Workshop on Statistics of Networks, June 2010 p.1/38

Similar documents
½º¾ Ò Ø ÓÒ Ì Ò Ó Ø ÓÚ ÕÙ Ø ÓÒ Ò ÓÖÑ Ð Þ Ý Ø ÓÐÐÓÛ Ò Ò Ø ÓÒº Ò Ø ÓÒ ½ È Ù Ó Ê Ò ÓÑ ÙÒØ ÓÒ Ñ Ðݵ Ñ ÐÝ ¾ ¼ ½ ¾Æ ÐÐ Ñ ÐÝ Ó Ð µ Ä µµ È Ù Ó Ê Ò ÓÑ ÙÒØ ÓÒ ¾

ÁÒØÖÓ ÙØ ÓÒ Ö ÔØ Ú ËØ Ø Ø ÁÒ Ö ÒØ Ð ËØ Ø Ø ÀÝÔÓØ Ø Ø Ò ¹ Ô Ú ÐÙ Ø ÖÑ Ò Ø ÓÒ Ó ÑÔÐ Þ ËÙÑÑ ÖÝ Ä ÖÒ Ò Ó¹ Ø ÖÑ Æ ÙÝ Ò Ì ÌÙ Î Ò ½ Æ ÙÝ Ò ÉÙ Ò Î Ò ¾ ½ ÍÒ Ú

edges added to S contracted edges

ÇÙØÐ Ò ½ ¾ ØÖ ÙØ ÓÒ ² Ì Ò ÐÝ Ó Ö ÕÙ Ò ÔÔÐ Ø ÓÒ Ó Ø χ ¾ ËØ Ø Ø ÐÙÐ Ø Ò Ô Ú ÐÙ Ò ³ Ü Ø Ø Ø Ì ÓÒÚ ÒØ ÓÒ Ð Ú º Ø Ñ Ô ÓÔغµ È Ö ÓÒ Ò ËÔ ÖÑ Ò ÓÖÖ Ð Ø ÓÒ Ù Ò

Ó Ú ÐÙ Ö ÒÚÓÐÚ Ò ÖØ Ò Ô ÖØ Ó Ø ÔÖÓ Ö Ñµ Ò ØÓ ÐÔ Ø Ø ÔÖÓ Ö ÑÑ Ö Ñ Ø º ÁÒ Ø Ø ÐÐÝ ØÝÔ Ð Ò Ù Ø ØÝÔ Ö ÒÓØ Ò ÓÑ Ø Ò Ø Ø Ø Ô ÖØ Ò ÓÑÔÙØ Ø ÓÒ ÙØ Ö Ø Ö ÓÑ Ø Ò

½ ÁÒØÖÓ ÙØ ÓÒ Ê ÒØ Ö ÙÐØ Ò ÑÔÐ Ñ ÒØ Ø ÓÒ Ó Ø ÔÐ ÒÒ Ö ½ Ú Ö Ø Ò¹ Ø Ö Ø ÓÖ Ù Ø Ð ÔÔÐ Ð ØÝ Ó Ø ÔÐ ÒÒ Ò ÔÔÖÓ ØÓ Ñ ÒÝ Ö Ð ÛÓÖÐ ÔÖÓ Ð Ñ º ÍÒ ÓÖØÙÒ Ø ÐÝ Ø ÔÖ

ÇÙØÐ Ò

Ú Ð Ð ÓÒÐ Ò Ø ØØÔ»» Ѻ Ö Ùº º Ö ÁÒغ º ÁÒ Ù ØÖ Ð Å Ø Ñ Ø ÎÓк ÆÓº ¾¼½½µ ½ ½¹½ ½ Ê Ò Ò ÍÒ Ø Ò Ý Í Ò Ø ÎÓØ Ò ËÝ Ø Ñ Åº à ÒÑÓ ÑÑ Êº ÐÐ Ò µ Ô ÖØÑ ÒØ Ó Å

deactivate keys for withdrawal

Ì ÓÑÔÙØ Ð Ñ Ò ÓÒ Ó ÌÖ Ó ÁÒ Ò Ø À Ø ÊÙ ÐÐ Å ÐÐ Ö ÂÙÐÝ ¾ ¾¼¼ Ì Ö Ø ÓÙÖ Ø ÓÒ Ó Ø ÖØ Ð ÔÔ Ö ÔØ Ö Ó È º º Ø Ø Ø ÍÒ Ú Ö ØÝ Ó Ó ÙÒ Ö Ø ÙÔ ÖÚ ÓÒ Ó ÊÓ ÖØ Áº ËÓ

ÖÖ Ý ÒÑ ÒØ Ø Ø Ñ ÒØ Ö Ö ÓÖ ÒÝ Ð Ø¹ Ò Ð Ñ ÒØ Ö ØÓÖ º ÖÖ Ý ÓÖ Ù Ø ÓÒ Ó ÖÖ Ý Ò Ô Ý Ù Ò ØÖ ÔÐ Ø Ù Ö ÔØ º ØÖ ÔÐ Ø Ô Ö Ò Ò Ø ÓÖÑ ÐÓÛ Ö ÓÙÒ ÙÔÔ Ö ÓÙÒ ØÖ º Á


LCNS, Vol 1767, pp , Springer 2003

Ð Ò ØÓ ØØ Ö Ò ÔÔÖÓÜ Ñ Ð ØÝ Ö ÙÐغ Ì ÓÙÖ Ô Ö Ñ ØÓÛ Ö Ø Ø Ö Ò ÔÔÖÓÜ Ñ Ð ØÝ Ö ÙÐØ Ò Ô Ö Ý Ø Ô Ô Ö Ó È Ô Ñ ØÖ ÓÙ Ò Î ÑÔ Ð ÓÒ ÌÖ Ú Ð Ò Ë Ð Ñ Ò ÔÖÓ Ð Ñ µ Ø

1 The Multinomial logit

ÝÓÒ ÀÝÔ ÖØÖ Ï Ø ÓÑÔÓ Ø ÓÒ Å Ø Ó Ï Ø ÓÙØ ÓÑÔÓ Ø ÓÒ ÀÙ Ò Ò Î ØÓÖ ÐÑ Ù Ô ÖØ Ñ ÒØ Ì ÒÓÐÓ ÍÒ Ú Ö Ø Ø ÈÓÑÔ Ù Ö Ö ÐÓÒ ËÔ Ò Ù º Ò Ú ØÓÖº ÐÑ Ù ÙÔ º Ù ØÖ Øº Ì Ò

ÅÓ Ø Ü Ø Ò ÖÓ ¹ÓÚ Ö Ö ÓÙÖ ÔÖÓÚ ÓÒÐÝ ÐÐÓÛ Ö ÔÖ ÒØ Ø ÓÒ Ñ ÒØ ÇÚ ÖÚ Û ÛÓÖÐ ÔÔÐ Ø ÓÒ Ò Ö ÓÙÖ Û Ø Ö ÝÒØ Ø Ò ¹ Ê Ð Ö ÔÖ ÒØ Ø ÓÒ º Ñ ÒØ ÅÙ Ö Ö Ö ÔÖ ÒØ Ø ÓÒ Ö

ß ¾ ß ½º ÁÒØÖÓ ÙØ ÓÒ Ö Ñ ÒØ Ø ÓÒ ÙÖ Ò ÔÖÓØÓ Ø ÐÐ Ö ÓÐÐ Ô Û ÐÝ ÔØ ØÓ Ø ÔÖ Ñ ÖÝ Ñ ¹ Ò Ñ ÓÖ Ø ÓÖÑ Ø ÓÒ Ó Ò ÖÝ Ò ÑÙÐØ ÔÐ Ø Ö Ý Ø Ñ º º Ä Ö Ò Ö Ø Ðº ¾¼¼ Ò

½½ º º À Æ Æ º º Í Æ ÒÓØ ÔÓ Ø Ú Ñ ¹ Ò Ø ÙÒÐ Ø ÓÐÐÓÛ Ò ØÖÙ Ø Ö ÓÒ Ù ÔÖÓ Ð Ñ È ½ Û Ø Ò Ð ÐÐ ÓÒ ØÖ ÒØ Û Ó ÓÖÑ Ù Ø ØÓ Ñ Ò ¾Ê Ò µ ½ ¾ Ì Ì Ø Ì Ù ÔÖÓ Ð Ñ Ø Ð

ÁÒØÖÓ ÙØ ÓÒ ËØ Ø Ø Ð Ò ÐÝ ÓÖ Ö Ø Ø Ô ÖØ Ù¹ Ð ÖÐÝ ÓÖ ÔÖÓ Ð ØÝ ÑÓ Ð Ù Ø ÒÓ¹ Ñ Ð ÈÓ ÓÒ Ò ÑÙÐØ ÒÓÑ Ð Ý ÒÓÛ Ú ÖÝ Û ÐÐ ÙÒ Ö ØÓÓ Û Ø Û ÐØ Ó Ù Ø Ð Ó Ø¹ Û Ö º

Communications Network Design: lecture 19 p.1/32


Ñ Ò Ò Ð Û Ø ÓÑÔÐ Ü ¹ Ñ Ò ÓÒ Ð Ø º Ì Ñ Ò Ø Ø Ø Ø Ø ÓÑ Ò Ö ÒØ Ò Ó ØÖÙØÙÖ º ÓÖ Ü ÑÔÐ Ó Ø Ò Û ÒØ Ñ Ø Ó Ø Ø Ò Ð Ø Ò ÐÝ Ø ØÓ ÕÙ ÒØ ÐÐÝ ÜØÖ Ø ÑÔÐ ØÖÙØÙÖ ÇÒ Ø

Ø Ñ Ò Ò ÙØÙÑÒ ¾¼¼¾ Ò Ò Ö ÕÙ ÒØ ÐÓ µ Ø Û Ø ØÖ ØÖÙØÙÖ ½ ȹØÖ È¹ ÖÓÛØ ÄÇË Ì È¹ØÖ Ø ØÖÙØÙÖ È¹ ÖÓÛØ Ð ÓÖ Ø Ñ ÓÖ Ò Ò ÐÐ Ö ÕÙ ÒØ Ø ÄÇË Ì Ð ÓÖ Ø Ñ ÓÖ Ò Ò Ö ÕÙ


Ì ÐÑÓ Ø ÓÑÔÐ Ø ÙÔÛ Ö ÓÐÐ Ô Ó ÈÀ ÓÛÒ ØÓ È ÆÈ ½ Ü ÔØ ÓÖ Ø Ô ØÛ Ò È ÆÈ Ò ÈÈ ÆÈ º ÐÓ Ò Ø Ô Ñ Ø ÓÒ Û Ø ÔÖÓÓ Ø Ø È ÆÈ ½ È ÆÈ ¾ ØØ µ ÈÈ ÆÈ È ÆÈ º ÀÓÛ Ú Ö Ø Ô

dis.08 dis.09 dis.10 dis.11


ÓÒØ ÒØ ½ ÇÚ ÖÚ Û ½ ¾ Ö Ø ØÙÖ Ð Ö ÔØ ÓÒ ½ ¾º½ Ê Ø Ö º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º ½ ¾º¾ ÙÒ Ñ ÒØ Ð ÌÝÔ º º

ÓÖØÖ Ò ÓÖØÖ Ò = ÜØ Ò ÓÒ ØÓ Ø ÆËÁ ÇÊÌÊ Æ Ø Ò Ö º Ê ÔÓÒ Ð ØÝ Ñ Ö Ò Æ Ø ÓÒ Ð ËØ Ò Ö ÁÒ Ø ØÙØ ÆËÁ  µ ÁÒØ ÖÒ Ø ÓÒ Ð ÇÖ Ò Þ Ø ÓÒ ÓÖ ËØ Ò Ö Þ Ø ÓÒ ÁËÇ»Á ÂÌ

PRINCETON PLASMA PHYSICS LABORATORY

ÁÒØÖÓ ÙØ ÓÒ Î Ø Ð Ø Ö ØÙÖ ÓÒ ÑÔ Ø Ó Ù ØÑ ÒØ Ò Ø Ð Ø ÓÒ ÔÓÐ ÓÒ ÔÓÚ ÖØÝ ÙØ Ù Ø Û ÓÒ Ø ÑÔ Ø Ó Ô Ñ ÖÓ ÓÒÓÑ ÔÓÐ º ØØ Ö ÒÓÛÐ ÓÙØ ÔÖÓ¹ÔÓÓÖ Ñ ÖÓ ÔÓÐ Ò Ø Ñ ÒØ


ËÌ Ä Å Ä Å ÌÁÇÆ ÂÓ Ò Ìº Ð Û Ò Ô ÖØÑ ÒØ Ó Å Ø Ñ Ø ËØ Ø Ø Ò ÓÑÔÙØ Ö Ë Ò ÍÒ Ú Ö ØÝ Ó ÁÐÐ ÒÓ Ø Ó Â ÒÙ ÖÝ ¾¼¼¼ Ø ØÓ Ø Ñ ÑÓÖÝ Ó ºÁºÅ Ð Úº ÁÒ ½ ÖÞ ÓÖÞÝ Û Ø Ö

Ë Ò ÓÖ Æ ØÛÓÖ Å ÈÖÓØÓÓÐ ÂÙ Î Ð ÓÒ Ò Ä ÓÖ ØÓÖÝ ÓÖ Ì ÓÖ Ø Ð ÓÑÔÙØ Ö Ë Ò À Ð Ò ÍÒ Ú Ö ØÝ Ó Ì ÒÓÐÓ Ý ¾ º º¾¼¼ ÂÙ Î Ð ÓÒ Ò Ë Ò ÓÖ Æ ØÛÓÖ Å ÈÖÓØÓÓÐ

Chapter 9. Trapezoidal Maps. 9.1 The Trapezoidal Map

ÓÖ Ø ÁÒØ Ð ÔÖÓ ÓÖ Ñ Ðݺ Ê Ö Û ÒØ Ò Ò Ö Ð ÖÓÙÒ Ò Ñ Ð Ö ÔÖÓ Ö Ñ¹ Ñ Ò ÓÙÐ ÓÒ ÙÐØ ÔÔÖÓÔÖ Ø Ø ÜØ ÓÓ Ò ÓÒ ÙÒØ ÓÒ Û Ø Ø ÔÖÓ ÓÖ Ö Ö Ò Ñ Ò¹ Ù Ð ÔÙ Ð Ý ÁÒØ Ð Ò

ÅÓØ Ú Ø ÓÒ Ø Ú Øݹ ØÖ Ú Ð Ñ Ò ÑÓ Ð Ò Ô Ö ÓÒ Ð Þ ÖÚ ÓÒ Ñ ÖØÔ ÓÒ ¾» ¾

Communications Network Design: lecture 21 p.1/47

Sensor0 Motor0. Sensor2. Motor2

ÁÒØÖÓ ÙØ ÓÒ Ö ÙÑÙÐ ÒØ Ò Ã ÖÓÚ³ ÔÓÐÝÒÓÑ Ð Ä Ø Ù ÒÓØ Ý Ë Ò Ø ÝÑÑ ØÖ ÖÓÙÔ Ó ÓÖ Ö Òº ÁÖÖ Ù Ð Ö ÔÖ ÒØ Ø ÓÒ Ô ÖØ Ø ÓÒ λ Òº ÆÓÖÑ Ð Þ Ö Ø Ö Ú ÐÙ χ λ (µ) ÓÖ µ

The Enigma machine. 1 Expert teams 25 mins. 2 Mixing the teams 30 mins. 3 Coding and decoding messages 1 period

ÇÚ ÖÚ Û ½ ÁÒØÖÓ ÙØ ÓÒ ¾ Ý ¾¼½¾ Ò Ö Ð Þ Ö ÐØÝ ÅÓ Ð ÓÖ ÓÑ Ø Ý ¾

ÇÙØÐ Ò ÁÒØÖÓ ÙØ ÓÒ º º ÓÙ ÖÝ ¾ ÁÒ ØÖÙØÓÖ³ ÒÓØ Å Ò Ñ Ü Ð ÓÖ Ø Ñ ÐÔ Ø ÔÖÙÒ Ò

Ë ÓÑ Ò Ò ÝÒ Ñ ÈÖÓ Ö ÑÑ Ò Û Ø Ò Ö Ð Þ Ø ÓÒ Ò Ð Ö ËÝ Ø Ñ È ÖÖ Ö Ö ½ ¾ Ò ÇÐ Ú Ö Ë Ù ½ ½ ÙÐØ Ú Ø ÓÒ Ì» ÈÊ» Ë ÉÙ Å Ö Ð ÙÐØ ¾ ¾ Ëع ÐÓÙ Ü ¾ Ò Ñ ØÄ ÄÁÈ µ ÖÙ

Communications Network Design: lecture 07 p.1/44

½ ÁÒØÖÓ ÙØ ÓÒ ÒÓÑ ÈÓÖØ Ð Û ¹ ÒØ Ö Ø Ú ÓÑÔÙØ Ø ÓÒ Ð ÔÐ Ø ÓÖÑ ÓÖ Ø Ò Ð¹ Ý Ò Ñ Ò Ò Ó ÒÓÑ Ø º Ï Ñ ØÓ ÒØ Ö Ø Ø ÔÖ Ñ ÖÝ ÒÓÑ Ø ÙÒØ ÓÒ Ð ÒÓÛÐ Ò Ò ÐÝØ Ð ØÓÓÐ Û

Ë Ñ ÒØ Ø ÓÒ Ð ÓÖ Ø Ñ ÓÖ Ø ÓÑÔ Ö ÓÒ Ó ÀÙÑ Ò Ä Ñ ÌÖ ØÓÖ Å Ö ÈÓÑÔÐÙÒ ½ Ò Å Âº Å Ø Ö ¾ ½ Ô ÖØÑ ÒØ Ó ÓÑÔÙØ Ö Ë Ò ÓÖ ÍÒ Ú Ö ØÝ ¼¼ à РËØÖ Ø ÌÓÖÓÒØÓ ÇÒØ Ö Ó

ÇÙØÐ Ò ÁÒØÖÓ ÙØ ÓÒ Ï Ø Ñ Ø Ñ Ø ËÓÑ Ø ÒÓ Ö Ô Ú Ò ÒÓØ Ö ÓÖ ÓØØ Ò ØÖ Ó ÙÑ Ò ØÝ Ð Ö Ò ØÙ Ý Ñ ÖÓÖ Ä Ø Ò Ö Ø Ø Ø ÑÓÒ ÖÓÑ ÓÖÑ Ö Ð Ö Ò Ï Ø Ñ Ø Ñ Ø Ê ÄÄ Á Ô ÓÔ

Z=102 Z= Z=98 Z= Z=94 Z=92

Ì ÓÑÔÐ Ü ØÝ Ó Á ÓÑÓÖÔ Ñ ÁÒ ÐÐ Ú ÓÑÓÖÔ Ñ Σ ½ ½ ÑÓÖ ÔÖ ÐÝ A B Ö ÓÑÓÖÔ : ( ØÖÙØÙÖ ¹ÔÖ ÖÚ Ò Ø ÓÒ) ÓÙÒØ Ð ØÖÙØÙÖ Ò Ó Ý Ö Ð Ø Ò ÓÑÓÖÔ Ñ ÓÑ Σ ½ ½ Ö Ð Ø ÓÒ ÓÒ

TCP SOURCE TCP DESTINATION

Ö Ò ÁÅ ÔØ Ö Ê ÕÙ Ö ÔØ Ö ½¼ ½ Ò ½ º ÄÏÀ ØÓ ÖØ Ð ÁÒØ ÐÐ Ò ÁÒØÖÓ ÙØ ÓÒ ¹ ËÔÖ Ò ¾¼½ Ë º ÓÙ ÖÝ Ë Ù¹Û ¹Ö µ ÖØ ¼¾µ ¾¹ º º ÓÙ ÖÝ ½ ÁÒ ØÖÙØÓÖ³ ÒÓØ ÖÙ ÖÝ ½ ¾¼½

Ø ÔÖ ÙÖ ØÝ Ö ÕÙ Ö Ñ ÒØ Ó ÙØ ÒØ Ø Ý Ø Ð Ñ Òغ Ë Ú Ö Ð ÓÒÖ Ø ÙÖ ØÝ Ò Ô Ö ÓÖÑ Ò ØØÖ ÙØ Ú Ò ÒØ Ö Ð º Ì ÙÒ Ñ ÒØ Ð ÙÖ ØÝ Ó Ð Ó Ý Ø Ð Ñ ÒØ ÔÖÓØÓÓÐ Ö ØÓ ÑÔÐ Ø

x(t + t) = exp( tl)x(t), µ t k exp( tl) = x i i=1 k=0

R E S E A R C H R E P O R T I D I A P

¼ º Å Ø Öº Ë º Ì ÒÓк ÎÓк¾¾ ÆÓº ¾¼¼ Ö ÇÔØ ÈÖÓØ Ø ÓÒ ËÝ Ø Ñ ÓÖ ÓÒÖ Ø ËØÖÙØÙÖ ÂºËºÄ Ò ½µÝ ºÀ Ñ ¾µ ºÏ ÒØ Ö ¾µ ʺ º ÖÒ ¾µ º ºÅ Ý ¾µ Ò º º ÖÒ Ò Ó ¾µ ½µ Ò

Ê Ö Ò Ù Ä ÒÙÜ ÓÖ ØÖÓÒÓÑ Ö º º º ½º¾º Ï Ø Ä ÒÙÜ Ä ÒÙÜ ÍÆÁ ¹Ð ÖÒ Ð Ö Ø Ý Ä ÒÙ ÌÓÖÚ Ð º Ä ÒÙÜ ÖÒ Ð Ó Ø Ò ÓÒ Ù Û Ø Ø ÆÍ»Ä ÒÙÜ ÓÔ Ö Ø Ò Ý Ø Ñº Ä ÒÙÜ Ø ÖÒ Ð

ÁÒØÖÓ ÙØ ÓÒ Ì Ñ Ñ Ö Ó Ú Ò Ô ÓÖ Ù Ô µ Ú Ø Ñ Ò Ö Ð ØÙÖ ÓÒ Ø Ö Ó Ø Ô ØØ ÖÒº ÀÓÛ Ú Ö Ò Ú Ù Ð Ò Ñ Ð Ø ÓÛÒ Ø ÒØ Ñ Ö Ò º Ì Ô ØØ ÖÒ Ö ÒÓØ Ø ÖÑ Ò Ò Ø ÐÐݺ Ì Ý

ØÖ Ø Ê Ù Ð ØÖ Ø ØÖ Ø Ø Ö Ñ Ò ØÓÖ Û Ø Ò ØÖÙØÙÖ Ö ÙÐØ Ó Ø Ñ ÒÙ ØÙÖ Ò ØÓÖݺ Ç Ø Ò ÐÐ ÐÓ Ò ØÖ Ø Ö Ñ Ò Û Ò Ø Ö ÒÓ ÔÔÐ ÐÓ Ò Ù Ò Ø ÔÔÐ ÐÓ Ò Ò Ø ØÖÙØÙÖ ³ ÜÔ Ø

ß ¾ ß ËÌÊ Ì ÌÓ Ò Ò Ø ØÓ Ø Ù Ó Ð Ñ ÒØ ÖÙÔØ ÓÒ Ò Ö ÓÒ Ø ÙÒ Û Ó ÖÚ Ð Ñ ÒØ Ø Ø ÖÙÔØ Ò Ø Ú Ö ÓÒ ÆÇ º Ì Ó ÖÚ Ø ÓÒ ÓÒ Ø Ó À«ÐØ Ö Ö Ñ Ø Ø Ö Û Ú Ð Ò Ø Ð Ò ÒØ Ö


Degradation

ÓÒØ ÒØ ¾

Communications Network Design: lecture 16 p.1/41

ÅÓØ Ú Ø ÓÒ Ñ ØÙ Ý ÜØ Ò ÓÒ Ó Û Ðй ÒÓÛÒ ÈÌ Ñ Ý Ø Ñ Ä ÈÄ Ò ØÓ ÒÖ ÒØ Ò ÓÒ Ð ÜÔÖ Ú Ò Ý Ö Ð Ü Ò Ð Ò Ö ØÝ Ý ÓÑ Ò Ò Ö ÒØ Ö ÙÖ ÓÒ Ñ ÒØÓ ÓÒ Ý Ø Ñ Ý ÝÒØ Ø Ð Ñ Ø

Abiteboul. publication x author. citation title date 2000 Suciu Data on the Web Buneman

ÝØ Ð Ö Ø ÓÒ Ó ÝÒ Ñ ØÖ ÑÙÐ Ø ÓÒ Ó Ø Ú Ñ Ò Ð Ö Ø ÓÒ ÖÓÑ ØÖ ÓÙÒØ Ð Ð Ô Ö Ô Ø Ú Ø Ñ Ø ÓÒ Ó Ô Ø ÓÛ Ø ÛÓÖ Ø Ñ Ø ÓÒ Ó Ñ ÖÓ¹ ÑÙÐ Ø Ú ÓÖ ¾» ¾¾

ÇÆÌ ÆÌ ËÙ Ø Ú ÒØÖÓ ÙØÓÖÝ Ö Ñ Ö Å Ø Ô ÓÖ Ò Ø Ú ÔÔÖÓ Ì Ô ÐÓ ÓÔ Ð Ö Ò À ÖÑ Ò ÙØ Ò Ø Ö Ð Ø ÓÒ Ô ØÓ Ò Ì ÒØ ÖÔÖ Ø Ò Ò Ø ÒØ ÖÔÖ Ø Ö Ò

ÁÒ ÙØ Ú ¹ ÙØ Ú ËÝ Ø Ñ Ñ Ø Ñ Ø Ð ÐÓ Ò Ø Ø Ø Ð Ð ÖÒ Ò Ô Ö Ô Ø Ú Æ ÓÐ ÓØ Å Ð Ë Ø ÇÐ Ú Ö Ì ÝØ Ù ÍÒ Ú Ö Ø È Ö ¹ËÙ ÆÊË ÁÆÊÁ ÈÖÓ ¾¼¼

Ë Ø Ó ÒÙÑ Ö Ò Ø Ö Ö ÔÖ ÒØ Ø ÓÒ ÁÒ Ø ÓÙÖ Û Û ÐÐ ÒØ Ö Ø Ò Ø Ó ÒÙÑ Ö º ÁÒ ÓÑÔÙØ Ö Ò Û Ö ÓÒ ÖÒ Ý Ø ÕÙ Ø ÓÒ ÓÛ Ó Û Ú Ù Ø Ø ÓÙÖ ÔÓ Ð Ì Û Ý ÒÙÑ Ö Ø ÓÒ Ý Ø Ñ

The distin tive features of interval temp o ral logi s ψ ψ T ruth of fo rmulae is de ned over intervals (not p oints). ψ ψ

ÇÙØÐ Ò ÇÙØÐ Ò ÈÙÖÔÓ Ó Ø ÈÖÓ Ø È ÖØ Ð ÌÖ Ò ÔÓÖØ È ÖØ Ð ÁÒØ Ö Ø ÓÒ È ÖØ Ð ÔÓ Ø ÓÒ Ê ÙÐØ ËÙÑÑ ÖÝ ¾ Ôк¹Å Ø º Ò Ö ØÞ Ë Ð ¹ Ò Ì Ö È ÖØÝ ËÓ Ð Ò Ó ÅÓØÓÖ Î Ð

1 http : //store.iteadstudio.com/images/produce/shield/shields/gpsshield/arduinogpsshield DS.pdf 2 http : //

Ï Ó ØÖ Ù ÛÓÖÐ Ý Ù Ð Ø Ö Ø ÓÖ Ð Ö Ð Ø Ú ØÓ Û ÆÈ ËÈ ÊË Ó ÓØ Ú ÓÑÔÐ Ø Ø º Å Ö ÌÓÖ ÅÌ Ú Ö Ð Ø Ú Þ Ð ÔÖÓÓ Ø Ø ÓÔØ Ñ Ð ÔÖÓÓ Ý Ø Ñ Ü Ø Ø ÆÈ ËÈ ÊË Ó Ú ÓÑÔÐ Ø

ÄÈ ÈÖÓ Ò ÓÖ È Û Ä Ò Ö ÇÔØ Ñ Þ Ø ÓÒ Ò Ë ÙÐ Ò Ö Ð Ò À Ò Ð Ë ÓÙØ Á ¹È Ö ÁÑÔ Ö Ð ÓÐÐ º ÄÓÒ ÓÒ ËÏ ¾ ÍÒ Ø Ã Ò ÓѺ ¹Ñ Ð ½½ Ô Öº º ºÙ ØÖ Øº ÙÐ Ò ÔÖÓ Ð Ñ Û Ø Ô

ÓÖ Ö ÛÓÖ Ò Ô Ö Ó ØÝ Ò Ø ÛÓÖ ÓÖ Ö Ø ÔÖÓÔ Ö ÔÖ Ü ÕÙ Ð ØÓ Ù Üº ÓÖ Ü ÑÔÐ ÓÖ Ö º Á ÛÓÖ ÒÓØ ÓÖ Ö Û Ý Ø ÙÒ ÓÖ Ö ÓÖ ÓÖ Ö¹ Ö º ÓÖ Ü ÑÔÐ ½¼ Ò = ½¼¼ ¼ Ö ÙÒ ÓÖ Ö

A B. Ø ÓÒ Left Right Suck NoOp

ÙÖ ¾ Ë Ð Ø ÔÔÐ Ø ÓÒ ¾ ¾

ÜÔÓÒ ÒØ Ð Ò Ø ÔÖÓ Ð Ñ Þ Ø Ò ÐÓ Ò Ù Ø Ð Ò Ö ÓÖ Ò ØÓ ÃÓÖ º Ì ÒØ Ð Ö ÓÒ Û Ý ØÖ Ø ÓÒ Ö Ù ÓÑÔÐ Ü ØÝ Ø Ø Ø ØÓØ Ð ÓÑÔÐ Ü ØÝ Ø ÙÑ Ó Ø ÓÑÔÐ Ü Ø Ó Ø ÑÙÐØ ÔÐ Ö Ò

address bus Data bus Note: Instructions are fetched over data bus CPU Control ALU

3D Interaction in Virtual Environment

ÇÙØÐ Ò ÖÓÙÒ Ü ÑÔÐ ÔÖÓ Ö Ñ ÒÓ Ñ Ø Ó Ü ÑÔÐ ÒÓ Ì ÓÖÝ ÓÒÐÙ ÓÒ ¾

Ì Ö Ö Ü ÑÔÐ Ó ÒØ Ô Ø ÓÒ Ð Ò Ù Ø Ø ÔÖÓÚ ÓÓ ÙÔ¹ ÔÓÖØ ÓÖ Ô Ý Ò ÒØ Ý Ø Ñ ÒÐÙ Ò Ø ÒØ Ö Ø ÓÒ ØÛ Ò ÒØ º ÒØ ¾ Ò ÒعÓÖ ÒØ ÜØ Ò ÓÒ ØÓ Ç Ø¹ Û ÒÐÙ ÓÒ ÔØ Ù ÖÓÐ ÒØ

½ Ê Ú Û Ó ÆÒ ÕÙÓØ ÒØ ¾ ÇÖØ Ó ÓÒ Ð ÒÚ Ö ÒØ ÓÙ Ð Ö Ø ÓÒ Ý ÕÙÓØ ÒØ Ñ Ô ÇÖ Ø ÓÖÖ ÔÓÒ Ò Ü ÑÔÐ Ó ÓÖ Ø ÓÖÖ ÔÓÒ Ò Ü ÑÔÐ Ø Ò ÓÖ ÔÖÓ ÙØ Ü ÑÔÐ ÓÒØÖ Ø ÓÒ Ñ Ô ÇÔ Ò

NS Ilist Clist F. F y<=w

ÓÒØ ÒØ ½ ÁÒØÖÓ ÙØ ÓÒ ½ ¾ ÈÖ Ð Ñ Ò Ö ¾ ¾º½ Ö Ø ÇÖ Ö ÅÓ Ð ÄÓ º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º º ¾ ¾º¾ ÇÖ Ö Ò ÃÖ Ô ÅÓ Ð º

arxiv:cond-mat/ v2 [cond-mat.stat-mech] 12 Nov 2001

ÇÙØÐ Ò È Ý Ð ÓÒ Ø ÓÒ Ò ÓÙ Æ ÙÐ ÄÓÛ¹ Ò ØÝ Ð Ñ Ø À ¹ Ò ØÝ Ð Ñ Ø Ü ÑÔÐ ÜØ ÒØ ÓÒ ØÓÛ Ö ÐÑ Ö Ö Ñ ÒØ Ò

U xt +6U 2 x +6UU xx +U xxxx = 3U yy

¾ ÓÖÔÙ Ôк ÓÖÔÓÖ µ ÓÖÔÙ ÓÐÐ Ø ÓÒ Ó Ø ÜØ µ ÓÖ ÙØØ Ö Ò ½¼ Ø ÒÝ ½¼ Ö ÓÒ Ð ½¼ ½¾ ÙÖÖ ÒØ Ð Ð Ñ Ø ÓÖ ÙÒ ÒÒÓØ Ø Ø Ì ÑÓ Ø Ú ÐÙ Ð ÓÖÔÓÖ Ö Ø Ó Ø Ø ÓÙÖ Ò ØÙÖ ÐÐÝ

ÁÐÐÙ ØÖ Ø ÓÒÚ Ö Ò Ó ÙÒ ÖØ ÒØÝ Ø Ñ Ø Ý ØÛÓ Ü ÑÔÐ ½º ÐÙÓÒ ØÖ ÙØ ÓÒ Ø Q.½ Î ¾º ÒÐÙ Ú Ø Ö Ø Ó dσ dp T ½. Ì Îµ/ dp dσ T ½. ¼ Ì Îµ Ì ØÛÓ Ü ÑÔÐ Ö ÐÓ ÐÝ ÓÒÒ Ø

ÁÒØÖÓ ÙØ ÓÒ ÇÖ Ò Ø ÓÒ Ð Ù ÌÓÔ ÇÚ ÖÚ Û Ä ØÙÖ Ü Ö ÓÑÔÙØ Ö ÓÓ Ü Ñ Ï Ý Ñ Ø Ñ Ø ÅÓ Ð Ò Ø Ë Ø ÌÛÓ Ü ÑÔÐ

0.12. localization 0.9 L=11 L=12 L= inverse participation ratio Energy

Kevin Dowd, after his book High Performance Computing, O Reilly & Associates, Inc, 1991

M 3 M 1 M 2 U 3 U 2. A 1 Generation 1. A 3 Generation 3 A 2. produce. Generation 2. Primary Linguistic Data. Linguistic Competence

ÁÒØÖÓ ÙØ ÓÒ ¹ ÉÙ Ø ÓÒ Ï Ø ÖÓÚ ÑÓÖØ ÙÐØ ÙÖ Ò Ø Ö

ÅÓÖ Ö ÒØÐÝ ÓÑ ÔØ Ú Ð Ò Ô ÓÛÒ Ò Ò ÙØÖ Ð ØÝ Ð Ú Ð Ú Ò ÝÒØ Þ Ò Ø Ð Ó ÐÐÙÐ Ö ÙØÓÑ Ø µ ÕÙ ÒØ Ð ÝÒ Ñ Ý Ø Ñ ¾ µ Ò Ò Ø Ð ÓÖ Ø Ñ ½ µº Å ÒÝ ØÒ Ð Ò Ô ÖÓÑ Ò Ø Ð Ó

ÇÖ Ò Þ Ø ÓÒ ÄÙ Ù Ó Ø ÓÒ ÍÒ Ú Ö ØÝ Ó ÞÓÖ ÇÖ Ò Þ Ò ÓÑÑ ØØ Ð ÖÚ Ð Ó ÁË Ä ÈÓÖØ٠е Ò È ÙÐ ÖÖÓ ÍÒ Ú Ö ØÝ Ó ÞÓÖ ÈÓÖØ٠е ÖÐÓ Ë ÒØÓ ÁË ÈÓÖØ٠е ÂÓÖ ÆÙÒÓ Ë ÐÚ

½µ ÓÖ È µ Ô ÛÒ Ò Ò Ø Ò Ó ÔÖÓ È ÓÖ ÓÙÖÖ Ò Ó ÙÖÖ ÒØÐÝ Ò Ø Ø Ô ¾µ ÒÓØ Ý È µ ÔÖÓ Ù Ð Ø Ò Ö Ø Ø Û ÒÓØ Û Ø ÓÒ È µ Û Û ÐÐ Ô ÛÒ Ò Ò Ø Ò Ó È Ø Ñ Ò Û ÔÖÓ Ù µ ÑÓ

Transcription:

ËØ Ø Ø ÐÐÝ ÙÖ Ø Æ ØÛÓÖ Å ÙÖ Ñ ÒØ ÀÙÒ Æ ÙÝ Ò Û Ø Å Ø Ñ Ø ÔÔÐ Ó Å Ø Ñ Ø Ð Ë Ò Ë ÓÓÐ Ó Ð ÍÒ Ú Ö ØÝ Å ØØ Û ÊÓÙ Ò <matthew.roughan@adelaide.edu.au> ÂÙÒ ¾¼½¼ Workshop on Statistics of Networks, June 21 p.1/38

Æ ØÛÓÖ Å ÙÖ Ñ ÒØ Û Ø Ñ ÙÖ Ð Ò Ñ Å ÙÖ Û Ø ÒÓØ Óº Ñ ÙÖ Ð Ð Ð Ó Ð Ð ½ ¹ ½ ¾µ ÌÓ Ñ ÙÖ ØÓ ÒÓÛº ÄÓÖ Ã ÐÚ Ò Ë Ö Ï ÐÐ Ñ Ì ÓÑ ÓÒ ½ ¾ ¹½ ¼ µ Workshop on Statistics of Networks, June 21 p.2/38

Ì ÔÖÓ Ð Ñ ÓÑÔÙØ Ö Ò Û Ð Û Ø Ø Ð Ø Ø Ö Ø Ò ÒÝ ØÓ Ð Ú Û Ö Ð ØÝ Ö ÄÏ Ë Û Å ÙÖ Ñ ÒØ ÔÖ ÓÒ Ñ ÙÖ Ñ ÒØ Ñ Ù ØÝ Ñ Ò Ø ÖØ Ø Ñ ÙÖ Ñ ÒØ Ó Ø Ñ ÙÖ Ñ ÒØ Ø Ñ ÐÚ ÑÔ Ø Û Ø Ó Á Ó ËÓ ÑÓÖ Ñ ÙÖ Ñ ÒØ Ñ Ó Ø Ó Ø Ø ººº Workshop on Statistics of Networks, June 21 p.3/38

ËÓ Ï Ø Ò ÓÐÚ Ò Ø ÓÖØ Ó ÔÖÓ Ð Ñ ÓÖ ËØ Ø Ø Û Ð º Ï Ý Ò³Ø Ø ÐÐ Ý Workshop on Statistics of Networks, June 21 p.4/38

ËÓ Ï Ø Ò ÓÐÚ Ò Ø ÓÖØ Ó ÔÖÓ Ð Ñ ÓÖ ËØ Ø Ø Û Ð º Ï Ý Ò³Ø Ø ÐÐ Ý Á³Ñ Ø ÐÙ Ð Workshop on Statistics of Networks, June 21 p.4/38

ËÓ Ï Ø Ò ÓÐÚ Ò Ø ÓÖØ Ó ÔÖÓ Ð Ñ ÓÖ ËØ Ø Ø Û Ð º Ï Ý Ò³Ø Ø ÐÐ Ý Á³Ñ Ø ÐÙ Ð Ö ÓÑ Ö Ø Ì Ö ØÖ ÙØ ÓÒ Ò ÚÝ¹Ø Ð ÒÓÒ¹ Ù Ò ØÖÓÒ ÓÖÖ Ð Ø ÓÒ Ò ÐÓÒ ¹Ö Ò Ô Ò Ò µ ØÖÙØÙÖ Ð Ò ÑÔÐ Ò Û ÓÒ³Ø Ø ØÓ Û Ø Û ÛÓÙÐ Ð ØÓ Workshop on Statistics of Networks, June 21 p.4/38

Ü ÑÔÐ ÌÖ Ø Ñ Ø Ò ØÖ Ñ ØÖ ÖÓÑ Ð Ò Ø ½ ¾ ÒØ ÖÔÓÐ Ø Ò Ñ Ò Ø Ò ØÖ Ñ ØÖ 1 ËÆÅÈ Ð Ò Ñ ÙÖ Ñ ÒØ ÖÖÓÖ CCDF 1 2 1 4 1 5 1 4 1 3 1 2 1 1 1 absolute value of relative error Workshop on Statistics of Networks, June 21 p.5/38

Ü ÑÔÐ ÊÓÙØ Ò Ò ÌÓÔÓÐÓ Ý ØÖ ÖÓÙØ Ð Ò ÔÖÓ Ð Ñ ÐÓ ¹ Ð Ò Ò Ò ÑÔÐ Ú ÛÔÓ ÒØ ½¼ ½½ 9 8 7 6 5 4 3 2 estimated links (1 s) trend estimate 1 observed links (1 s) number of monitors (K) Jan4 Jan5 Jan6 Jan7 Jan8 Workshop on Statistics of Networks, June 21 p.6/38

Ü ÑÔÐ È Ö ÓÖÑ Ò Ø Ú Ô Ö ÓÖÑ Ò Ñ ÙÖ Ñ ÒØ Ë Ò ÔÖÓ Ô Ø ÖÓÑ A B ÖÓ Ø Ò ØÛÓÖ Å ÙÖ Ø Ô Ö ÓÖÑ Ò ÜÔ Ö Ò Ý Ô Ø A The Internet B Workshop on Statistics of Networks, June 21 p.7/38

Ì ÔÖÓ Ð Ñ ÀÓÛ ÙÖ Ø Ö Ø ÔÖÓ ÀÓÛ Ñ ÒÝ ÔÖÓ ÓÙÐ Û Ò Ï Ò Ø Ö Ò ØÛÓÖ ÔÖÓ Ð Ñ A The Internet B Workshop on Statistics of Networks, June 21 p.8/38

ÙÖ Ý Ï Ø Ó Û Ñ Ò Ý ÙÖ Ý ÔÖÓ Ö ÑÔÐ ÖÓÑ ÓÑ ÙÒ ÖÐÝ Ò ÔÖÓ ÙÑ Ñ ÙÖ Ñ ÒØ ÕÙ ÔÑ ÒØ ÒÓ Û ÓÚ Ö Ø Ñ Ò Ú Ö ØÓ Ú Ñ ÙÖ Ñ ÒØ Ø Ñ Ø ÙÑÔØ ÓÒ Ó Ø Ø ÓÒ ÖÝ Ö Ó ÔÖÓ ÑÔÐ Ø Ø Ñ Ú Ö ÓÒÚ Ö ØÓ Ò Ò Ñ Ð Ú Ö Ò Ø Ñ Ø Ú Ö Ò ÙÒ Ö Ø ÙÑÔØ ÓÒ Ó Ò Ô Ò ÒØ ØÝÔ ÐÐÝ Ñ ÙÖ Ñ ÒØ ÙÖ Ý Ó Ø Ñ Ø ÒÓØ Ò Ú Ù Ð Ñ ÙÖ Ñ ÒØ Workshop on Statistics of Networks, June 21 p.9/38

Ì ÔÐÙÖ Ð Ó ººº ÔÐÙÖ Ð Ó Ò ÓØ ÒÓØ Ú Ò º Ì Äº Ä Ò Ö Ð Ò Workshop on Statistics of Networks, June 21 p.1/38

Ì ÔÐÙÖ Ð Ó ººº ÔÐÙÖ Ð Ó Ò ÓØ ÒÓØ Ú Ò º Ì Äº Ä Ò Ö Ð Ò ÍÒ ÓÖÒ ÝÓÙ ÓÓ Ð ÍÒ ÓÖÒ ÝÓÙ³ÐÐ Ø Á Ñ ÐÐ ÓÒ Ñ ÑÓ ØÐÝ Ö ¹ ÓÙØ Ø º Ñ Ð Ò Workshop on Statistics of Networks, June 21 p.1/38

Ì ÔÐÙÖ Ð Ó ººº ÔÐÙÖ Ð Ó Ò ÓØ ÒÓØ Ú Ò º Ì Äº Ä Ò Ö Ð Ò Ê ÒÓ ÍÒ ÓÖÒ Ñ Ö Ò³Ø ØÓÓ ÚÓ Ø Ú Ó Ø Ê ÒÓ ÖÓ Workshop on Statistics of Networks, June 21 p.1/38

Ì ÔÐÙÖ Ð Ó ººº ÔÐÙÖ Ð Ó Ò ÓØ ÒÓØ Ú Ò º Ì Äº Ä Ò Ö Ð Ò Æ ÖÏ Ð Ì ÖÓÛ Ò ÓÑ Ò ÖÛ Ð ÓÖÒ ÓÖ ÓÒ Ù ÓÒ Workshop on Statistics of Networks, June 21 p.1/38

ÓÖÖ Ð Ø Å ÙÖ Ñ ÒØ ÙÒ ÖÐÝ Ò ÔÖÓ Ð Ñ Ø Ø ÓÖÖ Ð Ø Ì ÓÒ³Ø Ú ÝÓÙ ÜØÖ Ò ÓÖÑ Ø ÓÒ Ò Ø Ñ ÙÖ Ñ ÒØ Ñ Û Ý Ò Ô Ò ÒØ Ñ ÙÖ Ñ ÒØ Óº Ø Ñ ÙÖ Ñ ÒØ Ö Ö ÐÐÝ ÖÓÑ Ø Ñ º º ÍÒ ÓÖÒ ÑÝØ µ Ø Ò Ø Ý Ú ÝÓÙ ÒÓ ÓÙÖ ÜØÖ Ò ÓÖÑ Ø ÓÒ Û Ø ÓÙØ Ô Ø ÔÖÓ Ö Ø Ý ÓÖÖ Ð Ø Workshop on Statistics of Networks, June 21 p.11/38

Ò Û Ö ÓÖÖ Ð Ø ÓÒ ÑÙ Ø Ø Ò ÒØÓ ÓÙÒØ Ò Ø ÙÖ Ý ÓÒ Ò ÒØ ÖÚ Ð ººº Ø Ñ Ø Ò Ö ÓÖÖ Ð Ø ÓÒ Ò Ñ ÙÖ Ñ ÒØ Ø Ö º º ½¾ ½ ½ ½ ÓÖØ¹Ö Ò ÓÖÖ Ð Ø ÓÒ Ò ÕÙ Ø ØÖÓÒ Ø Û Ö Ø Ö ÒÓ ÐÓÒ ¹Ö Ò Ô Ò Ò º Ú Ò Ø ØÖÓÒ Ö Ø ÐÓ Ö Ñ ÙÖ Ñ ÒØ ÓÖÖ Ð Ø ÓÒ Ò Ø Ñ ½ Ö Ò Ø ÑÔÐ Ò Ô Ö Ó Ø Ö ÒÓ ÔÓ ÒØ Û Ø Ò Ö ØÖ Ö ÐÝ ÒÖ Ò Ø ÒÙÑ Ö Ó ÑÔÐ Ò ÓÖÖ Ð Ø ÓÒ Ö ÐÓ Ô Ò ÒØ ½ Workshop on Statistics of Networks, June 21 p.12/38

ÓÒ Ö ÐÓ Ñ ÙÖ Ñ ÒØ ÓÖ Í Ò Ð Ò ØÛÓÖ ÔÖÓ Ð Ñ Ð ÖÑ Ë ÖÚ ¹Ä Ú Ð Ö Ñ ÒØ ËÄ µ ÓÑÔÐ Ò ØÝÔ Ð ÔÔÖÓ ÙÑ ÖÒÓÙÐÐ Ò Ô Ò Òص ØÖ Ð ÙØ Ø Û ÐÐ ÒÓÛÒ Ø Ö Ö ÓÖÖ Ð Ø ÓÒ Ï Ý Ó Û Ö ÓÙØ ÙÖ Ý Ö Û ÓÑÔÐ ÒØ Û Ø Ò ËÄ ÙÖ Ý Ó Ñ ÙÖ Ñ ÒØ ÛÖÓÒ Û Ñ Ý Ð Ñ ÓÑÔÐ Ò ÓÖ ÓØ ÖÛ Ñ Ø ÒÐÝ Workshop on Statistics of Networks, June 21 p.13/38

ÄÓ Ñ ÙÖ Ñ ÒØ Ø Ñ Ø ÓÒ ËØ Ò Ö Ø Ñ ØÓÖ Ó ÐÓ ÔÖÓ Ð ØÝ ˆp = 1 N N I i, () i=1 Û Ö I i = 1 ÔÖÓ iø ÐÓ Ø Ò I i = ÓØ ÖÛ Ò Var[ ˆp] = 1 N 2 N i=1 N R(τ i j ), j=1 R(τ) Ø ÙØÓÓÚ Ö Ò Ó Ø ÐÓ ÔÖÓ º τ i j Ø Ø Ñ ØÛ Ò Ø i Ò jø ÔÖÓ º Workshop on Statistics of Networks, June 21 p.14/38

ÈÓ Ð ÔÔÖÓ Ò Ô Ò Ò ÙÑ Var[ ˆp] = p(1 p)/n, Ø Ñ Ø R i j ØÖ Ø Ñ ÙÖ Ñ ÒØ Ð Ö Ø ÔÖÓ Ø Ò Û Ö Ð Ñ Ø ØÓ Ø Ó Ñ ÙÖ Ñ ÒØ ÙØ ØÓ Ø Ñ Ø ÙÒ ÖÐÝ Ò ÔÖÓ ØØ Ö Ø Ñ Ø R( ) Ö ØÐÝ ÖÓÑ Ø Ó R( ) Ú Ú Ö Ò Ø Ñ Ø Ø Ñ ÐÚ Ø Ñ Ø R( ) Û Ø Ø ÐÔ Ó ÑÓ Ð Workshop on Statistics of Networks, June 21 p.15/38

ÇÙÖ ÔÔÖÓ ÓÙÖ ÒØÙ Ø ÓÒ ÓÙØ ÐÓ ÙÖ Ø Ø ÕÙ Ù Ò ÖÓÑ ÅÓ Ð Ô Ö Ñ ØÖ Ø Ñ Ø ÓÒ ÑÓ Ð ÑÔÐ ÒÓÙ ØÓ ÛÓÖ Û Ø Ò Ö Ð ÒÓÙ ØÓ Ø Ø ÑÓ Ð ÙÒ ÖÐÝ Ò ÐÓ ÒÓØ Ô Ø ÐÓ ÑÓ Ð Ó Ò³Ø ÛÓÖ ØÓÓ Û ÐÐ Å Ö ÓÚ ØÓÓ Ñ ÒÝ Ø Ø Ò ÐØ ÖÒ Ø Ò Ö Ò Û Ð ÑÓ Ð ØØÖ Ø Ú ÔÔÖÓÜ Ñ Ø ÐÝ Ñ Ø Ø ÖÓÑ ÖÓÙØ Ò Ú ÒØ Workshop on Statistics of Networks, June 21 p.16/38

ÐØ ÖÒ Ø Ò Ê Ò Û Ð ÅÓ Ð ÇÒ»Ç ÔÖÓ ÇÒ Ò Ç Ø Ñ Ö Ò Ô Ò ÒØ ÇÒ Ø Ñ ÓÖÑ ÁÁ ÕÙ Ò Ç Ø Ñ ÓÖÑ ÁÁ ÕÙ Ò Ø ØÖ ÙØ ÓÒ Ó ÇÒ»Ç Ø Ñ È Ö Ñ Ø Ö Ù ÑÑ ØÖ ÙØ ÓÒ Û Ò Ö Ð Þ Ø ÓÒ Ø Ò ØÙÖ Ð Ó ÜÔÓÒ ÒØ Ð k 1 e x/θ Prob{X [x,x+dx)} = x Γ(k)θ k dx, ØÛÓ Ô Ö Ñ Ø Ö k k = 1 Ú ÜÔÓÒ ÒØ Ð ØÖ ÙØ ÓÒµ Ô θ Ð Workshop on Statistics of Networks, June 21 p.17/38

Ë ÁÄ Ë ÑÔÐ ÖÓÑ ÙÒ ÖÐÝ Ò ÐÓ ¹ÔÖÓ ÑÔÐ Ò Ñ ÓÑ ÒØ ÖÚ Ð Ö Ø Ø Ñ Ø ÓÒ Ó ÒØ ÖÚ Ð ÓÚ Ö Ø Ñ Ø Ø Ñ Ù Ò À Ò Ë Ñ ¹Å Ö ÓÚ ÅÓ Ð Ø Ñ Ø ÓÒ Ø Ò ÕÙ Workshop on Statistics of Networks, June 21 p.18/38

Inferred k 8 6 4 2 Ø Ø Ø Ñ Ø Varying k Ë ÑÙÐ Ø ÓÒ, λ=.1, k 1 =5, θ =1, θ 1 =1 inferred k real k 25 2 1 2 3 4 5 Real k Varying θ 1, λ=.1, k =1, k 1 =5, θ =1 inferred θ 1 real θ 1 Inferred θ 1 15 1 5 5 1 15 2 Real θ 1 Workshop on Statistics of Networks, June 21 p.19/38

ÜÔ Ö Ñ ÒØ Ø Ñ Ò ØÛ Ò Ò Ù ØÖ Ð È Ä ÐÓ Ø ÓÒ Å ÙÖ Ñ ÒØ Û Ý ÈÐ Ò ØÐ ÈÐ Ò ØÐ ÇÒ Ï ÖÚ Ö ÔÖÓ ÆË ÖÚ Ö ÔÖÓ ÔÖÓÚ Ý ÉÍ Æµ ÌÖ ËØ Ò Ö ¼ ÝØ Í È ÔÖÓ Ô Ø ½¼ ¼¼¼ ÈÓ ÓÒ ÔÖÓ Ú Ö Ö Ø ½¼ Ô Ø Ë ÒØ ÓÒ Ô Ö ÐØ Ö ÓÖ Ø Ø ÓÒ Ö ØÝ Ò ÒÓÒ¹Ò Ð Ð ÐÓ ½ ½¼¼ ØÖ Ò ÐÝ Workshop on Statistics of Networks, June 21 p.2/38

1 2 Ê ÙÐØ θ Scale Parameter of the ON/OFF Durations 1 1 1 1 1 1 2 θ 1 θ 1 3 1 2 3 4 5 6 7 Trace ID Workshop on Statistics of Networks, June 21 p.21/38

3 Ê ÙÐØ k 2 Number of Traces 1 4 5 1 15 2 k 3 2 1 1 2 3 4 5 k 1 Workshop on Statistics of Networks, June 21 p.22/38

Î Ð Ø ÓÒ À Ö ØÓ Ø ÖÓÙÒ ØÖÙØ ØÓ ÓÑÔ Ö Ò Ø Ø Ø Ý Ù ¹ ÑÔÐ Ò Ö Ø Ø ÒØÓ ØÛÓ Ø ÓÒ Ö Ò ÓÑÐÝ Ø ÐÐ ÈÓ ÓÒ ÔÖÓ ÔÖÓ ÓÑÔÙØ Ö ÙÐØ ÓÖ ÓØ ÐÓÓ ÓÖ ÓÒ Ø ÒÝ Workshop on Statistics of Networks, June 21 p.23/38

Empirical Variance of the Cross Validation Trace 12 x 1 4 Î Ð Ø ÓÒ ÓÒ Ø ÒÝ Ú Ö Ò 1 8 6 4 2 2 4.1.2.3 Empirical Variance of the Inference Trace HSMM Variance of the Validation Trace 2 1 x 1 4.1.2.3 HSMM Variance of the Inference Trace Workshop on Statistics of Networks, June 21 p.24/38

ÓÒ Ò ÒØ ÖÚ Ð Cross Validation of the SAIL algorithm Î Ð Ø ÓÒ Loss Rate.6.4.2 Empirical Loss Rate Model Loss Rate + 95% CI 1 2 3 4 5 6 7 Trace ID Ô Ö ÒØ Ð ÓÒ Ò ÒØ ÖÚ Ð Ñ Ø Ò ¾± Ø ½ ½¼¼ ØÖ Ó Ò Ô Ò ÒØ Á Ú Ò ± ÓÚ Ö Û Ø Ó Á Ä Ê Workshop on Statistics of Networks, June 21 p.25/38

.14.12.1 Î Ð Ø ÓÒ Ï Ø Empirical HSMM + 95% CI 95%CI assuming IID losses Web server losses Loss rate.8.6.4.2 5 1 Trace ID 15 2 25 Workshop on Statistics of Networks, June 21 p.26/38

.6 DNS server losses (Queen s data) Î Ð Ø ÓÒ ÆË Ø.5.4 Empirical HSMM + 95% CI 95% CI assuming IID losses Loss rate.3.2.1 2 4 6 8 1 12 Trace ID Workshop on Statistics of Networks, June 21 p.27/38

ÓÒÐÙ ÓÒ ØÓ Ð Û Ø ÐÐ Ø ÙÐØ Ó ÁÒØ ÖÒ Ø Æ ÓÖÖ Ð Ø ÓÒ º º ØÓ Ý Ö ÓÖ ÔÖ Ø ÓÒ Ñ ÙÖ Ñ ÒØ ØÓÑÓÖÖÓÛ Ò Ø Ø Å ÙÖ Ñ ÒØ Ó ÝÓÙ ÒÓÛ Û Ò Ñ ÙÖ Ñ ÒØ ÒÝ ÀÓÛ ÓÓ ÓØ ÖÛ Ï Ø Á Ñ ÙÖ Ú ÖÝ Ô Ø ÄÓ Ñ ÙÖ Ñ ÒØ Ò Ô ÖØ ÙÐ Ö Ú ÛÓÖ Ò Ø Ò ÕÙ ÓÖ ÐÓ Û Ø Ø ÓÔ Û Ø Ø ÓÖÖ Ð Ø ÓÒ Ñ ÙÖ Ñ ÒØ Ø Ò Ð Ö ÔÓÖØ Ø Ò Ó Ö Ú Ð Ð Ø ÙÐÐ http://www.adelaide.edu.au/directory/hung.nguyenº Workshop on Statistics of Networks, June 21 p.28/38

ÙÖ Ý Ï Ø Ó Û Ñ Ò Ý ÙÖ Ý ÔÖÓ Ö ÑÔÐ ÖÓÑ ÓÑ ÙÒ ÖÐÝ Ò ÔÖÓ ÙÑ Ñ ÙÖ Ñ ÒØ ÕÙ ÔÑ ÒØ ÒÓ Û ÓÚ Ö Ø Ñ Ò Ú Ö ØÓ Ú Ñ ÙÖ Ñ ÒØ Ø Ñ Ø ÙÑÔØ ÓÒ Ó Ø Ø ÓÒ ÖÝ Ö Ó ÔÖÓ ÑÔÐ Ø Ø Ñ Ú Ö ÓÒÚ Ö ØÓ Ò Ò Ñ Ð Ú Ö Ò Ø Ñ Ø Ý Ø Ú Ö Ò Ä Ñ Ø Ì ÓÖ Ñ ÒØÖ Ð ÙÖ Ý Ó Ø Ñ Ø ÒÓØ Ò Ú Ù Ð Ñ ÙÖ Ñ ÒØ Workshop on Statistics of Networks, June 21 p.29/38

ÒØÖ Ð Ä Ñ Ø Ì ÓÖ Ñ X i Ø ÑÔÐ Ñ Ò ˆX = 1 N N X i, i=1 ÓÖ Ø Ó Ò Ô Ò ÒØ ÒØ ÐÐÝ ØÖ ÙØ ÊÎ ÜÔ Ø Ø ÓÒ E [ ˆX ] = E [X 1 Ò N ] ( N ˆX E [X 1 ] ) N(,σ 2 ) Ò ØÖ ÙØ ÓÒ Û Ö σ 2 = Var[X 1 ]º Ø Ø ± Á Ó Ø Ñ Ø ˆX Ö ±1.96σ/ Nº ËÓ Workshop on Statistics of Networks, June 21 p.3/38

Ü ÑÔÐ 5 Ï Ø ÒÓ 4 3 2 1 2 4 6 8 1 N Workshop on Statistics of Networks, June 21 p.31/38

ÄÌ ÓÒØ ÒÙÓÙ Ø Ñ ˆX = 1 T Z T X(u)du ÓÒØ ÒÙÓÙ Ø Ñ ÔÖÓ X(t) Û Ö Ø ÑÔÐ Ñ Ò ØÓ Ø ØÖÙ Ñ Ò ˆX E [X] Ò ÓÒÚ Ö ( T ˆX E [X] ) N(,s 2 ) ØÖ ÙØ ÓÒ T Û Ö Ò Z s 2 = 2σ 2 r(u) du Û Ö σ 2 = Var[X] Ò r(s) Ø ÙØÓÓÖÖ Ð Ø ÓÒ Ó X(t)º Workshop on Statistics of Networks, June 21 p.32/38

Ö Ø ÑÔÐ ÓÖÖ Ð Ø ÓÒ Ö ÒÓØ ÓÒÐÝ ÓÒØ ÒÙÓÙ Ø Ñ ÔÖÓ Ð Ñ ÙÒ ÓÖѵ ÒØ ÖÚ Ð δtµ Ö Ø ÑÔÐ ] s 2 = σ [1+2 2 r(k δt) i=1 ÈÓ ÓÒ ÑÔÐ Ö Ø λµ s 2 = σ 2 [ 1 λ + 2 Z ] r(u) du Workshop on Statistics of Networks, June 21 p.33/38

ÑÔÐ Ü ÑÔÐ Ø Å»Å»½ ÕÙ Ù ÈÓ ÓÒ Ô Ø ÖÖ Ú Ð Ö Ø λµ ÖÚ Ø Ñ Ñ Ò 1/µµ ÜÔÓÒ ÒØ Ð ÒÙÑ Ö Ò Ý Ø Ñ ÓÖ Q ρ λ/µµ = E [Q] = ρ 1 ρ Var[Q] = ρ (1 ρ) 2 Ò r(t) = λ2 +(µ λ)λµ (µ λ) 2 π Z 2π sin 2 θe t(µ+λ 2 λµ cosθ) (µ+ λ 2 λµ cosθ) 3 dθ ÙØÓÓÖÖ Ð Ø ÓÒ Ï ØØ ½ ½ ÅÓÖ ½ ½ µ s 2 4ρ2 (1 ρ) 4 ÝÑÔØÓØ Ú Ö Ò ÓÖ Å»Å»½ Ï ØØ ½ µ Workshop on Statistics of Networks, June 21 p.34/38

ρ =.7 Ê ÙÐØ Å»Å»½ 1 1 experimental CI zero correlation CI theoretical CI 1 δ B 1 1 1 2 1 2 1 3 1 4 1 5 N Workshop on Statistics of Networks, June 21 p.35/38

Ø k (# packets) k (# runs) k (# runs) 2 1 Binary Losses 1 2 3 4 5 6 7 8 9 1 11 Success Runs 2 1 1 2 3 4 5 6 7 8 9 1 11 Loss Runs 1 5 1 2 3 4 5 6 7 8 9 1 11 Trace Number Î Ð ØÝ Ó Ë Ñ ¹Å Ö ÓÚ ÅÓ Ð Workshop on Statistics of Networks, June 21 p.36/38

.2 Assume IID Losses Ë ÑÙÐ Ø ÓÒ ÓÑÔ Ö ÓÒ Estimated loss rate.1 Loss rate.2.1.2.1 Simulated loss rate.2.4.6.8 1 Using Empirical Variance.2.4.6.8 1 Using HSMM.2.4.6.8 1 λ Workshop on Statistics of Networks, June 21 p.37/38

º Î Ö Æ ØÛÓÖ ØÓÑÓ Ö Ô Ý ÂÓÙÖÒ Ð Ó Ø Ñ Ö Ò ËØ Ø Ø Ð Ó Ø ÓÒ ½ ½ º Å Ö º Ò Åº ÊÓÙ Ò Æº Ù Ð Ò º Ö Ò Ö Ø ÙÖ Ø ÓÑÔÙØ Ø ÓÒ ¾ Ð Ö ¹ Ð ÁÈ ØÖ Ñ ØÖ ÖÓÑ Ð Ò ÐÓ Ò Å ËÁ Å ÌÊÁ Ë Ë Ò Ó º Ò Åº ÊÓÙ Ò º ÄÙÒ Ò º ÓÒÓ Ó Ò Ò ÓÖÑ Ø ÓÒ¹Ø ÓÖ Ø ÔÔÖÓ ØÖ Ñ ØÖ Ü Ø Ñ Ø ÓÒ Ò Å ËÁ ÇÅÅ Ã ÖÐ ÖÙ ÖÑ Òݵ ØÓ º Ò Åº ÊÓÙ Ò º ÄÙÒ Ò º ÓÒÓ Ó Ø Ñ Ø Ò ÔÓ ÒعØÓ¹ÔÓ ÒØ Ò ØÖ Ñ ØÖ Ò Ò ÓÖÑ Ø ÓÒ¹Ø ÓÖ Ø ÔÔÖÓ ÔÓ ÒعØÓ¹ÑÙÐØ ÔÓ ÒØ º Ò Åº ÊÓÙ Ò Ïº Ï ÐÐ Ò Ö Ò Äº ÉÙ ËÔ Ø Ó¹Ø ÑÔÓÖ Ð ÓÑÔÖ Ú Ò ÁÒØ ÖÒ Ø ØÖ Ñ ØÖ Ò Å Ë ÓÑÑ Ö ÐÐÓÒ ËÔ Òµ Ò Ò Åº ÊÓÙ Ò ¹ ØÙ Ý Ó Ø ÙÖ Ý Ó ËÆÅÈ Ñ ÙÖ Ñ ÒØ ÂÓÙÖÒ Ð Ó Ò ÓÑÔÙØ Ö Ò Ò Ö Ò ÚÓк ¾¼½¼ ¾¼½¼º ÖØ Ð Á ½¾ Ð ØÖ Ð Ó ½¼º½½»¾¼½¼» ½¾ º http://www.hindawi.com/journals/jece/21/812979.htmlº References Ó Ð ÓÖÒ µ ÔÔº ¾¼ ¾½ ÂÙÒ ¾¼¼ º ÔÔº ¼½ ½¾ Ù Ù Ø ¾¼¼ º Á» Å ÌÖ Ò Ø ÓÒ ÓÒ Æ ØÛÓÖ Ò ÚÓк ½ ÔÔº ¼ ÇØÓ Ö ¾¼¼ º ÔÔº ¾ ¾ Ù Ù Ø ¾¼¼ º ĺ Ä º Ð Ö ÓÒ Ïº Ï ÐÐ Ò Ö Ò Âº ÓÝÐ Ö Ø¹ÔÖ Ò ÔÐ ÔÔÖÓ ØÓ Workshop on Statistics of Networks, June 21 p.38/38