5.

Các quá trình ng u nhiên (1)

Lect05.ppt S-38.145 - Introduction to Teletraffic Theory – Spring 2005 1

5. Stochastic processes (1)

Contents

• Các khái ni m cơ b n
• Quá trình Poisson
process

2
5. Stochastic processes (1)

Các quá trình ng u nhiên (1)

• Xét m t đ i lư ng s lư ng nào đó trong m t h th ng lưu lư ng

• Đ i lư ng này ti n tri n theo th i gian m t cách ng u nhiên
– VD 1: s kênh b chi m trong m t tuy n đi n tho i th i đi m t
ho c t i th i đi m t i c a khách hàng th n
– VD2 : s packets trong buffer c a m t b ghép kênh th ng kê t i th i
đi m t t i th i đi m t i c a khách hàng th n
• Ki u ti n tri n này đư c mô t b i m t quá trình ng u nhiên
– T i th i đi m riêng t (ho c n) b t k h th ng có th mô t b i m t
bi n ng u nhiên
– Vì v y, quá trình ng u nhiên là t p h p c a các bi n ng u nhiên

3
5. Stochastic processes (1)

Stochastic processes (2)

• Đ nh nghĩa: M t quá trình ng u nhiên (giá tr th c) X = (Xt | t ∈ I) là m t

t p h p c a các bi n ng u nhiên Xt
– nh n giá tr t p giá tr th c S, Xt(ω) ∈ S, nào đó
– đư c gán ch s b i m t tham s giá tr th c (th i gian) t ∈ I.
• Các quá trình ng u nhiên stochastic processes còn đư c g i là random
processes (ho c ch đơn gi n là processes)
• T p ch s I ⊂ ℜ đư c g i là không gian tham s (parameter space)
c a quá trình ng u nhiên
• T p giá tr S ⊂ ℜ đư c g i là không gian tr ng thái (state space) c a
quá trình ng u nhiên
• Note: Sometimes notation Xt is used to refer to the whole stochastic
process (instead of a single random variable related to the time t)

4
5. Stochastic processes (1)

Stochastic processes (3)

• M i bi n ng u nhiên (riêng) Xt là m t phép ánh x t không gian

m u Ω thành các giá tr th c ℜ:

X t : Ω → ℜ, ω a X t (ω )
• Vì v y, m t quá trình ng u nhiên X có th đư c xem như m t phép
ánh x t không gian m u Ω thành t p các hàm giá t th c ℜI (v i t
∈ I là đ i s ):

X : Ω → ℜ I , ω a X (ω )
• M i đi m m u ω ∈ Ω đư c g n v i m t hàm giá tr th c X(ω). Hàm
X(ω) đư c g i là m t realization (hay path hay trajectory) c a quá
trình ng u nhiên
of the process.
5
5. Stochastic processes (1)

Tóm t t

• Cho trư c đi m m u ω ∈ Ω
– X(ω) = (Xt(ω) | t ∈ I) là m t hàm giá tr th c (theo t ∈ I)
• Cho trư c ch s th i gian t ∈ I,
– Xt = (Xt(ω) | ω ∈ Ω) là m t bi n ng u nhiên (theo ω ∈ Ω)
• Cho trư c đi m m u ω ∈ Ω và ch s th i gian t ∈ I,
– Xt(ω) m t giá tr th c

6
5. Stochastic processes (1)

Example

• Xét quá trình lưu lư ng X = (Xt | t ∈ [0,T]) trên m t tuy n gi a hai

t ng đài trong m t kho ng th i gian [0,T] nào đó
– Xt ký hi u s kênh b chi m t i th i gian t
• Các đi m m u ω ∈ Ω cho bi t
– s kênh b chi m X0 t i th i đi m 0,
– th i gian c a các cu c g i đang di n ra t i th i đi m 0,
– th i gian các cu g i m i t i, và
– th i gian gi máy c a các cu c g i m i này.
• T thông tin này, có th xây d ng realization X(ω) c a quá trình lưu
lư ng X
– Chú ý r ng t t c tính ch t ng u nhiên trong quá trình n m trong đi m m u ω
– Cho trư c đi m m u , realization c a quá trình ch là m t hàm xác đ nh c a
th i gian
7
5. Stochastic processes (1)

Traffic process

channel-by-channel call holding

occupation time
6
channels

5
4
3
2
1

time
call arrival times
blocked call
nr of channels
occupied
nr of channels

6
5
4
3
2
1
0
traffic volume time

8
5. Stochastic processes (1)

Phân lo i các quá trình ng u nhiên

• Nh c l i:
– Không gian tham s : t p I c a các ch s t ∈ I
– Không gian tr ng thái: t p S c a các giá tr Xt(ω) ∈ S
• Phân lo i:
– d a trên không gian tham s :
• Các quá trình ng u nhiên r i r c : không giam tham s là r i r c
• Các quá trình liên t c th i gian : không gian tham s liên t c
– d a trên không gian tr ng thái :
• Các quá trình tr ng thái r i r c: không gian tr ng thái r i r c
• Các quá trình tr ng thái liên t c: không gian tr ng thái liên t c
• Trong bài này chúng ta ch t p trung vào các quá trình ng u nhiên
tr ng thái r i r c (v i không gian tr ng thái (th i gian) r i r c ho c
liên t c)
– Các quá trình đi n hình mô t s khách hàng trong m t h th ng hàng ch
(không gian tr ng thái S = {0,1,2,...})
9
5. Stochastic processes (1)

Ví d

• Các quá trình tr ng thái r i r c, th i gian r i r c

– VD 1: s kênh b chi m trong m t tuy n đi n tho i t i th i đi m
t i c a khách hàng th n, n = 1,2,...
– VD 2: s packets trong buffer c a m t b ghép kênh th ng kê t i th i
đi m t i c a khách hàng th n, n = 1,2,...
• Các quá trình r i r c tr ng thái, liên t c th i gian
– VD 3: s kênh b chi m trong m t tuy n đi n tho i t i th i đi m
t>0
– Example 4: s packets trong buffer c a m t b ghép kênh th ng kê t i
th i đi m t > 0

10
5. Stochastic processes (1)

Ký hi u

• V i quá trình th i gian r i r c,

– không gian tr ng thái thư ng là t p s nguyên dương , I = {1,2,…}
– ch s t thư ng đư c thay th b ng n: Xn, Xn(ω)

• V i quá trình th i gian liên t c,

– không gian tham s đi n hình ho c là m t kho ng h u h n, I = [0, T],
ho c là t t c các giá tr th c không âm, I = [0, ∞)
– Trong trư ng h p này, ch s t thư ng đư c vi t không ph i ch s dư i
mà đ t vào trong ngo c:
X(t), X (t;ω)

11
5. Stochastic processes (1)

Phân b

• Bi u di n ng u nhiên c a m t quá trình ng u nhiên X đư c th c

hi n b i t t c các phân b có chi u h u h n

P{ X t1 ≤ x1, K, X t n ≤ xn }

trong đó t1,…, tn ∈ I, x1,…, xn ∈ S và n = 1,2,...

• Nói chung, quá trình bi u di n này không d dàng do tính ch t ph thu c
gi a các bi n ng u nhiên Xt (v i các giá tr th i gian t khác nhau)
• V i các quá trình tr ng thái r i r c, có th coi là đ khi xét các xác su t
d ng

P{ X t1 = x1 ,K , X tn = xn }
– cf. discrete distributions

12
5. Stochastic processes (1)

Tính ch t ph thu c

• Ví d đơn gi n nh t (nhưng không thú v ) c a m t quá trình ng u

nhiên là quá trình mà t t c các bi n ng u nhiên Xt đ c l p l n
nhau. Trong trư ng h p này

P{ X t1 ≤ x1,..., X t n ≤ xn } = P{ X t1 ≤ x1}L P{ X t n ≤ xn }
• Ví d đơn gi n nh t không th b qua là m t quá trình Markov
tr ng thái r i r c. Trong trư ng h p này
P{ X t1 = x1 ,..., X tn = xn } =
P{ X t1 = x1} ⋅ P{ X t2 = x2 | X t1 = x1}L P{ X tn = xn | X t n−1 = xn −1}
• Trư ng h p này liên quan đ n tính ch t Markov:
– Cho trư c tr ng thái hi n t i (c a quá trình), tương lai (c a quá trình) không
ph thu c vào quá kh (c a quá trình), t c là. không ph thu c vào tr ng
thái đã ti n tri n đ n tr ng thái hi n th i như th nào 13
5. Stochastic processes (1)

Tính ch t d ng

• Đ nh nghĩa: Quá trình ng u nhiên X là d ng n u trên t t c chi u

h uh n
distributions are invariant to time shifts, that is:
P{ X t1 + ∆ ≤ x1,K , X t n + ∆ ≤ xn } = P{ X t1 ≤ x1, K, X t n ≤ xn }

v i m i ∆, n, t1,…, tn và x1,…, xn
• H qu : Ch n n =1, t t c các bi n ng u nhiên (riêng) c a quá
trình d ng Xt có phân b gi ng nhau:

P{ X t ≤ x} = F ( x)

v i m i t ∈ I. Đây là phân b d ng c a quá trình.

14
5. Stochastic processes (1)

Các quá trình ng u nhiên trong lý thuy t lưu lư ng

• Trong môn h c này (và trong lý thuy t lưu lư ng nói chung)

c n s d ng các quá trình ng u nhiên đ mô t
– Quá trình t i c a khách hàng
– Tr ng thái c a h th ng (state process)
• Trư ng h p th hai còn đư c g i là quá trình lưu lư ng

15
5. Stochastic processes (1)

Quá trình t i

• M t quá trình t i có th đư c mô t b i
– M t point process (τn | n = 1,2,...) trong đó τn cho bi t th i đi m t i c a khách
hàng th n (discrete-time, continuous-state)
• không gi m: τn+1 ≥ τn v i m i n
– vì v y không d ng!
• M t cách đi n hình có th gi thi t là các th i gian t i τn − τn-1 là đ c là đ c
l p và phân b như nhau (IID) ⇒ renewal process
• Như v y, đ đ đi u ki n đ xác đ nh phân b th i gian gi a các l n t i
(interarrival time)
• Th i gian gi a các l n t i IID phân b hàm mũ ⇒ Quá trình Poisson
– M t counter process (A(t) | t ≥ 0) trong đó A(t) cho bi t s l n t i cho t i th i
đi m t (continuous-time, discrete-state)
• không gi m: A(t+∆) ≥ A(t) v i m i t,∆ ≥ 0
– vì v y không d ng!
• Gia tăng phân b như nhau và đ c l p A(t+∆) − A(t)
16
v i phân b Poisson distribution ⇒ Poisson process
5. Stochastic processes (1)

State process

• Trong các trư ng h p đơn gi n nh t

– tr ng thái c a h th ng đư c mô t ch b i m t s nguyên
• Vd: s cu c g i hay packet t i th i đi m t X(t)
– Tr ng thái này t o thành m t state process tr ng thái r i r c và th i gian
liên t c
• Trong các trư ng h p ph c t p hơn,
– state process là m t vector s nguyên (cf. loss and queueing network
models)
• Đi n hình chúng ta quan tâm đ n
– xem state process có phân b d ng hay không –
n u có, là phân b gì?
• M c dù, tr ng thái c a h th ng không tuân theo phân b d ng t i
th i đi m 0, trong nhi u trư ng h p phân b tr ng thái (state distribution)
ti n t i phân b d ng khi t ti n t i ∞
17
5. Stochastic processes (1)

Contents

• Các khái ni m cơ b n
• Quá trình Poisson

18
5. Stochastic processes (1)

Bernoulli process

• Đ nh nghĩa: quá trình Bernoulli v i xác su t thành công p là m t

chu i vô h n (Xn | n = 1,2,...) các thí nghi m ng u nhiên đ c l p và
gi ng nhau theo ki u Bernoulli v i xác su t thành công p
• Quá trình Bernoulli rõ ràng là r i r c v th i gian và r i r c v tr ng
thái
– Parameter space: I = {1,2,…}
– State space: S = {0,1}
• Finite dimensional distributions (note: Xn’s are IID):
P{ X 1 = x1,..., X n = xn } = P{ X 1 = x1}L P{ X n = xn }
n
= ∏ p xi (1 − p )1− xi = p ∑i i (1 − p ) ∑i i
x n− x
i =1
• Quá trình Bernoulli là quá trình d ng (stationary distribution: Bernoulli(p))
19
5. Stochastic processes (1)

Đ nh nghĩa Poisson process

• Quá trình Poisson là b n sao th i gian liên t c c a m t quá trình

Bernoulli
– là m t point process (τn | n = 1,2,...) v i τn cho bi t th i gian x y ra c a s
ki n th n, (vd. l n t i c a m t khách hành)
– “failure” trong quá trình Bernoulli bây gi là m t l n t i c a m t khách
hàng
• Đ nh nghĩa 1: M t point process (τn | n = 1,2,...) là m t quá trình Pois-
son v i cư ng đ y λ n u xác su t có m t s ki n trong kho ng th i
gian ng n (t, t+h] là λh + o(h) đ c l p v i các kho ng th i gian khác
– o(h) bi u di n hàm b t k sao cho o(h)/h → 0 khi h → 0
– các s ki n m i x y ra v i cư ng đ không đ i λ: (λh + o(h))/h → λ
– xác su t không có l n t i nào trong kho ng (t, t+h] là 1 − λh + o(h)
• Đư c đ nh nghĩa như là m t point process, Poisson process là
th i gian r i r c, tr ng thái liên t c
– Parameter space: I = {1,2,…}
20
– State space: S = (0, ∞)
5. Stochastic processes (1)

Đ nh nghĩa khác c a Poisson process

• xét kho ng th i gian gi a các l n t i τn − τn-1 gi a hai s ki n (τ0 = 0)

– Do cư ng đ x y ra s ki n không đ i v i tham s λ, k t thúc c a th i
gian gi a các l n t i trong m t kho ng chu k ng n (t, t+h], sau khi đã
kéo dài m t kho ng th i gian t, không ph thu c vào t (hay các l n t i
trư c đó)
– Vì v y, các th i gian gi a các l n t i là đ c l p và, hơn n a, có tính ch t
không nh . Tính ch t này ch có th là tính ch t c a phân b mũ
(continuous-time distributions)
• Đ nh nghĩa 2: M t point process (τn | n = 1,2,...) là quá trình Poisson
v i cư ng đ λ n u các th i gian gi a các l n t i τn − τn−1 đ c l p
và phân b gi ng nhau v i joint distribution Exp(λ)

21
5. Stochastic processes (1)

M t đ nh nghĩa khác n a c a Poisson process (1)

• Cu i cùng, xét m t s s ki n A(t) trong kho ng th i gian [0,t]

– Trong m t quá trình Bernoulli, s l n thành công trong m t kho ng c đ nh
s tuân theo phân b nh th c (binomial distribution). Khi “khe th i gian”
ti n t i 0, phân b này ti n t i phân b Poisson.
– Chú ý A(0)=0
• Đ nh nghĩa 3: M t counter process (A(t) | t ≥ 0) là quá trình Poisson
v i cư ng đ λ n u gia tăng c a nó trong các kho ng không k nhau là
đ c l p và tuân theo phân b Poisson như sau:

A(t + ∆) − A(t ) ∼ Poisson (λ∆ )

• Đư c đ nh nghĩa như là m t counter process, Poisson process là liên
t c v th i gian và gián đo n v tr ng thái
– Parameter space: I = [0, ∞)
– State space: S = {0,1,2,…}
22
5. Stochastic processes (1)

Poisson process, yet another definition (2)

• Phân b m t chi u: A(t) ∼ Poisson(λt)

– E[A(t)] = λt, D2[A(t)] = λt
• Các phân b chi u h u h n (do tính ch t đ c l p c a các
kho ng không giao nhau):
P{ A(t1 ) = x1,..., A(tn ) = xn } =
P{ A(t1 ) = x1}P{ A(t2 ) − A(t1 ) = x2 − x1}L
P{ A(tn ) − A(tn −1 ) = xn − xn −1}
• Poisson process, đư c đ nh nghĩa là m t counter process không
d ng, nhưng có các gia tăng d ng
– vì v y, nó không có phân b d ng, nhưng có gia tăng đ c l p và
phân b như nhau

23
5. Stochastic processes (1)

Ba cách mô t Poisson process

• C ba đ nh nghĩa c a m t Poisson process th c t là tương đương

A(t)

τ4−τ3

τ1 τ2 τ3 τ4

no event with prob. 1−λh+o(h)

event with prob. λh+o(h)

24
5. Stochastic processes (1)

Tính ch t (1)

• Tính ch t 1 (Sum): Gi thi t A1(t) và A2(t) là hai quá trình Poisson

đ c l p v i cư ng đ λ1 và λ2. Như v y, quá trình t ng (x p ch ng)
A1(t) + A2(t) là m t Poisson process v i cư ng đ λ1 + λ2.
• Ch ng minh: xét m t kho ng th i gian ng n (t, t+h]
– xác su t không có s ki n nào trong x p ch ng là
(1 − λ1h + o( h))(1 − λ2 h + o(h)) = 1 − (λ1 + λ2 )h + o(h)
– M t khác, xác su t có đúng m t s ki n là
(λ1h + o(h))(1 − λ2 h + o(h)) + (1 − λ1h + o(h))(λ2 h + o(h))
= (λ1 + λ2 )h + o(h)
λ1
λ2
λ1+λ2
25
5. Stochastic processes (1)

Properties (2)

• Tính ch t 2 (Random sampling): Gi thi t τn là m t quá trình

Poisson v i cư ng đ λ. Ký hi u σn point process đư c t o t m t
quá trình l y m u đ c l p và ng u nhiên (v i xác su t p) c a các
đi m τn. Như v y σn là m t Poisson process v i cư ng đ pλ.
• Ch ng minh: xét m t kho ng th i gian ng n (t, t+h]
– xác su t không có s ki n nào sau random sampling là

(1 − λh + o(h)) + (1 − p )(λh + o(h)) = 1 − pλh + o(h)

– M t khác, xác su t ch có duy nh t m t s ki n là

p(λh + o(h)) = pλh + o( h)

λ
pλ

26
5. Stochastic processes (1)

Tính ch t (3)

• Tính ch t 3 (Random sorting): Gi thi t τn là m t Poisson process

v i cư ng đ λ. Ký hi u σn(1) point process t o t m t quá trình l y
m u ng u nhiên và đ c l p (v i xác su t p) c a các đi m τn. Ký hi u
σn(2) point process t o t các đi m còn l i. Như v y σn(1) và σn (2) là
các quá trình Poisson đ c l p v i các cư ng đ λp và λ(1 − p).
• Ch ng minh: Do tính ch t 2, đ đ ch ng minh r ng hai quá trình
đư c t o là đ c l p.

λλ
p
λ(1-p)

27
5. Stochastic processes (1)

Tính ch t (4)

• Tính ch t 4 (PASTA): xét mô hình lưu lư ng đơn gi n (và n đ nh)

v i các l n t i Poisson. Gi thi t X(t) ký hi u tr ng thái c a h th ng
t i th i đi m t (continuous-time process) và Yn ký hi u tr ng thái c a
h th ng t i th i đi m t i c a khách hàng th n (discrete-time
process). Như v y, phân b d ng c a X(t) gi ng như phân b d ng
c a Yn.
• Như v y, có th nói r ng
– các khách hàng t i th y h th ng đang tr ng thái d ng
– PASTA= “Poisson Arrivals See Time Avarages”
• Tính ch t PASTA ch đúng v i quá trình t i Poisson
– và không đúng v i các quá trình t i khác
– VD: xét m t máy tính cá nhân. M i l n kh i t o m t phiên m i h th ng
tr ng thái r i. Tuy nhiên, trong th i gian liên t c h th ng không ch r i
mà còn b n (khi s d ng).

28
5. Stochastic processes (1)

Ví d (1)

• Các yêu c u k t n i t i m t server tuân theo phân b Poisson v i

cư ng đ λ = 5 yêu c u trong m t phút.
– Xác đ nh xác su t có đúng 2 y u c u m i t i trong kho ng th i gian 30
giây ti p theo?
• S l n t i m i trong m t kho ng th i gian tuân theo phân b Poisson
v i tham s λ∆ = 5 / 60 ⋅ 30 = 2.5
A(t + 30) − A(t ) ∼ Poisson (2.5)

2. 5 2
P{ A(t + 30) − A(t ) = 2} = 2! e −2.5 = 0.257

29
5. Stochastic processes (1)

Ví d (2)

• Xét h th ng mô t trang trư c

– M t yêu c u k t n i m i v a m i t i server. Xác đ nh xác su t ph i đ i
hơn 30 giây trư c khi có yêu c u k t n i ti p theo t i?
• Gi thi t quá trình là m t point process. Th i gian gi a các l n t i
tuân theo phân b mũ v i tham s λ

P{τ i +1 − τ i ≥ 30} = 1 − P{τ i +1 − τ i ≤ 30} = e −5 / 60⋅30 = e − 2.5 = 0.082

• Gi thi t quá trình là m t counter process, (cf. slide 29). chúng ta có

th đ t l i câu h i trên như sau ”Xác đ nh xác su t không có l n t i
nào trong kho ng 30 giây?”.

2. 5 0
P{ A(t + 30) − A(t ) = 0} = 0! e −2.5 = e −2.5 = 0.082

30