C A P I T O L U L 10

Procese aleatoare de Natere i Moarte

Model matematic. Model Informatic. Program Surs
Aplicaie. Proces aleator generat de o linie telefonic
10.1 Introducere. Notaii
Lucrarea reprezint un studiu unitar legat de procesele aleatoare de natere i moarte
(stingere). Astfel, sunt prezentate modele matematice, care conin sistemele de ecuaii
difereniale ale proprietilor de stare, soluiile acestor sisteme i proprietile lor. Ca aplicaie
este studiat un process aleator generat de o linie telefonic, cu strile ocupat sau liber [27].
Aplicaia este transpus n model informatic, pentru care este elaborat programul surs C++ i
este dat print screen-ul rezultatelor numerice.
10.1.1 Notaii generale. Clasificarea proceselor.
Dintr-un punct de vedere destul de general exist urmtoarea incluziune de procese aleatoare:
PA PM PM r PM 1 PNM (PSN, PSM) , unde am notat
PA=Procese Aleatoare; PM=Procese Markov; PM r=Procese Markov de ordinul r;
PM 1=Procese Markov de ordinul 1; PNM=Procese de Natere i Moarte;
PSN=Procese Simple de Natere; PSM=Procese Simple de Moarte (Stingere).
Strile sitemului sunt notate prin 0, 1, 2, , n-1, n, n+1,,N-1, N. Variabila t reprezint
timpul. O variabil aleatoare este notat prin X ,iar un process aleator prin X (t ), t R .
Orice proces aleator este descris matematic prin probabilitile de stare p n (t ) i
probabilitile de tranziie p n,k (t ) , unde
p n (t ) este probabiliatea ca sistemul s fie n starea n la momentul de timp t;
p n (0) este probabilitatea initial pentru starea n;
p n,k (t ) este probabiliatea ca sistemul din starea n la momentul t s treac n starea k la
momentul t+1. Starea de nceput este n (pe prima poziie), iar starea de sfrit este k (pe ultima
poziie). Legtura dintre cele dou feluri de probabiliti este
p k (t t )

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

(suma pe linia n).

Matricea ptrat de tipul ( N 1) ( N 1) , notat T pn,k se numete matrice de

tranziie. Aceast matrice este matrice stochastic, deoarece suma pe fiecare linie este egal
cu 1. Dac i pe fiecare coloan suma este egal cu 1, atunci matricea se numete dublu
stochastic.
10.1.2 Sumar legat de aparatul matematic folosit la demonstraiile teoretice. [14]
a) La studierea proceselor aleatoare se folosesc ecuaii difereniale (n general liniare)
omogene sau neomogene. Cu notaiile generale din teoria ecuaiilor difereniale reamintim c
ecuaia diferenial liniar, neomogen, de ordinul 1

y ' ( x ) P( x ) y ( x ) Q ( x ) are soluia general

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.

e) Scrierea sumelor nainte i napoi.

n

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 .

f) Procesele aleatoare conduc la repartiii de probabilitate cunoscute. Cele mai ntlnite

repartiii sunt repartiia exponenial (continu) i repartiia Poisson (discret). Notm
variabila aleatoare prin v.a. i reamintim:

v.a. X de tip exponenial

x
X
f ( x)

, x 0 , f ( x) e x ,

F ( x) 1 e x ,

f (0) , F (0) 0, F () 1 , M ( X )

v.a. X de tip Poisson

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 ( ) .

M ( X ) m X este valoarea medie a v.a. X .

D 2 ( X ) M ( X 2 ) ( m X ) 2 este dispersia v.a. X .

Funcia f (x ) poate s aib unul sau mai muli parametri.

10.2 Procese de natere i moarte (stingere) [3]

10.2.1 Schema grafic a procesului de natere i moarte.
Sistemul are N+1 stri posibile. n fiecare moment de timp t sistemul se afl ntr-o stare n din
cele N+1 stri posibile. Schema care urmeaz prezint cazul general al unui process de natere i
moarte (PNM).
0 1 3 n1 n
n 1
0 1 2 n 1 n n 1

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

diferenial al probabilitilor de stare este

(ecuaie omogen)
(ecuaie neomogen)
Acest sistem diferenial se rezolv n sensul nainte.
Propoziia 3.1. Sistemul diferenial pentru procesul X(t)=PPON(t) are soluia
p 0 (0) 1, 0
p 0 (t ) e t ;
p 0 ' (t ) p o (t ) ; p 0 (0) 1, 0
p n ' (t ) p n (t ) p n 1 (t ) ; p n (0) 0 ; n 1, 2,

p n (t ) e t

t n
n!

; p n (0) 0 ; n 1, 2, .

Demonstraie. Metoda 1. Dm valori lui n i folosim formula (1).

ln p 0 (t ) t ln C 0 ; p 0 (t ) C 0 e t ; p 0 (0) 1, 0 ; C 0 1 .
n 1 ; p 1 ' (t ) p 1 (t ) p 0 (t ) ; p 1 ' (t ) p 1 (t ) e t
t
[C1 t ] ; C1 0
P (t ) ; Q (t ) e t ; p 1 (t ) e
t
p 1 (t ) ( t ) e
.
p 2 ' (t ) p 2 (t ) 2 t e t
t2 C
p 2 (t ) e t [C 2 2
]; 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!

Demonstraia se continu prin inducie complet.

Metoda 2. [3]. Construim o funcie auxiliar L n (t ) i rescriem sistemul diferenial cu
ajutorul acestei funcii. Obinem succesiv
L n (t ) p n (t ) e t ; L 0 (0) 1 ; L n (0) 0 ; n 1, 2, ; L 0 (t ) p 0 (t ) e t .
t
Explicitm; p n (t ) e L n (t ) ; derivm; p n ' (t ) e t L n (t ) e t L n ' (t ) .
nlocuim n ecuaia diferenial recurent iniilal i rezult o ecuaie diferial mai simpl
L n ' (t ) L n 1 (t ) ; n 1, 2, .
Varianta 1. Integrm definit

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!

Varianta 2. Integrm nedefinit: L n (t ) L n 1 (t ) dt .

Dm valori lui n i obinem
n 1 ; L 1 (t ) (t C1 ) ; C 1 0 ; L 1 (t ) t
n 2 ; L 2 (t ) 2 ( t

C 2 ) ; C 2 0 ; L 2 (t )

( t ) 2
2!

. Se continu prin inducie complet.

(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!

Propoziia 3.2. Proprieti ale procesului X(t)=PPON(t)

a)

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) !

Metoda 2. Folosim formula de calcul D 2 [ X (t )] M [ X 2 (t )] [ M [ X (t )]]2 . Folosim

artificii: izolm valori, dedublm n 2 n n sau punem -1+1=0.
M [ X 2 (t )]

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).

10.3.2 Procesul simplu liniar de natere X(t)=PPLN(t).

Pentru n n , n 0,1, 2, sistemul diferenial al probabilitilor de stare este
p 0 ' (t ) 0 ; p 0 (0) 1, 0 ; p 0 (t ) constant
p n ' (t ) n p n (t ) ( n 1) p n 1 (t ) ; p 1 (0) 1 ; p n (0) 0 n 2, 3,
Propoziia 3.3. Sistemul diferenial pentru procesul X(t)=PPLN(t) are soluia
p 0 (t ) constant
p n (t ) e t (1 e t ) n 1 ; n 1, 2,

Demonstraie. Metoda 1. Dm valori lui n i folosim formula (1).

n 1 ; ln p 1 (t ) t ln C1 ; p 1 (t ) C1 e t ; p 1 (0) 1, 0 ; C1 1
p 1 (t ) e t .
n 2 ; p 2 ' (t ) 2 p 2 (t ) p 1 (t ) ; p 2 ' (t ) 2 p 2 (t ) e t
P (t ) 2 ; Q (t ) e t
p 2 (t ) e

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 ;

Metoda 2. [3]. Construim o funcie auxiliar L n (t ) i rescriem sistemul diferenial cu

t
ajutorul acestei funcii. nti tratm separat cazul n 1 i rezult p 1 (t ) e ; p 1 (0) 1 .
Definim funcia auxiliar L n (t ) i obinem succesiv:
L n (t ) p n (t ) e n t ; n 1, 2, 3, . Deoarece p 1 (t ) e t este cunoscut, atunci
L 1 (t ) 1 .
Rmne L n (t ) p n (t ) e n t , n 2, 3, 4,
Explicitm; p n (t ) e n t L n (t ) ; derivm; p n ' (t ) n e n t L n (t ) e n t L n ' (t ) .
nlocuim n ecuaia diferenial recurent iniilal i rezult o ecuaie diferial mai simpl
L n ' (t ) ( n 1) e t L n 1 (t ) ; n 2, 3, .
Varianta 1. Integrm definit

L n (t )

Dm valori lui n i obinem

L 2 (t ) e t 1 ; L 3 (t ) (e t
n 2, 3, .

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, .

Propoziia 3.4. Proprieti ale procesului X(t)=PPLN(t)

a)

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 n (1 e t ) n 1 . Apariia factorului n complic evaluarea sumei. De

n 1 (1 e t ) n 1 1 q e t . Derivm n

aceea se pleac de la suma cunoscut U n (t )

raport cu t i prelucrm pn cnd apare suma S n (t ) . Obinem succesiv:

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

; sub sum deplasm indicele de sumare n jos

, 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 ]

artificiul 3: derivm S n (t ) i obinem

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

artificiul 4: nmulim ultima egalitate cu factotul

n 1

n ultima expresie a lui

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).

10.4 Proces simplu de moarte (stingere) [2]

Prezentm n detaliu procesele simple de moarte (stingere).
10.4.1 Procesul simplu omogen de moarte X(t)=PPOM(t).
Pentru n , n 1, 2, sistemul diferenial al probabilitilor de stare este

p n ' (t ) p n (t ) p n 1 (t ) ; p n (0) 0 ; n 0,1, 2,

(ecuaie neomogen)
p 0 (0) 0 , p 1 (0) 0 , p 2 (0) 0 ,
p
(
0
)

0
p
(
, n 1
, n 0) 1 .

Spre deosebire de sistemul diferenial de la procesul simplu de natere, la procesul de stingere,

sistemul diferenial se rezolv n sensul napoi.
Propoziia 4.1. Sistemul diferenial pentru procesul X(t)=PPOM(t) are soluia
p k (t ) e t

( t ) n k
; p k (0) 0 ; k 0,1, 2, , n 1
(n k ) !

p k (t ) e t ; p n (0) 1

; n este numr natural oarecare fixat.

Demonstraie. Dac la momentul t sistemul este n starea oarecare n 0 atunci p n 1 (t ) 0
. Dm valori lui k pentru rezolvare napoi.
k n ; p n ' (t ) p n (t ) ; p n (0) 1 ; p n (t ) e t
k n 1 ; p n 1 ' (t ) p n 1 (t ) e t ; p n 1 (0) 0 ; P (t ) ; Q (t ) e t
p n 1 (t ) e t (C n 1 t ) ; C n 1 0 ; p n 1 (t ) e t t
k n 2;

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 ) !

10.4.2 Procesul simplu liniar de moarte X(t)=PPLM(t).

Pentru n n , n 0,1, 2, sistemul diferenial al probabilitilor de stare este
p n ' (t ) n p n (t ) ( n 1) p n1 (t ) ; p 1 (0) 1 ; p n (0) 0 n 0,1, 2, 3,
p 0 (0) 0 , p 1 (0) 0 , p 2 (0) 0 ,
, p n 1 (0) 0 , p n (0) 1 .
Propoziia 4.3. Sistemul diferenial pentru procesul X(t)=PPLM(t) are soluia
p k (t ) C nk exp ( n t ) (exp ( t ) 1) n k ; k 0, 1, 2, , n 1 ; p k (0) 0
p n (t ) e n t ; p n (0) 1 .
Demonstraie. Facem rezolvare napoi. ncepem cu o stare oarecare n 0 . Dm valori lui k .
p n ' (t ) n p n (t ) ; p n (t ) C n e n t ; C n 1 ; p n (t ) e n t
k n;
k n 1 ; p n 1 ' (t ) ( n 1) p n 1 (t ) n p n (t ) ; p n 1 (0) 0
p n 1 ' (t ) ( n 1) p n 1 (t ) n e n t ; P (t ) ( n 1) ; Q (t ) n e n t

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 0 (0) 0 ; p 1 (0) 0 ; p 2 (0) 0 ;

p n 1 (0) 0 ; p n (0) 1 .

(End).

Consecina 4. Legea de probabilitate a procesului Poisson X(t)=PPLM(t) este

X(t)=

k

f (k ; , t )

; f ( k ; , t ) p k (t ) ; k 0,1, 2, , n .

Propoziia 4.4. Proprieti ale procesului X(t)=PPLM(t)

n
a) k 0 p k (t ) 1 pentru orice t R .
M [ X (t )] n e t ;

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)

D 2 [ X (t )] M [ X 2 (t )] [ M [ X (t )]] 2 = M [ X 2 (t )] ( n e t ) 2 ; calculm separat

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).

10.5 Aplicaie. Proces aleator generat de o linie telefonic [27]

10.5.1. Modelul matematic. Formularea problemei. Linia telefonic a unui abonat
genereaz un proces aleator notat T (t ) . Procesul are numai dou stri posibile: linie libernotat prin starea 0 i linie ocupat- notat prin starea 1. Fiecare stare genereaz o variabil
aleatoare, care descrie durata de via a strii respective.
V.a. X descrie durata n timp a strii libere 0. V.a. Y descrie durata n timp a strii ocupate 1.
Procesul nu are memorie, adic procesul de mbtrnire nu aduce schimbri n starea iniial.
De aceea ambele variabile aleatoare X i Y au repartiii exponeniale.

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 .

10.5.2. Algoritm pentru rezolvarea matematic a problemei.

Pasul 1. Aflm parametrii variabilelor aleatoare X i Y :

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

Pasul 5. nlocuim , cu valorile numerice i rezult p 0 (t ) C e t .

Pasul 6. Determinm constanta real din problema Cauchy. Rezult soluia
0,3 C 0,2 ; C 0,1 ; p 0 (t ) 0,1 e t 0,2
(5)
Consecina 5. p1 (t ) 0,8 0,1 e t
(6)

T (t)

p0 (t) 0,2 0,1e t p1(t) 0,8 0,1e t

; t 0 ; p 0 (0) 0,3 ; p1 (0) 0,7 .

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

vmsp1 (valoare medie)

Variabila timp t variaz n intervalul [1,tmax].

p0[t]=0.2+0.1*exp(-t), pentru t=1.tmax.

p1[t]=1- p0[t],
pentru t=1,tmax.
Se tabeleaz p0[t] i p1[t].
10.5.4. Programul sursa C++ pentru calcularea probabilitilor de stare.
// Program 67 Cpp:Proces de Nastere si Moarte pentru Linia Telefonica
// Sectiunea 1.Descrierea programului
// Procesul are numai 2 stari: liber= neocupat=notat 0
//
ocupat=notat 1
// Durata de stare 0 este o variabila aleatoare exponentiala X: x>0;f(x)>0
// f(x)=alfa*exp(-alfa*x); M(X)=1/alfa; D2(X)=1/alfa^2
// Durata de stare 1 este o variabila aleatoare exponentiala Y: y>0;g(y)>0
// g(y)=beta*exp(-beta*y); M(Y)=1/beta; D2(Y)=1/beta^2
// p0(0)=p00 si p1(0)=p10 sunt probabilitatile initiale;acestea sunt cunoscute
// p0(t) si p1(t) sunt probabilitatile de stare;acestea trebuie calculate
// p0(0)+p1(0)=1; p0(t)+p1(t)=1 pentru t=1,tmax
// Pasul 1.Se determina p0(t) prin rezolvarea Problemei Cauchy:
// p0'(t)+(alfa+beta)p0(t)=beta; p0(0)=a=p00
// Pasul 2.Se detremina p1(t) prin p1(t)=1-p0(t)
// Notatii: p0(0)=a=p00; p1(0)=b=p10; a+b=1
// p0(t)=p0t;p1(t)=p1t; acestea sunt vectori de dimensiune tmax
// Solutia Problemei Cauchy este
// p0(t)=C2*exp[-(alfa+beta)*t]+C1 , unde
// C1=beta/(alfa+beta); C2=a-C1=p00-C1
//
// Sectiunea 2.Fisiere C++
//
#include<iostream.h>
#include<conio.h>
#include<math.h>
// Sectiunea 3.Declararea variabilelor
//
int nrprobdorit,probl,t,tmax;
float p00,p10,sproba,C1,C2,alfa,beta,p0t[30],p1t[30];
float alfapbeta,sp0,sp1,vmsp0,vmsp1;
// Sectiunea 4.Proceduri.Functii
// Programul nu contine proceduri
// Sectiunea 5.START PROGRAM
//
void main()

{ // 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

5.5. Print screen pentru rezultatele numerice ale programului surs.

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.