
- •Прикладні задачі аналізу та оцінювання параметрів соціально-економічних процесів
- •Будь-яка модель є суб’єктивною (вона несе у собі риси індивідуальності системного аналітика);
- •Будь-яка модель є гомоморфною, тобто в ній відображаються лише суттєві властивості об’єкта-оригіналу, виходячи з цілей дослідження, узятої системи гіпотез тощо;
- •Можливе існування множини моделей одного й того самого об’єкта-оригіналу, які відрізняються цілями дослідження, ступенем адекватності.
- •1.3 Роль прикладних економіко-математичних досліджень
- •2.1 Визначення випадкового процесу. Перерізи. Класифікація процесів
- •2.2 Закони розподілу випадкових процесів
- •2. 3 Елементарні випадкові функції
- •3.1 Визначення числових характеристик випадкових процесів
- •1) Дисперсія невипадкової функції дорівнює нулю
- •2) Дисперсія суми випадкової функції і невипадкової функції дорівнює дисперсії випадкової функції
- •3) Дисперсія добутку випадкової функції та невипадкової функції дорівнює добутку квадрата невипадкового множника та дисперсії випадкової функції
- •1) Симетрія – при перестановці аргументів кореляційна функція не змінюється
- •4) Абсолютна величина кореляційної функції не перевищує середнього геометричного дисперсії відповідного перетину
- •5) При рівних між собою значеннях аргументів кореляційна функція випадкової функції дорівнює дисперсії цієї функції, тобто
- •4.1 Поняття потоку подій
- •4.2 Властивості потоку подій
- •1) Ординарність.
- •5.1 Поняття дискретного марковського процесу. Графи станів системи
- •5.2. Приклади процесів у фінансово-економічній галузі, які є марковськими процесами
- •6.1 Поняття дискретного Марковського процесу з дискретним часом
- •6.2. Ймовірність станів
- •7.1 Поняття марковського неоднорідного ланцюга
- •8.1 Випадкові процеси з неперервним часом. Поняття щільності ймовірності переходу системи в інший стан
- •8.2. Однорідний дискретний марковський процес з неперервним часом
- •8.3. Приклад дискретного марковського процесу з неперервним часом
- •9.1 Поняття пуассоновського стаціонарного потоку
- •9.2 Перша характеристика пуассоновського потоку
- •9.3 Друга характеристика пуассоновського потоку
- •10.1 Перша характеристика пуассоновського нестаціонарного потоку подій
- •10.2 Друга характеристика пуассоновського нестаціонарного потоку подій
- •11.1 Фінальний стаціонарний стан процесу
- •12.1 Задачі теорії масового обслуговування
- •12.2 Класифікація систем масового обслуговування
- •12.3 Одноканальна смо з очікуванням
5.1 Поняття дискретного марковського процесу. Графи станів системи
Розглянемо поняття системи.
Визначення 5.1. Під системою розуміють множину взаємозв’язаних елементів, які не можна розчленити на незалежні підмножини.
Якщо
система
змінює з часом свій стан
випадковим чином, то говорять, що в
системі протікає випадковий процес.
Нехай
–
можливі
стани системи
,
причому у будь-який момент часу система
знаходиться в одному з них, тобто
.
Якщо множина станів скінчена, то говорять, що вона дискретна, інакше – неперервна.
Якщо система має дискретну множину станів, то вона переходить зі стану в стан стрибком, якщо ж система має неперервну множину станів – то плавно.
Визначення
5.2.
Випадковий
процес, що протікає в системі
,
називається марковським, якщо йому
властива відсутність післядії (тобто
для кожного моменту часу ймовірність
будь-якого стану
системи
в майбутньому (при
)
залежить від її стану
в сьогоденні (при
)
і не залежить від того, як і скільки часу
розвивався цей процес у минулому.
Для аналізу дискретного випадкового процесу зручно користуватися графами станів системи.
Визначення 5.3. Під графом станів системи розуміють множину вузлів, що позначають стани системи, і множину гілок можливих безпосередніх переходів зі стану в стан.
Приклад
графа станів показано на рисунку 5.1, де
,
– стани системи, гілки – дозволені
переходи зі стану в стан.
Рисунок 5.1 – Приклад графа станів системи
Відсутність гілок між станами говорить про неможливість переходу за один крок зі стану в стан.
Стани,
у яких немає входу, називають станами
без входу, стани, з яких немає виходу –
станами без виходу (поглинаючими станами
або пастками). Група станів без виходу
називається множиною без виходу або
нестійкою множиною. У наведеному прикладі
(рис. 5.1)
– стан без виходу,
– поглинаючий стан,
,
– нестійка множина.
Визначення 5.4. Система називається ергодичною («ергос» – грець. – робота), якщо вона з будь-якого свого стану може за кінцеве число кроків перейти у будь-який інший стан.
Іншими словами, ергодична система повинна не мати станів і множин без входу і виходу. Приклад ергодичної системи показано на рисунку 5.2.
Рисунок 5.2 – Приклад графа станів ергодичної системи
При вивченні системи слід з’ясувати, в яких станах вона може знаходитися, які переходи зі стану в стан можливі й побудувати граф станів.
Щоб
інтерпретувати як дискретну випадкову
величину, потрібно кожен стан
охарактеризувати кількісно. Для цього
можна, наприклад, приписати кожному
стану свій номер. Тоді
,
буде дискретною випадковою величиною
з множиною значень 1, 2, 3.
Дискретну
випадкову величину
називають перетином випадкового процесу,
що протікає в системі
у момент часу
.
Якщо
провести спостереження за процесом, що
протікає в системі
протягом деякого проміжку часу від
до
(
),
то випадковий процес у кожен момент
часу
прийме конкретне числове значення,
внаслідок чого отримаємо звичайну
функцію, яка називається реалізацією
випадкового процесу на тимчасовому
проміжку
.
Для однозначності вважатимемо, що у момент перескоку система знаходиться у стані, в який вона перескочила.