POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH



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

Wykład 9: Markov Chain Monte Carlo

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa

PRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW

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

Podstawowe własności grafów. Wykład 3. Własności grafów

Matematyczne Podstawy Informatyki

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

Digraf. 13 maja 2017

RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA

MATEMATYKA DYSKRETNA - MATERIAŁY DO WYKŁADU GRAFY

Rachunek prawdopodobieństwa i statystyka

Statystyka matematyczna dla leśników

XXXIII Konferencja Statystyka Matematyczna

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

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

Zmienne losowe ciągłe i ich rozkłady

UPORZĄDKOWANIE STOCHASTYCZNE ESTYMATORÓW ŚREDNIEGO CZASU ŻYCIA. Piotr Nowak Uniwersytet Wrocławski

Biostatystyka, # 3 /Weterynaria I/

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

dla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Analiza niepewności pomiarów

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne

Elementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska)

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

EGZAMIN MAGISTERSKI, 18 września 2013 Biomatematyka

6.4 Podstawowe metody statystyczne

WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 3 - model statystyczny, podstawowe zadania statystyki matematycznej

Rozkłady zmiennych losowych

Diagnozowanie sieci komputerowej na podstawie opinii diagnostycznych o poszczególnych komputerach sieci

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Prawdopodobieństwo i statystyka

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Diagnozowanie sieci komputerowej metodą dialogu diagnostycznego

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe

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

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =

Weryfikacja hipotez statystycznych

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie

51. Wykorzystywanie sumy, iloczynu i różnicy zdarzeń do obliczania prawdopodobieństw zdarzeń.

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

STATYSTYKA wykład 5-6

TEORETYCZNE PODSTAWY INFORMATYKI

Kolorowanie wierzchołków Kolorowanie krawędzi Kolorowanie regionów i map. Wykład 8. Kolorowanie

Matematyka ubezpieczeń majątkowych r.

Prawdopodobieństwo i statystyka

Metody probabilistyczne

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

EGZAMIN MAGISTERSKI, czerwiec 2014 Matematyka w ekonomii i ubezpieczeniach

Z Wikipedii, wolnej encyklopedii.

Wykład 3 Hipotezy statystyczne

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Algorytmy MCMC (Markowowskie Monte Carlo) dla skokowych procesów Markowa

STOCHASTYCZNY MODEL BEZPIECZEŃSTWA OBIEKTU W PROCESIE EKSPLOATACJI

Zmienne losowe ciągłe i ich rozkłady

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne

Testy zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11

WŁASNOŚCI NIEZAWODNOŚCIOWE SPRZĘGIEŁ CIERNYCH

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Wykład 5 Estymatory nieobciążone z jednostajnie minimalną war

Testowanie hipotez statystycznych

Prawdopodobieństwo i statystyka

Wykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa

Przestrzeń probabilistyczna

Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga

Prawa wielkich liczb, centralne twierdzenia graniczne

Modelowanie systemów liczacych. Ćwiczenie 2.

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

STATYSTYKA wykład 1. Wanda Olech. Katedra Genetyki i Ogólnej Hodowli Zwierząt

Klasyfikacja obiektów Drzewa decyzyjne (drzewa klasyfikacyjne)

Rozkłady statystyk z próby

Statystyka w przykładach

KURS MATEMATYKA DYSKRETNA

3. Podstawowe pojęcia statystyki matematycznej i rachunku prawdopodobieństwa wykład z Populacja i próba

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.

Metody probabilistyczne

Testowanie hipotez dla frakcji. Wrocław, 29 marca 2017

Kolorowanie wierzchołków

Droga i cykl Eulera Przykłady zastosowania drogi i cyku Eulera Droga i cykl Hamiltona. Wykład 4. Droga i cykl Eulera i Hamiltona

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f

Suma dwóch grafów. Zespolenie dwóch grafów

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

Matematyka dyskretna. Andrzej Łachwa, UJ, /14

Metody Rozmyte i Algorytmy Ewolucyjne

Pojęcie szeregu nieskończonego:zastosowania do rachunku prawdopodobieństwa wykład 1

Matematyka ubezpieczeń majątkowych r.

Transkrypt:

POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH Barbara Popowska bpopowsk@math.put.poznan.pl Politechnika Poznańska http://www.put.poznan.pl/

PROGRAM REFERATU 1. WPROWADZENIE 2. GRAF JAKO MODEL SYSTEMU TECHNICZNEGO 3. METODA APROKSYMACJI POISSONOWSKIEJ 4. PIERWSZY SYSTEM NIEZAWODNOŚCIOWY 5. DRUGI SYSTEM NIEZAWODNOŚCIOWY 6. PODSUMOWANIE B.Popowska, PP, bpopowsk@put.poznan.pl 2

1. WPROWADZENIE Czas zdatności systemu technicznego jest nieujemną zmienną losową o pewnym rozkładzie prawdopodobieństwa, który często jest nieznany. PYTANIE: Jak przewidzieć liczbę obiektów z populacji o takim rozkładzie, która uszkodzi się do chwili t? B.Popowska, PP, bpopowsk@put.poznan.pl 3

2.GRAF JAKO MODEL SYSTEMU TECHNICZNEGO 1. Przedmiot modelowania: systemy złożone z maszyn, przekaźników, operatorów, itp. 2. Wyróżniamy dwa stany obiektów: zdatności i niezdatności Stan i-tego elementu (ic) w chwili t określa zmienna losowa 1, gdy element jest zdatny wchwili t X i ( t) 0, w p.p. B.Popowska, PP, bpopowsk@put.poznan.pl 4

3. Urządzenia pracują i psują się w sposób niezależny jedno od drugiego. 4. Modelowanie systemu technicznego za pomocą grafu G=G(V,L) V-zbiór wierzchołków czyli elementów systemu (przekaźników, operatorów, itp.) L- zbiór krawędzi czyli połączeń w szeroko rozumianym sensie pomiędzy nimi B.Popowska, PP, bpopowsk@put.poznan.pl 5

3.METODA APROKSYMACJI POISSONOWSKIEJ Metoda polega na oszacowaniu odległości między rozkładem danej zmiennej losowej a rozkładem normalnym lub Poissona (w zależności od aproksymowanego rozkładu) Metodę wprowadzili: - dla rozkładu normalnego Stein w roku 1972 - dla rozkładu Poissona Chen w roku 1975 - zastosował do teorii grafów Barbour w roku 1982 B.Popowska, PP, bpopowsk@put.poznan.pl 6

PODSTAWOWE POJĘCIA 1. Metryka całkowitej wariacji między rozkładami R(X) i R(Y), odpowiednio dwóch zmiennych losowych X i Y d R( X ), R( Y) sup P( X A) P( Y A) A Gdy X i Y są nieujemnymi zmiennymi losowymi o wartościach całkowitych, metryka ta przyjmuje postać: d R( X ), R( Y) sup P( X A) P( Y A) gdzie Z 1 2 k0 A Z P( X {0, 1, 2, }. k) P( Y k) B.Popowska, PP, bpopowsk@put.poznan.pl 7

B.Popowska, PP, bpopowsk@put.poznan.pl 8 2. Oszacowanie metryki całkowitej wariacji podane przez Chena Niech I będzie dowolnym zbiorem indeksów i niech dla każdego I p p prawd prawd z z X 1.. 0 1. I X X, I p X E ) (

Załóżmy teraz, że dla każdego istnieje podzbiór indeksów B I taki, że B oraz zmienna losowa X jest niezależna od zmiennych losowych X : B. Zdefiniujmy dwie wielkości oraz b 2 b 1 I B I B p E( X p X ). B.Popowska, PP, bpopowsk@put.poznan.pl 9

TWIERDZENIE 1. (CHEN 1975r.) Niech X będzie nieujemną zmienną losową o wartościach całkowitych, natomiast Z zmienną losową o rozkładzie Poissona P(). Wówczas 1 e dr( X ), R( Z) 2b b 1 2 oraz 1 e P( X 0) e b1 b2. B.Popowska, PP, bpopowsk@put.poznan.pl 10

Uwaga. Z Twierdzenia 1 otrzymujemy klasyczny wynik o zbieżności według dystrybuanty ciągu zmiennych losowych o rozkładzie dwumianowym do rozkładu Poissona. Rzeczywiście, niech X n mają rozkład dwumianowy B n (p) oraz niech p=p(n) będzie takie, że np, gdzie 0. Wówczas B ={} i przyjmując I={1,2,...,n} dostajemy b 1 =np 2 oraz b 2 =0. Zatem 1 e 2 2 1 e n 2 R( X ), R( Z) 2np 0 d n gdy n B.Popowska, PP, bpopowsk@put.poznan.pl 11

4. PIERWSZY SYSTEM NIEZAWODNOŚCIOWY Weźmy pod uwagę system przekaźnikowy zbudowany z 2 n możliwych urządzeń logicznych, z których każde składa się z n przekaźników (ponumerowanych od 1 do n) mogących być w stanie aktywnym (wartość 1) lub nieaktywnym (wartość 0). Dwa urządzenia logiczne mogą przekazywać informacje między sobą wtedy i tylko wtedy, gdy różnią się wartością dokładnie jednego przekaźnika, występującego na tym samym miejscu w obu urządzeniach. B.Popowska, PP, bpopowsk@put.poznan.pl 12

Załóżmy, że kierunek przekazywanej informacji między dwoma ustalonymi urządzeniami logicznymi (mogącymi przekazywać informacje) jest losowy 1 z prawdopodobieństwem 2 i niezależny od kierunku przekazywanych informacji na pozostałych parach urządzeń. Układ logiczny jest blokujący jeżeli wszystkie urządzenia logiczne połączone z tym układem (a jest ich n) przekazują informacje do tego układu. Innymi słowy, z układu blokującego żadna informacja nie może wydostać się na zewnątrz i system przekaźnikowy staje się zawodny. Zatem będziemy mówili, że rozważany system jest niezawodny, jeżeli nie zawiera żadnego blokującego układu logicznego. B.Popowska, PP, bpopowsk@put.poznan.pl 13

Jaka jest niezawodność takiego systemu? Opisany powyżej system przekaźnikowy może być reprezentowany grafem prostym zwanym n-sześcianem. Jest to graf, którego wierzchołkami są ciągi binarne długości n (urządzenia logiczne lub operatorzy), przy czym dwa wierzchołki są połączone krawędzią wtedy i tylko wtedy, gdy różnią się dokładnie jednym elementem stojącym na tym samym miejscu. Taki graf ma oczywiście 2 n wierzchołków, z których każdy ma stopień n. Ponieważ w grafie prostym suma stopni wszystkich wierzchołków równa jest podwojonej liczbie krawędzi, zatem n-sześcian posiada n2 n-1 krawędzi. Przyporządkujmy teraz losowo każdej krawędzi skierowanie z prawdopodobieństwem 2 1 niezależnie jedna od drugiej. B.Popowska, PP, bpopowsk@put.poznan.pl 14

Oznaczmy przez X=X n liczbę wierzchołków, w których wszystkie n krawędzie skierowane są do wierzchołka. Innymi słowy, zmienna losowa X przelicza wierzchołki blokujące w systemie przekaźnikowym reprezentowanym przez losowo skierowany n-sześcian. Powyższy system przekaźnikowy będzie niezawodny jeżeli X=0. Oszacujemy teraz prawdopodobieństwo tego zdarzenia przy pomocy aproksymacji Poissonowskiej. B.Popowska, PP, bpopowsk@put.poznan.pl 15

TWIERDZENIE 2. Przy podanych oznaczeniach zachodzi oszacowanie P( X 1 n 1 e n 1 1 0) e 2. B.Popowska, PP, bpopowsk@put.poznan.pl 16

5.DRUGI SYSTEM NIEZAWODNOŚCIOWY Zastosowanie: w systemach kierowania lotami samolotów. Niech dany będzie układ złożony z d jednostek traktowanych jako samoloty będące pod kontrolą n rozróżnialnych operatorów. Samoloty są przyporządkowywane poszczególnym operatorom losowo w sposób jednostajny, B.Popowska, PP, bpopowsk@put.poznan.pl 17

tj. prawdopodobieństwo, że dany samolot zostanie kontrolowany przez i- tego operatora wynosi d dla każdego 1 i=1,2,...,n. Będziemy mówili, że dany operator jest przepełniony jeżeli kontroluje co najmniej k samolotów, natomiast układ będzie niezawodny jeżeli nie zawiera ani jednego przepełnionego operatora. Oszacujemy prawdopodobieństwo niezawodności takiego układu. B.Popowska, PP, bpopowsk@put.poznan.pl 18

Ponumerujmy operatorów od 1 do n. Niech zbiorem indeksów I będą k- elementowe podzbiory zbioru {1,2,..n}, tj. I,2,..., n : k 1. Oczywiście I n k. Dalej, niech X 1 jeżeli samoloty indeksowane przez podzbiór są przyporządkowane temu samemu operatorowi, w przeciwnym razie przyjmujemy X 0. B.Popowska, PP, bpopowsk@put.poznan.pl 19

Wówczas X X ( k, d, n) I jest liczbą operatorów kontrolujących co najmniej k samolotów. Interesuje nas oszacowanie niezawodności rozpatrywanego systemu, mianowicie oszacowanie dla P ( X ( k, d, n) X 0) Oszacujmy więc Twierdzeniem 1. metrykę całkowitej wariacji zgodnie z B.Popowska, PP, bpopowsk@put.poznan.pl 20

B.Popowska, PP, bpopowsk@put.poznan.pl 21 Twierdzenie 3. Niech Z będzie zmienną losową o rozkładzie Poissona P(), gdzie k d k n 1. Wówczas e d n k Z R n d k X R d k 1 1 2 )) ( )),,, ( ( ( 2 2.

6.PODSUMOWANIE W miarę rozwoju techniki jej wytwory stają się coraz bardziej złożone, składają się z dziesiątek, a nawet setek części i ludzi, z których każda może wpływać na jakość pracy złożonego systemu technicznego. Oczekuje się, aby system był niezawodny, czyli zdolny do wykonywania przydzielonych mu zadań. Modele teorii niezawodności budowane są w oparciu o różne dyscypliny matematyczne. W przedstawionej koncepcji modelowania systemowego zastosowano teorię grafów. B.Popowska, PP, bpopowsk@put.poznan.pl 22

Dokonano aproksymacji nieznanych rozkładów czasów zdatności rozważanych systemów niezawodnościowych za pomocą rozkładu Poissona i oszacowano błąd tej aproksymacji. Aproksymacja Poissonowska jest jedną z możliwości. Dalsze oszacowania mogą biec w kierunku innych rozkładów. B.Popowska, PP, bpopowsk@put.poznan.pl 23

LITERATURA: 1. A.Barbour, Poisson convergence and random graphs. Math. Proceedings of the Cambridge Philosophical Society, 92, 349-359 (1982). 2. A.Barbour, O.Chryssaphinou, M.Ross, Compound Poisson approximation in systems reliability. Naval Research Logistics, Vol.43, 251-264 (1996). 3. A.Barbour, L.Holst, S.Janson, Poisson Approximation. Oxford University Press, Oxford, 1992. 4. L.Chen, Poisson approximation for dependent trials. Annals of Probability, 3, 534-545 (1975). 5. C.Stein, A bound for the error in the normal approximation to the distribution of a sum of dependent random variables. Proc. 6th Berkeley Symp. Math. Stat. Probab. 2, University of California Press, Berkeley, 583-602 (1972). B.Popowska, PP, bpopowsk@put.poznan.pl 24