- •Основные понятия и определения теории вероятностей. Классическое определение вероятростей.
- •Статистическая вероятность
- •Сумма событий. Теорема сложения вероятностей.
- •Произведение событий. Теорема умножения вероятностей.
- •Локальная и интегральная теоремы Лапласа.
- •Дискретные случайные величины.
- •Дискретные случайные величины.
- •Числовые характеристики дискретных случайных величин.
- •Непрерывные случайные величины.
- •Числовые характеристики непрерывных случайных величин.
- •Биномиальный закон распределения.
- •Нормальный закон распределения
- •Двумерные случайные величины.Интегральная и дифференциальная функции распределения вероятностей.Одномерные законы распределения.
- •Дискретные случайные величины.
- •Интегральная функция распределения двумерной случайной величины.
- •Вероятность попадания случайной величины в квадрат бесконечных полусумм прямоугольников.
- •Зависимые и независимые случайные величины.
- •Основные понятия математичесКой статистиКи
- •Доверительные интервалы. Доверительная вероятность.
- •Доверительный интервал для оценки математического ожидания при известном .
- •Доверительный интервал для оценки математического ожидания при неизвестном .
- •Статистические гипотезы. Проверка гипотез. Критерий Пирсона.
- •Элементы корреляционного анализа.
- •Линейное програмирование Задачи линейного программирования лесной промышленности.
- •Нормальная кононическая форма задач линейного программирования
- •Геометрический метод решения задач линейного программирования.
- •Симплекс метод
- •Первый этап: построение первоначального базисного плана.
- •Второй этап: проверка (критерий) оптимальности.
- •Третий этап: указание процедуры целенаправленного перехода к следующей крайней точке.
- •Симплекс таблица
- •Метод искусственного базиса в м задачах
- •Транспортная задача.
- •Основные понятия теории массового обслуживания Потоки событий
- •Пуассоновский и простейший потоки. Потоки Пальма и Эрвина.
- •Предельная теорема теории потоков
- •Сложение, разряжение и независимость потоков
- •Марковские процессы
- •Уравнения Колмогорова для вероятностей состояния
- •Эргодические Марковские случайные процессы. Стационарный режим работы системы.
Пуассоновский и простейший потоки. Потоки Пальма и Эрвина.
Среди всех потоков событий особое место занимают так называемые потоки Пуассона, использование которого облегчает решение многих прикладных задач теории массового обслуживания.
Поток Пуассона
Поток Пуассона – поток, обладающий двумя свойствами: ординарностью и беспоследействием.
В курсе теории вероятностей доказывалось, что для Пуассоновского потока число событий приходящихся на промежуток времени вычисляется по формуле Пуассона:
- среднее число событий поступающих на интервал времени , принадлежащий к моменту времени t. Другими словами – математическое ожидание.
Если Пуассоновский поток является регулярным, т.е. , то . Другими словами среднее число событий равно произведению интенсивности на длину промежутка времени :
Простейший поток – стационарный Пуассоновский поток, обладающий тремя свойствами:
ординарность
беспоследействие
стационарность
Поток назван простейшим, потому что применение простейших потоков к анализу различных систем массового обслуживания приводит к наиболее простым результатам. На практике потоки событий являются если не простейшими, то их можно свести к простейшим.
Не трудно показать, что для стационарного потока промежутки времени, т.е. интервалы между двумя случайными событиями распределены по показательному закону распределения: , математическое ожидание ,
, .
Следующей ступенью сложности по сравнению с простейшим потоком является Поток Пальма.
Поток Пальма – ординарный поток событий, в котором интервалы времени представляют случайные величины (независимые и одинаково распределенные).
Поток Эрвина.
Его получают путем особого преобразования (прореживания). Это преобразование осуществляется путем выбрасывания из простейшего потока некоторых событий.
Пример:
Пусть имеется простейший поток. Мы из него последовательно выбрасываем каждое второе событие (поток Эрвина первого порядка).
Если выбрасывать два события, а оставлять третье, то поток второго порядка, и т.д.
Поток k-ого порядка – поток событий, получающийся из простейшего потока, когда сохраняется каждое k-я точка (событие), а промежуточные точки выбрасываются.
28
Предельная теорема теории потоков
Из теории вероятностей известна центрально-предельная теорема, которая гласит, что если складывается достаточно большое число независимых случайных величин, подчиненных определенным условиям, то их сумма будет распределена по нормальному закону распределения. Поэтому нормальный закон распределения широко распространен в природе и используется в практике. Аналогичную роль в теории массового обслуживания играет Пуассоновский поток событий.
В большинстве исследований предполагают, что потоки событий, определяющие процесс, являются Пуассоновскими. Данное допущение делается не только потому, что это упрощает исследования, но потому, что во многих случаях оно близко к истине. Пуассоновские потоки – предельные потоки для других потоков событий. Если поток получила в результате сложения большого числа потоков, то полученный поток в достаточно широком диапазоне условий является Пуассоновским или близким к нему.
Пример:
Техническое устройство состоит из многих элементов, работа которых необходима для работы всего устройства. В этом случае поток отказов каждого из элементов будет влиять на работу технического устройства, а поток отказов всего устройства равен сумме отказов его элементов и поэтому будет являться Пуассоновским.
Если взять поток событий и случайным образом проредить этот поток, то после нескольких прореживаний мы получаем Пуассоновский поток.
Пример:
Поток годных изделий получается из потока всех изделий, если выбраны негодные изделия.
Предельная теорема для суммарного потока: сходимость суммы независимых, ординарных и стационарных потоков просто сходится к простейшему потоку. При этом условия приблизительно такие же, как и условия, наложенные на случайную величину в теории вероятностей:
складываемые потоки должны оказывать более или менее одинаковое влияние на суммарный поток:
с увеличение числа слагаемых потоков интенсивность не должна стремиться к 0.
Важно отметить, что сходимость суммарного потока довольно быстрая практически. Можно считать, что сложение 4-5 ординарных стационарных одинаковых потоков, сравнимых по интенсивности, дает простейший поток.
25.