Skript - Prof. Georg Hoever - FH Aachen
Skript - Prof. Georg Hoever - FH Aachen
Skript - Prof. Georg Hoever - FH Aachen
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
5. Warteschlangen 66<br />
5.2. Die Poisson-Verteilung<br />
Situation:<br />
Bei einem Ankunftsprozess beobachtet man im Durchschnitt eine Ankunft in der<br />
Zeit T 0 . Wie groß ist die Wahrscheinlichkeit<br />
P(T,k) = W(in [0,T] gibt es genau k Ankünfte)?<br />
Definition 5.1<br />
Die diskrete Zufallsvariable X mit<br />
P(X = k) = γk<br />
k! e−γ (k = 0,1,2,...)<br />
heißt Poisson-verteilt mit Parameter γ > 0.<br />
Es ist E(X) = γ und V(X) = γ.<br />
0.5<br />
γ = 0.5<br />
0.2<br />
γ = 4<br />
0 1 2 3 4<br />
0 1 2 3 4 5 6 7 8<br />
Satz 5.2<br />
Bei einem exponentialverteilten Ankunftsprozess mit der Ankunftsrate α = 1 T 0<br />
(im Durchschnitt eine Ankunft in T 0 ) ist die Anzahl der Ankünfte in der Zeit T<br />
Poisson-verteilt mit Parameter γ = αT = T T 0<br />
.<br />
Bemerkungen:<br />
1. Die Wahrscheinlichkeiten einer Poisson-Verteilung addieren sich tatsächlich zu 1:<br />
∞∑<br />
k=0<br />
γ k<br />
k! e−γ = e γ · e −γ = 1.<br />
2. Statt von einem Ankunftsprozess mit exponentialverteilten Zwischenankunftszeiten<br />
zu sprechen, spricht man auch von einem Poisson-verteilten Ankunftsprozess.<br />
Entsprechendes gilt für den Bedienprozess.<br />
3. Die Poisson-Verteilung approximiert die Binomialverteilung für γ = n·p bei großem<br />
n und kleinem p (die Approximation ist gut für n > 50 und p < 0.1):<br />
Die ”<br />
Erfolgsrate“ ist p (durchschnittliche Anzahl Erfolge pro Versuch), und die<br />
Anzahl der Versuche n spielt die Rolle von T.<br />
5.2. Die Poisson-Verteilung