2.4. Потоки восстановления
Пусть на временной оси некоторый момент времени выбран за 0 и пусть t1, t2, t3,…> 0 – моменты наступления событий (см. рис. 1)
0
Рис. 1 Поток событий
Обозначим τ1 = t1, τn = tn – tn-1 – длины интервалов между моментами наступления событий. Отметим принципиальное отличие τ1 от всех остальных τn: если τn , n ≥ 2 отсчитываются от момента наступления предыдущего события потока, то τ1 отсчитывается от нуля на оси времени, никакого отношения к потоку не имеющего.
Случайный поток называется потоком с ограниченным последействием, если – независимые случайные величины.
Смысл слов «ограниченное последействие» следующий: будущее поведение потока после момента времени t, tn < t < tn+1, зависит лишь от конечной величины (t – tn), а от остального прошлого не зависит.
Для описания потока с ограниченным последействием достаточно задать функции распределения Ak (x) = P{ τk < x}, k ≥ 1.
Поток с ограниченным последействием, для которого Ak (x) = A(x) для k ≥ 2 (заметьте: A1 (x) это не касается) называется процессом восстановления. В последнем случае вместо слов «наступило событие потока», часто говорят «наступило восстановление».
Пусть Nt – число событий, наступивших на интервале (0,t). Функция H(t) = M{Nt} называется функцией восстановления. Функция h(t) = H´(t), если она существует, называется плотностью восстановления. По смыслу h(t)dt (или dH(t)) есть вероятность того, что на интервале [t, t + dt] наступит событие потока. (интенсивность равна параметру потока)
Выведем теперь одно из основных уравнений – уравнение для H(t). Имеем
P{Nt = n} = P{tn < t, tn+1 ≥ t}.
Но, с другой стороны
P{tn < t} = P{tn+1 < t} + P{tn < t, tn+1 > t },
откуда
P{tn < t, tn+1 > t } = P{tn < t} – P{tn+1 < t}.
Поэтому для H(t) = M{Nt} имеем
.
Так как tn = τ1 + τ2 + τ3 …+ τn, то
P{t1 < t} = F1 (t) = A1 (t),
,
,
……………………………………………………..
.
Поэтому
.
Итак, функция восстановления удовлетворяет интегральному уравнению
. (16)
Решить его можно через преобразования Лапласа-Стилтьеса. Действительно, применяя это преобразование к обеим частям уравнения, получим
,
откуда
. (17)
Зная A*(s) и , отсюда находится H*(s), а по таблицам обратного преобразования Лапласа-Стилтьеса и H(t).
Пример
Пусть A(x) = 1 – e-λx, A1(x) = 1 – e-µx. Тогда
,
.
Поэтому
,
и отсюда
.
Рассмотрим теперь некоторые следствия из уравнения (16) и его решения (17)
1. Пусть и λ = 1/a. Заметим, что A*(0) = A(∞) – A(0) = 1.
Тогда
,
то есть при t →∞ ведет себя как λt.
2. Пусть Q(t) – неотрицательная интегрируемая на (0,∞) функция. Тогда по свойствам преобразования Лапласа-Стилтьеса
.
По свойствам преобразования Лапласа-Стилтьеса
Окончательно
, . (18)
Эта формула называется основной теоремой теории восстановления.
- 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