
70
|
第
2
章
这行代码会根据指数分布生成
100
个随机数,该指数分布中每个时段事件数量的均值是
0.2
。你可以用它来模拟服务电话之间的
100
个时间间隔
,单位为分钟,其中平均电话呼入
速率为每分钟
0.2
次。
在对泊松分布或指数分布的模拟研究中,一个关键假设是事件发生率
λ
在所考虑的时段中
是保持不变的。但从全局意义上说,这个假设很少能站住脚。例如,道路或数据网络上的
流量在每天的不同时段或者每周的不同日子都是变化的。不过,时段或空间区域通常可以
细分为足够同质化的片段,在这些片段中的分析或模拟都是有效的。
2.12.3
估计故障率
在很多应用中,事件发生率
λ
是已知的或者可以根据以前的数据估计出来。但是,对于罕
见的事件来说,并非总是如此。例如,飞机发动机故障相当罕见(谢天谢地),对于一种
特定类型的发动机,几乎没有数据能作为估计故障间隔时间的基础。没有数据,就没有估
计事件发生率的依据。但是,你可以做出某种猜测:如果
20
小时之后还没有任何事件发
生,你就能确定事件发生率不会是每小时
1
次
。通过模拟或者直接计算概率,你可以估计
出各种假设事件的发生率,还可以估计出一个阈值(事件发生率基本不会落到这个阈值之
下)。如果有一些数据,但还不足以提供精确可靠的发生率估计,就可以对各种发生率进
行一个拟合优度检验(参见
3.9
节)
,以确定它们与观测数据的拟合程度。
2.12.4
韦布尔分布
在很多情况下,随着时间的变化,事件发生率并不能保持恒定。如果发生率变化的时间间
隔远远大于通常的事件时间间隔,那么没有问题。正如前面说的那样