Untitled

Revisão
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.
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
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 = 0 i
Tempo t j
Pij(n)
j
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
Em problemas de filas j pode ser probabilidade de
que existam j clientes no sistema:
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
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 tt + 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.
tt + o(t)
j j+1
Nascimento e Morte
Lei 2: Com probabilidade tt + 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
tt + o(t)
Nascimento e Morte
Lei 3: Os nascimentos e as mortes são independentes
entre si.
tt + o(t)
j j+1
j-1 j
tt + o(t)
Nascimento e Morte
Note que qualquer processo de nascimento-morte é
completamente definido com o conhecimento das
taxas t e j.
tt + o(t)
j j+1
j-1 j
tt + o(t)
Nascimento e Morte
taxas t e j.
tt +físico
Qual o significado o(t) ?
j j+1
j-1 j
tt + o(t)
Exemplo 1
Linha do tempo Docas
Exemplo 1
t
Exemplo 1
t
Exemplo 1
10:00 10:09 10:17

Exemplo 1
Intervalo entre as chegadas
10:00 10:09 10:17

Exemplo 1
9 min 8 min
10:00 10:09 10:17 Distribuição

Exponencial
Nascimento e Morte
O principal motivo para escolha da exponencial é
devido à propriedade de que ela não tem memória.
Matematicamente, se o intervalo entre as chegadas

são variáveis aleatórias contínuas e independentes
descritas pela variável aleatória A, então:
Probabilidade de ocorrer uma chegada
P(A > t + t | A  t) = P (A > t)

Exemplo 1
9 min
10:00 10:09
P(A > t + t | A  t) = P (A > t)

Exemplo 1
Portanto, a equação diz que para determinar a
probabilidade da próxima chegada basta saber
quanto tempo se passou desde a última chegada
(t) e não quando isto ocorreu (t).
P(A > t + t | A  t) = P (A > t)

Aula sobre Cadeias de Markov
A equação (1) diz que a função de distribuição de
probabilidade do estado no instante t+1 depende do
estado no tempo t (Xt) e não depende dos estados da
cadeia percorridos para até se atingir Xt no tempo t.
Ganha (p) Xt+1
Xt
Perde (1-p) Xt+1

• Processo sem memória
Exemplo 1
Linha do tempo
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
Se Nt é Poisson com parâmetro t, então, ocorre

uma média de t chegadas durante o intervalo de
tempo de tamanho t e o valor  pode ser visto
como o número médio de chegadas por unidade de
tempo, ou a taxa de chegada.
Teorema
O tempo entre as chegadas é
Exponencial com parâmetro 
se e somente se o número de
chegadas Nt que ocorrem em
um intervalo de tamanho t
seguir uma função de
distribuição de probabilidade
Poisson com parâmetro t.
Distribuição de Poisson
Uma variável aleatória discreta N segue a distribuição
de Poisson com parâmetro  se, para n = 0, 1, 2,...
Probabilidade Número de Número médio

chegadas de chegadas
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.
Qual a probabilidade de que

exatamente 60 cervejas sejam
pedidas entre 22:00 e 00:00?
Exemplo 3
Achar Poisson com parâmetro *t = 2*30 = 60.
e − t
(t ) n
P ( Nt = n) =
n!
Calcular probabilidade de ocorrer Nt = 60 cervejas.
−60 60
e (60)
P ( Nt = 60) = = 0.051
60!
Voltando ao Exemplo 1
10:08 10:15 10:22

Número médio de saídas
por unidade de tempo
Taxa de
saída
t
 e dt = t + o( t )
− t
0
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) 00=11
(j = 1) (1 + 1)1 = 00+ 22
(j = 2) (2 + 2)2 = 11+ 33 (1)
•••
(j) (j + j)j = j-1j-1+ j+1j+1
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
0.45
0.4

0.35
0.5
0.3
0.45
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
0.45
0.4

0.35
0.5
0.3
0.45
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
0.45
0.4

0.35
0.5
0.3
0.45
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
0.45
0.4

0.35
0.5
0.3
0.45
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
Como evitar que

a fila cresça
indefinidamente?
Aula sobre Cadeias de Markov
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
Modelos de Teoria de Filas
Intensidade de tráfego
Ou fator de utilização

=

Fator de utilização
Chegada 
=
 Saída

= <1

Estado Estacionário
Como avaliar um sistema? 0.5
0.45
0.4

0.35
0.5
0.3
0.45
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
A fração de tempo na qual j clientes estão no sistema.
Fração i i
T sistema
Fração j j
# médio de
clientes na fila: Lq
# médio de
# médio de clientes
em atend.: Ls
# médio de
# médio de
clientes sist.: L
# médio de clientes
em atend.: Ls
Tempo médio
de fila: Wq
Tempo médio
de sist.: W
Tempo médio
em atend.: Ws
A fórmula de Little relaciona W, Wq e Ws com L,
Lq e Ls, respectivamente:
L = W
Lq = Wq
Ls = Ws
Sistema Fila Serviço

Tempo Médio W Wq Ws
# Médio Clientes L Lq Ls

j probabilidade de que existam j clientes no sistema.
fração de tempo na qual j clientes estão no sistema.

Tipos de modelo
Notação de Kendall- Lee
Tipos de modelo
Notação de Kendall- Lee
1 Natureza do processo de chegada;
2 Natureza do processo de serviço;

3 Número de servidores em paralelo;
4 Disciplina da fila;
5 Número máximo de clientes no sistema.

6 Tamanho da população de clientes.
Tipos de modelo
Modelo de Fila M/M/1/GD//:
  
0 1 2 •••
  
Modelo de Fila M/M/1/GD/c/:
    
0 1 2 ••• c-1 c
    
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

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

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
Chegada 
=
 Saída
Modelo M/M/1

= <1

Estado Estacionário
Modelo M/M/1/GD//
1
1
1 Natureza do processo de chegada: variáveis
aleatórias independentes e identicamente
distribuídas com distribuição exponencial.
1
1
2
2
2 Natureza do processo de serviço: variáveis
2
2
3
3
3 Número de servidores em paralelo.
3
3
1 local
4
4
4 Disciplina da fila: FCFS – Primeiro a entrar,
primeiro a sair (First come, first served), p. ex.
4
4
2 1
Sistema
4
Sistema
5
5
5 Número máximo de clientes no sistema
(totalizando clientes na fila e em atendimento).
5
5
Ilimitado
6
6
6
6
Ilimitado
Modelo de Fila M/M/1/GD//
  
0 1 2 •••
  
  
0 1 2 •••
  
0
  
0 1 2 •••
  
1
  
0 1 2 •••
  
2
  
0 1 2 •••
  
0 1 2
0 = (1 - )
j = j(1 - ) j = 1, 2, 3, ...

j probabilidade de que existam j clientes no sistema.
fração de tempo na qual j clientes estão no sistema.


 
L= =
(1 −  )  −

 2
Lq = L −  =
1− 

Ls = 


A fórmula de Little

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
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
Para obter 
usou-se uma
regra de três:
Exercício 1
Para obter  1 carro – 4 min

usou-se uma  Carros – 60 min (1 hora)
regra de três:
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
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
Exercício 1
 2
( 2 / 3) 2
( 4 / 9)
Lq = = = = ( 4 / 3)
1 −  1 − ( 2 / 3) (1 / 3)
Exercício 1
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)
W = 2/10 = 1/5 hora = 12 minutos

Exercício 1
L = W → W = L/
 2/3
L= = =2
(1 −  ) (1 − 2 / 3)
Exercício 1
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

Untitled

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Untitled

Enviado por

Direitos autorais:

Formatos disponíveis

Revisão

10:00 10:09 10:17

10:00 10:09 10:17

10:00 10:09 10:17 Distribuição

Matematicamente, se o intervalo entre as chegadas

P(A > t + t | A  t) = P (A > t)

P(A > t + t | A  t) = P (A > t)

P(A > t + t | A  t) = P (A > t)

Ganha (p) Xt+1

Perde (1-p) Xt+1

Se Nt é Poisson com parâmetro t, então, ocorre

Probabilidade Número de Número médio

Qual a probabilidade de que

10:08 10:15 10:22

Gráfico de a(t)=  e-t para  = 0.5

Gráfico de a(t)=  e-t para  = 0.5

Gráfico de a(t)=  e-t para  = 0.5

Gráfico de a(t)=  e-t para  = 0.5

Como evitar que

Gráfico de a(t)=  e-t para  = 0.5

Sistema Fila Serviço

Sistema Fila Serviço

j probabilidade de que existam j clientes no sistema.

fração de tempo na qual j clientes estão no sistema.

2 Natureza do processo de serviço;

5 Número máximo de clientes no sistema.

Sistema Fila Serviço

j probabilidade de que existam j clientes no sistema.

fração de tempo na qual j clientes estão no sistema.

Sistema Fila Serviço

Sistema Fila Serviço

Sistema Fila Serviço

Sistema Fila Serviço

Sistema Fila Serviço

Sistema Fila Serviço

Para obter  1 carro – 4 min

W = 2/10 = 1/5 hora = 12 minutos

Você também pode gostar