Whitt教授の「Approxomations for the GI/G/m queue」の翻訳(7)
原文は
から入手出来ます。
2.3.M/M/mモデル
私の近似を構築するためにモデルについてのよく知られた正確な値を用いる(HalfinとWhitt 1981, セクション1)。アーラン待ち公式、すなわちアーランC公式はここでの主要な量であり、全てのサーバがビジーである確率を与える。
- ・・・・(2.3)
ただし
- ・・・・(2.4)
到着過程はポアソンなので(Wolf 1982)、モデルにおいて。この関係は全てのモデルでも成り立つが、他のモデルでは成り立たない。というのはは任意の時刻でのシステム内平衡個数(連続時間過程に関する定常状態分布)であるが、は客が到着した瞬間における待ち時間であるからである。Seelen、Tijims、van Hoor (1985)は彼らの表の中で多くのモデルについてとの差を示している。
- ・・・・(2.5)
[HalfinとWhitt 1981, (1.8)]なので アーランC公式(2.3)はモデル内の期待待ち行列長について意味を持つ。(2.2)と(2.5)から
- ・・・・(2.6)
を得る。
公式(2.5)と(2.6)はとを2つの部分に分解するのが自然であることを示している。
- ・・・・(2.7)
- ・・・・(2.8)
ただし
- ・・・・(2.9)
が大きくなるとしばしばが小さくなるので、(2.7)と(2.8)の両方の部分に注目するのは有用である。これは定常状態の振舞を正しく理解するのに重要である。
私はにおけるの近似をモデルのアーランC公式(2.3)の正確な値とともに(2.6)を用いて構築する。[(2.3)の正確な計算には注意を要する。] しかし若干の応用においてを近似するには、アーランC公式の閉形式近似式が便利であろう。HalfinとWhitt (1981)はアーランC公式の閉形式近似を開発した。それは
- ・・・・(2.10)
である。ただしでありは平均0、分散1を持つ標準正規分布の累積分布関数(CDF *1 )である。HalfinとWhitt (1981) 定理1は(2.10)が重負荷のあるケースで、特にかつでの時に、漸近的に正しいことを証明した。実際、近似(2.10)は広範囲のとでうまくいく(表13と表1.これは正確な関係式(2.2)と(2.5)と組み合わせるとの近似をもたらす)。しかし、近似の精度はを固定してを増加させるにつれて、あるいはが増加するにつれて悪くなる傾向がある。
*1:Cumulative Distribution Function