MM1

background image

Statystyczne modele komputerów

i systemów komputerowych

Wykład z Podstaw Informatyki

background image

System M/M/1

Źródło zgłoszeń
Kolejka
Stanowisko obsługi

λ

μ

background image

Źródło zgłoszeń - parametry

Wymiar (skończenie- lub nieskończenie wy-
miarowe)
Rozkład odstępów czasu między generacją
kolejnych zgłoszeń ma rozkład wykładniczy

A x=1−e

λx

background image

Kolejka - parametry

Regulamin obsługi (FIFO)
Brak priorytetów

background image

Stanowisko obsługi - parametry

Liczba kanałów obsługi – 1
Wykładniczy rozkład czasów obsługi

B x=1−e

μx

background image

Analiza pracy systemu M/M/1

Dane: λ,

μ

Szukane: E(n), E(k), E(s),

 E(

τ), E(w), E(v)

n, k, s – zmieniają się w czasie (kon-
kretne wartości występują z określonym
prawdopodobieństwem P

n

(t) )

W krótkim odcinku czasu dt może zajść
co najwyżej jedno zdarzenie danego
typu (proces Poissona)

background image

Analiza pracy systemu M/M/1

W chwili t+dt w systemie jest 0 zgłoszeń
Co było w chwili t

P

0

(t+dt)

P

0

(t)

P

1

(t)

1-λdt

(1-λdt)μdt

background image

Analiza pracy systemu M/M/1

P

0

(t+dt)

P

0

(t)

P

1

(t)

1-λdt

(1-λdt)μdt

P

0

tdt =P

0

t⋅1−λ dtP

1

t⋅1−λ dt⋅μ dt

background image

Analiza pracy systemu M/M/1

P

0

tdt =P

0

t⋅1−λ dtP

1

t⋅1−λ dt⋅μ dt

P

0

tdt =P

0

t−P

0

t ⋅λ dtP

1

t⋅μ dtP

1

t ⋅λ μ dt

2

P

0

tdt −P

0

t=−P

0

t⋅λ dtP

1

t⋅μ dtP

1

t⋅λ μ dt

2

P

0

tdt− P

0

t

dt

=−

P

0

t ⋅λP

1

t ⋅μP

1

t⋅λ μ dt

lim

dt  0

P

0

tdt− P

0

t

dt

=−

P

0

t⋅λP

1

t ⋅μ

˙

P

0

t=−P

0

t⋅λP

1

t ⋅μ

0=−P

0

λP

1

μ

P

0

λ=P

1

μ

background image

Analiza pracy systemu M/M/1

W chwili t+dt w systemie jest n zgłoszeń
Co było w chwili t

P

n

(t+dt)

P

n-1

(t)

P

n+1

(t)

λdt(1-μdt)

(1-λdt)μdt

P

n

(t)

(1-λdt)(1-μdt)+λdt μdt

background image

Analiza pracy systemu M/M/1

P

n

tdt=P

n−1

t ⋅λdt⋅1− μdt  P

n

t⋅1− λdt ⋅1− μdt λdtμdt

P

n1

t⋅1−λdt ⋅μ dt

P

n

tdt=P

n−1

t ⋅λdtP

n−1

t⋅λμdt

2

P

n

t−P

n

t⋅λ dtP

n

t⋅μdt2⋅P

n

t ⋅λμdt

2

P

n1

t ⋅μ dtP

n1

t⋅λ μdt

2

P

n

tdt −P

n

t

dt

=

P

n−1

t ⋅λP

n−1

t⋅λμ dtP

n

t⋅λP

n

t⋅μ2⋅P

n

t ⋅λμdt

P

n1

t⋅μP

n1

t⋅λ μdt

lim

dt  0

P

n

tdt −P

n

t

dt

=

P

n−1

t ⋅λP

n

t⋅λP

n

t ⋅μP

n1

t ⋅μ

background image

Analiza pracy systemu M/M/1

lim

dt  0

P

n

tdt −P

n

t

dt

=

P

n−1

t ⋅λP

n

t⋅λP

n

t ⋅μP

n1

t ⋅μ

˙

P

n

t =P

n−1

t⋅λP

n

t ⋅λP

n

t⋅μP

n1

t⋅μ

0=P

n−1

λP

n

λP

n

μP

n1

μ

P

n

μP

n−1

λ=P

n1

μP

n

λ

P

1

μP

0

λ=0

P

n

μ=P

n−1

λ

P

n

=

P

n−1

λ
μ

=

P

n−1

ρ=P

0

ρ

n

background image

Analiza pracy systemu M/M/1

P

n

=

P

0

ρ

n

n=0

P

n

=

1

n=0

P

0

ρ

n

=

1

P

0

n=0

ρ

n

=

1

P

0

1

1− ρ

=

1

P

0

=

1− ρ

P

n

=

1− ρ⋅ρ

n

background image

Analiza pracy systemu M/M/1 –

średnia liczba zgłoszeń

E n=

n=0

nP

n

=

n=0

n⋅1− ρ⋅ρ

n

=

1− ρ⋅

n=0

nρ

n

n=0

ρ

n

=

1

1− ρ

n=0

nρ

n −1

=−

1

1− ρ

2

n=0

nρ

n

=

ρ

1−ρ

2

E n=1− ρ⋅

n=0

nρ

n

=

1− ρ⋅

ρ

1− ρ

2

=

ρ

1− ρ

background image

Analiza pracy systemu M/M/1 –

średnia długość kolejki

E k =

n =2

n−1⋅P

n

=

n=2

n−1⋅1− ρ⋅ρ

n

E k=1− ρ⋅

n= 2

nρ

n

−

1− ρ⋅

n= 2

ρ

n

E k =1− ρ⋅

ρ

1− ρ

2

ρ−1− ρ⋅

1

1− ρ

ρ

E k =1− ρ⋅

ρ−1− ρ

2

1− ρ

2

−

1− ρ⋅

1− ρ⋅1− ρ

1− ρ

E k =

ρ

2

1− ρ

background image

Analiza pracy systemu M/M/1 –

średnia zajętość stanowiska

E s=1− P

0

=

1−1− ρ= ρ

E s= E n−E k =

ρ

1− ρ

ρ

2

1− ρ

=

ρρ

2

1− ρ

=

ρ1− ρ

1− ρ

=

ρ

background image

Analiza pracy systemu M/M/1 –

twierdzenie Little'a

E n=λE τ

E τ =

E n

λ

=

ρ

1−ρ

1

λ

=

λ

μ⋅1− ρ

1

λ

=

1

μ⋅1− ρ

E w=

E k

λ

=

ρ

μ⋅1− ρ

E v =

E s

λ

=

ρ
λ

=

1

μ

background image

Analiza pracy systemu M/M/1 –

prawo ciągłości przepływu

Ax=1−e

λ dt

λ

μ

Dx=?

d x = ρbx1− ρ⋅a x∗bx

d x = ρbx1− ρ⋅

0

x

a τ b xτ

d x= ρμ e

μx



1− ρ⋅

0

x

λ e

λτ

μ e

μ xτ

d x=λ e

λx

D x=1−e

λx

=

Ax

background image

Sieci stanowisk M/M/1

Sieci otwarte
Sieci zamknięte

Sieci mieszane

background image

Sieci otwarte

λ

0

=5

μ

1

=20

μ

2

=15

r

21

=0,5

E(k

1

)=? E(k

2

)=? E(w)=?

background image

Sieci otwarte

λ

0

=5

μ

1

=20

μ

2

=15

r

21

=0,5

λ

1

λ

2

λ

1

=

λ

0

r

21

λ

2

λ

2

=

λ

1

background image

Sieci otwarte

λ

0

=5

μ

1

=20

μ

2

=15

r

21

=0,5

λ

1

=

λ

0

r

21

λ

1

λ

1

r

21

λ

1

=

λ

0

λ

1

0.5 λ

1

=

5

0.5 λ

1

=

5

λ

1

=

10

λ

2

=

λ

1

=

10

background image

Sieci otwarte

λ

0

=5

μ

1

=20

μ

2

=15

r

21

=0,5

λ

2

=

λ

1

=

10

ρ

1

=

λ

1

μ

1

=

10
20

=

0,51

ρ

2

=

λ

2

μ

2

=

10

15

=

2
3

1

background image

Sieci otwarte

λ

0

=5

μ

1

=20

μ

2

=15

r

21

=0,5

E k

1

=

ρ

1

2

1− ρ

1

=

0,5

2

1−0,5

=

0,25

0,5

=

0,5

E k

2

=

ρ

2

2

1− ρ

2

=

2
3

2

1−

2
3

=

4
9

3=

4
3

background image

Sieci otwarte

λ

0

=5

μ

1

=20

μ

2

=15

r

21

=0,5

E w=

E n

λ

0

=

E n

1



E n

2

λ

0

E n

1

=

ρ

1

1− ρ

1

=

0,5

1−0,5

=

1

E n

2

=

ρ

2

1− ρ

2

=

2
3

1−

2

3

=

2

background image

Sieci otwarte

λ

0

=5

μ

1

=20

μ

2

=15

r

21

=0,5

E w=

E n

λ

0

=

E n

1



E n

2

λ

0

=

12

5

=

0,6

background image

Sieci zamknięte

μ

1

=2

μ

2

=3

N=2

E(k

1

)=?

background image

Sieci zamknięte

μ

1

=2

μ

2

=3

N=2

3 stany pracy

2 0

background image

Sieci zamknięte

μ

1

=2

μ

2

=3

N=2

3 stany pracy

2 0

1 1

background image

Sieci zamknięte

μ

1

=2

μ

2

=3

N=2

3 stany pracy

2 0

1 1

0 2

background image

Sieci zamknięte

μ

1

=2

μ

2

=3

N=2

3 stany pracy

2 0

1 1

0 2

Oblicz prawdopodobieństwa każdego stanu

background image

Sieci zamknięte

P

20

(t+dt)

P

20

(t)

P

11

(t)

1-μ

1

dt

(1-μ

1

dt)μ

2

dt

P

20

tdt =P

20

t⋅1− μ

1

dtP

11

t⋅1−μ

1

dt⋅μ

2

dt

background image

Sieci zamknięte

P

20

tdt = P

20

t ⋅1−μ

1

dt P

11

t ⋅1− μ

1

dt ⋅μ

2

dt

P

20

tdt =P

20

t−P

20

t⋅μ

1

dtP

11

t⋅μ

2

dtP

11

t⋅μ

1

μ

2

dt

2

P

20

tdt −P

20

t=−P

20

t⋅μ

1

dtP

11

t⋅μ

2

dtP

11

t⋅μ

1

μ

2

dt

2

P

20

tdt −P

20

t

dt

=−

P

20

t μ

1

P

11

tμ

2

P

11

t μ

1

μ

2

dt

lim

dt 0

P

20

tdt −P

20

t

dt

=−

P

20

t μ

1

P

11

tμ

2

˙

P

20

t=−P

20

tμ

1

P

11

t μ

2

0=−P

20

μ

1

P

11

μ

2

P

20

μ

1

=

P

11

μ

2

background image

Sieci zamknięte

P

20

μ

1

P

20

μ

1

=

P

11

μ

2

P

02

μ

2

=

P

11

μ

1

P

20

P

11

P

02

=

1

P

11

P

02

μ

1

μ

2

μ

2

P

20

=

P

11

μ

2

μ

1

P

02

=

P

11

μ

1

μ

2

P

11

μ

2

μ

1

P

11

P

11

μ

1

μ

2

=

1

background image

Sieci zamknięte

P

11

μ

2

μ

1

P

11

P

11

μ

1

μ

2

=

1

P

11

3

2

P

11

P

11

2
3

=

1

9 P

11

6 P

11

4 P

11

=

6

19 P

11

=

6

P

11

=

6

19

P

20

=

P

11

μ

2

μ

1

=

6

19

3
2

=

9

19

P

02

=

P

11

μ

1

μ

2

=

6

19

2
3

=

4

19

background image

Sieci zamknięte

P

11

=

6

19

P

20

=

P

11

μ

2

μ

1

=

6

19

3
2

=

9

19

P

02

=

P

11

μ

1

μ

2

=

6

19

2
3

=

4

19

E k

1

=

1⋅P

20

=

9

19

background image

Systemy sterowane przepływem

argumentów (Data Flow)

Wykład z Podstaw Informatyki

background image

Definicja algorytmu

Uporządkowany zbiór operacji, których wy-
konanie prowadzi do rozwiązania dowolnego
zadania z pewnej klasy zadań
Pojedyncza operacja: Y = O( A, X )
Przykłady:

y = a + b

y = NWD( a, b )

Y = pierwiastki wielomianu W(x)

Y = liczby pierwsze mniejsze niż a

Układ sprzętowy realizujący algorytmy –
maszyna von Neumanna

background image

Maszyna von Neumanna

O wyborze rozkazu do wykonania decyduje
zawartość licznika rozkazów

Rozkazy

JAL

Dane

background image

Definicja algorytmu

Uporządkowany zbiór operacji, których wy-
konanie prowadzi do rozwiązania dowolnego
zadania z pewnej klasy zadań
Kolejność wykonywania rozkazów nie jest
narzucona przez treść algorytmu
Rozkaz wykonywany, gdy tylko są wszystkie
potrzebne argumenty

background image

Przykład

Zależności między operacjami i argumentami

A1

A2

A3

O1
O2
O3
O4

X
X

X

X

X

X

Operacje O1, O2, O3 i O4 należy wykonać kolejno

na odpowiednich argumentach

Argumenty A1, A2, A3 należy dostarczyć opera-

cjom aby umożliwić ich wykonanie

background image

Kanoniczna postać algorytmu

Y = O( A, X )

Przykład

y1 = O1( a1 )
y2 = O2( a2, y1 )
y3 = O3( a3, y1 )

y4 = O4( y1, y2, y3 )

background image

Realizacja algorytmu

y1 = O1( a1 )
y2 = O2( a2, y1 )

y3 = O3( a3, y1 )
y4 = O4( y1, y2, y3 )

O1

O2

O3

O4

a1

a2

a3
y1

y2

y3

y4

background image

Realizacja algorytmu

y1 = O1( a1 )
y2 = O2( a2, y1 )

y3 = O3( a3, y1 )
y4 = O4( y1, y2, y3 )

O1

O2

O3

O4

a1

a2

a3

y1

y2

y3

y4

background image

Realizacja algorytmu

y1 = O1( a1 )
y2 = O2( a2, y1 )

y3 = O3( a3, y1 )
y4 = O4( y1, y2, y3 )

O1

O2

O3

O4

a1

a2

a3
y1

y2

y3

y4

background image

Realizacja algorytmu

y1 = O1( a1 )
y2 = O2( a2, y1 )

y3 = O3( a3, y1 )
y4 = O4( y1, y2, y3 )

O1

O2

O3

O4

a1

a2

a3
y1

y2

y3

y4

background image

Realizacja algorytmu

y1 = O1( a1 )
y2 = O2( a2, y1 )

y3 = O3( a3, y1 )
y4 = O4( y1, y2, y3 )

O1

O2

O3

O4

a1

a2

a3
y1

y2

y3

y4

background image

Realizacja algorytmu

y1 = O1( a1 )
y2 = O2( a2, y1 )

y3 = O3( a3, y1 )
y4 = O4( y1, y2, y3 )

O1

O2

O3

O4

a1

a2

a3
y1

y2

y3

y4

background image

Macierz zmiennych postaci kano-

nicznej algorytmu

y1 = O1( a1 )
y2 = O2( a2, y1 )

y3 = O3( a3, y1 )
y4 = O4( y1, y2, y3 )

y1

y2

y3

y4

y1

0

1

1

1

y2

0

0

0

1

y3

0

0

0

1

y4

0

0

0

0

background image

Macierz zmiennych postaci kano-

nicznej algorytmu

y1

y2

y3

y4

y1

0

1

1

1

y2

0

0

0

1

y3

0

0

0

1

y4

0

0

0

0

background image

Warunek wystarczający przepływu

laminarnego

y1

y2

y3

y4

y1

0

1

1

1

y2

0

0

0

1

y3

0

0

0

1

y4

0

0

0

0

background image

Warunek konieczny i wystarczający

przepływu laminarnego

Macierz całkowicie zredukowana macierzą o
zerowej przekątnej
Funkcja redukująca: f

R

(A)=A

∙A+A

Redukcję przeprowadzić lg

2

n razy

Przykład

0 1
1 0

0 1
1 0

0 1
1 0

=

1 0
0 1

0 1
1 0

=

1 1
1 1

background image

Koniec wykładów z PI

Dziękuję za uwagę

background image

Egzamin

Przeprowadzony w semestrze letnim

2 niezależne części: pisemna i ustna

Każdą część można zdawać 3-krotnie (3
próby)

Obie części muszą być zaliczone

Ocena z danej części równa średniej arytme-
tycznej wszystkich prób

Wyjątek, gdy ostatnia próba zakończona co
najmniej oceną 4 – wtedy ocena ostatniej
próby jest oceną danej części

background image

Egzamin - c.d.

Końcowa ocena z egzaminu – średnią oby-
dwu części

Ocena końcowa (k) z przedmiotu – średnią
ważoną ocen z zaliczeń ćwiczeń tablicowych
(t), laboratorium (l), pisemnej części egzami-
nu (p) i ustnej części egzaminu (u) według
wzoru:

k = 0,15 t + 0,15 l + 0,35 p + 0,35 u

background image

Zwolnienia z egzaminu

Zwolnienie z całości egzaminu z oceną 5 -
zaliczenie ćwiczeń tablicowych w obydwu
semestrach (i laboratorium) na ocenę 5

Zwolnienie z części pisemnej – średnia
arytmetyczna zaliczeń ćwiczeń tablicowych
w obydwu semestrach co najmniej 4,5

Dodatkowy warunek – uzyskanie zaliczeń
w terminie przed datą rozpoczęcia sesji eg-
zaminacyjnej

background image

Terminy egzaminów

Pisemne

Piątek 13 czerwca, godz. 15.00, sale A, B, C

Piątek 27 czerwca, godz. 14.00, sale A, B, C

26 września, godz. 8.30, sale A, B

Ustne – bez 2 ostatnich pytań z listy

Egzaminatorzy

dr inż. Alina Momot

dr inż. Małgorzata Bach

mgr inż. Ewa Płuciennik

dr inż. Robert Brzeski

dr inż. Paweł Kasprowski

mgr inż. Aleksander Chrószcz

mgr inż. Robert Tutajewicz

Na egzamin zabrać co najmniej 5 kartek

background image

Konsultacje w sesji

Wtorek 10 czerwca 17.00 – 18.00

Wtorek 17 czerwca 17.00 – 19.00

Czwartek 19 czerwca 17.00 – 19.00

Wtorek 24 czerwca 17.00 – 18.00

Środa 25 czerwca 17.00 – 19.00

Czwartek 26 czerwca 10.00 – 11.00

Poniedziałek 30 czerwca 17.00 – 18.00

Dodatkowo egzamin ustny:

Czwartek 12 czerwca 19.00

background image

I to już rzeczywiście koniec

Życzę udanej sesji


Wyszukiwarka

Podobne podstrony:
mm1
MM1 Statecznosc srodnika
mm1
mm1 Wykład 1 Charakterystyka pożaru w pomieszczeniu
Lab 1 (MM1), Politechnika ˙l˙ska
MM1 Karta tematyczna 2009 KBI4
mm1 sieci zadania
MM1 PR-Strona tyt 2009, Mosty i tunele
MM1 Zakres projektu 2009
ltm70W10 MM1
MM1 Skrajnia kolejowa
MM1
MM1 Zakres projektu 2009
mm1
MM1 Statecznosc srodnika

więcej podobnych podstron