Professional Documents
Culture Documents
Α Β
ΚΕΦΑΛΑΙΟ 6
I i σφαιρίδια I IΝ- i σφαιρίδια Ι
Α Β
j =i + 1.
i λευκά Ν- i λευκά
Ν- i μαύρα μαύ ρα
N-i
~p, αν j = i -1
)
τότε σε ένα βήμα,
i Ν - i
i Ν -i Ν p+ ~q, j =i
Ρ(Α λευκό, Β λευκό) - - -
Ν Ν
j=i+l.
i i
Ρ(Α λευκό, Β μαύρο)
Ν Ν'
Επομένως σε κάθε περίπτωση, η ΙΧ n: ΠΕΝ 0 } είναι μια Μαρκοβιανή
N-i N-i αλυσίδα με χώρο καταστάσεων S = {Ο , 1, 2, .. . , Ν} και με τις παραπά
Ρ(Α μαύρο, Β λευκό) - - --
Ν Ν νω πιθανότητες μετάβασης.
Ρ (Α ο ο
μαυρο, Β μαυρο)
Ν- i
= ~ Ν,
αν j = i- 1
Ρ (Χ3 = 2, χ2 = 3) = Ρ (Υ 2 + 2Υ 3 + 3Υ 4 = 2, Υ I + 2Υ 2 + 3Υ 3 = 3)
Επο μένως
6.5) Η {Zn: η= 2, 3, ... } δεν έχει τη Μαρκοβιανή ιδιότητα διότι
Ρ (Χ3 = 21 Xz = 3) = Ρ (Χ3 = 2, Χ2 = 3) π.χ.
Ρ(Χ 2 = 3)
Ρ ((Xn, Xn+l)-= (0, 0), (Xn-1, Χ")~ (0, Ο))
= 1/16 = 1/4.
Ρ ((Xn-1, Χ")~ (0, Ο))
1/4
Παρόμοια
P((Xn - 1, Xn, Χn+Ι)= (1, Ο, Ο))
1
Ρ(Χ 1 = 1, Χ2 = 3) = - 1-Ρ((Χn - Ι, Xn)= (0, 0))
16 ,
2
1 = _Ε.9___ ~ ο
Ρ (Χ 3 = 2, χ2= 3, χ I = 1) = - 1- q2 ,
32,
και επομένως
ενώ
P(X3=2IX~=1,Xz=3)= Ρ(Χ3=2,Χ2=3,ΧΙ=1) )
Ρ (Χ I = 1, χ2 = 3) P[Zn+l =OIZn= 1,Z n-1 =0]
6.4) Αν γνωρίζουμε την τιμή της τ.μ. Υ n τότε γνωρίζουμε την τι
μή της (Χn - Ι, Xn) και επομένως μπορούμε να υπολογίσουμε τη δε
6.6) Έστω ότι γνωρίζουμε ότι Χ" = i. Τότε από τις α+ β+ ηγ
σμευμένη συνάρτηση πιθανότητας της Υ n+1, η οποία θα εξαρτάται
συνολικά σφαίρες που περιέχει η κάλπη, α + iγ είναι άσπρες και επο
από την τιμή της Χn+Ι που είναι ανεξάρτητη από τις X 1,X 2 , ... ,Xn
μένως δεν χρειάζεται να γνωρίζουμε και τις τιμές των τ.μ
και επομένως από τις Υ 1 ,Υ 2 , ... ,Υn-Ι· Π.χ.
Χι, ... ,Χn-ι, για να προσδιορίσουμε τη συνάρτηση πιθανότητας της
Χη+ι· Άρα η {Χn:ηΕΝ} είναι μια Μαρκοβιανή αλυσίδα. Για τις πι
θανότητες μετάβασης έχουμε
=Ρ (Χ π+ ι =Ο)= 1 - p = q.
β+(η-i)γ
Συνεπώς η {Υ n: η Ε Ν} είναι Μαρκοβιανή με πίνακα πιθανοτήτων με- α+ β+ ηγ ,
αν j = i,
τ άβα σης
q Ρ ο ο Pιj(n, η+ 1) = α+ ίγ
j =i + 1,
α+ β+ nγ '
ο ο q Ρ
IP= Ο, j~i, i+1,
q Ρ ο ο
αν j ~
(j < i) ,
j > 1.
= P(max{Xk +Ι• ··· •Xk+πl ~ i)
Τις πιθανότητες Pi j = Ρ (Υ π+ 1 = j I Υ π = i) , υπολογίζου με με την βοήθεια = Ρ ( max { Χk+ι, .. . , Χ k+ n} ~ j)- Ρ ( ma x { Χk+ ι, ... , Χk+π } ~ j -1)
των σχ έσεω ν
και λαμβάνουμε
P ij =Ο (j < i), 6.9) i) Αν Χπ ε ίναι ο αριθμός των επ ιτυχιών στη n- οστή δοκιμή
τότε
Pii = Ρ(Υπ+ι =i iΥπ =i)
Ρ (Χ π = 1) = p, Ρ (Χ π= Ο)= 1 - p,
= Ρ (max { Χπ + ι, i} = i)
κα ι ο ι τ .μ. Χ 1 ,Χ 2 , •• • ,Χ π είναι ανεξάρτητες. Η τ.μ. Υπ+ι γράφεται ως
=Ρ(Χ π+ ι ~ i)= l ,
6
ι-Ρ.
αν j = i, 0.8, αν i = Ο, j =ο
Ριj = p, j = i + 1, 0.6, i = 1, j =ο
Ρ(Χn+ι = Oi Χn - ι = i , Xn = j) =
Ο, j ~ i, i + 1. 0.4, i = Ο, j = 1
= Ρ (Χ n+ ι = Ο I Χ n_ ι = 1, Χ n = Ο).
=Ρ (X k+t + Xk+2 + · · · + Xk+n = j - i) )
ii) Η ι Υ"} είναι Μαρκοβιανή αλυσίδα με πίνα κ α πιθανοτήτων
= (.η . ) pH (1-p)" -j+i (j = i, i+1, . .. ,i + n), μετάβασης
J- 1 (0, Ο) (0, 1) (1 , 0) (1, 1)
διαφορετικά.
IP = (0, 1) ο ο 0,4 0,6
(1 , 1) ο ο 0, 1 0,9
6.10) Έστω Xn =Ο ή 1, αν η η - οστή μέρα είναι βροχερή ή όχι
(n Ε Ν). Τότε Ο πίνακας πιθανοτήτων μετάβασης δεύτερης τάξης είναι
0,64 0, 16 0,08 0, 12
(η Ε Ν) , iii) Είναι
τότε
P(Xn+t = OIXn - ι = 1, Χ" = 1)
~
Ρ (Υ n+ ι = j I Υ n = i, Υ n - ι = i n - ι, · · · , Υ ο = i ο) = Ρ (Υ n+ ι = j I Υ n = i),
και επομένως η ι Υ"} είναι μια Μαρκοβιανή αλυσίδα με χώρο κατα = Ρ(Υn+ι = (O,O)IYn - ι = (1, 1)) + Ρ(Υn+ι = (0, 1)1Υn - ι = (1, 1))
στάσεων s = ι 000, 001, 010, 011, 100, 101 , 110, 111} .
= 0,06 + 0,04 = Ο, 1.
438 439
6.12) Έστω Χ 0 = 1 ή Ο , αν ο Α 0 λέει αλήθε ια ή ψέμματα και 6.13) Έστω Χ"= 1 ή 2, αν για την η-οστή ρίψη χρησιμοποιείται
Χ" = 1 ή Ο, αν εκείνο που λέει ο Α" συνεπάγεται ότι ο Α 0 λέει αλή το πρώτο ή το δεύτερο νόμισμα. Προφανώς η σ . δ. {Χ":ηε Ν 0 } είναι
θεια ή ψέμματα αντίστοιχα. Τότε η {Χ": η= Ο, 1, 2, 3} είναι το αρχικό μια Μαρκοβιανή αλυσίδα μ ε αρχική κατανομή
τμήμα μιας Μαρκοβιανής αλυσίδας με αρχική κατανομή
1
Pio) =Ρ (Χο = 2) = l'
Pb0J = Ρ (Χ 0 = Ο)= 1 - p, p\0) =Ρ (Χ 0 = 1) = p
=(1 -α)β+(l-β)β
Χρησιμοποιώντας τη σχέση Chapman- Kolmogorov έχουμε
=β (2- α- β),
και επομένως
= p [p(1- p) + p(l- p)] + (1 _ p) [Ρ 2 + (1- ρ) 2 ]
= (1- p) 3 + 3p2 (1 - p)
=..!. [(1-α) 2 +αβ]+ ..!.β(2-α-β)
= (1- p) (1 + 2p + 4p 2), 2 2
P (3)
11 -
- (2)
Ρ1ο Ρο1 +
(2)
Ρ11 Ρ11
Άρα m-τάξης p <~J μιας Μαρκοβιανής αλυσίδας {Χ"}, ανάγεται στον υπο
λογισμό της m -οστής δύναμης του πίνακα μετάβασης IP' = (Pij) λόγω
P (3)
I
= p(O) p(3) + p(O) p(3)
0 0I I I I
της σχέσης
και
Α ν η {Χ"} έχει κ καταστάσεις, και ο IP' κ διαφορετικές ιδιοτιμές,
δηλαδή η χαρακτ η ριστική εξίσωση
I IP'-λD I =O,
440 441
όπου Ο ο μοναδικός πίνακας, έχει κ απλές ρίζες λι,λ 2 , ... ,λκ, τότε 6.15) Το αντίστοιχο διάγραμμα πιθανοτήτων μετάβασης είναι
αποδεικνύεται ότι Ριz
κ
ΙΠ>m
ιr = Σ λm
n=ι
n Cn- ι Χ n Υ η' ΡιιCΘ~Θ~Ρzz ~
Ρzι
όπου Xn =(Χι η, X2n,···,Xκn)', Υ;= (Υιη, Y2n,···,Yκn)', είναι τα αριστερά
και δεξιά ιδιοδιανύσματα που αντιστοιχούν στην ιδιοτιμή λ 11 , και Σχετικά με τις κατανομές πρώτης επίσκεψης, έχουμε
νιι =Σ ηfi~ )
ο οποίος έχει ιδιοτιμές λ ι = 1, λ 2 = 2p- 1, και αντίστοιχα ιδιοδιανύ n= ι
σματα
Επομένως
ν22 = 1 + Ρ2ι/Ρι2,
(2p- l)m
Pd~J = P\~J = -1 + (2p-1)'n
2 2 2
ν2ι = 1/Ρ2ι ·
ii) Από τη σχέση
Οι γεννήτριες συναρτήσεις Ρ ij (s) προσδιορίζονται από τις σχέσεις
ι
(6.3.27), (6.3.28), όπου
Σ p~O)
P J(m) = I
p<m)
IJ '
i =Ο
λαμβάνουμε
Fιι(S)= Σ fi~ )sn
n=ι
ii) Για τον πίνακα IP> 2, οι κλάσεις Cι= {1}, C 2 = {2,3}, C 3 = {6}
είναι aπεριοδικές και θετικά επαναληπτικές, ενώ η Τ= {4, 5} aπε
ριοδική και παροδική. Ειδικότερα οι 1, 6 είναι καταστάσεις απορρό
Για τις οριακές πιθανότητες διακρίνουμε τις παρακάτω περιπτώσεις.
φησης.
) fόιό =Ρ [Χ ι = Ο I Χ ο= Ο] = Ροο = r ο,
Επομένως
και γενικά
= Ρ2 ι I (Ρι2 + Ρ2ι ),
= Ρ [Χ π= Ο, χ ι = 1, χ2 = 2, ... , xn- ι = η- 1 I Χ ο= Ο]
lim p\~) = lim Pi~)
π--? 00 π--? 00
= Ρι 2/ (Ρι2 + Ρ2ι ).
Επειδή Γη-ι= 1-sn_ι, είναι
ii) Ριι =Ο, p 22 =Ο. Η {Χπl είναι αδιαχώριστη θετικά επαναληπτική
(ηεΝ),
Μαρκοβιανή αλυσίδα, αλλά περιοδική με περίοδο 2. Συνεπώς δεν
υπάρχουν τα αντίστοιχα όρια.
όπου
iii) p ι ι = Ο, p 22 = 1. Τότε η κατάσταση 1 είναι παροδική, ενώ η 2 U n =SoSι···S n_ι, (ηεΝ, u 0 = 1).
θετικά επαναληπτική (κατάσταση απορρόφησης). Επομένως
Άρα
lim p\~) = lim Pi~) =Ο, k
n --?oo n~oo
Σ fό"ό= 1-uk,
Π=]
ii) Έ χουμε
~
Γ~ Γf - r
S; = 1- Γ; :;;;;; 1- Γ; + - - - + · · · = e ',
2 3!
και η κατάσταση Ο είνα ι μηδενικά επαναληπτική, αν
έχουμε
k-1
-Σ r; Σ Uη = οο,
Ο :;;;;; uk :;;;;; e i=o • η= l
έχουμ ε
Αν υποθέσουμε ότι Σ Γ;< οο, τότε
i =O
lim u η =Ο.
η-> ~
1
(j=0,1, ... η=j , j+1, ... ), Σ Uη = Σ -- = οο
η=Ι η=Ι η+ 1
προκύπτει ότι
6.19) Έστω, για κάθε η ε Ν,
Σ Γ;= 00,
iJ=D=(l/3 2/3) ·
i =0
1/5 4/5
446 447
1 1
Π ο= - Π ο+ - Π Ι,
η μέση τιμή της Pn (η Ε Ν 0 ). Η { Xn} είναι θετικά ή μηδενικά επανα
3 5
ληπτική, ανάλογα με το αν m < οο, ή m = οο.
π0 + Π 1 = 1,
iv) Η { Xn} είναι θετικά επαναληπτική αν και μόνο αν έχει στάσι
με λύση π 0 = 3113, Π 1 = 10113. μη κατανομή π = (πj, j Ε S). Η τελευταία προσδιορίζεται επιλύοντας
το σύστημα των εξισώσεων ισορροπίας π = π IP, σε συνδυασμό με την
Πι = ΠοΡι + Πz,
)
και γενικά
fό3 J = Ρπ - ι (ηΕΝ).
Αντικαθιστώντας στην εξίσωση κανονικοποίησης,
Επειδή
foo = Σ t'ό3J = Σ Ρ π- ι = 1, Π0 =1 I Σ Σ Pk
π= ι π = ι
n ~ Ok ~n
iii) Ο μέσος χρόνος πρώτης επανόδου στην κατάσταση Ο είναι Η π είναι (γνήσια) συνάρτηση πιθανότητας και επομένως στάσιμη
κατανομή, αν και μόνο αν π 0 > Ο, ή ισοδύναμα m< οο. Μάλιστα τότε
ν 0 = Σ ηfό3J
n= l
Πn=Σpkl(l+m) (ηΕΝ 0 ).
k=n
=Σ ηpn - 1
π= 1
= 1 + Σ η Pn
n=l = (1 + m) I Σ Pk·
k=S
= 1 + m,
449
448
iii) Έστω
: 1~21
6.21) Είναι ο
Σ Π;Ρ;j = Σ
ie S
=
ie S
_!_Σ
_!_ Pij
S
Pij
IP>3=
( 1/2
1/2 1/2
) q ο Ρ ο
i) Έστω
IP> =
1/3 1/3 1/31 q ο ο Ρ
ΙΡ>ι= 1/3 1/3 1/3 .
(
1/3 1/3 1/3
Η στάσιμη κατανομή προσδιορίζεται από τις εξισώσεις ισορροπίας
αφού ο IP> ι είναι διπλά στοχαστικός . Επιπλέον, επειδή η Μαρκοβιανή και την εξίσωση κανονικοποίησης
αλυσίδα είναι και aπεριοδική, υπάρχει (μοναδική) οριακή κατανο
μή, η οποία συμπίπτει με τη (μοναδική) στάσιμη κατανομή π.
Σ Πn = ι.
n; Q
ii) Έστω
Η αντίστοιχη λύση είναι η
από το οποίο εξάγονται οι εξισώσεις ισορροπίας (για τα σύνολα κα ii) Για s ---7 οο:
ταστάσεων {0}, {0, 1} , ... , {0, 1, .. . ,s- 1}) Αν p ~ q, δεν υπάρχει στάσιμη κατανομή.
π ,_ ι Ρ = π , q.
Άρα
6.24) i) Οι πιθανότητες απορρόφησης ρ 1 α (i = 1, 2, ... ,s- 1) ικανο
Π n =(*)"πα (n=1,2, ... , s). ποιούν το σύστημα εξισώσεων:
Πα(s+1)=1, Ρ= q.
και επομένως
και
1- Ε_ - (Ρ
ρί +Ι, α- ρι,α- q )ί (ρια- 1).
q αν p #- q
Πα=
1- ( -p )' +I '
αν Ρ#- q αν Ρ#- 1
2
πη = (η= Ο, 1, 2, ... , s)
1
p=-
1 p= q. 2
S+l'
452
453
{ (q/p)' - (q/p)' Ρ~
1-(q/p)' - -k- 1
αν
1- (q/p)' 2 { s αν Ρ~ -
p-q 1-(q/p)' p-q 2
ρk ,Ο =
μk =
s-k
-- ,
1
p = -. 1
s 2 k(s- k), p = -.
2
Για την πιθανότητα ρk s απορρόφησης από την κατάσταση s έχουμε
με μ 0 = μ, = Ο. Ισοδύναμα
k (s- k) λ χ
(k = 1,2 , . .. ,s-1),
+ k+ ι ~
s kλ + s (s - k) μ
μί + ι-μi= .9. (μί-μί _ι )- .l,
Ρ Ρ
με χ 00 = 1 και χ 50 = Ο.
και επομένως
μi+ι - μ, = ( .9.Ρ )
2
(μ,._ ι - μ,._z ) - -Ρ1 ( 1+ -qΡ ) . Το σύστημα αυτό μπορεί να γραφεί ισοδύναμα ως
Επαγωγικά
xk + ι ,o - xk,o = ~ (x k,o-Xk- ι ,o), (k=1 , 2 , .. . , s - l), Χ 00 =1 , χ , 0 =0 .
Επομένως
Άρα
1
μι -2k, p= -.
2
[ μ ι + _1_ ( q~/ρ-'--
)k
] _1 -__,__ _ k_ 1
_ αν Ρ~ s -ι
ι
1-.ρs'
αν λ ο/= μ
(k = ο' 1' . , , ' s) ,
s- J
--, λ = μ.
s
Α+ Β ( θ- 1 )k = qA + qB ( θ- 1 )k- 1 + pA + pB ( θ- 1 )k+2 ,
k-1
2 2 2 Χ k+Ι . ο - Xk ,ο = ( _g_ ) Ρ
(χ 2, ο- ΧΙ , ο )
ή ισοδύναμα
(k =1 ,2, ... ,s - 2).
θ = Υ4"=3Ρ, και
2p
ι
χ +(χ -1)r q/p-(q/pγ αν p #- -
1
1.0 Ι. Ο 1- (q/p) 2
Οι σταθερ ές Α και Β προσδιορίζονται από τις συνθήκες χ 0 , 0 = 1,
και xs.o =Ο, οι οποίες δίνουν
1
χΙ , Ο + (Χ 1 , 0 - 1)r (j- 1), p= - .
Α+Β= 1, Α+ Β (θ- t )s =Ο ,
Θέτοντας j = s, και επειδή Χ 5 0 = Ο , λαμβάνουμε
2
ή ισοδύναμα
Α =
(θ - -
1
2
)s
- -'----'::____:___ Β = -----
1 r r [(q/p) s- (q/p)]
r(q/p) 5 +(1-r)(q/p)-1 '
αν
p# -
2
1
1 r(s-1)
1 + r (s - Ι) '
ρ =
1
-
2
457
456
και
xJ,o=
__ [(q/p) ' - (q/p)Ι]
r __!,_:_~:.__:_-~~~-,
r(q/p) ' +(l-r)(q/p)-1
αν p# -
2
1
απ' όπου προκύπτει ότι η {Χ π} είναι μια Μαρκοβιανή αλυσίδα, με
πίνακα πιθανοτήτων μετάβασης
ο 2 3 S-1 s
1 r (s - j)
1 + r (s - 1) 2
1
p= - . ο Σ aπ
π = S
as - Ι as - 2 as - 3 aΙ ao
2 Σ aπ aΙ ao ο ο ο
π =2
ii) Για Ο < p< , έχουμε IFD=
2 3 Σ aπ a2 aΙ ao ο ο
π=3
lim ( .9.
s -> ΟΟ Ρ
)-s=Ο, )
χ*J, O = lim χ J, 0 =
r 1,
αν Ο < p :;;;:
2
π 0 που βρίσκεται λύνοντας τις εξισώσεις ισορροπίας σε συνδυασμό
με την εξίσωση κανονικοποίησης.
ι_
s _, 00
---=.. ( q::!.C/Lp..!..
f -'- ) j__
1-(1-r)(q/p) 6.29) Έστω Υ ο χρόνος ζωής της μηχανής που βρίσκεται σ ε λει
τουργία. Δεδομένου ότι Χπ = j, τότε
1, με πιθανότητα cj
χ -
6.28) i) Έστω για κάθε η Ε Ν, π+
1
-
{ j + 1, με πιθανότητα 1 - cj,
Σaί
i=j
458 459
1 2 3 4
=Σ a; =b 1,
c, 1- c, ο ο ; =ι
4 c4 ο ο ο
b1
b=b
ι ι-
,b- =b ι ·
j- 1
)
Η αντίστοιχη στάσιμη κατανομη' που βρ ίσκεται ·
κανονικοποιωντας
Η {Χ"} είναι αδιαχώριστη και συνεπώς όλες οι καταστάσε ις της ε ίναι
τα bj, είναι η
του ίδιου τύπου. Αφού p 11 >Ο, αυτές είναι aπεριοδικές. Επίσης αφού
Π j = bj / Σ b;
f 11 = Ρ (Υ < οο) = 1, i= I
r =Σ r; Π ;,
i= ι
όπου
3
f; = · Σ fij Pψ
j= ι
(j Ε Ν), πι = -21 πι
1
+ -2 1! -, + -4
3
π3
,
1 1 1
ικανοποιεί τις εξισώσεις αυτές. Πράγματι για την πρώτη είναι Π2 = -π,+ - π , t- π 3,
4 4 - 4
460
με λύση
ΚΕΦΑΛΑΙΟ 7
Τώρα
1 1 1 5
r 2 = r 2ι Ρ 2 ι + r 22 Ρ22 + r 23 Ρ23 = 2 · 2 +2· 4 +4· 4 = 2 ' Ρ IJ
(t) = e - λ ι (λt)Η
(j- i)!
(j ~ i).
= -5 h + o(h) .
2
463
462
και ανάλογα,
ο αντίστοιχος πίνακας ρυθμών μετάβασης είναι
ο ο ο ο ο ο
-8/3 4/3
λn=η(λ+μ) ηλ =ηλ (η=Ο, 1,2, .. . ),
ο ο ο 4/3 η (λ+ μ)
ο ο ο ο 5/2 -5/2
μn=η(λ+μ) ημ =ημ (η=1 , 2 , .. . ).
η (λ+ μ)
7.3) Για κάθε ηεΝ, δεδομένου ότι Χ(t)=η, ο χρόνος Γ" μέχρι
την επόμενη γέννηση είναι εκθετικός (ηλ) , ενώ ο χρόνος Θ" μέχρι
τον επόμενο θάνατο είναι εκθ ετικός (ημ), ως ο ελάχιστος από η ανε 7.4) Οι προδρομικές διαφορικές εξ ισώσεις που γενικά δίνονται
ξάρτητους εκθετικούς χρόνους με παράμετρο, λ και μ αν~ίστοι~α. από τη σχέση (7.2.5), εδώ παίρνουν τη μορφή (για i = 1, 2, 3):
Επίσης οι τ.μ. Γ"' Θ" είναι ανεξάρτητ ες. Ετσι, δεδομενου οτι
χ (t) = η, 0 χρόνος μέχρι το επόμενο γεγονός (γέννηση ή θάνατος) Ρ;ι (t) = -2 Ρ ;ι (t) + ~ Ρι2 (t) + ~ Ρι3 (t),
εκφράζεται από την τ.μ. Τ"= miη (Γ"' Θ") και επομένως είναι εκθετι
κός με παράμετρο η(λ +μ). Επιπλέον, διαδοχικοί τέτοιοι χρόνοι εί
ναι στοχαστικά ανεξάρτητοι. Εξ άλλου, όταν Χ (t) = η, το επόμενο Ρ~ι 2 (t) = -Ρι2 (t) + Ριι (t) + ..!.3 Ρι3 (t),
γεγονός είναι γέννηση ή θάνατος με αντίστοιχες πιθανότητες
= r=Ρ(Θn > χ)ηλe- nλχ d χ σχέση (7.2.6) εδώ παίρνουν τη μορφή (για j = 1, 2, 3):
.ο
= η λ ι= e- n(λ+μ)χ dx
= ηλ _ _ 1_ _
η (λ+ μ)
7.5) Η απόδειξη ακολουθεί ακριβώς τ α ίδια βήματα όπως για την
εξαγωγή των προδρομικών διαφορικών εξισώσεων στην § 7.2.
ηλ
η (λ+ μ)
464
465
7.6) Από τη σχέση (7.2.16) , ή άμεσα από το αντίστοιχο διάγραμ
Λόγω της εξίσωσης κανονικότητας, η πρώτη εξίσωση γίνεται
μα ρυθμών μετάβασης, για το παράδειγμα 7.1.1 είναι
7.7) Οι διαφορικές εξ ισώσεις για τη μεταβατική κατανομή της Επομένως, η ζητούμενη μεταβατική κατανομή είναι
γραμμικής διαδικασίας γέννησης είναι
Po(t)== _μ_ + [ Ρ 0 (0)- _μ_] e -<λ+μ)ι,
p~ (t) == -λp 1 (t), λ +μ λ +μ
(η ε Ν).
P1(t)== _λ_ - [ Ρο(Ο)- _μ_] e -<λ+μ) ι.
λ+μ λ +μ
Επιπλέον, επειδή η διαδικασία είνα ι κανονική , η αντίστοιχη μεταβα
τική κατανομή προσδιορίζεται μονοσήμαντα από τις παραπάνω εξι Επιλέγοντας Ρ ο (0) == 1 και p 1(0) == 1, προσδιορίζονται οι πιθανότη
I
σώσεις και την εξίσωση κανονικότητας. Με αντικατάσταση διαπι τες μετάβασης Poj(t) (j ==Ο, 1) και p 1j(t) (j ==Ο , 1) αντίστοιχα. Επομέ
στώνεται ότι η νως ο πίνακας συναρτήσεων πιθανοτήτων μετάβασης είναι ο
Pn (t) == e- λt (1 - e -λ r)n- I (t ~Ο, η ε Ν),
_μ_ + _λ _ e -Cλ+μ)r
_
λ λ e -<λ+μ)r
I
_ _
λ+μ λ+μ λ +μ λ+μ
ικανοποιεί τις εξ ισώσ ε ις αυτές (και την αρχική συνθήκη) και επομέ
i)J> (t) ==
νως είναι η ζητούμενη μεταβατική κατανομή. Μια εναλλακτική από
δειξη μπορεί να γίνει επαγωγικά.
_μ_- _μ_ e - < λ+ μ)ι _λ_+ _μ_ e -(λ +μ)ι
λ+μ λ+μ λ+μ λ+μ
Θ~ μ
Ρ1 == lim p 1(t) == -λ- .
( -700 λ+μ
επαναληπτικές κα ι μάλιστα λόγω του πεπερασμένου C, θετικά επα 7.13) i) Έστω X(t) το μήκος ουράς τη χρον ική στιγμή t (t ~Ο)
ναληπτικές, ενώ η κατάσταση 4 ε ίναι παροδική. όπου θετικές τιμές αναφέρονται σε πελάτες και αρνητικές τιμές ανα
φέροντα ι σε ταξι. Η σ.δ. { Χ (t): t ~ Ο } με χώρο καταστάσεων
S = ι-b, -b + 1, ... , - 1, Ο, 1, ... , a- 1, a} ε ίναι μια πεπερασμένη διαδι
7.10) Η στάσιμη κατανομή, που υπάρχε ι αν και μόνο αν λ< μ, κασία γέννησης- θανάτου με ρυθμούς
δίνεται από τη σχέση
(n = - b,- b + 1, . . . ,a-1), λ. = Ο ,
ρn - 1
Pn- - -
- I Σ= (n ε Ν),
Π k= Ι (η = -b + 1, ... , a -1 , a),
όπου ρ = λ/μ.
Το αντίστοιχο διάγραμμα ρυθμών μετάβασης έχει τη μορφή
λ λ λ λ
7.11) Η (7.4 .10) =?(7.4.11), θεμελ ι ώνεται αθροίζοντας κατά μέλη
τις (7.4.6) γ ια j ε Α και διαγράφοντας ίσους όρους. Πράγματι, Θ----e···Θ~~···Θ~
..,_______.... ..,_______.... ..,_______.... ..,_______....
μ μ μ μ
qjpj = Σ PiQ ij ==}
ii) Εξισώνοντας ροές πιθανότητας για τα σύνολα καταστάσεων
sι = ι- b}, s2 = ι- b, - b + 1}, ... οι αντίστοιχες εξ ισώσεις ισορροπίας
Σ q j p j =Σ Σ PiQ ij <=:} έχουν τη μορφή
j εΑ jε Α i
(π =- b , - b + 1, .. . , a- 1),
Σ (Σ q ji + Σ qji) pj = Σ (Σ Pi qi j + Σ Pi qij) <=:}
jeA ί εΑ i eAc j eA ieA ieAc
από τις οποί ες, θέτοντας ρ = λ/μ,
Η (7.4 .11)=?(7.4.10), θεμελιώνεται επιλέγοντας Α = ιj J (jεS). Η πιθανότητα p_b, προσδιοριζόμενη από την εξίσωση κανονικοποίη
σης, είναι
pj qj = qj i
j ;ο' ί Ρ;
(j=i+5-s, i=0,1,2 , .. . ,s).
Λ
Ρ;
Το αντίστοιχο διάγραμμα ρυθμών μετάβασης έχει τη μορφή
=pjΣ qji (jE5),
j;o' i Ρ;
μ μ μ μ
Θ Θ ···Θ Ο Θ···Θ
~ ~ ~
0 Λ
p j = pj (jE5).
λ λ λ
(j Ε Α),
i eA
(η = 1, 2, ... , s), i eA
Ρηλ = Ρη+ιλ + Pn - S+sμ (n=s+ l ,S +2, ... ,5 -l), αποτελούν ακριβώς τις εξισώσεις (πλήρους) ισορροπίας για τον πε
ριορισμό I ΧΑ (t)} της {Χ (t)} στο Α. Επομένως, αν η στάσιμη κατα
νομή Ρ= (pj, j ε S) ικανοποιεί αυτές , τότε κανονικοποιώντας την στο
Α, δηλαδή ορίζοντας
(3)
i εΑ ίεΑc ίεΑ iεAc
η pA = (p~, j Ε Α) είναι η στάσιμη κατανομή της {Χ Α (t)} και αντίστροφα.
(jεΑ),
για j Ε Ac.
Αντικαθιστώντας τις
είναι ισοδύναμες με τις εξισώσεις της άσκησης 7.17, αφού προκύ
πτουν αν αφαιρέσουμε κατά μέλη τις τελευταίες από τις εξισώσεις αν jεΑ
πλήρους ισορροπίας που ισχύουν σε κάθε περίπτωση.
j ~Α,
στη θέση των pi, στις (3), (4), καταλήγουμε στην κοινή σχέση
7.19) Οι εξισώσεις πλήρους ισορροπίας γράφονται ως
(j Ε S) . (1)
(i, j Ε Α),
(j ε Α), (2)
Πj = Σ πί ρίj (j Ε 5),
iεS
οι εξισώσεις ισορροπίας παίρνουν τη μορφή 7.23) Το σύστημα αποτελεί την ειδική περίπτωση της διαδικα
σίας γέννησης- θανάτου με
αν n ~k
{
μ,
μη= 2
(j Ε 5 ),
μ, n >k.
Β-1 = Σ π λί-1
n= O i= 1 μί
έχει μετασχηματισμό Laplace που ισχύει αν και μόνο αν ρ = λ/μ < 2. Μάλιστα τότε
ι
1-ρk+1 ρk+1
+ - - , αν ρ#- 1
Β-1= 1-ρ 2-ρ
(1 - q) F~ (s)
k + 2, ρ= 1.
1-qF~(s)
Η αντίστοιχη οριακή κατανομή, δίνεται από τη σχέση
(1- q) _μ_
μ+s
= { Β ρ" /2n-k'
Β ρ", (n ~ k)
1-q _μ_ Ρ
μ+s
π (n > k).
(1- q) μ
(1- q) μ+ s
7.24) i) Το αντίστοιχο διάγραμμα ρυθμών μετάβασης είναι
Άρα, η τ.μ. Υ έχει την εκθετική [(1- q) μ] κατανομή. Συνεπώς το σύ λ λ λ λ
I 11
Θ~~
στημα είναι επίσης μια Μ Μ ουρά, αλλά με ρυθμό εξυπηρέτησης
(1 - q) μ. Άρα, από τη γενική θεωρία, η ζητούμενη στάσιμη κατανομή,
που υπάρχει όταν λ < (1 - q) μ, έχει τη γεωμετρική λ/(1- q) μ κατανομή.
~~
μ μ+ν
Θ~~ ~~
μ+(η - Ι)ν μ+ην
474
p ~ (t) = - (λ + η μ) p n(t) + λ Ρ n_ ι (t) + (η + 1) μ Ρ n+ ι (t) (η = 1, 2, ... , k - 1), i) Α και Ν ξένα μεταξύ τους.
ii) At:;;;B, BccN.
τότ ε
p~ (t) = -kμp k (t) + λp k-1 (t) . iii) ΑΒ = 0, τότε ACB c.
k βαστα.
= { Ο,
λ, αν η <
μn = η μ (η Ε Ν) . vi) Α, Β ασυμβίβαστα και Α, Γ ασυμβίβαστα, τότε Α και ΒUΓ
λ
n η~ k
ασυμβίβαστα.
vii) Α, Β ασυμβίβαστα και Α, Γ ασυμβίβαστα, τότε Α και ΒΓ
Επομένως από την αντίστοιχη γενική θεωρία, η οριακή κατανομή εί
ασυμβίβαστα.
να ι η
viii) ACB, τότ ε AUBc = Ω.
k
ix) ((AB) c)" = ΑΒ.
Pn = _Q':_I IΣ L (η = Ο, 1, 2, ... , k) .
η. m=O m! Σε όσες προτάσεις δεν είναι αληθείς να δοθεί aντιπαράδειγμα.
fVΙ ;;
β )aJ1'··1L1-I -
~
2 Ρ ~ /vvι ~
"1
ι')ι)
Να καταγραφούν τα στοιχεία του δειγματικού χώρου και των εν
f 1 ι/ ι- . . J. . .., .'
""1=0 δεχομένων Α , Β , Γ , ΑΒ , AUB, NBC, (AUB)C, NUBC, (AUB)Γ c .