Kunna beräkna P (spärr) för system med begränsat antal kunder och köplatser. Kunna beräkna medelantal upptagna betjänare.
|
|
- Karolina Danielsson
- för 6 år sedan
- Visningar:
Transkript
1 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 att vi kan modellera ett system som ett M/M/2-system med en köplats. Det kommer kunder med intensiteten 3 s. Det tar i medeltal sekund att betjäna en kund. (a) Rita Markovkedjan för systemet. (b) Bestäm P (spärr). (c) Bestäm medelantal upptagna betjänare. (d) Bestäm utnyttjningen av varje betjänare. 2. Ett kösystem betjänar kunder. Det finns två betjänare och en köplats. En kund som inte betjänas eller väntar i kön skickar jobb till systemet med intensiteten s. Betjäningstiderna är exponentialfördelade med medelvärde s. (a) Bestäm tillståndsfördelningen (det vill säga alla p k ). (b) Bestäm medelantal kunder i kön. (c) Bestäm P (spärr). (d) Hur mänga kunder betjänas i medel per sekund? 3. I ett upptagetsystem finns det 3 betjänare. Ett jobb blir färdigbetjänat efter en exponentialfördelad tid med medelvärde sekund. Till systemet finns källor anslutna. Varje källa skickar jobb i enlighet med en Poissonprocess med intensiteten 2 s om det inte finns något jobb från källan i upptagetsystemet. Om det finns ett jobb från källan i upptagetsystemet skickar källan inte några jobb. (a) Vad blir P (spärr) för detta system? (b) Vad blir medelantal upptagna betjänare i detta system? (c) Hur många jobb avvisas i medeltal under en timme?. Lös följande uppgifter för ett M/M/-system med ankomstintensitet λ s och betjäningsintensitet µ s. (a) Antag att systemet är tomt vid tidpunkten t = 20. Beräkna sannolikheten att det vid tidpunkten t = 22 har anlänt minst en kund till systemet. (b) Antag att en kund lämnar ett tomt system efter sig. Hur lång tid i medel befinner sig systemet i detta tomma tillstånd?
2 5. Vi har ett upptagetsystem med 00 betjänare där Erlangfördelningen antas gälla. Mätningar visar att alla betjänarna var upptagna i sammanlagt 72.3 sekunder under en timma. Under denna timma var exakt 99 betjänare upptagna under sammanlagt 82.2 sekunder. Uppskatta ρ = λ/µ under denna timma. 6. För ett M/M/-system, beräkna medeltiden i systemet för kunder som inte kommer till ett tomt system. Lösningar. (a) Markovkedjan blir (b) Vi använder snittmetoden för att beräkna p k. Ekvationerna blir 3p 0 = p p = 3p 0 3p = 2p 2 p 2 = 3p 2 = 9p 0 2 3p 2 = 2p 3 p 3 = 3p 2 2 = 27p 0 Vi bestämmer p 0 genom att summan av alla sannolikheter ska vara = ( p ) = p 0 = 6 Eftersom ankomstintensiteten inte beror på i vilket tillstånd systemet befinner sig så blir P (spärr) p 3 = 27 6 (c) Medelantal upptagna betjänare blir λ eff E(X) = λ( p 3 )E(X) = 3 (d) Utnyttjningen av varje betjänare blir medelantal upptagna betjänare antal betjänare 2. (a) Tillståndsdiagrammet ser ut så här ( 27 ) = =
3 Tillståndsekvationerna blir p 0 = p p = p 0 3p = 2p 2 p 2 = 6p 0 2p 2 = 2p 3 p 3 = 6p 0 Att summan av sannolikheterna ska vara = ger Således är p 0 = = p 0 = p = p 2 = 6 p 3 = 6 (b) Vi använder definitionen av medelvärde. Den ger E(N) = 3 kp k = = 3 = 2 k=0 Medelantal kunder som finns i betjänarna är E(N s ) = 2 k= kp ( i betjänarna) = p + 2 (p 2 + p 3 ) = 28 Slutligen får vi medelantal kunder som väntar i kön E(N q ) = E(N) E(N s ) = 2 28 = 6 Man kan också direkt räkna ut medelantal kunder i kön på följande sätt: E(N q ) = 0 P (0 kunder i kön) + P ( kund i kön) = p 3 = 6 (c) P (spärr) blir λ 3 p 3 p 3 3 k=0 λ = = 3 kp k p p + 2 p 2 + p 3 3
4 (d) Antalet kunder som betjänas per sekund är detsamma som λ eff. Vi får 2 λ eff = λ k p k = p 0 + 3p + 2p 2 = 28 k=0 3. (a) Markovkedjan ser ut så här Vi ställer upp tillståndsekvationerna. Det ger p = 8p 0 2p 2 = 6p p 2 = 3p = 2p 0 3p 3 = p 2 p 3 = p 2 3 = 32p 0 Vi bestämmer på vanligt sätt p 0 : P (spärr) blir p 0 = = 65 λ 3 p 3 2p 3 3 k=0 λ = = 8 kp k 8p 0 + 6p + p 2 + 2p (b) Medelantal upptagna betjänare är p + 2 p p 3 = (c) Varje sekund avvisas i medel λ 3 p 3 kunder, så medelantalet avvisade kunder under en timme blir 3600 λ 3 p (a) Sannolikheten att det har anlänt minst en kund är lika med sannolikheten att tiden till nästa ankomst är mindre än två sekunder. Eftersom ankomstprocessen är en Poissonprocess så är tiden till nästa ankomst alltid exponentialfördelad med intensiteten λ. Sannolikheten att tiden till nästa ankomst (kalla den X) är mindre än två sekunder är P (X 2) = F X (2) = e λ 2 (b) Eftersom ankomstprocessen är en Poissonprocess så är tiden till nästa ankomst alltid exponentialfördelad med medelvärde λ
5 5. Antag att p k är sannolikheten att det finns k kunder i systemet. Då gäller p k = ρk /k! 00 i=0 ρi /i Men p k är också den andel av tiden som det finns k kunder i systemet. Det innebär att p 00 = ρ00 /00! 00 i=0 ρi /i = Vi dividerar Lite hyfsning ger nu p 99 = ρ99 /99! 00 i=0 ρi /i = p 00 = ρ00 /00! p 99 ρ 99 = 72.3 /99! 82.2 ρ 00 = ρ Vi använder beting för att lösa denna uppgift. Låt T vara tiden som en kund tillbringar i systemet. T är då en stokastisk variabel. Eftersom detta är ett M/M/-system så vet vi att E(T ) = µ λ Låt oss nu betinga på att systemet är tomt respektive icke tomt. Det vi vill beräkna är E(T ej tomt). En kund som kommer till ett tomt system börjar omedelbart att betjänas och då blir medeltiden i systemet detsamma som medelbetjäningstiden dvs Dessutom vet vi att och E(T tomt) = µ P (tomt) = p 0 = ρ P (ej tomt) = p 0 = ρ Formeln för att ta bort beting ser ut så här i detta fall E(T ) = E(T tomt)p (tomt) + E(T ej tomt)p (ej tomt) Nu sätter vi in allt vi redan känner till. Då får vi Lite algebra ger sedan att µ λ = ( ρ) + E(T ej tomt)ρ µ E(T ej tomt) = 2ρ ρ2 λ( ρ) 5
Kunna beräkna spärren i ett M/M/m*upptagetsystem. Känna till begreppet utnyttjning av en betjänare och beräkna den.
Övning 4 Vad du ska kunna efter denna övning Kunna beräkna spärren i ett M/M/m*upptagetsystem. Kunna beräkna den medelantal upptagna betjänare i ett M/M/m*upptagetsystem. Känna till begreppet utnyttjning
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 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 merKunna dra slutsatser om t ex ett systems betjäningstider och antalet köplatser genom att tolka diagram.
Övning 4 Vad du ska kunna efter denna övning Kunna dra slutsatser om t ex ett systems betjäningstider och antalet köplatser genom att tolka diagram Kunna beräkna medeltid i systemet och spärrsannolikhet
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 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 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 merKunna beräkna spärren i ett M/M/m*upptagetsystem.
Övning 5 Vad du ska kunna efter denna övning Kunna beräkna spärren i ett M/M/m*upptagetsystem. Kunna beräkna den avverkade och erbjudna trafiken i ett M/M/m*upptagetsystem. Känna till enheten Erlang för
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 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 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 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 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 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 merTENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 17 AUGUSTI 2018 KL
Avd. Matematisk statistik TENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 17 AUGUSTI 2018 KL 8.00 13.00. Examinator: Björn-Olof Skytt tel. 790 86 49 Kursansvarig: Björn-Olof Skytt tel. 790 86 49 Tillåtna
Läs merKurs: HF1012 Matematisk statistik Lärare: Armin Halilovic
KONTROLLSKRIVNING Kurs: HF Matematisk statistik Lärare: Armin Halilovic Datum: 8 maj 9 Skrivtid: 8:-: Tillåtna hjälmedel: Miniräknare av vilken ty som helst och bifogade formelblad (sida ). Förbjudna hjälmedel:
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 merEtt M/M/1 betjäningssystem har följande egenskaper: 1. Systemet har en betjänare. Betjäningstiderna är exponentialfördelade med medelvärde 1 μ
M/M/ ösystem M/M/ ösystem Ett M/M/ betjäningssystem har följande egensaper:. Systemet har en betjänare. Betjäningstiderna är exponentialfördelade med medelvärde x =.. Kunder anommer enligt Poissonprocess
Läs merTENTAMEN I SF1904 MARKOVPROCESSER TISDAGEN DEN 29 MAJ 2018 KL
Avd. Matematisk statistik TENTAMEN I SF904 MARKOVPROCESSER TISDAGEN DEN 29 MAJ 208 KL 4.00 9.00. Examinator: Björn-Olof Skytt tel. 790 86 49 Kursansvarig: Björn-Olof Skytt tel. 790 86 49 Tillåtna hjälpmedel:
Läs merUr en kortlek på 52 kort väljer man ( utan återläggning och utan hänsyn till ordning) slumpvis 5 kort. Vad är sannolikheten för att få
Tentamen TEN, HF, aug 9 Matematisk statistik Kurskod HF Skrivtid: 8:-: Lärare och examinator : Armin Halilovic Hjälmedel: Bifogat formelhäfte ("Formler och tabeller i statistik ") och miniräknare av vilken
Läs merKursombud sökes! Kursens syfte är att ge en introduktion till metoder för att förutsäga realtidsegenskaper hos betjäningssystem, i synnerhet för data- och telekommunikationssystem. Såväl enkla betjäningssystem,
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 meraug 2017 Kurskod HF1012 Halilovic internet. Betygsgränser: För (betyg Fx). Sida 1 av 13
Tentamen TEN, HF, aug 7 Matematisk statistik Kurskod HF Skrivtid: :-: Lärare och examinator : Armin Halilovic Hjälpmedel: Bifogat formelhäfte ("Formler och tabeller i statistik ") och miniräknare av vilken
Läs mera) Använd samtal.mat för att beräkna antalet samtal som blir spärrade i de olika cellerna under den givna timmen.
Inlämningsuppgift Svaren lämnas in i kursfacket märkt TNK090 på plan 5 i Täppan, senast 2016-10-28. Alla svar ska motiveras, tankegången i lösningen förklaras och notation definieras. Uppgifterna utförs
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 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 merb) Vad är sannolikheten att personen somnar i lägenheten? (4 p) c) Hur många gånger förväntas personen byta rum? (4 p)
Avd. Matematisk statistik TENTAMEN I SF904 MARKOVPROCESSER TISDAGEN DEN 9 JUNI 05 KL 4.00 9.00. Examinator: Boualem Djehiche tel. 790 78 75. 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 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 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 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 TEN1, HF1012, 29 maj Matematisk statistik Kurskod HF1012 Skrivtid: 14:00-18:00 Lärare och examinator : Armin Halilovic
Tentamen TEN, HF, 9 maj 9 Matematisk statistik Kurskod HF Skrivtid: 4:-8: Lärare och examinator : Armin Halilovic Hjälmedel: Bifogat formelhäfte ("Formler och tabeller i statistik ") och miniräknare av
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 5 Markovprocesser 24 April 2015 Johan Westerborn Markovprocesser (1) Föreläsning 5 Föreläsningsplan 1 Förra Föreläsningen 2 Poissonprocessen
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 5 Markovprocesser 2 Maj 2016 Johan Westerborn Markovprocesser (1) Föreläsning 5 Föreläsningsplan 1 Förra Föreläsningen 2 Poissonprocessen
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 merTENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 18 AUGUSTI 2017 KL
Avd. Matematisk statistik TENTAMEN I SF904 MARKOVPROCESSER FREDAGEN DEN 8 AUGUSTI 207 KL 08.00 3.00. Examinator: Boualem Djehiche tel. 790 78 75 Kursansvarig: Björn-Olof Skytt tel. 790 86 49 Tillåtna hjälpmedel:
Läs merLINKÖPINGS UNIVERSITET EXAM TAMS 15 / TEN 1
LINKÖPINGS UNIVERSITET Matematiska institutionen EXAM TAMS 5 / TEN januari 08, klockan 4.00-8.00 Examinator: Jörg-Uwe Löbus (Tel: 0709-6087) Tillåtna hjälpmedel är en räknare, formelsamling i matematisk
Läs merTENTAMEN I KOTEORI 20 dec 07 Ten2 i kursen HF1001 ( Tidigare kn 6H3012), KÖTEORI OCH MATEMATISK STATISTIK,
TENTAMEN I KOTEORI dec 7 Ten i ursen HF Tidigare n 6H), KÖTEORI OH MATEMATISK STATISTIK, och TEN i 6H7, Dataommuniation och nätver, ) Srivtid: :-7: Lärare: Armin Halilovic Kursod HF Hjälmedel: Miniränare
Läs merFöreläsningsanteckningar köteori
Föreläsningsanteckningar köteori Fredrik Olsson, fredrik.olsson@iml.lth.se Produktionsekonomi, Lunds universitet 3 augusti 206 Dessa föreläsningsanteckningar utgör en delmängd av vad som tagits upp på
Läs merStokastiska processer och simulering I 24 maj
STOCKHOLMS UNIVERSITET LÖSNINGAR MATEMATISKA INSTITUTIONEN Stokastiska processer och simulering I Avd. Matematisk statistik 24 maj 2016 Lösningar Stokastiska processer och simulering I 24 maj 2016 9 14
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 4 Markovprocesser 20 April 2015 Johan Westerborn Markovprocesser (1) Föreläsning 4 Föreläsningsplan 1 Förra Föreläsningen 2 Innbäddade
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 3 Markovprocesser 16 April 2015 Johan Westerborn Markovprocesser (1) Föreläsning 3 Föreläsningsplan 1 Förra Föreläsningen 2 Markovprocesser
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 3 Markovprocesser 13 April 2016 Johan Westerborn Markovprocesser (1) Föreläsning 3 Föreläsningsplan 1 Förra Föreläsningen 2 Markovprocesser
Läs mer** a) Vilka värden ska vara istället för * och **? (1 p) b) Ange för de tre tillstånden vilket som svarar mot 0,1,2 i figuren.
Avd. Matematisk statistik TENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 19 AUGUSTI 2016 KL 08.00 13.00. Examinator: Jimmy Olsson tel. 790 72 01. Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk
Läs merOptimering av ett kösystem på IKEA Kungens Kurva
DEGREE PROJECT, IN APPLIED MATHEMATICS AND INDUSTRIAL ECONOMICS, FIRST LEVEL STOCKHOLM, SWEDEN 2015 Optimering av ett kösystem på IKEA Kungens Kurva PERSHENG BABAHEIDARI, MICHAELA JERNBECK KTH ROYAL INSTITUTE
Läs merMIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO0 OPTIMERING
Läs merMIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO0 OPTIMERING
Läs merStokastiska processer och simulering I 24 augusti
STOCKHOLMS UNIVERSITET LÖSNINGAR MATEMATISKA INSTITUTIONEN Stokastiska processer och simulering I Avd Matematisk statistik 24 augusti 2016 Lösningar Stokastiska processer och simulering I 24 augusti 2016
Läs merModellering och kundprocessanalys av kösystem på Vapiano Sturegatan
EXAMENSARBETE INOM TEKNIK, GRUNDNIVÅ, 15 HP STOCKHOLM, SVERIGE 2016 Modellering och kundprocessanalys av kösystem på Vapiano Sturegatan YRR AHLKLO CARIN LIND KTH KUNGLIGA TEKNISKA HÖGSKOLAN SKOLAN FÖR
Läs merOptimering av ett patientflöde inom svensk veterinärvård
DEGREE PROJECT, IN APPLIED MATHEMATICS AND INDUSTRIAL ECONOMICS, FIRST LEVEL STOCKHOLM, SVERIGE 2015 Optimering av ett patientflöde inom svensk veterinärvård HANS DE GEER KKTH ROYAL INSTITUTE OF TECHNOLOGY
Läs merExtrauppgifter - Statistik
Extrauppgifter - Statistik Uppgifter 1. Den stokastiska variabeln Y t 10 ). Bestäm c så att P ( c < Y < c) = 2. Vid tillverkning av en viss sorts färg tillsätts färgpigmentet med hjälp av en doseringsapparat,
Läs merINTRODUKTION TILL MARKOVKEDJOR av Göran Rundqvist, KTH
Läs detta först: INTRODUKTION TILL MARKOVKEDJOR av Göran Rundqvist, KTH Det här kompendiet är avsett som en introduktion till kompendiet av Enger och Grandell. Det är absolut inget fel på det officiella
Läs merMIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO310 OPTIMERING
Läs merLösningsförslag till Problem i kapitel 7 i Mobil Radiokommunikation
Lösningsförslag till Problem i kapitel 7 i Mobil adiokommunikation 7. 7. Två lognormalt fördelade stokastiska variabler X och Y med log-standardavvikelserna σ logx och σ logy. Att den stokastiska variabeln
Läs merVeckoblad 3. Kapitel 3 i Matematisk statistik, Dahlbom, U.
Veckoblad 3 Kapitel 3 i Matematisk statistik, Dahlbom, U. Poissonfördelningen: ξ är Po(λ) λ = genomsnittligt antal händelser i ett intervall. Sannolikhet: P(ξ = ) = e λ λ! Väntevärde: E(ξ) = λ Varians:
Läs merMIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO310 OPTIMERING
Läs merP =
Avd. Matematisk statistik TENTAMEN I SF297 (f d 5B157) TILLFÖRLITLIGHETSTEORI LÖRDAGEN DEN 2 OKTOBER 21 KL 1. 18.. Examinator: Gunnar Englund, tel. 79716, e-postadress: gunnare@math.kth.se Tillåtna hjälpmedel:
Läs mere x/1000 för x 0 0 annars
VK Matematiska institutionen avd matematisk statistik TENTAMEN I 5B506 MATEMATISK STATISTIK GRUNDKURRS FÖR D OCH F, 5B504 MATEMATISK STATISTIK GRUNDKURS FÖR ÄLDRE OCH 5B50 MARKOVPROCESSER ONSDAGEN DEN
Läs merLINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2
LINKÖPINGS UNIVERSITET Matematiska institutionen EXAM TAMS 27 / TEN 2 augusti 218, klockan 8.-12. Examinator: Jörg-Uwe Löbus (Tel: 79-62827) Tillåtna hjälpmedel är en räknare, formelsamling i matematisk
Läs merResursplanering - att använda ledtider som parameter vid bemanning av företag i drift
EXAMENSARBETE INOM TEKNIK, GRUNDNIVÅ, 15 HP STOCKHOLM, SVERIGE 2016 Resursplanering - att använda ledtider som parameter vid bemanning av företag i drift SARA CEDELL REBECCA GRÜNBERGER KTH KUNGLIGA TEKNISKA
Läs merStatistiska metoder för säkerhetsanalys
1 / 14 Statistiska metoder för säkerhetsanalys F2: Händelseströmmar och Poissonprocesser Definition Intensitet Exempel 2 / 14 Händelseström Händelsen A inträffar vid de okända tidpunkterna S 1, S 2,...
Läs merProblemsamling i Sannolikhetsteori
Problemsamling i Sannolikhetsteori till An Intermediate Course in Probability av Allan Gut Sammanställd av Harald Lang 22/5-05 Kapitel 0 (Introduction) Man har ett seriesystem med två enheter som går sönder
Läs merFöreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess
Repetition Binomial Poisson Stokastisk process Föreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess Stas Volkov 217-1-3 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F8: Binomial- och
Läs merTentamen i matematisk statistik, TAMS15/TEN (4h)
LINKÖPINGS UNIVERSITET Kurskod: TAMS1 Matematiska institutionen Provkod: TEN1 Johan Thim Datum: 2018-12-42 Institution: MAI Tentamen i matematisk statistik, TAMS1/TEN1 2018-12-42 (4h Hjälpmedel är: miniräknare
Läs merMatematisk statistik för D, I, Π och Fysiker
max/min Matematisk statistik för D, I, Π och Fysiker Föreläsning 5 Johan Lindström 25 september 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F5 1/25 max/min Johan Lindström - johanl@maths.lth.se
Läs merSimulering av ett Multi-skill callcenter Med varierande genomsnittlig betjäningstid beroende på agenters kunskapsnivå
Simulering av ett Multi-skill callcenter Med varierande genomsnittlig betjäningstid beroende på agenters kunskapsnivå Handledare: Johan Boye Filip Gaun Klippgatan 12c 171 47 Solna 076-650 76 33 lipgau@kth.se
Läs merExtrauppgifter i matematisk statistik
Extrauppgifter i matematisk statistik BT 2014 1. Mängden A är dubbelt så sannolik som B. Hur förhåller sig P(A B) till P(B A)? 2. Två händelser A och B har sannolikheter skilda från noll. (a) A och B är
Läs merLycka till!
Avd. Matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR K OCH B MÅNDAGEN DEN 25 AUGUSTI 2003 KL 14.00 19.00. Examinator: Gunnar Englund, 790 7416. Tillåtna hjälpmedel: Formel- och
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2018-05-31 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merFöreläsningsanteckningar i kurs 5B1506 Markovprocesser och köteori. Jan Grandell
Föreläsningsanteckningar i kurs 5B1506 Markovprocesser och köteori Jan Grandell 2 Förord Dessa anteckningar gjordes för mitt privata bruk av föreläsningsmanuskript och har aldrig varit tänkta att användas
Läs merLINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2
LINKÖPINGS UNIVERSITET Matematiska institutionen EXAM TAMS 7 / TEN 8 maj 18, klockan 8.-1. Examinator: Jörg-Uwe Löbus Tel: 79-687 Tillåtna hjälpmedel är en räknare, formelsamling i matematisk statistik
Läs merTENTAMEN Datum: 14 feb 2011
TENTAMEN Datum: 14 feb 011 Kurs: KÖTEORI OCH MATEMATISK STATISTIK HF1001 TEN 1 (Matematisk statistik ) Ten1 i kursen HF1001 ( Tidigare kn 6H301), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 13:15-17:15
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 merPoisson Drivna Processer, Hagelbrus
Kapitel 6 Poisson Drivna Processer, Hagelbrus Poissonprocessen (igen) Vi har använt Poissonprocessen en hel del som exempel. I den här föreläsningen kommer vi att titta närmare på den, och även andra processer
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 9 Johan Lindström 16 oktober 2018 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03 F9 1/26 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03
Läs merP(ξ > 1) = 1 P( 1) = 1 (P(ξ = 0)+P(ξ = 1)) = 1 0.34. ξ = 2ξ 1 3ξ 2
Lösningsförslag TMSB18 Matematisk statistik IL 101015 Tid: 12.00-17.00 Telefon: 101620, Examinator: F Abrahamsson 1. Varje dag levereras en last med 100 maskindetaljer till ett företag. Man tar då ett
Läs merUtdrag ur TAMS15: Matematisk statistik I, grundkurs Extra kursmaterial för TAMS79
Utdrag ur TAMS5: Matematisk statistik I, grundkurs Extra kursmaterial för TAMS79 John M. Noble, Institute of Applied Mathematics, University of Warsaw, ul. Banacha, -97 Warszawa Revised: J. Thim ii Innehåll
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics
Läs merFACIT: Tentamen L9MA30, LGMA30
Göteborgs Universitetet GU Lärarprogrammet 216 FACIT: Matematik 3 för lärare, åk 7-9, Sannolikhetslära och statistik, Matematik 3 för gymnasielärare, Sannolikhetslära och statistik 216-1-21 kl. 8.3-12.3
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 4 7 november 2017 1 / 29 Idag Förra gången Viktiga kontinuerliga fördelningar (Kap. 3.6) Fördelningsfunktion (Kap. 3.7) Funktioner av stokastiska
Läs merMatematisk statistik KTH. Formel- och tabellsamling i Matematisk statistik, grundkurs
Matematisk statistik KTH Formel- och tabellsamling i Matematisk statistik, grundkurs Varterminen 2005 . Kombinatorik ( ) n = k n! k!(n k)!. Tolkning: ( n k mängd med n element. 2. Stokastiska variabler
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 merHändelsestyrd simulering. Inledning. Exempel
Lunds Tekniska Högskola Datavetenskap Lennart Andersson EDA061/F10 Uppgift 2010-09-13 Händelsestyrd simulering Inledning Du skall konstruera ett program som simulerar vad som händer när kunder kommer till
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE30 Sannolikhet, statistik och risk 207-08-5 kl. 8:30-3:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 03-7725325 Hjälpmedel: Valfri miniräknare.
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE31 Sannolikhet, statistik och risk 218-1-12 kl. 8:3-13:3 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 31-7725325 Hjälpmedel: Valfri miniräknare.
Läs merTentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2
Tentamen den april 7 i Statistik och sannolikhetslära för BI Uppgift : Låt händelserna A, B, C och D vara händelser i samband med ett försök. a) Anta att P(A)., P(A B)., P(A B).6. Beräkna sannolikheten
Läs merFöreläsning 8, Matematisk statistik Π + E
Repetition Binomial Poisson Stokastisk process Föreläsning 8, Matematisk statistik Π + E Sören Vang Andersen 9 december 214 Sören Vang Andersen - sva@maths.lth.se FMS12 F8 1/23 Repetition Binomial Poisson
Läs merBlandade problem från elektro- och datateknik
Blandade problem från elektro- och datateknik Sannolikhetsteori (Kapitel 1-10) E1. En viss typ av elektroniska komponenter anses ha exponentialfördelade livslängder. Efter 3000 timmar brukar 90 % av komponenterna
Läs merFörsta sidan är ett försättsblad (laddas ned från kurshemsidan) Alla frågor som nns i uppgiftstexten är besvarade
HT 2011 Inlämningsuppgift 1 Statistisk teori med tillämpningar Instruktioner Ett av problemen A, B eller C tilldelas gruppen vid första övningstillfället. Rapporten ska lämnas in senast 29/9 kl 16.30.
Läs merMatematisk statistik 9 hp Föreläsning 8: Binomial- och Poissonfördelning, Poissonprocess
Matematisk statistik 9 hp Föreläsning 8: Binomial- och Poissonfördelning, Poissonprocess Anna Lindgren 4+5 oktober 216 Anna Lindgren anna@maths.lth.se FMS12/MASB3 F8: Binomial och Poisson 1/18 N(μ, σ)
Läs merNetwork Management Säkerhet Performance QoS Köteori. Jens A Andersson
Network Management Säkerhet Performance QoS Köteori Jens A Andersson Publika telenätet Digitalt lokalstation Trunknät Accessnät Analogt Analogt 2 Trunknätet Internationell station Gateway till mobila nät
Läs merKontrollera att följande punkter är uppfyllda innan rapporten lämnas in: Första sidan är ett försättsblad (laddas ned från kurshemsidan)
Statistiska institutionen VT 2012 Inlämningsuppgift 1 Statistisk teori med tillämpningar Instruktioner Ett av problemen A, B eller C tilldelas gruppen vid första övningstillfället. Rapporten ska lämnas
Läs merTentamen i FMS180/MASC03 Markovprocesser
Matematisk statistik Matematikcentrum Lunds Universitet Tentamen i FMS80/MASC03 Markovprocesser 009-05-5 Lösningsförslag. Följande är en möjlighet. 6 5 3 4 Här är tillstånden, och 3 transienta, tillstånd
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE30 Sannolikhet, statistik och risk 207-06-0 kl. 8:30-3:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 03-7725348 Hjälpmedel: Valfri miniräknare.
Läs merFöreläsning 6, Matematisk statistik Π + E
Repetition Kovarians Stora talens lag Gauss Föreläsning 6, Matematisk statistik Π + E Sören Vang Andersen 2 december 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F6 1/20 Repetition Kovarians Stora
Läs merTentamen i statistik och sannolikhetslära för BI2 den 27 maj 2010
Tentamen i statistik och sannolikhetslära för BI den 7 maj 010 Uppgift 1: rik och Simon har gått till puben tillsammans. De beslutar sig för att spela dart (vilket innebär att man kastar pil mot en tavla).
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2018-10-12 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merTNSL011 Kvantitativ Logistik
TENTAMEN TNSL011 Kvantitativ Logistik Datum: 21 augusti 2012 Tid: 08:00 12:00 i SP71 Hjälpmedel: Hjälpmedel av alla slag, förutom kommunikationsutrustning (telefoner, datorer, och andra saker som kan ta
Läs merKapitel 4. Kontinuerliga slumpvariabler och deras sannolikhetsfördelningar. Sannolikhetslära och inferens II
Sannolikhetslära och inferens II Kapitel 4 Kontinuerliga slumpvariabler och deras sannolikhetsfördelningar 1 Kontinuerliga slumpvariabler En slumpvariabel som kan anta alla värden på något intervall sägs
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 mer