- •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
1.4. Время перехода из одного состояния в другое для цепей Маркова с непрерывным временем
Пусть Tj(t) – длина интервала от текущего момента t до момента попадания цепи Маркова с непрерывным временем в j-е состояние.
Обозначим
.
Из определения (4) инфинитезимальных характеристик и по формуле полной вероятности, можно записать
,
откуда, выполнив несложные преобразования, получим равенство
, (12)
которое является неоднородной системой линейных алгебраических уравнений, определяющей среднее значение Tij времени перехода из i-го состояния в состояние j.
Если i = j, то естественно Tij = 0, поэтому при i = j определим Tjj(t) как длину интервала от текущего момента времени t, когда ξ(t) = j, до момента попадания цепи Маркова в состояние j после выхода цепи из этого состояния, тогда обозначив
,
по формуле полной вероятности, получим равенство
,
выполнив в котором несложные преобразования, запишем
. (13)
Здесь Tkj определяются системой (12), поэтому полученное равенство (13) однозначно определяет значение величины Tij.
1.5. Статистический смысл финальных (стационарных) вероятностей
Уравнение (13) домножим на πj, а уравнения системы (12) на πi для всех i ≠ j и просуммируем полученные равенства, запишем
.
Полученное равенство, в силу (10), перепишем в виде
1+πjqjjTjj=0.
Следовательно
. (14)
Здесь величина –1/qjj > 0, её смысл определим ниже, 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.
1.6. Время пребывания цепи Маркова в j-ом состоянии
Пусть величина τj – остаточное время пребывания цепи Маркова в j-ом состоянии. Обозначим её закон распределения Bj(x)=P{τj ≥ x}, тогда, используя марковское свойство цепи, можно записать равенство
Bj(x+Δx) = pjj(Δx)Bj(x) = {1 + qjjΔx}Bj(x) + o(Δx) = Bj(x) +qjj Δx Bj(x) + o(Δx),
выполнив в котором несложные преобразования, получим уравнение
,
определяющее вид функции Bj(x).
Из полученного дифференциального уравнения следует, что
Bj(x) = exp{qjjx},
следовательно величина τj 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 (14) можно переписать в виде
,
следовательно финальная (стационарная) вероятность πj равна отношению среднего значения времени пребывания цепи Маркова в -ом состоянии к сумме этого значения и среднего значения Tj – времени возвращения в это состояние, то есть вероятность πj имеет смысл доли времени проведённого цепью в состоянии j.