• Nie Znaleziono Wyników

Wprowadzenie do symulacji i metod Monte Carlo zadanie domowe 2

N/A
N/A
Protected

Academic year: 2021

Share "Wprowadzenie do symulacji i metod Monte Carlo zadanie domowe 2"

Copied!
1
0
0

Pełen tekst

(1)

Wprowadzenie do symulacji i metod Monte Carlo zadanie domowe 2

W banku jest c stanowisk obsªugi. Klienci zgªaszaj¡ si¦ zgodnie z procesem Poissona z intensywno±ci¡ λ (tzn. czasy mi¦dzy poszczególnymi zgªoszeniami jak równie» czas do pierwszego zgªoszenia s¡ niezale»nymi zmiennymi losowymi o rozkªadzie wykªadniczym z parametrem lambda). Ich czasy obsªugi maj¡ rozkªad G. Rozwa»amy nast¦puj¡ce proto- koªy kolejkowania:

1. Przed ka»dym okienkiem jest osobna kolejka. Klienci po przyj±ciu do banku usta- wiaj¡ si¦ w losowo wybranej kolejce.

2. Przed ka»dym okienkiem jest osobna kolejka. Klienci po przyj±ciu do banku wybie- raj¡ kolejki po kolei tzn. 1, 2, . . . , c, 1, 2, . . . (np. automat wydaje im numerki z oznacze- niem kolejnych kolejek).

3. Jest jedna kolejka. Gdy zwolni si¦ które± okienko, klient podchodzi do wolnego okienka. (Nale»y jeszcze doprecyzowa¢, co si¦ dzieje, je±li w momencie przybycia klienta do banku wi¦cej ni» jedno okienko jest wolne).

Zbadaj ±redni czas obsªugi (tzn. czas od momentu przybycia do banku do zako«czenia obsªugi), u»ywaj¡c jako rozkªadów G kilku reprezentatywnych rozkªadów. Masz tak»e do dyspozycji parametr λ. Postaraj si¦ tak dobra¢ parametry, aby wygl¡daªy realistycznie w porównaniu z o±miogodzinnym czasem pracy banku (niech jednostka oznacza jedn¡

godzin¦).

Dobierz liczb¦ powtórze« w taki sposób, aby z odpowiednio du»ym wybranym przez Ciebie prawdopodobie«stwem uzyska¢ dokªadno±¢, jak¡ obierzesz.

Zastanów si¦, jak mo»na zredukowa¢ wariancj¦ czasu obsªugi w sytuacji, gdy intere- suje nas rozstrzygni¦cie, który protokóª kolejnowania (przy ustalonych rozkªadach) daje najkrótszy ±redni czas obsªugi. Wykonaj eksperyment, który potwierdzi, »e przyj¦ta przez Ciebie metoda redukcji wariancji jest u»yteczna w tym problemie.

Cytaty

Powiązane dokumenty

Trzeba zdać sobie sprawę, że powtórze- nie doświadczenia może dać wynik o odwrotnym znaku, to, czy w symulacji natrafiliśmy na domenę bardziej „białą”, czy

ˆ Niezależnie od ewentualnego braku normalności danych po transformacji postępuj dalej tak, jakby dane były normalne: sprawdź homoskedastyczność i w zależności od jej

Poirytowaniu szybko ust¡piªa chªodna kalkulacja, bowiem mªodzieniec ten byª studentem matematyki (na PWr.), tote» obliczyª, jakie jest prawdopodobie«stwo, »e pewna ustalona

Simulation of growth processes A challenge to perform such growth simulations is the large range of relevant length and time scales. The features interesting for device

Growth of rough surfaces – Stochastic differential equations The simplest time-dependent description of a stochastic surface is afforded by the Edwards–Wilkinson (EW) equation

funkcja p-wartości i jej wykorzystanie do testowania generatorów, rodzaje testów wykorzystywanych przy testowaniu generatorów, co to są testy oparte na schematach urnowych..

generatory liczb pseudolosowych, generowanie zmiennych i wektorów losowych o zadanych rozkładach, planowanie i metody opracowania symulacji, algorytmy do symulacji pewnych klas

Rozkład Bernoulliego, 95 rozkład chi kwadrat, 97 rozkład dwumianowy, 95 Rozkład Erlanga, 97 rozkład Frécheta, 98 rozkład gamma, 97 rozkład geometryczy, 96 rozkład Gumbela,