Documente Academic
Documente Profesional
Documente Cultură
LI323
Dfinitions
{Xn}n N processus stochastique
On sintresse ici uniquement aux CMTD espace dtat fini (E possde N tats) :
E = {1, 2, , N}
On sintresse ici uniquement aux CMTD homognes :
Probabilit de transition d'un tat i vers un tat j entre 2 tapes conscutives (n1 et n) :
pij = P[Xn = j | Xn1 = i]
telles que
pij = 1
nN
iE
jE
Exemple
p12
p23 = 1
p31
1
p14
p41 = 1
p33
E = {1, 2, 3, 4}
p23 = p41 = 1
p12 + p14 = 1
p31 + p33 = 1
)
Consiste dterminer le vecteur (n ) des probabilits d'tat (n
= P[Xn = j], j E, pour que le
j
processus {Xn}n N se trouve dans ltat j la nime tape du processus :
)
(n )
(n ) = [ 1(n ) , (n
2 , ..., N ]
Ce vecteur dpend
(n ) = (n1)P
Equation du rgime transitoire :
(n ) (0) n
dont on dduit :
= P
Une CMTD est dite irrductible, si de tout tat i on peut atteindre tout tat j (en un nombre fini
dtapes).
Tous les tats dune CMTD irrductible sont de mme nature :
tous transitoires
Un tat est dit priodique de priode k (k > 1), si on ne peut y revenir (aprs lavoir quitt) quen un
nombre dtapes multiples de k.
La priode dune CMTD est dfinie comme le PGCD de la priode de tous ses tats.
La priode dune CMTD est gale au PGCD de la longueur de tous les circuits (lmentaires) du
graphe associ.
Une CMTD est dite apriodique si sa priode est gale 1.
Rgime permanent (au bout dun nombre infini dtapes)
Dans une CMTD finie, irrductible et apriodique, le vecteur = [1, 2, ..., N] des probabilits
% = p
pour tout j E
i ij
%
'' j
' = P
iE
&
& =1
' i = 1
'( i
iE
'( iE
Licence d'Informatique
UE Statistique et Informatique - LI323
LI323
Exercice 1 :
D'minents sociologues rangent les individus de notre socit dans trois classes sociales :
(B)ourgeoisie, (C)lasse moyenne et (P)roltariat. On s'intressera, dans ce modle simpliste, la
classe sociale qu'atteint un individu la fin de sa vie. On supposera que celle-ci dpend uniquement
de la classe sociale de son pre (et pas de celles de ses anctres).
Si le pre appartient la classe sociale (B) son fils appartiendra aux classes (B), (C) avec des
probabilits respectives 0.5 et 0.5.
Si le pre appartient la classe sociale (C) son fils appartiendra aux classes (B), (C) et (P)
avec des probabilits respectives 0.2, 0.7 et 0.1.
Si le pre appartient la classe sociale (P) son fils appartiendra aux classes (B), (C) et (P)
avec des probabilits respectives 0.1, 0.3 et 0.6.
1-
Montrer que ce comportement sociologique peut tre modlis par une chane de Markov
temps discret (CMTD). Donner le graphe associ, ainsi que la matrice des transitions.
2-
Cette chane est-elle irrductible ? Apriodique ? Quelle est la nature des diffrents tats de la
CMTD ?
3-
Dterminer les probabilits stationnaires des trois classes sociales. Quelles sont, (trs) long
terme, les proportions de gens de chacune des trois classes ?
4-
Quelle est la probabilit stationnaire d'tre d'une classe sociale diffrente de celle de son
grand-pre (paternel) ?
Exercice 2 : Commutateur
On considre un nud de commutation et on sintresse la file de sortie des paquets vers une
destination donne. Celle-ci est constitue dun buffer stockant les paquets en attente dmission
vers la destination considre et dun serveur transmettant un paquet bit par bit sur la liaison de
sortie. La capacit totale de la file (buffer + serveur) est limite K paquets. Un paquet se
prsentant lentre de la file alors que celle-ci est pleine, est rejet.
On sintresse ltat de la file des instants particuliers tk = k.T, k = 0, 1, 2, ..., o T est un
intervalle de temps constant (time slot). On sintresse au processus stochastique {Xk}k = 0, 1, 2, ... , o
Xk est le nombre de clients dans la file linstant tk.
On suppose que les arrives de paquets et les fins de service sont distribus selon une loi de
Bernoulli. Durant chaque time slot de dure T, il y a donc une probabilit p pour quil arrive un
paquet (et 1p pour nen arrive aucun), et, conditionn par le fait que la file contient au moins un
paquet au dbut du time slot, une probabilit q pour que la transmission du paquet en service se
termine, librant alors une place dans le buffer la fin du time slot (et 1q pour quelle ne se
termine pas).
3
1-
pour n = 1, , K 1
P[Xk = n1 | Xk1 = n] =
pour n = 1, , K 1
P[Xk = n | Xk1 = n] =
pour n = 1, , K 1
P[Xk = 1 | Xk1 = 0] =
P[Xk = 0 | Xk1 = 0] =
P[Xk = K1 | Xk1 = K] =
P[Xk = K | Xk1 = K] =
2-
Montrer que {Xk}k = 0, 1, 2,, est une chane de Markov temps discret (CMTD). Donner le
graphe associ.
3-
Sous quelle condition cette chane admet-elle un rgime stationnaire ? Quelle est la nature des
diffrents tats de la chane ?
1
1
et q = .
3
2
4-
5-
En dduire le nombre moyen de paquets dans le commutateur ( la fin dun time slot).
Exercice 3 : Drapeau
On considre un mcanisme de type drapeau . Lorsque le drapeau est baiss (ou passant) tout
client qui se prsente passe immdiatement et sans dlai. Lorsque le drapeau est lev (ou bloquant),
les clients sont bloqus et doivent attendre dans un buffer. Ds que le drapeau redevient passant,
tous les clients prsents dans le buffer sont immdiatement et simultanment librs.
Drapeau
Clients
2-
Licence d'Informatique
UE Statistique et Informatique - LI323
3-
Par la suite, on supposera que tous les tats de la chane sont rcurrents non nuls quels que soient
2
1
les valeurs de p > 0 et r > 0, et on choisira p = et r = .
5
6
4-
5-
Quelle est la probabilit stationnaire pour que le buffer contienne plus de 5 clients la fin
dun IT ?
6-
8-
Cration de jetons :
toutes les T units de temps
Arrive de client :
Poisson de taux
Systme
Rejet si pas de
jeton disponible
Sachant que le processus stochastique dcrivant les arrives de clients est un processus de
Poisson de taux , que valent les probabilits : 0, 1, 2 et 0, 1, 2, 3 ?
Si l'instant tn il y a 1 jeton disponible combien peut-il y avoir de jetons l'instant tn+1 ? Avec
quelles probabilits ?
Si l'instant tn il y a 2 jetons disponibles combien peut-il y avoir de jetons l'instant tn+1 ?
Avec quelles probabilits ?
Si l'instant tn il y a 3 jetons disponibles combien peut-il y avoir de jetons l'instant tn+1 ?
Avec quelles probabilits ?
3-
En dduire que le processus stochastique {Xn}n N est une chane de Markov temps discret.
Donner le graphe et la matrice de transitions associs.
4-
Cette chane est- elle irrductible ? priodique ? Admet-elle un tat stationnaire ? Justifier vos
rponses.
5-
Calculer les probabilits stationnaires k pour que le processus {Xn}n N soit dans l'tat k.
6-
Les probabilits k peuvent-elles tre considres comme les proportions de temps pendant
lequel la file de jetons contient k jetons en rgime stationnaire ? Justifier votre rponse.
7-
8-
En dduire le dbit moyen d'entre e des clients dans le systme ainsi que la probabilit Pr de
rejet d'un client.
Licence d'Informatique
UE Statistique et Informatique - LI323
LI323
Rsolution exacte
Trouver la solution stationnaire dune CMTD consiste rsoudre lquation :
% = P
'
& =1
'( i
iE
% = p
i ij
'' j
iE
&
' i = 1
'( iE
pour tout j E
o P est la matrice de transitions et E est lespace dtat (ensemble de tous les tats de la CMTD).
La rsolution directe de ce systme n'est souvent ralisable que pour des chanes particulires ayant
)
(n1)
(n ) = (n1)P (n
p ij pour tout j E
j = i
iE
1
en partant d'une initialisation de (0) (par exemple (0) =
pour tout i E) et en s'arrtant
|E |
lorsque qu'un certain
critre de convergence est satisfait.
(n )
1-p-q+2pq
p
1-p-q+2pq
p(1-q)
1
q(1-p)
1-p-q+2pq
p(1-q)
...
2
q(1-p)
p(1-q)
q(1-p)
1-q
p(1-q)
K-1
q(1-p)
K
q
Le critre darrt le plus lmentaire pour la mthode des puissances consiste fixer le nombre
ditrations de la mthode une valeur constante nit. A la dernire itration, (n it ) est cens fournir
3-
Tester la mthode des puissances avec dautres valeurs numriques pour K, p et q. Prsenter
les rsultats sous une forme synthtique. Quen conclure sur lefficacit du critre de
convergence lmentaire ?
Un critre darrt plus adapt consiste stopper les itrations de la mthode des puissances lorsque
le vecteur calcul litration courante, (n) , est suffisamment proche du vecteur calcul
litration prcdente, (n1) . La distance entre (n) et (n1) sera compare une valeur que lon
fixera au dpart 10-5. Lorsque celle-ci devient infrieure , le vecteur (n) obtenu la dernire
Proposer diffrents critres darrt bass sur ce principe. Les tester sur lexemple numrique
initial (K = 6, p = 0.02 et q = 0.01). Choisir un critre (ventuellement combin) en justifiant
le choix.
5-
On utilisera les conclusions de cette dernire question pour choisir un critre darrt qui sera utilis
dans toute la suite du TME.
Licence d'Informatique
UE Statistique et Informatique - LI323
Mthode de Gauss-Seidel
La mthode de Gauss-Seidel reprend lide de la mthode des puissances tout en essayant de
rutiliser au plus tt les valeurs les plus rcemment calcules.
En dcomposant P de la faon suivante :
"0 p 01 p 02 ... p 0K % " 0
0
0 ...
0
0% " p 00 0
0 ... 0 %
$
' $
' $
'
0
0 ...
0
0' $ 0 p11 0 ... 0 '
$0 0 p12 ... p1K ' $ p10
P = $0 0
0 ... p 2K ' + $ p 20 p 21
0
:
0
0' + $ 0
0 p 22 ... 0 '
$
' $
' $
'
:
:
: ' $ :
:
:
:
:' $ :
:
:
... '
$$ :
' $
' $
'
0 0
0 0
0 & # p K0 p K1 p K2 ... p KK1 0& # 0
0
0 ... p KK &
#
lquation = P peut tre rcrite de faon quivalente (car D, donc I D est inversible) :
= U + L + D
U
+
L )(I D)1
(
)
(n
j
%
(
1 '
(n)
(n1) *
=
pij + i pij*
1 p jj '&i< j i
i> j
)
pour tout j E
3-
Faire varier le nombre dtats de la chane (en gardant les valeurs prcdentes pour p et q) et
tracer le nombre ditrations des deux mthodes pour atteindre la convergence. Que constatet-on sur cet exemple ?
4-
Tester les deux mthodes sur diffrents exemples en faisant varier les paramtres de la chane.
Par exemple, tester des valeurs petites et grandes pour p et q, proches et loignes, inverser
leurs valeurs, garder un rapport constant, etc. Reprsenter les rsultats sous forme synthtique.
5-
Quelles conclusions peut-on tirer de tous ces exemples ? La mthode de Gauss-Seidel est-elle
toujours plus performante que la mthode des puissances ?
La plupart des mthodes numriques (dont celle des puissances et de Gauss-Seidel) ne fonctionnent
que sur des chanes finies. Si la CMTD est infinie, il faut donc la tronquer avant de pouvoir la
rsoudre par une telle mthode. Tronquer une chane de Markov nest pas sans consquence et doit
donc tre ralis avec prcaution.
Exercice 3 : Chanes infinies
On considre la CMTD infinie de lexercice 3 des TD (avec des arrives Bernoulliennes).
1-
Donner le graphe ainsi que la matrice de transitions associs la CMTD lorsque celle-ci est
tronque une valeur K (cest--dire lorsque le buffer du drapeau a une capacit limite
K clients).
2-
3-
4-
Utiliser les mthodes numriques pour rsoudre la CMTD lorsque les arrives de clients sont
1
poissoniennes. On testera, par exemple, le cas : K = 6, = 1, T = 1, r = .
6
10