|
|
- Kjell Håkansson
- för 8 år sedan
- Visningar:
Transkript
1 Kursombud sökes!
2
3
4
5
6
7 Kursens syfte är att ge en introduktion till metoder för att förutsäga realtidsegenskaper hos betjäningssystem, i synnerhet för data- och telekommunikationssystem. Såväl enkla betjäningssystem, som mycket komplexa, är viktiga och därför flitigt förekommande.
8 En kund (= ett jobb) kan exempelvis vara: - ett IP-paket i Internet som ska betjänas av en router, - ett mobilsamtal som ska betjänas av ett mobilnät, - ett http-paket som kommer till en webbserver.
9 Betjäningssystem, eller kösystem, märks sällan men de finns i nästan alla data- och telekomrelaterade tillämpningar. Detta innebär att de är rätt dimensionerade. Vi märker dom via långa väntetider eller då vi blir utslängda.
10
11
12
13
14
15 Vi vill använda en realistisk beskrivning (modell) av verkliga kösystem. Vår modell skall även beskriva att kösystemen arbetar i realtid. Om vi har en felaktig modell så kommer vi förstås att dra felaktiga slutsatser om kösystemets verkliga prestanda och egenskaper.
16 Löpande exempel: Ett kösystem med 5 köplatser (=buffert) samt 1 betjänare (=server/processor). Till detta kösystem kommer en följd av jobb (kunder). Exempelvis anrop till en server i ett nätverk. Vi inför nu parametern λ, och antar att λ jobb kommer till kösystemet i medel per sekund. Parametern λ kallas ofta för ankomstintensiteten.
17 I de flesta tillämpningar har vi ingen möjlighet att veta de exakta ankomsttidpunkterna för de olika jobben (kunderna). Därför betraktar vi då ankomsttidpunkterna som slumpmässiga. Den stokastiska modell vi kommer att använda överensstämmer mycket väl med gjorda mätningar.
18 När ett jobb kommer till kösystemet händer ett av följande: Om inga andra jobb finns i kösystemet så påbörjas betjäning direkt vid ankomst. Jobbet placeras i kön om minst 1 jobb finns i systemet och om systemet ej är fullt. Jobbet avvisas (spärras) om systemet är fullt (dvs 5 i kön och 1 i betjänaren).
19 När ett jobb är färdigbetjänad lämnar det kösystemet, och betjänaren tar sig an nästa jobb i kön. I den här kursen behandlas framförallt situationen först till kvarn får först mala, dvs jobb som väntar i kön kommer att betjänas i den ordning som de anlände till kön.
20 Kundernas betjäningstider varierar i de flesta tillämpningar, ty kunderna har i regel olika betjäningsbehov. Därför betraktar vi då även kundernas (jobbens) betjäningstider som slumpmässiga. En relevant parameter är betjäningstiden i medel som i kursboken har den generella beteckningen
21 Betrakta nu följande beskrivning av kösystemet (dvs kön + betjänaren): N=ANTAL JOBB (KUNDER) I KÖSYSTEMET. Vid en godtycklig tidpunkt t så finns det N=0, N=1, N=2, N=3, N=4, N=5, eller N=6 jobb i kösystemet. N=0 innebär att systemet är tomt. N=1 innebär att kön är tom och att betjänaren arbetar med ett jobb. N=2 innebär ett jobb i kön och ett i betjänaren... N=6 innebär att systemet är fullt, dvs 5 jobb i kön och ett i betjänaren. OBS! När N=6, dvs då systemet är fullt, kan inga nya jobb (kunder) komma in i systemet, de spärras (avvisas)! Dessa 7 möjliga värden för N kallar vi kösystemets möjliga TILLSTÅND!
22 Vid en ankomst: Om systemet är i tillstånd 2 då en jobbankomst sker så övergår systemet till tillstånd 3. OBS! Om systemet är fullt (dvs är i tillstånd 6) då en ankomst sker, så spärras (avvisas) jobbet. Vid en färdigbetjäning: Om systemet är i tillstånd 5 då ett jobb blir färdigbetjänat (och därmed lämnar systemet) så övergår systemet till tillstånd 4. I den så kallade TILLSTÅNDSGRAFEN har vi därför övergångar mellan närliggande tillstånd. λ-parametern är relaterad till ankomstprocessens egenskaper. µ-parametern är relaterad till betjänarens egenskaper. Samtliga övergångar i tillståndsgrafen sker i de flesta tillämpningar vid slumpmässiga tidpunkter.
23 Exempel på några viktiga frågeställningar: Hur många jobb blir färdigbetjänade per sekund i medel (genomströmningen)? Hur lång tid kommer jobb att befinna sig i kösystemet i medel? Hur stor andel jobb spärras i medel? Hur stor del av tiden används betjänaren i medel? Vilken buffertstorlek (antal köplatser) är lämplig?
24 Vi måste veta sannolikheten att kösystemet är i tillstånd k, för k=0,1,2,3,4,5,6. Denna sannolikhet betecknas med P(N=k)= =sannolikheten att N=k, k=0,1,2,3,4,5,6 Diskreta stokastiska variabler N ovan är ett exempel på en diskret stokastisk variabel. Dess frekvensfunktion är P(N=k)=. Den andel av tiden, i medel, då kunder spärras är Den andel av tiden, i medel, då betjänaren används är lika med
25 En mycket viktig parameter är medelvärdet av N som ofta betecknas med E(N). E(N)= Summan löper över alla k som har Ex: Om N betecknar antalet prickar på en ideal tärning så är E(N)=1/6+2/6+3/6+4/6+5/6+6/6=3.5 Om C=A+B, där A och B är två stokastiska variabler så gäller alltid att E(C)=E(A+B)=E(A)+E(B).
26 Medelvärdet av en stokastisk variabel A betecknas således ofta med E(A). Variansen för A mäter spridningen kring medelvärdet och betecknas ofta med V(A). Genom att utveckla kvadraten får vi följande alternativa formel:
27 Om X och Y är två händelser så kallas P(Y X) en betingad sannolikhet, och P(Y X)=P(Y,X)/P(X)=sannolikheten att Y inträffar om vi vet att X har inträffat. Om X och Y är oberoende så är P(Y X)=P(Y), vilket då ger att P(Y,X)=P(Y)P(X). Om A betecknar antalet prickar på en tärning så är P(A=6)=1/6 och P(A=4 A>3)=1/3 P(A=5 A>3)=1/3 P(A=6 A>3)=1/3 Medelvärdet av A, betingat på att A>3, blir =4/3+5/3+6/3=5.
28 Betrakta nu ankomsterna till kösystemet, den så kallade ankomstprocessen. Vi använder parametern λ, och antar λ ankomster per sekund i medel till kösystemet. Låt A beteckna antalet ankomster under ett tidsintervall av längd Notera att A är en diskret stokastisk variabel. En mycket bra modell är poissonfördelningen:, för k=0,1,2,3, Detta ger att E(A)= =..=λ
29 Om. vi sätter k=0 i uttrycket ovan, dvs inga ankomster, så ser vi att: P(A=0)= P(nästa ankomst sker efter )= Låt nu den kontinuerliga stokastiska variabeln X betyda tidsavståndet mellan två på varandra följande ankomster. Vi ser från ovanstående samband att: Fördelningsfunktionen blir därför vilket är fördelningsfunktionen för en exponentialfördelad stokastisk variabel.
30 Tidsavståndet X mellan två på varandra följande ankomster är således exponentialfördelad. Via mätningar har man konstaterat att denna modell mycket väl beskriver verkliga förlopp i många olika tillämpningar. Frekvensfunktionen för X är Efter derivering erhålls Medelvärdet av X: Ankomstintervallets längd, i medel, är således lika med
31 Betjäningstidens fördelning Låt nu X istället betyda betjäningstiden för ett jobb. I denna kurs kommer vi huvudsakligen att antaga att betjäningstiden är exponentialfördelad med betjäningsintensiteten jobb i medel per sekund. Detta innebär att fördelningsfunktion, frekvensfunktion och medelvärde för betjäningstiden är: Fördelningsfunktionen: Frekvensfunktionen: Medelvärdet: Betjäningstiden, i medel, är således lika med
32 M är kortnotation för exponentialfördelningen (Markov). Det finns andra fördelningar än exponentialfördelningen som är av intresse. Några exempel är: D betyder konstanta tider (Deterministisk). G betyder Generell fördelning (vilken som helst).
33 OBS! Formelsamlingen rekommenderas! Exempelvis: Geometrisk serie
34
35
36
37
38
39
40
41 Satsen om total sannolikhet ger oss även en alternativ metod att beräkna medelvärdet. Metoden använder betingade medelvärden, se nedan.
42
43
44 Några exempel: z-transformen för OBS! derivering av z-transformen m.a.p. z ger: vilket ger medelvärdet då z går mot z=1!
45 Låt X beteckna en positiv och kontinuerlig stokastisk variabel med frekvensfunktionen: X kan vara tidsavståndet mellan två på varandra följande ankomster ( som är exponentialfördelad). Laplacetransformen för X är lika med OBS! Derivering av Laplacetransformen m.a.p. s ger: vilket ger E(X) då s går mot s=0!
46 Vi kan således beräkna medelvärdet på olika sätt: Via definitionen Via betingade medelvärden Via transform
47 Lösning:
48 Sannolikheten att nästa ankomst sker inom intervallet är således Om vi nu använder att: så finner vi att denna sannolikhet kan skrivas som: Om vi betraktar ett mycket litet intervall, dvs får vi att sannolikheten blir:
49 Låt nu X(t) beteckna tillståndet för ett stokastiskt förlopp tid tiden t. Vi förutsätter att X(t) endast kan antaga heltalsvärdena 0,1,2,3,4 X(t) kan exempelvis vara antalet jobb i ett kösystem vid tiden t.
50 Givet tidpunkterna Då definieras Markovkedjan enligt följande (se sidan 307): Tillståndens värden före tidpunkten påverkar således ej sannolikheten ovan. Vi säger att processen är minneslös.
51
52 Generellt gäller: (Sid 308 i Läroboken.) Ger transientlösningen Ger stationära lösningen
53 Låt oss nu studera så kallade födelse-dödsprocesser lite närmare. Betrakta följande sannolikheter: ( födelse ) ( död ) kallas födelseintensiteten då vi är i tillstånd i. kallas dödsintensiteten då vi är i tillstånd i.
54 TILLSTÅNDSGRAFEN De stationära tillståndssannolikheterna betecknas som vanligt enligt: Det som återstår nu är att på ett smidigt sätt bestämma dessa sannolikheter.
55 Generellt sett så varierar tillståndssannolikheterna med tiden, dvs, för att sedan konvergera till den stationära lösningen. Vi är i denna kurs speciellt intresserade av de stationära tillståndssannolikheterna,,,.
56 TILLSTÅNDSGRAFEN Härledningen i kursboken, kap (se även 13.10) ger oss följande relation vid stationaritet (se sid 319 i kursboken): Vänsterledet kan tolkas som Flöde ut från tillstånd k, och högerledet som Flöde in till tillstånd k, dvs Flöde ut = Flöde in
57 TILLSTÅNDSGRAFEN Slutligen erhålls den mycket viktiga så kallade Snittmetoden :... Snittmetoden kommer vi flitigt att använda för att bestämma tillståndssannolikheterna!
58 Betrakta nu ett kösystem i tidsintervallet (0,t), samt följande parametrar: är antalet kunder som har kommit till systemet och ej avvisats i (0,t). är antalet kunder som har lämnat systemet och blivit färdigbetjänade i (0,t). är antalet kunder i systemet vid tidpunkten t. Är total tid som alla kunder tillsammans har tillbringat i systemet under intervallet (0,t), se Figur 2.22 på sidan 57! effektiv inintensitet i medel medeltid i systemet för en kund medelantal kunder i systemet Låt nu t gå mot oändligheten, och förutsätt att gränsvärdena existerar. Vi får då Little s sats:
Kunna beräkna medelantal kunder för alla köer i ett könät med återkopplingar. I denna övning kallas ett kösystem som ingår i ett könät oftast nod.
Övning 8 Vad du ska kunna efter denna övning Kunna beräkna medelantal kunder för alla köer i ett könät med återkopplingar. Kunna beräkna medeltiden som en kund tillbringar i ett könät med återkopplingar.
Läs merFö relä sning 1, Kö system 2015
Fö relä sning 1, Kö system 2015 Här följer en kort sammanfattning av det viktigaste i Föreläsning 1. Kolla kursens hemsida minst en gång per vecka. Övningar kommer att läggas ut där, skriv ut dem och ha
Läs mer5 Kontinuerliga stokastiska variabler
5 Kontinuerliga stokastiska variabler Ex: X är livslängden av en glödlampa. Utfallsrummet är S = x : x 0}. X kan anta överuppräkneligt oändligt många olika värden. X är en kontinuerlig stokastisk variabel.
Läs merFö relä sning 1, Kö system vä ren 2014
Fö relä sning 1, Kö system vä ren 2014 Här följer en mycket kort sammanfattning av det viktigaste i Föreläsning 1. Observera att dessa anteckningar inte kan ersätta läroboken, de är alltför kortfattade
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2013-01-18 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove
Läs merKunna beräkna P (spärr) för system med begränsat antal kunder och köplatser. Kunna beräkna medelantal upptagna betjänare.
Övning 5 Vad du ska kunna efter denna övning Kunna beräkna P (spärr) för system med begränsat antal kunder och köplatser. Kunna beräkna λ eff. Kunna beräkna medelantal upptagna betjänare. Problem. Antag
Läs merKunna använda Littles sats för enkla räkningar på kösystem.
Övning 3 Vad du ska kunna efter denna övning Kunna använda Littles sats för enkla räkningar på kösystem. Känna till begreppen ankomstintensitet, avgångsintensitet, medelavstånd mellan ankomster och medelbetjäningstid
Läs merFö relä sning 2, Kö system 2015
Fö relä sning 2, Kö system 2015 Vi ska börja titta på enskilda kösystem som ser ut på följande sätt: Det kan finnas en eller fler betjänare och bufferten kan vara ändlig eller oändlig. Om bufferten är
Läs merÖVNINGSUPPGIFTER KAPITEL 9
ÖVNINGSUPPGIFTER KAPITEL 9 STOKASTISKA VARIABLER 1. Ange om följande stokastiska variabler är diskreta eller kontinuerliga: a. X = En slumpmässigt utvald person ur populationen är arbetslös, där x antar
Läs merTILLSTÅNDSGRAFEN. Slutligen erhålls den mycket viktiga så kallade Snittmetoden :
Föreläsning 3. TILLSTÅNDSGRAFEN Slutligen erhålls den mycket viktiga så kallade Snittmetoden :... Snittmetoden kommer vi flitigt att använda för att bestämma tillståndssannolikheterna! Exempel på beräkning
Läs merKunna använda Littles sats för enkla räkningar på kösystem.
Övning 2 Vad du ska kunna efter denna övning Kunna använda Littles sats för enkla räkningar på kösystem. Känna till begreppen ankomstintensitet, avgångsintensitet, medelavstånd mellan ankomster och medelbetjäningstid
Läs merTiden i ett tillstånd
Föreläsning 3 I denna föreläsning ska vi behandla markovska kösystem som har ett begränsat antal buffertplatser och även ett begränsat antal kunder. För att kunna göra detta behöver man några resultat
Läs merLennart Carleson. KTH och Uppsala universitet
46 Om +x Lennart Carleson KTH och Uppsala universitet Vi börjar med att försöka uppskatta ovanstående integral, som vi kallar I, numeriskt. Vi delar in intervallet (, ) i n lika delar med delningspunkterna
Läs merKunna definiera laplacetransformen för en kontinuerlig stokastisk variabel. Kunna definiera z-transformen för en diskret stokastisk variabel.
Övning 2 Vad du ska kunna efter denna övning Kunna definiera laplacetransformen för en kontinuerlig stokastisk variabel. Kunna definiera z-transformen för en diskret stokastisk variabel. Kunna beräkna
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (8 uppgifter) Tentamensdatum 2012-01-13 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove
Läs merÖvning 1(a) Vad du ska kunna efter denna övning. Problem, nivå A. Redogöra för begreppen diskret och kontinuerlig stokastisk variabel.
Övning 1(a) Vad du ska kunna efter denna övning Redogöra för begreppen diskret och kontinuerlig stokastisk variabel. Definiera fördelningsfunktionen för en stokastisk variabel. Definiera frekvensfunktionen
Läs merKunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar. I denna övning kallas ett kösystem som ingår i ett könät oftast nod.
Övning 7 Vad du ska kunna efter denna övning Kunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar. Kunna beräkna medeltiden som en kund tillbringar i ett könät utan återkopplingar.
Läs merStorräkneövning: Sannolikhetslära
UPPSALA UNIVERSITET Matematiska institutionen Jakob Björnberg Sannolikhet och statistik 2012 09 28 Storräkneövning: Sannolikhetslära 1. (Tentamen, april 2009.) Man har efter studier av beredskapen hos
Läs merTATA42: Föreläsning 10 Serier ( generaliserade summor )
TATA42: Föreläsning 0 Serier ( generaliserade summor ) Johan Thim 5 maj 205 En funktion s: N R brukar kallas talföljd, och vi skriver ofta s n i stället för s(n). Detta innebär alltså att för varje heltal
Läs merSummor av slumpvariabler
1/22 Summor av slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 8/2 2013 2/22 Dagens föreläsning Väntevärde och varians Vanliga kontinuerliga fördelningar Parkeringsplatsproblemet
Läs merUppgift 2 Betrakta vädret under en följd av dagar som en Markovkedja med de enda möjliga tillstånden. 0 = solig dag och 1 = regnig dag
Avd. Matematisk statistik TENTAMEN I SF904 MARKOVPROCESSER MÅNDAGEN DEN 26 AUGUSTI 203 KL 08.00 3.00. Examinator: Gunnar Englund tel. 073 32 37 45 Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk
Läs merÖvning 1. Vad du ska kunna efter denna övning. Problem, nivå A
Övning 1 Vad du ska kunna efter denna övning Redogöra för begreppen diskret och kontinuerlig stokastisk variabel. Definiera fördelningsfunktionen för en stokastisk variabel. Definiera frekvensfunktionen
Läs merResultatet läggs in i ladok senast 13 juni 2014.
Matematisk statistik Tentamen: 214 6 2 kl 14 19 FMS 35 Matematisk statistik AK för M, 7.5 hp Till Del A skall endast svar lämnas. Samtliga svar skall skrivas på ett och samma papper. Övriga uppgifter fordrar
Läs merTentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.''
Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.'' Hjälpmedel:'Valfri'räknare,'egenhändigt'handskriven'formelsamling'(4''A4Esidor'på'2'blad)' och'till'skrivningen'medhörande'tabeller.''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
Läs merFOURIERANALYS En kort introduktion
FOURIERAALYS En kort introduktion Kurt Hansson 2009 Innehåll 1 Signalanalys 2 2 Periodiska signaler 2 3 En komplex) skalärprodukt 4 4 Fourierkoefficienter 4 5 Sampling 5 5.1 Shannon s teorem.................................
Läs merANDREAS REJBRAND 2014-04-25 Matematik http://www.rejbrand.se. Numeriska serier. Andreas Rejbrand, april 2014 1/29
Numeriska serier Andreas Rejbrand, april 2014 1/29 1 Inledning Författarens erfarenhet säger att momentet med numeriska serier är ganska svårt för många studenter i inledande matematikkurser på högskolenivå.
Läs merFördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret stokastisk variabel.
Övning 1 Vad du ska kunna efter denna övning Diskret och kontinuerlig stokastisk variabel. Fördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret
Läs mera) Vad är sannolikheten att det tar mer än 6 sekunder för programmet att starta?
Tentamen i Matematisk statistik, S0001M, del 1, 2008-01-18 1. Ett företag som köper enheter från en underleverantör vet av erfarenhet att en viss andel av enheterna kommer att vara felaktiga. Sannolikheten
Läs merFöreläsning 6: Introduktion av listor
Föreläsning 6: Introduktion av listor Med hjälp av pekare kan man bygga upp datastrukturer på olika sätt. Bland annat kan man bygga upp listor bestående av någon typ av data. Begreppet lista bör förklaras.
Läs merÖvning 1 Sannolikhetsteorins grunder
Övning 1 Sannolikhetsteorins grunder Två händelser A och B är disjunkta om {A B} =, det vill säga att snittet inte innehåller några element. Om vi har en mängd händelser A 1, A 2, A 3,..., A n, vilka är
Läs merk x om 0 x 1, f X (x) = 0 annars. Om Du inte klarar (i)-delen, så får konstanten k ingå i svaret. (5 p)
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSLÄRA OCH STATISTIK MÅNDAGEN DEN 17 AUGUSTI 2009 KL 08.00 13.00. Examinator: Gunnar Englund, tel. 790 74 16. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 24 januari 2004, kl. 09.00-13.00
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 4 januari 004, kl. 09.00-13.00 Tillåtna hjälpmedel: Ansvarig lärare:
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 23:E MAJ 2013 KL 14.00 19.00. Kursledare och examinator : Björn-Olof Skytt Tillåtna hjälpmedel: miniräknare, lathund
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 6 Markovprocesser 9 Maj 2016 Johan Westerborn Markovprocesser (1) Föreläsning 6 Föreläsningsplan 1 Förra Föreläsningen 2 Johan Westerborn
Läs merTMS136. Föreläsning 1
TMS136 Föreläsning 1 Varför? Om vi gör mätningar vill vi modellera och kvantifiera de osäkerheter som obönhörligen finns Om vi handlar med värdepapper vill vi modellera och kvantifiera de risker som finns
Läs merLektionsanteckningar 2: Matematikrepetition, tabeller och diagram
Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram 2.1 Grundläggande matematik 2.1.1 Potensfunktioner xmxn xm n x x x x 3 4 34 7 x x m n x mn x x 4 3 x4 3 x1 x x n 1 x n x 3 1 x 3 x0 1 1
Läs merFinansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel
Finansiell Statistik (GN, 7,5 hp,, VT 009) Föreläsning Diskreta (LLL Kap 6) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course, 7,5 ECTS,
Läs merFöreläsning 2 (kap 3): Diskreta stokastiska variabler
Föreläsning 2 (kap 3): Diskreta stokastiska variabler Marina Axelson-Fisk 20 april, 2016 Idag: Diskreta stokastiska (random) variabler Frekvensfunktion och fördelningsfunktion Väntevärde Varians Några
Läs merM/M/m/K kösystem. M/M/m/K kösystem
Allmänt om KÖSYSTEM (=betjäningssystem). För att definiera ett kösystem måste vi ange ankomstrocessen ( dvs hur kunder ankommer till systemet) och betjäningsrocess (dvs hur lång tid det tar att betjäna
Läs merDenna rapport används både av avsändaren och mottagaren av en internfaktura.
Internfakturering Buntöversikt internfaktura Denna rapport används både av avsändaren och mottagaren av en internfaktura. Avsändare - Avsändaren beställer rapporten "Buntöversikt internfaktura" efter att
Läs merFÖRELÄSNING 1 ANALYS MN1 DISTANS HT06
FÖRELÄSNING ANALYS MN DISTANS HT06 JONAS ELIASSON Detta är föreläsningsanteckningar för distanskursen Matematik A - analysdelen vid Uppsala universitet höstterminen 2006. Förberedande material Här har
Läs merRepetitionsuppgifter i Matematik inför Basår. Matematiska institutionen Linköpings universitet 2014
Repetitionsuppgifter i Matematik inför Basår Matematiska institutionen Linköpings universitet 04 Innehåll De fyra räknesätten Potenser och rötter 7 Algebra 0 4 Funktioner 7 Logaritmer 9 6 Facit 0 Repetitionsuppgifter
Läs merProgrammeringsteknik med C och Matlab
Programmeringsteknik med C och Matlab Kapitel 2: C-programmeringens grunder Henrik Björklund Umeå universitet Björklund (UmU) Programmeringsteknik 1 / 32 Mer organisatoriskt Imorgon: Datorintro i lab Logga
Läs merKurvlängd och geometri på en sfärisk yta
325 Kurvlängd och geometri på en sfärisk yta Peter Sjögren Göteborgs Universitet 1. Inledning. Geometrin på en sfärisk yta liknar planets geometri, med flera intressanta skillnader. Som vi skall se nedan,
Läs mer8-1 Formler och uttryck. Namn:.
8-1 Formler och uttryck. Namn:. Inledning Ibland vill du lösa lite mer komplexa problem. Till exempel: Kalle är dubbelt så gammal som Stina, och tillsammans är de 33 år. Hur gammal är Kalle och Stina?
Läs merKunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar.
Övning 8 Vad du ska kunna efter denna övning Kunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar. Kunna beräkna medeltiden som en kund tillbringar i ett könät utan återkopplingar.
Läs merPerformance QoS Köteori. Jens A Andersson (Maria Kihl)
Performance QoS Köteori Jens A Andersson (Maria Kihl) Internet Består av ett antal sammankopplade nät som utbyter data enligt egna trafikavtal. Alla delnät som utgör Internet har en gemensam nämnare: Alla
Läs merSidor i boken 110-113, 68-69 2, 3, 5, 7, 11,13,17 19, 23. Ett andragradspolynom Ett tiogradspolynom Ett tredjegradspolynom
Sidor i boken 110-113, 68-69 Räkning med polynom Faktorisering av heltal. Att primtalsfaktorisera ett heltal innebär att uppdela heltalet i faktorer, där varje faktor är ett primtal. Ett primtal är ett
Läs merAllmän teori, linjära system
KTH, Avdelningen för matematik F2, Stockholm, 2 april 2014 Lösningsbegreppet Begynnelsevärdesproblem Lösningsbegreppet Betrakta ekvationen Definition En lösning på ett intervall I är en funktion x 1 (t)
Läs merSyftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden inom matematisk statistik
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, AK FÖR I, FMS 01, HT-07 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen, enkla punktskattningar
Läs mer8-4 Ekvationer. Namn:..
8-4 Ekvationer. Namn:.. Inledning Kalle är 1,3 gånger så gammal som Pelle, och tillsammans är de 27,6 år. Hur gamla är Kalle och Pelle? Klarar du att lösa den uppgiften direkt? Inte så enkelt! Ofta resulterar
Läs merINLÄMNINGSUPPGIFT 2 (Del 2, MATEMATISK STATISTIK) Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H3000
INLÄMNINGSUPPGIFT 2 (Del 2, MATEMATISK STATISTIK) Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H3000 Lärare: Armin Halilovic armin@syd.kth.se www.syd.kth.se/armin tel 08 790 4810 Inlämningsuppgift 2 består
Läs merPASS 4. POLYNOM, MINNESREGLERNA. 4.1 Kvadreringsreglerna. Kvadraten på en summa
PASS 4. POLYNOM, MINNESREGLERNA 4.1 Kvadreringsreglerna Kvadraten på en summa Den finländska modellfamiljen med mamma, pappa och två barn äger ett kvadratformat hus. Här nedan i figur 4 har vi en planritning
Läs merFöreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012
Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår
Läs merJURIDISKA INSTITUTIONEN
JURIDISKA INSTITUTIONEN HRS290 Teoretisk affärsjuridik - Rollperspektiv på rätten, 15 högskolepoäng Theoretical business law - Role Fastställande Kursplanen är fastställd av Juridiska institutionen 2014-09-10
Läs merStatistik och epidemiologi T5
Statistik och epidemiologi T5 Anna Axmon Biostatistiker Yrkes- och miljömedicin Dagens föreläsning Fördjupning av hypotesprövning Repetition av p-värde och konfidensintervall Tester för ytterligare situationer
Läs merhttp://www.leidenhed.se Senaste revideringen av kapitlet gjordes 2014-05-08, efter att ett fel upptäckts.
Dokumentet är från sajtsidan Matematik: som ingår i min sajt: http://www.leidenhed.se/matte.html http://www.leidenhed.se Minst och störst Senaste revideringen av kapitlet gjordes 2014-05-08, efter att
Läs merBeskrivande statistik Kapitel 19. (totalt 12 sidor)
Beskrivande statistik Kapitel 19. (totalt 12 sidor) För att åskådliggöra insamlat material från en undersökning används mått, tabeller och diagram vid sammanställningen. Det är därför viktigt med en grundläggande
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Vektorer i planet och i rummet III Innehåll
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 3 4 november 2016 1 / 28 Idag Förra gången Stokastiska variabler (Kap. 3.2) Diskret stokastisk variabel (Kap. 3.3 3.4) Kontinuerlig stokastisk
Läs merPerformance QoS Köteori SNMP. Felsökning. Jens A Andersson (Maria Kihl) GET request GET response SET request TRAP MIB. Att mäta är att veta ping
Performance QoS Köteori Jens A Andersson (Maria Kihl) SNMP GET request GET response SET request TRAP MIB Management Information Base 2 Felsökning Att mäta är att veta ping icmp echo traceroute avlyssning
Läs merTentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.
Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola. Hjälpmedel: Valfri räknare, egenhändigt handskriven formelsamling (4 A4-sidor på 2 blad) och till skrivningen medhörande tabeller. Fredagen
Läs merWienerprocesser. Finansiell statistik, vt-05. Enkel slumpvandring. Enkel slumpvandring. Varför: model för aktiekurs (dock med aber...
Varför: model för aktiekurs dock med aber... exempel: Black-Scholes jfr Binomialoptionsmodellen Johan Koskinen Statistiska institutionen Stockholms universitet Finansiell statistik vt-05 F5 Tidsserieanalys
Läs merF6 STOKASTISKA VARIABLER (NCT ) Används som modell i situation av följande slag: Slh för A är densamma varje gång, P(A) = P.
Stat. teori gk, ht 2006, JW F6 STOKASTISKA VARIABLER (NCT 5.4-5.6) Binomialfördelningen Används som modell i situation av följande slag: Ett slumpförsök upprepas n gånger (oberoende upprepningar). Varje
Läs mer(a) Hur stor är sannolikheten att en slumpvist vald person tror att den är laktosintolerant?
LÖSNINGAR till tentamen: Statistik och sannolikhetslära (LMA12) Tid och plats: 8.3-12.3 den 24 augusti 215 Hjälpmedel: Typgodkänd miniräknare, formelblad Betygsgränser: 3: 12 poäng, 4: 18 poäng, 5: 24
Läs merEn ideal op-förstärkare har oändlig inimedans, noll utimpedans och oändlig förstärkning.
F5 LE1460 Analog elektronik 2005-11-23 kl 08.15 12.00 Alfa En ideal op-förstärkare har oändlig inimedans, noll utimpedans och oändlig förstärkning. ( Impedans är inte samma sak som resistans. Impedans
Läs merStokastiska processer med diskret tid
Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna
Läs merFinansiell Statistik (GN, 7,5 hp, HT 2008) Föreläsning 2
Finansiell Statistik (GN, 7,5 hp, HT 008) Föreläsning Diskreta sannolikhetsfördelningar (LLL kap. 6) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level
Läs mer2 Laborationsuppgifter, upptagetsystem
Laboration 2 i Kösystem Denna laboration behandlar upptagetsystem och könät. När man kommer till en uppgift som är markerad med en stjärna (*) är det tänkt att man ska visa sina resultat för handledaren
Läs merFöreläsning 4. Multiplexering (1/2) Multiplexering (2/2) Multiplexering Närnät
Föreläsning 4 Multiplexering Närnät 10/8/01 Gunnar Karlsson, Bengt Sahlin 1 Multiplexering (1/2) En länk bör kunna användas av flera sändare multiplexering = uppdelning av länken varje sändare allokeras
Läs merVeckoblad 3. Kapitel 3 i Matematisk statistik, Blomqvist U.
Veckoblad 3 Kapitel 3 i Matematisk statistik, Blomqvist U. ya begrepp: likformig fördelning, hypergeometerisk fördelning, Hyp(, n, p), binomialfördelningen, Bin(n, p), och Poissonfördelningen, Po(λ). Standardfördelningarna
Läs merOmtentamen i DV & TDV
Umeå Universitet Institutionen för Datavetenskap Gunilla Wikström (e-post wikstrom) Omtentamen i Teknisk-Vetenskapliga Beräkningar för DV & TDV Tentamensdatum: 2005-06-07 Skrivtid: 9-15 Hjälpmedel: inga
Läs merJavisst! Uttrycken kan bli komplicerade, och för att få lite överblick över det hela så gör vi det så enkelt som möjligt för oss.
8-2 Förenkling av uttryck. Namn: eller Konsten att räkna algebra och göra livet lite enklare för sig. Inledning I föregående kapitel lärde du dig vad ett matematiskt uttryck är för någonting och hur man
Läs merNATIONELLT PROV I MATEMATIK KURS E HÖSTEN 1996
Skolverket hänvisar generellt beträffande provmaterial till bestämmelsen om sekretess i 4 kap. 3 sekretesslagen. För detta material gäller sekretessen till och med utgången av mars 1997. NATIONELLT PROV
Läs merTATM79 Matematisk grundkurs, 6hp Kurs-PM ht 2015
TATM79 Matematisk grundkurs, 6hp Kurs-PM ht 2015 Fredrik Andersson Mikael Langer Johan Thim All kursinformation finns också på courses.mai.liu.se/gu/tatm79 Innehåll 1 Kursinnehåll 2 1.1 Reella och komplexa
Läs merKunna dra slutsatser om ett systems betjäningstider och antalet köplatser genom att tolka diagram.
Övning 3 Vad du ska kunna efter denna övning Kunna dra slutsatser om ett systems betjäningstider och antalet köplatser genom att tolka diagram Kunna beräkna medeltid i systemet och spärrsannolikhet när
Läs merDagens tema. Fasplan(-rum), fasporträtt, stabilitet (forts.) (ZC sid 340-1, ZC10.2) Om högre ordnings system (Tillägg)
Dagens tema Fasplan(-rum), fasporträtt, stabilitet (forts.) (ZC sid 340-1, ZC10.2) Om högre ordnings system (Tillägg) Fasplan(-rum), trajektorier, fasporträtt ZC sid 340-1, ZC10.2 Definitioner: Lösningarna
Läs merNMCC Sigma 8. Täby Friskola 8 Spets
NMCC Sigma 8 Täby Friskola 8 Spets Sverige 2016 1 Innehållsförteckning Innehållsförteckning... 1 Inledning... 2 Sambandet mellan figurens nummer och antalet små kuber... 3 Metod 1... 3 Metod 2... 4 Metod
Läs merSTYRNING AV PORTFÖLJER MED FLERA TILLGÅNGAR
1 STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund FINANSMATEMATIK I. KOMPLEMENT DAG 13. STYRNING AV PORTFÖLJER MED FLERA TILLGÅNGAR Hittills har vi betraktat
Läs mer1 Stokastiska processer. 2 Poissonprocessen
1 Stokastiska processer En stokastisk process är en stokastisk variabel X(t), som beror på en parameter t, kallad tiden. Tiden kan vara kontinuerlig, eller diskret (i vilket fall man brukar beteckna processen
Läs merAnteckningar för kursen "Analys i en Variabel"
Anteckningar för kursen "Analys i en Variabel" Simone Calogero Vecka 4 Viktig information. Dessa anteckningar är inte avsedda som en ersättning för kurs litteratur men bara som en kort sammanfattning av
Läs mer5. BERÄKNING AV SANNOLIKHETER
5. BERÄKNING V SNNOLIKHETER 5.1 dditionssatsen Viharnukommitframtilldetstegdärvikanbörjaatträknapraktisktmed sannolikheter. Vi skall utveckla olika regler och begrepp som är nödvändiga för att praktiskt
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2011-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Lennart
Läs mervarandra. Vi börjar med att behandla en linjes ekvation med hjälp av figur 7 och dess bildtext.
PASS 8 EKVATIONSSYSTEM OCH EN LINJES EKVATION 8 En linjes ekvation En linjes ekvation kan framställas i koordinatsystemet Koordinatsystemet består av x-axeln och yaxeln X-axeln är vågrät och y-axeln lodrät
Läs merTillämpad Matematik III Övningar i Statistik
Tillämpad Matematik III Övningar i Statistik (Med reservation för eventuella tryckfel.) Kap. Grundläggande sannolikhetsteori.. Drag utan återlägg gör att det nns 4 = (= m) möjliga och lika troliga utfall
Läs merTAIU07 Matematiska beräkningar med Matlab
TAIU07 Matematiska beräkningar med Matlab Datorlektion 2. Villkor och Repetition 1 Logiska uttryck Uppgift 1.1 Låt a=3 och b=6 Vad blir resultatet av testerna ab? Uppgift 1.2 Låt a, b,
Läs merEnvariabelanalys: Vera Koponen. Envariabelanalys, vt Uppsala Universitet. Vera Koponen Föreläsning 5-6
Envariabelanalys: Föreläsning 5-6 Vera Koponen Uppsala Universitet Envariabelanalys, vt 2011 Derivata: allmänt Antag att f (x) är en funktion. Derivata: allmänt Antag att f (x) är en funktion. Derivatan
Läs merTentamen MVE265 Matematisk statistik för V, 2013-01-19
Tentamen MVE6 Matematisk statistik V, 03-0-9 Tentamen består av åtta uppgifter om totalt 0 poäng. Det krävs minst 0 poäng betyg 3, minst 30 poäng 4 och minst 40. Examinator: Ulla Blomqvist Hjälpmedel:
Läs merResultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).
STOKASTISKA VARIABLER Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.). Definition 1. En reellvärd funktion definierad på ett utfallsrum Ω kallas en (endimensionell)
Läs merLaboration: Att inhägna ett rektangulärt område
Laboration: Att inhägna ett rektangulärt område Du har tillgång till ett hoprullat staket som är 30 m långt. Med detta vill du inhägna ett område och använda allt staket. Du vill göra inhägnaden rektangelformad.
Läs merMA 1202 Matematik B Mål som deltagarna skall ha uppnått efter avslutad kurs.
MA 202 Matematik B Mål som deltagarna skall ha uppnått efter avslutad kurs. Deltagaren skall kunna formulera, analysera och lösa matematiska problem av betydelse för tillämpningar och vald studieinriktning
Läs merProblem att fundera över
Problem att fundera över Här får du öva dig på att formulera en förmodan och försökabevisaden. Jag förväntar mig inte att du klarar av att gå till botten med alla frågorna! Syftet är att ge dig smakprov
Läs merIntroduktion till arv
Introduktion till arv 6 INTRODUKTION TILL ARV Arv Generell-Speciell Arv för att utnyttja det vi redan gjort Återanvändning Basklass Härledd klass Varför arv? Inför en subklass för att uttrycka specialisering
Läs merFöreläsning 12: Repetition
Föreläsning 12: Repetition Marina Axelson-Fisk 25 maj, 2016 GRUNDLÄGGANDE SANNOLIKHETSTEORI Grundläggande sannolikhetsteori Utfall = resultatet av ett försök Utfallsrum S = mängden av alla utfall Händelse
Läs merSF1624 Algebra och geometri Tentamen Onsdagen 29 oktober, 2014
SF1624 Algebra och geometri Tentamen Onsdagen 29 oktober, 214 Skrivtid: 14.-19. Tillåtna hjälpmedel: inga Examinator: Roy Skjelnes Tentamen består av nio uppgifter som vardera ger maximalt fyra poäng.
Läs merGrafer. 1 Grafer. Grunder i matematik och logik (2015) 1.1 Oriktade grafer. Marco Kuhlmann
Marco Kuhlmann 1 En graf är en struktur av prickar förbundna med streck. Ett tidsenligt exempel på en sådan struktur är ett social nätverk, där prickarna motsvarar personer och en streck mellan två prickar
Läs mer9. Beräkna volymen av det område som begränsas av planet z = 1 och paraboloiden z = 5 x 2 y 2.
Tentamenskrivning för TMS63, Matematisk Statistik. Onsdag fm den 3 juni, 15, V-huset. Examinator: Marina Axelson-Fisk. Tel: 7-88113 Tillåtna hjälpmedel: typgodkänd miniräknare, tabell- och formelhäfte
Läs merKompletterande lösningsförslag och ledningar, Matematik 3000 kurs B, kapitel 1
Här presenteras förslag på lösningar och tips till många uppgifter i läroboken Matematik 3000 kurs B som vi hoppas kommer att vara till hjälp när du arbetar dig framåt i kursen. Vi har valt att inte göra
Läs merÖvningar Dag 2 En första klass
Kurs i C++ Sid 1 (5) Övningar Dag 2 En första klass Denna övning går ut på att steg för steg bygga upp en klass och skapa objekt. Vi kommer att utgå från en sammansatt datatyp i en struct och parallellt
Läs merFöreläsning 4: Giriga algoritmer. Giriga algoritmer
Föreläsning 4: Giriga algoritmer Giriga algoritmer Denna typ av algoritmer arbetar efter följande princip: Gör i varje situation det som är lokalt optimalt, d.v.s. bäst för stunden. Några exempel vi redan
Läs mer