Documente Academic
Documente Profesional
Documente Cultură
Capitolul 3
LANŢURI MARKOV
Noţiuni generale
Procese Markov
Fluxuri de evenimente
Fluxuri de tip Bernoulli
Fluxuri de tip Poisson
Procese stohastice
Spaţiul stărilor
Spaţiul parametrilor
discret continuu
discret
={0,1,2,...} lanţ (eng. chain)
continuu
2
Procese stohastice
valoarea medie:
m X : , m X (t ) M [ X (t )], t (3.1.3)
caracteristicii staţionare t
funcţia de repartiţie:
F ( x) lim P[ X (t ) x], x (3.1.4)
t
(t1, t2 , , tn ) n
X (t1 ), X (t2 ), , X (tn ) vectorul aleator
caracteristica statistică de ordinul n (eng. n-th order distribution):
FX (t1, t2 , , tn ; x1, x2 , , xn ) P[ X (t1 ) x1, X (t2 ) x2 , , X (t n ) xn ] (3.1.5)
Un proces stohastic staţionar este ergodic (eng. ergodic) dacă toate caracteristicile sale
statistice (de orice ordin) pot fi determinate pe baza unei singure realizări (pe o durată de
timp infinit de lungă).
Un proces stohastic este staţionar (eng. stationary process) dacă
FX (t1, t2 , , tn ; x1, x2 , , xn ) FX (t1 , t2 , , tn ; x1, x2 , , xn ) , . (3.1.6)
3
Procese stohastice
4
Procese stohastice
Y1 T1 , Y2 Y1 T2 ,
Y3 Y2 T3 T1 T2 T2 , …,
Yk Yk 1 Tk T1 T2 Tk , …
5
Procese stohastice
6
Procese stohastice
7
Procese stohastice
Proces Bernoulli, p =0.25 Numar de evenimente
6
0.8
4
0.6
Xk
Nk
3
0.4
2
0.2 1 p =0.25
0 0
0 2 4 6 8 10 12 14 16 18 20 0 2 4 6 8 10 12 14 16 18 20
k k
8
Procese stohastice
9
Procese stohastice
10
Procese stohastice
(P1) – (P2)
N (t ) are distribuţie Poisson de parametru t :
t k t
P (k , t ) P N (t ) k e ,
k! . (3.1.16)
t 0, k 0,1, 2,
11
Procese stohastice
Exemplul 3.1.3. Sosirea mesajelor de e-mail este modelată printr-un proces Poisson
de rată 0, 2 mesaje pe oră ( 0.2 h 1 ).
Probabilitatea ca pe parcursul unei ore să nu sosească nici un mesaj:
P(0,1) P N (1) 0 e 0,819 .
Probabilitatea ca în acelaşi interval de timp să sosească un mesaj:
P(1,1) P N (1) 1 e 0,164 .
Probabilitatea ca pe parcursul unei zile (24 de ore) să nu sosească nici un mesaj:
P(0, 24) P N (24) 0 e 24 0,008294 .
12
Procese stohastice
13
Procese stohastice
14
Procese stohastice
Exemplul 3.1.4. Sosirea clienţilor unui sistem de aşteptare este modelată printr-un
flux Poisson de rată 5 cl/min.
Probabilitatea ca durata dintre două sosiri succesive să fie mai mic decât 10 secunde:
P[T 1 6] 1 exp 1 6 0,565 .
Probabilitatea ca într-un interval de 2 minute să aibă loc exact 10 sosiri:
(2 )10 2
P (2,10) P N (2) 10 e 0,125 .
10!
Probabilitatea ca într-un interval de 1 minut să sosească cel puţin 2 clienţi este:
P N (1) 2 1 P N (1) 0 P N (1) 1 1 (1 )e 0,959 ,
sau ţinând cont că Y2 are distribuţie Erlang, Y2 Er (2, ) :
1
( ) k
P Y2 1 1 e 1 (1 )e 0,959 .
k 0 k !
Pp. că fiecare client, independent de ceilalţi clienţi, solicită un serviciu de tip A, cu
probabilitatea p 0, 4 , sau de tip B, cu probabilitatea q 1 p 0,6 .
Sosirea clienţilor de tip A reprezintă un flux Poisson de rată A p 2 min 1 .
Sosirea clienţilor de tip B este un flux Poisson de rată B q 3 min 1 .
Probabilitatea ca durata TA dintre sosirile a doi clienţi care solicită serviciul de tip A să
fie mai mare decât 1 minut este:
15
Procese stohastice
P[TA 1] e A 0,135 .
Probabilitatea ca într-un minut să sosească exact 3 clienţi care solicită serviciul A şi 2
clienţi care solicită serviciul B (se ţine cont de faptul că cele două fluxuri Poisson sunt
independente):
A3 A B2
P[ N A (1) 3, N B (1) 2] P[ N A (1) 3] P[ N B (1) 2] e e B 0,0404 .
3! 2!
16
Procese stohastice
17
Procese stohastice
exemple (Steven M. Kay, Intuitive Probability and Random Processes Using MatLab, Springer, 2005)
18
Procese stohastice
19
Procese stohastice
20
Procese stohastice
21
Procese stohastice
22
Procese stohastice
23
Procese stohastice
24
Procese stohastice
25
Procese stohastice
exerciţii propuse:
26
Procese stohastice
27