rozłącznych przedziałach czasowych są zmiennymi losowymi niezależnymi. Zauważmy, że oznacza to, iż również odstępy czasowe pomiędzy kolejnymi zgłoszeniami są zmiennymi losowymi niezależnymi.
Proces Markova
Proces Markova jest to proces stochastyczny dla którego
Czyli proces bez pamięci
zmienne losowe są niezależne
Mówimy, że zmienne losowe są niezależne, gdy dla każdych liczb rzeczywistych zachodzi równość P(x<=A)P(X<=B)=P(X<=A^Y<=B)
procesem Poissona
Proces sygnałowy o przyrostach niezależnych nazywamy procesem Poissona jeśli ∀ t ϵ <0, t) X(t) ma rozkład Poissona tzn. istnieje taka funkcja λ(t) że ∀ n ϵ N P[X(t) = n] = e -λ(t) λ(t) / n!
E(X(t)) = λ(t)
stacjonarnym procesem Poissona
Stacjonarny proces sygnałowy o przyrostach niezależnych, w którym zgłoszenia przybywają pojedynczo i błyskawicznie jest stacjonarnym procesem Poissona.
Dla stacjonarnego proces Poissona odstęp czasowy między kolejnymi zgłoszeniami ma rozkład wykładniczy.
stacjonarnego jednorodnego procesu Poissona
Dla stacjonarnego jednorodnego procesu Poissona λ(t) = λt
Inaczej mówiąc prawdopodobieństwo wystąpienia określonej liczby zgłoszeń w przedziałach o określonej jednakowej długości są sobie równe, czyli średnia prędkość występowania zgłoszeń sygnałów jest stała.
równowaga stochastyczna
System znajduje się w stanie równowagi stochastycznej jeśli osiągnięte zostały następujące granice
lim N(t) = N
lim Pn(t) = pn
Przy bardzo ogólnych założeniach warunek dostateczny osiągnięcia stanu równowagi ma postać ρ < m (λ < mμ).
wzór Little’a
N = λT
L = λW
W (ogólne)
λv^2 / 2(1-ρ)
W M|D|1
ρ / 2μ(1-ρ)
bo E(V^2 ) = E(V)^2
M|M|1
ρ / μ(1-ρ)
bo E(V^2) = 2/ \mu^2
p0
p0 = [1 + suma iloczyn \lambda_i-1 / \mu_i] ^-1
E(N)
suma n pn