1)Un proces stochastic X este o familie de variabile aleatoare (X ) definite

pe acelai spaiu de probabilitate cu valori reale n acelai spaiu de valori i

indexate dup un parametru R . Un proces stochastic se reprezint prin: {X
, }.O prim clasificare poate fi fcut pe baza mulimii parametrilor
procesului stochastic: a) dac este un interval mrginit al dreptei reale , atunci
avem procese stochastice de tip continuu n raport cu parametrul timp; b) dac
este o mulime discret, spre exemplu =Z (numere ntregi) sau =R+ (mrimi
reale), atunci avem procese stochastice de tip discret n raport cu parametrul i
care se mai numesc lanuriSe spune c un proces ( sau lan ) Markov X este omogen
( adic cu probabiliti de trecere staionare) dac, Pr( | ) Pr( | ) n n 0 n X x X x X x X
x n = = = ceea ce implic faptul c aceste probabiliti de trecere
staionare nu depind explicit de timpul considerat , ci numai de ecartul - n. n
continuare vom folosi pentru studiul comportrii sistemelor de calcul numai lanuri
Markov omogene (LM).Un lan Markov care posed o astfel de distribuie - limit a
probabilitilor staionare de stare independent de distribuia lor iniial este numit
lan Markov ergodic.

2) Un lan Markov n timp discret este totalmente determinat de distribuia

iniial i matricea sa stochastic R(1), notat simplu R i numit matrice de
probabiliti de trecere ale lanului: rij=Pr(Xn+1 =j / Xn =i). Astfel, pentru orice n>0
: R(n)=Rn .
3)Un lant Marcov in timp discret poate fi reprezentat in cel mai simplu caz printrun
graf cu nr de virfuri egal cu nr de stari cu arcele care corespund prob de tranzitie
dintre stari

4)Ecuatia Champon-Rolmogorov.fie un lant Markov studiat in timp discret.In caz

general prob de tranzitie a lantului din starea I in starea j depinde de momentul k
cind are loc tranzitia.

Tranzitie intrun singur pas.Probabil de trecere in mai multi pasi notate

5)Analiza regimului tranzitoriu

gvsvsvsvsvM0=vectorul de
stare initiala .Legatura dintre distributiile starii lantului la 2 momente
consecutive Xk si Xk+1 constituie baza analizei regimului tranzitoriu LMD

7) Strile unui lan Markov sunt clasificate n conformitate cu modul cum ele sunt
"vizitate" n cursul timpului funcionrii lanului. Prima clasificare este fondat pe
momentele de rentoarcere n starea dat. Notm i momentul de a i-m schimbare
de stare, iar ij = min{ / > i X =j /X0=i} momentul primei treceri n starea j
din starea i.

8)Pentru o stare recurenta I a unui lant Markov in timp discret dacadelta

este cel mai mare divisor comun al numerelor intregi n ,astfel incit

,atunci starea I este numita periodica de perioada

d>1 si aperiodica daca d=1

9)O stare I apartie S se numeste recurenta,daca ro(p) =1,cind ro de I <1stari tranzitorie.Daca un LMD are un nr finit de stari,atunci cel putin una
dintre ele este recurenta.Daca este o stare recurenta si j este accesibil din
aceasta stare,atunci j este recurenta.Daca Sc este o submultime inchisa
ireductibila de stari atunci fiecare stare Sc este recurenta.

10)Un LMD reductibil contine o multime de stari tranzitorii I si unui sau

mai multe stari inchise S(tau).O stare I este absorbanta daca ea este
singurul element din clasa sa de echivalenta E si ca aceasta clasa este
inchisa
11)Un lant Markov in timp continuu e un process stochastic x(1) avind o
multime finite de stari S,starile fiind observate la momente arbitrare de
timp t

16) Procese de natere (sosiri) i moarte (serviri). Procesul de natere i

moarte se caracterizeaz prin faptul c sosirile i serviciile sunt poissoniene.
Ecuaiile difereniale corespunztoare sunt ( ) ( ) ( ) ( ) ( ), 0 1 1 1 1 ' n t = n +
n n t + n n+ t + n+ n+ t n > ( ) ( ) ( ), unde n i n sunt funcii de n. Din
aceste ecuaii rezult diverse cazuri particulare ale fenomenelor de
ateptare.Substituind expresia lui i din (1.10) n ecuaia Kolmogorov (1.6) i
diviznd la (cu i 0, ) ambele pri ale ecuaiilor astfel obinute, determinm
sistemul de ecuaii algebrice pentru calcularea probabilitilor staionare qi ale
lanului semi-Markov: = = = = = n i i n k k k ki i i q i

17) Fluxurile de evenimente de tip Poisson reprezint echivalentul n timp continuu

al fluxurilor de tip Bernoulli din timp discret. Considerm un flux de evenimente care
evolueaz n timp continuu, n sensul c este posibil apariia unui eveniment n
orice moment t. Notm cu N( )t numrul de evenimente ce au aprut de la
momentul iniial 0t = 0 pn la momentul t 0 inclusiv. Fluxul de evenimente este
de tip Poisson (proces Poisson) cu rat ( > 0 ) dac ndeplinete urmtoarele
condiii: (P1) Probabilitatea de apariie a unui numr de k evenimente ntr-un
interval de timp (, ] s s t + , P(,) [ ( ) () ] kt PNs t Ns k = + = , este independent
de poziionarea intervalului pe ax, depinznd numai de lungimea acestuia
(procesul este omogen n timp). (P2) Numrul de evenimente care apar ntr-un
interval oarecare de timp este independent de numrul de evenimente care apar n
orice alt interval de timp, dac cele dou intervale sunt disjuncte. (P3)

Probabilitile P(,) k t satisfac: P(0, ) 1 ( ) t t ot = + , 1 P(1, ) ( ) t t ot = + , t >

0 , unde o t( ) i 1o t( ) sunt funcii de t pentru care 0 ( ) lim 0 t o t t = , 1 0 ( ) lim
0tott

18) Modelele de ateptare denumite i sisteme de ateptare (SA) se regsesc n

diverse sisteme tehnice, sub forme caracteristice cum ar fi: ateptrile mesajelor
pentru a fi prelucrate de diverse calculatoare; depanarea programelor etc.
Funcionarea optim a sistemelor n care apar fenomene de ateptare se realizeaz
pe baza minimului cheltuielilor de funcionare n condiii restrictive impuse. Aceasta
reclam reglamentarea fluxului de intrare, micorarea cozilor de ateptare,
verificarea serverilor n vederea funcionrii continue la un ritm impus i
coordonarea cantitii i calitii serverilor cu cerinele formulate de beneficiari.
Modelele SA de servire a unitilor care ateapt pot fi cu unul sau mai muli
serveri. Cnd exist doi sau mai muli serveri, acetea pot funciona n paralel sau
n serie (cascad). Servirile se execut fie n ordinea intrrilor unitilor n sistem fie
n ordinea de gravitate a defeciunilor

20) a) ts- timpul mediu de ateptare a unei uniti n ir. b) SA t - timpul mediu de
ateptare a unei uniti n sistemul de ateptare. Ultimii doi indicatori depind de
legile serviciului i a sosirilor i vor fi determinai pentru fiecare model n parte n
conformitate cu legea lui Little a SA: tSA = nSA / , unde = = m i i i 1 este
rata medie de sosire a unitilor (cererilor, clienilor, tasck-urilor) n SA.