- •Полумарковские процессы и специальные потоки однородных событий
- •Глава 1. Цепи Маркова с непрерывным временем
- •1.1. Определение и основные свойства цепи Маркова с непрерывным временем
- •1.2. Дифференциальные уравнения Колмогорова
- •1.2.1. Обратная система дифференциальных уравнений Колмогорова
- •1.2.2. Прямая система дифференциальных уравнений Колмогорова
- •1.3. Финальные вероятности
- •1.4. Время перехода из одного состояния в другое для цепей Маркова с непрерывным временем
- •1.5. Статистический смысл финальных (стационарных) вероятностей
- •1.6. Время пребывания цепи Маркова в j-ом состоянии
- •1.6. Процесс размножения и гибели
- •1.7. Метод Хинчина
- •1.8. Процесс чистого размножения
- •1.8. Пуассоновский процесс
- •1.9. Метод производящих функций
- •Глава 2. Теория потоков событий
- •2.1. Определения и терминология
- •А. Стационарность
- •Интенсивность и параметр потока
- •2.2. Пуассоновский поток событий
- •2.3. Варианты пуассоновского потока событий
- •2.4. Потоки восстановления
- •2.5. Распределение величины перескока и недоскока для потоков восстановления
- •2.6. Парадокс остаточного времени
- •2.7. Основное свойство рекуррентных потоков
- •Глава 3. Полумарковские процессы
- •3.1. Определение основных понятий теории полумарковских процессов
- •3.2. Методы исследования полумарковских процессов
- •3.2.1. Метод дополнительной переменно для исследования процесса марковского восстановления
- •3.2.2. Исследование полумарковского процесса методом дополнительной переменной y(t)
- •3.2.3. Метод дополнительных переменных z(t) и s(t) исследования полумарковского процесса
- •Глава 4. Специальные (коррелированные) потоки событий
- •4.1. Модулированные пуассоновские потоки (mmp-потоки)
- •4.3. Bmap-потоки
- •4.4. Полумарковские потоки
- •4.5. Уравнения Колмогорова в теории потоков событий
- •4.5.1. Потоки с дискретной компонентой
- •4.5.2. Потоки с непрерывной компонентой
- •4.6. Метод характеристических функций для анализа потоков
- •Для рекуррентного потока
- •Для потока марковского восстановления
- •Для полумарковского потока
- •4.7. Исследование моделей потоков
- •4.7.1. Исследование модели map-потока
- •4.7.2. Решение уравнения (12) методом матричной экспоненты
- •4.7.3. Исследование модели полумарковского потока
- •Нахождение распределения r(z)
- •4.7.4. Решение основного уравнения для полумарковского потока
- •Глава 5. Исследование специальных потоков событий методом асимптотического анализа
- •5.1. Метод асимптотического анализа map-потоков в условии растущего времени
- •5.1.1 Асимптотика первого порядка
- •5.1.2. Асимптотика второго порядка
- •5.2. Метод асимптотического анализа sm-потоков в условии растущего времени
- •5.2.1. Асимптотика первого порядка
- •5.2.2. Асимптотика второго порядка
- •5.3. Аппроксимация допредельного распределения
- •5.3.1. Аппроксимация второго порядка допредельного распределения
- •5.3.2. Гауссовская аппроксимация
- •5.4. Метод асимптотического анализа mmp-потоков в условии предельно редких изменений состояний потока
- •5.4.1. Асимптотика первого порядка
- •5.4.2. Асимптотика произвольного порядка
- •Литература
3.2. Методы исследования полумарковских процессов
3.2.1. Метод дополнительной переменно для исследования процесса марковского восстановления
Пусть для процесса марковского восстановления k(t), заданного стохастической матрицей Р и набором функций распределения Ak(x), требуется найти стационарное распределение вероятностей P(k) = P{k(t) = k}.
В силу того, что процесс k(t) марковским не является, определим случайный процесс z(t) – длину интервала от момента t до момента очередного отказа (замены элемента). Тогда двумерный процесс {k(t), z(t)} является марковским, поэтому для его распределения вероятностей
P(k,z,t) = P{k(t) = k, z(t) < z}
можно записать следующие равенства
Здесь разность P(k,z,t) – P(k,Δt,t) характеризует то, что за время Δt процесс k(t) не изменил состояния, а величина z(t) лежит в интервале от Δt до z, сумма показывает, что за время Δt процесс k(t) перешел из состояния v ≠ k в состояние k.
Последнее равенство перепишем в виде
Разделим левую и правую части на Δt
,
где
.
Тогда получим равенство
которое для стационарного распределения P(k,z,t) = P(k,z) перепишем в виде
Интегрируя левую и правую части этого равенства, получим
.
В силу условия согласованности вероятностных распределений, одномерное распределение Р(k) запишем следующим образом
. (7)
Так как подынтегральная функция является монотонной, то можно записать следующее равенство
которое совпадает с системой уравнений Колмогорова
для стационарного распределения вероятностей r(k) состояний вложенной цепи Маркова (n), поэтому
(8)
Мультипликативную постоянную C найдём из условия нормировки. Применяя равенство (8), перепишем (7)
где ak – среднее значение срока службы элемента вида k. Таким образом
P(k) = C r(k) ak
а в силу условия нормировки запишем
откуда получим
следовательно, стационарное распределение вероятностей P(k) значений процесса марковского восстановления k(t) имеет вид
(9)
где ak – среднее значение срока службы элемента вида k
r(k) – стационарное распределение вероятностей состояний вложенной цепи Маркова (n).
3.2.2. Исследование полумарковского процесса методом дополнительной переменной y(t)
Пусть для полумарковского процесса k(t), заданного полумарковской матрицей A(x) необходимо найти стационарное распределение вероятностей P(k) = P{k(t) = k}.
Для исследования полумарковского процесса k(t), определяемого полумарковской матрицей A(x), применение случайного процесса z(t) требует введения ещё одной дополнительной переменной, поэтому рассмотрим случайный процесс y(t), равный длине интервала от момента последнего отказа (замены элемента) до текущего момента времени t. В этом случае двумерный процесс {k(t), y(t)} является марковским процессом.
Обозначим
(10)
тогда для этого распределения вероятностей можно при tn < t < tn+1 = tn + (n+1) записать следующее равенство
,
из которого получим уравнение
.
Для стационарного распределения P(k,y,t) = P{k,y} это уравнение перепишем в виде
. (11)
Для нахождения частного решения этого уравнения необходимо записать краевое по y условие для решения P(k,y) уравнения (11). Такое краевое условие получим следующим образом. При tn<t<tn+1=tn+(n+1) в силу (10) можно записать
.
Поделив левую и правую части этого равенства на t и полагая, что t сходится к нулю, получим равенство
,
которое в стационарном режиме имеет вид
(12)
и определяет краевое условие при y = 0 для решения P(k,y) уравнения (11). Общее решение уравнения (11) можно записать в виде
. (13)
Для определения постоянных C(k), воспользуемся краевым условием (12), подставив в которое (13), получим равенство
которое совпадает с системой уравнений Колмогорова для стационарного распределения вероятностей r(k) значений вложенной цепи Маркова, поэтому
,
и в силу (13) запишем
.
В силу определения (10) функций P(k,y) и условия согласованности распределений одномерное маргинальное распределение P(k) имеет вид
. (14)
Отметим, что распределение (14) для полумарковского процесса совпадает с распределением вероятностей (9) для процесса марковского восстановления.