t1=0.4;
t2=0.6;
t3=0.8;
for loop=1:LOOP
loop
u=binornd(1,p,M,T/delt_t);
Nt=delt_t*find((sum(u)~=0)==1);
Nt1(loop)=sum(Nt
3 2))))观察不同的
观察不同的 M 值对实验效果的影响
值对实验效果的影响
观察不同的
观察不同的
值对实验效果的影响
值对实验效果的影响
程序:
与上3 1)程序类似,仅需变换三次M值,分别取:3000绿,2000红,1000蓝
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0
2
4
6
8
10
12
可以看到当 M 增大的时候,图像右移;又即当 M 增大的时候,泊松分布趋近于标准正态分
布。
4 验证验证验证验证 N(t)的增量平稳性
的增量平稳性
的增量平稳性
的增量平稳性
1)增量平稳性即 P[N(t+Δt)-N(t)=k]=P[N(t)=k], 在相同的时间间隔内,发生 k 次的概率相等。
2)在模拟的实践过程中
• 做 Loop 次实验
• 在每次实验中截取三个相同的时间间隔 549*Δt
• 对所得值进行数理统计,画出其概率密度曲线,如果其曲线大致相同即分不相同,则可
说明增量平稳
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0
2
4
6
8
10
12
14
3)由曲线可以看到,在这三个时间间隔内的呼叫次数的概率密度分布基本重合,说明发生同
一个 k 次的概率是一样的,也即说明了其增量平稳性。
程序:
p=0.000005;
M=2000;
delt_t=0.002;
T=10;
LOOP=2000;
for j=1:LOOP
j
u=binornd(1,p,M,T/delt_t);
y=(sum(u)~=0);
m(1)=0;
for i=1:1000
m(i+1)=m(i)+y(i);
end
l1(j)=m(550)-m(1);
l2(j)=m(650)-m(101);
l3(j)=m(750)-m(201);
end
[L_1,index1]=hist(l1,max(l1)-min(l1));
[L_2,index2]=hist(l2,max(l2)-min(l2));
[L_3,index3]=hist(l3,max(l3)-min(l3));
plot(index1,L_1/LOOP,'-g'); hold on;
plot(index2,L_2/LOOP,'-b'); hold on;
plot(index3,L_3/LOOP,'r'); hold on;
5 1))))画任意相邻两次呼叫间隔的直方图
跟理论值进行比较
画任意相邻两次呼叫间隔的直方图,,,,跟理论值进行比较
画任意相邻两次呼叫间隔的直方图
画任意相邻两次呼叫间隔的直方图
跟理论值进行比较
跟理论值进行比较
注意:在这步仿真中会发现,M 对比较结果的理想程度产生了较大的影响。
难点:如果将理论曲线与实际仿真得到的结果进行比较
=> 因为理论值是在Δt 无穷小上,所以需对理论曲线在间隔内进行积分!
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0
0.2
0.4
0.6
0.8
1
1.2
1.4
程序:
delt_t=0.002;
LOOP=3000;
p=0.000005;
M=3000;
m(1)=0;
lambda=M*p/delt_t;
T=2;
for j=1:LOOP
j
u=binornd(1,p,M,T/delt_t);
y=(sum(u)~=0);
m(1)=0;
for i=1:1000
m(i+1)=m(i)+y(i);
end
a=delt_t*find(y==1);
b(j)=a(2)-a(1);
c(j)=a(4)-a(3);
end
[B,index1]=hist(b,50);
stem(index1,B/LOOP,'r');
hold on;
m=index1(1):((index1(end)-index1(1))/50):index1(end);
%理论值
for i=1:49
t=index1(i):0.001:index1(i+1)
l=lambda*exp(-1*lambda*t);
q(i)=trapz(t,l);
end
q(50)=0;
plot(index1,q);
验证任意相邻两次呼叫间隔随机变量的独立性
2)验证任意相邻两次呼叫间隔随机变量的独立性
验证任意相邻两次呼叫间隔随机变量的独立性
验证任意相邻两次呼叫间隔随机变量的独立性
验证两个随机变量的独立性,即求其(x,y)二维随机变量的相关系数。当其相关系数=0 且
x,y 服从正态分布的时候,二者独立。
程序:
Ebc=sum(b.*c)./length(b);
Eb=sum(b)./length(b);
Ec=sum(c)./length(c);
Db=sum(b.*b)./length(b)-(sum(b)./length(b))^2;
Dc=sum(c.*c)./length(c)-(sum(c)./length(c))^2;
Covbc=Ebc-Eb.*Ec;
rou=Covbc./sqrt(Db)./sqrt(Dc);
rou
试验结果:(M=3000)
rou =
0.0165
通过改变 M 的值可以发现,当 M 增大的时候,rou 减小。所以有理由认为当 M 不断增大
趋于无穷的时候,rou 会趋近于零。说明了任意相邻两次呼叫间隔随机变量的独立性。