Statisztikai eloszlások

Miért használjunk eloszlásokat?

A valós folyamatok változékonyak. Egy ügyfélszolgálati hívás 5 percig tart, a következő 25 percig. Egyik nap 50 rendelés érkezik, másnap 120. Ez a természetes ingadozás az üzleti folyamatok alapvető jellemzője.

Az állandó értékek (például „minden tevékenység pontosan 10 percig tart”) valószerűtlen szimulációt eredményeznek. Az eloszlások matematikailag írják le a változékonyságot, így a szimuláció a valós folyamatokhoz hasonlóan működik. Saját folyamatán is kipróbálhatja őket az ingyenes próbaverzióval.

A változékonyság hatása

Nézzünk két forgatókönyvet egy átlagosan 10 percig tartó feladatra:

Forgatókönyv	Eloszlás	Hatás a szimulációra
Állandó, 10 perc	Nincs változékonyság	Valószerűtlen sorban állás, kiszámítható mintázatok
Normal (átlag=10, stdDev=3)	Valósághű változékonyság	Természetes sorban állás, valósághű késések

A második forgatókönyv jobban tükrözi a valóságot: egyes feladatok gyorsan elkészülnek, mások tovább tartanak. Ez a változékonyság idézi elő a valódi folyamatokban tapasztalható várakozást.

Elérhető eloszlások

A ProcessMind kilencféle eloszlást kínál a változékonyság különböző típusainak modellezésére:

Eloszlás	Mire használható	Fő paraméterek
Rögzített	Állandó, nem változó értékek	value
Normál	Az átlag körüli szimmetrikus változékonyság	mean, stdDev
Egyenletes	Azonos valószínűség egy adott tartományon belül	min, max
Háromszög	Tartomány, a legvalószínűbb értékkel	min, mode, max
Poisson	Véletlenszerű események érkezése	lambda, rateUnit
Lognormális	Jobbra ferde eloszlás, többnyire rövid, néha hosszú időkkel	mean, stdDev
Weibull	Megbízhatósági és meghibásodási elemzés	scale, shape
Béta	Rugalmas alakú eloszlás a minimum és maximum között	min, max, alpha, beta
Pearson VI	Összetett, ferde eloszlású minták	alpha1, alpha2, beta

Fixed eloszlás

A legegyszerűbb eloszlás: mindig ugyanazt az értéket adja vissza.

Paraméterek

Paraméter	Leírás
érték	A visszaadandó állandó érték

Jellemzők

• Nincs semmilyen változékonyság
• Minden minta pontosan a megadott értéket adja vissza
• Rendszer által vezérelt vagy automatizált lépések modellezésére alkalmas

Mikor használja?

• Következetes időzítésű, automatizált rendszer-válaszoknál
• Szabályozásban előírt időkorlátoknál és határidőknél
• A szimuláció kezdeti beállításakor, mielőtt változékonyságot ad hozzá
• SLA-k vagy szerződéses időkorlátok modellezésére

Példa

A rendszer által generált e-mail küldése mindig pontosan 5 másodpercig tart.

Normal (Gauss-)eloszlás

Az ismert „haranggörbe”: az értékek szimmetrikusan csoportosulnak az átlag körül, és a középponttól távolodva csökken az előfordulásuk valószínűsége.

Paraméterek

Paraméter	Leírás
mean	Az átlagérték, a görbe középpontja
stdDev	Szórás, az értékek eloszlása

Jellemzők

• Az átlag körül szimmetrikus
• Az értékek 68%-a az átlagtól számított 1 szóráson belül van
• Az értékek 95%-a az átlagtól számított 2 szóráson belül van
• Az értékek 99,7%-a az átlagtól számított 3 szóráson belül van
• Elméletileg negatív értékeket is adhat (a szimuláció ezt kezeli)

Mikor használja?

• Átlag körül szimmetrikusan változó feldolgozási időknél
• Véletlen hibával terhelt méréseknél
• Olyan mennyiségeknél, amelyekre sok kis, egymástól független tényező hat

Példa

Egy adatbeviteli feladat átlagosan 5 percig tart, 1 perces szórással:

• Az adatbevitelek 68%-a 4–6 percig tart
• Az adatbevitelek 95%-a 3–7 percig tart
• Csak kevés tart 2 percnél rövidebb vagy 8 percnél hosszabb ideig

Uniform eloszlás

Egy tartományon belül minden érték azonos valószínűséggel fordul elő, így az eloszlás valószínűségi görbéje lapos.

Paraméterek

Paraméter	Leírás
min	A lehetséges legkisebb érték
max	A lehetséges legnagyobb érték

Jellemzők

• Egyenletes valószínűség: egyik érték sem valószínűbb a másiknál
• Éles határok a min és max értéknél
• Az átlag pontosan (min + max) / 2

Mikor használja?

• Ha csak a tartományt ismeri, a jellemző értéket nem
• Véletlenszerű választás egy tartományból
• Egy ütemezett eseményre várakozás időtartama
• A bizonytalanság modellezésére, ha nincsenek korábbi adatai

Példa

Egy jóváhagyás 2 és 8 perc közötti időt vesz igénybe, de nem tudjuk, mi a jellemző időtartam. Ebben a tartományban minden időtartam azonos valószínűségű.

Triangular eloszlás

Egyszerű eloszlás, amelynek három értéke van: a minimum, a maximum és a legvalószínűbb érték (módusz). Az eloszlás alakja háromszögre hasonlít.

Paraméterek

Paraméter	Leírás
min	A lehetséges legkisebb érték
mode	A legvalószínűbb érték, a háromszög csúcsa
max	A lehetséges legnagyobb érték

Jellemzők

• Az értékek a módusz körül csoportosulnak
• A min és max érték határolja, ezeken kívüli értékek nem fordulnak elő
• Aszimmetrikus, ha a módusz ≠ (min + max) / 2
• Szakértői tapasztalat alapján könnyen megbecsülhető

Mikor használja?

• Ha tudja, hogy „általában X, de Y és Z között változhat”
• Szakértői becslésen alapuló forgatókönyveknél
• Ha a Normal eloszlás valószerűtlen negatív értékeket adhat

Példa

Egy számla ellenőrzése:

• Legjobb eset (min): 2 perc
• Jellemző eset (mode): 5 perc
• Legrosszabb eset (max): 15 perc

A legtöbb ellenőrzés 5 perc körül tart, de az összetett számlák esetében akár 15 percig is elhúzódhat.

Poisson-eloszlás

Egy rögzített időszakban bekövetkező események számát modellezi, ezért különösen alkalmas az érkezési folyamatok leírására.

Paraméterek

Paraméter	Leírás
lambda	Az események átlagos rátája
rateUnit	A ráta időegysége (perHour, perDay, perWeek, perMonth, perYear)

Jellemzők

• Diszkrét értékek, egész számok: 0, 1, 2, 3…
• A variancia megegyezik az átlaggal
• Az események egymástól függetlenek
• Jól modellezi a „véletlenszerű érkezéseket”

Mikor használja?

• Folyamatba érkező esetek modellezésére
• Ügyfelek érkezésére
• Rendelések létrehozására
• Bármilyen „események száma adott idő alatt” típusú helyzetre

Példa

A Lambda=20 és a rateUnit=perDay beállítás naponta körülbelül 20 beérkező esetet modellez. Egyik nap 15, másik nap 25 eset érkezhet, ez a véletlenszerű érkezések természetes ingadozása.

Lognormal eloszlás

Jobbra ferde eloszlás: a legtöbb érték alacsony, de időnként nagy értékek is előfordulnak. Az értékek logaritmusa normális eloszlást követ.

Paraméterek

Paraméter	Leírás
mean	A generált értékek átlaga, nem a logaritmusuké
stdDev	A generált értékek szórása, nem a logaritmusuké

Jellemzők

• Mindig pozitív, negatív érték nem fordulhat elő
• Jobbra ferde, hosszú farokkal a nagyobb értékek felé
• A legtöbb érték az alsó tartományban csoportosul
• Időnként nagy értékek is előfordulnak

Mikor használja?

• Általában gyorsan elvégzett, de néha jóval tovább tartó feladatoknál
• Pénzügyi adatok és jövedelemeloszlások modellezésére
• Válaszidők modellezésére, ha időnként késések fordulnak elő
• Hibajavítási idők modellezésére

Példa

Műszaki támogatási jegyek:

• A legtöbb jegyet 1–2 óra alatt megoldják
• Néhány megoldása egy teljes napig tart
• A ritka, összetett problémák megoldása több napot is igénybe vehet

A Lognormal eloszlás ezt a „többnyire gyors, néha hosszadalmas” mintázatot írja le.

Weibull-eloszlás

Rugalmas eloszlás, amelyet gyakran használnak a megbízhatóság vizsgálatára és a meghibásodások elemzésére.

Paraméterek

Paraméter	Leírás
scale	Skálaparaméter, a jellemző élettartam
shape	Alakparaméter, az eloszlás alakját határozza meg

Az alakparaméter hatása

Alakparaméter értéke	Az eloszlás jellemzője
shape < 1	Csökkenő meghibásodási ráta (korai meghibásodások)
shape = 1	Állandó meghibásodási ráta (exponenciális eloszlás)
shape > 1	Növekvő meghibásodási ráta (elhasználódás)

Mikor használja?

• Berendezések meghibásodási idejének modellezésére
• Eseményig eltelt idő elemzésére
• Megbízhatóság modellezésére
• Ha rugalmasan szeretné szabályozni az eloszlás alakját

Beta-eloszlás

Rugalmas eloszlás, amely egy minimum és egy maximum közötti értékeket generál. Az eloszlás alakját két paraméter szabályozza. Ez az általánosított, négysparaméteres Beta-eloszlás.

Paraméterek

Paraméter	Leírás
min	A lehetséges legkisebb érték
max	A lehetséges legnagyobb érték
alpha	Első alakparaméter (α > 0)
beta	Második alakparaméter (β > 0)

Jellemzők

• Az értékek mindig a min és max közé esnek
• Az α és β értékétől függően rendkívül sokféle alakot vehet fel
• Ha α = β, az eloszlás szimmetrikus a [min, max] intervallum középpontjára
• Ha α < β, az értékek a min felé tolódnak (balra ferde eloszlás)
• Ha α > β, az értékek a max felé tolódnak (jobbra ferde eloszlás)
• Ha α = β = 1, az eloszlás egyenletessé válik a [min, max] intervallumon
• Átlag = min + (max − min) × α / (α + β)

Az alakparaméter hatása

Paraméterek	Az eloszlás jellemzői
α = 1, β = 1	Egyenletes (lapos) a [min, max] intervallumon
α = β	Szimmetrikus haranggörbe, középpontja az intervallum közepe
α < β	Balra ferde (az értékek a min közelében csoportosulnak)
α > β	Jobbra ferde (az értékek a max közelében csoportosulnak)
α < 1, β < 1	U alakú (az értékek mindkét szélsőérték közelében csoportosulnak)

Mikor használja?

• Korlátozott mennyiségekhez, ha ismert a tartomány, és szabályozni szeretné az eloszlás alakját
• Olyan feladatok időtartamának modellezésére, amelyek egy ismert tartomány egyik végéhez közel csoportosulnak
• Valószínűségek vagy sikerarányok modellezésére (min=0, max=1)
• Minőségi pontszámok, teljesítési százalékok vagy kihozatali arányok modellezésére
• Szakértői becslésekhez, ha ismert a tartomány, és az is, hogy mely értékek fordulnak elő gyakrabban

Példa

Egy ellenőrzési feladat 2–15 percig tart, és a legtöbb ellenőrzés a rövidebb időhöz közel fejeződik be. Használja a Beta(min=2, max=15, α=2, β=5) eloszlást. Az átlag körülbelül 2 + 13 × 2/7 ≈ 5,7 perc. Az értékek az alsó tartományban csoportosulnak, de nem lehetnek 2 percnél rövidebbek vagy 15 percnél hosszabbak.

Pearson VI eloszlás

Összetett, ferde eloszlások modellezésére szolgál, ha az egyszerűbb modellek nem illeszkednek az adatokhoz.

Paraméterek

Paraméter	Leírás
alpha1	Első alakparaméter
alpha2	Második alakparaméter
beta	Skálaparaméter

Mikor használja?

• Adatelemzésből származó összetett eloszlások modellezésére
• Ha az egyszerűbb eloszlások nem illeszkednek a korábbi adatokhoz
• Haladó statisztikai modellezési feladatokhoz

A megfelelő eloszlás kiválasztása

Gyors áttekintés: feldolgozási idők

Helyzet	Javasolt eloszlás
Az idők szimmetrikusan változnak az átlag körül	Normál
Csak a tartomány ismert (minimumtól maximumig)	Egyenletes
Ismert a jellemző, a legjobb és a legrosszabb eset	Háromszög
Többnyire rövid, néha jóval hosszabb	Lognormális
Az idő állandó (ritka eset)	Rögzített
Arányok vagy valószínűségek (0 és 1 között)	Béta

Gyors áttekintés: érkezési gyakoriság

Helyzet	Javasolt eloszlás
Véletlenszerű, egymástól független érkezések	Poisson
Állandó ütemű érkezések	Rögzített

Bevált gyakorlatok

Kezdje egyszerűen

Kezdje a Normal vagy Triangular eloszlással. Ezek könnyen érthetők és paraméterezhetők, és általában megfelelő eredményt adnak. Csak akkor válasszon összetettebb eloszlást, ha szükséges.

Használja a szakértői tudást

A szakterületi szakértők pontos becsléseket adhatnak:

• „Legjobb eset?” → minimum
• „Tipikus eset?” → átlag vagy módusz
• „Legrosszabb eset?” → maximum

Ellenőrizze az adatok alapján

Ha rendelkezik korábbi adatokkal:

1. Illesszen eloszlásokat az adatokra
2. Hasonlítsa össze a szimuláció eredményét a tényleges teljesítménnyel
3. Finomítsa az eloszlás paramétereit

Vegye figyelembe a kiugró értékeket

A valós folyamatokban gyakran előfordulnak kiugró értékek. Ezeket a Lognormal és a Weibull eloszlás jobban leírhatja, mint a Normal vagy a Triangular.

Igazítsa az eloszlást a folyamat jellemzőihez

• Szimmetrikus ingadozás → Normal
• Korlátozott tartományú ingadozás → Triangular vagy Uniform
• Jobbra ferde eloszlás → Lognormal
• Arányok (0 és 1 között) → Beta
• Összetett mintázatok → Weibull vagy Pearson VI

Egyéni BPMN-modell létrehozása

Következő lépések

How It Works

Ismerje meg, hogyan használja a szimulációs motor az eloszlásokat.