Analiza i modelowanie przepływów w sieci Internet. Andrzej Andrijew



Podobne dokumenty
Własności multifraktalne serii czasowych

Akwizycja i przetwarzanie sygnałów cyfrowych

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji.

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

Szeregi czasowe, analiza zależności krótkoi długozasięgowych

LABORATORIUM AKUSTYKI MUZYCZNEJ. Ćw. nr 12. Analiza falkowa dźwięków instrumentów muzycznych. 1. PODSTAWY TEORETYCZNE ANALIZY FALKOWEJ.

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej

Cyfrowe przetwarzanie i kompresja danych

Z Wikipedii, wolnej encyklopedii.

Układy stochastyczne

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd

Teoria sygnałów Signal Theory. Elektrotechnika I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)

Zmienne losowe ciągłe i ich rozkłady

Biostatystyka, # 3 /Weterynaria I/

Modelowanie komputerowe

Rozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20).

Szybka transformacja Fouriera (FFT Fast Fourier Transform)

Ogólnopolska Konferencja Aktuarialna Zagadnienia aktuarialne teoria i praktyka Warszawa, IE SGH 2009

Finansowe szeregi czasowe

Kartkówka 1 Opracowanie: Próbkowanie częstotliwość próbkowania nie mniejsza niż podwojona szerokość przed spróbkowaniem.

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Zmienne losowe ciągłe i ich rozkłady

Akustyka muzyczna ANALIZA DŹWIĘKÓW MUZYCZNYCH

3. Analiza własności szeregu czasowego i wybór typu modelu

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

EKSTRAKCJA CECH TWARZY ZA POMOCĄ TRANSFORMATY FALKOWEJ

Opis efektów kształcenia dla modułu zajęć

Dokładne i graniczne rozkłady statystyk z próby

Prawdopodobieństwo i statystyka

Metody numeryczne I Równania nieliniowe

ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ

Własności statystyczne regresji liniowej. Wykład 4

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

Zmienne losowe. Powtórzenie. Dariusz Uciński. Wykład 1. Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski

Stacjonarność Integracja. Integracja. Integracja

Analiza szeregów czasowych: 2. Splot. Widmo mocy.

Wykorzystanie linii kwantylowych zakumulowanego procesu FARIMA do modelowania samopodobnego ruchu pakietowego

4. ZNACZENIE ROZKŁADU WYKŁADNICZEGO

Kwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p.

STATYSTYKA MATEMATYCZNA

CYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera)

Wykład 4 Przebieg zmienności funkcji. Badanie dziedziny oraz wyznaczanie granic funkcji poznaliśmy na poprzednich wykładach.

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15

Egzamin / zaliczenie na ocenę*

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Analiza szeregów czasowych: 2. Splot. Widmo mocy.

Podczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych.

Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, Spis treści

Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

Rachunek prawdopodobieństwa- wykład 6

Sieci Mobilne i Bezprzewodowe laboratorium 2 Modelowanie zdarzeń dyskretnych

PL B1. Sposób i układ pomiaru całkowitego współczynnika odkształcenia THD sygnałów elektrycznych w systemach zasilających

Statystyka opisowa. Robert Pietrzykowski.

Sposoby opisu i modelowania zakłóceń kanałowych

9. Dyskretna transformata Fouriera algorytm FFT

Zmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014

Metody probabilistyczne

Ważne rozkłady i twierdzenia c.d.

O ŚREDNIEJ STATYSTYCZNEJ

4 Zasoby językowe Korpusy obcojęzyczne Korpusy języka polskiego Słowniki Sposoby gromadzenia danych...

Ćwiczenia 3 ROZKŁAD ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ

W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.

Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport

EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA MATEMATYCZNA WYKŁAD grudnia 2009

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

Laboratorium Przetwarzania Sygnałów

Miernictwo Wibroakustyczne Literatura. Wykład 1 Wprowadzenie. Sygnały pomiarowe

Rachunek Prawdopodobieństwa Rozdział 5. Rozkłady łączne

Wyk ad II. Stacjonarne szeregi czasowe.

METODY I TECHNOLOGIA SPRAWDZANIA AKTUALNOŚCI MATERIAŁÓW KARTOGRAFICZNYCH NA POTRZEBY POWSZECHNEJ TAKSACJI

Ekonometria. Zajęcia

O procesie Wienera. O procesie Wienera. Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Proces Wienera. Ruch Browna. Ułamkowe ruchy Browna

Przedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry Pojęcia podstawowe Klasyfikacja sygnałów

istocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy

Statystyka matematyczna

Modelowanie stochastyczne Stochastic Modeling. Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2C

przedmiot kierunkowy (podstawowy / kierunkowy / inny HES) obieralny (obowiązkowy / nieobowiązkowy) polski semestr VI

Wprowadzenie do analizy korelacji i regresji

Matematyka ubezpieczeń majątkowych r.

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej

Zmienne losowe. Statystyka w 3

Matematyka 2. dr inż. Rajmund Stasiewicz

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Kolokwium ze statystyki matematycznej

Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku.

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

zdarzenie losowe - zdarzenie którego przebiegu czy wyniku nie da się przewidzieć na pewno.

Transkrypt:

Analiza i modelowanie przepływów w sieci Internet Andrzej Andrijew

Plan referatu Samopodobieostwo w sieci Internet Samopodobne procesy stochastyczne Metody sprawdzania samopodobieostwa Modelowanie przepływów w sieciach komputerowych

Rys [1] Samopodobieostwo w sieci Internet

Rys [1] Samopodobieostwo w sieci Internet

Samopodobne procesy stochastyczne Rodzina zmiennych losowych jest samopodobnym procesem stochastycznym z parametrem samopodobieostwa nazywanym wykładnikiem Hursta, jeśli zachodzi dla każdego. d

Proces łącznych uśrednionych przyrostów Dla danego procesu stacjonarnego w szerszym sensie (wartośd oczekiwana jest stała, autokowariancja zależy tylko i wyłącznie od różnicy w czasie) można zdefiniowad proces łącznych uśrednionych przyrostów jako

Samopodobieostwo drugiego rzędu Proces jest asymptotycznie samopodobny w szerszym sensie z parametrem samopodobieostwa jeśli dla każdego oraz pewnego, gdzie jest autokowariancją procesu łącznych przyrostów określonego na rozważanym procesie.

Samopodobieostwo drugiego rzędu i procesy H-sssi Procesy H-sssi Proces ma stacjonarne przyrosty, jeśli dla każdego. Ułamkowe ruchy Browna fbm (0<H<1) Ułamkowy szum Gaussa fgn

Własności związane z samopodobieostwem Długoterminowe zależności (tzw. procesy LRD) Wolno opadająca wariancja Dystrybuanta o własności ciężkich ogonów

Długoterminowe zależności autokorelacje są dodatnie nawet dla dużych przesunięd, w szczególności istnieją takie oraz, że zachodzi

Długoterminowe zależności cd.. Funkcja gęstości widma mocy dla procesów dyskretnych dla procesów LRD zachodzi przy

Wolno opadająca wariancja Dla procesu zachodzi oraz odpowiedniego przy odpowiednio dużych, co pozwala rozróżnid procesy samopodobne od procesów z krótkoterminowymi zależnościami gdyż dla procesów SRD zachodzi

Dystrybuanta o własności ciężkich ogonów W przepływach w sieciach komputerowych charakterystyki związane z długością czasu trwania połączeo, czasów pomiędzy przybyciami pakietów, wielkości przesyłanych plików są związane z dystrybuantami o własności ciężkich ogonów. Wykazano, że właśnie one odpowiadają między innymi za długoterminowe zależności przepływów w sieciach komputerowych.

Samopodobieostwo przepływów cd Autokorelacja agregowanego strumienia

Rys [2] Samopodobieostwo przepływów cd

Badanie rzeczywistych przepływów Próbka z 20 kwietnia 2003 z jednego z serwerów na Uniwersytecie Carolina w Stanach Zjednoczonych Badanie ograniczone do zakresu pierwszych 10 minut Najmniejszy przedział czasowy to 100ms, próbka zawierała 24,5 mln pakietów

Badane przepływy

Badane przepływy

Badane przepływy

Źródła samopodobieostwa Zachowanie użytkowników sieci (np. preferencje wyboru dokumentów w sieci) Struktura przesyłanych danych (np. rozkład wielkości przesyłanych plików) Ograniczona przepustowośd łącz Mechanizmy bezpośrednio powiązane z protokołami transmisji

Metody sprawdzania samopodobieostwa metody operujące w dziedzinie czasu - wykres wariancji - statystyka R/S metody operujące w dziedzinie częstotliwości - periodogram - analiza falkowa

Metoda wykresu wariancji dla procesu samopodobnego zachodzi skąd dalej

Metoda wykresu wariancji cd

Metoda statystyki R/S dla zbioru obserwacji można zdefiniowad gdzie

Metoda statystyki R/S cd zachodzi skąd dalej

Metoda statystyki R/S cd

Metoda periodogramu Periodogram ciągu obserwacji przybliża funkcję gęstości widma mocy

Metoda periodogramu cd dla której przy zachodzi skąd dalej

Metoda periodogramu cd

Zarys analizy falkowej Ciągła transformata falkowa gdzie spełnia warunek dopuszczalności

Zarys analizy falkowej CWT jest przekształceniem odwracalnym Gdyby rozważad cała informacja zawarta jest w punktach półpłaszczyzny. Można zatem przypuszczad, że można wybrad tylko pewien podzbiór tych punktów.

Zarys analizy falkowej cd Podstawa analizy wielorozdzielczej MRA Wystarczy wziąd zbiór i istnieją takie falki macierzyste, że zbiór tworzy bazę ortonormalną (Riesza) w

Zarys analizy falkowej cd Dyskretna transformata falkowa DWT gdzie funkcja skalująca

Zarys analizy falkowej cd

Metoda analizy falkowej dla dyskretnej transformaty falkowej zachodzi gdzie to pewna stała zależna od wybranej falki oraz od parametru Hursta.

Metoda analizy falkowej cd

Modelowanie przepływów w sieciach komputerowych Model ON/OFF z rozkładem Pareto Model oparty o ułamkowy szum Gaussa fgn Model oparty o autoregresywne procesy FARIMA

Model ON/OFF i przepływy głosu VoIP zachodzą długoterminowe zależności czasy trwania połączeo oraz czasy pomiędzy nawiązaniami połączeo są charakteryzowane są poprzez rozkłady Pareto postaci gdzie to parametr kształtu krzywej, a to parametr skali.

Model ON/OFF z rozkładem Pareto przy ilości agregowanych strumieni zachodzi

H wyznaczone na podstawie próbek Badanie modelu ON/OFF H docelowe, określone przy generowaniu próbek

Model fgn i przepływy wideo VBR zachodzą długoterminowe zależności model oparty o ułamkowy szum Gaussa fgn generowanie ruchu bazuje na szybkiej transformacie Fouriera (FFT) powiązanej z funkcją gęstości widma mocy

H wyznaczone na podstawie próbek Badanie metod 1 H docelowe, określone przy generowaniu próbek

Model FARIMA i przepływy WWW zachodzą długoterminowe zależności model oparty o autoregresywne procesy FARIMA, które wyznaczają następną zmienną losową rekurencyjnie na podstawie poprzednio wyznaczonych

H wyznaczone na podstawie próbek Badanie metod cd H docelowe, określone przy generowaniu próbek

Podsumowanie i sugestie na przyszłośd przepływy w Internecie często charakteryzowane są poprzez długoterminowe zależności (mają własnośd samopodobieostwa) i dlatego można je modelowad za pomocą rozważanych technik krok dalej procesy multifraktalne i teoria kolejek nieskooczenie podzielne kaskady rozwinięcie, które zwiera w sobie zarówno charakterystyki monofraktalne, jak i multifraktalne natychmiastowe zastosowanie rozważanych technik do aktualnych potrzeb, analiz oraz badao

Dziękuję za uwagę.

Wykorzystano rysunki z badao autora oraz odpowiednio oznaczone z publikacji: [1] Willinger, W.; Paxson, V., Where Mathematics Meets the Internet, Notices of the AMS, vol. 45, 1998, s. 961-970 [2] Sheluhin, O. I; Smolskiy, S. M.; Osin, A. V., Self-similar processes in telecomunications, John Wiley & Sons Ltd, 2007