Passer au contenu principal
Graph
Search
fr
en
Se Connecter
Recherche
Tous
Catégories
Concepts
Cours
Séances de cours
MOOCs
Personnes
Exercices
Publications
Start-ups
Unités
Afficher tous les résultats pour
Accueil
Concept
Théorie des files d'attente
Science formelle
Mathématiques
Théorie des probabilités
Processus ponctuel
Graph Chatbot
Séances de cours associées (21)
Connectez-vous pour filtrer par séance de cours
Connectez-vous pour filtrer par séance de cours
Réinitialiser
Précédent
Page 2 sur 3
Suivant
Modèles stochastiques pour les communications : file d'attente M/G/infini
Explore le modèle de file d'attente M/G/infini pour les systèmes avec une capacité infinie et des temps de service généraux.
Processus de Poisson : Propriétés
Couvre les propriétés des processus de Poisson, y compris les temps d'arrivée et les modèles stochastiques pour les communications.
Modèles stochastiques pour les communications : chaînes de Markov et variables aléatoires
Couvre les chaînes Markov, les variables aléatoires, l'indépendance, les fonctions caractéristiques et la théorie de la file d'attente.
Modèles stochastiques pour les communications
Couvre les outils mathématiques pour les systèmes de communication et la science des données, y compris la théorie de l'information et le traitement des signaux.
Processus de Poisson : Propriétés
Couvre les propriétés des processus de Poisson, y compris le taux d'arrivée et l'heure inter-arrivée.
Processus de Poisson : Loi sur la probabilité
Couvre le processus de Poisson, un modèle stochastique de communication, axé sur la loi des probabilités.
Processus de Poisson : Loi sur la probabilité
Couvre le processus de Poisson en détail, en mettant l'accent sur la loi sur les probabilités et ses applications.
Modélisation des communications stochastiques : Loi sur la probabilité des processus de Poisson
Couvre le processus de Poisson et sa loi sur les probabilités dans les systèmes de communication.
Réseaux : offre et demande
Couvre les concepts de l'offre et de la demande dans la théorie des réseaux, en catégorisant les nœuds en fonction de la divergence des flux.
Processus stochastiques: chaînes de Markov
Couvre les processus stochastiques, en se concentrant sur les chaînes de Markov et leurs applications dans des scénarios réels.