Vous êtes sur la page 1sur 29

Cnam INTRODUCTION AUX TELECOMMUNICATIONS

Electronique B11 1











Chane de Markov - Tltrafic - Files d'attente

Version 5.0







Michel Terr
Electronique ELE111
terre@cnam.fr








Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 2
1 Rappels de probabilit
Le dimensionnement d'un rseau de Tlcommunications demande quelques calculs de probabilits lmentaires. Il
n'est pas ncessaire de dvelopper une thorie trs complte pour suivre ces calculs. Il est cependant ncessaire de
savoir calculer quelques probabilits conditionnelles et quelques moments statistiques. Ce paragraphe rappelle les
notions de probabilit ncessaires pour ce cours. Les lecteurs connaissant bien le domaine peuvent donc passer
directement au paragraphe 2.

1.1 Evnements et probabilit
Considrons le cas d'une partie de roulette 6 coups. A chaque tentative il y a 6 sorties possibles. On dfinit ainsi
l'espace des rsultats possibles :
{ } 6 5 4 3 2 1 S =

On peut alors dfinir un vnement comme un sous ensemble de S. Ainsi l'vnement { } 4 2 A = correspond aux
sorties 2 ou 4 de la roulette. On peut alors dfinir l'vnement complmentaire { } 6 5 3 1 A = .
Deux vnements sont dits exclusifs si ils n'ont aucun point commun. C'est dire si la ralisation d'un des vnements
rend l'autre impossible. L'vnement { } 6 3 1 B = est ainsi exclusif par rapport l'vnement A. De la mme manire,
A et A sont exclusifs.
On dfinit la somme ou l'union de deux vnements comme l'ensemble des valeurs des deux vnements. Ainsi en
introduisant { } 3 2 1 C = , l'vnement C B D = reprsente l'ensemble les valeurs { } 6 3 2 1 D = .
On dfinit l'intersection de deux vnements comme l'ensemble des valeurs qui sont communes aux deux vnements.
Ainsi C B E = est constitu par l'ensemble des valeurs { } 3 1 E = .

Une mesure de probabilit P ou plus simplement une probabilit est une application qui associe chaque lment de S
un rel compris entre 0 et 1.
[ ] 1 0 S P , :
et qui vrifie les proprit suivantes :

A chaque vnement A appartenant l'ensemble S on associe sa probabilit ) ( A P . Cette probabilit est
positive est infrieure ou gale 1.
1 A P 0 ) (
( ) 0 P = et ( ) 1 S P =
Pour tous les vnements A et B tels que = B A alors ( ) ( ) ( ) B P A P B A P + =

En dduit alors :
( ) ( ) A P 1 A P =
Pour deux vnements quelconques :
( ) ( ) ( ) ( ) B A P B P A P B A P + =
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 3

Enfin, si l'on considre une famille d'vnements exclusifs
i
A alors :
=
j i
A A ceci j i
et :
( )

=
|

\
|

i
i i
i
A P A P
Exemple :
Pour le cas de la roulette considre chaque valeur a une probabilit
6
1
de "sortir". La probabilit de A est
6
2
A P = ) (
et la probabilit de B A , A et B tant exclusifs est donne par :
( )
6
5
6
3
6
2
B A P = + =

Considrons maintenant des ensembles quelconques, c'est dire pas obligatoirement exclusifs, et plaons nous dans le
cas de deux vnements
i
A et
j
B .
Dans le cas gnral on crit :
) B A ( P ) B , A ( P
j i j i
=
) B A ( P ) B ( P ) A ( P ) B A ( P
j i j i j i
+ =
( ) et , ou = =
1.1.1 Probabilits conditionnelles
On dfinit aussi les probabilits conditionnelles. C'est dire la probabilit d'avoir un vnement
i
A sachant qu'un autre
vnement
j
B est vrifi.
Cette probabilit conditionnelle s'crit ) (
j i
B A P , et elle s'obtient au moyen de l'quation :
) (
) , (
) (
j
j i
j i
B P
B A P
B A P =
On peut crire l'quation dans l'autre sens, on obtient alors :
) (
) , (
) (
i
j i
i j
A P
B A P
A B P =
Exemple :
En reprenant les cas de la roulette voque prcdemment, il vient :
3
2
6
3
6
2
B C P = = ) (

Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 4
1.1.2 Indpendance
L'indpendance statistique de deux vnements signifie que la probabilit d'un des deux vnements n'est pas influence
par la ralisation ou non ralisation de l'autre vnement. Dans le cas de deux vnements indpendants
i
A et
j
B , on a
donc :
) ( ) (
i j i
A P B A P =
On en dduit alors au moyen des probabilits conditionnelles :
) ( ) ( ) , (
j i j i
B P A P B A P =

1.2 Variable Alatoire, densit et fonction de rpartition
1.2.1 Variable alatoire
Si l'on considre un espace S et un lment S s , on peut dfinir une fonction ) (s X dont le domaine est S et qui est
valeurs relles. La fonction ) (s X est appele une variable alatoire.
Exemple :
Considrons une partie de pile ou face. L'espace S contient deux points P(ile) et F(ace).
{ } F P S =
On peut alors dfinir une fonction ) (s X de la manire suivante :

=
=
=
) (
) (
) (
F s 1
P s 1
s X
Les exemples prsents jusqu'alors ont toujours considr un ensemble S comportant un nombre fini de valeurs. On
parle alors de variables alatoires discrtes. Cependant l'ensemble S peut trs bien tre constitu de valeurs continues.
On parle alors, pour ) (s X , de variable alatoire continue.
1.2.2 Fonction de rpartition
On considre alors des vnements du type { } x X , expression dans laquelle x est une valeur relle entre [ ] + .
La probabilit de cet vnement s'crit alors :
) ( ) ( x X P x F =
On parle aussi de fonction de rpartition pour la fonction ) (x F
1.2.3 Densit de probabilit
On dfinit la densit de probabilit ) (x p de la variable alatoire X comme la drive de la fonction de rpartition ) (x F
par rapport x.
dx
x dF
x p
) (
) ( = [ ] + x
ou encore


=
x
du u p x F ) ( ) ( [ ] + x
Lorsque l'on est confront au problme d'estimer la probabilit pour qu'une variable alatoire X soit comprise dans un
intervalle ( )
2 1
x x , avec
1 2
x x > , on considre les deux vnements suivants :
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 5
{ }
2
x X et { }
1
x X
On peut alors dcomposer l'vnement { }
2
x X en deux vnement exclusifs { }
1
x X et { }
2 1
x X x <
On a alors l'quation de probabilit suivante :
( ) ( ) ( )
2 1 1 2
x X x P x X P x X P < + =
D'o :
( ) ( ) ( )
2 1 1 2
x X x P x F x F < + =
( ) ( ) ( )
1 2 2 1
x F x F x X x P = <
( )

= <
2
1
x
x
2 1
dx x p x X x P ) (
1.3 Moments statistiques
Si l'on considre une variable alatoire de densit de probabilit ) (x p , on dfinit la moyenne ou l'esprance de X de la
manire suivante :
( )

+

= = dx x xp m X E
X
) (
On dfinit la variance de X par :
( )

+

= = = dx x p m x m X E X Var
2
X
2
X
2
X
) ( ) ( ) (
En dveloppant l'expression prcdente, on montre que ( )
2
X
2 2
X
m X E =

On dmontre facilement les proprits suivantes :
Soit
i
X un ensemble de variables alatoires, alors :
( )

=
|
|

\
|
i
i
i
i
X E X E
En introduisant un coefficient scalaire , on a :
( ) ( )
i i
X E X E =
( ) ( )
i
2
i
X Var X Var =
Dans le cas de variables alatoire
i
X indpendantes :
( )

=
|
|

\
|
i
i
i
i
X Var X Var

1.4 Quelque lois usuelles
1.4.1 Variable alatoire uniforme
Une variable alatoire uniformment rpartie entre [ ] a 0 + est une variable alatoire continue valeurs dans [ ] a 0 +
dont la densit de probabilit est de la forme :
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 6
[ ]
[ ] a 0 x 0 x p
a 0 x
a
1
x p
+ =
+ =
, ) (
, ) (

Le calcul de l'esprance donne :
( )
2
a
2
x
a
1
xdx
a
1
dx x xp X E
a
0
2 a
0
=
(
(

= = =
+
+ +


) (
Le calcul de la variance donne :
( )
3
a
3
x
a
1
dx x
a
1
dx x p x X Var
2
a
0
3 a
0
2 2
=
(
(

= = =
+
+ +


) (

1.4.2 Variable alatoire gaussienne
Une variable alatoire gaussienne est une variable alatoire continue prenant valeur dans [ ] + et dont la densit
de probabilit est de la forme :
( )
[ ] +

=


x e
2
1
x p
2
X
2
X
2
m x
2
X
, ) (
La densit gaussienne est exprime au moyen de la moyenne
X
m et de la variance
2
X
. La loi est dite centre si la
moyenne est nulle et rduite si la variance est gale 1.

1.4.3 Variable alatoire exponentielle
Une variable alatoire exponentielle est une variable alatoire continue prenant valeur dans [ ] + 0 et dont la densit
de probabilit est de la forme :
0 x e x p
0 x 0 x p
x
=
< =

, ) (
, ) (

Le calcul de la moyenne et de la variance sont prsents dans le cours sur les modles de trafic.
( )

=
1
X E
( )
2
2
2
X E

=
( ) ( )
2
2 2
1
X E X E X Var

= = ) (
1.4.4 Variable alatoire binomiale
Une variable alatoire binomiale est une variable alatoire discrte prenant valeur dans { } 1 0 dfinie par les
probabilits suivantes :
p 1 X P
p 1 0 X P
= =
= =
) (
) (

Le calcul de l'esprance donne :

Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 7
( ) ( ) p p 1 p 1 0 X E = + = . .
( ) ( ) ( )
2 2 2
p p p p 1 p 1 p 0 X Var = + = . . ) (

2 Chane de Markov
Un processus stochastique ( ) { }
T t
t X

est une fonction du temps dont la valeur chaque instant dpend de l'issue d'une
exprience alatoire. A chaque instant T t , ( ) t X est donc une variable alatoire.

Si l'on considre un temps discret on note alors { }
N n
n
X

un processus stochastique temps discret. Si l'on suppose
enfin que les variables alatoires
n
X ne peuvent prendre qu'un ensemble discret de valeurs, on parlera de processus
temps discret et espace d'tat discret. Ce paragraphe va aborder les processus temps discret et espace d'tat discret.
Le chapitre sur le tltrafic abordera pour sa part les processus temps continu et espace d'tat discret.

2.1 Dfinition d'une chane de Markov
{ }
N n
n
X

est une chane de Markov temps discret si et seulement si :

( ) ( )
1 n 1 n n 0 0 2 n 2 n 1 n 1 n n
i X j X P i X i X i X j X P

= = = = = = = ,..., ,

La probabilit pour que la chane soit dans un certain tat la
ime
n tape du processus ne dpend donc que de l'tat du
processus l'tape prcdente (la
ime
1 n ) et pas des tats dans lequel il se trouvait aux tapes antrieures.

On dfinira une chane de Markov comme homogne lorsque cette probabilit ne dpend pas de n. On peut alors dfinir
la probabilit de transition d'un tat i vers un tat j note
ij
p :

( ) i X j X P p
1 n n ij
= = =

N n

En introduisant l'ensemble des tats possibles not E, on a :

1 p
E j
ij
=



On dfinit alors la matrice de transition [ ]
E j i
ij
p P

=
,


|
|
|
|
|

\
|
=
O M
O M
K K
32
23 22 21
12 11
p
p p p
p p
P

Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 8
2.1.1 Reprsentation sous forme de graphes
Les chanes de Markov peuvent tre reprsentes graphiquement sous la forme d'un graphe orient. On associe alors un
nud chaque tat et un arc orient la probabilit de transition.

Exemple

















Dans cet exemple on a :
L'ensemble des tat est { } 4 3 2 1 E , , , =
L'analyse du graphe permet de dterminer immdiatement : 1 p p
41 23
= =
Ainsi que : 1 p p
14 12
= + et 1 p p
33 31
= +
La matrice de transition s'crit :
|
|
|
|
|

\
|
=
0 0 0 1
0 p 0 p
0 1 0 0
p 0 p 0
P
33 31
14 12


2.1.2 Rgime transitoire
L'analyse du rgime transitoire d'une chane de Markov consiste dterminer le vecteur ) (n p des probabilits d'tre
dans un tat j l'tape n :

[ ] ) n ( p ) n ( p ) n ( p ) n ( p
) E ( Card 2 1
K =

Ce vecteur de probabilits dpend :
de la matrice de transition P
du vecteur de probabilits initiales ) (0 p

Pour tudier ce vecteur de probabilit on peut faire les remarques suivantes :

[ ] j X P n p
n j
= = ) (
or
[ ] [ ] [ ] i X P i X j X P j X P
1 n
E i
1 n n n
= = = = =


.
ce qui s'crit encore :
) ( . ) ( 1 n p p n p
i
E i
ij j
=


ce qui peut s'crire matriciellement :

P 1 n p n p ). ( ) ( =

1
2
4
3
p
12

p
23

p
33

p
31

p
14

p
41

Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 9
En utilisant n fois cette expression, il vient :

n
P 0 p n p ). ( ) ( =

On peut aussi introduire la probabilit de transition de l'tat i l'tat j en m tapes, note
) (m
ij
p :

[ ] i X j X P p
n m n
m
ij
= = =
+
) (
N n

2.1.3 Classification des tats
Une chane de Markov est dite irrductible si et seulement si de tout tat i on peut atteindre tout tat j en un nombre fini
d'tapes :

0 p 1 m E j i
m
ij
>
) (
/ , ,

Une chane de Markov est dite absorbante si il existe une sous chane d'tats dont on ne peut plus ressortir. Toute chane
non, irrductible possde donc au moins une sous chane absorbante.
La chane suivante possde une la chane absorbante { } 5 4, :


















Un tat j est priodique si on ne peut y revenir qu'aprs un nombre d'tapes multiple de 1 k > :

0 p 1 k
m
jj
= >
) (
/ pour m non multiple de k

La priode d'une chane de Markov est le PGCD de la priode de chacun de ses tats. Une chane de Markov est dite
priodique si sa priode est suprieure 1. Dans le cas contraire, elle est dite apriodique.

2.1.4 Quelques probabilits
On introduit la probabilit
) (n
jj
f qui est la probabilit de revenir l'tat j , n tapes aprs l'avoir quitt. La probabilit
jj
f de revenir en j aprs l'avoir quitt s'crit alors :

=
=
1 n
n
jj jj
f f
) (


On peut alors introduire le temps moyen de retour l'tat j ,
j
M :

1
2
4
3
p
12

p
23

p
33

p
31

p
14

p
45

5
p
54

Sous chane
absorbante
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 10

=
=
1 n
n
jj j
f n M
) (
.
On introduit la probabilit
) (n
ij
f qui est la probabilit d'aller de l'tat i l'tat j en exactement n tapes (s'en repasser de
manire intermdiaire par j).
On a alors de manire immdiate :

=
=

j k
1 n
kj
ik
n
ij
ij
1
ij
2 n f p f
p f
,
) ( ) (
) (


On introduit enfin la probabilit
ij
f d'aller de l'tat i l'tat j en un nombre quelconque d'tapes :

=
=
1 n
n
ij ij
f f
) (


En utilisant les quations prcdentes, il vient :

=
+ =
2 n
n
ij
1
ij ij
f f f
) ( ) (


+ =
2 n j k
1 n
kj
ik ij ij
f p p f
) (


+ =
j k 2 n
1 n
kj
ik ij ij
f p p f
) (

+ =
j k
kj ik ij ij
f p p f

2.1.5 Rgime permanent
Lanalyse du rgime permanent consiste sintresser la limite, lorsque n tend vers linfini du vecteur des probabilits
) (n p . Cette limite existe-t-elle et comment la calculer ?

Pour rpondre cette question, il faut calculer le vecteur
n
P 0 p n p ) ( ) ( = et faire tendre n vers linfini.

Pour calculer
n
P , il peut tre avantageux de diagonaliser la matrice P :

1
UDU P

=

expression dans laquelle U reprsente la matrice des vecteurs propres de P et D la matrice diagonale des valeurs
propres associes.

Il est alors ais dobtenir :
1 n n
U UD P

=

Le rgime stationnaire existe si
1 n
n
U UD 0 p


). ( lim existe.
On peut montrer (la dmonstration nest pas prsente dans ce polycopi), que pour une chane de Markov irrductible
et apriodique, le vecteur p des probabilits limites ) ( lim n p p
j
n
j

= existe toujours et est indpendant du vecteur des
probabilits initiales ) (0 p
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 11
2.2 Rcapitulatif

ij
p probabilit de transition de l'tat i l'tat j.
[ ]
ij
p P = matrice des probabilits transition.
) (n p vecteur de probabilits d'tats aprs n tapes.
) (0 p vecteur de probabilits d'tat l'origine.
n
P 0 p n p ). ( ) ( =
) (n
ij
p probabilit d'aller de l'tat i l'tat j en n tapes.
) (n
jj
f probabilit de revenir en j, n tapes aprs l'avoir quitt
j
M temps moyen de retour en j
) (n
ij
f probabilit d'aller de i j, en exactement n tapes, c'est dire s'en repasser de manire intermdiaire par j.
ij
f probabilit d'aller de l'tat i l'tat j en un nombre quelconque d'tapes :

3 Tltrafic
Ce chapitre prsente les principaux rsultats qui permettent de dimensionner les quipements d'un rseau de
Tlcommunications. D'un point de vue pratique, on imagine bien que, lorsqu'un central tlphonique (commutateur
local CL) regroupe les lignes d'un ensemble d'immeubles dans une ville, ce central ne possde pas autant de lignes
allant vers le rseau que de lignes allant vers les diffrents particuliers qu'il dessert.







On peut donc lgitiment se demander de combien de lignes on a besoin pour desservir tous ces abonns. On peut
intuitivement prvoir que ce nombre de lignes va troitement dpendre du nombre d'abonn mais aussi du taux
d'occupation de leurs lignes tlphonique. On peut donc dfinir pour chaque usager ce taux d'occupation de sa ligne
tlphonique. En introduisant pour reprsenter ce taux, on peut le dfinir de la manire suivante :
3600 24
D N
a a

=
Dans cette expression
a
N reprsente le nombre d'appels passs ou reus par jour,
a
D reprsente la dure moyenne
d'un appel en secondes. Enfin 3600 24 reprsente la dure d'une journe en secondes. On dfinit ainsi l'occupation de
sa ligne par l'abonn. L'unit retenue pour est l'Erlang qui est not E. et reprsente le trafic de l'usager
Ainsi un trafic de 1 Erlang (1 E) correspond une ligne de tlphone occupe 24 heures sur 24. On considre en gnral
que les usagers rsidentiels d'un rseau tlphonique ont un trafic d'environ 0.05 E. Soit donc une occupation de leur
ligne tlphonique pendant 5 % de la journe, soit environ 1h12' par jour.
Pour dimensionner son rseau, l'oprateur va donc devoir calculer le nombre de ressources mettre en uvre pour
qu'avec une probabilit extrmement proche de 1, un usager qui dcroche son tlphone puisse disposer d'un circuit.
Pour cela il va falloir dvelopper quelques formules de probabilit de blocage. Ces formules vont demander une
M lignes N<M lignes
Central Tlphonique
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 12
modlisation statistique des instants de dbut et de fin d'appels ainsi que des dures de ces appels. Les paragraphes qui
suivent vont donc introduire les lois de probabilits utilises pour ces dimensionnements.

3.1 Loi de probabilit de modlisation des instants d'arrive d'appel
Considrons des appels qui dbuteraient de manire alatoire. Prenons ensuite un intervalle de temps t et divisons cet
intervalle en n sous intervalles de dure
n
t
.





On choisit n suffisamment grand pour que les conditions suivantes soient respectes :
- Une seule arrive d'appel peut survenir dans un intervalle
n
t

- Les instants d'arrive d'appels sont indpendants les uns des autres

- La probabilit qu'un appel arrive dans un sous intervalle est proportionnelle la dure du sous intervalle.

On crit alors
n
t
1 p
1

= ) (
Dans cette expression, ) (1 p
1
reprsente la probabilit d'arrive d'un appel dans un sous intervalle. Le terme
reprsente le coefficient de proportionnalit entre la probabilit et la dure
n
t
du sous intervalle.
L'hypothse de dpart consistant considrer comme nulle la probabilit d'avoir plusieurs appels dans un sous intervalle
s'crit alors :
0 1 p 1 p 1 p 1 p
2 k
k n 3 2
= = + + + +

+
=
) ( ... ) ( ... ) ( ) (
La probabilit de n'avoir aucun appel durant un sous intervalle de temps
n
t
s'crit donc :

+
=
=
1 k
k 0
) 1 ( p 1 ) 1 ( p
En dveloppant on obtient :

+
=
=
2 k
k 1 0
) 1 ( p ) 1 ( p 1 ) 1 ( p
et en utilisant la proprit nonce juste au dessus :
) 1 ( p 1 ) 1 ( p
1 0
=

La probabilit d'avoir k arrives d'appels durant n intervalles de temps s'obtient alors en considrant le nombre de
manires de choisir k intervalles parmi n. Pour chacune de ces solutions on aura k intervalles avec une arrive d'appel et
t
n
t

Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 13
k n intervalles avec aucune arrive d'appel. La probabilit d'un de ces cas sera donc gale
k n
0
k
1
1 p 1 p

) ( . ) ( . La
probabilit globale s'obtiendra en sommant les probabilits de tous les cas. On obtiendra finalement :
k n
0
k
1
k
n k
1 p 1 p C n p

= ) ( . ) ( ) (
Ou encore, en remplaant les probabilits par leurs valeurs en fonction de , t et n :
k n k
k
n k
n
t
1
n
t
C n p

|

\
|
|

\
|
= ) (
(rappel :
( )! !
!
k n k
n
C
k
n

= )

La limite de la probabilit ) (n p
k
lorsque n tend vers l'infini va tre gale la probabilit d'avoir k arrives d'appel
durant un intervalle de temps t. On note
k
p cette probabilit :
) ( lim n p p
k
n
k

=
En reprenant alors les diffrents termes de l'expression de
k n k
k
n k
n
t
1
n
t
C n p

|

\
|
|

\
|
= ) ( et en faisant tendre n vers
l'infini, il vient :

( ) ( )
t
n
t
n
k
t
n
t
k n
n
n
t
1 Ln k n
k n
e e e e
n
t
1


+
|

\
|


|

\
|

= = |

\
|


( )
( ) ( ) ( )( ) ( ) ( )
! k
t
n
1 k n 2 n 1 n n
! k
t
n
t
! k n ! k
! n
n
t
C
k
n
k
k
k
k
k
k
n

+
=

=
|

\
|

K


d'o :
( )
t
k
k
e
k
t
p

=
!


Cette formule extrmement importante reprsente la probabilit d'observer k arrives d'appels dans un intervalle de
dure t. Il s'agit d'une distribution de Poisson. Le paramtre est le taux moyen d'arrive d'appels. Typiquement il
s'agira d'un nombre moyen d'appels par secondes. On peut vrifier que ce paramtre reprsente bien le nombre moyen
d'appels durant une dure t. En effet, pour obtenir le nombre moyen, ayant la distribution de probabilit, il faut calculer
l'esprance statistique : [ ] k E . On rappelle que l'esprance, dans le cas d'une loi discrte (c'est dire pour une variable ne
prenant que des valeurs entires, comme c'est le cas ici pour le nombre d'appels arrivant durant un intervalle t), s'crit :
[ ]

+
=
=
0 k
k
p k k E .
En reprenant alors l'expression de
k
p , il vient :
[ ]
( )

+
=

=
0 k
t
k
e
k
t
k k E
!
.
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 14
[ ]
( )
t
1 k
1 k
e
1 k
t
t k E

+
=

= .
)! (

En reconnaissant le dveloppement de
t
e

, il vient :
[ ] t e e t k E
t t
= =

. .
La variance s'exprime de la manire suivante :
[ ] [ ] ( )
( )
( )
2
0 k
t
k
2 2 2
t e
k
t
k k E k E k Var

= =

+
=

!
) (
( )
( )( )
( )
2 t
1 k
1 k
t e
1 k
t 1 1 k
t k Var
|
|

\
|

+
=

+
=

)! (
) (
( )
( ) ( )
( )
2 t
0 k
k
0 k
k
t e
k
t
k
t k
t k Var
|
|

\
|

+

=

+
=
+
=

! !
) (
( )
( )
( )
( )
( )
2 t
0 k
k
0 k
t
k
t e
k
t
t e
k
t k
t k Var

=

+
=
+
=


! !
) (
( ) ( ) ( )
2 2
t t t k Var + = ) (
t k Var = ) (

Temps moyen entre appels
On introduit maintenant la variable alatoire reprsentant le temps sparant deux arrives d'appels.








On introduit la probabilit ) (t A qui est la probabilit que le temps soit infrieur ou gal une valeur t :
( ) t Prob t A = ) (
On a donc :
( ) t Prob 1 t A > = ) (
Or ( ) t Prob > reprsente la probabilit qu'il n'y ait aucune arrive d'appels durant un temps t. Cette probabilit a
justement t tablie au paragraphe prcdent :
( )
0
p t Prob = >
( )
t
e t Prob

= >
On en dduit donc :
t
e 1 t A

= ) (

3

temps
arrive
d'appel
arrive
d'appel
arrive
d'appel
arrive
d'appel

1

2

Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 15
On peut aussi introduire la densit de probabilit de la variable alatoire . On rappelle que la densit s'obtient
simplement en drivant la probabilit par rapport t. On obtient ainsi :
t
t A
t a

=
) (
) (
d'o :
t
e t a

= ) (
Remarque : On rencontre plus souvent le calcul inverse, c'est dire compte tenu d'une densit de probabilit ) (t a ,

=
t
0
du u a t A ) ( ) ( . On part de 0 car il s'agit d'une dure entre deux appels. On peut vrifier que l'intgrale donne alors
[ ]
t
t
0
u
e 1 e t A

= = ) (

L'expression de la densit de probabilit permet de calculer la dure moyenne [ ] = E entre deux arrives d'appel :
[ ]

+
=
0
dt t a t E ) ( .
[ ]

+

=
0
t
dt te E
En intgrant par partie, il vient :
[ ]

+

+

+
(

=
0
t
0
t
dt e
1
e
1
t E . .
D'o :
[ ]

=
1
E
On obtient donc que, pour un taux d'arrive d'appels de appels par secondes, le temps moyen entre appel est gal

1


Absence de mmoire du processus d'arrive d'appels
On peut remarquer que, pour une loi exponentielle ngative, le nombre d'appels qui ont pu arriver jusqu' un temps
0
t
n'a pas d'influence sur le nombre d'appels qui vont arriver aprs
0
t

Supposons qu'aucun appel ne soit arriv jusqu' un temps
0
t et calculons la probabilit qu'un appel arrive durant une
dure t aprs le temps
0
t . On doit donc calculer la probabilit d'avoir une dure entre deux appels infrieure
0
t t +
tout en tant suprieure
0
t . Cette probabilit s'crit : ( )
0 0
t t t prob > + . En utilisant la formule de Bayes sur les
probabilits conditionnelles ( ) ) ( ) ( ) ( B et A P A P B A P = , il vient :
( )
( )
( )
0
0 0
0 0
t prob
t t t prob
t t t prob
>
+ <
= > +
Cette probabilit peut encore s'crire
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 16
( )
( ) ( )
( )
0
0 0
0 0
t prob
t prob t t prob
t t t prob
>
+
= > +
( )
( ) ( )
( )
0
0 0
0 0
t prob - 1
t prob t t prob
t t t prob

+
= > +
En reprenant les expressions des diffrentes probabilits :
( )
( )
0
0 0
t -
t t t
0 0
e 1 - 1
e 1 e 1
t t t prob

+
+
+
= > +
D'o finalement :
( )
t
0 0
e 1 t t t prob

= > +
On voit donc que la probabilit d'apparition d'un appel durant un temps t aprs une dure
0
t pendant laquelle aucun
appel n'est arriv est la mme que la probabilit d'apparition d'un appel pendant une dure t, indpendamment de ce qui
a pu arriver avant. On considre donc que la densit exponentielle ngative est sans mmoire.
3.2 Loi de probabilit de modlisation des dures d'appels
Pour tudier les lois de probabilit qui modlisent les dures des appels on procde comme prcdemment. On
considre donc un intervalle de temps de dure t que l'on dcompose en n sous intervalles de dure
n
t
. On choisit n de
telle sorte que les hypothses suivantes restent justifies :
- La probabilit qu'un appel se termine durant un sous intervalle est proportionnelle la dure du sous intervalle. On
notera
n
t
cette probabilit, expression dans laquelle reprsente le coefficient de proportionnalit.
- La probabilit qu'un appel se termine durant un sous intervalle est indpendante du sous intervalle considr

On introduit alors une variable alatoire reprsentant la dure d'un appel.
On introduit alors la probabilit ) (t H que la dure d'un appel soit infrieure ou gale t.
( ) t Prob t H = ) (
La probabilit qu'un appel ayant dbut 0 t = ne se termine pas avant t s'crit alors :
( ) ) (t H 1 t Prob = >
cette probabilit est gale la probabilit que l'appel ne se termine dans aucun des n sous intervalles de dure
n
t
.
n
n
t
1 t H 1 |

\
|
= ) (
En faisant alors tendre n vers l'infini, on obtient :
n
n n
t
1 t H 1 |

\
|
=

lim ) (
|

\
|


|

\
|


=
n
t
n
n
n
t
1 Ln n
n
e e t H 1
. .
lim lim ) (
D'o
t
e t H 1

= ) (
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 17
On obtient donc l'expression de la probabilit qu'un appel ait une dure infrieure ou gale t :
t
e 1 t H

= ) (
On peut en dduire la densit de probabilit associe, note ) (t h :
t
t H
t h

=
) (
) (
t
e t h

= ) (
De la mme que dans les paragraphes prcdents, la dure moyenne [ ] = E d'appel s'obtient en calculant :
[ ]

+
=
0
dt t h t E ). ( .
En intgrant par partie on obtient :
[ ]

=
1
E
En conclusion on a appels qui cessent par secondes et on a une dure moyenne d'appel gale

1


Les probabilits d'apparition d'appels et de fin d'appels qui ont t dveloppes dans les deux paragraphes prcdents
permettent de modliser le processus complet d'apparition et de fin d'appels.

3.3 Modlisation des processus d'apparition et de fin d'appels
A chaque instant un certain nombre d'appels vont apparatre et d'autres vont se terminer. On peut donc modliser l'tat
o l'on se trouve un instant donn comme une chane d'tats. Chaque tat reprsente le nombre de communications en
cours. On conoit donc bien que si, un instant donn, il y a k communications on ne peut passer que dans deux tats
adjacents qui sont les tats 1 k et 1 k + . On reconnat alors une chane de Markov. La diffrence par rapport au
chapitre 1 vient ici du fait que cette chane est temps continu. La probabilit de passer dun tat i un tat j pendant un
temps dt sera donc note ) (dt p
ij


On introduit alors les probabilits de transition d'tat suivantes :
Etant dans l'tat k, la probabilit ) (
,
dt p
1 k k +
pour passer l'tat 1 k + durant un intervalle de temps dt s'crit dt
k

Etant dans l'tat k, la probabilit ) (
,
dt p
1 k k
pour passer l'tat 1 k durant un intervalle de temps dt s'crit dt
k

Etant dans l'tat 1 k + , la probabilit ) (
,
dt p
k 1 k+
pour passer l'tat k durant un intervalle de temps dt s'crit dt
1 k+

Etant dans l'tat 1 k , la probabilit ) (
,
dt p
k 1 k
pour passer l'tat k durant un intervalle de temps dt s'crit dt
1 k







k k+1 k-1
dt
k
dt
1 k

dt
k
dt
1 k+

Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 18
Les grandeurs
k
et
k
sont des taux d'apparition et de fin d'appels du mme type que ceux utiliss lors des
paragraphes prcdents. La seule diffrence tient au fait que ces taux ont en indice l'tat o se trouve le systme.

On peut alors introduire la probabilit d'tat, c'est dire la probabilit d'tre dans un tat k un instant t. Notons
) (t p
k
cette probabilit ( rapprocher de la notation ) (n p
j
utilise pour les chanes de Markov temps discret lors du
chapitre 2).

La variation de cette probabilit durant un intervalle de temps dt est alors gale la probabilit de rejoindre cet tat en
"venant" d'un tat 1 k ou d'un tat 1 k + moins la probabilit de "quitter" cet tat pour aller vers un tat 1 k ou vers
un tat 1 k + .

On a donc :
( ) t p dt dt t p dt t p dt t dp
k k k 1 k 1 k 1 k 1 k k
( ) ( . ) ( . ) ( + + =
+ +

En supposant le systme stable, c'est dire en supposant qu'il se stabilise sur des probabilits d'tat fixes lorsque le
temps tend vers l'infini, on peut crire 0
dt
t dp
k
=
) (
lorsque t
On peut alors noter ) (t p p
k k
=
D'o finalement :
( ) 0 p p p
k k k 1 k 1 k 1 k 1 k
= + +
+ +
. .
Cette quation est vrifie pour tout 0 k avec les conditions 0 p
1
=

, 0
1
=

et 0
0
= .
La stabilit des probabilits signifie qu'il y a une probabilit gale de quitter l'tat
k
p que de le rejoindre.
En crivant le systme d'quation prcdent, on trouve :
( )
( )
...
2 2 2 3 3 1 1
1 1 1 2 2 0 0
0 0 1 1
p p p
p p p
p p
+ = +
+ = +
=

En rsolvant le systme on trouve :
( )
( )
...
0
1 2 2
0 1 2
0
1
0
1 0
1 2
0 1
2 2
3
3
0
1 2
0 1
0 0 0
1
0
1 1
2
2
0
1
0
1
p p p
1
p
p p p
1
p
p p


=
|
|

\
|

=


=
|
|

\
|

=

On trouve alors assez facilement la forme gnrale :
0
1 k
0 i
1 i
i
k
p p
|
|

\
|

=
+

Le systme se trouvant obligatoirement dans un des tats on a :

+
=
=
0 k
k
1 p
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 19
En remplaant dans l'quation prcdente, on obtient :

=
+

+
=
1 k
1 k
0 i
1 i
i
0
1
1
p
3.4 Probabilit de blocage et formule d'Erlang B
On s'intresse ici un systme disposant de N canaux de communications. Si les N canaux sont occups, les appels qui
arrivent alors sont perdus (absence de tonalit ou tonalit d'occupation par exemple). On parle alors de blocage du
systme. On va chercher estimer cette probabilit de blocage en fonction du nombre de canaux disponibles et du
trafic. Compte tenu de ce qui a t nonc sur le caractre sans mmoire du processus d'arrive d'appels, on peut
considrer que la probabilit dt
k
et indpendante de l'tat du systme, d'o :
1 N k dt dt
k
= , . .
Pour la probabilit de fin d'appel on a par contre :
N k dt k dt
k
< = , . . .
Cette probabilit de transition traduit juste que si k appels sont en cours chacun a une probabilit dt de se terminer,
d'o la somme qui donne dt k . . En toute rigueur il faudrait soustraire cette probabilit les probabilits
correspondantes plusieurs appels qui se terminent dans l'intervalle dt car alors, on passe directement un tat plus
loign. Cependant on admettra que l'on peut ngliger ces probabilits qui sont de la forme ( )

k
2 i
i i
k
dt C .
En utilisant ces expressions de
k
et de
k
dans les quations donnant
k
p et
0
p , il vient :
( )

=
+

+
=
N
1 k
1 k
0 i
0
1 i
1
1
p

=
|
|

\
|

+
=
N
1 k
k
0
k
1
1
1
p
!

En introduisant alors la variable :

= A
qui reprsente le nombre d'appels qui apparaissent sur le nombre d'appels qui se terminent pendant un intervalle de
temps, ce qui reprsente en fait tout simplement le trafic, il vient :

=
+
=
N
1 k
k
0
k
A
1
1
p
!

ou encore en introduisant le 1 dans la sommation :

=
=
N
0 k
k
0
k
A
1
p
!

En reportant alors dans l'expression de
k
p , il vient :
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 20

=
=
N
0 i
i
k
k
i
A
k
A
p
!
!

La probabilit de blocage d'un systme disposant de N canaux et pour un trafic A s'crit alors ( ) N A E , , elle est gale
la probabilit de se trouver dans l'tat N ( )
N
p N A E = , et elle s'obtient grce l'quation suivante :
( )

=
=
N
0 i
i
N
i
A
N
A
N A E
!
!
, ( )
( )
( )
|
|
|
|

\
|
+

=
1 N A E
A
N
1 N A E
N A E
,
,
,
Cette formule est trs importante en Tlcommunications et elle porte le nom de : formule d'Erlang-B.
Pour les grandes valeurs de N on peut approcher le dnominateur par
A
e et la formule devient :
( )
A
N
e
N
A
N A E

=
!
,

3.5 Probabilit de mise en attente et formule d'Erlang C
Si l'on considre un systme pour lequel les appels bloqus peuvent tre mis en file d'attente avant d'tre servis, on peut
alors dfinir une probabilit d'tre mis en attente.
Avec ce systme on a toujours
dt dt
k
. . =
mais, pour la probabilit de fin d'appel on a par contre :



=
N k dt N
N k 0 dt k
dt
k
, . .
, . .
.
En utilisant :
0
1 k
0 i
1 i
i
k
p p
|
|

\
|

=
+

On obtient, pour N k > :
0
1 N
0 i
1 k
N i
k
p
N 1 i
p
|
|

\
|

=
) (

0
N k
N k N
k
p
N
A
N
A
p
|
|

\
|
=

.
!

D'o finalement :

>

=

N k p N
N
A
N k 0 p
k
A
p
0
k N
k
0
k
k
,
!
,
!

En utilisant l'expression de
0
p :
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 21

=
+

+
=
1 k
1 k
0 i
1 i
i
0
1
1
p
et en dcomposant la sommation, il vient :
( )

+
+

+
=
1 N
1 k
1 k
0 i N k
1 N
0 i
1 k
N i
0
N 1 i 1 i
1
1
p
) (



=

=
+
=
N k
N k
k 1 N
0 k
k
0
N
1
N
A
k
A
1
p
! !



=


=
+
=
N k
N k
N k N 1 N
0 k
k
0
N
A
N
A
k
A
1
p
! !



=

=
|

\
|
+
=
0 k
k
N 1 N
0 k
k
0
N
A
N
A
k
A
1
p
! !

or 1
N
A
< donc
N
A
1
1
N
A
0 k
k

= |

\
|

=

+
=
1 N
0 k
N k
0
N
A
1
1
N
A
k
A
1
p
! !

La probabilit de mise en file d'attente se note ( ) A N C , et elle est gale

=N k
k
p
D'o :
( )

=
N k
0
k N
k
p N
N
A
A N C
!
,

Cette formule est aussi trs importante et elle porte le nome de : formule d'Erlang-C

3.6 Cas d'une population finie et distribution d'Engset
Les calculs prcdents ont considr le cas d'un trafic de type Poisson gnr par une population infinie. Si l'on
considre maintenant le cas d'une population finie constitue de M clients, la probabilit d'apparition d'appels et
fonction du nombre d'appels dj en cours. On se retrouve alors avec la configuration suivante (on se replace ici dans un
cas sans mise en file d'attente, o les appels sont perdus lorsque tous les canaux sont occups et avec M>N) :
( ) 1 N k dt k M dt
k
= , . . .
La probabilit de fin d'appel reste inchange :
N k dt k dt
k
< = , . . .
La probabilit
k
p devient alors :
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 22
0
1 k
0 i
k
p
1 i
i M
p
|
|

\
|
+

=

=
) (
) (

0
k
k
p A
k k M
M
p
! )! (
!

=
D'o :
0
k k
M k
p A C p =
Pour
0
p , on obtient :

=
+

+
=
N
1 k
1 k
0 i
0
1 i
i M
1
1
p
) (
) (

d'o :

=
=
N
0 i
i i
N
0
A C
1
p
Soit en remplaant dans l'expression de
k
p :

=
=
N
0 i
i i
M
k k
M
k
A C
A C
p
Cette formule reprsente la distribution d'Engset

4 Files d'attente
4.1 File d'attente simple
Les premiers paragraphes de ce document ont essentiellement, l'exception de l'analyse de la mise en file d'attente,
considr un trafic de nature tlphonique. Si l'on s'intresse maintenant un trafic de donnes on peut considrer que
dans un change d'informations entre deux applications on va souvent rencontrer un cart de dbit entre les systmes
locaux et les liens d'interconnexion. Les messages ne pourront pas tous tre transmis et vont tre mis en file d'attente.












Les files d'attente sont en gnral dcrites au moyen d'une notation dite de Kendall qui est la suivante :
Application A Application B
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 23
A/B/C/K/m/Z
Six facteurs sont ainsi prciss :
A : qui reprsente le processus d'entre
B : qui reprsente le processus de service
C : qui reprsente le nombre de serveurs
K : qui reprsente la capacit maximale
m : qui reprsente la population des usagers
Z : qui reprsente la discipline de service

Pour dcrire les processus d'entre (lettre A), on utilise les notations suivantes :
GI : loi gnrale indpendante
G : loi gnrale
Hk : loi hyperexponenetielle d'ordre k
Ek : loi d'Erlang k
M : loi exponentielle
D : loi constante
On s'intressera essentiellement ici des arrives de type exponentielle et de paramtre . Les autres lois d'arrive ont
moins d'intrt dans le cadre de ce cours. Il a t vu que la loi exponentielle tait sans mmoire et que le processus
d'arrive pouvait donc tre considr comme un processus Markovien. C'est cette proprit qui explique l'emploi de la
lettre M pour la loi exponentielle.

Les principales mthodes de service sont les suivantes :
PAPS : premier arriv, premier servi (terme anglais FIFO, first in first out)
DAPS : dernier arriv premier servi (terme anglais LCFS, last come fisrt served)
A : alatoire (terme anglais FIRO : first in random out)

Lorsque les trois derniers lments de la notation de Kendall ne sont pas prciss, il est sous entendu que Z=PAPS,
+ = m et + = K .

Si les instants d'arrive suivent un loi exponentielle de paramtre , il en est de mme pour les instants de dpart des
donnes en sortie de la file d'attente. Ces instants forment aussi un processus Markovien. Enfin dans le cas o l'on
suppose enfin qu'il n'y a qu' 1 seul processeur pour grer la file d'attente, cette dernire est dite de type :
M/M/1.

Dans un systme M/M/1, on dfinit le temps de queue
q
t comme tant la somme du temps d'attente
a
t et du temps de
service
s
t .
s a q
t t t + =
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 24









On dfinit alors la charge c du systme comme le rapport entre le nombre d'items traiter divis par la capacit de
traitement du systme en item. Cette capacit de traitement est aussi appele le taux de service : S. C'est tout
simplement l'inverse du temps de service. On a donc :
s
t
1
S = et
s
t
c

=
On rappelle que est le paramtre de la loi des instants d'arrive et que c'est aussi le taux d'arrive de paquets par
secondes dans la file d'attente.
Si on introduit la capacit de traitement du systme D en bits/sec et que L reprsente la taille moyenne des paquets en
bits, alors :
L
D
t
1
S
s
= =
En remplaant dans l'expression de la charge c, on obtient :
D
L
c

=
On peut montrer que le temps d'attente dans la file d'attente
a
t se dduit du temps de service
s
t et de la charge c par la
formule suivante :
s a
t
c 1
c
t

=
Si l'on considre le temps pass dans la queue
q
t , on obtient finalement :
L D
L
D
L
D
L
1
1
t
c 1
1
t
c 1
c
1 t t t
s s s a q

=
|
|
|
|

\
|

= |

\
|

= |

\
|

+ = + =
On suppose ici que le dbit D en bits/sec est suprieur au taux d'arrive L en bits/sec. Dans le cas contraire la file
d'attente dborde et le temps dans la queue n'est plus dtermin.
On rencontre assez souvent cette formule sous la forme :
unit de
traitement
file
d'attente
t
s
t
a

t
q

Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 25


=
L
D
1
t
q

q
t : temps pass dans la queue en secondes
D : dbits de transmission en bits par secondes
L : taille moyenne des paquets en bits
: taux d'arrive de paquets en paquets/sec
4.2 File d'attente en srie
Lorsque deux files d'attente sont en srie, si la premire file d'attente est du type MM1 alors les instants d'arrive
suivent une loi exponentielle et les instants de sortie aussi. L'entre de la deuxime file d'attente est aussi un processus
Markovien. On a donc deux files MM1. Le temps de queue global est la somme des temps de chaque file
4.3 File d'attente entres multiples
Si on considre une file d'attente connecte plusieurs sources de trafic alors, condition d'avoir des messages de
mme longueur sur toutes les entres, on peut calculer le temps dans la queue en utilisant une paramtre gal la
somme des
i
des diffrentes entres.

=
i
i


5 Conclusion
Ce cours a prsent un aperu des mthodes de modlisation du trafic et des files d'attente. Un certain nombre de
formules ont t introduites. Elles permettent de dimensionner un rseau de Tlcommunications. Les calculs de
probabilit qui y conduisent restent finalement assez simples.

6 Rfrences
[1] Foundation of Mobile Radio Engineering, Michel Daoud Yacoub, CRC Press, 1993
[2] Digital Communications, J.G. Proakis, Mc Graw Hill, 1995
[3] Autoformation en tlcoms et rseaux, Maxime Maiman, Claude Servin, InterEditions, 1998
[4] Thorie des files d'attente, Bruno Baynat, Herms, 2000
[5] Probabilits, Nino Boccara, Ellipses, 1995


Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 26
Table d'Erlang B
nombre de Niveau de service ( taux de blocage admissible ) nombre de
canaux 1% 2% 3% 5% 10% 20% canaux
1 0.0101 0.0204 0.0309 0.0526 0.1111 0.25 1
2 0.1526 0.2235 0.2815 0.3813 0.5954 1 2
3 0.4555 0.6022 0.7151 0.8994 1.2708 1.9299 3
4 0.8694 1.0923 1.2589 1.5246 2.0454 2.9452 4
5 1.3608 1.6571 1.8752 2.2185 2.8811 4.0104 5
6 1.909 2.2759 2.5431 2.9603 3.7584 5.1086 6
7 2.5009 2.9354 3.2497 3.7378 4.6662 6.2302 7
8 3.1276 3.6271 3.9865 4.543 5.5971 7.3692 8
9 3.7825 4.3447 4.7479 5.3702 6.5464 8.5217 9
10 4.4612 5.084 5.5294 6.2157 7.5106 9.685 10
11 5.1599 5.8415 6.328 7.0764 8.4871 10.857 11
12 5.876 6.6147 7.141 7.9501 9.474 12.036 12
13 6.6072 7.4015 7.9667 8.8349 10.47 13.222 13
14 7.3517 8.2003 8.8035 9.7295 11.473 14.413 14
15 8.108 9.0096 9.65 10.633 12.484 15.608 15
16 8.875 9.8284 10.505 11.544 13.5 16.807 16
17 9.6516 10.656 11.368 12.461 14.522 18.01 17
18 10.437 11.491 12.238 13.385 15.548 19.216 18
19 11.23 12.333 13.115 14.315 16.579 20.424 19
20 12.031 13.182 13.997 15.249 17.613 21.635 20
21 12.838 14.036 14.885 16.189 18.651 22.848 21
22 13.651 14.896 15.778 17.132 19.692 24.064 22
23 14.47 15.761 16.675 18.08 20.737 25.281 23
24 15.295 16.631 17.577 19.031 21.784 26.499 24
25 16.125 17.505 18.843 19.985 22.833 27.72 25
26 16.959 18.383 19.392 20.943 23.885 28.941 26
27 17.797 19.265 20.305 21.904 24.939 30.164 27
28 18.64 20.15 21.221 22.867 25.995 31.388 28
29 19.487 21.039 22.14 23.833 27.053 32.614 29
30 20.337 21.932 23.062 24.802 28.113 33.84 30
31 21.191 22.827 23.987 25.773 29.174 35.067 31
32 22.048 23.725 24.914 26.746 30.237 36.297 32
33 22.909 24.626 25.844 27.721 31.301 37.524 33
34 23.772 25.529 26.776 28.698 32.367 38.754 34
35 24.638 26.435 27.711 29.677 33.434 39.985 35
36 25.507 27.343 28.647 30.657 34.503 41.216 36
37 26.378 28.254 29.585 31.64 35.572 42.448 37
38 27.252 29.166 30.526 32.624 36.643 43.68 38
39 28.129 30.081 31.468 33.609 37.715 44.913 39
40 29.007 30.997 32.412 34.596 38.787 46.147 40
41 29.888 31.916 33.357 35.584 39.861 47.381 41
42 30.771 32.836 34.305 36.574 40.936 48.616 42
43 31.656 33.758 35.253 37.565 42.011 49.851 43
44 32.543 34.682 36.203 38.557 43.088 51.086 44
45 33.432 35.607 37.155 39.55 44.165 53.322 45
46 34.322 36.534 38.108 40.545 45.243 53.559 46
47 35.215 37.462 39.062 41.54 46.322 54.796 47
48 36.109 38.392 40.018 42.537 47.401 56.033 48
49 37.004 39.323 40.975 43.534 48.481 57.27 49
50 37.901 40.255 41.933 44.533 49.562 58.508 50

Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 27
7 Exercices
Exercice 1.
Dmontrez que
2
2
2
X E

= ) ( pour une variable alatoire de densit exponentielle et de paramtre .


Exercice 2.
On considre un loto avec des tirages de numros de 1 43. Calculez la probabilit d'avoir un numro qui se termine
par 7 sachant que c'est un numro impair qui a t tir.
Exercice 3.
On considre le mot de verrouillage de trame suivant :
0 1 1 0 1 0
- En moyenne, au bout de combien de temps, risque t on de rencontrer une squence de bits identique au mot de
verrouillage de trame lorsque l'on considre une transmission 10 kbits/s.
- Pour viter une telle fausse dtection, le mot est rpt tous les 100 bits et on ne verrouille la trame que si on le
rencontre 3 fois successivement. Quelle est la probabilit de faire une fausse dtection ?
Exercice 4.
Les chanes de Markov suivantes sont-elles priodiques :
Chane n1 Chane n2










Chane n3









1
2
4
3 1
2
4
3
1
2
4
3
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 28
Exercice 5.
On considre la chane de Markov suivante :







Donner sa matrice de transition P
La chane est elle irrductible ?
La chane est elle apriodique ?
Si elle existe donnez la valeur limite du vecteur des probabilits dtats : ) ( lim n p
n


Devoir
Une entreprise industrielle du secteur de lautomobile fait procder une enqute auprs des propritaires
dautomobiles. Cette enqute concerne les intentions dachat. Les propritaires dautomobiles sont regroups dans trois
classes suivant la cylindre de leur vhicule.
Classe 1 : petite cylindre
Classe 2 : moyenne cylindre
Classe 3 : grosse cylindre

Sur 10 propritaires de la classe 1 :
6 resteront fidles la petite cylindre
4 achteront une moyenne cylindre
Sur 20 propritaires de la classe 2 :
12 resteront fidles la moyenne cylindre
4 achteront une grosse cylindre
4 achteront une petite cylindre
Sur 15 propritaires de la classe 3 :
9 resteront fidles la grosse cylindre
6 achteront une moyenne cylindre.

Interprtez les rsultats de cette enqute laide dun processus stochastique. Justifiez que ce processus est une
chane de Markov. Donnez le graphe associ et la matrice de transition P .
Ecrire P sous la forme
1
UDU P

=
On suppose la distribution initiale des probabilits dtat ) (0 p connue. Que devient ce vecteur de probabilits au
bout de n tapes. Vers quelle solution converge ce vecteur lorsque n tend vers linfini.

0.2 0.4
1 2
0.6 0.4 0.6
2
0.2 0.6
Cnam INTRODUCTION AUX TELECOMMUNICATIONS
Electronique B11 29
Exercice 6.
La capacit d'un autocommutateur public est de 5000 Erlangs. Il dessert des abonns rsidentiels et professionnels
respectivement de 40 et 60%. On sait qu'un professionnel a un trafic, l'heure de pointe, 3 fois suprieur celui d'un
rsidentiel qui est suppos gal 0.1 Erlang. Quel est le nombre d'abonns desservis.
Exercice 7.
Un systme refus (formule d'Erlang-B) dispose de M circuits. Quel est le trafic offert pour que la probabilit de refus
soit de 1%, 10%, 50%, lorsque M est respectivement gal 2,5 ou 10? (Utilisez l'abaque fourni en dehors du poly).
Exercice 8.
Deux systmes de commutation sont relis par deux faisceaux de 10 circuits chacun. En supposant un taux de perte de
1%, on demande :
le trafic autoris par chaque faisceau ainsi que le rendement de la ligne
le trafic total autoris par les deux faisceaux
on regroupe les deux faisceaux en un seul de 20 circuits, en supposant le mme taux de perte, quels sont le nouveau
trafic autoris et le rendement par ligne.
Exercice 9.
Une PME de 50 personnes souhaite changer son autocommutateur (PABX) et l'affecter uniquement la tlphonie. Elle
dispose des donnes suivantes :
- il y a 40 postes tlphoniques
- le trafic mesur l'heure de pointe rapport au poste est le suivant
- 5 mn / heure pour les appels sortant
- 3 mn / heure pour les appels rentrant
- le trafic moyen est la moiti du trafic de pointe
- l'activit de l'entreprise est de 8 heures/jour et de 21 jours/mois.
Dterminez
- le trafic total en Erlang
- le nombre de circuits ncessaires pour couler ce trafic avec un taux de perte de 10% maximal
Exercice 10.
On considre un systme de transmission ayant une capacit de 10kbits/s. On demande le temps passe dans la queue
d'une file d'attente MM1 pour un taux d'arrive = 14
1
s

et une taille moyenne de paquet gale 400 bits.


Exercice 11.
On considre un systme dans lequel une application dialogue avec une application B travers une liaison spcialise
de dbit D.
Dterminez le temps de rponse (ou temps de queue) lorsque les messages allant de A vers B ont une taille moyenne de
900 octets et que ceux de B vers A ont une taille moyenne de 100 octets. On prcise qu'il y a 20 transactions par heure
et que le dbit de la ligne est gal 19200 bits/s.
On admettra que la signalisation accompagnant les donnes provoque une augmentation de 20% du volume des donnes
changes.