Poisson 分配、指數分配與排隊理論
文章推薦指數: 80 %
由上可知Poisson 分配是二項分配B(N,p,q) 的一種極限,其中Np= 常數 $\lambda T$ ,再讓 $N\rightarrow\infty$ 。
... 所以W 的機率密度函數是指數分配:.
Poisson分配、指數分配與排隊理論
翁秉仁
首頁|搜尋
.作者任教於台大數學系
.本文節錄改寫自作者《微積分講義》
Poisson分配
考慮下列現象:每小時服務台訪客的人數,每天家中電話的通數,一本書中每頁的錯字數,某條道路上每月發生車禍的次數,生產線上的疵品數,學生到辦公室找老師的次數……。
大致上都有一些共同的特徵:在某時間區段內,平均會發生若干次「事件」,但是有時候很少,有時又異常地多,因此事件發生的次數是一個隨機變數,它所對應的機率函數稱為Poisson分配。
一個Poisson過程有三個基本特性:
(1)在一個短時間區間內,發生一次事件的機率與成正比:
。
(2)在短時間內發生兩次以上的機率可以忽略。
(3)在不重疊的時間段落裡,事件各自發生的次數是獨立的。
各位可以驗證上述各種實際的例子,是不是相當符合Poisson過程的定義?
現令P(k,T)表示在時間區間T中發生k次事件的機率(注意T表示時間區間的長度,而不是絕對時間),由(1)(2)知
,且
,。
現將T分割成N個短時間區段(即),利用(3)各時間區段出現之事件是獨立的條件,可知
固定k,當
時
由上可知Poisson分配是二項分配B(N,p,q)的一種極限,其中Np=常數,再讓
。
另外,我們通常將記為m,表示在時間區間T中,平均的發生次數(見下面習題)。
習題:
(1)驗證
。
(2)令
,
。
求E(X)與Var(X)。
(Ans.m,m.)
例.
一公司之電話通數大約每小時20通,求在5分鐘內一通電話也沒有的機率?
每小時20通,表示每分鐘平均
通/分。
因此在5分鐘的時間區間中,平均的電話通數為
。
所以
所以沒有一通電話的機率
。
有了P(k),我們可以回答許多類似的問題:在5分鐘內有4通電話的機率是
,大概每十六次才有一次。
在5分鐘內有超過3通電話的機率是
經計算這個機率分配的期望值,標準差
。
右圖是P(k)的圖形,當然由於,所以這只是部分圖形。
讀者可與一般的二項分配的圖形比較。
例.下表是1910年Rutherford觀察放射性物質放射α粒子的記錄,每次觀察7.5秒,共觀察2608次。
粒子數
次數
頻率
P(k)
0
57
0.022
0.021
1
203
0.078
0.081
2
383
0.147
0.156
3
525
0.201
0.201
4
532
0.204
0.195
5
408
0.156
0.151
6
273
0.105
0.097
7
139
0.053
0.054
8
45
0.017
0.026
9
27
0.010
0.011
16
0.006
0.007
這裡P(k)=P(k,7.5),其中
,m=3.87(見表最末欄),為7.5秒中α粒子放射之平均個數。
可以看到,如果假設α粒子的放射是一Poisson過程,結果相當吻合。
例.令一放射性物質在時間t時所含之放射性粒子總量為N(t),如果假設放射粒子是一Poisson過程,則在短時間後,
注意到
是一期望值的形式。
所以
這可看成輻射定律的「證明」。
對外搜尋關鍵字:.輻射定律
指數分配與排隊理論
令W表示在Poisson過程中,由開始到第一次事件發生的時間(這是一隨機變數)。
由上節知
但
所以
這個機率分配稱為指數分配。
可計算得
,這就是第一次事件發生的平均時間。
另外,
。
現在讓我們討論排隊理論。
排隊的現象無所不在:買各種票、吃自助餐、超商、百貨公司……等。
顧客揣度「應該排那一服務櫃台會比較快?」「到底還要排多久?」是城市生活的基本問題;相對的,商家也要盤算到底在何時要開幾個窗口櫃台才符合成本,探討這個問題的數學理論通稱為排隊理論,而指數分配經常被用到排隊理論,當作服務客人時間(這是一隨機變數)的機率密度函數。
讓我們假設某櫃台,服務客人的平均時間為μ,想像在服務結束後,櫃員會亮燈請下一位客人進來,則亮燈的平均時間是μ。
若將「燈亮」視為一事件發生,則亮燈的過程近似於一Poisson過程。
而且前面定義的W正好表示兩次亮燈間的間隔。
所以W的機率密度函數是指數分配:
例.
現假設一櫃台平均服務時間為3分鐘,設等待時間的機率密度函數為
(1)等候時間超過6分鐘的機率是多少?
事實上,等候超過T分鐘的機率是
。
(2)另一個合理的問題是,如果在我前面還有另一個客人,則我怎麼描述,我等待時間的機率分配呢?
令W1是第一個客人等待的時間,W2是第一個客人開始被服務後,我所等待的時間,則
,而且總等待時間U=W1+W2,另外顯然W1與W2是互相獨立的。
所以我們的問題就是要計算fU(t),由309頁例子的方法,可以計算得
或者,如果將指數分配fW(t)想成是
分配,則此相當於
因此如果我們想知道總等候時間不超過5分鐘的機率,則
有一半的機會。
(3)如果前面有n-1個客人時,則可定義
,其中Wi彼此獨立,由Gamma分配性質知
,即
這告訴我們
分配與排隊理論的關係。
我們將細節留作習題。
習題:
(1)超級市場一服務員平均服務時間為2分鐘,若用指數分配當作等候時間之機率分配,則機率密度函數是什麼?
(2)如果他正開始服務一位客人,而你前面還有一位客人在等候,則你會等超過6分鐘的機率是多少?
(3)若服務員甲平均服務時間為2分鐘,而服務員乙之平均服務時間為3分鐘,如果你選擇乙,你朋友選擇甲,且一起開始接受服務,則你會比朋友快的機率是多少?(當然甲與乙的服務是相互獨立的)
你能給出一個一般的計算公式嗎?
(若有指正、疑問……,可以在此留言或寫信給我們。
)
EpisteMath(c)2000中央研究院數學所、台大數學系
各網頁文章內容之著作權為原著作人所有
最後修改日期:9/30/2001
延伸文章資訊
- 1連續隨機變數及其常用的機率分配
4. 了解均等分配、指數分配的意義及性質並計算其期望值與. 變異數。 5. 比較超幾何分配、二項分配、泊松分配與常態分配。 應用統計學林惠玲陳正倉著 ...
- 2指數分布- 維基百科,自由的百科全書
在機率論和統計學中,指數分布(英語:Exponential distribution)是一種連續機率分布。指數分布可以用來表示獨立隨機事件發生的時間間隔,比如旅客進入機場的時間 ...
- 3連續機率分配
指數機率分配密度函數. • 指數分配累積機率. 期望值或平均值 ... 指數機率分配範例(1). • 假定Schips碼頭裝滿一卡車貨物所需的時間x呈指數分配,.
- 4連續機率分配
另一項重要的連續分配是指數分配(exponential distribution)。它的機率密度函數是:. 注意x ≥0。 ▫時間(舉例來說)是非負數的數量。 ▫指數分配通常用在與時間相關的 ...
- 5exponential distribution - 指數分配 - 國家教育研究院雙語詞彙
出處/學術領域, 英文詞彙, 中文詞彙. 學術名詞 工業工程名詞, exponential distribution, 指數分配. 學術名詞 紡織科技, exponential distribu...