排队论及其应用Lecture1回顾概率论.pptVIP

随机不等式 定理（马尔科夫不等式）：令随机变量 X 的期望为E[X]，且 X 非负，即 P[X0]=0。对任意t0，以下不等式成立 证明： * 定理（车比雪夫不等式）：令随机变量X的期望为E[X]，标准差σ。对任意 t0，以下不等式成立 证明：考虑随机变量 (X-E[X])2，对 (X-E[X])2应用马尔科夫不等式，并用t2替换t。 * 定理（单边不等式）：令随机变量X的期望为E[X]，标准差σ。以下不等式成立 如果 tE[X]， 如果 tE[X]， * 例：访问某网站平均完成网页下载的时间是10秒，下载时间超过20秒的概率最大是多少？ 应用马尔科夫不等式 如果进一步知道下载时间的标准差是2秒，访问时间在4秒和16秒之间的概率最大为多少？ 应用车比雪夫不等式， * 例：访问某大型数据库平均下载一条记录的时间是400毫秒，下载时间标准差是116毫秒。数据库设计要求90%以上的下载不能超过750毫秒，问这个数据库是否符合设计要求？ 方案1，使用单边不等式， 方案2，使用车比雪夫不等式 * 符合设计要求 不确定是否符合设计要求 * Question and Answer * * * 典型离散分布--几何分布（Geometric Distribution） 一系列伯努力实验，记 X 为首次出现结果为“成功”时失败的实验次数 * MATLAB: Y = geocdf(X,P); Y = geopdf(X,P); R = geornd(P) 典型离散分布--泊松分布（Poisson Distribution） 一个服从参数λ的泊松分布的离散随机变量X 定理： 如果实验次数趋于无穷，实验成功率趋于0，且λ=Np恒定，则成功次数服从泊松分布。 例： 电话呼叫中心每分钟接到的呼叫请求数 受到辐射后10年发生变异的DNA序列数 … * MATLAB： R = poissrnd(LAMBDA) Y = poisspdf(X,LAMBDA) P = poisscdf(X,LAMBDA) * 典型连续分布--均匀分布（Uniform Distribution） 服从[a,b]上的均匀分布的连续随机变量，概率密度函数为 * MATLAB：Y=rand 典型连续分布--指数分布（Exponential Distribution） 一个服从参数λ指数分布连续随机变量，概率密度函数 马尔科夫性质（无记忆性） * 通常用于表示两个事件之间的时间间隔，例如: 你接到两次电话（或邮件）之间的时间间隔 发生衰变的粒子的寿命 … * MATLAB： R = exprnd(MU) Y = exppdf(X, MU) P = expcdf(X, MU) 典型连续分布--正态（高斯）分布（Normal/Gaussian Distribution） 一个服从参数μ和σ0的正态分布N(μ, σ2)连续随机变量，概率密度函数 标准正态分布N(0,1)， μ=0， σ=1。 定理：X1, X2,…, Xn是正态分布随机变量，其分布记为N(μ1, σ12), N(μ2, σ22), …, N(μn, σn2)，则Y= X1+X2+…+Xn也服从正态分布，均值为 μY=μ1+ μ2+…+ μn，方差为σY2=σ12+ σ22+… σn2 * * MATLAB: R = normrnd(MU,SIGMA) Y = normpdf(X,MU,SIGMA) 典型连续分布-- k型爱尔兰分布（Erlang-k Distribution） 一个连续随机变量X服从参数λ的k 型爱尔兰分布，则它的pdf为 k型爱尔兰分布的含义：假设一个流程经过k道工序，每道工序耗时服从参数为kλ的指数分布，则整个流程耗时服从参数λ的k型爱尔兰分布 * 如果k?无穷大，X是一个常数 例：假设维修某设备需要5道工序，每道工序平均耗时10分钟，服从指数分布。问工程师在一小时内修好设备的概率？一个半小时？ k=5，1/5λ=10min， * 随机变量的联立分布 随机变量X和Y是定义在样本空间Ω的两个随机变量，定义X与Y的联立分布为 性质： X与Y是离散随机变量 X与Y是连续随机变量 * 例：掷两个骰子 p(X=i,Y=j)=1/36。其中i 和 j 取值范围为1、2、3、4、5、6。 忽略一个骰子Y，pX(i)=6*1/36=1/6。 例：同理 * 两个随机变量X与Y满足下列任意一个条件，X与Y独立 离散随机变量， 连续随机变量， 定义随机变量的X和Y的协方差（covariance） 如果Cov(X,Y)=0，则称X与Y是非相关的 X 与 Y 相互独立?X与Y非相关，但是反之不成立 协方差衡量两个变量是否有一起变化的趋势 * X，