Table des matières

1 Position du problème 8
1.1 Les les d'attente M/M/1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.2 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2 Mise en forme et saturation 9

2.1 Quelques quantités caractéristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2.2 Saturation de la le d'attente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3 Simulation d'une loi exponentielle 12

4 Simulation en tant que processus de renouvèlement 16

4.1 Instants d'arrivée et durées de service . . . . . . . . . . . . . . . . . . . . . . . . . . 16

4.2 Nombre de clients présents dans la le . . . . . . . . . . . . . . . . . . . . . . . . . 27

4.3 Nombre de clients restant dans la le . . . . . . . . . . . . . . . . . . . . . . . . . . 31

5 Propriété sans mémoire et minimum de deux variables exponentielles 35

5.1 La loi exponentielle est sans mémoire . . . . . . . . . . . . . . . . . . . . . . . . . . 35

5.2 Espérance de la loi exponentielle E (λ) . . . . . . . . . . . . . . . . . . . . . . . . . 35

5.3 Comparaisons entre X et Y . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

5.4 Loi de T = min (X, Y ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

5.5 Vers la loi de X −T conditionnellement à {Y ≤ X} . . . . . . . . . . . . . . . . . . 37

6 Simulation en tant que chaîne de Markov à temps continu 38

6.1 Étude théorique de la chaîne de Markov induite (Vn )n≥0 . . . . . . . . . . . . . . . . 39

6.1.1 Probabilités de transition de la chaîne induite et irréductibilité . . . . . . . . 39

6.1.2 Probabilité stationnaire lorsque λ<µ. . . . . . . . . . . . . . . . . . . . . . 40

2
 6.1.3 Comportement asymptotique et théorème ergodique . . . . . . . . . . . . . . 42

6.2 Simulation de la chaîne de Markov induite . . . . . . . . . . . . . . . . . . . . . . . 43

6.2.1 Simulation d'un pas de la chaîne induite . . . . . . . . . . . . . . . . . . . . 43

6.2.2 Trajectoire de la chaîne de Markov induite . . . . . . . . . . . . . . . . . . . 44

3
Table des gures
1 Fonction exponentielle1(a) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2 Fonction exponentielle2(a,n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3 Script traçant la densité de la loi exponentielle E (1) et l'histogramme d'un 104 -

échantillon de cette loi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4 Densité de la loi exponentielle E (1) et histogramme d'un 104 -échantillon de cette

loi. Règle de Sturge : 31 classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

5 Densité de la loi exponentielle E (1) et histogramme d'un 104 -échantillon de cette

loi. Règle de Yule : 25 classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

6 Fonction donnees(lambda,mu,T) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

7 1er test de la fonction donnees(lambda,mu,T). Y est-il un échantillon de la loi E (µ) 20

8 Script pour tracer la densité de Sn et l'histogramme d'un k-échantillon de Sn . . . . 21

9 2ème test de la fonction donnees. Histogrammes et densités de quelques instants

d'arrivée. T = 1000 et λ = 0.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

10 Histogrammes et densités de quelques instants d'arrivée. T = 100 et λ=1 . . . . . 23

11 Histogrammes et densités de quelques instants d'arrivée. T = 100 et λ = 10 . . . . . 24

12 Script pour étudier la taille moyenne des vecteurs sorties de la fonction donnees . . 26

13 En bleu : taille du vecteur S. En rouge : droite d'équation y = λx. Cas λ = 0.1 . . 26

14 En bleu : taille du vecteur S. En rouge : droite d'équation y = λx. Cas λ=1 . . . 27

15 En bleu : taille du vecteur S. En rouge : droite d'équation y = λx. Cas λ = 10 . . . 27

16 Fonction clientspresentes(lambda,T) . . . . . . . . . . . . . . . . . . . . . . . . . . 29

17 Illustration de la loi des grands nombres appliquée au processus de comptage NtP . 30

18 Fonction clientsrestants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

19 Évolution du nombre de clients restant dans la le et saturation sur [0, 1000] . . . . 34

20 Diagramme de transition de la chaine . . . . . . . . . . . . . . . . . . . . . . . . . . 40

4
21 Fonction suivant(p,i) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

22 Script de simulation des trajectoires de la chaîne . . . . . . . . . . . . . . . . . . . . 45

23 Quelques trajectoires de la chaîne induite . . . . . . . . . . . . . . . . . . . . . . . . 46

24 Trajectoire avec à gauche λ = 0.3 et µ = 0.5, à droite λ=1 et µ = 1.5 . . . . . . . . 46

25 Scripts pour les tests de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . 47

n
!
1X
26 Illustration de la convergence vers l1 de Vi .λ = 1, µ = 10 . . . . . . . . . 47
n i=0
n
!n
1 X
27 Illustration de la convergence vers l1 de Vi .λ = 0.3, µ = 0.5 . . . . . . . . 48
n i=0
n
!n
1X
28 Illustration de la convergence vers l1 de Vi .λ = 1, µ = 1.5 . . . . . . . . . 48
n i=0
n !
n
1 X
29 Illustration de la convergence vers l2 de 1{Vi =0} .λ = 1, µ = 10 . . . . . . . 49
n i=0
n
!n
1 X
30 Illustration de la convergence vers l2 de 1{Vi =0} .λ = 0.3, µ = 0.5 . . . . . 49
n i=0
n
!n
1X
31 Illustration de la convergence vers l2 de 1{Vi =0} .λ = 1, µ = 1.5 . . . . . . 50
n i=0
n

5
Liste des tableaux
1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

6
Introduction
Le but de ce travail pratique est l'étude et la simulation d'une le d'attente M/M/1. Dans un

premier temps, nous introduisons quelques variables aléatoires caractéristiques de la le et mettons

en évidence le phénomène de saturation.

Ensuite, nous la simulons en tant que processus de renouvèlement, sans faire appel aux pro-

priétés particulières de la loi exponentielle. Ces dernières seront vues dans un cadre théorique et

utilisées dans la simulation de la le en tant que chaîne de Markov à temps continu.

7
1 Position du problème

1.1 Les les d'attente M/M/1

Il s'agit du système d'attente le plus simple car constitué d'un seul serveur et d'une le à

capacité illimitée. Le système que nous étudierons est caractérisé par :

 Le processus (Xn )n≥1 des temps inter-arrivée, Xn suit une loi exponentielle de paramètre λ

 Le processus (Yn )n≥1 des temps de service, le temps Yn de service du nème client est distribué

selon une loi exponentielle de paramètre µ.

Par conséquent, en moyenne, un client arrive tous les (1/λ) et est servi pendant la durée (1/µ).

1.2 Notations
(Xn )n≥1 Temps d'inter-arrivées. Xn ∼ E (λ)
ème
Yn Temps de service du n client. Yn ∼ E (µ)
NtP Nombre de clients qui se sont présentés avant t
ème
Tn Instant où le n client commence à se faire servir
NtS Nombre de clients ayant été servis à l'instant t
NtR Nombre de clients restant dans la le à l'instant t

Table 1  Notations

8
2 Mise en forme et saturation

2.1 Quelques quantités caractéristiques

On se propose d'exprimer quelques quantités sous-jacentes aux les d'attente M/M/1 en fonc-

tion des temps d'inter-arrivées (Xi )i≥1 et des temps de service (Yi )i≥1 .

Nombre d'arrivées dans [0, t], NtP : Pour n ≥ 1, on dénit la variable aléatoire du temps

d'arrivées du nème client :

Sn = X1 + · · · + Xn

Pour t ∈ R+ , le nombre d'arrivée dans l'intervalle de temps [0, t] est :

∞
X
NtP = sup {m ∈ N; Sm ≤ t} = 1{Sn ≤t} (1)
n=1

Instant où le nème client commence à se faire servir, Tn : Le premier client est servi dès

son arrivée : T1 = S1 .

Soit n ≥ 2, distinguons deux cas :

 La le d'attente est vide à l'arrivée du nème client, c'est-à-dire Sn ≥ Tn−1 + Yn−1 . Le client

est alors servi dès son arrivée : Tn = Sn ;

 Dans le cas contraire, Sn−1 < Tn−1 +Yn−1 , le client sera servi juste après celui qui l'a précédé :

Tn = Tn−1 + Yn−1

Par conséquent, pour n≥2 :

Tn = Sn 1{Sn ≥Tn−1 +Yn+1 } + (Tn−1 + Yn−1 ) 1{Sn <Tn−1 +Yn+1 }

9
 Ainsi, la suite des temps Tn est telle que :


 T1 =

S1
(2)
 Tn = Sn ∨ (Tn−1 + Yn−1 ) n ≥ 2


Nombre de clients ayant été servis à l'instant t, NtS : La n du service du client (n) a lieu

à l'instant Tn + Yn , par conséquent :

∞
X
NtS = 1{Tn +Yn ≤t}
n=1

Nombre de clients restant dans la le à à l'instant t, NtR : C'est le nombre de clients

arrivés dans la le avant t et qui n'ont pas déjà été servis à l'instant t :

NtR = NtP − NtS

Soit en utilisant les résultats précédents :

∞
X
NtR


= 1{Sn ≤t} − 1{Tn +Yn ≤t} (3)
n=1

2.2 Saturation de la le d'attente

On se propose de démontrer que lorsque µ < λ, la le d'attente sature presque-sûrement,

c'est-à-dire :

lim NtR = ∞
t→∞

Un client ne peut être servi qu'après que tous les clients précédents l'aient été. Certes c'est une

tautologie, mais elle permet d'écrire formellement pour n≥2 :

10