排队论问题讲解.ppt

几种重要的概率分布; ;5 ?? （负）指数分布 它是一种连续型的概率分布，它的概率密度为 f（x）= λe-λx x≥0 0 x0 分布函数： F（x）=1-e-λx x≥0 指数分布的一个有用的性质是它的数学期望等于标准差： μx = σx = 1/λ 在连续型随机变量中，只有指数分布具有无后效性。 即： 若随机变量ζ服从指数分布， 对任意的 s0 ,t0 ，有 P{ζs+t|ζs}=P{ζt} 在离散型随机变量中，只有几何分布具有无后效性。这两种分布可以分别用来描绘离散等待时间和连续等待时间。 在排队理论中，指数分布是很重要的。它可以描述某一任务（或顾客）的服务持续时间。; k阶爱尔朗分布 概率密度: f (x)= (λkx)n-1λke-λkx /(n-1)! x≥0，λ0. 0 x0 数字特征： E[X]=1/λ; Var[X]=1/（kλ2 ） ? 如果k个随机变量Xi，i=1，2，…,k,分别服从指数分布，那么随机变量X=X1+X2+ …+Xk服从k阶爱尔朗分布。即：具有k阶爱尔朗分布的随机变量可以看作具有同一指数分布的独立的k个随机变量之和。 k阶爱尔朗分布在排队模型中，得到广泛应用。如：假定顾客在到达窗口排队必须通过一个关口，这个关口由k层构成，通过每层的时间服从参数为λ的指数分布，这样顾客通过整个关口到达窗口排队时，就实现了爱尔朗分布。 如下图： k … 2 1 00…00 窗口;基本组成;排队系统的到达和服务;泊松分布和指数分布在排队论中的应用;（负）指数分布： 它是一种连续型的概率分布，它的概率密度： f（x）=λe-λx x≥0 它的分布函数：F（x）=1-e-λx x≥0 指数分布的一个有用的性质是它的数学期望等于标准差：μx = σx = 1/λ 泊松分布和指数分布的关系： 如果顾客以泊松到达,则顾客到达的时间间隔Ta服从指数分布，即： P{Tat}= 1-e-λt , E[Ta]=1/ λ 因此，平均到达的时间间隔是到达速率的倒数???; 服务规律的描述; 基本排队关系; 队列分析的任务和假设条件;模型之： M/M/*排队模型;M/M/1 系统运行指标;M/M/c模型;基本排队模型－记号方案;基本排队模型－记号;基本排队模型－统计平稳条件下的记号;统计平稳条件下的系统运行指标;L, W, Lq, Wq的关系;???? M / M / C 模型;多服务台指数分布排队系统的分析（了解过程，理解结论）;用递推法解上述差分方程，可求得状态概率。;建立排队模型步骤 1.确定表达排队问题各个变量并建立它们之间的相互关系。 2.根据现有的数据，运用适当的统计检验，假设检验有关分布。