smdo_tsp
.pdfsn = τ1 + τ2 + ... + τn - моменты восстановления, |
N (t ) = max {n : sn < t}. |
Процесс накопления. Пусть, например, w i |
- стоимость замены при |
i − м отказе оборудования. Тогда w(t)- полная стоимость замен за время t -
N(t )
может быть получена по формуле w(t) = ∑w i , где N(t) определено выше.
i =1
Процесс резервирования. Простейший случай - резервирование без восстановления. Имеется основной прибор с интенсивностью отказов λ . При выходе из строя он заменяется на один из резервных. Ожидающие резервные приборы могут находиться в состояниях:
нагруженный резерв – резервирующий прибор находится в работе, как и основной, интенсивность его отказов равна интенсивности отказов основного прибора λ ;
облегченный резерв – ожидающий прибор не полностью выполняет все требуемые функции, степень износа его ниже, чем у основного, поэтому интенсивность отказов за время ожидания в резерве меньше, чем у основного;
ненагруженный резерв – интенсивность отказов равна нулю (до подключения вместо выбывшего из строя узла).
11
|
Образцы решения типовых заданий |
|
Функции со случайными параметрами |
Пусть f0 (t), |
f1 (t), f 2 (t), … - обычные неслучайные функции, а |
u1 , u2 , … - |
случайные величины (случайные параметры), тогда |
X(t) = f0 (t)+ u1f1 (t)+ u2f2 (t)+ ... - случайная функция, а при заданных u1, u2 ... - некоторая реализация СП.
Набор типовых заданий
1)Построить область возможных траекторий СП ( uk распределены на конечных интервалах).
2)Вычислить и построить график математического ожидания СП.
3)Вычислить дисперсию, среднее квадратическое отклонение, корреляционную функцию СП.
4)Составить прогноз X(t 2 ) по заданному X(t1 ).
Пример 1. |
|
Задан случайный процесс X(t) функцией со |
|||||||||||
случайными параметрами u1 и u2 |
: |
|
|
|
|
|
|
|
|
||||
|
|
|
X(t) = 3 + u t + |
u2 |
, |
t ³ 0 . |
|
|
|
||||
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
1 |
t +1 |
|
|
|
|
|
|
|
Известны числовые характеристики случайных параметров : |
|||||||||||||
u1 [− 2;2], |
ξ1 = 1 , |
|
|
D1 = 2.25 , |
|
|
|
||||||
u |
|
[0;3], |
ξ |
|
= 1 , |
|
|
D |
|
= 1 , |
ρ = |
1 |
. |
2 |
2 |
|
|
2 |
|
||||||||
|
|
|
|
|
|
|
|
3 |
|
||||
Выполнить типовые задания для этого процесса.
1) Область возможных траекторий
X |
|
(t) = 3 + 2t + |
3 |
|
, |
X |
|
|
(t) = 3 − 2t , |
||
max |
t + 1 |
min |
|||||||||
|
|
|
|
|
|
||||||
|
|
3 - 2t £ X (t ) £ |
3 + 2t + |
|
3 |
. |
|||||
|
|
t + 1 |
|||||||||
2) Математическое ожидание СП
m x (t) = 3 + ξ1 t + |
ξ |
2 |
|
= 3 + t + |
1 |
. |
|
|
|
||||
t + |
|
|
||||
|
1 |
t + 1 |
||||
Изобразим результаты расчета на графике (рис. 1).
3) Вычислив корреляционный момент параметров u1 и u2 :
ρ = |
Κ |
|
|
|
|
|
|
3 |
|
σ2 = 1, |
|
, |
σ1 = D1 |
= 2.25 = 1.5 = |
, |
||||||||
σ1σ2 |
|||||||||||
|
|||||||||||
|
|
|
|
2 |
|
|
|||||
K = ρσ1σ2 = 13 × 32 ×1 = 12 ,
12
центрируем случайный процесс :
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
u 2 − ξ2 |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
X(t) = X(t) − m x (t) = (u1 − ξ1 )t + |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
t + 1 |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
и найдем корреляционную функцию СП: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Κ |
|
|
(t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
0 |
|
|
|
= |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
1 |
, t |
2 |
) = M X(t |
1 |
)X(t |
2 |
) |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
1 |
|
|
|
|
|
|
|
|
t 2 |
|
|
|
|
|
|
|
|
|
|
2 |
1 |
|
|
|
|
|
|
1 |
|
|
|||||||||||||
= M (u1 |
- ξ1 ) |
t1t 2 |
+ (u1 - ξ1 )(u 2 - ξ2 ) |
|
|
|
|
|
|
|
|
+ |
|
|
|
|
|
|
|
|
+ (u 2 |
- ξ |
2 ) |
|
|
|
|
|
|
× |
|
|
= |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+ 1 |
|
|
|
t1 + |
|
|
|
|
|
|
|
|
|
|
|
t1 + 1 t 2 + 1 |
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t 2 |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
= D 1 t |
1 t 2 + K |
t |
|
1 |
|
|
|
|
|
+ |
|
|
|
|
|
t |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
× |
|
|
|
|
|
|
1 |
|
= |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+ D 2 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t 1 + 1 t 2 + 1 |
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
t 2 |
|
+ 1 |
|
|
|
|
|
t 1 + 1 |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
= |
9 |
t |
1 t 2 + |
1 |
|
|
t |
1 |
|
|
|
|
|
+ |
|
|
|
|
|
t |
2 |
|
|
|
|
|
|
|
+ |
|
|
1 |
|
× |
1 |
. |
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+ 1 |
|
|
|
|
|
|
t 1 + |
|
|
|
|
|
|
|
|
|
t 1 + 1 t 2 + 1 |
|
|
|||||||||||||||||||||||||||
|
|
2 |
|
|
|
|
|
|
2 t 2 |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
K x (t 1 , t 2 ) = |
|
|
9 |
|
|
|
|
|
|
|
|
|
|
+ |
t 12 + t 1 + t 22 |
+ t 2 |
+ 2 |
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
t 1 t 2 |
|
|
|
|
|
2 |
|
(t 1 |
+ 1 )(t 2 |
+ 1 ) |
. |
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Xmax (t) |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
15 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
mx (t) |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
-5 |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Xmin (t) |
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
-10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
Рисунок 1
Найдем дисперсию и среднее квадратическое отклонение СП :
Dx (t) = K x |
(t, t) = |
9 |
t 2 |
+ |
t 2 + t + 1 |
, |
|
||||||||
2 |
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
(t + 1)2 |
||||||
σ x |
(t ) = |
D x |
(t ) |
= |
|
|
9 |
t 2 |
+ |
t 2 + t + 1 |
|
. |
|||
2 |
|
||||||||||||||
|
|
|
|
|
|
|
|
(t + 1)2 |
|||||||
4) Пусть известно: |
X(1) = 4 , составить прогноз для X(2). |
||||||||||||||
Используя уравнение линейной регрессии двумерной случайной величины
13
Y = M[Y]+ K (X − M[X]),
Dx
запишем уравнение линейной регрессии случайной величины X(2) на случайную величину X(1) :
X(2) = m x |
(2) + |
Κ x |
(1,2) |
(X(1)− m x |
(1)). |
||
D x (1) |
|
||||||
|
|
|
|
||||
Вычислим с помощью этого уравнения прогноз:
|
|
|
1 |
|
|
9 |
×1 × 2 + |
1 + 1 + 4 + 2 + 2 |
|
|
|
|
1 |
|
|||||||
|
|
|
|
2 |
|
2 × 2 × 3 |
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||
X(2) = 3 |
+ 2 |
+ |
|
|
+ |
|
|
|
|
|
4 |
- 3 |
+ 1 + |
|
|
= 4,396 . |
|||||
|
|
|
9 |
|
1 + 1 + 1 + 1 + 2 |
|
|
|
|||||||||||||
|
|
|
3 |
|
|
×1 ×1 + |
|
|
|
|
|
2 |
|
||||||||
|
|
|
|
|
|
|
|
2 |
|
2 × 2 × 2 |
|
|
|
|
|
|
|
|
|||
Процессы размножения и гибели
Некоторая система (физическая, биологическая, экономическая) может находиться в одном из состояний: E0 , E1, E2 , ....(индекс - число элементов в
системе). В случайные моменты времени система может совершать переход в соседнее состояние. Интенсивности переходов (среднее число переходов в единицу времени) :
λk |
- |
интенсивность переходов из состояния Ek |
в |
Ek +1 |
(интенсивность |
||||||||||||||||||
|
|
размножения), |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
νk |
- |
интенсивность переходов из состояния Ek |
в |
Ek −1 |
(интенсивность |
||||||||||||||||||
|
|
гибели). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
λ k −1 |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
λk |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
λ k+1 |
|
|||
|
|
|
|
|
|
Ek−1 |
|
|
νk |
|
Ek |
|
ν k +1 |
Ek+1 |
|
ν k + 2 |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
Рисунок 2 |
|
|
|
|
|
|
|||||
Вероятности состояний pk (t) удовлетворяют системе уравнений |
|||||||||||||||||||||||
|
p′ |
(t) = ν p |
1 |
(t) − λ |
0 |
p |
0 |
(t) |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
0 |
1 |
|
|
|
|
|
|
|
+ λ1 )p1 (t) |
|
|
|
|
|
|
||||||
|
′ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
p1 (t) = ν2p 2 (t) + λ0p0 (t) − (ν1 |
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
. . . . . . |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
(t) − (νk + λk )pk |
|
|
|
|
(1) |
|||||||||||
|
|
′ |
(t) = νk+1pk +1 (t) + λk −1pk −1 |
(t) |
|
|
|
||||||||||||||||
|
|
|
|
|
|||||||||||||||||||
|
pk |
|
|
|
|
||||||||||||||||||
|
|
|
|
|
. . . . . . |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
14
В общем случае решение задачи Коши для pk (t) представляет серьезную
математическую проблему. Для приближенного решения этой задачи можно применять различные методы, например с использованием рядов Маклорена [5].
Пример |
2. |
Система |
находится в состоянии Ek . Заданы |
интенсивности |
переходов λm |
и νm . Оценить вероятности состояний |
|
системы через малый промежуток времени t . Малым промежутком времени считаем такой, при котором выполняется неравенство
|
|
|
|
|
|
|
|
t < |
|
|
|
|
|
|
1 |
|
|
. |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
max λ |
k |
+ max ν |
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
||
Записываем разрешающую систему (1) в окрестности “k” : |
|
||||||||||||||||||||||||
p′ |
− 2 |
(t) = ν |
p |
k −1 |
(t)+ λ |
k −3 |
p |
k |
−3 |
(t)− (ν |
k - 2 |
+ λ |
k |
− 2 |
)p |
k − 2 |
(t), |
||||||||
k |
|
k −1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
p′k −1 (t) = νk pk (t)+ λk − 2pk − 2 |
(t)− |
(νk -1 + λk −1 )pk −1 (t), |
|
||||||||||||||||||||||
|
(t) = νk +1pk +1 (t)+ λk −1pk −1(t)− (νk + λk )pk (t), |
|
|
|
|||||||||||||||||||||
p′k |
|
|
|
||||||||||||||||||||||
′ |
+1(t) = νk + 2pk + 2 (t)+ λk pk (t)− (νk +1 + λk +1 )pk +1 (t), |
|
|||||||||||||||||||||||
pk |
|
||||||||||||||||||||||||
′ |
+ 2 (t) = νk + 3pk + 3 (t)+ λk +1pk +1(t)− (νk + 2 + λk + 2 )pk + 2 (t). |
||||||||||||||||||||||||
pk |
|||||||||||||||||||||||||
Учитывая малость |
t , полагаем : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
pm ≡ 0, |
|
m − k |
|
> 2 , |
|
|
|
λk+2 = 0 , |
|
νk−2 = 0 |
||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||||
(система не может за малый промежуток времени совершить более двух переходов). Бесконечная система дифференциальных уравнений примет усеченный конечный вид:
p′kp′k′pkp′kp′k
− 2 (t) = νk −1pk −1(t)− λk − 2pk − 2 (t), |
|
|
−1(t) = νkpk (t)+ λk − 2pk − 2 (t)− (νk -1 + λk −1 )pk −1(t), |
|
|
(t) = νk +1pk +1(t)+ λk −1pk −1(t)− (νk + λk )pk (t), |
(2) |
|
+1(t) = νk + 2pk + 2 |
(t)+ λk pk (t)− νk +1pk +1(t), |
|
+ 2 (t) = λk +1pk +1 |
(t)− (νk + 2 + λk + 2 )pk + 2 (t). |
|
Точное решение даже усеченной разрешающей системы (2) в общем случае связано с поиском корней характеристического уравнения 5-й степени. Поэтому только в отдельных случаях можно получить точную картину поведения вероятностей.
Рассмотрим алгоритм приближенного решения задачи методом рядов.
1)Вводим вектор P(t) = {pk −2 (t),..., pk +2 (t)}, записываем для него частичную сумму ряда Маклорена:
P( t) ≈ P(0) + P (0) |
t + 2 P (0)( |
t) |
|
. |
(3) |
|||||||||
|
|
|
|
|
′ |
1 |
|
|
′′ |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
15
2) Используя уравнения |
(2), находим |
|
′ |
|
|
′′ |
по формуле (3) |
|
|
|
|||||
P (0), |
P (0) и |
||||||
получаем приближенное распределение вероятностей через время t . |
|||||||
Пример. 3. Дано: |
p3 (0) = 1, νk = 2 , |
λk = k , |
t = 0,1. |
||||
Найти вероятности состояний системы через время t . |
|
||||||
Решение. Вычислим производные вероятностей состояний
p (t) = 2p (t) − p (t), |
|
|||
|
′ |
2 |
1 |
|
|
1 |
|
||
p′2 |
(t) = 2p3 |
(t) +p1(t) − 4p2 |
(t), |
|
p′3 |
(t) = 2p4 |
(t) + 2p2 (t) − 5p3 (t), |
||
|
′ |
(t) = 2p5 (t) + 3p3(t) − 6p4 (t), |
||
p4 |
||||
|
′ |
(t) = 4p4 (t) − 2p5 (t). |
|
|
p5 |
|
|||
|
′′ |
′ |
2 |
′ |
|
|
|
|
|
|||
p1(t) = 2p |
|
(t)− p1(t), |
|
|
|
|
||||||
|
′′ |
(t) = 2p |
′ |
3 |
′ |
|
|
′ |
(t), |
|||
p2 |
|
|
(t)+ p1(t)− 4p |
2 |
||||||||
|
′′ |
′ |
4 |
′ |
|
|
′ |
(t), |
||||
p3 |
(t) = 2p |
|
|
(t)+ 2p2 (t)− |
5p3 |
|||||||
|
′′ |
|
′ |
|
|
′ |
|
|
′ |
|
|
|
p4 |
(t) = 2p5 |
(t)+ 3p3 |
(t)− 6p4 (t), |
|||||||||
|
′′ |
′ |
|
|
′ |
(t). |
|
|
|
|
||
p5 |
(t) = 4p |
4 |
(t)− 2p5 |
|
|
|
|
|||||
Учитывая, что p 3 (0) = 1, запишем вектор вероятностей при t = 0:
P (0 ) = {0; 0; 1; 0; 0}.
Подставляя его компоненты в формулы для производных, найдем:
P ′(0 ) = {0;2;− 5;3;0} и P ′′(0 ) = {4;− 18 ;35 ;− 33 ;12 }.
Теперь есть вся информация для получения результата по формуле (3) :
P (0.1) = {0; 0;1; 0; 0} + 0,1{0; 2; − 5; 3; 0}+ 0,005 {4; − 18; 35; − 33;12} =
= {0.02 ; 0.11; 0.675 ; 0.135 ; 0.06 }
Ответ: Вероятности состояний системы через время 0.1 таковы:
p1 = 0.02 , p 2 = 0.11 , p3 = 0.675 , p 4 = 0 .135 , p5 = 0.06 .
Процесс резервирования
Рассматривается простейшая модель резервирования без восстановления. Имеются основной прибор и один или два резервных прибора. При выходе из строя основного прибора он заменяется резервным и так до тех пор, пока все приборы не выйдут из строя. Этот момент означает, что система потеряла работоспособность. Один из основных вопросов теории резервирования – надежность систем. Надежность можно оценить, например, математическим ожиданием времени жизни системы (периода работоспособности), вероятностью работоспособности системы в данный момент времени.
Обозначим:
λ1 - интенсивность отказов основного прибора, а также резервного после момента замены им основного прибора.
16
λ2 - интенсивность отказов первого резервного прибора;
λ3 - интенсивность отказов второго резервного прибора;
резервный прибор может находиться:
внагруженном состоянии - λ k = λ1 ,
воблегченном резерве - 0 < λ k < λ1 ,
вненагруженном состоянии - λ k = 0 ;
p k (t) - вероятность того, что в момент времени t в системе имеется k приборов (функционирующий прибор плюс резервные приборы).
Разрешающая система имеет цепной характер :
p′3 (t)+ (λ1 + λ 2 + λ3 )p3 (t) = 0, |
p3 (0) = 1, |
|
||
|
|
(t) + (λ1 + λ 2 )p2 (t) = (λ1 + λ 2 + λ3 )p3 (t), |
pk (0) = 0, |
|
p′2 |
(4) |
|||
′ |
(t)+ λ1p1 (t ) = (λ1 + λ 2 )p2 (t), |
(k < 3). |
||
p1 |
|
|||
|
|
(t) = 1 − p3 (t) − p2 (t) − p1(t). |
|
|
p0 |
|
|
|
|
Если резервный прибор всего один, то система становится проще :
p′2 |
(t) + (λ1 + λ 2 )p2 (t) = 0, |
|||||
p1′ |
(t) + λ1p1 (t) = (λ1 |
+ λ 2 )p2 (t), |
||||
p |
0 |
|
(t) = 1 − p |
2 |
(t) − p |
(t). |
|
|
|
1 |
|
||
p2 (0) = 1, |
|
pk (0) = 0, |
(5) |
(k < 2) . |
|
Решив систему уравнений, можно найти основные параметры:
1 − p0 (t) − вероятность рабочего состояния в момент времени t ,
∞
∫ tp′ (t)dt − математическое ожидание времени жизни.
0
0
Пример 4. Резервируется ответственный узел (устройство) некоторого агрегата, системы. Частота отказов основного устройства - 2 (в ед. времени). Имеются два резервных устройства: одно в облегченном резерве, с частотой отказов 1 (в ед. времени), а второе резервное - в ненагруженном состоянии. После отказа любого из устройств одно из двух оставшихся будет функционировать как основное, а другое будет в облегченном резерве. Устройство, оставшееся затем в одиночестве, функционирует как основное. При выходе из строя и этого устройства считается, что данный агрегат прекратил свое существование (работоспособность). Вычислить среднее время функционирования агрегата (до выхода из строя).
В данном случае имеем: λ1 = 2 , λ2 = 1, λ3 = 0 . Запишем с этими параметрами систему уравнений (4):
17
p′3 |
|
(t)+ 3p3 |
(t) = 0, |
|
|
|
||
p′2 |
(t)+ 3p2 |
(t) = 3p3 (t), |
|
|||||
′ |
(t)+ 2p1(t) = 3p2 |
(t), |
|
|||||
p1 |
|
|||||||
p |
|
(t) = 1− p |
3 |
(t)− p |
2 |
(t)− p (t) . |
||
0 |
|
|
|
|
1 |
|||
p3 (0) = 1, pk (0) = 0, (k < 3).
1) С учетом начального условия p3 (t) = e−3t .
2) Второе уравнение p′2 (t)+ 3p2 (t) = 3e−3t имеет резонансную правую часть
и частное решение : p2 (t) = 3te−3t .
3)Решив третье уравнение системы p1′ (t) + 2p1(t) = 9te−3t , получим :
p1 (t) = 9(e−2t − (t + 1)e−3t ).
4) Находим вероятность гибели агрегата (потери работоспособности) : p0 (t) = 1 − p1 (t) − p 2 (t) − p3 (t) = 1 − 9e−2 t + (6t + 8)e−3t .
Примечание. При правильном решении задачи p0 (t) должно быть монотонно возрастающей функцией. Проверим полученное решение на монотонное возрастание:
p |
′ |
(t) = 18e |
−2 t |
− 18(t + 1)e |
−3t |
= 18e |
−3 t |
(e |
t |
− t − 1)> 0 . |
0 |
|
|
|
|
5)Вычислим математическое ожидание времени выхода из строя последнего устройства (среднее время жизни изучаемого объекта) :
|
∞ |
|
∞ |
|
|
|
|
1 |
2 |
|
1 |
|
||
|
|
|
|
|
|
|
|
|
||||||
M[τ] = |
∫ |
tp′ |
(t)dt =18 |
∫ |
(te−2t |
− (t |
2 + t)e |
−3t )dt =18 |
|
− |
|
+ |
|
|
|
|
|
||||||||||||
|
0 |
|
|
|
|
|
|
27 |
|
|
|
|||
|
0 |
|
|
0 |
|
|
|
4 |
|
9 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Сравним 76 с работой узла без резервирования:
∞
M[τ] = ∫ te − 2 t dt = 1 . 2
0
Резервирование увеличило среднее время жизни в 2,33 раза.
Цепи Маркова с дискретным временем
=7 .
6
Некоторая система может находиться в одном из состояний: E1, E 2 , ...E n . В определенные моменты времени система может перейти с некоторой вероятностью в другое состояние. Отрезки времени между моментами переходов называют обычно «шаги»: на первом шаге система
находилась в состоянии E1 , на втором - в состоянии E 2 |
и т.д. Обычно |
|
обозначают: |
|
|
pi (k) |
- вероятность того, что на k -м шаге система находится в состоянии |
|
|
Ei ; |
|
pij (k) |
- вероятность того, что система, находившаяся на |
k -м шаге в |
|
состоянии Ei , перейдет на следующем шаге в состояние E j . |
|
18
Если ввести вектор состояний P(k) = {p1(k),p2 (k),...pn (k)} и матрицу перехода
p |
(k) |
p (k) |
... |
p |
(k) |
|
11 |
|
12 |
|
1n |
|
|
p21(k) |
p22 (k) |
... |
p2n |
(k) |
||
A(k) = |
|
... |
... |
... |
, |
|
... |
|
|||||
|
(k) |
pn2 (k) |
... |
|
|
|
pn1 |
pnn (k) |
|||||
то получим рекуррентную формулу P(k +1) = P(k)A(k) . Цепь Маркова называют однородной, если матрица перехода не зависит от номера шага k:
A(k) = A , k .
Остановимся на однородных марковских процессах. Имеет место теорема Маркова [8, 10].
Если все элементы матрицы А положительны, то существуют пределы:
|
|
~ |
|
|
|
pi = lim pi (k) . |
|
|
~ |
k → ∞ |
|
Числа |
называются предельными или финишными вероятностями |
||
pi |
состояний системы. Такая марковская цепь является эргодической, т.е.
вероятности |
~ |
являются предельными значениями частот состояний : |
pi |
~ |
= lim |
n i |
|
|
pi |
|
, |
||
n |
||||
|
n→∞ |
|
где ni - число наблюдений системы в состоянии Ei за n шагов.
Для поиска предельных вероятностей нужно вычислить собственный вектор матрицы перехода, соответствующий собственному числу 1:
|
~ |
~ |
|
P = PA , |
|
n |
~ |
= 1. |
при дополнительном условии ∑ pi |
||
i =1
Типовые задания
1Записать матрицу по графу системы.
2Изобразить граф системы по заданной матрице.
3Найти предельные вероятности заданной системы ( n ≤ 3 ). (Вычислить процентное соотношение времен нахождения системы в каждом из состояний).
4По заданному распределению вероятностей на k-м шаге системы вычислить распределение вероятностей на (k +1) или (k +2) шаге.
5Вычислить математическое ожидание марковского процесса с заданной матрицей и числовыми значениями начальных состояний.
Пример 5. Некоторая экономическая система в состоянии E1 получает 2000 грн. прибыли. На следующий день эта экономическая
19
система с вероятностью 0.3 может перейти в состояние E 2 и получить в этом состоянии 500 грн. прибыли или остаться в состоянии E1 . Из состояния E 2 с вероятностью 0.4 система может вернуться в E1 или перейти в состояние E3 с вероятностью 0.6. Состояние E3 означает для этой экономической системы 4500 грн. убытков. Из E3 система обязательно переходит в E1 . Все переходы возможны один раз в сутки.
Изобразить граф системы и записать матрицу ее переходов. Найти предельные вероятности для состояний данной системы, вычислить процентное соотношение времен нахождения системы в каждом из состояний. Вычислить среднюю суточную прибыль системы.
Решение. Изобразим граф этой экономической системы :
|
|
|
E1 |
|
|
|
|
|
|
|
0.3 |
|
|
1.0 |
|
|
|
|
|||
|
|
|
|
|
|
|||||
0.4 |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
E2 |
|
0.6 |
|
|
|
E3 |
|
|
|
|
|
Рисунок 3 |
|
|
|
|
|
|
|
|
|
|
|
0.7 |
0.3 |
0 |
|
|
|
||
|
|
|
|
|
0 |
0.6 |
|
|
|
|
Запишем матрицу переходов: |
A = 0.4 |
|
|
|
||||||
|
1 |
0 |
0 |
. |
Введем вектор |
|||||
|
|
|
|
|
|
|
||||
предельных вероятностей состояний системы: |
P = {u, v, w}. |
По смыслу |
|||||
предельных вероятностей запишем матричное уравнение |
P = PA и |
||||||
преобразуем его в скалярную форму: |
|
|
|
|
|
|
|
0.7u + 0.4v + w = u, |
− 0.3u + 0.4v + w = 0, |
|
− 0.3 |
0.4 |
1 |
|
|
|
|
||||||
|
|
= |
0.3 |
−1 |
0 |
|
|
0.3u = v, |
0.3u − v = 0, |
|
|
||||
0.6v = w; |
0.6v − w = 0. |
|
0 |
0.6 |
−1 |
|
|
|
|
|
|
|
|
|
|
Сумма всех строк определителя равна нулю, следовательно, |
= 0 . Одно из |
||||||
уравнений является следствием остальных. Заменим первое уравнение на основное свойство вероятностей полной группы событий:
u + v + w = 1, |
|||
|
|
.3u − v |
= 0, |
0 |
|||
|
0 |
.6 v − w |
= 0, |
|
|||
20
