- •Введение
- •Глава 1. Элементы теории случайных процессов Определение и описание случайного процесса
- •Статистические средние характеристики случайных процессов
- •Стационарные случайные процессы
- •Свойства функции корреляции
- •Эргодические случайные процессы
- •Глава 2. Цепи Маркова с дискретным временем Основные определения
- •1. Условие нормировки
- •2. Уравнение Чепмена-Колмогорова
- •Цепи Маркова с дискретным временем
- •Классификация состояний цепи Маркова с дискретным временем
- •Структура периодического замкнутого класса
- •Классификация состояний цепи Маркова по асимптотическим свойствам переходных вероятностей
- •Эргодические теоремы для цепей Маркова
- •Вероятностно-временные характеристики цепи Маркова
- •Глава 3. Цепи Маркова с непрерывным временем
- •Дифференциальные уравнения Колмогорова
- •Финальные вероятности
- •Время перехода из одного состояния в другое
- •Статистический смысл финальных (стационарных) вероятностей
- •Время пребывания цепи Маркова в j-ом состоянии
- •Процессы гибели и размножения
- •Процесс чистого размножения
- •Простейший поток
- •Основные вероятностные характеристики простейшего потока
- •Глава 4. Элементы теории массового обслуживания
- •Система массового обслуживания, основные определения и классификация
- •Система m/m/1/ (с очередью)
- •Система m/m/n
- •Глава 5. Непрерывные марковские процессы
- •Определение диффузионного случайного процесса
- •Обратное уравнение Колмогорова
- •Прямое уравнение Колмогорова. Уравнение Фоккера-Планка
- •Некоторые частные случаи уравнения Фоккера-Планка
- •Допредельная модель диффузионного процесса
- •Глава 6. Стохастические интегралы
- •Стохастический интеграл в форме Ито
- •Особенность стохастического интеграла в форме Ито
- •Стохастический интеграл в форме Стратановича
- •Связь интегралов Ито и Стратановича
- •Глава 7. Стохастические дифференциальные уравнения Определение стохастических дифференциальных уравнений. Свойства их решений
- •Формула дифференцирования Ито
- •Решение стохастических дифференциальных уравнений
- •Литература
- •Содержание
- •Глава 1. Элементы теории случайных процессов 2
- •Глава 2. Цепи Маркова с дискретным временем 21
- •Глава 3. Цепи Маркова с непрерывным временем 46
Процессы гибели и размножения
Процессом гибели и размножения называется однородная марковская цепь с непрерывным временем и счетным множеством состояний X={0,1,2,…}, в которой за время t из состояния i возможен лишь непосредственный переход в состояния i–1 и i+1, то есть для инфинитезимальных характеристик будут выполнены следующие условия:
, , ,
, ,
для остальных значений .
Такие процессы хорошо описывают задачи в области биологии, физики, социологии, массового обслуживания. Состояние процесса можно интерпретировать, например, как число особей некоторой популяции, переход из состояния i в i+1 – как рождение новой особи, а переход из состояния i в i–1 – как гибель некоторой особи.
Процессы гибели и размножения принято изображать в виде размеченного графа состояний, следующего вида
Рис. 6.
Вершина графа обозначает состояние цепи Маркова. Ребра графа ориентированы и показывают возможные переходы из одного состояния в другое. В графе рисуют лишь те ребра, которые показывают переходы с ненулевыми инфинитезимальными характеристиками. Эти характеристики обычно пишут рядом с ребрами и называют весами ребер. Удобство такого способа описания марковских процессов заключается в его наглядности и возможности реализации простого правила построения системы дифференциальных уравнений Колмогорова.
Правило: производная по времени от вероятности состояния в момент времени t равна сумме произведений вероятностей состояний на веса ребер, входящих в данное состояние (как будто вероятности втекают в данное состояние), минус произведение вероятности рассматриваемого состояния на сумму весов всех ребер, выходящих из него (как будто вероятность вытекает из рассматриваемого состояния).
Прямая и обратная системы дифференциальных уравнений для переходных вероятностей pij(t)процессов гибели и размножения имеют вид:
,
.
Система дифференциальных уравнений для вероятностей состояний Pi(t)=Pi(t)=i соответственно записывается в виде:
,
,
Система уравнений Колмогорова для стационарных вероятностей j:
,
,
.
Для решения полученной системы можно применить метод Хинчина. Обозначим
,
тогда из системы уравнений следует, что
, ,
следовательно, имеет место равенство
,
откуда получаем равенство
.
Вероятность 0 найдём из условия нормировки
.
Здесь возможны два случая, связанные со сходимостью ряда:
1) ,
тогда стационарные вероятности существуют и равны
.
2) ,
тогда не существует стационарного распределения для рассматриваемого процесса гибели и размножения.
Процесс чистого размножения
Далее рассмотрим процесс чистого размножения, когда все j=0. Для n>i найдём время перехода из одного состояния в другое Tin. Система уравнений в этом случае имеет вид
,
откуда получим
.
Рассмотрим среднее значение времени перехода процесса чистого размножения в состояние с бесконечно большим номером, то есть
.
Здесь также возможны два случая, связанные со сходимостью ряда.
1) Если ряд расходится, то это означает, что в состояние с бесконечно большим номером система перейдёт за бесконечно большое время. Этот случай вполне естественный.
2) Если же ряд , это соответствует тому, что система за конечное время переходит в состояние с бесконечно большим номером. В физике это соответствует неуправляемой цепной реакции (взрыв), а для биологических систем – явлению эпидемии.