ANALITIKO

MODELIRANJE

SLUAJNE VARIJABLE

KONCEPT SLUAJNOG PROCESA

Naziv:

sluajni proces ili stohastiki proces.

(random process ili stochastic process)
Koncept sluajnog procesa dobiva se iz
koncepta sluajne varijable uz dodavanje
vremenske varijable.

SLUAJNA VARIJABLA
Sluajna

varijabla je preslikavanje koje svakom

ishodu sa eksperimenta dodjeljuje broj x(s), a koji
se zove realizacija sluajne varijable.
Svaki ishod eksperimenta ima svoju vjerojatnost
tako da i svaka realizacija sluajne varijable ima
svoju vjerojatnost.
Skup svih vrijednosti x(s) zove se sluajna
varijabla i oznaava se s X(s) ili ee samo s
X.
3

KONCEPT SLUAJNOG PROCESA_1

Sluajni

proces je preslikavanje koje svakom

ishodu eksperimenta s dodjeljuje funkciju
vremena x(t, s).
Obitelj svih takvih funkcija x(t, s) zove se
sluajni proces i oznaava se kao X(t, s).
ee se koristi kratka notacija gdje se pie
samo x(t) za jednu specifinu realizaciju
sluajnog procesa te notacija X(t) za sluajni
proces.
4

KONCEPT SLUAJNOG PROCESA_2

Pojedina

funkcija x(t, s) za neki fiksni s naziva se

realizacija sluajnog procesa.
Kada fiksiramo s, a ostavimo t kao varijablu onda
sluajni proces predstavlja jednu vremensku
funkciju.
Kada fiksiramo t, a ostavimo s kao varijablu onda
sluajni proces postaje sluajna varijabla X(t).

KLASIFIKACIJE SLUAJNIH PROCESA_3

Klasifikacije

je mogue obaviti na temelju

nekoliko razliitih kriterija kao to su:
s obzirom na diskretnost tj. kontinuiranost,
na deterministike i nedeterministike,
na stacionarne i ne stacionarne.

KLASIFIKACIJA S OBZIROM NA
DISKRETIZACIJU
Klasifikacija

s obzirom na diskretizaciju vri se na

osnovi diskretnosti / kontinuiranosti parametara t i
X(t):
argument t moe biti kontinuiran i diskretan,
vrijednosti X(t) mogu biti kontinuirane i diskretne
prirode,
uz takav nain klasifikacije imamo etiri mogua
sluaja.
7

1.

2.

3.

4.

Ako je X(t) kontinuiran i t je kontinuirana varijabla

onda se X(t) zove kontinuirani sluajni proces.
Ako sluajna varijabla X(t) poprima samo neke
diskretne vrijednosti, a t je kontinuirana varijabla
tada se X(t) zove diskretni sluajni proces.
Sluajni proces kod kojeg je X(t) kontinuirana ali
vrijeme t je diskretizirano zove se kontinuirani
sluajni niz.
Ako su i vrijednost X(t) i varijabla t diskretni onda
se takav proces naziva diskretni sluajni niz.
8

KLASIFIKACIJA S OBZIROM NA PREDVIDIVOST

Ako se budue vrijednosti funkcije realizacije ne
mogu tono predvidjeti iz prolih vrijednosti
onda se sluajni proces zove nedeterministiki.
Ako se budue vrijednosti neke funkcije
realizacije mogu tono predvidjeti iz prolih
vrijednosti onda se sluajni proces zove
deterministiki.

KLASIFIKACIJA S OBZIROM NA
STACIONARNOST
Sluajni procesi se s obzirom na stacionaranost
mogu podijeliti na stacionarne i ne stacionarne
sluajne procese.
Stacionarni sluajni procesi su oni ija se
statistika svojstva ne mijenjaju s vremenom.
Ne stacionarni sluajni procesi su oni koji nisu
stacionarni.

10

PRIMJERI SLUAJNIH PROCESA

Primjeri

sluajnih procesa:
Gaussov sluajni proces,
Bernoullijev proces,
sluajni hod,
Markovljev proces,
Poissonov proces.

11

MARKOVLJEVI

MODELI
(pouzdanost i raspoloivost )

12

odreivanje pouzdanosti i raspoloivosti

sustava bitno je:
determinirati konfiguraciju komponenti sustava
nain rada sustava
proces otkaza modula
stanja koja predstavljaju otkaz sustava
popravljanje komponenti sustava (da li se moe
zamijeniti ili popraviti)
Za

13

odreenom vremenskom trenutku sustav se

nalazi u jednom od konanog broja stanja i da
moduli otkazuju stohastiki tj. po eksponencijalnoj
raspodijeli, omoguava primjenu teorije Markovljeva
za odreivanje pouzdanosti i raspoloivosti
sustava.
Markovljevi modeli su funkcije dviju sluajnih
varijabli:
stanje sustava X(t)
vremena promatranja (t).
Stanja sustava i vrijeme promatranja mogu biti ili
diskretne ili kontinuirane sluajne varijable.
U

14

ovisnosti od tipa sluajnih varijabli, Markovljevi

modeli mogu imati etiri razliita oblika, odnosno
etiri tipa modela.

1.

2.

3.

4.

obe sluajne promjenljive veliine X(t) i t su

diskretnog tipa,
sluajna
promjenljiva
veliina
X(t)
je
kontinuiranog tipa,
a
sluajna
promjenljiva
veliina t je diskretnog tipa,
sluajna promjenljiva veliina X(t) je diskretnog
tipa, dok je sluajna promjenljiva veliina t
kontinuiranog tipa,
obe sluajne promjenljive veliine X(i) i t su
kontinuiranog tipa.
15

Markovljeva gdje je sluajna promjenljiva

veliina t diskretnog tipa, nazivaju se nizovi
Markovljevi lanci (1; 2), dok se modeli
Markovljeva
sa
sluajnom
promjenljivom
veliinom t kontinuiranog tipa zovu Markovljevi
procesi (3; 4).
Sluajni proces je Markovljev proces ako uvjetna
distribucija sluajne varijable X(n) uz danu
prolost n < n ovisi samo o prethodnom uzorku
X(n - 1).
Kada X(n) poprima vrijednosti iz konanog skupa
vrijednosti onda se takav Markovljev proces zove
16
Markovljev lanac.
Modeli

stanovita pouzdanosti i raspoloivosti

sustava, od znaaja su Markovljevi procesi gdje
je stanje sustava X(t) sluajna promjenljiva
veliina diskretnog tipa, a vrijeme t sluajna
promjenljiva veliina kontinuiranog tipa.

Sa

17

MOGUNOSTI UPOTREBE MARKOVLJEVA

LANCA
lanci danas imaju iroki spektar
upotrebe, tako da se upotrebljavaju u
statistici, biologiji, pa ak i u knjievnosti
Neka od podruja primjene:
Markovljevi

modeliranje

razliitih procesa u teoriji redova i

statistici
aritmetiko kodiranje
populacijski procesi
upotreba u bioinformatici za genetsko kodiranje
prepoznavanje osobe
predvianje vremenske prognoze
skladanje glazbe, generiranje teksta, itd.

Temeljno svojstvo Markovljevih modela je vjerojatnost

prijelaza pij sustava iz stanja i u stanje j, gdje i i j mogu
biti bilo koja stanja u kojima se sustav moe nalaziti, pri
emu ta vjerojatnost ovisi samo o stanjima i i j i nijednog
drugog.
Ovakvi modeli nazivaju se modeli bez memorije.

19

 Da

bismo postavili matematiki model moramo

se drati slijedeih pretpostavki:
1. Vjerojatnost prelaska iz stanja n u stanje n+1 u
tijeku vremenskog intervala t, jednaka je
umnoku neke konstante i vremenskog
intervala t, tj. iznosi t.
Parametar oznaava dogaaje u jedinici
vremena, dok sa stanovita pouzdanosti
predstavlja uestalost kvarova (kvar/sat)
2. Svi kvarovi su meusobno neovisni tj. bilo koji
kvar neovisan je o ostalim kvarovima.
3. Vjerojatnost zbivanja dvaju ili vie kvarova u
20
vremenskom intervalu t je zanemariva.

4.

Kvarovi su nepovratni tj. broj kvarova raste sa

vremenom. Npr. n-to stanje sustava znai da se
zbilo n kvarova u sustavu, n+1 stanje da se
zbilo n+1 kvarova itd.

21

1.

2.

3.
4.

5.

6.

Izrada Markovljeva modela moe se podijeliti u

slijedee korake:
modeliranje pouzdanosti sustava tj. odreivanje
stanja modula od kojih se sastoji sustav
odreivanje uzajamno iskljuivih stanja sustava
tijekom eksploatacije
odreivanje vremena prijelaza iz stanja u stanje
za svako stanje determinirati ulazne i izlazne
tokove (vidi slajd 24.)
u skladu sa ulaznim i izlaznim tokovim postaviti
diferencijalne jednadbe
22
rijeiti sustav diferencijalnih jednadbi.

Sustav diferencijalnih jednadbi moe se

rijeiti na razne naine:
metodom Laplasovih transformacija,
metodom matrica (prijelazna matrica),

metodom neodreenih koeficijenata itd.

23

Pravilo definiranje diferencijalnih jednadbi

24

odreivanje pouzdanosti i raspoloivosti

elektronikih sustava pomou Markovljevih
procesa potrebno je ispunjavati dva nuna uvjeta:
a. eksponencijalni
karakter
funkcije
gustoe
vjerojatnosti kvara, tj. konstantna funkcija
uestalosti kvara i
b. eksponencijalni
karakter
funkcije
gustoe
vjerojatnosti popravka, tj. konstantna funkcija
uestalosti popravaka.
Za

25

MODEL POUZDANOST I RASPOLOIVOSTI

SUSTAVA SA DVA MODULA
Kod

analiziranja pouzdanosti i raspoloivosti sustava

sa dva modula mora se voditi rauna o konfiguraciji
modula u sustavu odnosno da li su moduli u
serijskom spoju, paralelnom spoju ili je moda jedan
modul u on-line reimu rada dok je drugi model u
priuvi (sustav sa spremnom priuvom).

26

DEFINICIJE POUZDANOSTI I RASPOLOIVOSTI

SUSTAVA

je vjerojatnost, na odreenom
nivou povjerenja, da e sustav uspjeno, bez
otkaza, izvravati funkciju za koju je namijenjen,
unutar specificiranih granica performansi, u
tijeku specificiranog vremena trajanja zadatka,
kada se koristi na propisan nain i u svrhu za
koju je namijenjen, pod specificiranim razinama
optereenja, uzimajui u obzir i prethodno
vrijeme .

Pouzdanost

27

Funkcija uestalosti otkaza (t) bitan je pokazatelj

pouzdanosti modula (sustava).
Pouzdanost:

R t e t
Funkcija raspoloivosti A(t) definira se kao vjerojatnost
da e sustav raditi u vrijeme t proizvoljno odabrano u
budunosti (nasuprot, funkcija pouzdanosti je vjerojatnost
da e sustav raditi kroz vremenski interval od 0 do t ).
Funkcija uestalost popravke (t) bitan je pokazatelj
raspoloivosti .

28

 Da

bi smo izbjegli zasebna razmatranja sustava

sa paralelnim spajanjem modula i sustava sa
spremnom priuvom kao i odvojena pisanja za
svaku varijablu, definirati emo da:
' poprima vrijednost 2 ako je rije o sustavu sa
dva modula spojena paralelno,
' poprima vrijednost za sustav sa spremnom
priuvom.

29

Sustav se moe nai u tri stanja:

stanje S0 (oba modula ispravna - X1X2),

stanje S1 ( jedan modul ispravan a drugi modul
neispravan ( X1X2 ili X1X2)
stanje S2 (oba modula su neispravna - X1X2).

30

 Grafiki

prikaz Markovljeva modela pouzdanosti

za dva identina, paralelna modula

1-'t

S0

1-(+')t

S1

S2

't

't

' =2 za paralelni spoj

' = za sustav sa spremnom
rezervom
'= za jednog servisera
'=k za vie od jednog servisera

31

 Na

temelju grafikog prikaza dobijemo slijedee

jednadbe:

PS 0 t t PS 0 t 1 t PS1 t t
'

'

PS1 t t PS 0 t 't PS1 t 1 ' t

PS 2 t t PS1 t t 1PS 2 t

32

 Granina

vrijednost t 0 dovodi do slijedeih

diferencijalnih jednadbi:

dPS 0 t
' PS 0 t ' PS1 t
dt
dPS1 t
' PS 0 t ' PS1 t
dt

dPS 2 t
'
PS1 t
dt
33

 Primjenom

Laplasovih transformacija i
odgovarajue diferencijalne teoreme i poetne
uvijete PS0(0) = 1, PS1(0) = 0, PS2(0) = 0 slijedi:

sPS 0 s 1 PS 0 s PS1 s
'

sPS1 s 0 ' PS 0 s ' PS1 s

sPS 2 s 0 PS1 s
34

 Preuredimo

li prethodne jednadbe dobiti emo

slijedei sustav jednadbi:

s P s P s 1
'

'

S0

S1

PS 0 s s PS1 s 0
'

'

PS1 s sPS 2 s 0
35

Rjeavanjem prethodnih jednadbi primjenom

Kramerovih pravila dobije se:

PS 0 s

PS 1 s

s
s
'

s2

'

'

'

'

s 2 ' ' s '

'
PS 2 s 2
s ' ' s '

36

sa r1 i r2 oznae rjeenja kvadratne

jednadbe u nazivniku, a zatim rjeenja u formi
Laplasovih transformacija rastave na koeficijente
dobije se:

Ako

'

r1, r2

Rastavljanjem

'

'

' 2

4 '

prethodne jednadbe na faktore

dobije se:

37

s r1 s r2
r1 r2
r2 r1
s '
PS 0 s

s r1
s r2
s r1 s r2

'

'

r1 r2 r2 r1
PS 1 s

s r1 s r2 s r1 s r2
'

'

rr
PS 1 s
12
s
s r1 s r2

'

'

r1 r1 r2
s r1

r2 r2 r 1
s r2
38

 Primjenom

inferznih Laplasovih transformacija i

Vijetovih pravila r1r2= dobiju se rjeenja za
vjerojatnosti PS0(t), PS1(t) i PS2(t) .

PS 0 t

PS1 t

r1
r1 r2

'
r1 r2

e
r1t

e
r1t

r2
r1 r2

'
r1 r2

r2t

r2t

r2 r1t
r1
PS 2 t 1
e
er2t
r1 r2
r1 r2
39

 Ovisno

od konfiguracije modula u sustavu

dobivaju se razliite vrijednosti za funkciju
pouzdanosti.
U sluaju sustava sa paralelnim spojem dva
modula ili sa jednim aktivnim i jednim priuvnim
modulom funkcija pouzdanost je:
RS t PS 0 t PS1 t

' ' r1
r1 r2

er1t

' ' r2
r1 r2

er2t

40

 Radi

li se o sustavu s dva modula u seriji

popravak nee utjecati na pouzdanost sustava te
stoga pouzdanost sustava se dobije iz jednadbe
R(t)=PS0(t).
Stavimo li stoga '=0 i Vijetova pravila za zbroj i
produkt
rjeenja
odgovarajue
kvadratne
jednadbe u nazivniku tj. r1+r2=-(+'+) i r1r2='
dobit emo da je pouzdanost serijskog sustava
jednaka:

R t PS 0 t e

2t

41

Potpuno analogno, odredimo raspoloivost sustava sa

dva paralelno spojena modula odnosno jedan aktivni
modul a drugi priuvni. Prema definiciji raspoloivosti
popravci su doputeni u svim stanjima sustava.
Openit grafiki prikaz Markovljeva modela raspoloivosti
sustava s dva identina modula prikazan je na sljedeoj
slici.

1-'t

1-(+')t
't

S0

't

1-''t
''t

S1

S2

' =2 za paralelni spoj

' = za sustav sa priuvom
'= za jednog servisera
''=k za vie od jednog servisera
42

 Oznaka

'' uvedena je zbog openitosti, moe se

dogoditi npr.da kad je sustav u stanju S2 vie
osoba sudjeluju u popravljanju nego kada je
sustav u stanju S1.
Iz grafikog prikaza slijede slijedee jednadbe:

PS 0 t t PS 0 t 1 t PS1 t t
'

'

PS1 t t PS 0 t 't PS1 t 1 ' t PS 2 t ''t

PS 2 t t PS 1 t t PS 2 t 1 t
''

43

 Za

graninu vrijednost t0:

PS 0 t
'
'
PS 0 t PS1 t 0
dt
PS1 t
' PS 0 t ' PS1 t '' PS 2 t 0
dt

PS 2 t
PS1 t '' PS 2 t 0
dt

Primjenom Laplasovih transformacija i odgovarajuih

diferencijalnih teorema uz poetne uvijete PS0(0) = 1,
PS1(0) = 0, PS2(0) = 0 dobiju se slijedee jednadbe:

44

Konano rjeenje

' ' e r1t e r2t

A t 1

r1r2 r1 r2 r1
r2

Prvi

lan jednadbe predstavlja stacionarno stanje

raspoloivosti, a drugi prelazno stanje.
Sreivanjem jednadbe A(t). s novim vrijednostima
koeficijenata r1 i r2, dobijemo izraz za raspoloivost
sustava u stacionarnom obliku:

'

'
A 1
1 '
r1r2
' '' ' ''
45

 Poto

i ' imaju priblino istu vrijednost i puno

su manji od ' i '', prethodna jednadba moe se
svesti na oblik:

A 1 ' ''

'

46

VJEBE_1
Zadana je redundantna struktura na slici.
Nacrtajte Markovljev model pouzdanosti i raspoloivosti te
definirajte je diferencijalne jednadbe prijelaza za
svaki model.

47

Ponaanje te strukture se moe opisati Markovljevim

lancem danom na slici :

Napomena: uz intenzitet prijelaza i treba stajati jo t

48

Ovaj lanac se moe opisati diferencnim jednadbama:

49

50

VJEBE_2

Dana je redundantna struktura na slici.

51

52

Ukoliko radimo saimanje modela dobivamo lanac:

53

U sluaju da se radi o raspoloivosti dobivamo saeti

model:

54

VJEBE_3
saeti Markovljev model pouzdanosti
za strukturu prema slici.
Intenziteti kvarova i obnavljanja elemenata 1, 2 i 3
su konstantni i iznose 1 i .
Intenziteti kvarova i obnavljanja elemenata 4 i 5 su
konstantni i iznose 2 i .
Nacrtajte

55

Stanja sustava
S1 svi ispravni
S2 neispravni 1 ili 2
S3 neispravan 3
S4 neispravni 4 ili 5
S5 neispravan 3 i neispravni 4 ili 5
S6 neispravni 1 ili 2 i neispravni 4 ili 5
SK stanje kvara

56

57

BAZNI MARKOVLJEV MODEL

BRODSKOGA PORIVNOG SUSTAVA
Za

analizu je odabran model obnovljivog

sustava koji je karakteriziran sluajnim
procesima kvara i popravaka jednakim za
svaki ciklus. Dakle, bazni model ukljuuje
dva stanja sustava: u radu (stanje 0) i u
kvaru (stanje 1)

Slika 1.

58

 Oznake

na slici imaju sljedea znaenja:

0 stanje sustava u radu,

1 stanje sustava u kvaru,
uestalost prijelaza iz stanja 0 u radu u stanje 1 u
kvaru,
uestalost povrataka sustava iz stanja 1 u kvaru u
stanje 0 u radu.

59

MATEMATIKI OPIS BAZNOGA MODELA

Vjerojatnost

P0(t) da je sustav u stanju (0) u

radu:
P0
Vjerojatnost

dP0 (t )
P0 (t ) P1 (t )
dt

P1(t) da je sustav u stanju (1) u

kvaru:

dP1 (t )
P1
P0 (t ) P1 (t )
dt
60

 Poetni

uvjeti odreeni u trenutku , mogu se opisati

na sljedei nain:

P0 (0) 1 ; P1 (0) 0;
U

svakome trenutku mora biti ispunjen uvjet

definiran jednadbom identiteta:

P0 t P1 t 1
Ovakav

je bazni model osnovan, pa je

izraunavanje
karakteristinih
parametara
jednostavno. Ipak, openito za sve homogene
Markovljeve procese, koji se u ovome radu
promatraju, vrijede Kolmogorovljeve jednadbe
61
unaprijed (*) i unazad (**):

P' (t ) P(t ) Q

**

P' (t ) Q P(t )

je Q matrica gustoe prijelaza s elementima

qij koji predstavljaju uestalost prijelaza iz stanje i u
stanje j kad se Markovljev lanac nalazi u stanju i.
Proces postavljanja jednadbi olakava se
dijagramom stanja (slika 1.).
Matrica gustoe prijelaza Q ima oblik:
gdje

62

 Trai

se stacionarno rjeenje sustava linearnih

diferencijalnih jednadbi Markovljeva modela.
Ako se razmatra Kolmogorovljeva jednadba
unaprijed (*) i trai limes kada t , lan P'(t)
postaje jednak nul matrici.
Dakle, Kolmogorovljeva jednadba za
stacionarno stanje procesa postaje:

0 P Q
Prethodna

jednadba predstavlja sustav linearnih

jednadbi s nepoznanicama :

qij p j 0
i

63

 Ako

se uzme u obzir prethodni izraz sustav

linearnih diferencijalnih jednadbi ima sljedei
oblik:

0 P0 P1

Prethodni

0 P0 P1

sustav jednadbi je homogen. Ovim se

jednadbama dodaje jednadba identiteta
P0 t P1 t 1 koja se moe napisati u obliku:

j
Na

taj nain sustav jednadbi postaje rjeiv.

64

 Stacionarno

rjeenje sustava, odnosno stacionarne

vrijednosti stanja su:

Vjerojatnost

ispravnog stanja:
P0

Vjerojatnost

10
T0

01 10 T0 T1

neispravnog stanja:
01
T1
P1

01 10 T0 T1

65

 gdje

je:
T0 ukupno vrijeme provedeno u stanju sustava
0 u radu,
T1 ukupno vrijeme provedeno u stanju sustava
1 u kvaru,
01 uestalost prijelaza iz stanja 0 u radu u
stanje 1 u kvaru,
10 uestalost povrataka sustava iz stanja 1
u kvaru u stanje 0 u radu.

66

 Pouzdanost

ustava

R(t ) P0 (t ) e
Nepouzdanost

sustava

F (t ) P1 (t ) 1 R(t ) 1 e

67