4.1. Модулированные пуассоновские потоки (mmp-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.
Рассмотрим класс модулированных пуассоновских потоков.
Пусть задан некоторый случайный процесс k(t) и множество неотрицательных чисел λk ≥ 0.
Определение. Случайный поток однородных событий будем называть модулированным пуассоновским (MP-потоком), управляемым случайным процессом k(t), если выполнены условия
P{m(t + Δt) = m +1| m(t) = m, k(t) = k} = λkΔt + ο(Δt),
P{m(t + Δt) > m +1| m(t) = m, k(t) = k} = ο(Δt).
Среди множества MP-потоков выделим класс марковских модулированных пуассоновских потоков (MMP-потоков).
Определение. Модулированный пуассоновский поток будем называть MMP-потоком, если управляющий процесс k(t) является цепью Маркова с непрерывным временем.
Можно рассмотреть и другие классы MP-потоков, управляемых случайными процессами из других классов.
В литературе для MP-потоков также встречается название дважды стохастические потоки.
4.2. MAP-потоки
Значительное разнообразие потоков определяется множеством MAP-потоков (Markovian Arrival Process). Их рассмотрение начнём с класса синхронных MAP-потоков.
Пусть задана цепь Маркова k(t), определяемая матрицей Q её инфинитезимальных характеристик .
Определение. Случайный поток однородных событий будем называть синхронным MAP-потоком, если моменты наступления его событий совпадают с моментами изменения состояний управляющей этим потоком цепи Маркова k(t).
Выделим некоторое состояние цепи Маркова , которое будем называть репродуктивным.
Определение. 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 S состояний управляющей цепи. Элементы s ϵ S будем называть репродуктивными состояниями. Дадим следующее определение.
Определение. 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 k1 ≠ k2 заданы вероятности того, что в момент перехода цепи Маркова из состояния k1 в состояние k2 наступает ещё одно событие, а с вероятностью событие в этот момент не наступает. Определённый таким образом случайный поток однородных событий будем называть общим MAP-потоком или просто MAP-потоком.
Для того, чтобы вернуться к MMP-потоку достаточно в MAP-потоке положить все .
Если в MAP-потоке положить все , а вероятности задать в виде
то получим полумарковский PH-поток.
Если в предыдущем случае множество S включает одно единственное состояние, то получаем рекуррентный PH-поток.
Все вышеперечисленные потоки являются ординарными. Определим достаточно общую модель неординарного потока.
- Полумарковские процессы и специальные потоки однородных событий
- Глава 1. Цепи Маркова с непрерывным временем
- 1.1. Определение и основные свойства цепи Маркова с непрерывным временем
- 1.2. Дифференциальные уравнения Колмогорова
- 1.2.1. Обратная система дифференциальных уравнений Колмогорова
- 1.2.2. Прямая система дифференциальных уравнений Колмогорова
- 1.3. Финальные вероятности
- 1.4. Время перехода из одного состояния в другое для цепей Маркова с непрерывным временем
- 1.5. Статистический смысл финальных (стационарных) вероятностей
- 1.6. Время пребывания цепи Маркова в j-ом состоянии
- 1.6. Процесс размножения и гибели
- 1.7. Метод Хинчина
- 1.8. Процесс чистого размножения
- 1.8. Пуассоновский процесс
- 1.9. Метод производящих функций
- Глава 2. Теория потоков событий
- 2.1. Определения и терминология
- А. Стационарность
- Интенсивность и параметр потока
- 2.2. Пуассоновский поток событий
- 2.3. Варианты пуассоновского потока событий
- 2.4. Потоки восстановления
- 2.5. Распределение величины перескока и недоскока для потоков восстановления
- 2.6. Парадокс остаточного времени
- 2.7. Основное свойство рекуррентных потоков
- Глава 3. Полумарковские процессы
- 3.1. Определение основных понятий теории полумарковских процессов
- 3.2. Методы исследования полумарковских процессов
- 3.2.1. Метод дополнительной переменно для исследования процесса марковского восстановления
- 3.2.2. Исследование полумарковского процесса методом дополнительной переменной y(t)
- 3.2.3. Метод дополнительных переменных z(t) и s(t) исследования полумарковского процесса
- Глава 4. Специальные (коррелированные) потоки событий
- 4.1. Модулированные пуассоновские потоки (mmp-потоки)
- 4.3. Bmap-потоки
- 4.4. Полумарковские потоки
- 4.5. Уравнения Колмогорова в теории потоков событий
- 4.5.1. Потоки с дискретной компонентой
- 4.5.2. Потоки с непрерывной компонентой
- 4.6. Метод характеристических функций для анализа потоков
- Для рекуррентного потока
- Для потока марковского восстановления
- Для полумарковского потока
- 4.7. Исследование моделей потоков
- 4.7.1. Исследование модели map-потока
- 4.7.2. Решение уравнения (12) методом матричной экспоненты
- 4.7.3. Исследование модели полумарковского потока
- Нахождение распределения r(z)
- 4.7.4. Решение основного уравнения для полумарковского потока
- Глава 5. Исследование специальных потоков событий методом асимптотического анализа
- 5.1. Метод асимптотического анализа map-потоков в условии растущего времени
- 5.1.1 Асимптотика первого порядка
- 5.1.2. Асимптотика второго порядка
- 5.2. Метод асимптотического анализа sm-потоков в условии растущего времени
- 5.2.1. Асимптотика первого порядка
- 5.2.2. Асимптотика второго порядка
- 5.3. Аппроксимация допредельного распределения
- 5.3.1. Аппроксимация второго порядка допредельного распределения
- 5.3.2. Гауссовская аппроксимация
- 5.4. Метод асимптотического анализа mmp-потоков в условии предельно редких изменений состояний потока
- 5.4.1. Асимптотика первого порядка
- 5.4.2. Асимптотика произвольного порядка
- Литература