
- •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
5.2. Приклади процесів у фінансово-економічній галузі, які є марковськими процесами
Приклад 5.1. Побудувати реалізацію випадкового процесу для інтервалу часу з 10.00 до 11.00, що протікає в системі, граф стану якої має вигляд, наведений на рисунку 5.3.
Рисунок 5.3 – Граф станів системи
Розв’язання.
Нехай о 10.00 система знаходилася у стані
,
потім в 10.15 перейшла в стан
,
в 10.25 – повернулася в
,
в 10.40 – перейшла в
і продовжувала залишатися в ньому.
При побудові реалізації потрібно звернути увагу на те, що система не може за один крок перейти зі стану в стан , оскільки такий перехід заборонений (на графі немає гілки, що дозволяє такий перехід). Для зручності запису припишемо кожному стану свій номер: – 1; – 2; – 3.
На осі часу відкладемо відповідні часові проміжки та отримаємо у результаті ступінчасту розривну функцію (рис. 5.4).
Рисунок 5.4 – Графічна реалізація випадкового процесу
Це графічна форма представлення реалізації. Аналітична форма має наступний вигляд:
Приклад 5.2. Розглянути роботу вікна обслуговування клієнтів у комерційному банку. Побудувати модель роботи вікна. Охарактеризувати процес. Побудувати граф станів роботи системи та реалізацію (графічну, аналітичну).
Розв’язання.
Інтерпретувати роботу вікна як систему
.
Система має два стани:
– вікно
вільне;
– вікно зайняте.
Процес, що протікає у системі – випадковий, оскільки прихід відвідувачів у банк у загальному випадку носить випадковий характер. Система має кінцеве число станів – 2, тобто даний процес буде дискретним. Оскільки стан системи залежить від її стану зараз і не залежить від того, як система потрапила у цей стан, процес марковський. Побудуємо граф станів роботи системи (рис. 5.4).
Рисунок 5.4 – Граф станів роботи системи
Розглянемо інтервал часу з 10.00 до 11.00. Нехай з 10.00 до 10.30 вікно обслуговує відвідувачів, з 10.30 до 10.40 вікно вільне, з 10.40 до 11.00 – вікно зайняте. Побудуємо графічну реалізацію (рис. 5.5).
Рисунок 5.5 – Графічна реалізація випадкового процесу
Аналітична реалізація має вигляд:
ЛЕКЦІЯ 6 ДИСКРЕТНИЙ МАРКОВСЬКИЙ ПРОЦЕС З ДИСКРЕТНИМ ЧАСОМ. МОРКОВСЬКИЙ ОДНОРІДНИЙ ЛАНЦЮГ
6.1 Поняття дискретного Марковського процесу з дискретним часом
Визначення
6.1. Випадковий
процес, що протікає у системі називається
процесом з дискретним часом, якщо
переходи системи зі стану в стан можуть
здійснюватися тільки в наперед визначені
моменти часу
,
які називаються кроками (етапами) цього
процесу.
Між сусідніми кроками система зберігає свої стани.
Визначення 6.2. Випадковий процес, що протікає у системі, називається процесом з неперервним часом, якщо переходи системи зі стан в стан можливі у будь-які випадкові моменти часу.
Розглянемо Марковський дискретний процес з дискретним часом.
Нехай
– можливі стани системи
,
яка перескакує з одного стану в інший
у моменти часу
.
Для
моменту
система
знаходиться в стані
,
отже, даний процес можна розглядати як
випадкову функцію кроків
або їх номерів
.
Таким чином, цей процес є випадковою послідовністю або ланцюгом.
Визначення
6.3.
Випадкова
послідовність називається марковським
ланцюгом, якщо для кожного кроку
ймовірність переходу з довільного стану
в довільний стан
не залежить від того, коли і як система
опиниться у стані
.
Система
у будь-який момент часу може перебувати
тільки в одному стані
,
отже, при кожному
події
несумісні й утворюють повну групу подій.
Нехай,
наприклад, спостереження за системою
з 1-го по 6-й крок показали, що з 1-го по
2-й крок вона знаходилася в стані
,
з 2-го по 3-й крок – в стані
,
з 3-го по 4-й крок – в стані
,
з 4-го по 5-й крок – в стані
,
з 5-го по 6-й крок – в стані
.
Тоді
реалізація цього процесу – це невипадковий
ланцюг подій
(рис. 6.1).
Рисунок 6.1 – Графічна реалізація випадкового процесу