Уравнения Колмогорова в теории потоков событий
Стр 1 из 3Следующая ⇒ Глава 1. Марковизируемые потоки событий
Рассмотрим некоторые классы потоков событий, обобщающие классы пуассоновских и рекуррентных потоков. Модулированные пуассоновские потоки
Многочисленные исследования реальных потоков заявок, требований, сообщений, выполненные зарубежными и отечественными специалистами в различных областях, позволили сделать вывод о существенной неадекватности классических моделей потоков (пуассоновских и рекуррентных) реальным данным. Поэтому актуальной является задача существенного расширения множества математических моделей случайных потоков однородных событий, а также развития методов их исследования. По определению случайным потоком однородных событий называется последовательность С другой стороны, обозначив Случайный поток однородных событий будем также определять в виде случайного процесса Рассмотрим класс модулированных пуассоновских потоков. Пусть задан некоторый случайный процесс Случайный поток однородных событий будем называть модулированным пуассоновским (MP-потоком), управляемым случайным процессом
Среди множества MP-потоков выделим класс марковских модулированных пуассоновских потоков (MMP-потоков). Модулированный пуассоновский поток будем называть MMP-потоком, если управляющий процесс Можно рассмотреть и другие классы MP-потоков, управляемых случайными процессами из других классов.
В литературе для MP-потоков также встречается название дважды стохастические потоки. MAP-потоки
Значительное разнообразие потоков определяется множеством MAP-потоков (Markovian Arrival Process). Их рассмотрение начнём с класса синхронных MAP-потоков. Пусть задана цепь Маркова Случайный поток однородных событий будем называть синхронным MAP-потоком, если моменты наступления его событий совпадают с моментами изменения состояний управляющей этим потоком цепи Маркова Выделим некоторое состояние цепи Маркова Случайный поток однородных событий будем называть рекуррентным PH-потоком (рекуррентным потоком фазового типа), если его события наступают тогда и только тогда, когда управляющая цепь попадает в репродуктивное состояние. Очевидно, что в таком потоке длины интервалов стохастически независимы и одинаково распределены, поэтому рассматриваемый поток является рекуррентным. А так как длины интервалов имеют фазовое или PH-распределе-ние, то использованное для него название оправдано. Теперь выделим некоторое подмножество Случайный поток однородных событий будем называть полумарковским PH-потоком (полумарковским потоком фазового типа), если его события наступают тогда и только тогда, когда управляющая цепь попадает в любое репродуктивное состояние. Определённые выше потоки, принадлежат достаточно широкому классу общих MAP-потоков. Для определения общего MAP-потока, рассмотрим MMP-поток, и будем полагать, что для любых
Для того, чтобы вернуться к MMP-потоку достаточно в MAP-потоке положить все Если в MAP-потоке положить все то получим полумарковский PH-поток. Если в предыдущем случае множество Все вышеперечисленные потоки являются ординарными. Определим достаточно общую модель неординарного потока. BMAP-потоки
Потоки данного класса предложены Д.Лукантони в 1991 году. Они получили название групповых марковских входящих потоков (Batch Markovian Arri val Process – BMAP). Заявки в BMAP-потоке поступают группами случайного числа. Моменты реализации групп образуют MAP-поток. Будем полагать, что количество заявок в различных группах стохастически независимы и определены распределениями Таким образом, для задания BMAP-потока необходимо задать инфинитезимальную матрицу Очевидно, что идентификация реальных потоков моделями BMAP-потоков представляет определённые проблемы в связи с необходимостью оценки значений большого числа параметров таких потоков, поэтому ниже будут использованы, главным образом модели MAP-потоков. Полумарковские потоки
Рассмотрим двумерный однородный марковский случайный процесс
Вторая компонента По определению, марковской переходной функцией
Будем рассматривать только такие двумерные случайные процессы
то есть условное распределение (1.1) не зависит от второго условия (не зависит от значений второй компоненты). В этом случае марковскую переходную функцию
Матрицу Случайный поток однородных событий
будем называть полумарковским или SM-потоком, заданным матрицей
В силу свойства (1.2), первая компонента
Эта цепь Маркова для рассматриваемого SM-потока называется вложенной по моментам времени (3). Вторая компонента
а также по формуле полной вероятности в стационарном режиме и безусловную функцию распределения
где
Эту систему уравнений можно переписать в матричном виде, обозначив векторы
следующим образом
Если компоненты
то полумарковский поток будем называть потоком марковского восстановления.
Уравнения Колмогорова в теории потоков событий
Воспользуйтесь поиском по сайту: ![]() ©2015 - 2025 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...
|