[{"@context":"http:\/\/schema.org\/","@type":"BlogPosting","@id":"https:\/\/wiki.edu.vn\/wiki17\/2021\/01\/27\/selbstahnlicher-prozess-wikipedia\/#BlogPosting","mainEntityOfPage":"https:\/\/wiki.edu.vn\/wiki17\/2021\/01\/27\/selbstahnlicher-prozess-wikipedia\/","headline":"Selbst\u00e4hnlicher Prozess – Wikipedia","name":"Selbst\u00e4hnlicher Prozess – Wikipedia","description":"before-content-x4 Selbst\u00e4hnliche Prozesse sind Arten von stochastischen Prozessen, die das Ph\u00e4nomen der Selbst\u00e4hnlichkeit aufweisen. Ein selbst\u00e4hnliches Ph\u00e4nomen verh\u00e4lt sich bei","datePublished":"2021-01-27","dateModified":"2021-01-27","author":{"@type":"Person","@id":"https:\/\/wiki.edu.vn\/wiki17\/author\/lordneo\/#Person","name":"lordneo","url":"https:\/\/wiki.edu.vn\/wiki17\/author\/lordneo\/","image":{"@type":"ImageObject","@id":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","height":96,"width":96}},"publisher":{"@type":"Organization","name":"Enzyklop\u00e4die","logo":{"@type":"ImageObject","@id":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","url":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","width":600,"height":60}},"image":{"@type":"ImageObject","@id":"https:\/\/wikimedia.org\/api\/rest_v1\/media\/math\/render\/svg\/673d742a6286779fc8a609e1986336afffb14136","url":"https:\/\/wikimedia.org\/api\/rest_v1\/media\/math\/render\/svg\/673d742a6286779fc8a609e1986336afffb14136","height":"","width":""},"url":"https:\/\/wiki.edu.vn\/wiki17\/2021\/01\/27\/selbstahnlicher-prozess-wikipedia\/","wordCount":7597,"articleBody":"     (adsbygoogle = window.adsbygoogle || []).push({});before-content-x4Selbst\u00e4hnliche Prozesse sind Arten von stochastischen Prozessen, die das Ph\u00e4nomen der Selbst\u00e4hnlichkeit aufweisen.  Ein selbst\u00e4hnliches Ph\u00e4nomen verh\u00e4lt sich bei Betrachtung mit unterschiedlichen Vergr\u00f6\u00dferungsgraden oder unterschiedlichen Ma\u00dfst\u00e4ben in einer Dimension (Raum oder Zeit) gleich.  Selbst\u00e4hnliche Prozesse k\u00f6nnen manchmal mit Schwerschwanzverteilungen beschrieben werden, die auch als Langschwanzverteilungen bezeichnet werden.  Beispiele f\u00fcr solche Prozesse umfassen Verkehrsprozesse, wie z. B. Paketankunftszeiten und Burstl\u00e4ngen.  Selbst\u00e4hnliche Prozesse k\u00f6nnen eine langfristige Abh\u00e4ngigkeit aufweisen.       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Table of Contents\u00dcberblick[edit]Die Poisson-Verteilung[edit]Die Schwerschwanzverteilung[edit]Modellierung des selbst\u00e4hnlichen Verkehrs[edit]Netzwerkleistung[edit]Siehe auch[edit]Verweise[edit]Externe Links[edit]\u00dcberblick[edit]Das Design robuster und zuverl\u00e4ssiger Netzwerke und Netzwerkdienste ist in der heutigen Internetwelt zu einer zunehmend herausfordernden Aufgabe geworden.  Um dieses Ziel zu erreichen, spielt das Verst\u00e4ndnis der Merkmale des Internetverkehrs eine immer wichtigere Rolle.  Empirische Studien gemessener Verkehrsspuren haben dazu gef\u00fchrt, dass die Selbst\u00e4hnlichkeit im Netzwerkverkehr weitgehend erkannt wurde.[1]Selbst\u00e4hnlicher Ethernet-Verkehr weist Abh\u00e4ngigkeiten \u00fcber einen langen Bereich von Zeitskalen auf.  Dies steht im Gegensatz zum Telefonverkehr, der Poisson bei seiner Ankunft und Abreise darstellt.[2]       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Im traditionellen Poisson-Verkehr w\u00fcrden sich die kurzfristigen Schwankungen mitteln, und ein Diagramm, das eine gro\u00dfe Zeitspanne abdeckt, w\u00fcrde sich einem konstanten Wert n\u00e4hern.Schwerschwanzverteilungen wurden in vielen nat\u00fcrlichen Ph\u00e4nomenen beobachtet, einschlie\u00dflich physikalischer und soziologischer Ph\u00e4nomene.  Mandelbrot etablierte die Verwendung von Verteilungen mit schwerem Schwanz, um reale fraktale Ph\u00e4nomene zu modellieren, z. B. Aktienm\u00e4rkte, Erdbeben, Klima und Wetter.[citation needed]Der Datenverkehr f\u00fcr Ethernet, WWW, SS7, TCP, FTP, TELNET und VBR (digitalisiertes Video des Typs, der \u00fcber ATM-Netzwerke \u00fcbertragen wird) ist selbst\u00e4hnlich.Selbst\u00e4hnlichkeit in paketierten Datennetzen kann durch die Verteilung von Dateigr\u00f6\u00dfen, menschlichen Interaktionen und \/ oder Ethernet-Dynamik verursacht werden.  Selbst\u00e4hnliche und weitreichende abh\u00e4ngige Merkmale in Computernetzwerken stellen Personen, die Analysen und \/ oder das Design von Netzwerken durchf\u00fchren, vor grundlegend andere Probleme, und viele der vorherigen Annahmen, auf denen Systeme aufgebaut wurden, sind in Gegenwart von nicht mehr g\u00fcltig Selbst\u00e4hnlichkeit.[3]       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Die Poisson-Verteilung[edit]Bevor die Heavy-Tailed-Verteilung mathematisch eingef\u00fchrt wird, wird im Folgenden kurz auf den Poisson-Prozess mit einer memorylosen Wartezeitverteilung eingegangen, mit dem (unter anderem) traditionelle Telefonnetzwerke modelliert werden.Die Annahme von reinen Zufallsank\u00fcnften und reinen Zufallsbeendigungen f\u00fchrt zu Folgendem:Die Anzahl der Anrufank\u00fcnfte in einer bestimmten Zeit hat eine Poisson-Verteilung, dh:P.((ein)=((\u03bceinein!)e– –\u03bc,{ displaystyle P (a) =  left ({ frac { mu ^ {a}} {a!}}  right) e ^ {-  mu},}wo ein ist die Anzahl der eingehenden Anrufe T., und \u03bc{ displaystyle  mu}    ist die durchschnittliche Anzahl der eingehenden Anrufe T..  Aus diesem Grund wird reiner Zufallsverkehr auch als Poisson-Verkehr bezeichnet.Die Anzahl der Anrufabg\u00e4nge in einer bestimmten Zeit hat auch eine Poisson-Verteilung, dh:P.((d)=((\u03bbdd!)e– –\u03bb,{ displaystyle P (d) =  left ({ frac { lambda ^ {d}} {d!}}  right) e ^ {-  lambda},}wo d ist die Anzahl der Anrufabg\u00e4nge in der Zeit T. und \u03bb{ displaystyle  lambda}  ist die durchschnittliche Anzahl der Anrufabg\u00e4nge in der Zeit T..Die Intervalle, T.Zwischen Anrufank\u00fcnften und -abg\u00e4ngen liegen Intervalle zwischen unabh\u00e4ngigen, identisch verteilten Zufallsereignissen.  Es kann gezeigt werden, dass diese Intervalle eine negative Exponentialverteilung haben, dh:P.[T\u2265\u00a0t]=e– –t\/.h,{ displaystyle P.[Tgeq  t]= e ^ {- t \/ h}, ,}wo h ist die mittlere Haltezeit (MHT).[citation needed]Die Schwerschwanzverteilung[edit]Eine Distribution soll einen schweren Schwanz haben, wenn"},{"@context":"http:\/\/schema.org\/","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"item":{"@id":"https:\/\/wiki.edu.vn\/wiki17\/#breadcrumbitem","name":"Enzyklop\u00e4die"}},{"@type":"ListItem","position":2,"item":{"@id":"https:\/\/wiki.edu.vn\/wiki17\/2021\/01\/27\/selbstahnlicher-prozess-wikipedia\/#breadcrumbitem","name":"Selbst\u00e4hnlicher Prozess – Wikipedia"}}]}]