Quaresmi Seminar on Monday 13 May 2024 : “Challenges in Modelling Stochastic Processes with Queueing Systems: From Statistical Inference to Burstiness Analysis”

Monday 13 May 2024 at 1pm we will welcome Azam Asanjarani, Senior Lecturer at the University of Auckland. She will present her talk “Challenges in Modelling Stochastic Processes with Queueing Systems: From Statistical Inference to Burstiness Analysis”.

In this talk, we explore the interface of stochastic modelling and statistical inference, with a focus on the challenges in modelling stochastic processes with queueing systems. The evolution of queuing systems often happens randomly and key system variables may be unknown or only partially observed. The ideal system is a stable system that reduces the customers’ waiting time or makes it stochastically bounded. To achieve system stability we need to estimate parameters and typical performance measures of the system. Evaluating these performance measures allows major improvements in the design of new systems, modifications made to existing systems, forecasting and online control. However, applying queueing theory results to real-world systems raises questions about statistical analysis, such as “How would we measure parameters?” or “Are the assumptions about the model sensible and supported by data?”. To answer these questions we need to investigate inference methods for queueing systems corresponding to our observed data. The next problem that we might be confronted with when modelling real-life phenomena is the burstiness of the arrival process. Even in a stable queueing system, due to the random nature of the system, having many arrivals into the system within a short duration of time can make the system unstable. Stochastic processes based on Markov models are very popular for modelling arrival or service processes where the dependence on the history of the process is negligible. Here, we explore the properties of bursty Markovian arrival processes (MAPs) and establish the mathematical properties of “bursty” processes.

The seminar will take place in room C001 at Anjou campus (365A, Rue au Bois,1150 Brussels). Please register at quaresmi@ichec.be



Citer ce billet
Sarah Dendievel (2024, 10 avril). Quaresmi Seminar on Monday 13 May 2024 : “Challenges in Modelling Stochastic Processes with Queueing Systems: From Statistical Inference to Burstiness Analysis”. Quaresmi. Consulté le 22 juin 2024, à l’adresse https://doi.org/10.58079/w6x8

Ce contenu a été publié dans Billets par Sarah Dendievel. Mettez-le en favori avec son permalien.

A propos Sarah Dendievel

Sarah Dendievel est chargée de cours et chercheuse à l’ICHEC Brussels Management School. Elle détient un master en mathématique de l’UMons, un master complémentaire en gestion des risques financiers de la Louvain School of Management et un doctorat en sciences mathématiques de l’Université libre de Bruxelles. Elle a enseigné divers cours de mathématiques, de probabilité et statistiques, et de modélisation stochastique à la faculté des sciences de l’Université libre de Bruxelles, à l’école polytechnique de Bruxelles, à la faculté polytechnique de Mons ainsi qu’à la faculté de l’ingénieur de la Ghent University. Elle enseigne à présent les mathématiques, les statistiques et les probabilités à l’ICHEC. Sarah Dendievel a effectué des travaux de recherches dans les laboratoires de Méthodes Algorithmiques en Probabilité (MAP, Faculté des Sciences, ULB) et de Modélisation Stochastique (SMACS, TELIN, Ghent University). Elle a effectué plusieurs courts séjours de recherche à l’Université de Pise (Italie) ainsi qu’à la Melbourne University (Australie). Elle est aujourd’hui membre du laboratoire Quaresmi et ses principales activités de recherche portent sur les probabilités appliquées, les méthodes algorithmiques en probabilité, les files d’attentes et les processus markoviens.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.