# Introducció al Modelatge de Xarxes

## Esteu aquí

Crèdits
6
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits
Departament
AC
The course covers some basic modeling techniques used in networking research. In particular it discusses discrete and continuous probability models, linear systems and signal space. These concepts are introduced through classical examples taken from different research areas, including traffic modelling, wireless transmission systems, smartphone sensor data filtering, switching systems, address lookup algorithms, optical switching, anti-spam filters, etc.

## Hores setmanals

Teoria
4
Problemes
0
Laboratori
0
Aprenentatge dirigit
0
Aprenentatge autònom
0

## Objectius

1. Habilitat de modelat quantitatiu

## Continguts

1. Models de probabilitat discreta.
Basic results. Examples: IQ switch max throughput, hash tables and ethernet switching. Anticolision methods in RFID tags. Blocking probabilities in optical switches. TCP window model. Bayesian antispam filters. Fountain codes.
2. Models de probabilitat continua
Basic results. Exponential and Poisson distribution. Palm's theorem. PASTA. Residual times paradox. Large number laws. Normal distribution and Central Limit theorem. Multivariate Gaussian distributions. Examples: Basic teletraffic models. Path estability in MANETs. Epidemic models in networks. Additive Gaussian Noise. Filtering smartphone sensor data.
3. Sistemes lineals i espai de senyals
Lineal spaces and lineal systems. Orthogonality. Fourier Series. Sampling theorem. Fast Fourier Transform. Random processes. Examples: Wireless transmission. IEEE 802.11g and 802.11n. Image compression.

## Activitats

Activitat Acte avaluatiu

### Resultats bàsics de probabilitat discreta

Teoria
6h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

### Exemples de models probabilistics discrets

Teoria
9h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

### Resultats bàsics de probabilitat continua

Teoria
9h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

### Exemples de models probabilistics continuos

Teoria
9h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

### Sistemes lineals i espai de senyals

Teoria
12h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

### Exemples de sistemes lineals i espais de senyals

Teoria
9h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

## Metodologia docent

During the initial sessions of each theme, the main results will be explained in the blackboard. During the other sessions, will discuss in the classroom performance models taken from research papers.

## Mètode d'avaluació

L'avaluació es basa en tres activitats diferents

- Breu presentació dels treballs de recerca (P)
- Un estudi detallat d'un paper (D)
- Un examen final (E)

Cadascuna de les tres activitats seran avaluades (0 =< nota =<10).

La nota final del curs (F) serà:

F = 0.25 0.25xP xD 0,5 xE