Escolar Documentos
Profissional Documentos
Cultura Documentos
Comportamento
de Consumo
2
Revisão
90%
1 1
80%
2 2
Revisão
1000 compras
1000
1p
Revisão
O comportamento das probabilidades de transição:
n p11(n) p12(n) p21(n) p22(n)
1 .90 .10 .20 .80
2 .83 .17 .34 .66
3 .78 .22 .44 .56
4 .75 .25 .51 .49
5 .72 .28 .56 .44
10 .68 .32 .65 .35
20 .67 .33 .67 .33
30 .67 .33 .67 .33
Revisão
67%
n passos
33%
Revisão
É Ergódica
0.9
1 2 1 0.1
1 0.9 0.1
P=
2 0.2 0.8 2 0.8
0.2
Todos os estados são:
(1) Comunicáveis (j é acessível a partir i e vice-versa);
(2) Aperiódicos (# de passos = 1 ou sem 1 múltiplo k);
(3) Recorrentes (não são transientes).
Revisão
Teorema: Seja P a matriz de transição para uma
Cadeia Ergódica com S estados. Então, existe um
vetor de p estado estacionário = [1 ... s] tal que:
1 2 s
2
s
lim P =
n 1
n→
1 2 s
Revisão
1 2 s
1 2
s
lim P =
n
n→
1 2 s
Revisão
Utilizando o Teorema: = P
.90 .10
1 2 = 1 2
.20 .80
1 = .90 1 + .20 2 1 = 2 / 3
2 = .10 1 + .80 2 1 + 2 = 1 2 = 1/ 3
Nascimento e Morte
Processos Nascimento - Morte
Estado do Sistema:
número de clientes
0 1 2 3 4 5
1 em atendimento
e 4 na fila !
Não há clientes
Processos Nascimento-Morte
Seja o número de pessoas presentes em um
sistema com fila no tempo t o estado do sistema no
tempo t. Para t=0,o estado do sistema será igual ao
número de pessoas presentes.
Processos Nascimento-Morte
Seja o número de pessoas presentes em sistema com
fila no tempo t, o estado do sistema no tempo t. Para
t=0, o estado do sistema será igual ao número de
pessoas presentes.
i clientes no sistema
Tempo t = 0 i
Processos Nascimento-Morte
Determinar Pij(t) é calcular a probabilidade de que j
pessoas estejam presentes no sistema no tempo t, dado
que no tempo 0, i pessoas estavam presentes.
Processos Nascimento-Morte
Determinar Pij(t) é calcular a probabilidade de que j
pessoas estejam presentes no sistema no tempo t, dado
que no tempo 0, i pessoas estavam presentes.
Tempo t = 0 i
Processos Nascimento-Morte
Determinar Pij(t) é calcular a probabilidade de que j
pessoas estejam presentes no sistema no tempo t, dado
que no tempo 0, i pessoas estavam presentes.
Tempo t = 0 i
Tempo t j
Processos Nascimento-Morte
Determinar Pij(t) é calcular a probabilidade de que j
pessoas estejam presentes no sistema no tempo t, dado
que no tempo 0, i pessoas estavam presentes.
Pij(n)
j
Processos Nascimento-Morte
Determinar Pij(t) é análogo a obter a probabilidade
de transição em n passos Pij(n) de uma Cadeia de
Markov.
Pij(n) = j
j
Processos Nascimento-Morte
Em problemas de filas j pode ser probabilidade de
que existam j clientes no sistema:
Processos Nascimento-Morte
Em problemas de filas j pode ser probabilidade de que
existam j clientes no sistema:
Tempo t = 0 i
Pij(n) = j
Tempo t j
Processos Nascimento-Morte
Um processo de Nascimento-Morte é um processo
estocástico contínuo no tempo tal que o estado do
sistema é um inteiro não-negativo e pode ser
observado em qualquer instante de tempo e não
apenas em instantes discretos de tempo. Se o
processo de nascimento-morte estiver no estado j no
tempo t, então, o processo é governado pelas
seguintes leis:
Nascimento e Morte
Lei 1: Com probabilidade tt + o(t), um nascimento
ocorre entre t e t+t*. Um nascimento aumenta o
estado do sistema por 1, ou seja, j+1. A variável j é
chamada de taxa de nascimento no estado j. Na
maioria dos modelos de filas, um nascimento é uma
chegada.
tt + o(t)
j j+1
Nascimento e Morte
Lei 2: Com probabilidade tt + o(t), uma morte
ocorre entre t e t+t *. Uma morte reduz o estado do
sistema por 1, ou seja, j-1. A variável j é chamada de
taxa de morte no estado j. Na maioria dos modelos
de filas, uma morte é uma saída.
j-1 j
tt + o(t)
Nascimento e Morte
Lei 3: Os nascimentos e as mortes são independentes
entre si.
tt + o(t)
j j+1
j-1 j
tt + o(t)
Nascimento e Morte
Note que qualquer processo de nascimento-morte é
completamente definido com o conhecimento das
taxas t e j.
tt + o(t)
j j+1
j-1 j
tt + o(t)
Nascimento e Morte
Note que qualquer processo de nascimento-morte é
completamente definido com o conhecimento das
taxas t e j.
tt +físico
Qual o significado o(t) ?
j j+1
j-1 j
tt + o(t)
Exemplo 1
Linha do tempo Docas
Exemplo 1
t
Exemplo 1
t
Exemplo 1
10:00 10:09
Xt
t
dt = t + o( t )
− t
e
0
Exemplo 1
t
dt = t + o( t )
− t
e
0
Exemplo 1
# de
chegadas
t
dt = t + o( t )
− t
e
0
Exemplo 1
# de
chegadas
t
dt = t + o( t )
− t
Distribuição e
0
Poisson
Exemplo 1
Número médio de chegadas
por unidade de tempo
Taxa de
chegada
t
dt = t + o( t )
− t
e
0
Exemplo 1
e −
n
P ( N = n) =
n!
Exemplo 2
Uma loja consegue vender 0,9 carros em média por
dia. Calcular e desenhar o gráfico da distribuição
de Poisson associada para valores do número de
vendas n de 0 até 6 carros.
n P(n)
Exemplo 2
Uma loja consegue vender 0,9 carros em média por
dia. Calcular e desenhar o gráfico da distribuição
de Poisson associada para valores do número de
vendas n de 0 até 6 carros.
Número de carros
n P(n)
Probabilidade
Exemplo 2
n P(n)
0 0,4066
1 0,3659
2 0,1647
3 0,0494
4 0,0111
5 0,0020
6 0,0003
Exemplo 3
O número pedido de copos de cerveja por hora
no bar do Zé segue uma distribuição de Poisson
com média de 30 pedidos por hora.
e − t
(t ) n
P ( Nt = n) =
n!
Calcular probabilidade de ocorrer Nt = 60 cervejas.
−60 60
e (60)
P ( Nt = 60) = = 0.051
60!
Voltando ao Exemplo 1
Taxa de
saída
t
e dt = t + o( t )
− t
0
Voltando ao Exemplo 1
Note que qualquer processo de nascimento-morte é
completamente definido com o conhecimento das
taxas t e j.
2 3
Equações de Balanço
Após algumas deduções matemáticas e o uso de
probabilidades de estado estacionário (limt→Pij(t) = j),
obtém-se as equações de conservação de fluxo:
(j = 0) 00=11
(j = 1) (1 + 1)1 = 00+ 22
(j = 2) (2 + 2)2 = 11+ 33 (1)
•••
(j) (j + j)j = j-1j-1+ j+1j+1
Equações de Balanço
Após algumas deduções
As Equações matemáticas
de Balanço podem ser e orepresentadas
uso de
probabilidades de estado estacionário (limt→Pij(t) = j),
graficamente:
obtém-se as equações de conservação de fluxo:
Nascimento (chegada)
0 ... j-1 j j+1 ...
Morte (serviço completado)
Resumo 0.5
Gráfico de a(t)= e-t para = 0.5
0.45
0.4
0.35
0.3
a(t)=e-t
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
t
Atendimento
Sistema
Resumo 0.5
Gráfico de a(t)= e-t para = 0.5
0.45
0.4
a(t)=e-t
0.25
0.4
0.2
0.35
0.15
0.3
a(t)=e-t
0.1
0.25
0.05
0.2
0
0.15 0 1 2 3 4 5 6 7 8 9 10
t
Atendimento
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
t
Chegada
Sistema
Resumo 0.5
Gráfico de a(t)= e-t para = 0.5
0.45
0.4
a(t)=e-t
0.25
0.4
0.2
0.35
0.15
0.3
a(t)=e-t
0.1
0.25
0.05
0.2
0
0.15 0 1 2 3 4 5 6 7 8 9 10
t
Atendimento
0.1
0.05
População 0
0 1 2 3 4 5
t
6 7 8 9 10
Chegada
Sistema
Resumo 0.5
Gráfico de a(t)= e-t para = 0.5
0.45
0.4
a(t)=e-t
0.25
0.4
0.2
0.35
0.15
0.3
a(t)=e-t
0.1
0.25
0.05
0.2
0
0.15 0 1 2 3 4 5 6 7 8 9 10
t
Atendimento
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
t
Chegada
Saída
Resumo 0.5
Gráfico de a(t)= e-t para = 0.5
0.45
0.4
a(t)=e-t
0.25
0.4
0.2
0.35
0.15
0.3
a(t)=e-t
0.1
0.25
0.05
0.2
0
0.15 0 1 2 3 4 5 6 7 8 9 10
t
Atendimento
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
t
Chegada
Saída
Fila
Resumo
1 2 s
2
s
lim P =
n 1
n→
1 2 s
Modelos de Teoria de Filas
Intensidade de tráfego
Ou fator de utilização
=
Modelos de Teoria de Filas
Fator de utilização
Chegada
=
Saída
Modelos de Teoria de Filas
Fator de utilização
= <1
Estado Estacionário
Como avaliar um sistema? 0.5
Gráfico de a(t)= e-t para = 0.5
0.45
0.4
a(t)=e-t
0.25
0.4
0.2
0.35
0.15
0.3
a(t)=e-t
0.1
0.25
0.05
0.2
0
0.15 0 1 2 3 4 5 6 7 8 9 10
t
Atendimento
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
t
Chegada
Sistema
Métricas de Avaliação
Em problemas de filas j pode ser probabilidade de
que existam j clientes no sistema:
Tempo t = 0 i
Pij(n) = j
Tempo t j
Métricas de Avaliação
A fração de tempo na qual j clientes estão no sistema.
Fração i i
T sistema
Fração j j
Métricas de Avaliação
# médio de
clientes na fila: Lq
Métricas de Avaliação
# médio de
clientes na fila: Lq
# médio de clientes
em atend.: Ls
Métricas de Avaliação
# médio de
clientes na fila: Lq
# médio de
clientes sist.: L
# médio de clientes
em atend.: Ls
Métricas de Avaliação
Tempo médio
de fila: Wq
Tempo médio
de sist.: W
Tempo médio
em atend.: Ws
Métricas de Avaliação
A fórmula de Little relaciona W, Wq e Ws com L,
Lq e Ls, respectivamente:
L = W
Lq = Wq
Ls = Ws
Métricas de Avaliação
Tipos de modelo
Modelo de Fila M/M/s/GD//:
0 1 2 ••• s s+1 •••
2 s
Caso 1
s
Caso 2
Modelo de Fila M/M/R/GD/K/K:
5 4 3 2
0 1 2 3 4 5
2 2 2 2
Caso 1 Caso 2
Modelo M/M/1
Gráfico de a(t)= e-t para = 0.5
0.5
0.45
0.4
0.35
0.3
a(t)=e-t
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
t
Atendimento
Sistema
Modelo M/M/1
Gráfico de a(t)= e-t para = 0.5
0.5
0.45
0.4
0.35
0.3
a(t)=e-t
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
t
Chegada
Sistema
Modelo M/M/1
Fator de utilização
Chegada
=
Saída
Modelo M/M/1
Fator de utilização
= <1
Estado Estacionário
Modelo M/M/1/GD//
Modelo M/M/1/GD//
1
Modelo M/M/1/GD//
1
1 Natureza do processo de chegada: variáveis
aleatórias independentes e identicamente
distribuídas com distribuição exponencial.
Modelo M/M/1/GD//
1
1 Natureza do processo de chegada: variáveis
aleatórias independentes e identicamente
distribuídas com distribuição exponencial.
Modelo M/M/1/GD//
1
1 Natureza do processo de chegada: variáveis
aleatórias independentes e identicamente
distribuídas com distribuição exponencial.
Modelo M/M/1/GD//
2
Modelo M/M/1/GD//
2
2 Natureza do processo de serviço: variáveis
aleatórias independentes e identicamente
distribuídas com distribuição exponencial.
Modelo M/M/1/GD//
2
2 Natureza do processo de serviço: variáveis
aleatórias independentes e identicamente
distribuídas com distribuição exponencial.
Modelo M/M/1/GD//
2
2 Natureza do processo de serviço: variáveis
aleatórias independentes e identicamente
distribuídas com distribuição exponencial.
Modelo M/M/1/GD//
3
Modelo M/M/1/GD//
3
3 Número de servidores em paralelo.
Modelo M/M/1/GD//
3
3 Número de servidores em paralelo.
Modelo M/M/1/GD//
3
3 Número de servidores em paralelo.
1 local
Modelo M/M/1/GD//
4
Modelo M/M/1/GD//
4
4 Disciplina da fila: FCFS – Primeiro a entrar,
primeiro a sair (First come, first served), p. ex.
Modelo M/M/1/GD//
4
4 Disciplina da fila: FCFS – Primeiro a entrar,
primeiro a sair (First come, first served), p. ex.
Modelo M/M/1/GD//
4
4 Disciplina da fila: FCFS – Primeiro a entrar,
primeiro a sair (First come, first served), p. ex.
2 1
Sistema
Modelo M/M/1/GD//
4
4 Disciplina da fila: FCFS – Primeiro a entrar,
primeiro a sair (First come, first served), p. ex.
Sistema
Modelo M/M/1/GD//
5
Modelo M/M/1/GD//
5
5 Número máximo de clientes no sistema
(totalizando clientes na fila e em atendimento).
Modelo M/M/1/GD//
5
5 Número máximo de clientes no sistema
(totalizando clientes na fila e em atendimento).
Modelo M/M/1/GD//
5
5 Número máximo de clientes no sistema
(totalizando clientes na fila e em atendimento).
Ilimitado
Modelo M/M/1/GD//
6
Modelo M/M/1/GD//
6
6 Tamanho da população de clientes.
Modelo M/M/1/GD//
6
6 Tamanho da população de clientes.
Modelo M/M/1/GD//
6
6 Tamanho da população de clientes.
Ilimitado
Modelo de Fila M/M/1/GD//
Equações de Balanço
0 1 2 •••
Modelo de Fila M/M/1/GD//
0 1 2 •••
0
Modelo de Fila M/M/1/GD//
0 1 2 •••
1
Modelo de Fila M/M/1/GD//
0 1 2 •••
2
Modelo de Fila M/M/1/GD//
0 1 2 •••
0 1 2
Modelo de Fila M/M/1/GD//
0 = (1 - )
j = j(1 - ) j = 1, 2, 3, ...
Métricas de Avaliação
L= =
(1 − ) −
Métricas de Avaliação
2
Lq = L − =
1−
Métricas de Avaliação
Ls =
Métricas de Avaliação
A fórmula de Little
Métricas de Avaliação
A fórmula de Little
L = W Lq = Wq Ls = Ws
Exercício 1
Em um drive-thru com 1 atendente 10 carros
chegam por hora. Assumir que o tempo médio
de serviço por cliente é de 4 minutos e
tanto o tempo entre as chegadas e o
tempo de atendimento seguem
distribuição exponenciais.
A. Qual a probabilidade do servidor estar ocioso?
B. Em média qual o tamanho da fila?
C. Em média quanto tempo um carro gasta no sist?
Exercício 1
Em um drive-through com 1 atendente 10 carros
chegam por hora. Assumir que o tempo médio de
serviço por cliente é de 4 minutos e
tanto o tempo entre as chegadas e o
tempo de atendimento seguem
distribuição exponenciais.
A. Qual a probabilidade do servidor estar ocioso?
B. Em média qual o tamanho da fila?
C. Em média quanto tempo um carro gasta no sist?
Exercício 1
Sabendo que o modelo de filas segue M/M/1/GD//,
que a taxa de chegadas é de = 10 carros por hora e
de atendimento é de = 15 carros por hora e que =
/ = 10/15 = 2/3. Como < 1 existe estado
estacionário e pode-se empregar as equações.
Exercício 1
Sabendo que o modelo de filas segue M/M/1/GD//,
que a taxa de chegadas é de = 10 carros por hora e
de atendimento é de = 15 carros por hora e que =
/ = 10/15 = 2/3. Como < 1 existe estado
estacionário e pode-se empregar as equações.
Para obter
usou-se uma
regra de três:
Exercício 1
Sabendo que o modelo de filas segue M/M/1/GD//,
que a taxa de chegadas é de = 10 carros por hora e
de atendimento é de = 15 carros por hora e que =
/ = 10/15 = 2/3. Como < 1 existe estado
estacionário e pode-se empregar as equações.
= 15 = 15
Exercício 1
Se a taxa de chegadas é de = 10 carros por hora
e de atendimento é de = 15 carros por hora e que
= / = 10/15 = 2/3, então:
= 10 = 10
j-1 j j+1
= 15 = 15
0 = (1 - ) = (1 – 2/3) = 1/3
Exercício 1
Em um drive-through com 1 atendente 10 carros
chegam por hora. Assumir que o tempo médio de
serviço por cliente é de 4 minutos e
tanto o tempo entre as chegadas e o
tempo de atendimento seguem
distribuição exponenciais.
A. Qual a probabilidade do servidor estar ocioso?
B. Em média qual o tamanho da fila?
C. Em média quanto tempo um carro gasta no sist?
Exercício 1
2
( 2 / 3) 2
( 4 / 9)
Lq = = = = ( 4 / 3)
1 − 1 − ( 2 / 3) (1 / 3)
Exercício 1
Em um drive-through com 1 atendente 10 carros
chegam por hora. Assumir que o tempo médio de
serviço por cliente é de 4 minutos e
tanto o tempo entre as chegadas e o
tempo de atendimento seguem
distribuição exponenciais.
A. Qual a probabilidade do servidor estar ocioso?
B. Em média qual o tamanho da fila?
C. Em média quanto tempo um carro gasta no sist.?
Exercício 1
L = W → W = L/
Exercício 1
L = W → W = L/
2/3
L= = =2
(1 − ) (1 − 2 / 3)
L = W → W = L/
2/3
L= = =2
(1 − ) (1 − 2 / 3)
Exercício 1
Em um drive-through com 1 atendente 10 carros
chegam por hora. Assumir que o tempo médio de
serviço por cliente é de 4 minutos e
tanto o tempo entre as chegadas e o
tempo de atendimento seguem
distribuição exponenciais.
A. Qual a probabilidade do servidor estar ocioso?
D. Qual a probabilidade de encontrar o sistema com
Fila?
Exercício 1
0 1 2 •••
0 1 2
Exercício 1 Fila
0 1 2 •••
0 1 2
Exercício 1
0 + 1 + 2 + = 1
Fila
Não-Fila
Exercício 1
0 1 2 •••
0 1 2
Exercício 1
Não-Fila
0 + 1 + 2 + = 1
Fila
Exercício 1
p ( ñfila ) = 0 + 1
p ( fila ) = 1 − p ( ñfila )
Exercício 1
p ( ñfila ) = (1 − ) + (1 − )
(5)
p ( fila ) = 1 − (1 − ) = = 0,44
(5)
2 2