Statistics 给定事件序列的测量值作为输入，如何生成具有相同配置文件的无限输入序列？

我目前正在使用一个系统，该系统根据一系列请求和系统状态做出调度决策

我想获取真实输入流，模拟一些组件，并对其余部分进行模拟。其思想是使用它来规划系统容量（即何时扩展某些组件），跟踪某些故障模式，并分析代码库更改的影响（即使用版本A的模拟与使用版本B的模拟进行比较）

除了生成合适的输入流之外，我可以做与此相关的所有事情。重放生产中的精确输入并没有多大帮助，因为很难获得足够长的数据流来梳理出我试图找到的一些行为。换言之，如果生产在投入300天后就结束了，我就没有足够的数据去发现，直到它结束之后。已考虑重复相同的输入集；但经过几次初步尝试，开发人员都同意模拟似乎“需要更多的随机性”

关于此特定系统：

• 输入是一系列不规则间隔的事件（即具有离散时间和连续状态空间的随机过程）
• 属性之间不是相互关联的
• 更独立于属性的是其他属性的复合物，这些属性在本质上对我来说永远是看不见的（这导致了一个错误）
• 请求间隔不独立于其他属性（即，对少量资源的大量请求在一个批处理中完成，而对大型请求则不会）
• 它有反馈回路
• 这是可以证明的混乱

因此：

给定一个具有各种属性（包括间隔）特定分布的输入事件流，如何生成一个无限的事件流，这些事件流在许多非独立属性上具有相同的分布

---

环顾四周，我想我需要做一个马尔可夫链蒙特卡罗模拟。我的问题是如何从现有的输入数据中构建马尔可夫链。

也许可以使用。有一些工具可以帮助您这样做，例如，请参阅。除此之外，我建议将问题转移到，因为这是一个统计问题，可能会引起更多的注意