7 Zadania
Zadania laboratoryjne
Zadania na wykorzystanie instruk ji MATLAB-owski h: rand, rand(m,n),
rand('state', 0),randperm,randn.
7.1 Napisa¢ program na sprawdzenie generatorów MATLABowski h przy
u»y iu
a. testu KoªmogorowaSmirnowa,
b. testu serii z
t = 3
. Obli zy¢p r (patrz 2.2) dla d = 4
, n = 2 m;
(m = 10, 11, . . . , 20
).
(m = 10, 11, . . . , 20
).7.2 [Savi ky℄ Uru homi¢pro edur
Z=rand(28,100000);
ondition = Z(1,:)<1/16;
s atter(Z(16, ondition),Z( 28, ondi tion ),'. ');
Uzasadni¢, »e w przypadku teorety znym gdy
Z
jest ma ierz¡ skªa-daj¡ ¡ si z zmienny h losowy h niezale»ny h o rozkªadzie jednostaj-
nym to na rysunku powinni±my otrzyma¢ hmur par
(U 1i , U 2i ) (i = 1, . . . , 100000)
,gdzieU ij s¡niezaleznymizmiennymilosowymiojedna- kowym rozkªadzie jednostajnym U(0,1). Rysunek powinien wi wy-
gl¡da¢ jak
Z=rand(2,100000);
ondition = Z(1,:)<1/16;
s atter(Z(1,:),Z(2,:),'.') ;
Ró»ni ªatwo zauwa»y¢. A o sidzieje gdyby u»y¢ metody 'twister'.
Wyja±ni¢jak powinna wygl¡da¢ hmura wwypadku 'idealnym'.
7.3 Dla przykªadu 2.9, przy
n = 2 14 ik = 2 20 uzupeªni¢ tabelk:
liczba kolizji ≤ 100 110 120 130 140 150 160 170
z prawdopodobiestwem ? ? ? ? ? ? ? ?
7.4 Uzasadni¢, »e pro edura generowania losowej permuta ji z wykªadu
daje losow¡ permuta j po rozwi¡zaniu nastpuj¡ ego zadania z ra-
hunku prawdopodobie«stwa, w którym induk yjnie deniujemy i¡g
n
permuta ji zbioru[n]
. Zerow¡ permuta j¡π 0 jest permuta ja iden-
ty zno± iowa. Dla
k = 1, 2, ..., n − 1
deniujemy induk yjnieπ k-t¡ z
π k−1-szejnastpuj¡
o: zamieniamy elementk
-ty zJ k-tymgdzieJ k jest
J k jest
losowe (tj. o rozkladzie jednostajnym) na
{k, . . . , n}
, niezale»nie odJ 1 , . . . , J k−1. Pokaza¢, »e π n−1 jestpermuta
j¡ losow¡.
7.5 Napisa¢ pro edurna losowanie
1. z
n
obiektówwybieramy losowok
ze zwra aniem, 2. zn
obiektówwybieramyk
bez zwra ania.3. wybieraj¡ ¡ losowy podzbiór
k
elementowyz{1, . . . , n}
.7.6 Napisa¢pro edurgenerowanialosowejpermuta jirandpermmynapod-
stawiealgorytmuzpodrozdziaªu3.1. Porówna¢szybko±¢ swojejpro e-
dury z matlabowskarandperm.
7.7 Obli zy¢przezsymula jeprawdopodobie«stwo
p ntego,»ewpermuta ji
losowej li zb
1, . . . , n
, »adna li zba nie jest na swoim miejs u. Zrobi¢obli zenia dla
n = 1, . . . , 10
. Do zegomo»e zd¡»a¢p n gdy n → ∞
.
7.8 Napisa¢ pro edur
n
rzutów monet¡(ξ 1 , . . . , ξ n).
Je±liorzeª w
i
-tym rzu ieto nie hξ i = 1
je±li reszka toξ i = −1
. Nie hS 0 = 0
orazS k = ξ 1 +. . .+ξ k. Obli
zy¢pierwszymomentiwarian
jξ 1.
Zrobi¢wykres
S 0 , S 1 , . . . , S 1000. Nawykresiezazna
zy
linie: ±Var(ξ) √ n
,
±2Var(η) √
n
,±3Var(ξ) √ n
.Zrobi¢zbior zy wykres 10replika jitego eksperymentu.
7.9 Rzu amy
N
razy symetry zn¡ monet¡ i generujemy bª¡dzenie przy- padkowe(S n ) 0≤n≥N. Napisa¢ pro edury do obli zenia:
1. Jakwygl¡da absolutnaró»ni apomidzymaximum iminimum bª¡-
dzeniaprzypadkowego gdy
N
ro±nie?7.10 Rozwa»amy i¡g
(S n ) 0≤n≥2N. Przez prowadzenie w od
inku (i, i + 1)
rozumiemy,»e
S i ≥ 0
orazS i+1 ≥ 0
. Nie hX
bdzie ª¡ zn¡ dªugo± i¡prowadze« dla
N
rzutów.pomidzy 50% a 55% zasu? Lub wi ej ni» 95% zasu? Zrobi¢ ob-
li zenia symula j¡. Eksperymentalnie sprawdzi¢ ile powtórze« nale»y
zrobi¢ aby osi¡gn¡ stabilny wynik.
3. Nie h
N = 200
. Zrobi¢ histogram wyników dla10000
powtórze«tego eksperymentu.
7.11 Napisa¢ pro edur dozadaniadni urodzin.
1.Jakie jest prawdopodobie«stwo, »e w±ród
n
losowo wybrany h osóbprzynajmniej dwie maj¡ ten sam dzie«urodzin?
2. Jakiejest prawdopodobie«stwo,»e w±ród
n
losowo wybrany h osóbprzynajmniejdwiemajaurodzinywprze iagu
r
dnijeden oddrugiego?3. Przypu±¢mi,»e osoby pojawiaj¡sikolejno. Jakdªugotrzeba zeka¢
aby pojawiªy siedwie maj¡ ewspólne urodziny? Zrobi¢histogramdla
1000 powtórze«.
7.12 [Test odstpówdni urodzin℄ U»ywaj¡ symula jiznale¹¢funk j praw-
dopdobie«stwa statystyki
R
. Sprawdzi¢ zy wynikisi pokrywaj¡ je±lidoobli ze« u»ywa sie ró»ny h generatorów.
7.13 [Zagadnieniekomiwoja»era℄Komiwoja»eropusz za miasto0imusiod-
wiedzi wszystkie miasta
1, . . . , n
przed powrotem dopunktu wyj± io-wego. Odlegªo± ipomidzymiastem
i
amiastemj
jestc ij. Je±liniema
drogi do kªadziemy
c ij = ∞
. Jestn = 100
miast doodwiedzenia,któ- ry hodlegªo± is¡zadanewnastpuj¡ ysposób. Za z¡¢odrand('state',0). Przydzieli¢odlegªo± ikolejnowierszami
c ij gdziei = 0, . . . , 100
oraz
j = 0, 1, . . . , 100
- odlegªo±¢ midzy adresem i oraz j. (W ten sposób
wszys y bd¡ mielitak¡sam¡ ma ierzodlegªo± i). Znale¹¢ jak najlep-
sz¡ drog
0, π 1 , . . . , π 100 , 0
minimizuj¡ ¡przeje han¡ tras. Czyudasiodnale¹¢ najkrótsz¡ tras. Znale¹¢ najkrótsz¡ po 100, 200, itd. loso-
Projekt
Projekt 1 Bobsza uje, »e w »y iu spotka 3 partnerki,i z jedn¡ si o»eni.
Zakªada, »e jest w stanieje porównywa¢. Jednak»e, bd¡ osob¡ honorow¡,
(i)je±lizde yduje siumawia¢ znow¡ partnerk¡, niemo»ewró i¢doju»od-
rzu onej,(ii)wmomen iede yzjio±lubierandkizpzostaªymis¡niemo»liwe,
(iii)musi sizde ydowa¢ naktór¡± zspotkany h partnerek. Bob przyjmuje,
»e mo»nazrobi¢ midzy partnerkamiranking: 1=dobra,2=lepsza,3=najlep-
sza, ale ten ranking nie jest mu wiadomy. Bob spotyka kolejne partnerki w
losowymporz¡dku.
Napisz raport jak¡ stategi powinien przyj¡ Bob. W sz zególno± i w
rapor ie powinny siznale¹¢ odpowiedzinanastpuj¡ e pytania.
(a)Bob de yduje si na ±lub z pierwsz¡ spotkan¡ partnerk¡. Obli z praw-
dopodobie«stwo
P
(teorety zne), »e o»eni si z najlepsz¡. Obli z te»o zekiwany rang
r
(b) U»yj symula jiaby okre±li¢
P
ir
dla nastpuj¡ ejstrategii. Bob nigdy nie»eni sizpierwsz¡, »eni sizdrug¡ jeslijest lepszaodpierwszej,wprze iwnymrazie »eni siz trze i¡.
( )Rozwa»y¢ zadaniez10- iomapartnerkami,któremaj¡rangi
1, 2, . . . , 10
.Obli zy¢teorety znie prawdopodobie«stwo
P
io zekiwan¡ rangr
dlastrategiijak w zadaniu(a).
(d) Zdeniowa¢ zbiór strategii, które s¡ adapta j¡ strategii z zadania (b)
na 10 partnerek. Poda¢ jesz ze inn¡ strategi dla Boba. Dla ka»dej
stategiiobli zy¢
P
ir
.10 Zadania
Zadania teorety zne
10.1 Nie h
F ∼
Exp(λ)
iZ 1 = F −1 (U)
,Z 2 = F −1 (1 − U)
. Pokaza¢,»eIE Z i = 1/λ, IE Z i 2 = 2/λ 2 ,
oraz
corr (Z 1 , Z 2 ) = −0.6449.
Wsk.
R 1
0 log x log(1 − x) dx = 0.3551.
10.2 Obli zy¢ warto±¢ o zekiwan¡ i warian j rozkªaduPareto Par
(α)
.10.3 Nie h
Z 1 = F −1 (U)
,Z 2 = F −1 (1 − U)
. Obli zy¢ korela jcorr (Z 1 , Z 2 )
gdy
F
jest dystrybuant¡:(a)rozkªadu Poissona;
λ = 1, 2, . . . , 10
,(b) rozkªadu geometry znego Geo(
p
).10.4 Nie h
X
madystrybuantF
i h emy wygenerowa¢ zmienna losow¡o warunkowym rozkªadzieX|X ∈ (a, b)
gdzieIP(X ∈ (a, b)) > 0
. Nie hV = F (a) + (F (b) − F (a))U.
Jaki rozkªad ma
V
. Pokaza¢, »eY = F −1 (V )
ma »adan¡ warunkow¡dystrybuant
G
,gdzieG(x) =
0 x < a,
F (x)−F (a)
F (b)−F (a) , a ≤ x < b,
1 x ≥ b
10.5 Poda¢ pro edur generowania li zb losowy h o rozkªadzie trójk¡tnym
Tri(a,b), zgsto± i¡
f (x) =
c(x − a), a < x < (a + b)/2, c((b − a)/2 − x), (a + b)/2 < x < b,
gdziestaªanormuja a
c = 4/(b − a) 2. Wsk. Rozwa»y¢najpierwgsto±¢
U 1 + U 2.
10.6 Pokaza¢, »e
X = log(U/(1 − U))
marozkªad logisty znyo dystrybuan ie
F (x) = 1/(1 + e −x )
.10.7 Poda¢ pro edur na generowanie li zby losowej z gsto± i¡posta i
f (x) =
N
X
j=1
a j x j , 0 ≤ x ≤ 1,
gdzie
a j ≥ 0
. Wsk. Obli zy¢gsto±¢max(U 1 , . . . , U n )
i nastpnie u»y¢metodysuperpozy ji.
10.8 Poda¢ pro edur generowania zmiennej losowej
X
z gsto± i¡f (x) = n(1 − x) n−1.
10.9 Poda¢ pro edurgenerowania li zby losowej orozkªadzie Cau hego.
10.10 Nie h
F
jest dystrybuant¡ rozkªaduWeibulla W(α, c
),F (x) =
0 x < 0
1 − exp(−cx α ), x ≥ 0 .
Pokaza¢, »e
X = − log U c
1/α
marozkªad W(
α, c
).10.11 Poda¢ przykªad pokazuj¡ y, »e
c
w metodzie elimina ji (zarówno dlaprzypadku dyskretnego jak i i¡gªego)niemusi istnie¢sko« zone.
10.12 a)Udowodni¢, »e
IP(⌊U −1 ⌋ = i) = i(i+1) 1 , dlai = 1, 2, . . .
.
b) Poda¢ algorytm i obli zy¢ prawdopodobie«stwo ak epta ji na wy-
generowanie metod¡ elimina ji dyskretnej li zby losowej
X
z funk j¡prawdopodobie«stwa
{p k , k = 1, 2, . . .}
,gdziep k = 6
π 2 1
k 2 , k = 1, 2, . . . .
10.13 Podaj metod generowania li zby losowej zgsto± i¡:
f (x) =
e 2x , −∞ < x < 0 e −2x , 0 < x < ∞
10.14 Rozkªad beta Beta
(α, β)
magsto±¢f (x) = x α−1 (1 − x) β−1
B(α, β) , 0 < x < 1.
gdzie beta funk ja jest zdeniowana przez
B(α, β) = Z 1
0
x α−1 (1 − x) β−1 dx .
Przy zaªo»eniu
α, β > 1
poda¢ algorytm wraz z usadnieniem gene- rowania li zb losowy h Beta(α, β)
metod¡ elimina ji. Wsk. Przyj¡¢g(x) =
1(0 < x < 1)
.10.15 Nie h
(X, Y )
bdziewektoremlosowymzgsto± i¡f (x, y)
inie hB ⊂ IR 2 bdzi obszarem takim,»e
Z
B f (x, y) dx dy < ∞.
Pokaza¢,»e
X|(X, Y ) ∈ B
magsto±¢R
y:(x,y)∈B f (x, y) dy R
B f (x, y) dx dy .
10.16 [Marsaglia [?℄℄ Nie h
J
ma funk j prawdopodobie«stwa(p m ) ∞ m=0 z
p m = 1/(ce m+1 )
i c = 1/(e − 1)
. Nie
h I
ma funk
j prawdopodo-
bie«stwa (q n ) ∞ n=1, gdzie q n = c/n!
. Zakªadamy, »e I, J
oraz U 1 , . . .
s¡
q n = c/n!
. Zakªadamy, »eI, J
orazU 1 , . . .
s¡niezale»ne. Pokaza¢, »e
X = J + min(U 1 , . . . , U I )
marozkªad wykªad-ni zy Exp
(1)
. Powy»sza wªasno±¢ rozkªadu wykªadni zego daje mo»- liwo±¢ napisania algorytmu na generowanie wykªadni zy h zmienny hlosowy h bez u»y ia kosztownej funk ji
log
.33
Ajakszybkogenerowa¢li zbylosowe
I, J
?Zadania laboratoryjne
10.17 Poda¢ wraz zuzasadnieniem jak generowa¢ li zblosow¡
X
o rozkªa-dzieU[a,b℄. Napisa¢ MATLABowska funk j Unif(a,b)nagenerowanie
li zby losowej
X
.10.18 W literaturze aktuarialnej rozwa»a si rozkªad Makehama przyszªego
zasu »y ia
T x dlax
-latka zogonem rozkªadu
IP(T x > t) = e −At−m(c t+x −c x ) .
Napisa¢ pro edur Makeham(A,m, ,x) generowania li zb losowy h o
takim rozkªadzie. Przyj¡¢
A = 5 · 10 −4, m = 7.5858 · 10 −5 oraz c = log 1.09144
(tzw. G82). Wsk. Zinterpretowa¢ probabilisty
znie jaka
opera
ja prowadzi do faktoryza
ji e −At−m(c t+x −c x ) = e −At e −m(c t+x −c x ).
c = log 1.09144
(tzw. G82). Wsk. Zinterpretowa¢ probabilisty znie jaka opera ja prowadzi do faktoryza jie −At−m(c t+x −c x ) = e −At e −m(c t+x −c x ).
Zastanowi¢ si zyrozkªad z ogonemdystrybuanty
e −m(c t+x −c x ) mo»na
przedstawi¢ jako warunkowy.
10.19 Napisa¢pro edurePoi(lambda)) generowania li zblosowy h orozkªa-
dzie Poi
(λ)
. Uzasadni¢jejpoprawno±¢.10.20 Napisa funk j Gamma(a,b) na generowanie li zby losowej o rozkªa-
dzie Gamma
(a, b)
. Wsk. Algorytm musi si skªada¢ z dwó h z±¢i:a < 1
oraza ≥ 1
.10.21 Przeprowadzi¢ nastpuj¡ y eksperyment z MATLABowskimi genera-
torami. Obli zy¢ objto± kuli
k = 30
wymiarowej o promieniu 1 iporówn¡ z wynikiemteorety znym naobjto± takiej kuli:
V k = 2 k
π k/2 Γ(k/2) .
10.22 Porówna¢dwiepro edurygenerowaniarozkªaduwielomianowegoM
(n, a)
.Pierwsza metoda jest uogólnieniem metody ad ho dla rozkªady dwu-
mianowego(patrzpodrozdziaª4). Poleganagenerowaniu niezale»ny h
wektorów losowy h przyjmuj¡ y h warto± i
(0, . . . , 1, . . . 0)
(jedynkana
i
-tym miejs u) z prawdopdobie«stwema i i nastpnie zsumowanie
li zby jedynek na ka»dej koordyna ie. Natomiast druga metoda wy-
korzystuje unikaln¡ wªasno±¢ rozkªadu wielomianowego wektora
X =
(X 1 , . . . , X d )
: rozkªadX j+1 podwarunkiemX 1 = k 1 , . . . , X j = k j )
jest
dwumianowyB
(n − k 1 − . . . − k j , a j+1 /(a 1 + . . . + a j )
iX 1 marozkªad
B
(n, a 1 )
. Do generowania rozkªadudwumianowego wykorzysta¢ pro e- dur ITR.Przeprowadzi¢ eksperyment zn = 10
ia 1 = 0.55, a 2 = . . . = a 10 = 0.05
. Porówna¢ szybko±¢ ty h pro edur mierz¡ wykonanie 100000 replika jidla ka»dej z ni h.
10.23 Napisa¢ pro edurgenerowania li zb losowy h zgsto± i¡
f (x) = pe −x + (1 − p) 0.2
1
1 + (x/0.2)
1.2
.
Zrobi¢wykªadni zyiparetowskiwykres kwantylowydla300zmienny h
losowy h wygenerowany h z
p = 0.05
ip = 0.95
.Projekt
10.24 Napisa¢pro edurMATLAB-owsk¡generowania li zbylosowejN(0,1)
(tabli y li zb losowy hN(0,1))
(i)metod¡elimina ji (randnrej),
(ii)1-sz¡ metod¡Boxa-Mullera(randnbmrst),
(iii)2-g¡metod¡Boxa-Mullera(randnbmse ). Przeprowadzi¢testzpo-
miarem zasu100000replika jidlaka»dejzty hmetodorazMATLAB-
owskiejrandn. U»y¢instruk ji TIC iTOC.Ka»dyeksperymentza z¡¢
od rand('state',0). Sporz¡dzi¢ raport z eksperymentów. Zrobi¢ wy-
kresy kwantylowe dlaka»dej zpro edur z 1000 replika ji.
10.25 U»ywaj¡ rozwa»ania z ¢wi zenia 10.16 napisa¢ algorytm na genero-
wanie li zb losowy h o rozkªadzie wykªadni zym Exp
(1)
. Zastanowi¢sijak optymalnie generowa¢li zby losowe
I, J
z zadania10.16. Prze-prowadzi¢ test z pomiarem zasu 100 000 replika ji dla tej metody i
metodyITM (
− log U
). Ka»dy eksperyment za z¡¢ od rand('state',0).Sporz¡dzi¢ raport z eksperymentów.
Zadania teorety zne
1.1 Przypu±¢my,»e h emyobli zy¢
I
metod¡MonteCarlo,gdzieI = I ′ I ′′
orazwiemy,»e
I ′ = IE Y ′,I ′′ = IE Y ′′. Nie
hY 1 ′ , . . . , Y R ′ bdzieR
nieza-
Y 1 ′ , . . . , Y R ′ bdzieR
nieza-
le»ny h replika ji
Y ′ oraz niezale»nie od ni
h nie
h Y 1 ′′ , . . . , Y R ′′ bdzie
R
niezale»ny
h replika
ji Y ′′. Pokaza¢, »e nastpuj¡
e estymatory s¡
R
niezale»ny h replika jiY ′′. Pokaza¢, »e nastpuj¡ e estymatory s¡
nieob i¡»onedla
I
:Z ˆ 1 = 1 R
R
X
i=1
Y i ′
! 1 R
R
X
i=1
Y i ′′
!
Z ˆ 2 = 1 R
R
X
i=1
Y i ′ Y i ′′ .
Pokaza¢, ze
Z ˆ 1 mamniejsz¡ warian j.
1.2 Zanalizowa¢przykªadI.2.8podk¡temodpowiednio± i li zby replika ji.
Jakdobra¢
δ
abypozak = 27
nawykresieI.2.2trudnobylobyrozró»ni¢krzyw¡ wysumulowan¡ od teorety znej. Czylepiej byªoby przyj¡¢
δ = 0.05
.1.3 [Igªa Buona a li zba
π
℄ W zadaniu Buona o li zbieπ
obli za siprawdopodobie«stwo
p = 2L π
prze i iajednejzrównolegªy hprosty hoddalony hodsiebieo1przez
igª o dªugo± i
L
. Wiadomo, »e przeprowadzaj¡ niezale»ne ekspery- mentymamynieob i¡»onyestymatorp ˆ
prawdopodobie«stwap
. Wtedyπ = (2L)/p
. Zaplanowa¢ obli zenief (I)
z dokªadno± i¡b = 0.01
napoziomie
α = 0.05
,gdyf (x) = (2L)/x
orazI = IE Y
,gdzieY = 1
,gdyigªaprze ina lini, natomiast
Y = 0
wprze iwnym razie.1.4 Ile nale»y zrobi¢ replika ji na poziomie ufno± i
α = 0.05
aby bª¡db = σ/50
.1.5 Wiadomo, »e je±li
Y 1 , . . . , Y n s¡ niezale»nymi zmiennymi losowymi o jednakowym rozkªadzieN(0,1) to
(n − 1) ˆ S 2 /σ 2 − n + 1
√ 2n − 2
→ N(0, 1) , D
gdy
n → ∞
;patrz[?℄, str. 27. Natomiastje±lizmienne s¡orozkªadziedowolnym , to
√ n ˆ S n 2 − σ 2 D
→ N(0, µ 4 − σ 4 )
gdzie
µ 4 = IE (Y −IE Y ) 4 jestmomentem entralnymrzdu4. Ilenale»y
zrobi¢próbabywyestymowa¢
σ 2zdokªadno± i¡do5- iu%napoziomie
α = 0.05
.Zadania laboratoryjne
1.6 a. Napisa¢ algorytm na wygenerowanie punktu losowego o rozkªadzie
jednostajnymU(
∆
)wtrójk¡ ie∆
owierz hoªka h(1, 1), (−1, −1), (1, −1)
.Poli zy¢±redni¡li zbli zblosowy h
U 1 , U 2 , . . .
dowygenerowaniajed- nej li zbyV
orozkªadzie U(∆
).b. Napisa¢algorytm naobli zenia aªki
Z
∆
e −(x 2 +y 2 ) dx dy
zgrubn¡ metod¡MC.
1.7 Wyprodukowa¢ 10 000 przedziaªów ufno± i posta i
( ˆ Y n ± z 1−α/2 √ n S ˆ n )
dlaY =
1(U ≤ u)
,n = 1000
orazI = IE Y
nastpnie sprawdzi¢ jakipro ent ty h przedziaªów pokryje
I = 0.5, 0.9, 0.95
gdy odpowiedniou = 0.5, 0.9, 0.95
. Wyja±ni¢otrzymane wyniki.Projekt
1.8 Obli zy¢skªadknettozdokªadno± iado ztere hmiejs poprze inku,
dla 40-latka w ubezpie zeniu na aªe »y ie, gdy te hni zna stopa pro-
entowa wynosi
r = 0.05
, przyszªy zas »y iaT = T 40 ma rozkªad
Makehama (mo»na u»y¢ funk ji Makeham z zadania II.10.18). Wzór
naskªadk netto gdy suma ubezpie zeniawynosi 1zª jest
π = IE e −rT IE R T
0 e −rt dt .
Zadania teorety zne
5.1 W sz zelinowym modelu ALOHA z
λ = 0.31
orazh = 0.1
poli zy¢funk j
φ(k) = IE [X n+1 −X n |X n = k] = λ−b 1 (k)a 0 −b 0 (k)a 1 , k = 0, 1, . . . ,
gdy
A i maj¡ rozkªad Poissona. Zrobi¢wykres. Czy mo»na napodsta-
wie tego wykresu skomentowa¢rys. 3.3i 3.4.
Zadania laboratoryjne
5.2 Wygenerowa¢
A 1 , A 2 , . . .
, w od inku[0, 1000]
, gdzieA 0 = 0
orazA 1 <
A 2 < . . .
s¡ kolejnymi punktami w niejednorodnym pro esie Poissona z funk j¡ intensywno± iλ(t) = a(2 − sin( 2π 24 t))
. Przyj¡¢a = 10
. Nie hA(t)
bdzie li zb¡ punktów w od inku[0, t]
. Zastanowi¢ si jaki marozkªad
A(t)
iznale¹¢jego±redni¡. Poli zy¢ zsymula jiA(1000)/1000
±redni¡ li zb¡ punktów na jednostk zasu, zwan¡ asymptoty zn¡
intensywno± ia
λ ¯
. Porówna¢ zZ 24
0
λ(t) dt/24 .
5.3 Kontynua ja zad. refzad.pro .Poissona. Wygenerowa¢
τ 1 , τ 2 , . . . , τ 1000,
gdzie
τ i = A i − A i−1, A 0 = 0
oraz A 1 < A 2 < . . .
s¡ kolejnymi
punktami w niejednorodnym pro esie Poissona z fun k j¡ intensyw-
no± i
λ(t) = a(2 − sin( 2π 24 t))
. Przyj¡¢a = 10
. Obli zy¢ ±redni odstpmidzy punktami
τ = ˆ P 1000
j=1 τ i /1000.
5.4 Zbada¢jakszybko
P (L(t) = 1)
walternuj¡ ympro esieon ozbiega dowspól zynnika gotowo± i. Rozpatrzy¢ kilkaprzypadków:• F on F off s¡wykªadni ze,
• F on F off s¡Erlanga odpowiednio Erl(3,λ
) iErl(3,µ
),
• F on F off s¡Pareto.
Przyj¡¢
IE T on = 1
iIE T off = 2
.5.5 Obli zy¢ ±redni¡
IE L(i) (i = 1, . . . , 10)
w systemie M/M/1za.
λ = 1/2
iµ = 1
,b.
λ = 1
iµ = 1
,je±liL(0) = 0
.5.6 Przeprowadzi¢ symula je dobro i zystego protokóªu ALOHA.Bardziej
dokªadnie,przypu±¢my,»e pakietyprzybywaj¡ zgodniezpro esemPo-
issona z intensywno± i¡
λ
i wszystkie s¡ dªugo± i 1. W przypadkukolizji,ka»dy zpakietówjestretransmitowanypo zasiewykªadni zym
z parametrem
µ
. Zakªadamy, »e wszystkie zmienne s¡ niezale»ne. W modelumusimyobli zy¢nastpuj¡ ezmienne. Napodstawiesymula jizastanowi¢ si nad przepustowo± i¡
γ
przy tym protokóle.5.7 Napisa¢ algorytm nasymula j protokóªu ETHERNET.
5.8 Obli zy¢ ±redni zas do awarii systemu skªadaj¡ ego si z
N
elemen-tów poª¡ zony h równolegle z jednym konserwatorem, je±li zas »y ia
elementu ma rozkªad wykªadni zy
Exp(1/2)
, natomiast zas naprawyprzez konserwatora
Exp(1))
. Poli zy¢ dlaN = 1, . . . , 10
. Porówna¢z ±rednim zasem do awarii systemu skªadaj¡ ego si z
N
elementówpoª¡ zony h równolegle, alebez konserwatora.
Projekt
Projekt3 Zbada¢dobro¢protokóªusz zelinowaALOHAzewzgldu
na parametr
λ
. Przez symula j znale¹¢ warto± i kryty zne dlaλ
iokre±li¢ typowe za howanie si protokóªu. Zbada¢ inn¡ modyka j
protokóªu sz zelinowa ALOHA, w której dopusz za si, »e u»ytkow-
ni ymaj¡te» dodatkow¡wiedzostanie
X n,iwtedywn
-tejsz
zelinie
przyjmowa¢
h = 1/X n. Czy ten protokóª mo»e by¢ stabilny, tzn. ma-
j¡ y przepustowo±¢
γ > 0
;je±li tak tokiedy.Projekt 4 Produkt jestskªadanyzkomponentównadwó hstanowi-
ska h. Po zako« zeniu pra na pierwszym stanowisku jest dalej opra-
owywany na drugim,z któregowy hodzi gotowyprodukt. Produk ja
trwaka»degodnia przez8 godzin. Napo z¡tkudnia wmagazyniejest
przygotowane
n 1 komponentów, które suk esywnie s¡ dostar zane na stanowisko pierwsze. Przed stanowiskiem drugim mo»e o zekiwa¢ o
najwy»ej
k 1, w prze iwnym razie pra a na stanowisku pierwszym jest
zablokowana. Ile nale»y przygotowa¢ komponentów
n 1 i jak du»y bu-
for
k 1 abyzprawdopodobie«stwemniemniejszym0.9byªazapewniona produk japrzez aªydzie«,tj. 8godzin. Jakdu»y nale»y przygotowa¢
magazyn
n 1 + k 1. Przyj¡¢, »e
•
zaspra ynapierwszymstanowiskumarozkªadErlangaErl(2,10),•
natomiast na drugim stanowisku jest mieszank¡ rozkladów wy-kªadni zy h zgsto± i¡
0.8 × 9e −9x + 0.2 × 3e −3x,
•
kosztymagazynowaniaprzedrozpo z iempra y zywo zekiwa- niu napra e nadrugim stanowisku s¡linioweodn 1 + k 1.
Projekt 5 Mamy dwa nastpuj¡ e warianty pra y 2- hpro esorów.
1. Dwa pro esory pra uj¡ osobno. Zadania napªywaj¡ do
i
-tego pro-esu zgodnie z pro esem Poissona z intensywno± i¡
λ i i maj¡ rozkªad
rozmiaru
G (i). Nie
hD (i) (t)
bdzieli
zb¡zada«obsªu»ony
hprzezi
-ty
pro esorto hwili
t
. Zakªadamy,»eλ i < R ∞
0 xdG (i) (x),i = 1, 2
. Wtedy
przepustowo±¢
t→∞ lim D (i) (t)/t = λ i ,
awi dwapro esory,je±lipra uj¡osobnomaj¡przepustowo±¢
λ 1 + λ 2.
2. Mo»emy tak zmieni¢ konstruk j, »e w przypadku gdy jeden z pro-
esównie mapra y, todrugi pra uje z szybko± i¡ 2.
Zbada¢ o ile efektywniejszy jest zparowany pro esor, w zale»no± i od
intesywno± i wej± iai rozkªadów rozmiarówzada«. Przyj¡
λ 1 = 1
.Projekt 6 W banku jest
c
stanowisk obsªugi. Klien i zgªaszaj¡ sizgodnie z pro esem Poissona z intensywno± i¡
λ
i i h zasy obsªugimaj¡ rozkªad
G
. Zbada¢nastpuj¡ e protokóªy kolejkowania.1. Przed ka»dym okienkiem jest osobna kolejka. Klien i wybieraj¡
okienko w sposób losowy.
2. Przed ka»dym okienkiem jestosobna kolejka. Klien i wybieraj¡ ko-
lejneokienko,tj.
1, 2, . . . , c, 1, 2, . . .
.3. Jest jedna kolejka igdy nad hodzi zas klient idzie doakurat uwol-
nionego okienka.