Экзамен 2021 / Панков Пособие по АСП
.pdfЕсли начальное распределение совпадает со стационарным ( pn 0 qn , n 0 ), то распределение в любой момент времени t 0 также будет совпадать со стационарным:
pn t qi pi,n t qn n 0 .
i 0
Таким образом, если начальное распределение равно стационарному, то pn(t) не зависит от t.
Выведем дифференциальное уравнение для pn(t). Будем считать, что 1 0, тогда для всех n 0 можно выписать
pn t t pn 1 t n 1 t o t
pn t 1 n n t o t
pn 1 t n 1 t o t o t .
Тогда
|
|
|
pn t t pn t |
|
p |
n 1 |
t |
n |
p |
n |
t |
|
|||||||||
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
t |
|
|
|
|
n 1 |
|
|
n |
|
|
|
|
|
|
|||
|
|
|
|
|
n 1 pn 1 t o 1 . |
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
Переходя к пределу при t 0 получаем: |
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
dpn t |
|
p |
|
t |
|
n |
p t |
n |
1 |
p |
n 1 |
t . |
|
|||||
|
|
|
|
|
|
||||||||||||||||
|
|
|
dt |
n 1 n 1 |
|
|
n |
|
|
n |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
pn 0 ,n 0 . Найдем |
|||||||||
|
Итак, пусть дано начальное распределение |
||||||||||||||||||||
стационарное распределение. |
|
|
|
|
|
|
|
|
pn(t) qn , при всех t 0, то |
||||||||||||
|
Если распределение qn , |
n 0 - стационарное, и |
|||||||||||||||||||
|
dpn t |
0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
dt |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
При n 0 получаем, что 0 |
0 p0 t 1p1 t 0. Поскольку |
pn t qn и |
||||||||||||||||||
0 0, то 0q0 1q1 0. |
1 |
1 q1 2q2 |
0 и так далее. |
|
|
||||||||||||||||
|
При n 1 получаем 0q0 |
|
|
Получаем бесконечную систему линейных уравнений для отыскания стационарного распределения. Она легко решается последовательно: из
уравнения при n 0 получаем q1 |
0 / 1 q0 , подставляя его в уравнение при |
|||
n 1 получаем уравнение |
|
|
|
|
0q0 1 1 0 / 1 q0 2q2 0, |
||||
из которого следует, что q |
|
0 1 |
q и т.д. |
|
|
||||
2 |
|
|
2 |
0 |
|
1 |
|
41
Методом математической индукции можно доказать, что qn 0 1 n 1 q0
1 2 n
для всех n . Так как qn 1, то
i 0
|
|
|
|
|
|
|
0 1 i 1 |
|
||||||||
|
|
|
|
q0 1 |
1. |
|||||||||||
|
|
1 2 i |
||||||||||||||
|
|
|
|
|
|
i 1 |
|
|||||||||
|
0 1 i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||
Если ряд |
сходится, |
то получаем, что стационарное |
||||||||||||||
|
|
|||||||||||||||
i 1 |
1 2 i |
|
|
|
|
|
|
|
|
|
|
|||||
распределение процесса размножения и гибели имеет вид |
||||||||||||||||
|
|
|
|
q0 |
|
|
|
1 |
|
|
|
|
, |
|||
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
1 |
0 1 i 1 |
|
|
|||||||
|
|
|
|
|
|
1 2 i |
||||||||||
|
|
|
|
|
|
|
|
i 1 |
||||||||
qn |
|
0 1 n 1 |
|
|
|
1 |
|
|
для всех n . |
|||||||
|
|
|
|
0 1 i 1 |
|
|||||||||||
|
|
|
1 2 n |
1 |
|
|
||||||||||
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
i 1 |
|
1 2 i |
|
|
|
|
|
Отметим, что в некоторых прикладных дисциплинах (к примеру, в теории массового обслуживания) под процессами размножения и гибели понимают и консервативные цепи Маркова процессы с конечным числом состояний (N=g), аналог графа переходов для которых выглядит следующим образом:
Здесь вершины Si i - это значения принимаемые сечениями случайного процесса, стрелки обозначают ненулевые вероятности переходов за малый промежуток времени (нагружены они интенсивностями переходов), а в силу консервативности интенсивности переходов из i-ого состояния в i-ое не отмечены вовсе.
Стационарное распределение для подобного процесса размножения и гибели q q0,q1,q2,...,qg в этом случае определяют и ищут аналогично
вышерассмотренному случаю. Отметим, что в этом случае стационарное распределение является предельным (это понятие определяется аналогично понятию из раздела о дискретных цепях Маркова):
|
q0 |
|
|
|
|
|
1 |
|
, |
|
|
|
|
g |
0 1 i 1 |
|
|
|
|||||
|
1 |
|
|
|
|
||||||
|
0 2 i 1 |
|
|
|
|
||||||
|
0 1 i 1 |
i 1 |
|
|
|
|
|||||
q |
|
q |
|
для всех i |
|
. |
|||||
|
0 |
1,g |
|||||||||
|
|
||||||||||
i |
0 2 i 1 |
|
|
|
|
|
|
42
Тема № 4 Пуассоновский и винеровский процесс
Рассмотрим процесс t ,t T , который состоит из случайных величин,
принимающих значения из 0 , т.е. 0,1,2,.... Эти значения можно интерпретировать как количество наступлений некоторых (одинаковых) событий. Потоком событий в прикладной теории случайных процессов называют последовательность событий, наступающих одно за другим в какието, вообще говоря, случайные моменты времени.
Определение. Случайный процесс |
t ,t T с |
непрерывным |
временем |
||||||
T [0; ) называется |
пуассоновским |
процессом, |
если |
|
он удовлетворяет |
||||
следующим условиям: |
|
|
|
|
|
|
|
|
|
1). 0 0. |
|
|
|
|
|
|
|
|
|
2). t ,t [0; ) – |
процесс |
с независимыми приращениями. |
|
||||||
3). Для любых t1 t2 |
и любого s |
приращения t |
2 |
t , t |
s t s |
одинаково |
|||
распределены (условие однородности во времени). |
1 |
2 |
1 |
|
|||||
|
|
|
|
|
|||||
4). (Условие ординарности). При h 0 выполняется |
|
|
|
||||||
P t h t 1 h o(h), |
при |
любом t [0; ) |
фиксированном , |
0 ;
P t h t 2 o h .
Ординарность случайного процесса можно интерпретировать таким образом, что события в некотором потоке за достаточно малый промежуток времени либо не наступают, либо наступают по одному, а не по несколько.
|
|
P t h t |
1 |
|
|
Величина |
lim |
|
|
0 является |
параметром пуассоновского |
h |
|
||||
|
h 0 |
|
|
|
|
процесса, и иногда называется интенсивностью или средней плотностью. |
|||||
Теорема |
(Хинчина). Если |
t ,t [0; ) |
- пуассоновский процесс с |
параметром 0, то для всех t 0 имеет место равенство
P t k t k e t k!
для всех k 0 , т.е. случайная величина t имеет распределение Пуассона с параметром t.
Доказательство. Применим метод характеристических функций.
Пусть |
|
t |
|
Eei t |
– характеристическая |
функция случайной |
|
t |
|
|
|
|
|
|
|
величины t . |
t h t h t t 0 |
(где 0 0) и |
|
||||
Так как |
выполнено условие |
независимости приращений пуассоновского процесса, то с использованием теоремы о характеристической функции суммы независимых случайных величин получаем:
t h Eei t h t i t 0 Eei t h t Eei t 0 t Eei t h t
43
t Eei h h t .
Это выполняется потому, что по условию однородности во времени величина t h t распределена так же, как и h 0 0 h .
|
Исследуем |
|
поведение |
функции |
h |
при |
h 0. |
По |
условию |
||||||||||||||
ординарности: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
P h n ei n |
|
P h n P h 2 o h , |
|
|
|||||||||||||
поэтому |
|
|
|
n 2 |
|
|
|
|
|
n 2 |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
h P h n ei n P 0 0 P h 1 ei |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
n 0 |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
o h 1 h hei |
o h . |
|
|
|
|
||||||||
|
Следовательно, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
t h t |
|
t h t |
t ei o 1 . |
|
||||||||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
h |
|
|
|
|
|
h |
|
|
|
|
|
|
|
|
|
|
Если перейти |
к |
пределу |
при h 0, то |
получим, что верно |
равенство |
|||||||||||||||||
|
t |
t |
ei . |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
t |
|
|
|
|
y t t , |
a ei |
|
|
|
|
|
|
||||||||||
|
Обозначим |
|
|
и |
получим дифференциальное |
||||||||||||||||||
уравнение |
|
dy t |
a y t , решение, |
которого записывается в виде |
y(t) c eta |
||||||||||||||||||
|
dt |
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(докажите это самостоятельно) |
|
|
|
|
|
c y(0). |
|
|
0 0, |
|
|||||||||||||
|
Постоянную |
|
|
|
с |
определяем |
из |
условия |
|
Так |
как |
то |
|||||||||||
0( ) Eei 0 1. Следовательно, |
y(0) 1 и c 1. |
|
|
|
|
|
|||||||||||||||||
|
Значит |
y t eta |
и t ( ) et ei |
e t ei 1 . Получившаяся функция – |
это |
характеристическая функция распределения Пуассона с параметром t. Отсюда по теореме единственности получаем, что - случайная величина, распределенная по закону Пуассона с параметром t.
Теорема доказана. Утверждение. Пуассоновский процесс является цепью Маркова с
непрерывным временем.
Доказательство. Докажем, что для пуассоновского процесса выполняется определение цепи Маркова:
|
|
|
|
P |
k |
|
k , , k |
|
|
|
|
|
|||||
|
|
|
|
|
tn 1 |
n |
1 |
t1 |
1 |
tn |
n |
|
|
|
|
|
|
|
|
|
|
P tn 1 |
kn 1, tn |
kn, , t1 |
k1 |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P tn 1 tn |
|
|
P tn |
kn, , t1 k1 |
|
|
|
|
k1 |
|||||||
|
|
|
|
|
|
|
|
|
|||||||||
|
kn 1 kn, tn |
tn 1 |
kn |
kn 1,..., t2 |
t1 k2 k1, t1 |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P tn |
tn 1 kn |
kn 1,..., t2 t1 |
k2 |
k1, t1 |
k1 |
|
|||||||||||
|
|
|
44
|
P tn 1 tn |
kn 1 kn, tn |
tn 1 kn kn 1,..., t1 0 |
k1 |
|
|
|
|
|
|
. |
P tn tn 1 kn |
kn 1,..., t1 0 k1 |
|
|||
|
|
|
Вследствие независимости приращений это отношение равно:
P tn 1 tn kn 1 kn P tn tn 1 kn kn 1 P t1 t0 k1 P tn tn 1 kn kn 1 P t1 t0 k1
|
|
|
|
P tn 1 |
tn |
kn 1 kn . |
|
|
|
|
|
|||
Теперь рассмотрим |
|
|
|
|
|
|
|
|
|
|
||||
P tn 1 kn 1 |
|
tn kn |
P tn 1 kn 1, tn |
kn |
|
P tn 1 tn |
kn 1 |
kn, tn 0 |
kn |
|||||
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
P tn kn |
|
|
P tn |
0 kn |
|
||||||||
|
|
|
|
|
|
|
|
|
||||||
|
P tn 1 |
|
tn kn 1 kn P tn |
0 kn |
|
P tn 1 |
tn |
kn 1 kn . |
||||||
|
|
P tn 0 kn |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
tn ,n для |
||||
Таким образом, определение цепи Маркова |
для |
|||||||||||||
произвольного набора моментов времени 0 t1 |
t2 ... tn ... выполнено . |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
Утверждение доказано. |
Найдём распределение |
случайной величины τ1 - времени до первого |
||||||
появления события |
в |
пуасоновского процессе x,x 0, . |
По |
||||
определению, F1 x P 1 |
x . |
|
|
|
|
|
|
Событие { τ1 < x} |
означает, что на отрезке [0;x] произошло хотя бы один |
||||||
раз интересующее нас событие, что можно записать в виде |
|
x |
1 |
|
x |
||
|
, так как |
|
– число появлений события на отрезке [0;x]. Поэтому
P 1 x P x 1 1 P x 0 1 e x ,
так как случайная величина ξx распределена по закону Пуассона с параметром
λx.
Следовательно, случайная величина τ1 имеет показательное распределение с параметром (т.к. ее функция распределения равна 1 e x ).
В теории массового обслуживания и в некоторых других практических областях вместо понятия пуассоновского процесса используется термин
пуассоновский поток. Иногда употребляется термин простейший поток событий.
Пуассоновский процесс можно интерпретировать как процесс появления некоторого события (поток событий) в моменты времени t T 0, . Тогда
ξt - число появлений этого события до момента времени t. Траектория пуассоновского процесса является ступенчатой функцией с разрывами первого рода.
В силу рассуждений для τ1 и в силу однородности во времени делаем вывод, что в пуассоновском потоке интервалы времени между появлениями событий имеют показательное распределение.
45
Поток событий называется потоком с ограниченным последействием, если случайные величины T1,T2,...,Tn..., представляющие собой интервалы времени между соответственно 1-м и 2-м, 2-м и 3-м и т.д., n-м и (п+ 1)-м событиями и т.д., независимы.
Поток событий называется стационарным, если вероятность наступления того или иного числа событий за какой-либо промежуток времени зависит только от длины этого промежутка и не зависит от момента его начала. Стационарность потока означает, что его вероятностные характеристики не зависят от времени, т.е. не изменяются с течением времени.
Стационарный поток с ограниченным последействием называется потоком Пальма.
У потока Пальма случайные величины T1,T2,...,Tn... имеют один и тот же закон распределения (имеют одну и ту же функцию распределения). Пуассоновский процесс является потоком Пальма, поскольку он стационарен, случайные величины T1,T2,...,Tn...распределены по показательному закону (докажите это) и независимы в силу независимости приращений.
Важными специальными случаями потока Пальма являются потоки Эрланга. Потоком Эрланга k-го порядка с параметром 0 называется поток, получающийся из пуассоновского с интенсивностью 0 сохранением в нем
каждого k-то события.
Например, поток Эрланга 1-го порядка совпадает с исходным пуассоновским потоком и, следовательно, пуассоновский поток является потоком Эрланга 1-го порядка.
Для случайной величины Tk - промежутку времени между двумя соседними
событиями в потоке Эрланга k-го порядка, порожденном Пуассоновским процессом с интенсивностью 0 можно найти плотность:
p |
t |
t k 1 |
e t ,t 0, |
|
|||
T |
|
k 1 ! |
|
k |
|
||
|
|
|
а также функцию распределения
|
|
k 1 |
x |
m |
FT k |
1 e t |
|
,t 0, |
|
x P Tk x |
m 0 m! |
|
||
|
|
0,t 0. |
|
|
|
|
|
Пользуясь методами теории вероятностей можно доказать, что распределение Эрланга k-го порядка есть распределение суммы k независимых в совокупности, экспоненциально распределенных случайных величин с одним и тем же параметром . Следовательно,
ETk |
|
k |
,ETk2 |
|
|
k(k |
1) |
,DTk |
ETk2 |
ETk 2 |
k |
, k |
|
|
k |
. |
|
|
DTk |
||||||||||||||||
|
2 |
|
2 |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
46
Интенсивность потока Эрланга k-го порядка совпадает с математическим ожиданием Tk .
Отметим, что обобщением пуассоновского процесса является нестационарный пуассоновский процесс или поток, для которого выполняется условие независимости приращений, 0 0, и ординарности, но вместе с тем
интенсивность t limP t h t 1 зависит от t [0; ).
h 0 h
Если для нестационарного пуассоновского потока с интенсивностью t ,
некоторый рассмотреть промежуток времени длиной 0, начинающийся с момента t0 и дискретную случайную величину X t0, — число событий,
наступающих в потоке за промежуток времени t0,t0 , то выполняется свойство, что X t0, имеет распределение Пуассона с параметром, равным
t0 |
t dt |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
||||
t0 |
Рассмотрим теперь |
процесс |
t ,t T , |
который |
состоит из |
случайных |
|||||||
|
|||||||||||||
величин, принимающих значения из . |
|
|
|
|
|
||||||||
|
Определение. |
Винеровским |
процессом |
называется |
случайный процесс |
||||||||
t ,t T |
с непрерывным временем T 0, , удовлетворяющий условиям: |
||||||||||||
|
1). 0 0. |
|
|
|
|
|
|
|
|
|
|||
|
2). |
|
|
,t [0; ) |
– процесс |
с |
независимыми приращениями. |
|
|||||
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
|
3). Для любых t1 t2 |
и любого |
s приращения t |
2 |
t , |
t2 s t1 s |
одинаково |
||||||
|
|
|
|
|
|
|
|
|
|
1 |
|
|
распределены.
4). При h 0 для моментов случайных величин h выполняются следующие свойства:
E h ah o h ,
E h2 bh o h ,
E |
|
h |
|
3 o h , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
где a,b - постоянные величины, не зависящие от |
h, b 0. |
|
|
|||||||||||||||
Величины a и b являются параметрами винеровского процесса. |
||||||||||||||||||
Теорема (без доказательства). Если t ,t 0, |
- винеровский процесс, то |
|||||||||||||||||
при фиксированном |
t 0 выполняется, |
что |
t N at,bt , |
т.е t имеет |
||||||||||||||
нормальное распределение с параметрами |
|
|
at |
и |
bt, и функция распределения |
|||||||||||||
случайной величины t |
имеет вид |
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
x |
|
|
|
2 |
|
|
|
|
|
F x P |
|
x |
|
|
|
|
|
exp y at |
|
dy. |
||||
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
t |
|
t |
|
|
|
|
|
|
|
|
2bt |
|
|
|
|
|
|
|
|
|
|
|
|
2 bt |
|
|
|
|
|
|
|
|
|
В отличие от пуассоновского процесса, винеровский имеет непрерывную траекторию.
47
Винеровский процесс служит математической моделью одномерного броуновского движения и часто называется процессом броуновского движения.
В случае a 0 и b 1 винеровский процесс называется стандартным винеровским процессом.
Функционалы винеровского процесса
Рассмотрим траекторию стандартного винеровского процесса t ,t 0, и
зафиксируем некоторое вещественное число a.
Пусть a - момент первого достижения уровня a траекторией случайного винеровского процесса.
Величина a является случайной величиной.
Фиксируем некоторое вещественное T 0. Рассмотрим выражение
P T a| a T P T a| a T P T a| a T 1
Утверждается, что
P T a| a T P T a| a T .
Если сформулировать нестрого, то число траекторий, входящих в левую часть, совпадает с числом траекторий, входящих в правую (т.е. происходит «отражение»). Каждой траектории мы сопоставляем отражённую траекторию.
Для винеровского процесса, обладающего непрерывной траекторией, выполняется равенство P T a| a T 0. Следовательно,
P T a| a T P T a| a T 1/ 2.
Данное выражение есть принцип отражения.
В силу непрерывности траекторий винеровского процесса верно следующее включение: T a a T . Следовательно,
48
P a| |
a |
T |
P T a, a T |
|
P T a |
|
1 |
. |
|
|
|
||||||
T |
|
P a T |
|
P a T 2 |
||||
|
|
|
|
|||||
Из этого равенства следует, что P a T 2P T |
a . |
Рассмотрим стандартный винеровский процесс и найдём распределение его основных функционалов.
Как мы уже определили ранее, a - момент первого достижения уровня a траекторией винеровского процесса. По определению функции распределения
Fa t =P a t .
Из принципа отражения, как показано выше, следует, что
|
|
t =P a t 2P t a 2 |
|
1 |
|
|
|
|
y2 |
|
||||||||||||||||
|
Fa |
|
|
|
|
|
a e 2t dy. |
|||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||
|
2 t |
|||||||||||||||||||||||||
Так как t t 0 |
N(0,t) |
и с учётом замены y / |
|
|
x мы получаем, что это |
|||||||||||||||||||||
|
t |
|||||||||||||||||||||||||
выражение равно |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x2 |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
e |
|
dx. |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
e |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Таким образом, |
P |
|
|
|
|
|
|
2 dx 1. |
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Следовательно, |
с |
|
вероятностью |
1 |
|
|
случайная |
величина a конечна, и с |
вероятностью 1 траектория винеровского процесса достигает любого уровня. Теперь рассмотрим плотность a :
|
|
dF |
(t) |
|
1 |
|
|
a |
|
a2 |
|
|
|
|
|
|
|||||||
p a |
|
|
|
|
|
|
|
e 2t |
|||
|
|
|
|
|
|||||||
|
|
||||||||||
|
|
a |
|
2 |
|
|
t3/2 |
|
|
||
dt |
|
|
|||||||||
|
|
|
|
0, |
|
|
|||||
|
|
|
|
|
|
|
|
,t 0. t 0
Используя эту плотность, легко показать, что E a . Таким образом, несмотря на то, что с вероятностью 1 случайная величина a конечна, ее среднее значение равно бесконечности.
Рассмотрим другой функционал винеровского процесса, равный
максимальному значению s |
по всем s |
|
|
из отрезка 0,t : |
t max s . |
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
s 0,t |
|
|
|
|
|
|||
|
max |
|
|
x |
|
|
|
t |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Очевидно равенство s 0,t |
|
|
s |
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Следовательно, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
2 |
|
|
|
1 F x P |
|
|
|
|
|
|
|
|
P |
|
t |
|
|
|
|
|
t |
|
2 |
|
|
|
|
|
|||||||||||
max |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
|
|
|
|||||||||||||||||
s |
x |
x |
F |
|
|
|
2 dy |
. |
|||||||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||||||
|
|
||||||||||||||||||||||||||||||||||
t |
s 0,t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
v |
|
|
|
|
|
|
|
|
dv |
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
Если сделать замену y |
|
v; |
y |
|
|
; |
|
dy |
|
, то получаем: |
|
|
|
|
|
||||||||||||||||||||
t |
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
t |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
|
|
49
|
|
|
|
1 Ft x 2 |
|
||
|
e |
||
|
|
|
|
|
t |
|
x |
Отсюда следует, что
v2 |
|
|
2 |
|
|
|
|
|
|
v2 |
|
|
|
|
|
|
|
|
|
|
|
||||
2t dv |
|
|
e 2t dv |
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
t |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
x |
|
v2 |
|
|
|
|
|
|
|
|
|
x |
|
|
v2 |
||||
|
2 |
|
|
|
|
dv 1 2 |
|
|
|
||||||||||||||||
|
|
e |
2t |
|
|
e |
2t dv. |
||||||||||||||||||
|
|
t |
|
|
|
0 |
|
|
|
|
|
|
|
|
|
t |
|
0 |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
v2 |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|||||||
Ft x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
e 2t dv при |
x 0 . |
|||||||||||||||||||
|
|
|
t |
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
Зная функцию распределения t |
, легко найти плотность |
|||||||||||
|
|
dF t |
x |
|
|
|
|
|
x2 |
|
||
|
x |
|
|
2 |
|
e |
|
|||||
p |
|
|
2t |
при |
x 0. |
|||||||
dx |
t |
|||||||||||
t |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
Можно еще рассмотреть функционал винеровского процесса, равный минимальному значению s по всем s из отрезка 0;t :
t min s .
s 0,t
Докажите самостоятельно равенство для плотности этого функционала: p t x p t x при x<0.
Для доказательства рассмотрите новый винеровский процесс
t ,t 0, .
Тема № 5 Теория массового обслуживания
Основные понятия и классификация
Теория массового обслуживания (иначе называемая теорией очередей) изучает случайные процессы в системах массового обслуживания с приложением к рациональному построению этих систем. Она устанавливает зависимость между характером потока заявок (требований), производительностью отдельного канала (обслуживающего аппарата), числом каналов и эффективностью обслуживания.
Характерной особенностью массового обслуживания является наличие потока однородных (идентичных, однотипных) требований (событий, заявок), которые подвергаются обслуживанию. Заявкой (или требованием) называется спрос на удовлетворение какой-либо потребности. Выполнение заявки называется обслуживанием заявки.
Система массового обслуживания (СМО) – это объект, в котором выполняется последовательность (элементарных) операций или, иначе говоря, любая система для выполнения заявок, поступающих в неё в случайные моменты времени.
Множество моментов поступления в систему требований называется входным потоком требований данной системы массового обслуживания.
Будем считать, что в момент поступления требования происходит событие. Тогда множество моментов, когда происходят события, называется потоком однородных событий.
50