Sei sulla pagina 1di 1

Tempi di interarrivo di un processo di Poisson

Tempi di interarrivo di un processo di Poisson

In molte applicazioni, ha interesse considerare i primi arrivi a partire da un istante iniziale s, che In molte applicazioni, ha interesse considerare i primi arrivi a partire da un istante iniziale s, che possiamo possiamo supporre ugualea a zero senza di generalit. generalit`. a supporre uguale zero senza perdita perdita di
"1 "2
t1 t2

"3
t3

t!1
Definiamo come

Deniamo teorema. n = tn tn1 , t0 = 0, il tempo di interarrivo n-esimo. In proposito, vale il come seguente teorema.
Teorema. Il tempo di arrivo

" n = tn ! tn!1 , ( t0 = 0 ), il tempo di interarrivo n-esimo. In proposito, vale il seguente

Teorema. di Erlang di parametro # e indice nun processo di Poisson omogeneo di intensit` ` una variabile Il tempo di arrivo tn di . a e aleatoria di Erlang di parametro e indice n. Prova. Per a $ 0 si ha Prova. Per a 0 si ha
Ftn ( a ) = P[tn % a ] = P[ N ( a ) $ n ] = 1 ! P[ N (a ) < n ]

tn di un processo di Poisson omogeneo di intensit # una variabile aleatoria

Ftn (a) = P [tn a]n != P [N (0, a] n] = 1 P [N (0, a] < n] k 1


= 1 ! e !#a & ( #a ) k! k =0

= 1 ea
Si tratta della distribuzione di una variabile variabile aleatoria esponenziale unilatera e che

(a)k . k! aleatoria di Erlang. In k=0

n1

particolare, si ottiene che

"1

una

n Si tratta della distribuzione di una variabile aleatoria di Erlang. In particolare, si ottiene che 1 ` una e variabile aleatoria di Erlang, che come sappiamo risulta dalla somma di variabili esponenziali indipendenti. variabile aleatoria esponenziale unilatera tempi ditn , dato"dalla somma deialeatorie indipendenti di interarrivo, Sarebbe allora facile mostrare che i e che interarrivo n sono tutti variabili primi n tempi esponenziali unilatere di parametro . Si noti che " 1 rappresenta il tempo di somma di variabili ` una variabile aleatoria di Erlang, che#come sappiamo risulta dalla attesa residuo prima di un esponenziali e nuovo arrivo dopo lorigine. Il fatto che esso abbia la stessa descrizione statistica di un qualsiasi altro indipendenti. tempo di interarrivo deriva dalla propriet della variabile aleatoria esponenziale di essere senza memoria.

t , dato dalla somma dei primi n tempi di interarrivo, una

Sarebbe allora facile mostrare che i tempi di interarrivo n sono tutti variabili aleatorie indipendenti Si ha il seguente risultato, che a prima vista pu sembrare paradossale: t1 e t!1 (in modulo) sono variabili esponenziali unilatere di parametro . di parametro # . Infatti, per a e b maggiori uguali a zero, si ha aleatorie indipendenti esponenziali Ad esempio, F2 |P[t1 % a,=1 % b] = P [ N2(0, aa|b0, Nhb< ]= 0] =b(1 !h] =eP [N (b, b + a] 1] = 1 ea , (a|b) t! lim P[ ] > ( ,0 1 < + e ) 1
h0+ da cui derivando si ottiene
1 !1

! #a

#b

il che dimostra che 2 ha una distribuzione esponenziale, ed ` indipendente da 1 . Si noti che 1 e f t ,t ( a, b) = #e ! #a #e #b 1( a )1( !b). rappresenta il tempo di attesa residuo prima di un nuovo arrivo dopo lorigine. Il fatto che esso abbia la stessa descrizione statisticadidi un qualsiasiattorno allorigine, ha una distribuzione diderivadidalla 2. a Ne segue che il tempo interarrivo che cade altro tempo di interarrivo Erlang ordine propriet` della Questo non deve stupire se si pensa che, considerando un istante prefissato, lorigine appunto, pi variabile aleatoria esponenziale esso cadano tempi di interarrivo pi grandi probabile che attorno ad di essere senza memoria. Si ha il seguente risultato, che a prima vista pu` sembrare paradossale: 1 e 1 (in modulo) sono o variabili aleatorie indipendenti esponenziali di parametro . Infatti, per a e b maggiori uguali a zero, si ha P [1 a, 1 b] = P [N (0, a] 1, N (b, 0] 1] = (1 ea )(1 eb ) da cui derivando, e tenendo conto dellandamento di P [1 a, 2 b] per a e b non necessariamente entrambi maggiori o uguali a zero, si ottiene f1 ,2 (a, b) = ea 1(a) eb 1(b). Ne segue che il tempo di interarrivo che cade attorno allorigine ha una distribuzione di Erlang di ordine 2. Questo non deve stupire se si pensa che, considerando un istante pressato, lorigine appunto, ` pi` probabile che attorno ad esso cadano tempi di interarrivo pi` grandi. e u u