Академический Документы
Профессиональный Документы
Культура Документы
СЛУЧАЙНЫЕ ПРОЦЕССЫ
∞ ⎛ξ ⎞
ξ (t , ω ) = ∑ ⎜⎜ kk ⎟ ⋅ sin (kt ), t ∈ T = [0,2π ] ,
⎟
k =0 ⎝ 2 ⎠
, , .
5, 6.
, 5 2 5 2
2 2 5 6 2 2 .
, 6 2 .
,
, ,
, .
Найдем взаимную ковариационную функцию:
, ,
5 .
Взаимной корреляционной функцией двух (СФ) и
называется функция двух аргументов
,
, .
,
где
0, 0,
так что окончательно 0. Найдем автоковариационную функцию
1 1 1
.
2 2 2
Сходимость
lim P[ξ n (ω ) − ξ (ω ) ≤ ε ] = 1 .
n →∞
p
Кратко такая сходимость обозначается ξ n → ξ.
n →∞
3. Слабая сходимость.
⎡ r⎤
lim M ⎢⎣ ξ n − ξ ⎥⎦
= 0.
n →∞
r
Кратко такая сходимость обозначается ξ n → ξ.
n →∞
Между различными видами сходимости существуют следующие
соотношения:
⎛ п.н ⎞ ⎛ P ⎞
⎜ξ ⎟ ⇒ ⎜ξ ⎟ ⇒ (ξ ⇒ ξ ),
⎜ n → ⎟ ⎜ n → ⎟
ξ ξ n
⎝ n →∞ ⎠ ⎝ n →∞ ⎠
⎛ r ⎞ ⎛ P ⎞
⎜ξ ⎟ ⇒ ⎜ξ ⎟.
⎜ n → ⎟ ⎜ n → ⎟
ξ ξ
⎝ n →∞ ⎠ ⎝ n →∞ ⎠
Непрерывность
P(ξ (t ) = η (t )) = 1 .
α
M ⎡ ξ (t + h ) − ξ (t ) ⎤ ≤ Ch1+ b ,
⎢⎣ ⎥⎦
⎡ r⎤
lim M ⎢⎣ ξ (t + h) − ξ (t ) ⎥⎦
= 0.
h →0
Производные
⎡ ξ (t + h ) − ξ (t ) ⎤
lim P ⎢⎣ − ξ ′(t ) ≤ ε ⎥ = 1 .
h ⎦
h →0
⎡ ξ (t + h ) − ξ (t ) r⎤
lim ⎢
M ⎢ − ξ ′(t ) ⎥ = 0.
h →0 ⎣
h ⎥
⎦
⎡ n −1 r⎤
⎢ ⎥
lim M ⎢ ∑ ξ (ti )(ti +1 − ti ) − I (ξ ) ⎥ = 0 .
~
max(Δt i )→ 0 ⎢ i = 0 ⎥
⎣ ⎦
P[ξ (t ) = x(t ) / (ξ (t0 ) = y (t0 ), ξ (τ ) = z (τ ))] = P[ξ (t ) = x(t ) / (ξ (t0 ) = y (t0 ))].
, , , , , , ,
(k ) (k ) (k )
P1(k ) = P⎛⎜ S1 ⎞⎟, P2 (k ) = P⎛⎜ S 2 ⎞⎟, ....Pr (k ) = P⎛⎜ S r ⎞⎟,
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
r
здесь ∑ Pi (k ) = 1 .
i =1
, ,…. ,
…
…………. ,
…
где сумма членов, стоящих в каждой строке, равна единице, т.е. матрица
обладает свойствами
n
Pij ≥ 0, ∑ Pij = 1, для любых i.
j =1
Квадратные матрицы, для которых выполняются эти свойства, называют
стохастическими. Зная матрицу переходных вероятностей, можно построить
граф состояний с отмеченными на нем переходными вероятностями. Граф, на
котором отмечены переходные вероятности, называется размеченным
графом.
Имея матрицу переходных вероятностей или размеченный граф и зная
начальное состояние, можно найти вероятности состояний на любом k-ом
шаге для дискретной марковской цепи.
Вероятности Pij(n ) ≡ P[ξ n = j / ( ξ 0 = i )], i = 1,2...r называют вероятностями
перехода цепи Маркова за n шагов, соответствующие матрицы вида
⎛ P (n ) P (n ) P (n ) ...P (n ) ⎞
⎜ 11 12 13 1r ⎟
⎜
(n ) P (n ) P (n ) ...P (n ) ⎟⎟
P (n ) = ⎜ 21 22 23
⎜ P 2r ⎟
⎜ ............................... ⎟
⎜
⎜ P (n ) P (n ) P (n ) ...Prr (n ) ⎟⎟
⎝ r1 r 2 r 3 ⎠
называются матрицей вероятностей перехода за n шагов. Имеет место
следующая теорема.
Теорема. Матрица перехода за n шагов есть n-я степень матрицы перехода за
один шаг, т.е.
P (n ) = (P )n .
Доказательство. По определению P[ξ n = j / ( ξ 0 = i )] – вероятность перехода из
состояния Si в состояние S j . По формуле полной вероятности
r
P[ξ n = j / ( ξ 0 = i )] = ∑ P(ξ1 = k / ξ0 = i )P(ξ n = j / ξ1 = k , ξ 0 = i ) ,
k =1
откуда с учетом равенства
P(ξ n = j / ξ1 = k , ξ 0 = i ) = P(ξ n = j / ξ1 = k ) = P
(n −1)
kj
получаем
r
(n ) =
P ij ∑ Pik Pkj(n −1), n = 2,3.. (1)
k =1
В матричной записи доказанное соотношение имеет вид P (n ) = P(P )(n −1) .
Откуда по индукции следует P (n ) = (P )n , что и требовалось доказать.
Вектор a = {a1, a2 , ....ar } , где ai = P(ξ 0 = i ), i = 1,2..r называется вектором
начальных вероятностей. Имеет место следующее утверждение.
Утверждение 1. Свойства однородных марковских цепей полностью
⎛ P P P ...P ⎞
⎜ 11 12 13 1r ⎟
⎜ ⎟
⎜ P P P ...P ⎟
определяются вектором a = {a1, a2 , ....ar } и матрицей P = ⎜ 21 22 23 2r ⎟ .
⎜ ...............................⎟
⎜ ⎟
⎜ P P P ...Prr ⎟
⎝ r1 r 2 r 3 ⎠
Доказательство. Пусть в начальный момент времени система находится в
одном из состояний Si с вероятностью ai = P(ξ 0 = i ) . Через n шагов система
будет находиться в одном из состояний Si с вероятностью перехода
(n )
Pij ≡ P[ξ n = j / ( ξ 0 = i )]. Так как события ( ξ 0 = i ) образуют полную группу, то
по формуле полной вероятности
r r
( )
P(ξ n = j ) = ∑ 0 P (ξ = i )P (ξ n = j / ξ 0 = i ) = ∑ ai Pijn ,
i =1 i =1
где вероятности (n )
Pij вычисляются по рекуррентной формуле (1). Что и
требовалось показать.
P[ξ n + m = j / ( ξ m = i )] = P[ξ n = j / ( ξ 0 = i )] .
(ξ n + m = j / ( ξ m = i )) =
r r r
= ∑ ∑ .... ∑ [(ξ m +1 = k1, ξ m + 2 = k 2 , ξ m + 3 = k3 , ...ξ m + n = j ) / (ξ m = i )]
k1 =1 k 2 =1 k n −1
P(ξ n + m = j / ( ξ m = i )) =
r r r (1)
= ∑ ∑ ∑ P[(ξ m +1 = k1, ξ m + 2 = k2 , ξ m +3 = k3 , ...ξ m + n = j ) / (ξ m = i )]
....
k1 =1 k 2 =1 k n −1
По свойству однородности
P(ξ m +1 = k1 / ( ξ m = i )) = P(ξ1 = k1 / ( ξ 0 = i )) ,
P(ξ m + 2 = k 2 / ( ξ m +1 = k1 )) = P(ξ 2 = k 2 / ( ξ1 = k1 )) , (3)
………………………………………………………..,
P(ξ m + n = j / ( ξ m + n −1 = k n −1 )) = P(ξ n = j / ( ξ n −1 = k n −1 ))
Так как события S1, S 2 ,.....S r образуют полную группу, то по формуле полной
вероятности
r
∑ P[ξ1 = k1 / ξ0 = i]P[ξ 2 = k2 / ξ1 = k1] = P[ξ 2 = k2 / ξ 0 = i], (4)
k1 =1
r
∑ P[ξ 2 = k2 / ξ0 = i]P[ξ3 = k3 / ξ 2 = k2 ] = P[ξ3 = k3 / ξ0 = i ], (5)
k 2 =1
……………………………………………………………………….,
r
∑ P[ξ n −1 = kn −1 / ξ0 = i ]P[ξ n = j / ξ n −1 = k n −1 ] = P[ξ n = j / ξ 0 = i ], (6)
k n −1 =1
(n )
P[ξ n + m = j / ( ξ m = i )] = P[ξ n = j / ( ξ 0 = i )] = Pij ,
что и требовалось показать.
Теорема. Если при некотором n0 все элементы Pij(n0 ) матрицы P (n0 )
положительны, то существуют пределы
(n ) = b
lim Pij j , i, j = 1,2...r ,
n →∞
⎧ r
⎪ ∑ b j = 1,
⎪ j =1
⎪
⎨
⎪ r
⎪ ∑ bk Pkj = b j .
⎪⎩k =1
Физический смысл этой теоремы заключается в том, что нахождения
системы в состоянии S j практически не зависит от того, в каком состоянии
она находилась в далеком прошлом.
1
lim .
Δ Δ .
1 Δ .
Δ .
Δ 1 Δ Δ ,
lim . (1)
1 , Δ , Δ ,
, Δ , , Δ ,
, , , , , (2)
где i = 1,2...r .
Пример. Пусть система состоит из основного элемента и двух резервных:
, . При отказе элемента в работу включается , при отказе – .
До включения каждый из резервных элементов находится в холодном
резерве и отказать не может. Интенсивность потока отказов основного
элемнта ; . Все потоки отказов пуассоновские. Требуется
определить надежность системы.
Решение. Представим процесс, протекающий в системе, как марковский
случайный процесс с непрерывным временем и с дискретными состояниями:
– работает элемент ,
– работает элемент ,
– работает элемент ,
– не работает ни один элемент.
Система уравнений Колмогорова для таких состояний имеет вид
,
,
Аналогично,
1 .
p( A) = pm (t + Δt ) , (2)
p(H k ) = pk (t ),
k = 0,1,2...m.
m
pm (t + Δt ) = ∑ pm−i (t ) pi (Δt ) . (4)
i =0
p0 (Δt ) = 1 − λΔt ,
lim pm (Δt ) = 0, m ≥ 2,
Δt →0
где λ = const > 0.
pm (t + Δt ) − pm (t )
= −λpm (t ) + λpm −1(t ) . (6)
Δt
p0 (t ) = e −λt .
Согласно (5)
v(t ) = e −λ ∫ dt = e −λt ,
u(t ) = λ ∫ dt + C1 = λt + C1.
Для уравнения (9) в соответствие с (5) начальное условие имеет тот же вид
p2 (0) = 0 . Решим уравнение (9) с этим условием с учетом (13).
v(t ) = e −λ ∫ dt = e −λt ,
u(t ) = λ ∫ tdt + C2 =
2 (λt )2
+ C2 ,
2
p2 (t ) =
(λt )2 e−λt . (14)
2
pm (t ) = (λt )m −λt
e . (15)
m!
p0 (t ) = (λt )0 −λt
e = e − λt ,
0!
n 3.87
λ = Δt = = 0.516 .
Δt 7.5
Тогда вероятность того, что это вещество за t = 1 c испустит хотя бы одну
частицу равна
и
и и,
и
и и.
0, и 1, и 0.
4 3 0,
C λ 9 D 0.
13 33 0
находим
3.459, 9.541,
4
0.180 ,
3
а при
4
1.847 .
3
Отсюда следует, что решение системы дифференциальных уравнений имеет
вид:
. .
и ,
. .
и 0.180 1.847 .
0.912, 0.088,
и и .
. .
и 0.493 0.493 ,
. .
и 0.089 0.911 ,
и и .