Внимание!!!
В выложенном на сайте тексте могут быть ошибки,
оригинальную версию методички одним файлом в формате .doc (MS Word)
4.3. Примеры моделей информационных потоков
1. Стационарный поток с равным распределением.
Рассмотрим основные характеристики данного потока.
1. Математическое ожидание:
2. Интенсивность потока:
3. Дисперсия:
4. Коэффициент вариаций потока:
Если по данным измерений мы получим g , мы предполагаем, что распределение в таком потоке равномерно.
Измеренные характеристики не дают нам возможности сделать эаключение о свойстве последствия, т.е. является ли поток с ограниченым последствием, или он простейший /отсутствие последствия/.
Чтобы сделать такое заключение необходимо исследовать распределение времен до 1-го события в данном потоке f1( 1).
Для анализа этого распределения удобно воспользоваться формулой Пальма:
f( ) - функция плотности распределения для любого события.
Функция плотности распределения отлична от обычного распределения.
Математическое ожидание до 1-го события в потоке оказывается меньше, чем менаду любыми другими. Таким образом поток с равном, распределением не является простейшим и обладает свойством ограниченного последствия.
2. Стационарный поток о экспоненциальным распределением (Пуассона)
Одной из наиболее часто используемых моделей потока явяется экспоненциальное распределение, когда вероятность наступления одного события в потоке определяется функцией
- некоторая характеристика экспоненты,
е- - вероятность наступления ни одного события в потоке. Таким образом распределяется вероятность безотказной работы в системе.
