Die Erweiterung des Internets zum mobilen Teilnehmer
|
|
- Frauke Maus
- vor 5 Jahren
- Abrufe
Transkript
1 Die Erweiterung des Internets zum mobilen Teilnehmer Ansätze zur zur verkehrstheoretischen Dimensionierung paketvermittelnder Funknetze ITG Workshop IP Netzplanung, IP Netzmanagement und Optimierung Würzburg, 20./21. Juli 2000 Ulrich Vornefeld Lehrstuhl für Kommunikationsnetze RWTH Aachen Ulrich Vornefeld, 21. Juli
2 Überblick Evolution des Internets zum mobilen Teilnehmer Einführung neuer Dienste Standardisierung zukünftiger Mobilfunksysteme Dimensionierung paketvermittelnder Funknetze Der Markovsche Ankunftsprozess Modellierung Parametrierung Modellierung von Verkehrsquellen Einfluss und Modellierung der Funkverbindung Ergebnisse am Beispiel der Warteschlangenlängen Ausblick Ulrich Vornefeld, 21. Juli
3 Evolution des Internets zum Mobilteilnehmer Internet Zuhause Im Büro Unterwegs Wachsende Nachfrage nach Internetdiensten durch Mobilteilnehmer Einführung von Datendiensten in bestehende Mobilfunknetze Standardisierung zukünftiger Mobilfunknetze WAP, HSCSD, GPRS, UMTS, HIPERLAN/2, IEEE Ulrich Vornefeld, 21. Juli
4 Dimensionierung paketvermittelnder Funknetze Zwei Perspektiven: Dimensionierung des Netzes Verbindungsannahmesteuerung Optimierungskriterium: Dienstgüte (QoS)????? Leitungsvermittlung Blockierwahrscheinlichkeiten Erlang-B Formel Paketvermittlung Paketverzögerungen und -verluste Neue Modelle und Verfahren Modellierung Verkehrsquellen und Funkkanal durch MAPs bzw. BMAPs Ulrich Vornefeld, 21. Juli
5 Der Markovsche Ankunftsprozess (MAP) Verallgemeinerung des Konzepts der Phasenverteilung (Neuts, Lucantoni) Auch Modellierung allgemein korrelierter Ankunftsprozesse möglich Berücksichtung von Gruppenankünften (Batch Markovian Arrival Process) Umfangreiche matrixanalytische Methoden zur Bestimmung der charakteristischen Größen Beschreibung durch Ankunftsmatrizen D 0 und D k D 0 beschreibt transiente Übergänge ohne Ankunftsereignis D k beschreibt Übergänge mit k Ankunftsereignissen Überlagerung von j BMAPs (auch verschieden parametriert) durch Kroneckersummen D k = Dk ( 1) sd k ( j) k 0 Modellierung der Verkehrsquellen und des Funkkanals durch BMAPs Ulrich Vornefeld, 21. Juli
6 BMAPs zur Modellierung von Quellverkehr und Funkkanal Quellverkehr Parametrierung von BMAPs zur Nachbildung des Quellverkehrs unterschiedlicher Dienste (WWW, , etc.) Parametrierung entsprechend der betrachteten Schichten im Protokollstapel Funkkanal Betrachtung von Übertragungswiederholungen und Signalisierverkehr als Ankunftsprozesse Modellierung dieser Ankunftsprozesse durch BMAPs Bestimmung der Parameter durch Messung und Simulation Verteilungen sind durch exponentielle Phasen zu approximieren Überlagerung der Prozesse für Quellverkehr und Funkkanal Neuer Prozess ist ebenfalls BMAP Analyse eines Warteraummodell z.b. BMAP/D/1 Bestimmung charakteristischer Größen für Dienstgüte Ulrich Vornefeld, 21. Juli
7 Matrixanalytische Methoden Matrixanalytische Methoden zur Bestimmung charakteristischer Größen Numerische Stabilität ist zu beachten Große Zustandsräume Überlagerung von BMAPs Approximation von Verteilung (z.b. deterministisch durch Erlang-k) Algorithmen nach Neuts, Lucantoni, Ramaswami Weitgehende Vermeidung numerischer Integration Wesentliche Größen ohne inverse Transformation bestimmbar Numerisch stabile Implementierung in C++ basierend auf LAPACK = ( Θ x ) n 1 n G = γ n ( I + Θ D[ G ]) Θ x γ n e dh ( x) n = 0 n! 0 D G [ ] = j = 0 D j G j Θ = {( } max i D 0 ) ii H(x) : Bediendauerverteilung Ulrich Vornefeld, 21. Juli
8 Parametrierung der BMAPs Ankunftsprozesse in paketvermittelnden Netzen Langzeitabhängigkeiten Selbstähnlichkeit Verteilungen zeigen heavy-tailed Verhalten Approximation durch exponentielle Phasen möglich wenn Dichtefunktion vollständig monoton (Bernstein) Gruppenankünfte durch Segmentierung Einfluss der Funkverbindung Geringere Übertragungsbandbreiten In der Regel höhere Entgelte Höhere Übertragungsfehlerwahrscheinlichkeiten Zusätzliche Last durch Übertragungswiederholungen Höhere Signalisierlast zur Fehlersicherung Deutlich anderes Nutzerverhalten als im breitbandigen Festnetz Ulrich Vornefeld, 21. Juli
9 Modellierung von Verkehrsquellen P(>k) 0.1 P(>k) 0.1 P(>k) gemessene Verteilung gemessene Verteilung Pareto Verteilung gemessene Verteilung Pareto Verteilung Hyperexp. Verteilung (6 Phasen) 1e e+06 Paketlänge k 1e e+06 Paketlänge k 1e e+06 Paketlänge k Verkehrsmessungen an Modembank von Berkely (ITA) Beispiel: Länge von HTTP Paketen Verteilung zeigt heavy-tailed Verhalten Approximation durch Pareto-Verteilung (Hill Estimator) Approximation der Pareto-Verteilung durch hyperexponentielle Verteilung mit Hilfe genetischer Curvefitting-Algorithmen Exponentielle Phasen erlauben Modellierung der Bediendauer durch MAP Ulrich Vornefeld, 21. Juli
10 Zweizustandsmodell für WWW-Verkehr ON λ λ ON,OFF OFF,ON OFF Keine Ankünfte in OFF-Periode Segmentierung (z.b. HTTP-Pakete in IP-Pakete) führt zu Gruppenankünften in ON-Periode Periodendauern approximiert mit hyperexp. Verteilungen Zusätzliche Zustände zur Abbildung unterschiedlichen Benutzerverhaltens P(< t) gemessene Verteilung Hyperexp. Verteilung (3 Phasen) 2e+03 4e+03 6e+03 8e+03 1e+04 Dauer t [ms] Verteilung für die Dauer der ON-Periode Ulrich Vornefeld, 21. Juli
11 Modelle für den Funkkanal Gesicherte Übertragung Gestörte Pakete werden durch Sicherungsprotokolle wiederholt Zusätzliche Last und Verzögerung Empfang von Quittungen bestimmen Anzahl zu wiederholender Pakete Gruppenankünfte, abhängig von Duplexverfahren und Rahmenlänge Ankunftszeitpunkte entsprechen Zeitpunkten der Quittungsankünften Auch Quittungsübertragung wird gestört Unabhängig identisch verteilte Fehler (Binomialverteilung) Korrelierte Büschelfehler nach dem Gilbert-Elliott Modell Zwei Zustände (Good/Bad) Negativ exp. verteilte Aufenthaltsdauer Keine Fehler im Zustand Good G λ λ G,B B,G B Ulrich Vornefeld, 21. Juli
12 Fehlerwahrscheinlichkeiten MAC-Rahmen Zeit Auftrittswahrscheinlichkeit unkorreliert korreliert 1e Anzahl Fehler pro Rahmen Time Division Duplex System, 10 Zeitschlitze Rahmenlänge Mittlere Fehlerwahrscheinlichkeit 2,5% Ulrich Vornefeld, 21. Juli
13 Länge der Warteschlange für den Fehlerprozess P(>n) Unkorrelierte Fehler Simulation Analyse P(>n) Korrelierte Fehler (Gilbert) Simulation Analyse 1e-06 1e-08 1e-10 1e-12 1e Länge der Warteschlange n e-05 1e-06 1e-07 1e Länge der Warteschlange n Rahmenlänge 12 Zeitschlitze, Zwischenkunftszeiten Erlang-k verteilt BMAP/D/1, Last in beiden Fällen 0,025 Korrelierte Fehler führen zu längeren Wartezeiten Ulrich Vornefeld, 21. Juli
14 Ausblick Bestimmung der Modellparameter Systeme Dienste Fehlermodelle Erweiterung des Modells Integration anderer Bedienstrategien in das Modell Prioritäten (statisch und dynamisch) Verwerfen verspäteter Pakete von Echtzeitdiensten Modellierung verschiedener Verfahren zur Fehlersicherung Einfluss von TCP Untersuchung des Konzepts der effektiven Bandbreite Bestimmung der effektiven Bandbreite von BMAPs Bestimmung der Qualität dieser Approximation Ulrich Vornefeld, 21. Juli
Effektive Bandbreite selbstähnlicher Verkehrsströme
INSTITUT FÜR NACHRICHTENVERMITTLUNG UND DATENVERARBEITUNG Prof. Dr.-Ing. Dr. h. c. mult. P. J. Kühn ITG-Workshop IP Netzplanung, IP Netzmanagement und Optimierung Würzburg, 20./21. Juli 2000 Effektive
MehrWWW Worauf wir warten.
WWW Worauf wir warten. Joachim Charzinski Siemens ICN M NT joachim.charzinski@icn.siemens.de Dezember http://www.jcho.de/jc/ Outline. Einleitung. QoS für elastische Anwendungen., TCP und HTTP. Messung
MehrDiskrete Ereignis Simulation. Proseminar: Algorithmen der Verkehrssimulation Jörg Blank
Diskrete Ereignis Simulation Proseminar: Algorithmen der Verkehrssimulation Jörg Blank Definitionen zeitdiskrete Simulation System: Auschnitt der Realität Ereignis: Zustandsänderungen in Systemen Simulation:
MehrHow To Find Out If A Ball Is In An Urn
Prof. Dr. P. Embrechts ETH Zürich Sommer 2012 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
MehrErste Bewertungen des probabilistischen Network Calculus
Erste Bewertungen des probabilistischen Network Calculus ( work in progress ) Matthias Baumann TU Dresden, Lehrstuhl Telekommunikation baumann@ifn.et.tu-dresden.de 1. Prinzipien des Network Calculus 2.
MehrUMTS - Ein Kurs. Universal Mobile Telecommunications System
UMTS - Ein Kurs Universal Mobile Telecommunications System Von Univ.-Professor Dr.-Ing. Bernhard Walke Dipl.-Ing. Marc Peter Althoff Dipl.-Ing. Peter Seidenberg Rheinisch-Westfälische Technische Hochschule
MehrModellierung von Netzspieleverkehr
INSTITUT FÜR NACHRICHTENVERMITTLUNG UND DATENVERARBEITUNG Prof. Dr.-Ing. Dr. h. c. mult. P. J. Kühn Modellierung von Netzspieleverkehr ITG Workshop IP in Telekommunikationsnetzen 25./26. Januar 2001, Bremen
MehrSimulationen zur Kanalkapazität ultrabreitbandiger Mobilfunkkanäle
Simulationen zur Kanalkapazität ultrabreitbandiger Mobilfunkkanäle Oliver Bredtmann Universität Duisburg-Essen VDE / ITG Diskussionssitzung UWB Übersicht Fluktuationen in der Kanalkapazität in Abhängigkeit
MehrVorlesung Stetige Verteilungen / Mathematische Behandlung
B E A C D Z Faultät Verehrswissenschaften Friedrich List Professur für Verehrsströmungslehre Verehrssystemtheorie I+II (V.-Wirtschaft) Vorlesung..0 Stetige Verteilungen / Mathematische Behandlung Neufert,
MehrExponentialverteilung
Exponentialverteilung Dauer von kontinuierlichen Vorgängen (Wartezeiten; Funktionszeiten technischer Geräte) Grenzübergang von der geometrischen Verteilung Pro Zeiteinheit sei die Eintrittswahrscheinlichkeit
Mehr4 Statistik der Extremwertverteilungen
In diesem Kapitel beschäftigen wir uns mit statistischen Anwendungen der Extremwerttheorie. Wir werden zwei verschiedene Zugänge zur Modellierung von Extremwerten betrachten. Der erste Zugang basiert auf
Mehr5G - das mobile Internet der Zukunft!
Lehrstuhl für Kommunikationsnetze Fakultät für Elektrotechnik und Informationstechnik Technische Universität München Kommunikationsnetze: Zukünftiges Internet - 5G - Industriekommunikation 5G - das mobile
MehrMobilkommunikation Kapitel 11 : Ausblick
Mobilkommunikation Kapitel 11 : Ausblick Die Zukunft mobiler und drahtloser Netze ist dies 4G? Alles mit IP? Lizensiert? Öffentlich? Privat? Prof. Dr.-Ing. Jochen Schiller, http://www.jochenschiller.de/
Mehr4. Verteilungen von Funktionen von Zufallsvariablen
4. Verteilungen von Funktionen von Zufallsvariablen Allgemeine Problemstellung: Gegeben sei die gemeinsame Verteilung der ZV en X 1,..., X n (d.h. bekannt seien f X1,...,X n bzw. F X1,...,X n ) Wir betrachten
MehrMobile Transportschicht. Seminar: Mobile Computing WS 2004/2005 Gunnar Adler
Mobile Transportschicht Seminar: Mobile Computing WS 2004/2005 Gunnar Adler Gliederung Einleitung / Traditionelles TCP TCP Mechanismen TCP Optimierungen Split Connection Verfahren Fast Retransmit / Fast
MehrLeistungsbewertung rekonfigurierbarer Verbindungsnetze für Multiprozessorsysteme
Dietmar Tutsch SPP Rekonfigurierbare Rechensysteme 1 Leistungsbewertung rekonfigurierbarer Verbindungsnetze für Multiprozessorsysteme Günter Hommel und Dietmar Tutsch Institut für Technische Informatik
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrEinsatz von Varianzreduktionstechniken II
Einsatz von Varianzreduktionstechniken II Stratified Sampling und Common Random Numbers Bastian Bluhm Betreuer: Christiane Barz Ausgewählte technische, rechtliche und ökonomische Aspekte des Entwurfs von
MehrÜbungsscheinklausur,
Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...
MehrEinführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen
Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen David Geier und Sven Middelberg RWTH Aachen, Sommersemester 27 Inhaltsverzeichnis Information 2 Aufgabe 4 Aufgabe 2 6 4 Aufgabe
MehrKapitel 5 Erneuerungs- und Semi-Markov-Prozesse
Kapitel 5 Erneuerungs- und Semi-Markov-Prozesse Definition: Erneuerungsprozess Sei {T n, n N} eine Folge unabhängiger, nichtnegativer Zufallsvariablen mit Verteilungsfunktion F, mit F () < 1. Dann heißt
MehrTechnische Universität Dresden. Beiträge zur Berechnung bewegungsabhängiger Kenngrößen von Mobilfunknetzen. Mathias Schweigel
Technische Universität Dresden Beiträge zur Berechnung bewegungsabhängiger Kenngrößen von Mobilfunknetzen Mathias Schweigel von der Fakultät Elektrotechnik und Informationstechnik der Technischen Universität
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrInternes IPonAir- Kick Off
Internes IPonAir- Kick Off Lehrstuhl für Kommunikationsnetze, ComNets RWTH Aachen Erik Weiß 15. November 2001 IPonAir-Projektziel Festnetz GPRS/UMTS WAP 2 AP 1 H/2 AP 2 BS 1 BS 2 WAP 1 UTRAN UTRAN Lokal
MehrVorwort. Marcus Hellwig für Leon VII
Vorwort Nahezu alle Vorgänge, die sich beobachten und messen lassen, sind nicht normalverteilt; zu dieser Erkenntnis ist die Statistik seit einiger Zeit gelangt. Erhält die Statistik einige Messdaten in
MehrModellierung und Simulation von Mischvorgängen in einem Rührer - Bachelorarbeit -
Modellierung und Simulation von Mischvorgängen in einem Rührer - Bachelorarbeit - Dies Mathematicus 211 25. November 211 Gliederung 1 Motivation: Mischvorgänge in einem Rührer 2 Mathematische Modellierung
MehrEvaluierung beispielhafter Geschäftsmodelle für das mobile Internet
Tim Eggers Evaluierung beispielhafter Geschäftsmodelle für das mobile Internet auf Basis von Marktbetrachtungen und technologischen Gegebenheiten PETER LANG Frankfurt am Main Berlin Bern Bruxelles New
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
MehrRandom-Access-Verfahren
Random-Access-Verfahren Random-Access, 1 Referenzen - D. Bertsekas, R. Gallager: Data Networks, Prentice-Hall, 1992. - Du, Swamy, "Wireless Communications Systems", S. 108, Cambridge, 2010. TDMA-, FDMA-
MehrÜbungen zu Rechnerkommunikation
Übungen zu Rechnerkommunikation Wintersemester 2010/2011 Übung 1 Mykola Protsenko, Jürgen Eckert PD. Dr.-Ing. Falko Dressler Friedrich-Alexander d Universität Erlangen-Nürnberg Informatik 7 (Rechnernetze
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 20/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt 4 Lösungshinweise (ohne Ganantie auf Fehlerfreiheit. Wenn man beim Roulette auf Rot oder Schwarz setzt, erhält
MehrVorhaben: "Räumlich verteilte Parametrisierung unter Verwendung von verfügbaren Geodaten"
Vorhaben: "Räumlich verteilte Parametrisierung unter Verwendung von verfügbaren Geodaten" Oliver Gronz Universität Trier - Fachhochschule Trier 10. April 2008 Oliver Gronz (Uni & FH Trier) Räumlich verteilte
MehrSysteme II. Christian Schindelhauer Sommersemester Vorlesung
Systeme II Christian Schindelhauer Sommersemester 2006 11. Vorlesung 01.06.2006 schindel@informatik.uni-freiburg.de 1 Der Mediumzugriff in der Sicherungsschicht Statisches Multiplexen Dynamische Kanalbelegung
MehrVerteile Systeme, Mobile Computing, Mobile Kommunication
Verteile Systeme,, Mobile Kommunication Schill RPC erklären erweiterung Asynchrone RPC (Threads) Chaching und Replication erklärn Security Service: Symetrisches Verfahren -> in Bezug auf GSM Fehlerklasse
MehrNeuer Funkrufmaster: DAPNET Folien: Daniel Sialkowski und Ralf Wilke. 2. Hamnettagung in Aachen,
Neuer Funkrufmaster: DAPNET Folien: Daniel Sialkowski und Ralf Wilke 2. Hamnettagung in Aachen, 19.11.2016 Inhalt ) I. Einführung: Paging-Sendernetzwerke Vergleich mit Mobilfunknetzen )))) Quelle: C. Jansen,
MehrNr. 4: Pseudo-Zufallszahlengeneratoren
Proseminar: Finanzmathematische Modelle und Simulationen Martin Dieckmann WS 09/0 Nr. 4: Pseudo-Zufallszahlengeneratoren Begriff Pseudo-Zufallszahl Zufallszahlen im Rechner entstehen letztlich immer durch
MehrMobilkommunikationsnetze. - Einführung -
- Einführung - Andreas Mitschele-Thiel 1 Geschichte 1886 Experimenteller Nachweis durch Heinrich Hertz 1896 Erste Übertragung über offene See durch Guglielmo Marconi 1900 1901 1906 Erste Sprechfunkverbindung
MehrGoodbye ISDN Hello ALL-IP Wissenswertes für den Unternehmer
Goodbye ISDN Hello ALL-IP Wissenswertes für den Unternehmer zur aktuellen Umstellungsphase der ISDN Anschlüsse auf IP ALL IP? auch Internet Telefonie oder Voice over IP (VoIP) genannt Telefonie über Computer
MehrIP-basierte Gruppenkommunikation für heterogene Netzumgebungen
IP-basierte Gruppenkommunikation für joern.seger@uni-dortmund.de Fakultät für Elektrotechnik und Informationstechnik Lehrstuhl für Kommunikationsnetze Communication Networks Institute (CNI) Prof. Dr.-Ing.
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik
Kapitel 11 Diskrete Zufallsvariablen 11.1. Wahrscheinlichkeits- und diskret Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsfunktion von X Nimmt abzählbare Anzahl von Ausprägungen an (z.b. Zählvariablen)
MehrAnwendung von FEMAG-Script: Mehrkriterielle Optimierung - Algorithmus, Umsetzung und Beispiele
FEMAG-Anwendertreffen am 2. und 3. Dezember 2010 Anwendung von FEMAG-Script: Mehrkriterielle Optimierung - Algorithmus, Umsetzung und Beispiele Jens Krotsch, Bernhard Piepenbreier Lehrstuhl für Elektrische
MehrÜbung 1: TDMA / FDMA / Zellulartechnik
ZHAW WCOM2, Rumc, 1/5 Übung 1: TDMA / FDMA / Zellulartechnik Aufgabe 1: Maximale GSM-Zellgrösse. Am Anfang einer GSM-Verbindung benutzt die Basisstation (BS) und die Mobilstation (MS) den folgenden kurzen
MehrAuswahl von Schätzfunktionen
Auswahl von Schätzfunktionen Worum geht es in diesem Modul? Überblick zur Punktschätzung Vorüberlegung zur Effizienz Vergleich unserer Schätzer für My unter Normalverteilung Relative Effizienz Einführung
MehrCopula Funktionen. Eine Einführung. Nils Friewald
Copula Funktionen Eine Einführung Nils Friewald Institut für Managementwissenschaften Abteilung Finanzwirtschaft und Controlling Favoritenstraße 9-11, 1040 Wien friewald@imw.tuwien.ac.at 13. Juni 2005
MehrStochastische Modellierung von Private Equity-Fonds
Reihe: Finanzierung, Kapitalmarkt und Banken Band 59 Herausgegeben von Prof. Dr. Hermann Locarek-Junge, Dresden, Prof. Dr. Klaus Röder, Regensburg, und Prof. Dr. Mark Wahrenburg, Frankfurt Dr. Axel Buchner
Mehr3. Prozesse mit kontinuierlicher Zeit
3. Prozesse mit kontinuierlicher Zeit 3.1 Einführung Wir betrachten nun Markov-Ketten (X(t)) t R +. 0 Wie beim Übergang von der geometrischen zur Exponentialverteilung können wir uns auch hier einen Grenzprozess
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg
für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2016 Prof. Dr. Stefan Etschberger Hochschule Augsburg Zufallsvariablen Beschreibung von Ereignissen
MehrRechnernetze Übung 11. Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Juni 2012
Rechnernetze Übung 11 Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Juni 2012 IP: 192.168.43.9 MAC: 02-55-4A-89-4F-47 IP: 216.187.69.51 MAC: 08-48-5B-77-56-21 1 2 IP: 192.168.43.15 MAC:
MehrGrundlagen der Rechnernetze. Medienzugriffskontrolle
Grundlagen der Rechnernetze Medienzugriffskontrolle Übersicht Multiplexing und Multiple Access Dynamische Kanalzuweisung Multiple Access Protokolle Spread Spectrum Orthogonal Frequency Division Multiplexing
Mehr2. Stochastische Prozesse.
SS 2006 Arbeitsblatt 2 / S. 1 von 7 2. Stochastische Prozesse. Warteschlangen treten als Erscheinungsformen von in der Zeit ablaufenden Prozessen auf, von denen wie oben erwähnt mindestens einer nicht
MehrFormelsammlung zur Vorlesung: Einführung in die Bayes-Statistik
1 Verteilungen Formelsammlung zur Vorlesung: Einführung in die Bayes-Statistik 1.1 Diskrete Verteilungen Helga Wagner und Gero Walter Binomialverteilung: Y BiNom (n, π) Parameter: n > 0, π [0, 1] Wahrscheinlichkeitsfunktion:
MehrModell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen
Modell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen Roland Koppe, Stefan Häusler, Axel Hahn 2 Übersicht Einleitung und Motivation Ansatz und Methodik
MehrZufallszahlen in Testbetten und Simulationen
Zufall Wofür brauchen wir Zufallszahlen? Zufall Wofür brauchen wir Zufallszahlen? Simulation von Dingen, die wir nicht genau beschreiben wollen Zufall Wofür brauchen wir Zufallszahlen? Simulation von Dingen,
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
MehrUniversität Stuttgart. TTI GmbH an der Universität Stuttgart Hochfrequenzanwendungen. Exposition durch Handys in realen Situationen
Universität Stuttgart Exposition durch Handys in realen Situationen Dipl.-Ing. J. Baumann Dipl.-Ing. L. Geisbusch 1 Überblick 1/2 Regelverhalten im GSM-System Funktionsweise Abhängigkeiten SAR-Werte bei
MehrKontrollfragen zur Vorlesung Kommunikationsnetze für Medientechnologen
Kontrollfragen zur Vorlesung Kommunikationsnetze für Medientechnologen Stand: Sommersemester 2017 Kapitel 1 - Einleitung 1. Welche Aspekte beinhaltet der Begriff Telekommunikation? 2. Beschreiben Sie das
MehrOperations Research Kurs 00859: Stochastische Simulation
Aufgabe B0404 In einem Friseursalon sind 1 Herrenfriseur, 1 Damenfriseur und 1 Meister, der sowohl Herren als auch Damen bedient, beschäftigt. Die Kunden bevorzugen eine Bedienung durch den Meister. Der
MehrStatistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, 4. Mai 2017 Dr. Michael O. Distler
MehrVorwort Vorwort Bedeutung von VoIP VoIP sind nicht nur zwei Telefone und IP Ziel des Buches Für wen richtet sich das Buch? Kapitel 1 Die heutige Gesellschaft kann man sich ohne Telefon kaum vorstellen.
MehrTechnische Informatik II FS 2008
Institut für Technische Informatik und Kommunikationsnetze Prof. Bernhard Plattner, Fachgruppe Kommunikationssysteme Technische Informatik II FS 2008 Übung 5: Kommunikationsprotokolle Hinweis: Weitere
Mehr6.6 Poisson-Verteilung
6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt
MehrSoftwareprojektpraktikum Maschinelle Übersetzung
Softwareprojektpraktikum Maschinelle Übersetzung Jan-Thorsten Peter, Andreas Guta, Jan Rosendahl max.bleu@i6.informatik.rwth-aachen.de Vorbesprechung 5. Aufgabe 22. Juni 2017 Human Language Technology
MehrSynthese Eingebetteter Systeme. Übung 3
12 Synthese Eingebetteter Systeme Sommersemester 2011 Übung 3 Michael Engel Informatik 12 TU Dortmund 2011/05/25 Übung 3 SystemC-TLM TLM-Modellierung: TokenRing-Netzwerk Testbenches 12, 2011-2 - SystemC-TLM
Mehr4. Transiente Analyse
4. Transiente Analyse Bei der transienten Analyse wird der zeitliche Verlauf der Antwort auf eine zeitlich veränderliche Last bestimmt. Die zu lösende Bewegungsgleichung lautet: [ M ] [ü ]+[ D ] [ u ]+
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenho Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare
MehrRechnernetze Übung 11
Rechnernetze Übung 11 Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Juli 2011 Herr Müller (Test GmbH) Sekretärin (Super AG) T-NR. 111 T-NR. 885 Sekretärin (Test GmbH) Herr Meier (Super
MehrStatistik für Ingenieure Vorlesung 5
Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A
MehrBreitband-ISDN und ÄTM-Netze
fflz-c&z Breitband-ISDN und ÄTM-Netze Multimediale (Tele-)Kommunikation mit garantierter Übertragungsqualität Von Priv.-Doz. Dr. Gerhard Haßlinger Deutsche Telekom Technologiezentrum Darmstadt und Dr.-Ing.
MehrBestimmung von MIMO-Kanalkapazitäten für unterschiedliche Antennenarchitekturen auf der Basis von breitbandigen Ausbreitungsmessungen
Bestimmung von MIMO-Kanalkapazitäten für unterschiedliche Antennenarchitekturen auf der Basis von breitbandigen Ausbreitungsmessungen Dirk Hampicke, Markus Landmann, Andreas Richter, Christian Schneider,
MehrEvolutionär ablaufende Strukturbildung
Evolutionär ablaufende Strukturbildung Peter Schuster, Klaus Lucas, Peter Roosen und Hans-Paul Schwefel Aachen, Dortmund und Wien BBAW, Ratspräsentation Berlin, 26.05.2005 1. Biologische Strukturbildung,
MehrKapitel XI - Operationscharakteristik und Gütefunktion
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Operationscharakteristik und Gütefunktion Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo
MehrVernetzte Systeme. Übungsstunde Adrian Schüpbach 09. Juni 2006
Vernetzte Systeme Übungsstunde 09.06.2006 Adrian Schüpbach scadrian@student.ethz.ch 09. Juni 2006 Adrian Schüpbach (ETH Zürich) Vernetzte Systeme SS 2006 1 / 28 Übersicht 1 TCP-Zustandsdiagramm 2 Proxy
MehrWahrscheinlichkeitsrechnung und Statistik
9. Vorlesung - 2017 Monte Carlo Methode für numerische Integration Sei g : [0, 1] R stetige Funktion; man möchte 1 0 g(t)dt numerisch approximieren mit Hilfe von Zufallszahlen: Sei (U n ) n eine Folge
MehrStatistische Signaldegradation durch PMD und Rauschen
Statistische Signaldegradation durch PMD und Rauschen Dr.-Ing. Jens Kissing Prof.-Dr. Ing. E. Voges Übersicht Statistik der effektiven Pulsverbreiterung erster und zweiter Ordnung PMD (Einzelpuls) Statistik
MehrStochastik Approximationen der Binomialverteilung
Stochastik Approximationen der Binomialverteilung Stefan Englert stefan.englert@gmx.net 21. April 2007 Inhaltsverzeichnis 1 Approximation von n! und b n,p (k) 2 2 Der Satz von de Moivre-Laplace 6 3 Die
MehrKlassische Ruintheorie
Seminar Versiherngsrisiko n Rin Prof. Dr. H. Shmili 3.6 Ying Zho Klassishe Rintheorie 7.8 Die Laplae Transformation er Überlebenswahrshein lihkeit In iesem Abshnitt sehen wir, wie φ rh ie Laplae Transformation
MehrChaos-based Image Encryption
1 / 25 PS Einführung Kryptographie und IT-Sicherheit Chaos-based Image Encryption D. Schwarz, S. Ebner SS 2017 2 / 25 Übersicht 1 Einleitung & Motivation 2 Erstellung einer Chaos basierten Verschlüsselung
MehrStatistische Physik - Theorie der Wärme (PD Dr. M. Falcke)
Freie Universität Berlin WS 6/7 Fachbereich Physik 4..6 Statistische Physik - Theorie der Wärme (PD Dr. M. Falcke) Übungsblatt 7: Dichtematrix, Variationsprinzip Aufgabe (5 Punkte) Betrachten Sie ein Gas
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Mai 2011 Waldherr / Christodoulides Einführung in Quantitative Methoden- 8.VO 1/40 Poisson-Verteilung Diese Verteilung
MehrKlausur Modellbildung und Simulation (Prof. Bungartz) SS 2007 Seite 1/7
Klausur Modellbildung und Simulation (Prof. Bungartz) SS 2007 Seite /7 Matrikelnummer: Systeme gewöhnlicher Differentialgleichungen (3 + 3 = 6 Pkt.) Die Abbildung zeigt die Richtungsfelder von drei Differentialgleichungssystemen
MehrDiskrete Verteilungen
Diskrete Verteilungen Bernoulli-Verteilung: X Bernoulli(p) Symbol für «verteilt wie» «Eperiment» mit zwei Ausgängen: «Erfolg» ( 1) oder «Misserfolg» ( ). Die Erfolgswahrscheinlichkeit sei p. Wertebereich
MehrFoto. Anwendung des Barnes-Hut-Algorithmus zur Reduzierung des Rechenaufwands diskreter Wirbelbewegungen
Foto Anwendung des Barnes-Hut-Algorithmus zur Reduzierung des Rechenaufwands diskreter Wirbelbewegungen Kai Loftfield, Robert Luckner - 30. Mai 2017 Workshop zum Thema Modellierung und Simulation in der
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
MehrFachgruppe Informatik. Anwendungsfächer. im Bachelor-Studiengang Informatik. Fachstudienberatung Bachelor Informatik Dr.
Fachgruppe Informatik in der Fakultät für Mathematik, Informatik und Naturwissenschaften der RWTH Aachen Einführungsveranstaltung zur Wahl der Anwendungsfächer im Bachelor-Studiengang Informatik Fachstudienberatung
MehrZeitreihenanalyse. Seminar Finanzmathematik. Andreas Dienst SS Einleitung - Begrüßung - Motivation - Inhaltsangabe. 2.
Seminar Finanzmathematik - Begrüßung - Motivation - Inhaltsangabe 3. Zusammen - fassung Zeitreihenanalyse Andreas Dienst SS 2006 Zeitreihen: Definition und Motivation - Begrüßung - Motivation - Inhaltsangabe
MehrWissenschaftliche Begleitforschung im Forschungsbereich Energie in Gebäuden und Quartieren
Wissenschaftliche Begleitforschung im Forschungsbereich Quo vadis? Univ.-Prof. Dr.-Ing. Dirk Müller Motivation und Ausgangslage 2 Entwicklung von Energiekonzepten für Gebäude und Quartiere Bedarf Abbildung
MehrBiostatistik, Sommer 2017
1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation
MehrAbb. 1. Schema der Methode
Dipl. Ing. Wieslaw Dzwigon Technische Universität Krakow Schätzung der Verkehrs - Verteilung (O-D Matrix) bei der Anwendung der Verkehrsstärkemessen in den Straßenquerschnitten Einführung. Beschreibung
MehrLösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI
Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe
MehrRechnernutzung in der Physik Teil 3 Statistische Methoden der Datenanalyse
Rechnernutzung in der Physik Teil 3 Statistische Methoden der Datenanalyse Karlsruher Institut für Technologie Ulrich Husemann Institut für Experimentelle Kernphysik, Karlsruher Institut für Technologie
Mehr1 Relevante Beispiele für Verteilungen auf R
Prof. Dr. H. Zähle Vorlesung Sachversicherungsmathemati, Anlage 1 Universität des Saarlandes, SS 2010 1 Relevante Beispiele Verteilungen auf R Wir bezeichnen die Menge aller W-Maße auf (R, B(R)) mit M
MehrMultiplexing und Multiple Access
Multiplexing und Multiple Access Auf der Physikalischen Schicht Multiplexing um eine Leitung für mehrere Übertragungen zugleich zu verwenden Beispiele: Kabel TV, Telefon Auf der Verbindungsschicht Multiplexing
MehrVerfahren zur Parametrisierung von Markoffschen Zustandsmodellen zur Mobilitätsmodellierung
Verfahren zur Parametrisierung von Markoffschen Zustandsmodellen zur Mobilitätsmodellierung ITG Workshop 5.2.1 und 5.2.4. 24.3.2006, München Dr.-Ing. Michael Schopp Siemens AG basierend auf eigenen Arbeiten
Mehr