Salta al contenuto
Note per Studenti Esercizio - Router con due sorgenti Poisson - sovrapposizione, filtraggio e tempo del quinto pacchetto

Esercizio - Router con due sorgenti Poisson - sovrapposizione, filtraggio e tempo del quinto pacchetto

Teoria: Distribuzione esponenziale e processo di Poisson per l'informaticaL'esponenziale Exp(λ) è l'unica legge continua senza memoria: P(X>s+t | X>s)=P(X>t). Il minimo di esponenziali indipendenti è Exp(Σλ_i) e l'indice del minimo è i con probabilità λ_i/Σλ (indipendente dal valore del minimo); il massimo di n esponenziali Exp(λ) ha media H_n/λ. Il processo di Poisson di intensità λ ha interarrivi Exp(λ) i.i.d., N(t) ~ Poisson(λt) e incrementi indipendenti; la scomposizione (ogni evento tenuto con probabilità p) dà due processi di Poisson indipendenti, la sovrapposizione dà un processo di intensità somma. Applicazioni: carichi Poisson delle urne (poissonizzazione, con costo e√m), server replicati, arrivi durante un servizio.Distribuzione esponenziale e processo di Poisson per l'informatica →; code: Processi di arrivo e processo di PoissonUn sistema a coda ha clienti che arrivano, un'area di attesa e $m$ servitori. Il processo di arrivo è un processo di punto con tempi di interarrivo $\tau_n=t_n-t_{n-1}$ e tasso $\lambda=\frac1{E[\tau]}$. Nel processo di Poisson omogeneo gli arrivi in intervalli disgiunti sono indipendenti e di Poisson con media $\lambda T$, gli interarrivi sono esponenziali $\lambda e^{-\lambda a}$ e senza memoria; somma di processi di Poisson è Poisson (tassi che si sommano), il diradamento con probabilità $p$ dà Poisson di tasso $p\lambda$; in $[0,h]$ c'è un arrivo con probabilità $\lambda h+o(h)$. Servizio con tasso $\mu=\frac1{E[y]}$; notazione di Kendall $A/B/m/K/N-S$.Processi di arrivo e processo di Poisson →.

Testo. Un router riceve pacchetti da due sorgenti indipendenti: AA come processo di Poisson di intensità 3030 pacchetti al secondo, BB di intensità 5050. Un filtro inoltra un pacchetto di AA con probabilità 0,20{,}2 e uno di BB con probabilità 0,60{,}6, indipendentemente dagli altri.

  1. Qual è la legge del flusso in uscita? Intensità dei pacchetti scartati?
  2. Probabilità di nessun pacchetto in uscita in 5050 ms; probabilità di esattamente 33 pacchetti in uscita in 100100 ms.
  3. Probabilità che un pacchetto in uscita provenga da AA.
  4. Legge e media dell'istante del quinto pacchetto in uscita; probabilità che arrivi entro 100100 ms.
  5. Probabilità che in 5050 ms non esca nulla e venga scartato almeno un pacchetto.
  6. Dati esattamente 22 pacchetti in ingresso in un secondo, probabilità che entrambi vengano da AA e probabilità che uno venga da AA e uno da BB.

Soluzione

1. Per la scomposizione, i pacchetti inoltrati di AA sono Poisson di intensità 30⋅0,2=630\cdot0{,}2=6 e quelli di BB di intensità 50⋅0,6=3050\cdot0{,}6=30, indipendenti fra loro (e dagli scartati). Per la sovrapposizione l'uscita è un processo di Poisson di intensità 36\boxed{36} pacchetti/s. Gli scartati sono Poisson di intensità 30⋅0,8+50⋅0,4=24+20=4430\cdot0{,}8+50\cdot0{,}4=24+20=44 pacchetti/s, indipendenti dai tenuti. Controllo: 36+44=80=30+5036+44=80=30+50.

2. In 5050 ms il numero di uscite è Poisson(36⋅0,05)=Poisson(1,8)\text{Poisson}(36\cdot0{,}05)=\text{Poisson}(1{,}8): P(0)=e−1,8=0,1653P(0)=e^{-1{,}8}=\boxed{0{,}1653}. In 100100 ms la media è 3,63{,}6: P(3)=e−3,63,633!=0,02732⋅46,6566=0,2125.P(3)=e^{-3{,}6}\frac{3{,}6^3}{3!}=0{,}02732\cdot\frac{46{,}656}{6}=\boxed{0{,}2125}.

3. Per la sovrapposizione ogni pacchetto in uscita viene da AA con probabilità 66+30=16≈0,167\tfrac{6}{6+30}=\tfrac16\approx0{,}167, indipendentemente dagli altri.

4. Il tempo del quinto evento è S5∼Erlang(5,36)S_5\sim\text{Erlang}(5,36) (somma di 55 interarrivi Exp(36)\text{Exp}(36)): E[S5]=536=0,139E[S_5]=\tfrac5{36}=0{,}139 s. Per la dualità, S5≤0,1  ⟺  N(0,1)≥5S_5\le0{,}1\iff N(0{,}1)\ge5 con N(0,1)∼Poisson(3,6)N(0{,}1)\sim\text{Poisson}(3{,}6): P(S5≤0,1)=1−∑k=04e−3,63,6kk!=1−e−3,6(1+3,6+6,48+7,776+6,998)=1−0,7064=0,2936.P(S_5\le0{,}1)=1-\sum_{k=0}^4e^{-3{,}6}\frac{3{,}6^k}{k!}=1-e^{-3{,}6}\Bigl(1+3{,}6+6{,}48+7{,}776+6{,}998\Bigr)=1-0{,}7064=\boxed{0{,}2936}. (Somma: 1+3,6+6,48+7,776+6,9984=25,85441+3{,}6+6{,}48+7{,}776+6{,}9984=25{,}8544, per e−3,6=0,027324e^{-3{,}6}=0{,}027324.)

5. Uscite e scartati sono processi indipendenti (scomposizione): P(0 uscite)⋅P(≥1 scartato)=e−1,8(1−e−44⋅0,05)=0,1653⋅(1−e−2,2)=0,1653⋅0,8892=0,1470P(0\text{ uscite})\cdot P(\ge1\text{ scartato})=e^{-1{,}8}\bigl(1-e^{-44\cdot0{,}05}\bigr)=0{,}1653\cdot(1-e^{-2{,}2})=0{,}1653\cdot0{,}8892=\boxed{0{,}1470}.

6. Con intensità totale 8080, ogni pacchetto è di AA con probabilità 3080=38\tfrac{30}{80}=\tfrac38 indipendentemente. Dati 22 pacchetti: P(entrambi da A)=(38)2=964=0,1406P(\text{entrambi da }A)=\bigl(\tfrac38\bigr)^2=\tfrac9{64}=0{,}1406 e P(uno A e uno B)=2⋅38⋅58=3064=0,4688P(\text{uno }A\text{ e uno }B)=2\cdot\tfrac38\cdot\tfrac58=\tfrac{30}{64}=0{,}4688. (Il condizionamento sul numero totale non cambia la distribuzione delle provenienze.)

Codice di verifica

python
import numpy as np
rng = np.random.default_rng(1)

def eventi(lam, T):
    t, out = rng.exponential(1 / lam), []
    while t <= T:
        out.append(t); t += rng.exponential(1 / lam)
    return len(out)

uscite = np.array([
    (rng.random(eventi(30, .1)) < .2).sum() + (rng.random(eventi(50, .1)) < .6).sum()
    for _ in range(30000)])
print("media e varianza uscite in 100 ms:", uscite.mean(), uscite.var())         # circa 3.6, 3.6
print("P(3):", (uscite == 3).mean())                                              # circa 0.2125
S5 = rng.exponential(1 / 36, size=(500_000, 5)).sum(axis=1)
print("E[S5]:", S5.mean(), " P(S5 <= 0.1):", (S5 <= 0.1).mean())                  # 0.1389 e 0.2936

Versione ripasso

Teoria: Distribuzione esponenziale e processo di Poisson per l'informaticaL'esponenziale Exp(λ) è l'unica legge continua senza memoria: P(X>s+t | X>s)=P(X>t). Il minimo di esponenziali indipendenti è Exp(Σλ_i) e l'indice del minimo è i con probabilità λ_i/Σλ (indipendente dal valore del minimo); il massimo di n esponenziali Exp(λ) ha media H_n/λ. Il processo di Poisson di intensità λ ha interarrivi Exp(λ) i.i.d., N(t) ~ Poisson(λt) e incrementi indipendenti; la scomposizione (ogni evento tenuto con probabilità p) dà due processi di Poisson indipendenti, la sovrapposizione dà un processo di intensità somma. Applicazioni: carichi Poisson delle urne (poissonizzazione, con costo e√m), server replicati, arrivi durante un servizio.Distribuzione esponenziale e processo di Poisson per l'informatica →.

  • Uscita: scomposizione: AA tenuti 30⋅0,2=630\cdot0{,}2=6, BB tenuti 50⋅0,6=3050\cdot0{,}6=30, indipendenti; sovrapposizione: Poisson di intensità 3636/s; scartati 4444/s, indipendenti dai tenuti.
  • Conteggi: in 5050 ms media 1,81{,}8: P(0)=e−1,8=0,1653P(0)=e^{-1{,}8}=0{,}1653; in 100100 ms media 3,63{,}6: P(3)=e−3,63,636=0,2125P(3)=e^{-3{,}6}\frac{3{,}6^3}{6}=0{,}2125.
  • Provenienza: un'uscita viene da AA con probabilità 636=16\tfrac6{36}=\tfrac16.
  • Quinto pacchetto: S5∼Erlang(5,36)S_5\sim\text{Erlang}(5,36), E=536=0,139E=\tfrac5{36}=0{,}139 s; P(S5≤0,1)=P(N(0,1)≥5)=0,2936P(S_5\le0{,}1)=P(N(0{,}1)\ge5)=0{,}2936.
  • Indipendenza: P(0 uscite,≥1 scartato)=e−1,8(1−e−2,2)=0,1470P(0\text{ uscite},\ge1\text{ scartato})=e^{-1{,}8}(1-e^{-2{,}2})=0{,}1470.
  • Condizionando a 22 ingressi: (38)2=0,1406(\tfrac38)^2=0{,}1406 entrambi da AA, 3064=0,4688\tfrac{30}{64}=0{,}4688 uno e uno.
  • Errori tipici: sommare le probabilità di filtro invece dei tassi pesati; dimenticare che l'indipendenza tra tenuti e scartati richiede una scomposizione indipendente; confondere intensità e numero atteso su un intervallo.

Teoria collegata