Documente Academic
Documente Profesional
Documente Cultură
n 0 pn (t ) pn , k (t ) .
Proprieti. 0 p n (t ) 1 ;
n 0 p n (t ) 1
0 p n, k (t ) 1 ;
k 0 p n,k (t ) 1 pentru
n 0, N
y ( x ) exp P ( x ) dx C Q( x) exp
P( x) dx dx
(1)
unde C este o constant oarecare. Se spune c soluia y ( x ) se obine prin dou cvadraturi. Dac
funciile P ( x ), Q ( x ) sunt constante, atunci ecuaia diferenial este cu coeficieni constani.
Aceas situaie se ntlnete des la studierea proceselor aleatoare. Singura deosebire const n
faptul c variabila independent este t i nu x .
b) Suma unei progresii geometrice infinite cu raia subunitar q este
S a 1 a 1q a 1q 2
a1
1 q
; U n (t ) n 1 (1 e
t n 1
e t
c) Analiz combinatorie.
n ! n ( n 1) ! (formula de exprimare a factorialului mare cu un factorial mic)
C nk C nn k
n
k
; C nk C nk 11 , k 0
n
(a 1) n C n0 a n C 1n a n 1 C nn 1a C nn k 0 C nk a n k
n
(1 b) n C n0 C 1n b C nn 1b n 1 C nn b n k 0 C nk b k
d) Seria exponenial.
ex 1
x x2
x3
xn
1! 2 !
3!
n!
k 0
xk
k!
, xR.
S n k 1 a k a 1 a 2 a n 1 a n
S n k 1 a n k 1 a n a n 1 a 2 a 1 .
x
X
f ( x)
, x 0 , f ( x) e x ,
F ( x) 1 e x ,
f (0) , F (0) 0, F () 1 , M ( X )
k
X
f (k )
, k 0,1,2, ,
f (k )
k
k!
1
1
2
, D ( ) 2 .
, 0
f (0) e , M ( X )
, D 2 ( ) .
1 2 3 n n 1
p 0 (t ) p 1 (t ) p 2 (t ) p n 1 (t ) p n (t ) p n 1 (t )
Trecerea dintr-o stare n alta a unui PNM se face dup urmtoarea regul: dac n momentul
t starea este n, atunci n momentul t+1 starea este n-1 sau n+1. Deci tranziia se face numai n
stri adiacente. Aceata arat c evoluia se face dup un lan Markov.
10.2.2 Evoluia dinamic a unui PNM .
Evoluia dinamic a unui PNM se controleaz printr-un sistem (recurent) de ecuaii
difereniale de ordinul nti, de forma
p 0 ' (t ) 0 p 0 (t ) 1 p 1 (t )
p n ' (t ) ( n n ) p n (t ) n 1 p n 1 (t ) n 1 p n 1 (t ) , n 1, 2, 3,
Prin rezolvarea acestui sistem de ecuaii difereniale liniare se obin probabilitile de stare
p n (t ) . Sistemul conine ecuaiile viitorului. Rezolvarea (integrarea) acestui sistem diferenial
este, n general, destul de dificil.
10.2.3 Cazuri particulare. Clasificare.
Exist dou cazuri particulare de procese aleatoare. Acestea sunt procese Poisson.
1) Proces simplu se natere (sau proces de natere pur P) de tip
a) omogen, cnd n , n 0,1, 2, . Este notat X(t)=PPON(t).
b) liniar, cnd n n , n 0,1, 2, . Este notat X(t)=PPLN(t).
2) Proces simplu se moarte (sau process de moarte (stingere) pur P) de tip
a) omogen, cnd n , n 1, 2, .
Este notat X(t)=PPOM(t).
b) liniar, cnd n n , n 0,1, 2, . Este notat X(t)=PPLM(t).
10.3 Proces simplu de natere [3]
Prezentm n detaliu procesele simple de natere.
10.3.1 Procesul simplu omogen de natere X(t)=PPON(t).
Pentru n
, n 0,1, 2, sistemul
p n (t ) e t
t n
n!
; p n (0) 0 ; n 1, 2, .
n 2 ; p 2 ' (t ) p 2 (t ) p 1 (t ) ;
P (t ) ; Q(t ) 2 t e t ;
p 2 (t )
( t ) 2 t
e
2!
L n (t )
0 L n 1 (u ) du ;
Dm valori lui n
n 1 ; L 1 (t ) t ;
p n (t )
n 2 ; L 2 (t )
( t ) 2
2!
n 1, 2, .
L n (t )
( t ) n
n!
( t ) n t
e
.
n!
C 2 ) ; C 2 0 ; L 2 (t )
( t ) 2
2!
(End).
Consecina 1. Legea de probabilitate a procesului Poisson X(t)=PPON(t) este
X(t)=
n
f (n; ,t)
( t ) n t
e
; f (n; , t ) p n (t )
; n 0,1, 2, .
n!
n 0 p n (t ) 1 pentru orice
b) M [ X (t )] t ;
Demonstraie. a)
b) M [ X (t )]
c)
tR.
D 2 [ X (t )] t
n 0 p n (t ) n 0 e t
n
n0
( t ) n
e t e t 1 .
n!
( t )
p n (t ) e t n 0 n
n!
= e t n 1
= e t n 1n
( t ) n
n!
( t ) ( t ) n 1
= e t t e t t .
( n 1) !
c) Metoda 1. Folosim definiia teoretic a dispersiei. Se fac multe artificii (izolm valoarea
n =0 sau n =1; adaptm factorialul etc.) i obinem succesiv:
D 2 [ X (t )]
n 0 (n m X (t ) ) 2 p n (t ) = n 0 (n t ) 2 e t
= e t [ ( t ) 2 n 2
( t ) n
n!
( t ) n 2
( t ) n 1
= ( t ) n 1
+ 2t 2 e t ] = t .
( n 2) !
( n 1) !
n 0 n 2 p n (t ) = n 0 n 2 e t
= e t n 1n
= e t [ n 2
( t ) n
n!
n 1n 2e t
( t ) n
n!
( t ) n
( t ) n
( t ) n
]=
= e t [ n 1 ( n 1)
+ n 1
( n 1) !
( n 1) !
( n 1) !
2 t 2 ( t ) n 2
( t ) e t ] = e t [( t ) 2 e t ( t ) e t ] =
( n 2) !
2t 2 t
D 2 [ X (t )] 2 t 2 t ( t ) 2 t .
(End).
2 t
( 1 e
; p 2 (t ) e 2 t [C 2 t ] ; C 2 1
)e
(1 e
n 3 ; p 3 ' (t ) 3 p 3 (t ) 2 p 2 (t ) ;
p 3 ' (t ) 3 p 3 (t ) 2 ( e t e 2 t )
P (t ) 3 ; Q (t ) 2 ( e t e 2 t )
p 3 (t ) e 3 t [C 2 e 2 t 2 e t ] ; C 3 1
p 3 (t ) e 3 t (1 e 2 t 2 e t ) e t (1 e t ) 2
.
Se continu prin metoda induciei complete i rezult
n 1, 2, .
p n (t ) e t (1 e t ) n 1 ;
L n (t )
0 (n 1) e
L n 1 (u ) du
1) 2 ; L 4 (t ) (e t 1) 3 ;
; n 1, 2, ; L1 (t ) 1 .
L n (t ) (e t 1) n 1 ;
p n (t ) [e t (1 e t )] n 1 e n t
= e t (1 e t ) n 1 ; n 1 . (End).
Consecina 2. Legea de probabilitate a procesului Poisson X(t)=PPLN(t) este
X(t)=
n
f (n; ,t)
; f (n; , t )
p n (t ) e t (1 e t ) n 1 ; n 0,1, 2, .
n 0 p n (t ) 1 pentru orice
tR.
b) M [ X (t )] e t ; c) D 2 [ X (t )] e t (e t 1) .
Demonstraie. a) Folosim suma progresiei geometrice cu un numr infinit de termeni i cu
raiea q 1 e t i obinem
1
n 1 p n (t ) n 1 e t (1 e t ) n 1 e t 1 q 1 .
b) M [ X (t )] n 1 n p n (t ) = e t
S n (t )
n 1 n (1 e t ) n 1 = e t S n (t ) , unde
n 1 (1 e t ) n 1 1 q e t . Derivm n
n 1 (n 1) (1 e t ) n 2 e t
e t
n 1 (n 1) (1 e t ) n 2
e2 t
izolm n 1
n 2 (n 1) (1 e t ) n2
e 2 t
n (1 e t ) n 1 e 2 t
n 1
, adic S n (t )
n 1 n (1 e t ) n1 = e 2 t ;
asamblm rezultatele
M [ X (t )]
n 1 n p n (t ) = e t S n (t ) = e t .
D 2 [ X (t )] M [ X 2 (t )] [ M [ X (t )]]2 = M [ X 2 (t )] e 2 t ;
c)
M [ X 2 (t )] =
calculm separat
M [ X 2 (t )] .
n 1
n 2 p n (t ) = n 1 n 2 e t (1 e t ) n 1
t n 1
)
e t ; S n (t ) e 2 t
urmrim folosirea sumei cunoscute U n (t ) = n 1 (1 e
artificiul 1: n 2 n n ; artificiul 2: n ( n 1) 1
t
M [ X 2 (t )] = e
=e
=e
n 1 n [(n 1) 1](1 e t ) n 1 =
[ n 1 n ( n 1) (1 e t ) n 1
n 1 n
[ n 1 n ( n 1) (1 e t ) n 1
(1 e t ) n 1 ] =
t
[ n 1 n ( n 1) (1 e t ) n 1 +
+ S n (t )] = e
e2 t ]
n 1 n (n 1) (1 e t ) n 2
(1 e t )
n ( n 1) (1 e t ) n 1 2 e 3 t (1 e t ) ; nlocuil
2 e3 t
n 1
M [ X 2 (t )]
2 t
e t
M [ X 2 (t )] = e t [2 e 3 t (1 e t ) e 2 t ] = 2 e
D [ X (t )] M [ X (t )] e
2
2 t
(e
1) .
; asamblare
(End).
0
p
(
, n 1
, n 0) 1 .
( t ) n k
; p k (0) 0 ; k 0,1, 2, , n 1
(n k ) !
p k (t ) e t ; p n (0) 1
p n 2 ' (t ) p n 2 (t ) 2 t e t ;
p n 2 (t ) e t (C n 2 2
p n 2 (0) 0 ; P (t ) ; Q(t ) 2 t e t
2
t2
t ( t )
) ; C n 2 0 ; p n 2 (t ) e
2!
2
3
k n 3 ; p n 3 ' (t ) p n 3 (t ) t 2 e t ;
p n 3 (0) 0 ; P (t ) ; Q (t ) t 2 e t
2
3
3 t3
t ( t )
.
p n 3 (t ) e t (C n 3
) ; C n 3 0 ; p n 3 (t ) e
3!
2 3
( t ) n k
Generalizare. p k (t ) e t
; k 0,1, 2, , n 1 ; p k (0) 0
(n k ) !
, p n (0) 1 . (End).
Consecina 3. Legea de probabilitate a procesului Poisson X(t)=PPOM(t) este
p n (t ) e
X(t)=
n
f (n; ,t)
; f (n; , t ) p n (t ) ; n 0,1, 2, .
n 1 n
X (t) t ( t)n t ( t) n1 t ( t) n2 t t t
e
e
e e
e
1!
n! (n 1)! (n 2)!
p 0 (0) 0 p1 (0) 0
p 2 (0) 0
p n 1 (0) 0 p n (0) 1 .
n
k 0 p k (t ) 1 .
Propoziia 4.2. nlim
n
p (t ) e t lim
Demonstraie. nlim
k 0 k
k 0
n
( t) n k
e t e t 1 .
(n k ) !
p n 1 (t ) e ( n 1) t [C n 1 n e t ] ; C n 1 n
p n 1 (t ) n e n t ( e t 1) ; p n 1 (0) 0 .
k n 2 ; p n 2 ' (t ) (n 2) p n 2 (t ) (n 1) p n 1 (t ) ; p n 2 (0) 0
p n 2 ' (t ) ( n 2) p n 2 (t ) n ( n 1) e n t (e t 1)
P (t ) ( n 2) ; Q (t ) n ( n 1) e n t (e t 1)
n (n 1)
(2 e t e 2 t )] ;
2
n (n 1)
Cn 2
C n2
2
p n 2 (t ) e ( n 2) t [C n 2
p n 2 (t ) C n2 e n t ( e t 1) 2 ; p n 2 (0) 0
k n3;
p n 3 (t ) C n3 e n t ( e t 1) 3 ; p n 3 (0) 0 .
Generalizare.
p k (t ) C nn k e n t ( e t 1) n k
p k (t )
C nk
n t
(e
1)
nk
sau echivalent
; k 0,1, 2, , n 1, n
p n 1 (0) 0 ; p n (0) 1 .
(End).
X(t)=
k
f (k ; , t )
; f ( k ; , t ) p k (t ) ; k 0,1, 2, , n .
b)
Demonstraie. a)
n
n
k 0 p k (t ) = k 0 C nk e n t (e t 1) n k =
= en t
=
b) M [ X (t )] =
D 2 [ X (t )] n e t (1 e t ) .
c)
k 0 C nn k (e t 1) k =
n
e n t [1 (e t 1)]n 1 .
k 0 k
p k (t ) =
k 0 k C nk e n t (e t 1) n k =
n
n
n
nt
=e
k 1 k C nk (e t 1) n k = n e n t k 1 C nk 11 (e t 1) n k =
n e n t (e t 1 1) n 1 = n e t .
c)
M [ X 2 (t )] .
n
2
M [ X 2 (t )] = k 0 k p k (t ) =
k 1 k 2 p k (t ) =
n
e n t k 1 k 2 C nk (e t 1) n k
dedublare;
n
nt
factorial mare; M [ X 2 (t )] = n e
k 1 k C nk 11 (e t 1) n k ; izolm k 1 ;
k 1
nt
[ C n01 (e t 1) n 1 k 2 k C n 1 (e t 1) n k ] ; 0= -1+1;
M [ X 2 (t )] = n e
n
k 1
n t
[(e t 1) n 1 k 2 (k 1) C n 1 (e t 1) n k +
M [ X 2 (t )] = n e
n
k 2 C nk 11 (e t
n
k 1
C
k 2 n 1
1) n k ];
(e t 1) n k
calcul independent;
(e t ) n 1 (e t 1) n 1
k 1
n t
[(e t 1) n 1 k 2 (k 1) C n 1 (e t 1) n k +
M [ X 2 (t )] = n e
n
+ ( e t ) n 1 ( e t
k 2 (k 1) C nk 11 (e t
1) n k
e( n 1) t ]
k 2 (n 1) C nk 22 (e t
1) n k
e ( n 1) t ]
n t
[
M [ X 2 (t )] = n e
n t
[
M [ X 2 (t )] = n e
1) n 1 ]
M [ X 2 (t )] = n e n t [( n 1) e ( n 2) t
e( n 1) t ]
n [(n 1) e 2 t e t ]
D 2 [ X (t )] M [ X 2 (t )] [ M [ X (t )]]2 = M [ X 2 (t )] ( n e t ) 2 = n e t (1 e t ) .
(End).
Notm
x
X
exp( x)
, x 0, 0 ;
f ( x ) e x , F ( x) 1 e x ;
y
Y
exp( y)
, y 0, 0
g ( y) e y , G( y) 1 e y .
1
1
1
1
; M (Y ) , adic
i
M (X )
M (Y )
5
S-au fcut msurtori pe linia telefonic i a rezultat M ( X )
i M (Y ) 5 .
4
tiind c probabilitile (absolute) iniiale de stare sunt p 0 (0) 0,3 i p 1 (0) 0,7 s se
determine probabilitile de stare p 0 (t ) i p 1 (t ) la orice moment de timp t 0
Se tie c M ( X )
0 1
T t)(
p 0 t)( p1 t)(
, t 0 , unde p 0 (t ) p 1 (t ) 1 .
4
1
0,8 ; 0,2 .
5
5
Pasul 2. Scriem sistemul diferenial al probabilitilor de atare. Deoarece procesul poate trece
numai din starea 0 n starea 1 i invers, ecuaiile difereniale ale procesului (numite i ecuaiile
difereniale ale viitorului) sunt de forma
p '0 (t ) p 0 (t ) p 1 (t )
(2)
'
p 1(t ) p1 (t ) p 0 (t ) , i condiia de normare p 0 (t ) p 1 (t ) 1 .
Pasul 3. Obinem o ecuaie diferenial numai n funcia necunoscut p 0 (t ) sau p1 (t ) .
Propoziia 5.1. Ecuaia diferenial n p 0 (t ) este
; p0 (0) 0,3
(3)
Aceasta este o problem Cauchy.
Demonstraie. Folosim prima ecuaie din sistemul (2) , eliminm p1 (t ) = 1 p 0 (t ) i
rezult (3). Dac folosim a doua ecuaie din (2) i p 1' (t ) p '0 (t ) , se obine aceeai ecuaie (3).
(End).
Pasul 4. Integrm ecuaia (3) prin folosirea formulei (1) din seciunea 1.2. Avem
P (t ) , Q (t ) i rezult soluia general
p '0 (t ) ( ) p0 (t )
p 0 (t ) C e ( ) t
(4)
1
5
T (t)
Pasul 7. Se dau valori variabilei timp t n intervalul [t=1, tmax] i se tabeleaz funciile
p 0 (t ) i p 1 (t ) .
10.5.3. Modelul informatic. Modelul informatic are ca scop tabelarea funciilor p 0 (t ) i
p 1 (t ) . Folosim identificatorii de variabile din tabelul care urmeaz.
________________
__________________
Notaii matematice
Notaii informatice
________________
__________________
alfa
beta
p 0 (0)
p00
p 1 (0)
p10
p 0 (t )
p0[t]
p 1 (0)
p1[t]
t
t
t maxim
tmax
alfapbeta
t max
( t 1 p 0 (t )) / t max
vmsp0 (valoare medie)
( t 1 p 1 (t )) / t max
t max
{ // Imceputul programului
cout<<endl<<endl;
cout<<" Proces Aleator de Nastere si Moarte pentru Linia Telefonica \n";
cout<<" Program pentru determinarea Probabilitatilor de Stare p0(t) si p1(t)";
cout<<endl<<endl;
cout<<" Introduceti nr de probleme dorit nrprobdorit= ";cin>>nrprobdorit;
for(probl=1;probl<=nrprobdorit;probl++)
{ // Inceputul ciclului nrprobdorit
cout<<endl;
cout<<"
PROBLEMA "<<probl<<": \n";
cout<<endl;
cout<<" Introduceti Probabilitatile Initiale de stare p0(0) si p1(0)\n";
cout<<" ";cin>>p00;cout<<" ";cin>>p10;
cout<<" p0(0)= "<<p00<<"
p1(0)= "<<p10;
//cout<<"
p1(0)= ";cin>>p10;
sproba=p00+p10;cout<<" PROBA: p0(0) + p1(0)= "<<sproba;
cout<<endl<<endl;
cout<<" Introduceti parametrul alfa pentru starea 0 alfa= ";cin>>alfa;
cout<<endl;
cout<<" Introduceti parametrul beta pentru starea 1 beta= ";cin>>beta;
alfapbeta=alfa+beta;
cout<<"
alfa + beta= "<<alfapbeta;
cout<<endl;
cout<<" Introduceti valoarea maxima pentru timpul t tmax= ";
cin>>tmax;
cout<<endl;
// Calculam coeficientii C1 si C2
C1=beta/(alfa+beta);C2=p00-C1;
cout<<" C1= "<<C1<<" C2="<<C2;
cout<<endl;
// Rezolva Problema Cauchy=calculeaza prob. de stare p0(t)
for(t=1;t<=tmax;t++) {p0t[t]=0.0;p1t[t]=0.0;}
for(t=1;t<=tmax;t++) {p0t[t]=C2*exp(-(alfa+beta)*t)+C1;}
// Calculeaza p1(t)=1-p0(t)
for(t=1;t<=tmax;t++) {p1t[t]=1-p0t[t];}
// Sectiunea 7.Print rezultate finale
cout<<endl;
cout<<" Probabilitatile de stare p0(t) si p1(t) pentru t>0 sunt: \n";
cout<<endl;
for(t=1;t<=tmax;t++) {cout<<" p0("<<t<<")= "<<p0t[t];}
cout<<endl;
for(t=1;t<=tmax;t++) {cout<<" p1("<<t<<")= "<<p1t[t];}
cout<<endl;
// Calculam suma pribabilitatilir sp0=suma pot(t); sp1=suma p1t(t)
sp0=0.0;sp1=0.0;
for(t=1;t<=tmax;t++) {sp0=sp0+p0t[t];}
for(t=1;t<=tmax;t++) {sp1=sp1+p1t[t];}
// Nu se adauga si p0(0); p1(0)
// sp0=p00+sp0;sp1=p10+sp1;
cout<<endl;
cout<<" Proba sumei probabilitatilor de stare: sp0= "<<sp0<<" sp1= "<<sp1;
cout<<endl<<endl;
// Calculeaza valoarea medie a prob de stare,pe intervalul [1,tmax]
vmsp0=sp0/tmax; vmsp1=sp1/tmax;
cout<<" Valoarea medie pentru prob de stare p0(t) este vmps0= "<<vmsp0;
cout<<endl;
cout<<" Valoarea medie pentru prob de stare p1(t) este vmps0= "<<vmsp1;
cout<<endl;
} // Sfarsitul ciclului nrprobdorit
cout<<endl<<endl;
cout<<"
END of JOB ";
getch ();
} // Sfarsitul programului
10.6 Concluzii
Procesele de natere i moarte sunt procese fr memorie. Ele conduc la procese Poisson cu
un parametru. Sistemul diferenial al probabilitilor de stare (numit i ecuaiile difereniale ale
viitorului [27] ) este format din ecuaii difereniale de ordinul nti, liniare, neomogene (mai
puin cazul n=0), cu coeficieni constani. Rezolvarea sisemului se face recurent, prin ataarea
unei problem Cauchy i folosirea metodei variaiei constantei sau folosirea formulei (1) care d
direct soluia general.
n aplicaii, transpunerea modelului matematic n model informatic, i apoi elaborarea unui
program ntr-un limbaj de programare reprezint o necesitate. Lucrarea de fa prezint o
asemenea ealonare unitar a ideilor prin studierea unui process aleator generat de o linie
telefonic obinuit, cu strile ocupat sau liber.
Programul C++ a fost validat pe mai multe exemple numerice, dintre care se prezint print
screen- ul pentru dou problem numerice.