Stochastische Modellen in Operations Management (153088)
|
|
- Gabriël de Veer
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 S1 S2 X ms X ms Stochastische Modellen in Operations Management (153088) R1 S0 240 ms Ack Internet R2 L1 R3 L2 10 ms 1 10 ms D1 Richard Boucherie Stochastische Operations Research TW, Ravelijn H D2
2 Wanneer? Wachttijdtheorie Kassa, brug, verkeerslicht, machine, computer, Internet, telefoonnetwerk, lift, spoorwegen, Wat? Prestatiemaat, meestal wachttijd, verblijftijd, doorzet (throughput), blokkeringskans Hoe? Markov ketens Meestal stationair, soms transiënt
3 3 Een eenvoudig wachtsysteem Klanten arriveren volgens stochastisch proces Klanten wachten op hun beurt Bedieningsduur is stochastische variabele Een bediende of meerdere bedienden? Gemiddelde wachttijd? Kans op wachten? Dimensionering systeem?
4 Why waiting? 4
5 Wachttijdtheorie Hoe hoog mag de belasting van een machine zijn? EF/EB=1/(1-p) F= verblijftijd B = bedieningsduur p= bezettingsgraad En hier al 100 x je staat hier 10 x je bedieningstijd te wachten
6 6 Wachttijdtheorie Motivatie Terminologie Aankomstprocessen Veel gebruikte verdelingen Geheugenloosheid exponentiële verdeling Poisson proces Food for thought: Wachttijdparadox Een eenvoudig wachtsysteem
7 Terminologie Terminologie: klanten Bediening, server Aankomstproces eindige klantenbron oneindige klantenbron Wachtruimte eindige capaciteit oneindige capaciteit Bediening één server meerdere servers bedieningsduurverdeling Prioriteiten first in first out (FIFO,FCFS) last in first out (LIFO,LCFS) Processor sharing (PS) Netwerken open systemen gesloten systemen
8 8 Wachttijdtheorie Motivatie Terminologie Aankomstprocessen Veel gebruikte verdelingen Geheugenloosheid exponentiële verdeling Poisson proces Food for thought: Wachttijdparadox Een eenvoudig wachtsysteem; Aannamen
9 Aankomsttijdstippen Vormen rij stochastische tijdstippen laat T n het aankomsttijdstip van de n-e klant zijn, met T 1 =0. defineer verder X n =T n+1 -T n als de lengten van de zgn. tussenaankomsttijden. Definitie Aankomstprocessen indien voor iedere n 2 de stochastische variabelen X 1,...,X n onderling onafhankelijk en identiek verdeeld zijn, dan noemen we het aankomstproces een vernieuwingsproces, en X 1,...,X n een vernieuwingsrij. Aanname Aankomstproces = vernieuwingsproces Dus aankomstproces gekarakteriseerd door rij X i
10 Aankomstprocessen Aankomsttijdstippen; vernieuwingsproces X n =T n+1 -T n tussenaankomsttijden. Eigenschap zij N(t) het aantal vernieuwingen gedurende (0,t], en laat E{X i }=1/λ, dan geldt de volgende relatie: lim t E N(t) t = λ de grootheid λ is de aankomstintensiteit, d.w.z. het gemiddelde aantal aankomsten per tijdseenheid
11 11 Wachttijdtheorie Motivatie Terminologie Aankomstprocessen Veel gebruikte verdelingen Geheugenloosheid exponentiële verdeling Poisson proces Een eenvoudig wachtsysteem; Aannamen Food for thought: Wachttijdparadox
12 Veel gebruikte verdelingen (aankomst en bediening) Exponentiële verdeling VC=1 Gamma verdeling met n fasen Erlang verdeling met n fasen Hyper-exponentiële verdeling A(t) = a(t) = n α j (1 exp[ λ j t]) j=1 n α j λ j exp[ λ j t] j=1 Var(X) = 2 α j λ 1 2 j λ 2 n j=1 VC>1 VC<1
13 13 Wachttijdtheorie Motivatie Terminologie Aankomstprocessen Veel gebruikte verdelingen Geheugenloosheid exponentiële verdeling Poisson proces Food for thought: Wachttijdparadox Een eenvoudig wachtsysteem
14 Geheugenloosheid exponentiële verdeling Exponentiele verdeling bijzondere plaats Vaak goede beschrijving werkelijkheid Analytisch interessant Geheugenloosheid een verdelingsfunctie A(.) noemen we geheugenloos indien de bijbehorende stochastische variabele X de volgende eigenschap bezit, voor alle t > s : P(X > t X > s) = P(X > t s) Equivalent met, voor alle t > s : 1 A(t) 1 A(s) =1 A(t s)
15 Geheugenloosheid exponentiële verdeling Geheugenloos: P(X > t X > s) = P(X > t s) 1 A(t) 1 A(s) =1 A(t s) Exponentiële verdeling er kan eenvoudig worden aangetoond dat de exponentiële verdeling A(t)=1-e -λt aan deze relatie voldoet, immers: 1 A(t) 1 A(s) = e λ t e λ s = e λ (t s) =1 A(t s)
16 16 Wachttijdtheorie Motivatie Terminologie Aankomstprocessen Veel gebruikte verdelingen Geheugenloosheid exponentiële verdeling Poisson proces Food for thought: Wachttijdparadox Een eenvoudig wachtsysteem
17 Definitie Poisson proces (1) indien aankomstproces een vernieuwingsproces is en de tussenaankomsttijden exponentieel verdeeld zijn, dan is het aankomstproces een Poisson proces Telprocess aantal aankomsten N(t) in (0,t]
18 Berekening Poisson proces (1 )
19 Poisson verdeling Poisson proces (2) het aantal aankomsten N(t) gedurende (0,t] bezit dus een Poisson-verdeling met parameter λt de verwachting en de variantie van N(t) zijn:
20 Eigenschappen Poisson proces (3) de aankomstenprocessen in twee willekeurige disjuncte intervallen zijn onderling onafhankelijk, en alleen afhankelijk van lengte intervallen De superpositie van twee Poisson processen met intensiteiten λ 1 en λ 2, levert wederom een Poisson proces, met intensiteit λ 1 + λ 2 het willekeurig uitdunnen van een Poisson proces met intensiteit λ (klanten gaan met kans p<1 het systeem binnen) levert wederom een Poisson proces maar nu met intensiteit p λ. Wanneer Poisson proces?
21 21 Wachttijdtheorie Motivatie Terminologie Aankomstprocessen Veel gebruikte verdelingen Geheugenloosheid exponentiële verdeling Poisson proces Food for thought: Wachttijdparadox Een eenvoudig wachtsysteem
22 Queueing paradox Bussen arriveren bij bushalte volgens stochastisch aankomst proces, gemiddeld 4 bussen per uur U arriveert op willekeurig tijdstip Is de verwachte tijd tot aankomst volgende bus - minder dan 7.5 minuten - gelijk aan 7.5 minuten - meer dan 7.5 minuten
23 Poisson proces (4) Tijd tussen willekeurig tijdstip t en eerstvolgende aankomsttijdstip Poisson proces Voor Poisson proces met intensiteit λ geldt dus tijd tot eerstvolgende aankomst exponentieel verdeeld onafhakelijk van t.
24 Poisson proces (5) Tijd tussen willekeurig tijdstip t en voorgaande aankomsttijdstip Poisson proces Dus tijd vanaf voorgaande aankomsttijdstip is exponentieel verdeeld, onafhankelijk van t
25 Wachttijdparadox Stel bussen komen aan volgens Poisson proces, met intensiteit 4 per uur. U komt op willekeurig tijdstip aan bij bushalte. Wat is verwachting resterende tijd tot eerstvolgende bus? Wat is verwachting tijd verstreken vanaf vertrek voorgaande bus? Conclusie?
26 26 Wachttijdtheorie Motivatie Terminologie Aankomstprocessen Veel gebruikte verdelingen Geheugenloosheid exponentiële verdeling Poisson proces Food for thought: Wachttijdparadox Een eenvoudig wachtsysteem
27 27 Een eenvoudig wachtsysteem Klanten arriveren volgens Poisson proces Klanten wachten op hun beurt Bedieningsduur is exponentieel verdeelde variabele Een bediende Gemiddelde wachttijd? Kans op wachten? Dimensionering systeem?
28 Het M M 1 model (1)
29 Het M M 1 model (2)
30 Het M M 1 model (3)
31 Het M M 1 model (4)
32 Het M M 1 model (5) P kn (t) = P(Z(t) = n Z(0) = k)
33 Het M M 1 model (6)
34 Het M M 1 model (7) Kolmogorov s diff. vergelijkingen d P (t) = λ P (t) + µ P (t) dt d P dt n(t) = λ P n 1 (t) (λ + µ) P n (t) + µ P n +1 (t) waarbij P n (t) =1, t 0 n= 0 P n = lim t P n (t) ρ = λ µ <1
35 Het M M 1 model (8) Globale evenwichtsvergelijkingen interpretatie µ P n +1 = λ P n P n = ρ n P 0 = (1 ρ) ρ n n = 0,1,2,...
36 Transitiediagram Het M M 1 model (9) λ P 0 = µ P 1 λ P 1 = µ P 2 λ P 2 = µ P 3 λ P 3 = µ P 4
37 Het M M 1 model (10) Bezettingsgraad n=1 P n =1 P 0 = ρ
38 Wachttijdtheorie Hoe hoog mag de belasting van een machine zijn? En hier al 100 x je staat hier 10 x je bedieningstijd te wachten
39 39 Een eenvoudig wachtsysteem Klanten arriveren volgens Poisson proces Klanten wachten op hun beurt Bedieningsduur is exponentieel verdeelde variabele Een bediende Gemiddelde wachttijd? Kans op wachten? Dimensionering systeem? Andere wachtsystemen?
Stochastische Modellen in Operations Management (153088)
S1 S2 X ms X ms Stochastische Modellen in Operations Management (153088) R1 S0 240 ms Ack Internet R2 L1 R3 L2 10 ms 1 10 ms D1 Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatieStochastische Modellen in Operations Management (153088)
Stochastische Modellen in Operations Management (53088) S S Ack X ms X ms S0 40 ms R R R3 L L 0 ms 0 ms D0 Internet D D Richard Boucherie Stochastische Operations Research TW, Ravelijn H 9 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/53088/53088.html
Nadere informatieStochastische Modellen in Operations Management (153088)
Stochastische Modellen in Operations Management (53088) S S Ack X ms X ms S0 40 ms R R R3 L L 0 ms 0 ms D0 Internet D D Richard Boucherie Stochastische Operations Research TW, Ravelijn H 9 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/53088/53088.html
Nadere informatieWe zullen de volgende modellen bekijken: Het M/M/ model 1/14
De analyse en resultaten van de voorgaande twee modellen (het M/M/1/K model en het M/M/1 model) kunnen uitgebreid worden naar modellen met meerdere bediendes. We zullen de volgende modellen bekijken: Het
Nadere informatieS n = tijdstip van de n-de gebeurtenis, T n = S n S n 1 = tijd tussen n-de en (n 1)-de gebeurtenis.
VERNIEUWINGSPROCESSEN In hoofdstuk 3 hebben we gezien wat een Poisson proces is. Definitie van een Poisson proces: Een Poisson proces met intensiteit λ (notatie P P (λ)) is een stochastisch proces {N(t),
Nadere informatieWACHTRIJMODELLEN. aankomstproces van klanten; wachtruimte (met eindige of oneindige capaciteit); bedieningsstation (met één of meerdere bediendes).
Verschillende soorten toepassingen WACHTRIJMODELLEN alledaagse toepassingen; toepassingen uit produktieomgeving; toepassingen in de communicatiesfeer. Typische onderdelen van een wachtrijmodel aankomstproces
Nadere informatieModel: Er is één bediende en de capaciteit van de wachtrij is onbegrensd. 1/19. 1 ) = σ 2 + τ 2 = s 2.
Het M/G/1 model In veel toepassingen is de aanname van exponentiële bedieningstijden niet realistisch (denk bijv. aan produktietijden). Daarom zullen we nu naar het model kijken met willekeurig verdeelde
Nadere informatieWACHTRIJMODELLEN. aankomstproces van klanten; wachtruimte (met eindige of oneindige capaciteit); bedieningsstation (met één of meerdere bediendes).
Verschillende soorten toepassingen WACHTRIJMODELLEN alledaagse toepassingen; toepassingen uit produktieomgeving; toepassingen in de communicatiesfeer. Typische onderdelen van een wachtrijmodel aankomstproces
Nadere informatieHoofdstuk 20 Wachtrijentheorie
Hoofdstuk 20 Wachtrijentheorie Beschrijving Iedereen van ons heeft al tijd gespendeerd in een wachtrij: b.v. aanschuiven in de Alma restaurants. In dit hoofdstuk onwikkelen we mathematische modellen voor
Nadere informatieVragen die je wilt beantwoorden zijn:
Net als bij een discrete-tijd Markov keten is men bij de bestudering van een continue-tijd Markov keten zowel geïnteresseerd in het korte-termijn gedrag als in het lange-termijn gedrag. Vragen die je wilt
Nadere informatieE(A 1 ) = 1/λ. De functie G(s) wordt gedefiniëerd als. G(s) = E(e sa 1
Het G/M/1 model We gaan nu kijken naar het model waarbij niet de bedieningstijden maar de tussenaankomsttijden willekeurig verdeeld zijn, het G/M/1 model. Model: Het aankomstproces is een proces waarbij
Nadere informatieDe Wachttijd-paradox
De Wachttijd-paradox Korteweg-de Vries Instituut voor Wiskunde Universiteit van Amsterdam Mastercourse 15 november 25 Peter Spreij spreij@science.uva.nl 1 Het probleem In deze mastercourse behandelen
Nadere informatieLIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS
LIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS Hoofdstelling over limietgedrag van continue-tijd Markov ketens. Stelling: Een irreducibele, continue-tijd Markov keten met toestandsruimte S = {1, 2,..., N}
Nadere informatieb. de aantallen aankomsten in disjuncte tijdsintervallen zijn onafhankelijk van elkaar
APPENDIX: HET POISSON PROCES Een stochastisch proces dat onlosmakelijk verbonden is met de Poisson verdeling is het Poisson proces. Dit is een telproces dat het aantal optredens van een bepaalde gebeurtenis
Nadere informatieP (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i).
MARKOV PROCESSEN Continue-tijd Markov ketens (CTMCs) In de voorafgaande colleges hebben we uitgebreid gekeken naar discrete-tijd Markov ketens (DTMCs). Definitie van discrete-tijd Markov keten: Een stochastisch
Nadere informatieS n = tijdstip van de n-de gebeurtenis, T n = S n S n 1 = tijd tussen n-de en (n 1)-de gebeurtenis.
VERNIEUWINGSPROCESSEN In hoofdstuk 6 hebben we gezien wat een Poisson proces is. Definitie van een Poisson proces: Een Poisson proces met intensiteit λ (notatie P P (λ)) is een stochastisch proces {N(t),
Nadere informatieDefinitie van continue-tijd Markov keten:
Definitie van continue-tijd Markov keten: Een stochastisch proces {X(t), t 0} met toestandsruimte S heet een continue-tijd Markov keten (CTMC) als voor alle i en j in S en voor alle tijden s, t 0 geldt
Nadere informatieS n = tijdstip van de n-de gebeurtenis, T n = S n S n 1 = tijd tussen n-de en (n 1)-de gebeurtenis.
HET POISSON PROCES In veel praktische toepassingen kan het aaankomstproces van personen, orders,..., gemodelleerd worden door een zogenaamd Poisson proces. Definitie van een Poisson proces: Een Poisson
Nadere informatieWachten of niet wachten: Dat is de vraag
Wachten of niet wachten: Dat is de vraag Sindo Núñez-Queija Centrum voor Wiskunde en Informatica Technische Universiteit Eindhoven Wachten of niet wachten: Dat is de vraag Wanneer heeft u voor het laatst
Nadere informatieDefinitie van continue-tijd Markov keten:
Definitie van continue-tijd Markov keten: Een stochastisch proces {X(t), t 0} met toestandsruimte S heet een continue-tijd Markov keten (CTMC) als voor alle i en j in S en voor alle tijden s, t 0 geldt
Nadere informatieReserveringssystemen
I. Verstraten Reserveringssystemen Bachelorscriptie, 26 juli 203 Scriptiebegeleider: Dr. F.M. Spieksma Mathematisch Instituut, Universiteit Leiden Inhoudsopgave Inleiding 3 2 Twee systemen 4 2. Zonder
Nadere informatieQ is het deel van de overgangsmatrix dat correspondeert met overgangen
COHORTE MODELLEN Stel we hebben een groep personen, waarvan het gedrag van ieder persoon afzonderlijk beschreven wordt door een Markov keten met toestandsruimte S = {0, 1, 2,..., N} en overgangsmatrix
Nadere informatie0 2λ µ 0
Example 6.7 Machine werkplaats met vier onafhankelijke machines 1, 2, 3 en 4. Bedrijfsduur machine i (i = 1, 2, 3, 4) is B i Exp(µ), reparatieduur wegens defect machine i is R i Exp(λ). Er zijn twee reparateurs
Nadere informatiep j r j = LIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS Hoofdstelling over het limietgedrag van continue-tijd Markov ketens formuleren.
LIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS Hoofdstelling over het limietgedrag van continue-tijd Markov ketens formuleren. Stelling: Een irreducibele, continue-tijd Markov keten met toestandsruimte S
Nadere informatieNETWERKEN VAN WACHTRIJEN
NETWERKEN VAN WACHTRIJEN Tot nog toe keken we naar wachtrijmodellen bestaande uit 1 station. Klanten komen aan bij het station,... staan (al dan niet) een tijdje in de wachtrij,... worden bediend door
Nadere informatieInleiding Modelmatige beschrijving Kansverdelingen Het overgangsdiagram De stellingen van Little M/M/1 M/M/1/N Afsluiti.
11 juni 2013 Maartje van de Vrugt, CHOIR Wat is het belang van wachtrijtheorie? Inleiding Modelmatige beschrijving Kansverdelingen Het overgangsdiagram De stellingen van Little M/M/1 Evenwichtskansen Wachtrij
Nadere informatieGESLOTEN NETWERKEN VAN WACHTRIJEN
GESLOTEN NETWERKEN VAN WACHTRIJEN In het vorige college hebben we gekeken naar een model waarbij klanten van buitenaf het netwerk inkomen, een (stochastisch) aantal keren van het ene station naar het andere
Nadere informatieZo geldt voor o.o. continue s.v.-en en X en Y dat de kansdichtheid van X + Y gegeven wordt door
APP.1 Appendix A.1 Erlang verdeling verdeling met parameters n en λ Voor o.o. discrete s.v.-en X en Y geldt P (X + Y = z) =P (X = x 1 en Y = z x 1 )+P(X = x en Y = z x )+... = P (X = x 1 )P (Y = z x 1
Nadere informatieBESLISKUNDE A. Najaar 2016 Deel 2. L.C.M. KALLENBERG en F.M. SPIEKSMA
BESLISKUNDE A Najaar 016 Deel L.C.M. KALLENBERG en F.M. SPIEKSMA UNIVERSITEIT LEIDEN Inhoudsopgave 5 WACHTTIJDTHEORIE 1 5.1 Inleiding.......................................... 1 5. Wachttijdparadox.....................................
Nadere informatieWachtrijtheorie op verkeersmodellen
Wachtrijtheorie op verkeersmodellen Jan Jelle de Wit 20 juli 202 Bachelorscriptie Begeleiding: prof.dr. R. Núñez Queija KdV Instituut voor wiskunde Faculteit der Natuurwetenschappen, Wiskunde en Informatica
Nadere informatieKansrekening en stochastische processen 2S610
Kansrekening en stochastische processen 2S610 Docent : Jacques Resing E-mail: j.a.c.resing@tue.nl http://www.win.tue.nl/wsk/onderwijs/2s610 1/39 Een stochastisch proces (stochastic proces) X (t) bestaat
Nadere informatieBESLISKUNDE A. Najaar 2017 Deel 2. L.C.M. KALLENBERG en F.M. SPIEKSMA
BESLISKUNDE A Najaar 2017 Deel 2 L.C.M. KALLENBERG en F.M. SPIEKSMA UNIVERSITEIT LEIDEN Inhoudsopgave 5 WACHTTIJDTHEORIE 1 5.1 Inleiding.......................................... 1 5.2 Wachttijdparadox.....................................
Nadere informatieo Dit tentamen bestaat uit vier opgaven o Beantwoord de opgaven 1 en 2 enerzijds, en de opgaven 3 en 4 anderzijds op aparte vellen papier
Toets Stochastic Models (theorie) Maandag 22 rnei 2OL7 van 8.45-1-1-.45 uur Onderdeel van de modules: o Modelling and analysis of stochastic processes for MATH (20L400434) o Modelling and analysis of stochastic
Nadere informatieStochastische Modellen in Operations Management (153088)
Stochastische Modellen in Oerations Management (153088) S1 S2 Ack X ms X ms S0 240 ms R1 R2 R3 L1 L2 10 ms 10 ms D0 Internet D1 D2 Richard Boucherie Stochastische Oerations Research TW, Citadel 125 htt://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatieChapter 4: Continuous-time Markov Chains (Part I)
Stochastic Operations Research I (2014/2015) Selection of exercises from book and previous exams. Chapter 4: Continuous-time Markov Chains (Part I) 1.1 Book pp 179 185 These are useful exercises to learn
Nadere informatieMobiele communicatie: reken maar!
Mobiele communicatie: reken maar! Richard J. Boucherie Stochastische Operationele Research Toen : telefooncentrale Erlang verliesmodel Nu : GSM Straks : Video on demand Toen : CPU Processor sharing model
Nadere informatieDeze week: Verdelingsfuncties. Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties. Bernoulli verdeling. Bernoulli verdeling.
Deze week: Verdelingsfuncties Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties Cursusjaar 29 Peter de Waal Toepassingen Kansmassafuncties / kansdichtheidsfuncties Eigenschappen Departement Informatica
Nadere informatieWaarom wachten voor verkeerslichten? Inhoud 2/16/2010. Introductie Wachtrijtheorie Simpel model: een opengebroken weg
Waarom wachten voor verkeerslichten? Marko Boon Nationale Wiskunde Dagen 2010 Inhoud Introductie Simpel model: een opengebroken weg Met vaste afstellingen Met dynamische afstellingen Ingewikkeldere kruispunten
Nadere informatieWachtrijmodellen voor optimalisatie in het dagelijks leven
Wachtrijmodellen voor optimalisatie in het dagelijks leven Richard J. Boucherie Stochastische Operationele Research Abstract Wachten doen we allemaal: bij de kassa van de supermarkt, in het verkeer, maar
Nadere informatieKansrekening en stochastische processen 2DE18
Kansrekening en stochastische processen 2DE18 Docent : Jacques Resing E-mail: resing@win.tue.nl 1/23 Voor een verzameling stochastische variabelen X 1,..., X n, de verwachting van W n = X 1 + + X n is
Nadere informatieKansrekening en statistiek WI2105IN deel I 4 november 2011, uur
Kansrekening en statistiek WI05IN deel I 4 november 0, 4.00 7.00 uur Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Een formuleblad wordt uitgereikt. Meerkeuzevragen Toelichting:
Nadere informatieStochastische Modellen in Operations Management (153088)
Stochastische Modellen in Oerations Management (15388) S1 S2 Ack X ms X ms S 24 ms R1 R2 R3 L1 L2 1 ms 1 ms D Internet D1 D2 Richard Boucherie Stochastische Oerations Research TW, Ravelijn H 219 htt://wwwhome.math.utwente.nl/~boucherierj/onderwijs/15388/15388.html
Nadere informatieDeeltentamen Vraag 1 (0.25 punten) Vraag 2 (0.25 punten) Vraag 3 (0.25 punten) Vraag 4 (0.25 punten) *-vragen ( relatief simpel 2 punten)
Deeltentamen 2013 *-vragen ( relatief simpel 2 punten) Vraag 1 (0.25 punten) In wachtrijtheorie (blz. 226) wordt het symbool λ gebruikt voor: A. De gemiddelde tijd tussen twee aankomsten B. Het gemiddeld
Nadere informatieStochastische Modellen in Operations Management (153088)
Stochastische Modellen in Operations Management (153088) S1 S2 X ms X ms R1 S0 240 ms Ack L1 R2 10 ms Internet R3 L2 D0 10 ms D1 D2 Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219
Nadere informatieMilieustraat Project Modelleren C
Den Dolech 2, 562 AZ Eindhoven Postbus 53, 5600 MB Eindhoven www.tue.nl Auteur Wouter van der Heide & Thomas Beekenkamp ID (resp.): 0739052 & 0743557 Begeleider: J.A.C. Resing Opdrachtgever: M. Boon Faculteit:
Nadere informatiePersoneelsplanning in een schoolkantine
Personeelsplanning in een schoolkantine BWI werkstuk Januari 212 Petra Vis Begeleider: prof. dr. R.D. van der Mei Vrije Universiteit Faculteit der Exacte Wetenschappen Bedrijfswiskunde en Informatica De
Nadere informatiePracticum wachtrijtheorie
SPM0001 1e week Technische Bestuurskunde Woensdag 5 september 2012, 10:30 12:30 uur Plaats: TBM begane grond (zalen B, C, D1, D2, computerzaal A en studielandschap) Practicum wachtrijtheorie Het practicum
Nadere informatieKansrekening en stochastische processen 2S610
Kansrekening en stochastische processen 2S610 Docent : Jacques Resing E-mail: j.a.c.resing@tue.nl http://www.win.tue.nl/wsk/onderwijs/2s610 1/28 Schatten van de verwachting We hebben een stochast X en
Nadere informatieVrije Universiteit Amsterdam Opleiding Wiskunde Vak Poisson Processen. Poisson Processen. Arno Weber.
Vrije Universiteit Amsterdam Opleiding Wiskunde Vak Poisson Processen Poisson Processen Arno Weber email: aeweber@cs.vu.nl Januari 2003 1 Inhoudsopgave 1. Computersimulaties 3 2. Wachttijd-paradox 6 3.
Nadere informatieP (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i). P (X n+1 = j X n = i) MARKOV KETENS. Definitie van Markov keten:
Definitie van Markov keten: MARKOV KETENS Een stochastisch proces {X n, n 0} met toestandsruimte S heet een discrete-tijd Markov keten (DTMC) als voor alle i en j in S geldt P (X n+ = j X n = i, X n,...,
Nadere informatieHoofdstuk 7 : Continue distributies als stochastische modellen. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent
Hoofdstuk 7 : Continue distributies als stochastische modellen Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Continue distributies als stochastische
Nadere informatieTentamen Inleiding Kansrekening 11 augustus 2011, uur
Mathematisch Instituut Niels Bohrweg Universiteit Leiden 2 CA Leiden Delft Tentamen Inleiding Kansrekening augustus 20, 09.00 2.00 uur Bij dit examen is het gebruik van een evt. grafische) rekenmachine
Nadere informatieINLEIDING. Definitie Stochastisch Proces:
Definitie Stochastisch Proces: INLEIDING Verzameling van stochastische variabelen die het gedrag in de tijd beschrijven van een systeem dat onderhevig is aan toeval. Tijdparameter: discreet: {X n, n 0};
Nadere informatieCPU scheduling : introductie
CPU scheduling : introductie CPU scheduling nodig bij multiprogrammering doel: een zo hoog mogelijke CPU-bezetting, bij tevreden gebruikers proces bestaat uit afwisselend CPU-bursts en I/O-bursts lengte
Nadere informatieWiskunde is tijdloos
Van Graham Bell tot John de Mol: Wiskunde is tijdloos Rob van der Mei Agenda 1. Telecommunicatie: de geboorte van een vakgebied 2. een reis door de geschiedenis 3. en de terugkeer naar het basiskamp: Wiskunde!
Nadere informatieHet tentamen heeft 25 onderdelen. Met ieder onderdeel kan maximaal 2 punten verdiend worden.
Hertentamen Inleiding Kansrekening WI64. 9 augustus, 9:-: Het tentamen heeft 5 onderdelen. Met ieder onderdeel kan maximaal punten verdiend worden. Het tentamen is open boek. Boeken, nota s en een (eventueel
Nadere informatieP (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i). P (X n+1 = j X n = i) MARKOV KETENS. Definitie van Markov keten:
Definitie van Markov keten: MARKOV KETENS Een stochastisch proces {X n, n 0} met toestandsruimte S heet een discrete-tijd Markov keten (DTMC) als voor alle i en j in S geldt P (X n+1 = j X n = i, X n 1,...,
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 8 Donderdag 13 Oktober 1 / 23 2 Statistiek Vandaag: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 23 Stochast en populatie
Nadere informatieOptimale regeling van de bedieningscapaciteit van een wachtlijnsysteem
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2009 200 Optimale regeling van de bedieningscapaciteit van een wachtlijnsysteem Masterproef voorgedragen tot het bekomen van de graad
Nadere informatieBenaderingen voor wachttijden in k-gelimiteerde polling modellen
TU/e Technische Universiteit Eindhoven Bachelor technische wiskunde Bachelor project 28 januari 2016 Benaderingen voor wachttijden in k-gelimiteerde polling modellen Auteur: Iris Theeuwes 0828283, i.theeuwes@student.tue.nl
Nadere informatieMilieustraat Project Modelleren C
Den Dolech 2, 5612 AZ Eindhoven Postbus 513, 5600 MB Eindhoven www.tue.nl Auteur Wouter van der Heide & Thomas Beekenkamp ID (resp.): 0739052 & 0743557 Begeleider: J.A.C. Resing Opdrachtgever: M. Boon
Nadere informatieWachten in de supermarkt
Wachten in de supermarkt Rik Schepens 0772841 Rob Wu 0787817 22 juni 2012 Begeleider: Marko Boon Modelleren A Vakcode: 2WH01 Inhoudsopgave Samenvatting 1 1 Inleiding 1 2 Theorie 1 3 Model 3 4 Resultaten
Nadere informatieWachtrijtheorie. Hester Vogels en Franziska van Dalen. 11 juni 2013
Wachtrijtheorie Hester Vogels en Franziska van Dalen 11 juni 2013 1 1 Inleiding Een mens wacht gemiddeld 15.000 uur in zijn leven. Dit is bijvoorbeeld in de rij bij de kassa van een winkel, aan de telefoon
Nadere informatieDoorlooptijd variantie reductie in productielijnen
Auteur Erik van Rhee (0589036) Begeleider dr. J.A.C. Resing Doorlooptijd variantie reductie in productielijnen Opdrachtgever dr. ir. M. van Vuuren (CQM) Datum 7 oktober 2009 Versie 2.0 Abstract Consider
Nadere informatieMARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen.
MARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen. voorraadmodel: voorraadkosten personeelsplanningmodel: salariskosten machineonderhoudsmodel: reparatiekosten
Nadere informatieUNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE STUDIE VAN FILES VEROORZAAKT DOOR TRAGE VOERTUIGEN
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE Academiejaar 2010 2011 STUDIE VAN FILES VEROORZAAKT DOOR TRAGE VOERTUIGEN Masterproef voorgedragen tot het bekomen van de graad van Master of Science
Nadere informatieBESLISKUNDE 2 Deel 2 najaar L.C.M. KALLENBERG en F.M. SPIEKSMA UNIVERSITEIT LEIDEN
BESLISKUNDE 2 Deel 2 najaar 203 L.C.M. KALLENBERG en F.M. SPIEKSMA UNIVERSITEIT LEIDEN Inhoudsopgave MARKOVPROCESSEN. Inleiding...........................................2 Differentiaalvergelijkingen
Nadere informatieWe zullen in deze les kijken hoe we netwerken kunnen analyseren, om bijvoorbeeld de volgende vragen te kunnen beantwoorden:
Wiskunde voor kunstmatige intelligentie, 24 Les 5 Proces analyse Veel processen laten zich door netwerken beschrijven, waarin een aantal knopen acties aangeeft en opdrachten langs verbindingen tussen de
Nadere informatieCursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)
Cursus Statistiek Hoofdstuk 4 Statistiek voor Informatica Hoofdstuk 4: Verwachtingen Cursusjaar 29 Peter de Waal Departement Informatica Inhoud Verwachtingen Variantie Momenten en Momentengenererende functie
Nadere informatieb) Uit Bayes volgt, gebruik makend van onderdeel a) P (T V )P (V ) P (T ) = (0.09)(0.07)
Uitwerkingen tentamen 6 juli 22. We stellen T de gebeurtenis test geeft positief resultaat, F de gebeurtenis, chauffeur heeft gefraudeerd, V de gebeurtenis, chauffeur heeft vergissing gemaakt C de gebeurtenis,
Nadere informatieKansrekening en statistiek wi2105in deel I 29 januari 2010, uur
Kansrekening en statistiek wi20in deel I 29 januari 200, 400 700 uur Bij dit examen is het gebruik van een (evt grafische rekenmachine toegestaan Tevens krijgt u een formuleblad uitgereikt na afloop inleveren
Nadere informatieBetrouwbaarheid en levensduur
Kansrekening voor Informatiekunde, 26 Les 7 Betrouwbaarheid en levensduur 7.1 Betrouwbaarheid van systemen Als een systeem of netwerk uit verschillende componenten bestaat, kan men zich de vraag stellen
Nadere informatieWachttijdtheorie. Prof. dr N.M. van Dijk Dr H.J. van der Sluis
Wachttijdtheorie Beo-cases Prof. dr N.M. van Dijk Dr H.J. van der Sluis Een ogenblik geduld a.u.b. Een ogenblik geduld... (Uit Trouw artikel, 26 augustus 1998) Zeker een jaar van ons leven verdoen we onze
Nadere informatieTentamen Inleiding Kansrekening 25 juni 2009, uur Docent: F. den Hollander
Universiteit Leiden Niels Bohrweg Tentamen Inleiding Kansrekening 25 juni 2009, 0.00 3.00 uur Docent: F. den Hollander Mathematisch Instituut 2333 CA Leiden Bij dit tentamen is het gebruik van een (grafische)
Nadere informatie0.97 0.03 0 0 0.008 0.982 0.01 0 0.02 0 0.975 0.005 0.01 0 0 0.99
COHORTE MODELLEN Markov ketens worden vaak gebruikt bij de bestudering van een groep van personen of objecten. We spreken dan meestal over Cohorte modellen. Een voorbeeld van zo n situatie is het personeelsplanning
Nadere informatieEindhoven University of Technology BACHELOR. Wachtrijsystemen met toestandsafhankelijke bedieningssnelheid. Schutte, Mattijn.
Eindhoven University of Technology BACHELOR Wachtrijsystemen met toestandsafhankelijke bedieningssnelheid Schutte, Mattijn Award date: 2008 Link to publication Disclaimer This document contains a student
Nadere informatieTentamen Besliskunde 3 (11 juni 2012, uur)
Tentamen Besliskunde 3 (11 juni 2012, 14.00-17.00 uur) Het tentamen bestaat uit twee gedeelten. Het eerste deel gaat over de theorie en daarbij mag geen dictaat of ander materiaal worden gebruikt. Het
Nadere informatieStochastic Operations Research
Stochastic Operations Research Staf: Richard Boucherie Nelly Litvak Jan-Kees van Ommeren Werner Scheinhardt Judith Vink-Timmer Promovendi: Tom Coenen Roland de Haan Denis Miretskiy Yana Volkovich Peter
Nadere informatieTentamen Inleiding Kansrekening wi juni 2010, uur
Technische Universiteit Delft Mekelweg Faculteit Electrotechniek, Wiskunde en Informatica 8 CD Delft Tentamen Inleiding Kansrekening wi juni, 9.. uur Bij dit examen is het gebruik van een (evt. grafische
Nadere informatieWaarom kleintjes niet altijd voor moeten gaan (maar vaak wel)
Waarom kleintjes niet altijd voor moeten gaan (maar vaak wel) Sindo Núñez Queija Universiteit van Amsterdam & Centrum voor Wiskunde en Informatica + Maaike Verloop en Sem Borst OVERZICHT: Wachtrijen en
Nadere informatieSTOCHASTISCHE OPERATIONS RESEARCH
STOCHASTISCHE OPERATIONS RESEARCH Staf: prof.dr Henk Zijm prof.dr Richard Boucherie mevr. dr Nelly Litvak dr Jan-Kees van Ommeren dr.ir Werner Scheinhardt mevr. dr Judith Vink-Timmer Promovendi: ir. Bas
Nadere informatieMARKOV KETENS, OF: WAT IS DE KANS DAT MEVROUW DE VRIES NAT ZAL WORDEN?
MARKOV KETENS, OF: WAT IS DE KANS DAT MEVROUW DE VRIES NAT ZAL WORDEN? KARMA DAJANI In deze lezing gaan we over een bijzonder model in kansrekening spreken Maar eerst een paar woorden vooraf Wat doen we
Nadere informatieAttractielogistiek. Bachelorproject. Where innovation starts. Faculteit Wiskunde en Informatica
Faculteit Wiskunde en Informatica Den Dolech 2, 5612 AZ Eindhoven Postbus 513, 5600 MB Eindhoven Auteur Yves Houben Opdrachtgever prof.dr.ir. O.J. Boxma, dr.ir. M.A.A. Boon Datum 14 juni 2011 Attractielogistiek
Nadere informatieKantoorruimte is simpelweg te duur om verloren te laten gaan aan ongebruikte toiletten technische studie Kurt Van Hautegem Wouter Rogiest
Kantoorruimte is simpelweg te duur om verloren te laten gaan aan ongebruikte toiletten technische studie Kurt Van Hautegem Wouter Rogiest In dit document geven we een korte toelichting bij de aannames
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Uitwerking tentamen Kansrekening en Stochastische Processen (2S61) op woensdag 27 april 25, 14. 17. uur. 1. Gegeven zijn twee onafhankelijke
Nadere informatieMulti-class Erlang loss systems with trunk reservation in a Halfin-Whitt Regime
Eindhoven University of Technology BACHELOR Multi-class Erlang loss systems with trunk reservation in a Halfin-Whitt Regime van der Boor, M Award date: 204 Disclaimer This document contains a student thesis
Nadere informatieStochastische Modellen in Operations Management (153088)
R1 L1 R2 1 S0 Stochastische Modellen in Operations Management (153088) 240 ms 10 ms Ack Internet Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatieP = LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten:
LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten: Voorbeeld: Zoek de unieke oplossing van het stelsel π = π P waarvoor bovendien geldt dat i S π i = 1. P = 0 1/4
Nadere informatieVrije Universiteit 28 mei Gebruik van een (niet-grafische) rekenmachine is toegestaan.
Afdeling Wiskunde Volledig tentamen Statistics Deeltentamen 2 Statistics Vrije Universiteit 28 mei 2015 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen: opgaven 1,2,3,4. Cijfer=
Nadere informatieVerkeerslichten. Ton Godtschalk 13 juni Lengte van de wachtrij Inleiding Variabelen Aannames... 3
Verkeerslichten Ton Godtschalk 13 juni 2008 Inhoudsopgave 1 Lengte van de wachtrij 2 1.1 Inleiding..................................... 2 1.2 Variabelen.................................... 3 1.3 Aannames....................................
Nadere informatieToegepaste Wiskunde 2: Het Kalman-filter
Toegepaste Wiskunde 2: Het Kalman-filter 25 februari, 2008 Hans Maassen 1. Inleiding Het Kalman filter schat de toestand van een systeem op basis van een reeks, door ruis verstoorde waarnemingen. Een meer
Nadere informatieVoorbehouden voor de correctoren Vraag 1 Vraag 2 Vraag 3 Vraag 4 Vraag 5 Totaal. Toets Kansrekenen I. 28 maart 2014
Voorbehouden voor de correctoren Vraag 1 Vraag 2 Vraag 3 Vraag 4 Vraag 5 Totaal Toets Kansrekenen I 28 maart 2014 Naam : Richting : Lees volgende aanwijzingen alvorens aan het examen te beginnen Wie de
Nadere informatieCover Page. The handle holds various files of this Leiden University dissertation
Cover Page The handle http://hdl.handle.net/1887/39637 holds various files of this Leiden University dissertation Author: Smit, Laurens Title: Steady-state analysis of large scale systems : the successive
Nadere informatieZeldzame en extreme gebeurtenissen
24 March 215 Outline 1 Inleiding 2 Extreme gebeurtenissen 3 4 Staarten 5 Het maximum 6 Kwantielen 23 maart 215 Het Financieele Dagblad Vijf grootste rampen (verzekerd kapitaal) 1 Orkaan Katrina (25, MU$
Nadere informatieStochastische Modellen in Operations Management (153088)
R1 L1 R2 S0 Stochastische Modellen in Operations Management (153088) 240 ms 10 ms Ack Internet Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatieHandout limietstellingen Kansrekening 2WS20
Handout limietstellingen Kansrekening WS0 Remco van der Hofstad 13 januari 017 Samenvatting In deze hand out bespreken we een aantal limietstellingen en hun bewijzen. In meer detail, behandelen we de volgende
Nadere informatieHandout limietstellingen Kansrekening 2WS20
Handout limietstellingen Kansrekening WS0 Remco van der Hofstad 11 januari 018 Samenvatting In deze hand out bespreken we een aantal limietstellingen en hun bewijzen. In meer detail, behandelen we de volgende
Nadere informatieVergelijken van modellen voor het aanbieden van tolken Een wiskundig model voor Capio
Vergelijken van modellen voor het aanbieden van tolken Een wiskundig model voor Capio Anke Gasseling, Wouter Lardinois en Eloy Stoppels 15 juni 2015 1 1 Abstract Capio is een bedrijf dat een applicatie
Nadere informatieOefenDeeltentamen 2 Kansrekening 2011/ Beschouw een continue stochast X met kansdichtheidsfunctie cx 4, 0 x 1 f X (x) = f(x) = 0, anders.
Universiteit Utrecht *=Universiteit-Utrecht Boedapestlaan 6 Mathematisch Instituut 3584 CD Utrecht OefenDeeltentamen Kansrekening 11/1 1. Beschouw een continue stochast X met kansdichtheidsfunctie c 4,
Nadere informatieWACHTTIJDTHEORIE. Rob Bosch. Jan van de Craats
WACHTTIJDTHEORIE Rob Bosch Jan van de Craats Inhoudsopgave 1 Het Poissonproces 1 1.1 De Poissonverdeling......................... 2 1.2 Voorbeelden.............................. 4 1.3 Van binomiaal naar
Nadere informatie