Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Кіріспе
Ұзын құйрықты немесе ауыр құйрықты таралым – орташа немесе медианадан қашық жатқан аймақтарға салыстырмалы түрде жоғары ықтималдық тағайындайтын таралым. Математикалық формальды анықтамасы төменде берілген. Телебайланыс инженериясы контекстінде, қызығушылық тудыратын бірнеше шамалардың ұзын құйрықты таралымға ие екені көрсетілді. Мысалы, егер веб-серверден жүктелген файлдардың мөлшерін қарастырсақ, онда белгілі бір дәлдікпен таралым ауыр құйрықты болады, яғни, көптеген кішкентай файлдар жүктелсе де, маңыздысы, өте үлкен файлдардың саны жүктелген көлемнің маңызды бөлігін құрайды. Көптеген процестер техникалық тұрғыдан ұзақ мерзімді тәуелді, бірақ өзіне ұқсас емес. Бұл екі құбылыстың арасындағы айырмашылықтар аса айқын емес. Ауыр құйрықты – ықтималдық таралымын білдіреді, ал ұзақ мерзімді тәуелділік – уақыт тізбегінің қасиетін білдіреді, сондықтан оларды сақтықпен қолдану керек және аражік жасау қажет. Бұл терминдер ерекше, бірақ ауыр құйрықты таралымдардан алынған үлгілердің қосындысы ұзақ мерзімді тәуелді уақыт тізбегін құрайды. Сонымен қатар, өзіне ұқсас, бірақ ұзақ мерзімді тәуелді емес Браун қозғалысы бар.
A long tailed or heavy tailed distribution is one that assigns relatively high probabilities to regions far from the mean or median. A more formal mathematical definition is given below. In the context of teletraffic engineering a number of quantities of interest have been shown to have a long tailed distribution. For example, if we consider the sizes of files transferred from a web server, then, to a good degree of accuracy, the distribution is heavy tailed, that is, there are a large number of small files transferred but, crucially, the number of very large files transferred remains a major component of the volume downloaded. Many processes are technically long range dependent but not self similar. The differences between these two phenomena are subtle. Heavy tailed refers to a probability distribution, and long range dependent refers to a property of a time series and so these should be used with care and a distinction should be made. The terms are distinct although superpositions of samples from heavy tailed distributions aggregate to form long range dependent time series. Additionally, there is Brownian motion which is self similar but not long range dependent.
Шолу
Қазіргі интернет әлемінде берік және сенімді желілер мен желілік қызметтерді жобалау күрделене түсуде. Осы мақсатқа жету үшін интернет трафигінің қасиеттерін түсіну маңыздырақ болып келеді. Нақты трафик іздерін зерттеу нәтижесінде желілік трафиктегі өзіне ұқсастық кеңінен мойындалды.
The design of robust and reliable networks and network services has become an increasingly challenging task in today's Internet world. To achieve this goal, understanding the characteristics of Internet traffic plays a more and more critical role. Empirical studies of measured traffic traces have led to the wide recognition of self similarity in network traffic.