Professional Documents
Culture Documents
Contents
• Các khái ni m cơ b n
• Quá trình Poisson
process
2
5. Stochastic processes (1)
3
5. Stochastic processes (1)
4
5. Stochastic processes (1)
X t : Ω → ℜ, ω a X t (ω )
• Vì v y, m t quá trình ng u nhiên X có th đư c xem như m t phép
ánh x t không gian m u Ω thành t p các hàm giá t th c ℜI (v i t
∈ I là đ i s ):
X : Ω → ℜ I , ω a X (ω )
• M i đi m m u ω ∈ Ω đư c g n v i m t hàm giá tr th c X(ω). Hàm
X(ω) đư c g i là m t realization (hay path hay trajectory) c a quá
trình ng u nhiên
of the process.
5
5. Stochastic processes (1)
Tóm t t
• Cho trư c đi m m u ω ∈ Ω
– X(ω) = (Xt(ω) | t ∈ I) là m t hàm giá tr th c (theo t ∈ I)
• Cho trư c ch s th i gian t ∈ I,
– Xt = (Xt(ω) | ω ∈ Ω) là m t bi n ng u nhiên (theo ω ∈ Ω)
• Cho trư c đi m m u ω ∈ Ω và ch s th i gian t ∈ I,
– Xt(ω) m t giá tr th c
6
5. Stochastic processes (1)
Example
Traffic process
5
4
3
2
1
time
call arrival times
blocked call
nr of channels
occupied
nr of channels
6
5
4
3
2
1
0
traffic volume time
8
5. Stochastic processes (1)
• Nh c l i:
– Không gian tham s : t p I c a các ch s t ∈ I
– Không gian tr ng thái: t p S c a các giá tr Xt(ω) ∈ S
• Phân lo i:
– d a trên không gian tham s :
• Các quá trình ng u nhiên r i r c : không giam tham s là r i r c
• Các quá trình liên t c th i gian : không gian tham s liên t c
– d a trên không gian tr ng thái :
• Các quá trình tr ng thái r i r c: không gian tr ng thái r i r c
• Các quá trình tr ng thái liên t c: không gian tr ng thái liên t c
• Trong bài này chúng ta ch t p trung vào các quá trình ng u nhiên
tr ng thái r i r c (v i không gian tr ng thái (th i gian) r i r c ho c
liên t c)
– Các quá trình đi n hình mô t s khách hàng trong m t h th ng hàng ch
(không gian tr ng thái S = {0,1,2,...})
9
5. Stochastic processes (1)
Ví d
10
5. Stochastic processes (1)
Ký hi u
11
5. Stochastic processes (1)
Phân b
P{ X t1 ≤ x1, K, X t n ≤ xn }
P{ X t1 = x1 ,K , X tn = xn }
– cf. discrete distributions
12
5. Stochastic processes (1)
Tính ch t ph thu c
P{ X t1 ≤ x1,..., X t n ≤ xn } = P{ X t1 ≤ x1}L P{ X t n ≤ xn }
• Ví d đơn gi n nh t không th b qua là m t quá trình Markov
tr ng thái r i r c. Trong trư ng h p này
P{ X t1 = x1 ,..., X tn = xn } =
P{ X t1 = x1} ⋅ P{ X t2 = x2 | X t1 = x1}L P{ X tn = xn | X t n−1 = xn −1}
• Trư ng h p này liên quan đ n tính ch t Markov:
– Cho trư c tr ng thái hi n t i (c a quá trình), tương lai (c a quá trình) không
ph thu c vào quá kh (c a quá trình), t c là. không ph thu c vào tr ng
thái đã ti n tri n đ n tr ng thái hi n th i như th nào 13
5. Stochastic processes (1)
Tính ch t d ng
v i m i ∆, n, t1,…, tn và x1,…, xn
• H qu : Ch n n =1, t t c các bi n ng u nhiên (riêng) c a quá
trình d ng Xt có phân b gi ng nhau:
P{ X t ≤ x} = F ( x)
14
5. Stochastic processes (1)
15
5. Stochastic processes (1)
Quá trình t i
• M t quá trình t i có th đư c mô t b i
– M t point process (τn | n = 1,2,...) trong đó τn cho bi t th i đi m t i c a khách
hàng th n (discrete-time, continuous-state)
• không gi m: τn+1 ≥ τn v i m i n
– vì v y không d ng!
• M t cách đi n hình có th gi thi t là các th i gian t i τn − τn-1 là đ c là đ c
l p và phân b như nhau (IID) ⇒ renewal process
• Như v y, đ đ đi u ki n đ xác đ nh phân b th i gian gi a các l n t i
(interarrival time)
• Th i gian gi a các l n t i IID phân b hàm mũ ⇒ Quá trình Poisson
– M t counter process (A(t) | t ≥ 0) trong đó A(t) cho bi t s l n t i cho t i th i
đi m t (continuous-time, discrete-state)
• không gi m: A(t+∆) ≥ A(t) v i m i t,∆ ≥ 0
– vì v y không d ng!
• Gia tăng phân b như nhau và đ c l p A(t+∆) − A(t)
16
v i phân b Poisson distribution ⇒ Poisson process
5. Stochastic processes (1)
State process
Contents
• Các khái ni m cơ b n
• Quá trình Poisson
18
5. Stochastic processes (1)
Bernoulli process
21
5. Stochastic processes (1)
23
5. Stochastic processes (1)
A(t)
τ4−τ3
τ1 τ2 τ3 τ4
24
5. Stochastic processes (1)
Tính ch t (1)
Properties (2)
λ
pλ
26
5. Stochastic processes (1)
Tính ch t (3)
λλ
p
λ(1-p)
27
5. Stochastic processes (1)
Tính ch t (4)
28
5. Stochastic processes (1)
Ví d (1)
2. 5 2
P{ A(t + 30) − A(t ) = 2} = 2! e −2.5 = 0.257
29
5. Stochastic processes (1)
Ví d (2)
2. 5 0
P{ A(t + 30) − A(t ) = 0} = 0! e −2.5 = e −2.5 = 0.082
30