- •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
48. Система обслуживания м / м / n
Это многолинейная система с ожиданием. Если обслуживанием заявок заняты все n линий, то интенсивноситт облуживания равна n . Граф переходов для этой СМО имеет вид
. . . . . .
2 (n-1) n n n
Стационарное распределение существует, если
Уравнения равновесия имеют вид
откуда, получаем
Условие нормировки в этом случае принимает вид
откуда следует, что
Среднее число заявок в системе в стационарном режиме равно
.
52.Прямое уравнение Колмогорова для диффузных процессов
Теорема.Пусть имеется диффузный процесс, т. е. выполняются соотношения
Существует плотность распределения и существуют производные
Тогда плотность f удовлетворяет уравнению
которое называется прямым уравнением Колмогорова (уравнением Колмогорова – Фоккера – Планка)
Доказательство.
Пусть R(y) - неотріцательная непрерывная функція такая, что R(y) = 0, если у < a и у > b
(4)
R(y)
a b y
Рассмотрим интеграл
Солгасно обобщенномцу уравнению Маркова
(f )
и, если заменить s на , то
.
Поэтому
После замены в двойном интеграле у на z, а z на у, получим
(5)
Разложим функцию R(z) в ряд Тейлора в окрестности точки z = y:
.
Так как в силу ограничения функции R(z) и условия (1)
, то выражение в квадратной скобке (5) с учетом разложения в ряд Тейлора принимает вид:
Таким образом,
Далее, с учетом(2), (3) и (4) , имеем
Воспользовавшись формулой интегрирования по частям и равенствами (4), находим, что
В результате подстановки полученных выражений в (6) получаем
или
.
Так как на промежутке функция R(y) не меняет знак, последнее соотношение может быть справедливо только тогда, когда
Таким образом, получили уравнение Колмогорова – Фоккера- Планка, которое вместе с начальным условием однозначно определяет функцию .
53. Стохастический интеграл Ито
Разобьем интервал точками а = t1 < t2 < …< tn-1 = b, и рассмотрим интегральную сумму
Если существует предел в среднем квадратичном (lim через точки)
то он называется стохастическим интегралом в форме Ито.
Так как диффузионный процесс недифференцируем ни в одной точке, то интеграл Ито обладает рядом свойств, отличных от интеграла Римана.