- •1. Классическое и геометрическое определение вероятности, элементы комбинаторики
- •2. Аксематическое определение вероятности. Свойства вероятности.
- •3. Формула полной вероятности. Формула Байеса.
- •4. Схема независимых испытаний Бернулли. Предельная теорема Пуассона.
- •5. Классификация случайных величин.
- •2) Непрерывные случайные величины.
- •6. Математическое ожидание и его свойства.
- •7. Дисперсия и ее свойства.
- •Свойства дисперсии:
- •8. Характеристические функции и их свойства.
- •Свойства характеристической функции :
- •Способы описания св:
- •9.Теорема об обращении характеристической функции.
- •1 1. Виды сходимости случайных последовательностей.
- •13.Критерий сходимости в среднем квадратичном.
- •15. Усиленный закон больших чисел.
- •16. Центральная предельная теорема.
- •10.Производящие функции и их свойства.
- •17. Определение случайного процесса.
- •19. Статистические средние характеристики случайных процессов.
- •20. Сходимость в среднем квадратичном для случайных процессов.
- •21. Непрерывность случайных процессов.
- •22. Дифференцируемость случайных процессов.
- •23. Интегрирование случайных процессов.
- •24. Стохастические обыкновенные дифференциальные уравнения.
- •25. Процессы с независимыми приращениями.
- •26. Гауссовский случайный процесс.
- •27. Винеровский случайный процесс.
- •28. Марковские случайные процессы и цепи маркова определения.
- •29. Однородные цепи Маркова.
- •32. Уравнения Чепмена-Колмогорова.
- •33. Нахождение вероятностей переходов с помощью производящих функций.
- •34. Классификация состояний цепи Маркова по арифметическим свойствам вероятностей перехода
- •35. Свойство периода состояния.
- •36. Классификация состояний по асимптотическим свойствам переходных вероятностей
- •37. Критерий возвратности состояний.
- •38.Эргодические цепи Маркова
- •40. О средних временах переходов между состояниями
- •41. Стационарные цепи Маркова
- •42. Оптимальные стратегии в марковских цепях
- •43. Система диф.Ур-ий Колмогорова для однородной цепи Маркова с конеч.Числом состояний.
- •44. Процесс гибели и размножения
- •49. Обобщенное уравнение Маркова
- •50.Диффузионные процессы
- •51. Обратное уравнение Колмогорова
- •45. Марковские системы массового обслуживания.
- •Рассмотрим систему с простейшим потоком и экспоненциальным обслуживанием
- •46. Система обслуживания м / м / 1
- •47.Система м / м / n / 0
- •48. Система обслуживания м / м / n
- •52.Прямое уравнение Колмогорова для диффузных процессов
- •53. Стохастический интеграл Ито
- •54. Стохастический интеграл в форме Стратоновича
- •55. Стохастические дифференциальные уравнения
- •39. Закон больших чисел для цепей Маркова с конечным числом состояний.
- •57. Стационарность гауссовского случ.Процесса.
- •58. Теорема Бохнера., спектральная плотность случ.Процесса.
- •60. Мартингалы.
- •18. Пуассоновский случ.Процесс
- •Классическое и геометрическое определение вероятности, элементы комбинаторики
51. Обратное уравнение Колмогорова
Т.1. Пусть существуют непр-ные частные производные 1-го и 2-го порядков при любых значениях И пусть выполнены условия (12.5)-(12.7). Тогда функция удовлетворяет уравнению
которое называется обратным уравнением Колмогорова.
Д-во. Заменив в обобщенном уравнении Маркова
(12.3) t на и используя условие нормировки для ф.р., получим
Тогда
(12.12)
При сделанных нами предположениях по формуле Тейлора имеет место равенство
Тогда, подставляя это выражение в (12.12) и используя (12.5) (12.7), далее будем иметь
(12.13)
Последнее слагаемое стремится к нулю при . Но т.к. левая часть равенства (12. 12) от (12.5) не зависит и пределы (12.6) и (12.7) также от 8 не зависят, выражение (12.13) существует и равно
что и приводит нас к уравнению (12.11).
где (12.5) (12.7)
30. Простейший поток событий.
Простейшим (Пуасоновским) потоком событий называется поток обладающий следующими тремя свойствами
А) Стационарность (вероятность появления k-событий на любом промежутке времени зависит только от числа событий k и от длительности промежутка времени и не зависит от начала и конца отсчета времени).
В) Отсутствие последействия (вероятность появления события на любом промежутке времени не зависит от того появились или не появились события в моменты времени предшествующие началу рассматриваемого промежутка)
С) Ординарность (появление двух или более событий за малый промежуток времени практически не возможно)
Интенсивностью потока называется среднее число событий простейшего потока за время t определяется по формуле Пуассона
Отображает все свойства простейшего потока.
Свойства А, В выполняются т.к. в формуле не используется информация о появлении событий до начала рассматр. промежутка.
45. Марковские системы массового обслуживания.
Пусть -число заявок в системе в момент времени t . Вероятностное распределение - после момента t определяется
А)числом заявок в момент t
б) моментами поступления заявок после момента t и
в) моментами окончания оьслуживания заявок после момента t
Рассмотрим систему с простейшим потоком и экспоненциальным обслуживанием
В силу отсутствия памяти у экспоненциального распределения, моменты поступления заявок после момента t не зависят от предистории системы до момента t. Аналогично моменты окончания обслуживания заявок после момента t так же не зависят от предистории системы до момента t.
П оэтому вероятное поведение процесса после момента t зависит только от и не зависит от поведения до момента t . Поэтому -марковский процесс с конечным или счетным числом состояния
В большинстве рассмотренных моделей -процесс гибели и размножения с графом переходов
Ур-ния для стационарных вероятностей состояний (ур-ния равновесий)
(1)
i=1,2... (2)
Из (2) при i=1 отнять соотн. (1) получим
Если из (2) при i=2 отнять последнее то получим
...
n=0,1,2... (3)
Параметр экспоненциального распределения , времени обслуживания заявок,
- обозначим вероятность поступления k-заявок за время t, -вероятность поступления двух и более заявок за время t.
(4)
(5)
(6)
-вероятность поступления заявок
рассмотрим однолинейную систему масс.обсл.
(за время t будет обслужено k заявок, что в момент t обслуживается некот. заявок)
-обозначим аналогичную вероятность обслуживания k и более заявок
(время обслуживания 1 и более заявок будет меньше либо равно )
(7)
Если бы линия работала непрерывно, то моменты окончания обслуживания заявок образовывали бы простейший поток с параметром , и вероятность которую при данном предположении была бы в силу одинарности равна
За маленький промежуток времени обслуживаются заявок
(8)
(9)
Рассмотрим n-линейную СМО
линии работают независимо друг от друга
(за время будет обслужено k заявок)
(10)
А- входящий поток заявок, N- количество мест для ожидания системы
М-входящий поток заявок простейший, Вторая М-обслуживание является экспоненциальным, 1- однолинейная
- неограниченное число мест, -число заявок системы в момент времени t
Определим вероятности перехода для
из (4),(9),(8) ,
из (5),(7),(6)
из (4),(7) ,
,
-коэфициент загрузки системы
, n=1,2...
где - вероятность того, что в стац. сост. решение наход. n-заявок
;
,
, n=0,1,2... (13)
При рассмотрении послед. систем МО выражение для переход. вероятностей находятся таким же образом соотнош.(4)-(12) поэтому в дальнейшем мы будем изобр. граф перехода для соотв. процесса гибели и размножения.
31.Пуассоновский случайный процесс как однородная цепь Маркова с непрерывным временем.
Покажем, что пуассоновский процесс является цепью Маркова. В силу отсутствия последствия
Поэтому, используя определение условной вероятности, имеем:
Кроме того, получим:
Таким образом, значит, -цепь Маркова.