- •Очевидно, что
- •Положим . Очевидно, что из приведенных построений следует, что
- •Для любого момента времени t и
- •Тогда решение уравнения (17) имеет вид для .
- •Теорема 26. Пусть выполнены условия теоремы 25. Тогда выходной поток является пуассоновским с интенсивностью .
- •Это утверждение следует из того, что и усиленного закона больших чисел.
- •Доказательство. Пусть . Очевидно, что (докажите это неравенство самостоятельно). Заметим, что Поэтому (5)
- •Теорема 38. Для того чтобы n-мерный мпш был диффузионным достаточно, чтобы соответствующая ему переходная вероятность удовлетворяла условиям:
Мультивариантный точечный процесс, k-вариантный точечный процесс.
Определение. Мультивариантным точечным процессом на называется последовательность , где - марковские моменты такие, что: а) ; б) на множестве ; в) на множестве ; а на множестве и на множестве где - некоторая "фиктивная" точка, причём для .
По мультивариантному точечному процессу легко построить опциональный случайный процесс с кусочно-постоянными траекториями. Действительно, для любого n положим
Очевидно, что таким образом построенный случайный процесс является согласованным и его траектории непрерывны справа и имеют конечный левый предел, т. е. принадлежат пространству Скорохода.
Обозначим - число попаданий мультивариантного точечного процесса в множество за время t. Очевидно, что считающий процесс, поэтому - субмартингал (относительно меры Р). Стало быть, по теореме Дуба-Мейера существует единственный предсказуемый возрастающий процесс такой, что мартингал, т. е. - компенсатор.
Определение. Пусть Е - конечное или счётное множество, причем , в этом случае мультивариантный точечный процесс будем называть k-вариантным.
Пусть , где опциональный процесс построенный по мультивариантному точечному процессу с кусочно-постоянными со значениями в Е, где Е - конечное или счетное множество. Через обозначим элементы множества Е и назовем их состояниями. Пусть - одноточечное множество, т.е. . Через обозначим число попаданий процесса за время t в состояние i. Очевидно, что: 1) , 2) , где марковские моменты такие, что . Справедливо утверждение.
Предложение 1. Пусть - считающий процесс. Тогда для любых и Р - п. н. справедливы представления:
1)если , то
,
где ,
2)
Доказательство. 1) Так как , то, очевидно, что P – п. н. для любых ,
.
Получившееся равенство перепишем в виде интеграла Римана-Стилтьеса, имеем P – п. н. .
Отсюда следует первое утверждение предложения.
2) Так как марковские моменты нагружают процесс , то P – п. н. для любого . Поэтому P – п. н. для любого . Следовательно, P – п. н. для любых , , имеем
Последнее равенство перепишем в виде интеграла Римана – Стилтьеса, имеем P – п. н. . Доказательство закончено.
Матрица интенсивностей перехода. Условия существования матрицы интенсивностей перехода (Теорема 3).
Пусть на стохастическом базисе задан опциональный процесс со значениями в Е, где Е – конечное или счетное множество. Пусть – последовательность марковских моментов, которая исчерпывает все скачки процесса . Без ограничения общности можно считать, что . Пусть - считающий процесс, а , относительно которых мы будем предполагать, что выполняются условия (N):
i) для любого ;
ii) .
Если выполнено условие ,то у считающего процесса существует - компенсатор , относительно которого мы будем полагать, что выполняется условие (А):
P – п. н. для любых , причем
измерима, где .
Предложение 2. Пусть опциональный случайный процесс с конечным или счетным множеством состояний E, а -считающий процесс. Пусть выполняются условия (N), (А). Тогда существует измеримая функция , обозначаемая такая, что:
1) почти всюду относительно меры Лебега:
i) для любых ,
ii) для любых ;
2) компенсатор считающего процесса имеет вид ;
3) компенсатор процесса имеет вид .
Доказательство. 1) Рассмотрим считающий процесс , . В силу пункта 2) предложения 1 и теоремы Блекуэлла для любой предсказуемой ограниченной неотрицательной функции справедливо равенство:
. (7)
Из условия (А) следует, что - измерима, поэтому в силу теоремы Бореля, существует измеримая функция , обозначаемая через , такая, что почти всюду относительно меры . Очевидно, что . Поэтому (7) можно переписать в виде .
Из последнего равенства, в силу произвольности функции получаем, что:
1) для почти всех s, 2) -компенсатор считающего процесса . Таким образом, второе утверждение предложения установлено.
3) Рассмотрим процесс . Из определения процесса и условий предложения для любой - предсказуемой ограниченной неотрицательной функции определен и конечен интеграл для любого . В силу условий предположения и свойств интеграла Стилтьеса, имеем
(8)
Ранее мы выяснили, что - компенсатор считающего процесса имеет вид . Поэтому для любых t,i из (8) имеем
Следовательно, в силу произвольности функции , получаем для любых и почти всех s. Отсюда, в силу теоремы Блекуэлла и произвольности , получаем, что предсказуемый процесс является компенсатором процесса . Доказательство закончено.
Из предложения 2 следует определение.
Определение. Измеримую функцию , обозначаемую через , где , назовем матрицей интенсивности перехода опционального процесса с конечным или счетным числом состояний, если выполняются условия:
1) для почти всех s
i) для любых ,
ii) для любого ,
iii) .
2) относительно потока и меры P процессы и :
i) ,
ii)
являются мартингалами.
Теорема 3. Пусть выполнены условния (N) и (A), тогда матрица интенсивности перехода существует у опционального процесса с конечным или счетным числом состояний.
Пусть - опциональный процесс с кусочно-постоянными траекториями, у которого существует матрица интенсивностей перехода. Тогда справедливо равенство
где – мартингал (Теорема 4).
Теорема 4. Пусть выполнены условия (N), (А) (см. вопрос 2). И пусть - матрица интенсивности перехода опционального процесса с конечным или счетным числом состояний. Тогда Р – п.н. справедливо представление для любых и .
. (9)
где - мартингал.
Доказательство. Первое утверждение следует из предложения 2. Второе утверждение теоремы следует из предложений 1 и 2.
Действительно, из пункта 1) предложения 1 и пункта 3 предложения 2, имеем P – п.н.
Здесь мы учли, что . Для завершения доказательства осталось лишь заметить, что в силу пунктов 2) и 3) предложения 2 и являются мартингалами относительно меры P. Доказательство закончено.
Замечание. Предположим, что - матрица интенсивности перехода удовлетворяет условиям:
1) для и ,
2) ,
3) .
Тогда . Действительно, из условий 1) – 3) следует, что для .
Пусть - опциональный процесс с конечным или счётным количеством состояний имеет матрицу интенсивностей перехода. Выведите систему уравнений Колмогорова для (Теорема 5).
Теорема 5. Пусть - матрица интенсивностей перехода процесса . Тогда удовлетворяет системе уравнений для
. (10)
(на лекциях доказательства не было, но я его приложил из печатных)
Доказательство. Возьмем математическое ожидание относительно левой и правой частей (9), учитывая, что для , имеем
.
Так как для , то в силу теоремы Фубини из последнего равенства имеем
.
Отсюда, в силу того, что детерминированная функция, получаем (10). Доказательство закончено.
Замечание. Процесс , распределение вероятностей которого удовлетворяет (10) называют скачкообразным марковским процессом с конечным или счетным числом состояний. Система уравнений (10) называется прямым уравнением Колмогорова для марковских процессов с конечным или счетным числом состояний.
Установите достаточные условия существования и единственности решения уравнения Колмогорова для ??? процесса с конечным или счётным числом состояний (Теорема 6)
Теорема 6. Пусть - размера матрица интенсивности перехода такая, что: 1) для и ,
2) для , 3) . Тогда в классе решение уравнения (10) существует и единственно.
Доказательство теоремы 6 опирается на лемму.
Лемма (Гронуолла - Беллмана). Пусть , - измеримая функция, обозначаемые через u(t) и c(s), соответственно, такие, что: а) ; б) . Тогда для справедливо неравенство .
Доказательство. Очевидно неравенство для .
Последнее можно переписать в виде . Отсюда следует, что . Доказательство закончено.
Доказательство теоремы 6. Сначала заметим, что (10) можно переписать в виде
.
Отсюда, в силу формулы Коши (для обыкновенного линейного неоднородного уравнения первого порядка), имеем
. (11)
Заметим, что , поэтому имеем неравенства:
.
Отсюда в силу теоремы Фубини следует, что
.
(Здесь мы учли, что для ).
Таким образом, мы пришли к неравенству
.
В силу леммы Гронуолла - Беллмана, имеем .
Отсюда следует существование решения системы уравнений (10).
Установим теперь единственность решения системы (10). Пусть , l = 1,2, - два решения системы (10). Поэтому в силу (11) для справедливо представление
. (12)
Обозначим . Из (12) следуют неравенства
.
Отсюда, в силу теоремы Фубини, имеем для любого t
.
Поэтому, в силу леммы Гронуолла - Беллмана, имеем . Отсюда следует утверждение теоремы.
Вероятностная интерпретация интенсивности (Теорема 8).
Пусть имеется m-вариантный точечный процесс , а , , - считающий процесс, . Пусть , где . Предположим, что - компенсатор точечного процесса , причем , где - измеримая интенсивность.
Теорема 8. Для на множестве Р - п. н.
,
где - интенсивность считающего процесса , т. е. .
Доказательство. Пусть – ограниченный, - предсказуемый, случайный процесс, причем . Очевидно, что . (14)
Без ограничения общности, можно считать, что , где - ограниченный предсказуемый процесс. Из (14) имеем
. (15)
Пусть , где . Тогда (15) можно переписать в виде
.
Отсюда, в силу произвольности t, следует равенство
.
Следовательно .
В силу правильности множества получаем, что
.
Доказательство закончено.
Определение случайной меры, меры Далиан, компенсатор опциональной случайной меры (Теорема 11).
Напомним определение - конечной меры.
Определение. Мера называется - конечной, если для любого замкнутого ограниченного множества существует последовательность множеств , где , такая, что: a) при , б) .
Определение. Мера называется случайной и обозначается , где , если:
а) при фиксированных и A как функция t является случайным процессом, б) при фиксированных и t - конечная мера, в) для .
Пусть - измеримая функция такая, что определён интеграл Лебега обозначаемый .
Обозначим .
Определение. Случайная мера называется опциональной (предсказуемой), если для любой неотрицательной - измеримой функции Х процесс является опциональным (предсказуемым).
Обозначим .
Определение. Меру назовем мерой Долиан, если .
Отсюда следует, что для всякой неотрицательной - измеримой функции X(, t, x) определен интеграл по мере Долиан:
.
Определение. Мера Долиан называется конечной, если . Определение. Будем говорить, что опциональная случайная мера принадлежит классу (пишем ), если .
Определение. Mepa Долиан называется - -конечной, если существует последовательность множеств таких, что , где , и для .
Определение. Будем говорить, что опциональная случайная мера принадлежит классу (пишем ) если , где и .
Теорема 9. .
Определение. Будем говорить, что случайные меры и совпадают Р - п. н. (пишем ), если для любой неотрицательной - измеримой функции Х .
Из этого определения следует утверждение.
Теорема 10. Пусть и - опциональные случайные меры такие, что:
а) для любой - измеримой X; б) хотя бы одна из них принадлежит . Тогда .
Определение. Компенсатором опциональной случайной меры называется предсказуемая мера (т. е. ) такая, что для любой неотрицательной, - измеримой функции Х( , t, х) .
Теорема 11. У всякой опциональной случайной меры существует и притом единственный компенсатор , т. е. (с точностью до нулевой меры Р). (Доказательство следует из теоремы Дуба - Мейера).
Случайные меры и мультивариантные точечные процессы (Теорема 14).
Пусть - m - вариантный точечный процесс, a
, - считающие процессы, где .
Пример. Пусть - случайный процесс определённый соотношением - пуассоновский случайный процесс с интенсивностью . Ясно, что процесс принимает два значения {-1, 1}, причём время пребывания в состоянии -1 или в состоянии 1 распределены экспонен-циально с параметром . Этот процесс имеет кусочно-постояные траектории и непрерывен справа, поэтому он опционален. Через обозначим число попаданий в состояние 1(-1) за время t процессом . Очевидно, что если для , то можно построить следующим образом:
,
.
Ясно также, что с помощью и можно описать процесс
,
так как . Легко показать, что для справедливо представление
,
причем - ограниченные мартингалы (относительно меры Р) для .
Приведённый выше пример служит основой для дальнейших построений.
Перейдем теперь к построению целочисленной случайной меры k - вариантного точечного процесса и её компенсатора.
В предыдущих параграфах мы установили связь между скачко-образными и мультивариантными точечными процессами. Итак, пусть - скачкообразный опциональный случайный процесс со значениями в Е, причём . В соответствии с результатами параграфа 13 для процесса определена целочисленная случайная мера , где - последовательность марковских моментов, исчерпывающая скачки процесса , . Очевидно, что при фиксированных это опциональный неубывающий процесс, т. е. при t s. Стало быть, является субмартингалом и по теореме Дуба-Мейера существует компенсатор , т. е. является мартингалом относительно потока и меры Р. Предположим дополнительно, что имеет неслучайную матрицу интенсивности перехода . Тогда в силу теоремы 35 допускает представление:
. (9)
Обозначим - число переходов процесс из состояния j в состояние i за время t. Ясно, что его можно представить в виде:
.
Найдём компенсатор - случайной меры . Сначала заметим, что
.
Отсюда, в силу (9), имеем:
. (16)
Заметим: 1) для Р - п. н.
;
2) так как - ограниченный предсказуемый процесс, то
стохастический интеграл является мартингалом. Поэтому процесс является компенсатором - целочисленной случайной меры относительно меры P.
Очевидно, что
t = t - t- = . Учитывая, что траектория процесса кусочно-постоянна, получаем, . Поэтому
.
Таким образом, доказано утверждение.
Теорема 14. Пусть опциональный процесс с кусочно-постоянными траекториями, конечным или счетным множеством состояний Е и матрицей интенсивности переходов размера - . Тогда справедливы следующие утверждения:
1) целочисленная случайная мера допускает представление ,
где - последовательность марковских моментов (опциональных), исчерпывающая скачки процесса ;
2) компенсатор целочисленной случайной меры имеет вид
;
3) процесс допускает представление
.
Замечание. В общем случае, если - опциональный скачкообразный процесс с кусочно-постоянными траекториями, со значениями в , как легко показать, допускает представление
t = 0 + ,
где .
Процесс восстановления, функция восстановления (определения). Выведите уравнение восстановления (Теорема 15).
Рассмотрим вероятностное пространство . Пусть на нём задана последовательность неотрицательных, независимых в совокупности, одинаково распределённых, случайных величин , с функцией распределения . Обозначим и . Положим - считающий процесс. Этот процесс в теории восстановления называют простым процессом восстановления, который имеет следующую интерпретацию: в момент времени нуль начинает функционировать некоторое устройство, которое функционирует до момента времени , в момент времени оно выходит из строя, т.е. ломается, его мгновенно ремонтируют и снова это устройство нормально функционирует до момента времени , в момент времени оно выходит из строя и его мгновенно ремонтируют и т. д. Очевидно, что N(t) - это число восстановлений устройства к моменту времени t.
Обозначим через - функцию распределения случайной величины
, т.е. . Так как , то равно n-кратной свёртке функции распределения , которую обозначим через . Ясно, что .
Обозначим через – среднее число восстановлений за время t, называемое функцией восстановления. Ясно, что .
.
Доказательство. Очевидно, что . Рассмотрим , очевидно
.
Последнее равенство имеет место, так как . Возьмём теперь математическое ожидание относительно левой и правой частей получившегося равенства. В результате получаем утверждени.
Доказательство закончено.
Теорема 15. H(t) удовлетворяет уравнению
(1)
(Уравнение (1) называют уравнением восстановления).
Доказательство. Из определения функции восстановления H(t) и теоремы 1, имеем
Так как , то . Поэтому ряд - сходится. Отсюда следует:
.
Поэтому в силу теоремы Фубини имеем:
.
Доказательство закончено.
Узловая теорема теории восстановления (Теорема 17).
Теорема 17 (Узловая). Пусть . Пусть P – п.н. при . Тогда при .
Доказательство (набросок). Так как – точечный процесс, то - п. н. . Разделим правую и левую части этого неравенства на , имеем - п. н.
.
Очевидно - п. н. при . Поэтому при в силу закона больших чисел. Доказательство закончено.
Выведите уравнение, описывающее эволюцию длины очереди (Теорема 18).
Пусть на стохастическом базисе заданы 2 точечных процесса , i=1,2, и неотрицательная, интегрируемая, - измеримая случайная величина .
Определение. Точечный процесс будем называть входным потоком.
Определение. Случайную величину - измеримую будем называть внутренним состоянием или начальной очередью.
Определение. Пусть , а . Процесс назовём простым процессом обслуживания или очередью.
Теорема 18. Пусть – простой процесс обслуживания. Тогда он допускает представление P –п. н.
. (4)
Доказательство. Момент времени является моментом скачка вниз процесса если и только если выполняются условия: а) ,
б) . Поэтому - п. н.
. (5)
Так как , то из (5) следует, что P - п. н.
. (6)
Из (6) следует, что P - п. н.
. (7)
Очевидно, что P - п. н. для любого , поэтому P - п. н. для любого . Из определения процесса следует, что для любого P - п. н., в силу (7),
Отсюда следует утверждение теоремы.
Определение. Точечный процесс , определяемый равенством , называется выходным потоком.
При каких условиях решения стохастического уравнения, описывающего эволюцию длины очереди, имеет единственное сильное решение (Теорема 19).
Без ограничения общности можно считать, что .
Определение. Будем говорить, что
(4)
(4) имеет сильное решение, если для любого - измеримо, Р - п. н. и обращает (4) в тождество.
Определение. Пусть – два решения уравнения (4), причём . Будем говорить, что (4) имеет единственное сильное решение, если Р - п. н., где .
Теорема 19.Уравнение (4) имеет единственное решение.
Доказательство. Из уравнения (4) следует, что для любого Р - п. н.
.
Отсюда следует, что Р - п. н. для любого .
Заметим, что если решение уравнения (4) существует, то оно имеет кусочно-постоянную траекторию. Поэтому доказательство того факта,
что - измеримо проведём по индукции. Пусть - измеримо. Покажем, что - измеримо, где и – марковские моменты, которые нагружают простой процесс обслуживания. Из (4) следует, что при Р - п. н. Поэтому при Р - п. н. .
Из последнего равенства следует, что - измеримо. Таким образом, основной шаг индукции обоснован, а вместе с ним установлено существование решения уравнения (4).
Перейдём теперь к доказательству единственности решения (4). Его мы также проведём по индукции. Пусть – два решения уравнения (4), причём . Так как имеет кусочно-постоянные траектории, то Р - п. н. для
. (8)
Рассмотрим разность . Пусть Р - п. н. Покажем, что Р - п. н. Из (8) следует, что Р - п. н. .
Отсюда следует, что основной шаг индукции доказан, а вместе с ним и утверждение теоремы.
Выведите уравнение, описывающее эволюцию распределения вероятностей длины очереди (Теорема 20).
Теорема 20. Пусть для любого Р - п. н. Пусть и измеримы интенсивности точечных процессов и , а ,
. Тогда для любого
(9)
Доказательство. Рассмотрим . В силу условий теоремы, имеем
(10)
Заметим теперь, что:
i) . (11)
ii) (12)
Поэтому (10) с учетом (11) и (12) можно переписать в виде:
(13)
Возьмем математическое ожидание относительно левой и правой частей равенства (13). Учитывая, что:
,
,
Имеем
.
В силу теоремы Фубини и того, что мера Лебега одноточечных множеств равна нулю, последнее равенство можно переписать в виде:
(14)
Заметим теперь, что для любого имеем:
i) (15)
,
ii)
. (16)
Поэтому (14) с учетом (15), (16) будет иметь вид (9). Доказательство закончено.
Следствие. Пусть выполнены условия теоремы 20. Тогда для любых и почти всех t существует производная и , удовлетворяет уравнению Колмогорова:
(17)
Доказательство. Из доказательства теоремы 9 следует, что для любого абсолютно непрерывнa относительно меры Лебега. Отсюда, в силу теоремы Радона – Никодима, существует плотность для почти всех t. Отсюда следует утверждение следствия.
Опишите простейшую систему массового обслуживания с обратной связью (Теоремы 21-23).
Пусть на стохастическом базисе заданы два точечных процесса , с - измеримыми интенсивностями , соответственно, кроме того, на нем задана последовательность бернулли-евских случайных величин , принимающая значения {0,1}, причем . Предположим, что - последовательность марковских моментов, которые нагружают точечный процесс . Обозначим опциональный случайный процесс с кусочно-постоянными траекториями:
Осуществим прореживание точечного процесса с помощью последовательности :
Как и в §1, введем процессы .
Очевидно, что Р – п. н. для любого . Теперь определим простой процесс обслуживания и назовем его процессом обслуживания для системы с обратной связью. Ясно, что:
Обозначим
и назовем его процессом (потоком) обратной связи.
Через обозначим процесс:
(20)