Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Instrucciones
Problema 1. A un servidor llega tráfico a través de dos rutas diferen- Hay tres problemas.
tes, E y U. En la ruta E las tramas sufren un retardo que se distribuye Se recomienda leer todos los proble-
mas antes de empezar.
según una variable aleatoria (v.a.) exponencial de media 30 ms. En la Empiece cada problema en una hoja
ruta U el tráfico sufre un retardo que sigue una v.a. uniformemente nueva.
Todos los problemas tienen la misma
distribuida entre 0 y 100 ms. El 40 % de las tramas se reciben a través
puntuación.
de la ruta E y el 60 % a través de la ruta U.
Formulario
1. Calcule el retardo medio del tráfico.
Uniforme entre a y b
2. Calcule la probabilidad de que el retardo sea menor de 20 ms. 1
f (x) = , a≤x≤b
b−a
3. Si el retardo de una trama es menor de 20 ms, ¿cuál es la probabi- x−a
lidad de que haya llegado a través de la ruta E? F(x) = , a≤x≤b
b−a
Exponencial
4. Calcule la probabilidad de que una trama elegida al azar de las
transmitidas por la ruta E tenga un retardo menor que una trama f X ( x ) = λe−λx , x ≥ 0
Pr( X < 20) = Pr( X < 20 | e) Pr(e) + Pr( X < 20 | u) Pr(u) (4)
Pr( X < 20) = Pr( Xe < 20) Pr(e) + Pr( Xu < 20) Pr(u) (5)
Pr( X < 20) = (1 − e−20/30 ) Pr(e) + (20/100) Pr(u) (6)
Pr( X < 20) = 0,486 × 0,4 + 0,2 × 0,6 = 0,315 (7)
Solución 2.
1. The process that describes the generation of tasks is the aggrega-
tion of the individual Poisson processes of all vehicles, being itself
a Poisson with Parameter λ = ∑V v=1 λv = 50tasks/sec. The pro-
cess that describes the arrival of tasks at each server is a sampling
of the original one, with sampling probability p and (1 − p) for
server A and B, respectively. Thus, it is a Poisson, with parameters:
λ A = V pλ = 10 ∗ 0,2 ∗ 5 = 10task/sec,
λ B = V (1 − p)λ = 10 ∗ 0,8 ∗ 5 = 40task/sec.
2. Let XiA and XiB be the inter-arrival time of task i at server A and
B, respectively. Then, given that the arrival processes at the two
servers are Poisson processes, it is:
1 1
E( XiA ) = = = 0,1sec,
λA 10
1 1
E( XiB ) = = = 0,025sec.
λB 40
3. The absolute arrival time Si of task i follows the sum of exponen-
tially distributed r.v. X j , j = 0, ...i (since the processes are Poisson).
This sum is known to follow the Gamma distribution with same
parameter λ as the Poisson, and i degrees of freedom, with the
following mean and variance:
i i
E ( Si ) = , V ( Si ) = 2 .
λ λ
teoría de redes - grado en ingeniería telem ática 4
Thus:
The average time that the 20-th task is produced is:
i 20
E ( Si ) = = = 0,4sec,
λ 50
r r
i 20
Std(Si ) = 2
= = 0,089sec.
λ 502
So the 20-th event will most likely lie within 0,4 ± 0,178sec.
For the 20-th task arriving at server A:
i 20
E(SiA ) = = = 2sec,
λA 10
s r
i 20
Std(SiA ) = = = 0,447sec.
λ2A 102
So the 20-th event will most likely lie within 2 ± 0,447sec.
Similarly, for the 20-th task arriving at server B:
i 20
E(SiB ) = = = 0,5sec,
λB 40
s r
i 20
Std(SiB ) = 2
= 2
= 0,111sec.
λB 40
So the 20-th event will most likely lie within 0,5 ± 0,111sec.
4. Let N (t) be the number of tasks that are produced from second
0 to second t. Since the process of arrival of tasks at server A is a
Poisson process with parameter λ A = 10 task/sec, the number
of events occurred within a time interval of length t follows the
Poisson distribution with rate λ A t. Thus:
Solución 3.
a) La propiedad de sin memoria de la variable aletoria exponencial
se demuestra calculando por separado:
e−λ(s+t)
P( X > s + t| X > s) = = e−λt
e−λs
y
P( X > t) = e−λt
Se puede ver que P( X > s + t| X > s) = P( X > t) y esta igualdad
solo se cumple para la variable aleatoria exponencial.
La interpretación es que la probabilidad de que una variable alea-
toria X sobreviva más de t unidades de tiempo no depende de la
cantidad de tiempo pasado s que ha sobrevivido, es decir, de su his-
toria.
b) Si un sensor de temperatura envı́a mensajes a una tasa de 10
mensajes por minuto (o 60 segundos), esto quiere decir que, en me-
dia, del sensor sale un mensaje cada 6 segundos. Sabemos que el
tiempo entre mensajes de salida del sensor es aleatorio según una
distribución uniforme U (0, b). Es decir, el tiempo medio entre dos
mensajes es:
a+b 0+b
= =6s
2 2
Por tanto, b = 12 seg. Es decir, el tiempo entre dos mensajes es
uniforme entre 0 y 12 segundos.
c) Según el teorema de Palm-Khintchine, sı́ se puede asegurar que
el proceso agregado de llegada de mensajes (provieniente de 1000
sensores) a la estación WiFi se aproximarı́a a un Proceso de Poisson,
teoría de redes - grado en ingeniería telem ática 6