- •1. Основы теории случайных процессов
- •1.1. Семейства случайных величин
- •1.2. Выборочные функции
- •1.3. Теорема Колмогорова
- •1.4. Вещественный параметр. Дискретный случай
- •1.5. Вещественный параметр. Непрерывный случай
- •1.6. Пуассоновский процесс
- •1.7. Общие свойства случайных процессов
- •1.8. Примеры случайных процессов
- •2. Случайные потоки сообщений
- •2.1. Основные понятия
- •2.2. Принципы классификации входящих потоков
- •Определим p1() и p0():
- •Вероятность поступления k и более заявок определяется по формуле
- •2.6.1. Симметричный и примитивный потоки
- •2.6.2. Поток с повторными заявками
- •Вектор, обладающий свойствами (2.20) и (2.21), называется стохастическим. Если его компоненты представляют вероятности состояний системы, то вектор называется вектором состояний системы.
- •Матрица перехода имеет вид
- •2.12. Предельные теоремы для потоков событий
- •2.12.1. Предельная теорема для суммарного потока
- •2.12.2. Предельная теорема для редеющих потоков
- •3. Основы теории систем массового обслуживания
- •3.1. Элементы систем массового обслуживания
- •3.1.1. Виды распределения входящего потока и времени обслуживания
- •3.1.2. Дисциплина обслуживания заявок
- •3.1.3. Канал обслуживания
- •3.1.4. Выходящий поток
- •3.2. Классификация смо
- •3.3. Процессы гибели и размножения
- •3.4. Системы массового обслуживания с отказами
- •3.4.1. Классическая система массового обслуживания с отказами (система Эрланга)
- •Используя нормировочное условие
- •3.4.2. Системы массового обслуживания с отказами и полной взаимопомощью между каналами
- •3.4.3. Системы массового обслуживания с отказами и частичной взаимопомощью между каналами
- •Для сокращения дальнейшей записи введем обозначение
- •Вероятность обслуживания заявки
- •3.4.4. Системы массового обслуживания с отказами и неоднородными потоками
- •3.4.5. Примеры систем массового обслуживания с отказами
- •Решение
- •Вероятность занятости канала
- •Решение
- •Решение
- •Среднее время полной загрузки
- •4. Системы массового обслуживания с ожиданием
- •4.1. Классическая система массового обслуживания с ожиданием
- •С ожиданием (смо с конечной очередью)
- •4.2. Векторная модель с конечной очередью и неоднородными запросами на число мест в очереди
- •4.3. Векторная модель с бесконечной очередью и однородными запросами на число мест в очереди
- •Подставляя сюда (4.10), будем иметь
- •Где коэффициент , с учетом (4.12), имеет вид
- •4.4. Примеры систем массового обслуживания с ожиданием
- •Вероятность обслуживания заявки для смо с отказами
- •Среднее число заявок в системе
- •5. Различные системы массового обслуживания
- •5.1. Система массового обслуживания с ожиданием и приоритетом в обслуживании
- •5.2. Векторная модель системы массового обслуживания с приоритетом
- •5.3. Замкнутая векторная смо с отказами в обслуживании
- •5.4. Исследование и оптимизация управляемой смо
- •5.5. Примеры специальных смо
- •Решение
- •Среднее число ожидающих обычного переговора
- •Оглавление
1.4. Вещественный параметр. Дискретный случай
На практике часто сталкиваются со случаем, когда наблюдения за случайно меняющейся системой производятся через равные промежутки времени. Взяв в качестве единицы времени промежуток между двумя последовательными измерениями, получим последовательность случайных величин, т.е. случайный процесс с целочисленным параметром.
Изменим прежние обозначения: параметр будем обозначать n вместо t, а случайную величину, наблюдаемую в момент n, будем обозначать n или n() вместо (t, ). Множество Т значений параметра будет состоять из всех рассматриваемых n; чаще всего Т будет множеством всех целых чисел n = ..., -1, 0, 1, ... или множеством всех положительных чисел n1 = = 1, 2, ...
Последовательность случайных величин n = n(), n = 1, 2, ..., переводит каждую фиксированную точку основного вероятностного пространства в некоторую точку = (1, 2, ...) бесконечномерного пространства R. Иными словами, выборочным пространством Х является пространство R, состоящее из всех точек х = (х1, х2, ...) с бесконечным числом координат. Интервал в R представляет собой множество точек х, удовлетворяющих конечному числу неравенств вида aj < xj < bj с теми же замечаниями о знаках неравенств, что и в общем случае (§ 1.3).
Предположим, что дана последовательность случайных величин n= = n(), n = 1, 2, ... . Тогда любое конечное множество величин n, например , имеет совместное распределение вероятностей с функцией распределения
В силу первой части теоремы Колмогорова семейство всех функций F однозначно определяет вероятность того, что точка = (1, ...) принадлежит множеству В < R для любого борелевского В.
Пусть теперь дано лишь семейство {F} функций распределения F() с любыми k и ni, удовлетворяющее условиям симметрии и согласованности. Вторая часть теоремы Колмогорова показывает, что это семейство однозначно определяет распределение вероятностей в классе борелевских множеств в R.
Таким образом, в обоих случаях в R может быть построено некоторое распределение вероятностей, соответствующее бесконечной случайной последовательности = (1, 2, ...). Вероятность того, что эта последовательность как точка в R будет принадлежать данному множеству А, однозначно определяется для любого борелевского А в R.
Оказывается, что все множества в R, которые могут быть определены с помощью обычных аналитических операций над n, являются борелевскими. Это очень важный факт; он означает, что в случае дискретных последовательностей случайных величин все события, с которыми сталкиваются, имеют вполне определенные вероятности. В непрерывном случае ситуация далеко не так проста.
Пример 1.1. Рассмотрим три простых примера борелевских множеств в R, определенных с помощью простых операций над последовательностью случайных величин 1, 2, ... Каждый из этих примеров существенен для различных приложений.
Пусть h – некоторое число. Обозначим А, В и С множества в R, определенные следующими соотношениями:
А: sup n h,
В: lim n = h,
С: lim n – существует и конечен,
где n пробегает множество положительных чисел. Покажем, что каждое из этих множеств может быть получено из интервалов в R с помощью счетного числа операций, так что все они являются борелевскими. Для любых положительных целых чисел m, n и q обозначим через In, Kn,q и Lm,n,q, интервалы в R, определенные неравенствами:
In: n h,
Kn,q: n – h < ,
Lm,n,q: m – n < .
Множества А, В и С могут быть построены из этих интервалов с помощью пересечений и объединений следующим образом:
,
,
.
Отсюда следует, что множества А, В, С являются борелевскими.