golunova_l_v_matematicheskie_modeli_v_transportnyh_raschetah
.pdfСуществуют ли для случайной величины X числовые характеристики: математическое ожидание и дисперсия?
25) Пусть дана плотность распределения f(x):
|
|
0, |
x ≤10 |
|
|
1 |
|
< x ≤12 . |
|
f (x) = |
|
x −5, 10 |
||
2 |
||||
|
0, |
x >12 |
||
|
|
Найдите математическое ожидание, дисперсию и среднее квадратическое отклонение случайной величины X.
1.6.3.Статистическая обработка данных
I.Ряд распределения числа вагонов в группе, поступающей при расформировании составов на данный путь сортировочного парка, представлен в таблице. Объем выборки составил 200 наблюдений. Определите математические характеристики, постройте гистограмму и статистическую функцию распределе-
ния числа |
вагонов |
в |
группе. Пользуясь критерием |
χ2 |
|||||||
К. Пирсона, подберите теоретический закон распределения. |
|||||||||||
1. |
|
|
|
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
1-3 |
3-5 |
5-7 |
7-9 |
9-11 |
11-13 |
13-15 |
15-17 |
|||
Частота, рi* |
|
0,05 |
0,11 |
0,14 |
0,19 |
0,22 |
0,12 |
0,11 |
|
0,06 |
|
2. |
|
|
|
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
1-3 |
3-5 |
5-7 |
7-9 |
9-11 |
11-13 |
13-15 |
15-17 |
|||
Частота, рi* |
|
0,05 |
0,12 |
0,14 |
0,18 |
0,22 |
0,13 |
0,10 |
|
0,06 |
|
3. |
|
|
|
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
1-3 |
3-5 |
5-7 |
7-9 |
9-11 |
11-13 |
13-15 |
15-17 |
|||
Частота, рi* |
|
0,06 |
0,11 |
0,14 |
0,18 |
0,22 |
0,16 |
|
0,12 |
|
0,07 |
4. |
|
|
|
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
1-3 |
3-5 |
5-7 |
7-9 |
9-11 |
11-13 |
13-15 |
15-17 |
|||
Частота, рi* |
|
0,06 |
0,07 |
0,14 |
0,19 |
0,23 |
0,14 |
0,12 |
|
0,05 |
|
5. |
|
|
|
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
1-3 |
3-5 |
5-7 |
7-9 |
9-11 |
11-13 |
13-15 |
15-17 |
|||
Частота, рi* |
|
0,05 |
0,09 |
0,14 |
0,18 |
0,23 |
0,16 |
|
0,10 |
|
0,05 |
6. |
|
|
|
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
1-3 |
3-5 |
5-7 |
7-9 |
9-11 |
11-13 |
13-15 |
15-17 |
|||
Частота, рi* |
|
0,06 |
0,09 |
0,13 |
0,18 |
0,22 |
0,14 |
|
0,12 |
|
0,07 |
61
7.
Интервал, ∆хi (ед.) |
1-3 |
3-5 |
5-7 |
7-9 |
9-11 |
11-13 |
13-15 |
15-17 |
Частота, рi* |
0,05 |
0,07 |
0,13 |
0,16 |
0,23 |
0,16 |
0,13 |
0,06 |
8. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
1-3 |
3-5 |
5-7 |
7-9 |
9-11 |
11-13 |
13-15 |
15-17 |
Частота, рi* |
0,05 |
0,09 |
0,14 |
0,18 |
0,23 |
0,15 |
0,11 |
0,05 |
9. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
1-3 |
3-5 |
5-7 |
7-9 |
9-11 |
11-13 |
13-15 |
15-17 |
Частота, рi* |
0,05 |
0,08 |
0,14 |
0,18 |
0,21 |
0,16 |
0,11 |
0,07 |
10. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
1-3 |
3-5 |
5-7 |
7-9 |
9-11 |
11-13 |
13-15 |
15-17 |
Частота, рi* |
0,05 |
0,09 |
0,14 |
0,19 |
0,21 |
0,15 |
0,12 |
0,05 |
II. В таблице представлено распределение числа составов, поступающих на сортировочную станцию, в зависимости от количества вагонов. Объем выборки составил 150 наблюдений. Определите математические характеристики, постройте гистограмму и статистическую функцию распределения числа составов. Пользуясь критерием χ2 К. Пирсона, подберите теоретический закон распределения.
11.
Интервал, ∆хi (ед.) |
32-36 |
36-40 |
40-44 |
44-48 |
48-52 |
52-56 |
56-60 |
60-64 |
Частота, рi* |
0,05 |
0,10 |
0,15 |
0,19 |
0,21 |
0,13 |
0,11 |
0,06 |
12. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
32-36 |
36-40 |
40-44 |
44-48 |
48-52 |
52-56 |
56-60 |
60-64 |
Частота, рi* |
0,06 |
0,09 |
0,13 |
0,18 |
0,23 |
0,15 |
0,11 |
0,05 |
13. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
32-36 |
36-40 |
40-44 |
44-48 |
48-52 |
52-56 |
56-60 |
60-64 |
Частота, рi* |
0,05 |
0,11 |
0,13 |
0,17 |
0,22 |
0,13 |
0,12 |
0,07 |
14. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
32-36 |
36-40 |
40-44 |
44-48 |
48-52 |
52-56 |
56-60 |
60-64 |
Частота, рi* |
0,05 |
0,08 |
0,13 |
0,19 |
0,23 |
0,15 |
0,11 |
0,06 |
15. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
32-36 |
36-40 |
40-44 |
44-48 |
48-52 |
52-56 |
56-60 |
60-64 |
Частота, рi* |
0,05 |
0,09 |
0,15 |
0,19 |
0,24 |
0,13 |
0,10 |
0,05 |
16. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
32-36 |
36-40 |
40-44 |
44-48 |
48-52 |
52-56 |
56-60 |
60-64 |
Частота, рi* |
0,05 |
0,09 |
0,13 |
0,18 |
0,22 |
0,14 |
0,12 |
0,07 |
62
17.
Интервал, ∆хi (ед.) |
32-36 |
36-40 |
40-44 |
44-48 |
48-52 |
52-56 |
56-60 |
60-64 |
Частота, рi* |
0,05 |
0,07 |
0,13 |
0,17 |
0,21 |
0,16 |
0,13 |
0,08 |
18. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
32-36 |
36-40 |
40-44 |
44-48 |
48-52 |
52-56 |
56-60 |
60-64 |
Частота, рi* |
0,05 |
0,10 |
0,14 |
0,19 |
0,23 |
0,15 |
0,09 |
0,05 |
19. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
32-36 |
36-40 |
40-44 |
44-48 |
48-52 |
52-56 |
56-60 |
60-64 |
Частота, рi* |
0,06 |
0,09 |
0,14 |
0,18 |
0,23 |
0,14 |
0,10 |
0,06 |
20. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
32-36 |
36-40 |
40-44 |
44-48 |
48-52 |
52-56 |
56-60 |
60-64 |
Частота, рi* |
0,05 |
0,10 |
0,15 |
0,18 |
0,22 |
0,15 |
0,09 |
0,06 |
III. В таблице представлено распределение интервалов между поступающими в переработку поездами. Объем выборки составил 100 наблюдений. Определите математические характеристики, постройте гистограмму и статистическую функцию распределения числа составов. Пользуясь критерием χ2 К. Пирсона, подберите теоретический закон распределения.
21.
Интервал, ∆хi (ед.) 0-0,15 0,15-0,3 0,3-0,45 0,45-0,6 0,6-0,75 0,75-0,9 0,9-1,2 1,2-1,65
Частота, рi* |
0,03 0,10 |
0,15 |
0,19 0,24 0,12 0,11 0,06 |
22.
Интервал, ∆хi (ед.) 0-0,15 0,15-0,3 0,3-0,45 0,45-0,6 0,6-0,75 0,75-0,9 0,9-1,2 1,2-1,65
Частота, рi* |
0,03 0,10 |
0,14 |
0,19 0,25 0,15 0,09 0,05 |
23.
Интервал, ∆хi (ед.) 0-0,15 0,15-0,3 0,3-0,45 0,45-0,6 0,6-0,75 0,75-0,9 0,9-1,2 1,2-1,65
Частота, рi* |
0,02 0,09 |
0,15 |
0,19 0,25 0,14 0,10 0,06 |
24.
Интервал, ∆хi (ед.) 0-0,15 0,15-0,3 0,3-0,45 0,45-0,6 0,6-0,75 0,75-0,9 0,9-1,2 1,2-1,65
Частота, рi* |
0,01 0,07 |
0,13 |
0,17 0,25 0,16 0,13 0,08 |
25.
Интервал, ∆хi (ед.) 0-0,15 0,15-0,3 0,3-0,45 0,45-0,6 0,6-0,75 0,75-0,9 0,9-1,2 1,2-1,65
Частота, рi* |
0,05 0,09 |
0,15 |
0,19 0,24 0,13 0,10 0,05 |
26.
Интервал, ∆хi (ед.) 0-0,15 0,15-0,3 0,3-0,45 0,45-0,6 0,6-0,75 0,75-0,9 0,9-1,2 1,2-1,65
Частота, рi* |
0,02 0,08 |
0,14 |
0,19 0,25 0,15 0,11 0,06 |
63
27.
Интервал, ∆хi (ед.) 0-0,15 0,15-0,3 0,3-0,45 0,45-0,6 0,6-0,75 0,75-0,9 0,9-1,2 1,2-1,65
Частота, рi* |
0,04 0,09 |
0,13 |
0,18 0,23 0,14 0,12 0,07 |
28. |
|
|
|
Интервал, ∆хi (ед.) |
0-0,15 |
0,15-0,3 |
0,3-0,45 |
0,45-0,6 |
0,6-0,75 |
0,75-0,9 |
0,9-1,2 |
1,2-1,65 |
Частота, рi* |
0,04 |
0,12 |
0,14 |
0,18 |
0,25 |
0,11 |
0,10 |
0,06 |
29. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
0-0,15 |
0,15-0,3 |
0,3-0,45 |
0,45-0,6 |
0,6-0,75 |
0,75-0,9 |
0,9-1,2 |
1,2-1,65 |
Частота, рi* |
0,01 |
0,11 |
0,14 |
0,18 |
0,24 |
0,13 |
0,12 |
0,07 |
30. |
|
|
|
|
|
|
|
|
Интервал, ∆хi (ед.) |
0-0,15 |
0,15-0,3 |
0,3-0,45 |
0,45-0,6 |
0,6-0,75 |
0,75-0,9 |
0,9-1,2 |
1,2-1,65 |
Частота, рi* |
0,03 |
0,09 |
0,14 |
0,18 |
0,23 |
0,17 |
0,11 |
0,05 |
64
2. ТЕОРИЯ МАССОВОГО ОБСЛУЖИВАНИЯ
2.1. МАРКОВСКИЕ СЛУЧАЙНЫЕ ПРОЦЕССЫ
Функция X(t) называется случайной, если ее значение при любом аргументе t является случайной величиной. Случайная функция X(t), аргументом которой является время, называется случайным процессом. Марковские процессы являются частным видом случайных процессов.
Случайный процесс, протекающий в какой-либо системе S, называется марковским (или процессом без последействия), если он обладает следующим свойством: для любого момента времени t0 вероятность любого состояния системы в будущем (t > t0) зависит только от ее состояния в настоящем (t = t0) и не зависит от того, когда и каким образом система S пришла в это состояние.
Классификация марковских процессов производится в за-
висимости от непрерывности или дискретности множества значений функции X(t) и параметра t. Различают следующие основные виды марковских случайных процессов:
-с дискретными состояниями и дискретным временем (цепь Маркова);
-с непрерывными состояниями и дискретным временем (марковские последовательности);
-с дискретными состояниями и непрерывным временем (непрерывная цепь Маркова);
-с непрерывным состоянием и непрерывным временем.
65
Рассмотрим наиболее простой случай – марковские процессы с дискретными состояниями S1, S2, …, Sn.
На рисунке 2.1 изображен марковский случайный процесс с дискретными состояниями и дискретным временем (марковская цепь). На графе к S1, S2, … – это состояния системы S, стрелками – возможные переходы из состояния в состояние. Отмечаются только непосредственные переходы, а не переходы через другие состояния. Возможные задержки в прежнем состоянии изображают «петлей». Моменты t1, t2, ..., когда система S может менять свое состояние, рассматривают как последовательные шаги процесса. В качестве аргумента, от которого зависит процесс, выступает не время t, а номер шага 1, 2, ..., k, … Случайный процесс в данном случае представляет собой последовательность состояний S(0), S(1), S(2), ..., S(k), ..., где S(0)
– начальное состояние системы (перед первым шагом), S(1) – состояние системы после первого шага; S(k) – состояние системы после k-го шага...
Рисунок 2.1 – Граф состояний системы S
Событие S(k) = Si, состоящее в том, что сразу после k-го шага система находится в состоянии Si(i = 1, 2, ...), является случайным событием. Последовательность состояний S(0), S(1),
..., S(k), ... можно рассматривать как последовательность случайных событий. Таким образом, марковской цепью называется случайная последовательность событий, в которой для каждого шага вероятность перехода из любого состояния Si в любое Sj не зависит от того, когда и как система пришла в состояние Si. Начальное состояние S(0) может быть заданным заранее или случайным.
66
Вероятностями состояний цепи Маркова называются вероятности Pi(k) того, что после k-го шага (и до (k+1)-го) система S будет находиться в состоянии Si(i = 1,n). Для любого k:
n
∑Pi k =1. (2.1) i=1
Начальным распределением вероятностей марковской цепи называется распределение вероятностей состояний в начале процесса:
P1(0), P2(0), …, Pi(0), …, Pn(0). |
(2.2) |
В частном случае, если начальное состояние системы S в точности известно S(0) = Si, то начальная вероятность Pi(0) = 1, а все остальные равны нулю.
Вероятностью перехода (переходной вероятностью) на k-м шаге из состояния Si в состояние Sj называется условная вероятность того, что система S после k-го шага окажется в состоянии Sj при условии, что непосредственно перед этим (после k–1 шага) она находилась в состоянии Si.
Так как система может пребывать в одном из n состояний, то для каждого момента времени t необходимо задать n2 вероятностей перехода Рij, которые удобно представить в виде матрицы переходных вероятностей (переходной матрицы):
|
|
|
|
P11 |
P12 |
... |
P1n |
|
|
|
|
|
|
P21 |
P22 |
... |
P2n |
|
|
Pij |
|
|
|
= ... |
... |
... |
... |
, |
(2.3) |
|
|
||||||||
|
|
|
|
P |
P |
... |
P |
|
|
|
|
|
|
|
|||||
|
|
|
|
i1 |
i2 |
|
in |
|
|
|
... ... ... ... |
|
|
Pn1 Pn2 ... Pnn
где Pij – вероятность перехода за один шаг из состояния Si в состояние Sj;
Pii – вероятность задержки системы в состоянии Si.
Если переходные вероятности не зависят от номера шага (от времени), а зависят только от того, из какого состояния в какое осуществляется переход, то соответствующая цепь Маркова называется однородной.
Переходные вероятности однородной марковской цепи Рij образуют квадратную матрицу размера nхn. Отметим некоторые её особенности:
67
1.Каждая строка характеризует выбранное состояние системы, а ее элементы представляют собой вероятности всех возможных переходов за один шаг из выбранного (из i-го) состояния, в том числе и переход в самое себя.
2.Элементы столбцов показывают вероятности всех возможных переходов системы за один шаг в заданное (j-е) состояние (иначе говоря, строка характеризует вероятность перехода системы из состояния, столбец – в состояние).
3.Сумма вероятностей каждой строки равна единице, так как переходы образуют полную группу несовместных событий:
n
k =1. (2.4)
i=1
4.По главной диагонали матрицы переходных вероятно-∑
стей стоят вероятности Рij того, что система не выйдет из состояния Si,а останется в нём.
Если для однородной марковской цепи заданы начальное распределение вероятностей (2.2) и матрица переходных вероятностей ||Pij|| (2.3), то вероятности состояний системы Рi(k)
(i = 1,n , j = 1,n ) определяются по рекуррентной формуле:
n |
|
Pi(k) = ∑Pj (k −1) Pij , (i =1, n; j =1, n). |
(2.5) |
j=1
Пример 2.1. Рассмотрим процесс функционирования системы – локомотив. Пусть локомотив (система) в течение одной смены (суток) может находиться в одном из двух состояний: исправном (S1) и неисправном (S2). Граф состояний системы представлен на рисунке 2.2.
Рисунок 2.2 – Граф состояний локомотива
В результате проведения массовых наблюдений за работой локомотива составлена следующая матрица вероятностей перехода:
Pij |
|
= |
0,8 |
0,2 |
, |
|
|||||
|
0,9 |
0,1 |
|||
|
|
|
68
где P11 = 0,8 – вероятность того, что локомотив останется в исправном состоянии;
P12 = 0,2 – вероятность перехода локомотива из состояния «исправен» в состояние «неисправен»;
P21 = 0,9 – вероятность перехода локомотива из состояния «неисправен» в состояние «исправен»;
P22 = 0,1 – вероятность того, что локомотив останется в состоянии «неисправен».
Вектор начальных вероятностей состояний локомотива задан:
0
P(0) = 1 , то есть P1(0) = 0 и P2(0) = 1.
Требуется определить вероятности состояний локомотива через трое суток.
Решение:
Используя матрицу переходных вероятностей, определим вероятности состояний Pi(k) после первого шага (первых суток):
P1(1) = P1(0)·P11 + P2(0)·P21 = 0,9;
P2(1) = P1(0)·P12 + P2(0)·P22 = 0,1.
Вероятности состояний после второго шага (вторых суток):
P1(2) = P1(1)·P11 + P2(1)·P21 = 0,81;
P2(2) = P1(1)·P12 + P2(1)·P22 = 0,19.
Вероятности состояний после третьего шага (третьих суток):
P1(3) = P1(2)·P11 + P2(2)·P21 = 0,819;
P2(3) = P1(2)·P12 + P2(2)·P22 = 0,181.
Таким образом, после третьих суток локомотив будет находиться в исправном состоянии с вероятностью 0,819 и в состоянии «неисправен» с вероятностью 0,181.
2.2. МОДЕЛИРОВАНИЕ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ
2.2.1. Компоненты и классификация моделей массового обслуживания
Системы массового обслуживания (СМО) – это системы,
в которые в случайные моменты времени поступают заявки на обслуживание, при этом поступившие заявки обслуживаются с помощью имеющихся в распоряжении системы каналов обслуживания.
Основными задачами теории систем массового обслуживания являются установление зависимостей работы СМО от ее организации, характера потока заявок, числа каналов и их производительности, правил работы СМО.
Рассмотрим, каким образом в системах массового обслу-
69
живания возникают и обслуживаются очереди заявок (требований). Поступив в обслуживающую систему, требование присоединяется к очереди других (ранее поступивших) требований. Канал обслуживания выбирает для обслуживания из находящихся в очереди требований очередное. После завершения процедуры обслуживания канал обслуживания приступает к обслуживанию следующего требования, если такое имеется в блоке ожидания. Цикл функционирования системы массового обслуживания повторяется многократно в течение всего периода работы обслуживающей системы. При этом предполагается, что переход системы на обслуживание очередного требования после завершения обслуживания предыдущего требования происходит мгновенно, в случайные моменты времени.
Примерами систем массового обслуживания могут служить:
-железнодорожные сортировочные горки;
-пункты погрузки и выгрузки вагонов грузовых станций;
-посты технического обслуживания и ремонта подвижного состава;
-пункты экипировки локомотивов и т. д.
Основными элементами СМО являются:
1)входящий поток заявок;
2)очередь;
3)каналы обслуживания;
4)выходящий поток заявок (обслуженные заявки). Входящий поток заявок (регулярный или случайный) –
это последовательность однородных событий, которые наступают через интервалы времени равной или случайной величины. Примеры входящих потоков: поезда, прибывшие на станцию; группы вагонов, поступающие на сортировочный путь; телефонные вызовы; локомотивы, поступающие на осмотр и под экипировку, и др. Поток требований, которые прошли обслуживание в системе, называется выходящим, например составы, осмотренные бригадой ПТО в парке приема станции, – выходящий поток из системы технического осмотра.
Основой СМО является определенное число обслуживающих устройств – каналов обслуживания. Назначение СМО состоит в обслуживании потока заявок (требований), представ-
70