Escolar Documentos
Profissional Documentos
Cultura Documentos
I
p
r
c
W D
f
Trata-se de um grafo em que:
Estados e eventos
Estado: Uma variável que, se fôr conhecida num dado momento, permite
calcular a evolução futura se conhecermos os eventos futuros.
Partida
4
3
2
1
0
tempo
• Linguagens
• Linguagens temporizadas
• Linguagens temporizadas estocásticas
Fila Servidor
Chegadas Partidas
do cliente para o
cliente
O modelo de fila de espera pode ser usado como um bloco básico de modelos
mais complexos (“redes de filas de espera”).
Repare-se que um servidor pode receber entradas de várias filas e/ou
alimentar várias outras filas.
D1
Chegada CPU
dos jobs
D2
Partida
dos jobs
Os jobs chegam à fla de espera da CPU.
Uma vez servidos pela CPU, ou partem ou pedem acesso a um de dois
discos. Regressam então para mais serviço na CPU.
D1
Chegada CPU
dos jobs
D2
Partida
dos jobs
D1
Chegada CPU
dos jobs
D2
Partida
dos jobs
x = [xCPU , x1 , x2 ]
T
1 2
Conjunto de eventos:
E = {a, c1 , d 2 }
• a = chegada do mundo exterior à primeira máquina
Cadeias de Markov
Uma cadeia de Markov de ordem n é descrita por:
S j com probabilidade ai , j .
0.25
0.5 N
0.5 0.5
S 0.5 C
0.5
1−α
α 1
N A
Matrizes estocásticas
As probabilidades de transição de uma cadeia de Markov podem ser vistas
como os elementos de uma matriz:
Vectores de probabilidade
Um vector de probabilidade é um vector:
• Todas as suas componentes são não negativas;
• A soma de todas as componentes é igual a 1.
T
Pode mostrar-se facilmente (problema) que se x é um vector linha de
T
probabilidade e A é uma matriz probabilística, então x A também é um
vector de probabilidade.
Os vectores de probabilidade são assim transformados em vectores de
probabilidade pelas matrizes estocásticas.
Processo de transição
P T (k ) = [P1 ( k ) L Pn ( k )]
Este vector evolui do seguinte modo
P T ( k + 1) = P T ( k ) A
P (k + 1) = AT P ( k )
Em q passos, tem-se:
P (k + q) = A ( )T q
P(k )
J. Miranda Lemos IST-DEEC
Modelação e Simulação – 8.Sistemas de acontecimentos discretos 31
P T ( k + 1) = P T ( k ) A
P1=1
⎡ a11a12 L a1 j L a1n ⎤
⎢a a22 L a2 j L a2 n ⎥⎥
[P1 (k + 1) L Pn (k + 1)] = [P1 (k ) L Pn (k )]⎢⎢ 21
M M M M M M ⎥
⎢ ⎥
an 2 L anj L ann ⎥⎦
⎢⎣ an1
P
O elemento j ( k + 1) é dado pelo produto interno de P T
( k ) e da coluna j :
Pj ( k + 1) = P1 (k ) a1 j + P2 ( k ) a2 j + K + Pn ( k ) anj
que tem uma interpretação probabilística clara.
A expressão
Pj ( k + 1) = P1 (k ) a1 j + P2 ( k ) a2 j + K + Pn ( k ) anj
Uma cadeia de Markov diz-se regular sse A > 0 para algum inteiro positivo
m
m.
PT = PT A