Отсюда вероятность того, что за время произойдет хотя бы одно событие, равна
(1.21)
Важной характеристикой потока является закон распределения длин интервалов между событиями. Пусть - случайная длина интервала времени между двумя произвольными соседними событиями в простейшем потоке (рис. 1.4) и - искомый закон распределения продолжительности временного интервала между последовательными событиями. С другой стороны, вероятность может быть интерпретирована как вероятность появления хотя бы одного события в течение временного интервала продолжительностью t, начинающегося в момент поступления в систему некоторого события.
Поскольку простейший поток не обладает последействием, наличие события в начале интервала t не оказывает никакого влияния на вероятность появления событий в дальнейшем. Поэтому вероятность может быть вычислена по формуле
(1.22)
откуда, имея в виду (1.20),
(1.23)
Дифференцируя (1.23), находим плотность распределения длин интервалов между последовательными событиями
(1.24)
Закон распределения с плотностью (1.24) называется показательным с параметром λ.
1.3.3 Время обслуживания
Как уже отмечалось, эффективность системы обслуживания зависит не только от характеристик входящего потока, но и от производительности самой системы обслуживания, т. е. от числа каналов и быстродействия каждого из них. В связи с этим время обслуживания одной заявки Тоб является важной характеристикой системы, В силу самых различных причин время обслуживания в реальных системах может меняться от одного требования к другому. Поэтому в общем случае разумно считать время обслуживания случайной величиной.
Введем закон распределения времени обслуживания
(1.25)
и плотность его распределения
(1.26)
Для практики особый интерес представляет случай, когда продолжительность времени обслуживания имеет показательный закон распределения, т. е.
(1.27)
Параметр имеет простой физический смысл. Величина, обратная , равна математическому ожиданию времени обслуживания.
Важная роль, которую играет показательный закон времени обслуживания, связана с уже упоминавшимся свойством этого закона. Применительно к данному случаю оно формулируется следующим образом: если в какой-то момент происходит обслуживание требования, то закон распределения оставшегося времени обслуживания не зависит от того, сколько времени обслуживание уже продолжалось.
Таким образом, процесс обслуживания заявок не обладает последействием и поэтому для его анализа может быть использован аппарат теории марковских процессов.
Показательный закон распределения времени обслуживания имеет место во многих практических задачах, когда обслуживание сводится к последовательности попыток, каждая из которых приводит к необходимому результату с некоторой вероятностью.
Примером такого обслуживания является обстрел цели, заканчивающийся после поражения цели. Предположим, что последовательность выстрелов, каждый из которых поражает цель с вероятностью , образует простейший поток с плотностью .
Из этого потока выделим поток успешных выстрелов (выстрел будем называть успешным, если имеет место попадание в цель). Поскольку каждый из выстрелов независимо от других может оказаться успешным, поток успешных выстрелов так же, как и исходный, будет простейшим с плотностью .
Закон распределения интервала времени между попаданиями имеет вид
(1.28)
откуда плотность распределения времени обслуживания
(1.29)
что соответствует показательному закону с параметром .
Количество примеров реальных систем, в которых обслуживание сводится к последовательности попыток, можно значительно увеличить. К такому типу можно отнести обслуживание по устранению неисправностей технических устройств, когда поиск неисправного элемента ведется путем использования ряда тестов. Совершенно аналогичной является задача обслуживания, заключающаяся в обнаружении воздушной цели радиолокатором, многократно зондирующим исследуемое пространство, причем цель может с некоторой вероятностью обнаруживаться в каждом из циклов обзора.
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25