- •1. Основы теории случайных процессов
- •1.1. Семейства случайных величин
- •1.2. Выборочные функции
- •1.3. Теорема Колмогорова
- •1.4. Вещественный параметр. Дискретный случай
- •1.5. Вещественный параметр. Непрерывный случай
- •1.6. Пуассоновский процесс
- •1.7. Общие свойства случайных процессов
- •1.8. Примеры случайных процессов
- •2. Случайные потоки сообщений
- •2.1. Основные понятия
- •2.2. Принципы классификации входящих потоков
- •Определим p1() и p0():
- •Вероятность поступления k и более заявок определяется по формуле
- •2.6.1. Симметричный и примитивный потоки
- •2.6.2. Поток с повторными заявками
- •Вектор, обладающий свойствами (2.20) и (2.21), называется стохастическим. Если его компоненты представляют вероятности состояний системы, то вектор называется вектором состояний системы.
- •Матрица перехода имеет вид
- •2.12. Предельные теоремы для потоков событий
- •2.12.1. Предельная теорема для суммарного потока
- •2.12.2. Предельная теорема для редеющих потоков
- •3. Основы теории систем массового обслуживания
- •3.1. Элементы систем массового обслуживания
- •3.1.1. Виды распределения входящего потока и времени обслуживания
- •3.1.2. Дисциплина обслуживания заявок
- •3.1.3. Канал обслуживания
- •3.1.4. Выходящий поток
- •3.2. Классификация смо
- •3.3. Процессы гибели и размножения
- •3.4. Системы массового обслуживания с отказами
- •3.4.1. Классическая система массового обслуживания с отказами (система Эрланга)
- •Используя нормировочное условие
- •3.4.2. Системы массового обслуживания с отказами и полной взаимопомощью между каналами
- •3.4.3. Системы массового обслуживания с отказами и частичной взаимопомощью между каналами
- •Для сокращения дальнейшей записи введем обозначение
- •Вероятность обслуживания заявки
- •3.4.4. Системы массового обслуживания с отказами и неоднородными потоками
- •3.4.5. Примеры систем массового обслуживания с отказами
- •Решение
- •Вероятность занятости канала
- •Решение
- •Решение
- •Среднее время полной загрузки
- •4. Системы массового обслуживания с ожиданием
- •4.1. Классическая система массового обслуживания с ожиданием
- •С ожиданием (смо с конечной очередью)
- •4.2. Векторная модель с конечной очередью и неоднородными запросами на число мест в очереди
- •4.3. Векторная модель с бесконечной очередью и однородными запросами на число мест в очереди
- •Подставляя сюда (4.10), будем иметь
- •Где коэффициент , с учетом (4.12), имеет вид
- •4.4. Примеры систем массового обслуживания с ожиданием
- •Вероятность обслуживания заявки для смо с отказами
- •Среднее число заявок в системе
- •5. Различные системы массового обслуживания
- •5.1. Система массового обслуживания с ожиданием и приоритетом в обслуживании
- •5.2. Векторная модель системы массового обслуживания с приоритетом
- •5.3. Замкнутая векторная смо с отказами в обслуживании
- •5.4. Исследование и оптимизация управляемой смо
- •5.5. Примеры специальных смо
- •Решение
- •Среднее число ожидающих обычного переговора
- •Оглавление
1.2. Выборочные функции
Случайный процесс может быть определен математически как функция двух переменных t и , области изменения которых приведены в § 1.1. Причем, с одной стороны, (t, ) при каждом фиксированном t является измеримой функцией элементарного события , т.е. случайной величиной.
С другой стороны, (t, ) для каждого фиксированного элементарного события в данном вероятностном пространстве становится функцией от t, определенной для всех t Т. Иначе говоря, каждому или каждому возможному исходу случайного эксперимента соответствует некоторая однозначно определенная функция от t. Эта функция (t) = (t, ) с фиксированным описывает эволюцию (во времени, в пространстве или в каком-нибудь ином смысле) меняющейся системы в случае, когда элементарное событие явилось результатом рассматриваемого случайного эксперимента. В соответствии с этим каждая функция (t) называется реализацией, или траекторией, или выборочной функцией случайного процесса.
На рис. 1.1 показано по одной реализации четырех различных случайных процессов [3].
Рис. 1.1. Наблюдаемые значения случайных процессов: а – замирание интенсивности () радиосигналов; б – пульсация температуры (Т) воздуха в точке атмосферы; в – пульсация разности скоростей (V) ветра в двух точках атмосферы, находящихся на расстоянии 8 см друг от друга; г – изменение диаметра (d) ткацкой нити вдоль длины нити
Реализация (t) может рассматриваться как «точка» в пространстве x всех конечных вещественных функций x(t) переменного t T. Пространство x называется пространством выборочных функций или просто выборочным пространством случайного процесса.
Случайный процесс (t, ) определяет функцию, переводящую каждую точку вероятностного пространства (, F, Р) в некоторую точку пространства выборочных функций x. Эта функция индуцирует некоторое распределение вероятности в x. Множество А1 из x является множеством функций от t. Отсюда, каждое множество функций А1 имеет прообразом некоторое -множество А, состоящее из всех точек , таких, что соответствующие функции (t) = (t, ) принадлежат А1. Индуцированная вероятностная мера Р1 в x определяется для всех А1 F соотношением Р1(А1) = Р(А). Тройка (x, F1, Р1) представляет собой новое вероятностное пространство, соответствующее индуцированному распределению.
На вероятностном языке Р1(А1) означает вероятность того, что реализация (t) случайного процесса будет принадлежать множеству А1 пространства всех выборочных функций x. Поэтому (t) можно рассматривать как случайную функцию, принимающую различные «значения» в x в соответствии с вероятностной мерой Р1(А1).
При изучении важных классов случайных процессов, как и в различных приложениях, нас будут интересовать свойства распределений вероятности в выборочном пространстве, индуцированных рассматриваемыми процессами. Например, потребуется находить вероятность того, что реализации данного процесса обладают тем или иным свойством, т.е. принадлежат некоторому определенному множеству А1 функционального пространства Х.
В связи с этим возникает вопрос: в какой степени распределение вероятностей в выборочном пространстве x, индуцированное данным процессом, определяется семейством конечномерных распределений этого процесса? Кроме того, если на множестве значений параметра T задано некоторое семейство конечномерных распределений, то при каких условиях существует случайный процесс, имеющий эти распределения?
Ответ на эти вопросы содержится в теореме Колмогорова, которая будет представлена в следующем разделе.