답변:
Poisson 프로세스에는 다음 고객이 도착할 때까지 "메모리없는"대기 시간이 포함됩니다. 한 고객에서 다음 고객까지의 평균 시간이 라고 가정하십시오 . 다음 도착까지 메모리가없는 연속 확률 분포는 다음 도착까지 추가 분, 초 또는 시간 등을 기다릴 확률이 마지막 도착 이후 얼마나 오래 기다렸는가에 달려있는 것입니다. . 마지막 도착 이후 5 분 동안 기다렸다 고해서 마지막 도착 후 10 초만 기다린 경우보다 다음 분 후에 고객이 도착할 가능성이 높아지지는 않습니다.
이것은 다음 도착까지 의 대기 시간 가 Pr ( T > t ) = e - t / θ를 만족 한다는 것을 자동으로 암시하며 , 즉 지수 분포이다.
길이 t 의 임의의 시간 간격 동안 도착하는 고객 의 수 가 Pr ( X = x ) = e - t / θ ( t / θ ) x를 만족 한다는 것을 암시 할 수있다.즉, 예상 값이t/θ 인포아송 분포를가집니다. 또한 겹치지 않는 시간 간격으로 도착하는 고객의 수가 확률 적으로 독립적이라는 것을 의미합니다.
대기 시간에 대한 기억이없는 것은 포아송 과정으로 이어집니다.
큐잉 이론 또는 확률 적 프로세스 책에 대한 거의 모든 소개, 예를 들어 Ross, Stochastic Processes 또는 Kleinrock, Queuing Theory를 다룰 것입니다.
기억이없는 도착이 기하 급수적으로 증가한다는 증거의 개요 :
G (x) = P (X> x) = 1-F (x)라고하자. 이제 배포판에 메모리가 없으면
G (s + t) = G (s) G (t)
즉, x> s + t 일 확률은 그것이 s보다 클 확률이고, 이제 그것이 s보다 크다는 확률은 (s + t)보다 큽니다. 메모리가없는 속성은 두 번째 (조건부) 확률이 동일한 분포> t를 갖는 다른 rv 일 확률과 같습니다.
Ross를 인용하려면 :
"단일성, 오른쪽 또는 왼쪽 연속성 또는 측정 가능성과 같은 모든 종류의 합리적인 조건을 만족하는 위의 방정식의 유일한 솔루션은 다음과 같습니다."
a의 적절한 값에 대한 G (x) = exp (-ax).
그리고 우리는 지수 분포에 있습니다.