Co2=∑co" Ar (odr (521) 两边同时消去Ca-1后,上式成为 O nso 由此得 ()dt=∫ Do a( e-tw-wo)dt= a(u-Hoo) 其中: A(s)=a(t)e"dt A(s)为到达间隔时间的概率分布密度函数a()的拉普拉斯变换式。 为确定(5.20)式中的常数C,利用概率的归一化条件∑=1得: 因而 C=(1-) (525) 最后,我们得到了r的表达式: k=(1-o)o (526) 例:对于M/M/排队系统有a(t)=e 对应的拉普拉斯变换式为 A(s) 用(522)式求O,得:534     1 2 0 0 ! n k nk t n t C C e a t dt n                  1 1 0 0 ! n kn t n t C e a t dt n             （5.21） 两边同时消去 k 1 C  后，上式成为：     0 0 1 1 ! n n t n t e a t dt n            由此得 ：     0 0 ! n t n t e a t dt n             0 t t e e a t dt           0 t a t e dt          A    即   A     （5.22） 其中：    0 st A s a t e dt     （5.23） A s  为到达间隔时间的概率分布密度函数a t  的拉普拉斯变换式。 为确定（5.20）式中的常数C ，利用概率的归一化条件 0 1 k k r     得：   1 0 1 1 k k C C          （5.24） 因而 C  1 （5.25） 最后，我们得到了 kr 的表达式： 1  k kr    （5.26） 例：对于M M/ /1排队系统有   t at e     对应的拉普拉斯变换式为： A s  s     用（5.22）式求 ，得：