Лекция 19 (уир). Цепи Маркова с непрерывным временем.
Марковский случайный процесс называется цепью Маркова с непрерывным временем, если переходы системы из состояние в состояние происходят не в фиксированные, а в случайные моменты времени.
Время наступления событий часто предсказать заранее невозможно. Например, любая деталь устройства или агрегат могут выйти из строя в любой, непредсказуемый момент времени. Описание таких, и гораздо более сложных ситуаций возможно при использовании формализма непрерывных цепей Маркова.
Пусть система характеризуется состояниями , и переход из состояния в состояние может происходить в любой момент времени. Обозначим через вероятность того, что в момент времени система будет находиться в состоянии . Требуется определить для любого момента времени вероятности состояний . При этом, очевидно, должно выполняться условие нормировки
.
Для процесса с непрерывным временем вместо переходных вероятностей рассматриваются плотности вероятностей перехода , представляющие собой предел отношения вероятности перехода системы за время из состояния в состояние к величине :
, (1)
где - вероятность того, что система, пребывавшая в момент в состоянии , за время перейдет из него в состояние ; при этом всегда .
Если , то процесс называется однородным, если же , то – неоднородным.
При рассмотрении непрерывных марковских процессов принято считать, что переходы системы происходят под влиянием некоторых потоков событий.
Потоком событий называется последовательность событий, следующих одно за другим через какие-то случайные интервалы времени. Плотность вероятности перехода интерпретируется как интенсивность соответствующих потоков событий. Если все эти потоки пуассоновские, то процесс, протекающий в системе, является марковским.
Марковские процессы удобно иллюстрировать с помощью графа состояний (Рис. 1), где кружками обозначены состояния системы, а стрелками – возможные ее переходы. Задержки в прежнем состоянии изображают “петлей”, т.е. стрелкой, направленной из данного состояния в него же. Число состояний системы может быть как конечным, так и бесконечным.
Рис. 1. Граф состояний системы .
Как правило, в графе состояний над стрелками проставляют соответствующие переходам интенсивности . Такой граф называют размеченным.
- Лекция 1. Предмет теории вероятностей и математической статистики и их роль в экономике и менеджменте
- Лекция 2. Аксиоматика теории вероятности Понятие случайного эксперимента.
- Пространство элементарных событий.
- Совместные и несовместные события.
- Операции над событиями (сумма, разность, произведение).
- Свойства операций над событиями.
- Алгебра и сигма-алгебра событий.
- Лекция 3. Методы определения вероятностей событий
- Классическое определение вероятности события. Случаи равновероятных исходов.
- Статистическое определение вероятности события. Случаи неравновероятных исходов.
- Геометрические вероятности.
- Аксиоматическое построение теории вероятностей.
- Вероятностное пространство
- Лекция 4. Основные теоремы теории вероятностей. Формула полной вероятности и формула Байеса Полная группа событий.
- Условная вероятность.
- Формула умножения вероятностей.
- Формула сложения вероятностей.
- Независимость событий.
- Формула полной вероятности.
- Формула Байеса
- Основные понятия комбинаторики.
- Правила суммы и произведения.
- Лекция 5. Схема независимых испытаний Бернулли
- Случай непостоянной вероятности появления события в опытах
- Наивероятнейшее число наступления событий в схеме Бернулли.
- Предельные теоремы для схемы Бернулли.
- Теорема Пуассона.
- Понятие потока событий.
- Локальная теорема Муавра –Лапласа.
- Интегральная (глобальная) теорема Муавра – Лапласа.
- Лекция 6. Виды случайных величин и расчет вероятностей событий с использованием функций и плотностей распределения
- Закон распределения дискретной случайной величины.
- Функция распределения случайной величины и ее свойства.
- Свойства функции распределения
- Плотность распределения вероятностей.
- Лекция 7. Основные параметры распределений одномерных случайных величин.
- Математическое ожидание случайной величины
- Свойства математического ожидания:
- Дисперсия случайной величины и ее свойства.
- Среднее квадратическое отклонение.
- Лекция 8. Основные законы распределений случайных величин
- Биномиальное распределение, его математическое ожидание и дисперсия.
- Распределение Пуассона.
- Геометрическое распределение
- Гипергеометрическое распределение (урновая схема)
- Равномерное распределение.
- Показательное распределение.
- Лекция 9. Нормальное распределение и его свойства
- Свойства функции Гаусса.
- Вероятность попадания нормальной случайной величины в заданный интервал.
- Функция Лапласа и ее свойства.
- О тклонение нормальной случайной величины от ее математического ожидания. Правило «трех сигм».
- Лекция 10. Многомерные случайные величины
- Закон распределения вероятностей двумерной случайной величины
- Совместная функция распределения двух случайных величин
- Свойства совместной функции распределения двух случайных величин
- Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- Свойства двумерной плотности вероятности
- Независимые случайные величины
- Для независимых случайных величин справедливы соотношения
- Числовые характеристики системы двух случайных величин
- Корреляционный момент
- Коэффициент корреляции
- Свойства коэффициента корреляции
- Лекция 11. Предельные теоремы теории вероятностей.
- Неравенство Чебышева
- Теорема Чебышева.
- Центральная предельная теорема.
- Лекция 12. Выборочный метод анализа свойств генеральной совокупности.
- Выборочный метод и его основные понятия. Случайная выборка и ее объем
- Способы отбора
- Вариационный ряд для дискретных и непрерывных случайных величин.
- Полигон и гистограмма
- Лекция 13. Понятие о статистических оценках случайных величин Эмпирическая функция распределения
- Важнейшие свойства статистических оценок
- Надежность и доверительный интервал.
- Лекция 14. Доверительные интервалы для математического ожидания и дисперсии Доверительный интервал для математического ожидания нормального распределения при известной дисперсии.
- Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
- . Доверительный интервал для оценки среднего квадратического отклонения нормального распределения
- Лекция 15. Проверка статистических гипотез.
- Статистический критерий
- Критическая область. Область принятия гипотезы. Критические точки.
- Критерий согласия Пирсона о виде распределения.
- Лекция 16. (уир) Понятие о регрессионном анализе
- Понятие о регрессионном анализе
- Выборочные уравнения регрессии.
- Линейная регрессия
- Множественная линейная регрессия
- Нелинейная регрессия
- Логарифмическая модель.
- Обратная модель.
- Степенная модель.
- Показательная модель.
- Лекция 17 (уир). Понятие о корреляционном анализе.
- А. Парная корреляция
- Б. Множественная корреляция
- Лекция 18 (уир). Цепи Маркова с дискретным временем
- Однородные цепи Маркова
- Переходные вероятности. Матрица перехода.
- Равенство Маркова
- Лекция 19 (уир). Цепи Маркова с непрерывным временем.
- Уравнения Колмогорова
- Финальные вероятности состояний системы
- Лекция 20 (уир). Системы массового обслуживания.
- Расчет характеристик систем массового обслуживания Одноканальные модели а. Одноканальная модель с отказами
- Б. Одноканальная модель с ожиданием
- Многоканальные модели