- •Введение
- •Глава 1. Элементы теории случайных процессов Определение и описание случайного процесса
- •Статистические средние характеристики случайных процессов
- •Стационарные случайные процессы
- •Свойства функции корреляции
- •Эргодические случайные процессы
- •Глава 2. Цепи Маркова с дискретным временем Основные определения
- •1. Условие нормировки
- •2. Уравнение Чепмена-Колмогорова
- •Цепи Маркова с дискретным временем
- •Классификация состояний цепи Маркова с дискретным временем
- •Структура периодического замкнутого класса
- •Классификация состояний цепи Маркова по асимптотическим свойствам переходных вероятностей
- •Эргодические теоремы для цепей Маркова
- •Вероятностно-временные характеристики цепи Маркова
- •Глава 3. Цепи Маркова с непрерывным временем
- •Дифференциальные уравнения Колмогорова
- •Финальные вероятности
- •Время перехода из одного состояния в другое
- •Статистический смысл финальных (стационарных) вероятностей
- •Время пребывания цепи Маркова в j-ом состоянии
- •Процессы гибели и размножения
- •Процесс чистого размножения
- •Простейший поток
- •Основные вероятностные характеристики простейшего потока
- •Глава 4. Элементы теории массового обслуживания
- •Система массового обслуживания, основные определения и классификация
- •Система m/m/1/ (с очередью)
- •Система m/m/n
- •Глава 5. Непрерывные марковские процессы
- •Определение диффузионного случайного процесса
- •Обратное уравнение Колмогорова
- •Прямое уравнение Колмогорова. Уравнение Фоккера-Планка
- •Некоторые частные случаи уравнения Фоккера-Планка
- •Допредельная модель диффузионного процесса
- •Глава 6. Стохастические интегралы
- •Стохастический интеграл в форме Ито
- •Особенность стохастического интеграла в форме Ито
- •Стохастический интеграл в форме Стратановича
- •Связь интегралов Ито и Стратановича
- •Глава 7. Стохастические дифференциальные уравнения Определение стохастических дифференциальных уравнений. Свойства их решений
- •Формула дифференцирования Ито
- •Решение стохастических дифференциальных уравнений
- •Литература
- •Содержание
- •Глава 1. Элементы теории случайных процессов 2
- •Глава 2. Цепи Маркова с дискретным временем 21
- •Глава 3. Цепи Маркова с непрерывным временем 46
Финальные вероятности
Для однородной неразложимой цепи Маркова с конечным числом состояний существует предел , j, не зависящий от i, который называется финальной вероятностью j-го состояния, а их совокупность – финальным распределением.
Финальные вероятности определяются из системы линейных алгебраических уравнений , с учетом условия нормировки .
Если ввести матричные обозначения , , , то уравнения для нахождения финальных вероятностей можно записать в виде
Если вероятности состояний не зависят от t, то есть Pj(t)Pj, то Pj называются стационарными вероятностями, а их совокупность стационарным распределением.
Из прямой системы уравнений для стационарных вероятностей получим, что стационарное распределение определяется системой уравнений
и условием нормировки
,
совпадающими с системой уравнений для финальных вероятностей, следовательно, стационарное и финальное распределения совпадают.
Если для однородной цепи Маркова для системы дифференциальных уравнений в качестве начального распределения qi(s) выбрать финальное i, то решение Pi(t) этой системы совпадает с финальным распределением, то есть для любых ts выполняется равенство
.
В рассмотренном выше примере 3.1 финальные вероятности можно найти предельным переходом, устремив t:
, .
Время перехода из одного состояния в другое
Время перехода из одного состояния в другое Tkj при kj для цепей Маркова с непрерывным временем определяется следующими соотношениями:
для всех . (3.5)
Если i=j, то естественно Tjj=0, поэтому рассматривается Tjj(t) – длина интервала от текущего момента времени t, до следующего попадания в это состояния. Тогда Tjj=MTjj(t)(t)=j определяется из уравнения
. (3.6)
Пример 3.3. Для примера 3.1 найдите среднее время перехода из одного состояния в другое.
Решение: Для ij получаем систему уравнений
откуда имеем
А для i=j
Статистический смысл финальных (стационарных) вероятностей
Уравнение (3.6) домножим на j, а уравнения системы (3.5) на i для всех ij и просуммируем полученные равенства, запишем
.
Полученное равенство, в силу , перепишем в виде
.
Следовательно,
.
Здесь величина –1/qjj>0, а величина Tjj – среднее значение длины интервала от текущего момента времени, когда цепь Маркова находится в состоянии j до момента следующего её попадания в это состояние после выхода из него, следовательно Tjj равна сумме среднего значения остаточного времени пребывания цепи Маркова в j-ом состоянии и среднего значения Tj – длины интервала от момента выхода цепи Маркова из этого состояния до момента возвращения в это состояние.
Время пребывания цепи Маркова в j-ом состоянии
Пусть величина j – остаточное время пребывания цепи Маркова в j-ом состоянии. Обозначим её закон распределения Bj(x)=Pjx, тогда, используя марковское свойство цепи, можно записать равенство
,
выполнив в котором несложные преобразования, получим уравнение
,
определяющее вид функции Bj(x).
Из полученного дифференциального уравнения следует, что
,
следовательно, величина j имеет экспоненциальное распределение с параметром – qjj. В силу свойства отсутствия последействия экспоненциального распределения, полное (не остаточное) время пребывания цепи Маркова в j-ом состоянии также имеет экспоненциальное распределение с тем же параметром – qjj. Среднее значение этого времени составляет –1/qjj.
Таким образом, равенство для финальных вероятностей можно переписать в виде
,
следовательно, финальная (стационарная) вероятность j равна отношению среднего значения времени пребывания цепи Маркова в j-ом состоянии к сумме этого значения и среднего значения Tj – времени возвращения в это состояние, то есть вероятность j имеет смысл доли времени проведённого цепью в состоянии j.