431

6.2) Έστω Χ" ο αριθμός σφαιριδίων στο δοχείο Α στο η-οστό

βήμα (η Ε Ν 0 ). Δεδομένου ότι Xn = i, ή αναλυτικά

Α Β

ΚΕΦΑΛΑΙΟ 6
I i σφαιρίδια I IΝ- i σφαιρίδια Ι

6.1) Έστω X n ο αριθμός λευκών σφαιριδίων στο δοχείο Α, στο

η-οστό βήμα (ηΕΝ 0 ). Δεδομένου ότι Xn =i , ή αναλυτικά
αν j =i - 1

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,

και οι πιθανότητες αυτές είναι σταθερές, ανεξάρτητες από την πα­

ρελθούσα εξέλιξη της διαδικασίας. Άρα η {Xn : η Ε Ν 0 } είναι μια = Ρ((Υ 1 , Υ 2 , Υ 3 ) = (1, 1,0) ή (0,0, 1))
Μαρκοβιανή αλυσίδα με χώρο καταστάσεων S = {0, 1, 2, ... ,Ν} και
1 1 1 1 1 1 1
(μη- μηδενικές) πιθανότητες μετάβασης = -- - +
2 2 2 2 2 2 4

αν j = i- 1
Ρ (Χ3 = 2, χ2 = 3) = Ρ (Υ 2 + 2Υ 3 + 3Υ 4 = 2, Υ I + 2Υ 2 + 3Υ 3 = 3)

2i (Ν- i) = P((Yz, Υ 3 , Υ 4 ) = (0, 1,0), και (Υ 1 , Υ 2 , Υ 3 ) = (1, 1,0) ή (0,0,

j =i 1))
Nz
= Ρ((Υι, Yz, Υ3, Υ 4 ) = (0,0, 1,0))
j = i + 1.
1
16
432 433

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]

= 1 Ι 32 = 112 . P((Xn,Xn+Ι)=(O,O), (Xn_Ι,Xn)~ (0,0), (Xn 2,Xn 1)=(0,0))

1/16 Ρ ((Xn - 1, Xn) ~ (0, 0), (Xn_z, Xn_ 1) = (0, Ο))

Άρα με βάση τον ορισμό, η {Χ": η Ε Ν} δεν είναι Μαρκοβιανή αλυσίδα.

-- - ο --0.
pq2

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

ο ο q Ρ οι οποίες δεν είναι ανεξάρτητες του η.

434 435

6. 7) Η { Χ π : n ε Ν} είνα ι μια Μαρκοβιανή αλυσίδα επειδή αν γνω ­ Οι πιθανότητες μετάβασης π - τάξης ,

ρίζουμε ότι Χπ = i, δεν χρειάζεται να γνωρίζουμ ε και τις τιμέ ς των
Χ 0 ,Χ 1 , •• • ,Χ π - ι για να υπολογίσουμε την δεσμευμένη συνάρ τη ση πι­
θανότητας της Χ π+ 1• Πράγματι:
είναι

αν j ~
(j < i) ,

j > 1.
= P(max{Xk +Ι• ··· •Xk+πl ~ i)

6.8) i) Αν χπ (n Ε Ν), είναι το αποτέλεσμα της n-οστής ρίψης = ·Ρ (Χk + ι ~ i , .. . , Xk+n ~ i)

τότε
Υπ = ma x {Χ 1 , Χ 2 , •• • , Χ π } ,
=P(Xk+ι~i)···P(Xk+π~ i)= (t )".
και όταν γνωρίζουμε ότι Υ π = i, δεν χρειάζεται να γνωρίζου ~ τις
τιμές των Υ 1 , Υ 2 , •• • ,Υπ - ι γ ια να υπολογίσουμε τη δεσμευμένη πιθα­
νότητα της Υ π+ 1 , επε ιδή

Υ π+ ι= ma x {Υπ , Χ π + ι}. =P(ma x { Xk+ι•· ·· Xk+π l =j)

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

(j=1,2 , ... ,6, nεΝ),

(j > i).

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

Pi j = Ρ (Υπ + ! = j I Υπ = i) και επο μένως αν γνωρίζουμε ό τι Υ π = i, δεν χρειάζεται να γνωρί­

ζουμε τις τιμές των Υ 1 , Υ 2 , ••• , Υ π _ 1 γ ια να υπολογίσουμε την δε­
= P(max{Xπ+Ι • i}=j) σμευμένη πιθανότητα της Υ π+ 1 • Χρησιμοποιώντας την ανεξαρτησία
των Χ 1 , ••• ,Χ π,Χπ+Ι έχουμε

= Ρ(Χπ+ι =j)= t· (j > i). Ρ (Υπ +! = j I Υπ= i) =Ρ (Χ π+ Ι = j- i),

436 437

και επομένως 6.11) Είναι

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

Χρη σιμοποιώντας τη σχέση 0.1, i = 1, j = 1

P [Xk +t +X k+2 +·· · +Xk+n=r] = (~ )pr (1-p)n - r (r = O, 1, . . . , n) ,

i) Η ι χnΙ δεν είνα~ Μαρκοβιανή αλυσίδα, αφού π.χ.

οι π ιθανότητες μετάβασης η - τάξης ε ίναι

Ρ(Χ n+ ι = Oi Χn - ι =Ο , Χ" = Ο) = 0,8 # 0,6

= 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)

(0, Ο) 0,8 0,2 ο ο

και

διαφορετικά.
IP = (0, 1) ο ο 0,4 0,6

(1, Ο) 0,6 0,4 Ο Ο

(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

0,24 0,16 0,06 0,54

IP <2) = IP2=
0,48 0,12 0,16 0,24
Επομένως αν θεωρήσουμε την ακολουθία με τύπο
0,06 0,04 0,09 0,81

(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

και πιθανότητες μετάβασης και πιθανότητες μετάβασης

Ροο= Ρ11 = p, Ρ1ο = Ρο1 = 1- p.

Η ζητουμένη πιθανότητα είναι Είναι

P(Xo=1IX 3 =1)= Ρ(Χο=1)Ρ(Χ3=11Χο=1)

Ρ(Χ 3 = 1) = (1-α) 2 + αβ,
)

=(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

= (1- Ρ) [(1- Ρ) Ρ+ (1- Ρ) Ρ]+ Ρ [Ρ 2 + (1- p)]

6.14) Γενικά ο προσδιορισμός των πιθανοτήτων μετάβασης

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

C11 =Υ~ Χ 11 • Έτσι

(η ?ο 2),
χ

(m) _Σ λm -ι f(l) _ f( n) _ n-2 (η ?ο 2),

Pij - n cn Xn Υπ· 22 - Ρ22, , 22 - Ρ2ι Ριι Ρι2
n=ι

i) Εδώ η {Xn: η ε Ν} είναι μια Μαρκοβιανή αλυσίδα με πίνακα

πιθανοτήτων μετάβασης:
)
Οι αντίστοιχες μέσες τιμές είναι

νιι =Σ ηfi~ )
ο οποίος έχει ιδιοτιμές λ ι = 1, λ 2 = 2p- 1, και αντίστοιχα ιδιοδιανύ­ n= ι

σματα

Χι=Υι= h(1,1)', Χ2=Υ2= 1

- -(1, -1)'.
{2

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

p<m)- 1 (2Ρο- 1) (2p- l)m 2

ο - -+
2 Ρι2 Ρ2ι S
2 = Ριι S+
1 - Ρ22 S
p<m)- (2p 0 -1) (2p-1)m
ι -
Ρ2ι Ρι2 S
2
2 2 F 22 (s) = Ρ22 s + "----"'-'-"---=----
1- Ριι S
 443
442

6.16) i) Για τον πίνακα ΙΡ> ι , οι κλάσεις επικοινωνίας Cι = {1,2},

C2 = {3, 4} είναι aπεριοδικές και θετικά επαναληπτικές, ενώ η
Τ = {5, 6} είναι aπεριοδική και παροδική.

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.

i) Ριιε(Ο, 1), p 22 ε(Ο, 1). Η { Χπl είναι αδιαχώριστη, θετικά επανα­

ληπτική, aπεριοδική Μαρκοβιανή αλυσίδα και επομένως έχει μοναδική
οριακή κατανομή, η οποία συμπίπτει με την μοναδική στάσιμη κατανο­
6.17) i) Επειδή η Μαρκοβιανή αλυσίδα είν'αι αδιαχώριστη, είναι
μή της, έστω (π ι, π 2 ). Η τελευταία, προσδιοριζόμενη από τις εξισώσεις
αρκετό να εξετάσουμε μία μόνο κατάστασή της, έστω την κατάσταση
Ο. Για την πιθανότητα fb~ πρώτης επανόδου στην Ο έχουμε

) fόιό =Ρ [Χ ι = Ο I Χ ο= Ο] = Ροο = r ο,

είναι fό2ό =Ρ [ Χ2 =Ο, Χ ι #- Ο I Χ 0 =Ο]= Ρ [Χ 2 =Ο , Χ ι = 1 I Χ 0 =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

=Ρο ι Ρι2 · · · Ρπ -2 π-ι Ρπ-ι = So s ι ... sn-2 rn-ι

= 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=]

lim p\~) = lim Pi~) = 1. και

Π--?00 Π--?00
=
fσσ= Σ fό"ό= 1-lim uk.
Με τον ίδιο τρόπο εξετάζουμε καθεμιά από τις υπόλοιπες περιπτώσεις. n= ι k--?=
 445
444

ii) Έ χουμε
~

Αν Σ Γ;= οο, τότε από τη σχέση ~ ~ ~

i =0 Σ ηf&~J = Σ η (uη - ι- u η ) = Σ Uη,

Π= l Π= ! Π=l

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

Επομένως lim uk =Ο, και η κατάσταση Ο είναι επαναληπτική.

k->~

6.18) Παρατηρούμε ότι με

Αντίστροφα, αν η κατάσταση Ο είναι επαναληπτική, τότε )fοο = 1, 1. 2 .. ο η

u η =Ρο ι Ρι 2 · ·. Ρη - ι ,η = - - -- - - -
και lim u k =Ο. 2. 3 ο ο ο η (η+ 1)
~

έχουμ ε
Αν υποθέσουμε ότι Σ Γ;< οο, τότε
i =O
lim u η =Ο.
η-> ~

uη = s j s j+ l ο ο ο sη- 1 = (1 - Γj) ( 1 - Γj+ ι ) ο ο ο (1 -Γ η-1 )

uj Επιπλεόν
~

1
(j=0,1, ... η=j , j+1, ... ), Σ Uη = Σ -- = οο

η=Ι η=Ι η+ 1

και επειδή γ ια κάποιο j

Επομένως σύμφωνα με το αποτέλεσμα της άσκησης 6.17, οι κατα­
στάσε ις είναι μηδενικά επαναληπτικές.
ο < Σ Γ; < 1,
i= j

προκύπτει ότι
6.19) Έστω, για κάθε η ε Ν,

Ο, αν το η- οστό αυτοκίνητο είναι φορτηγό

χ = { \
η 1, διαφορετικά.
δηλαδή

Η {Χη} είναι Μαρκοβιανή αλυσίδα, με χώρο καταστάσεων S = {0, 1}

και πίνακα πιθανοτήτων μετάβασης
το οποίο είναι άτοπο. Άρα

Σ Γ;= 00,
iJ=D=(l/3 2/3) ·
i =0
1/5 4/5
446 447

Το ζητούμενο ποσοστό συμπίπτει με τη στάσιμη πιθανότητα π ι, όπου όπου

η στάσιμη κατανομή π = (π 0 , π 1), προσδιορίζεται από τις εξισώσεις

ισορροπίας π = π IP και την εξίσωση κανονικοποίησης. Ισοδύναμα m =Σ ηp n ,
n=l

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

6.20) Το διάγραμμα πιθανοτήτων μετάβασης είναι εξίσωση κανονικοποίησης Σ πί = 1. Αναλυτικά,

Ρ3

Πι = ΠοΡι + Πz,
)

και γενικά

i) Η Μαρκοβιανή αλυσίδα {Xn} είναι αδιαχώριστη, αφού από

το παραπάνω διάγραμμα είναι φανερό ότι κάθε κατάσταση είναι
προσιτή από κάθε άλλη κατάσταση. Άρα

ii) Από το διάγραμμα

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

η κατάσταση Ο είναι επαναληπτική και αφού η {Xn} είναι αδιαχώρι­

στη, το αυτό ισχύει για όλες τις καταστάσεις.

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

S i eS Εκτός της π= (1/3,1/3,1/3), και η Πι= (1,0,0), είναι στάσιμη κα ­

τανομή, όπως και η π 2 = (0, l/2, 1 /2). Μάλιστα κάθε κυρτός συνδυα­
σμός των π ι, π 2 είναι στάσιμη κατανομή και αντίστροφα.
=Πj (jεS),
s

δηλαδή η π = (1/s, 1/s, ... , 1/s) ικανοποιεί τις εξισώσεις ισορροπίας

6.22) Ο πίνακας πιθανοτήτων μετάβασης έχει τη μορφή
και προφανώς και την εξίσωση κανονικοποίησης και επομένως είναι
q Ρ ο ο
στάσιμη κατανομή.

) 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

Η αντίστοιχη Μαρκοβιανή αλυσίδα είναι αδιαχώριστη και πεπερα­

σμένη, άρα θετικά επαναληπτική. Συνεπώς έχει μοναδική στάσιμη
κατανομή, η οποία είναι η

π = (1/3, 1/3, 1/3),

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

δηλαδή η γεωμετρική (p) κατανομή.

Η αντίστοιχη Μαρκοβ ιανή αλυσίδα είναι αδιαχώρ ι στη και πεπερα ­

σμένη, άρα θετικά επαναληπτική. Συνεπώς και εδώ, αφού ο IP> 2 είναι
6.23) i) Το διάγραμμα πιθανοτήτων μετάβασης είναι
διπλά στοχαστικός, η
Ρ Ρ Ρ
π = (1/3, 1/3, 1/3)
qCΘ~ G5---Θ- · -~O'
________... ________... ________... J
p
είναι η μοναδική στάσιμη κατανομή. Όμως δεν υπάρχει οριακή κα­
τανομή, αφού η αλυσίδα είναι περιοδική (με περίοδο 3).
q q q
450 451

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.

Αν p < q, η στάσιμη κατανομή είναι η

δηλαδή η γεωμετρική (p/q) κατανομή στο Να.

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:

Από την εξίσωση κανονικοποίησης προσδιορίζεται το Πα . Συγκε~ρ ι ­

μένα
s s (i = 2,3 , ... , s -2),
Σ Πn = 1 <=> Π α Σ (Ε_ )n = 1
n =α n =α q
ρ s- Ι , α = qρ s-2, α •

( E_q )s+ l _ 1 το οποίο γράφεται ισοδύναμα

Πα = 1, αν p #- q
Ε_ - 1
(i = 1,2, ... , s -1 , ραα = 1),
q

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 '

q Αθροίζοντας για i = Ο, 1, ... , k - 1, k < s έχουμε

1 p= q.
s+ 1

Άρα η στάσιμη κατανομή δίνεται από τη σχέση

και επομένως

αν Ρ#- q αν Ρ#- 1
2
πη = (η= Ο, 1, 2, ... , s)
1
p=-
1 p= q. 2
S+l'
452
453

Η ρ ι ο υπολογίζεται από τη σχέση ρ 50 = Ο, και επομένως

όπου το μι προσδιορίζεται από τη συνθήκη μ , = Ο . Τελικά

{ (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

6.25) Οι πιθανότητες απορρόφησης Xko (k = 1, 2, ... ,s- 1), ικανο­

ii) Οι μέσοι χρόνοι απορρόφησης μί (i = 1, 2, ... , s- 1) ικανοποι­ ποιούν τις σχέσεις
ούν το σύστημα των εξισώσεων

(i = 1, 2, . . . ,s -1) , xk .o = k(s-k)μ χk - ιο + [ ι - k(s-k)(λ + μ) J xk ,o

) skλ +s( s -k)μ · skλ+s(s-k)μ

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

μi+ι-μί= {( ~)ίμι - p~q [ ι-(~)}

1
αν Ρ~-
2 και αθροίζοντας για k = Ο, 1, .. . ,j- 1:

1
μι -2k, p= -.
2

Αθροίζοντας για i = Ο, 1, 2, ... , k- 1 λαμβάνουμε

Για j = s, επειδή χ, 0 =Ο , θέτοντας ρ= μ/λ, λαμβάνουμε

[ μ ι + _1_ ( q~/ρ-'--
)k
] _1 -__,__ _ k_ 1
_ αν Ρ~ s -ι

μk= p -q 1 - (q/p) p-q 2 Σ ρk

Χ ι ο = ~,
{ 1 s- ι
kμι-k(k-1), p= -,
2
454 455

και επομένως Επομένως

ρj-ρ s

ι
1-.ρs'
αν λ ο/= μ
(k = ο' 1' . , , ' s) ,

s- J
--, λ = μ.
s

6.27) i) Οι πιθανότητες απορρόφησης xko ικανοποιούν το σύ­

στημα των εξισώσεων
6.26) i) Οι πιθανότητες απορρόφησης xk,o ικανοποιούν το σύ­
χ1, 0 = rq + ( 1- r) qx 1,0 + p x 2,0
στημα των εξισώσεων

(k = 1' 2' . , 's - 1)' (k = 2' 3' , , , 's - 2)'

με

Χο, ο =1 , xs,o =O. )

και επο μ ένως, γράφοντας
Η xk,o =Α+ Β {θ - t γ , είναι λύση του παραπάνω συστήματος όταν xk, o = pxk,o + q xk,o•
αναγωγικά

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).

Αθροίζοντας γ ια k = 1, 2, ... , j -1 λαμβάνουμε

και επειδή θ > Ο, και θ ο/= l πρέπ ει
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-{θ-±)' 1- {θ- ±)s

ΧΙ, Ο=

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

Για τις πιθανότητες x j,s , έχουμε 1 Σ aπ ao ο ο ο ο

π= I

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, )

ενώ για .!_ < p < 1, είναι

S-1 Σ aπ as -2 a s -3 a s-4 ao ο
π= s- I
2

lim ( .9. )' = Ο

s Σ aπ a s- Ι a s- 2 a s-3 al ao
π= S
s ->ΟΟ Ρ

ii) Το ποσοστό των ημερών στις οποίες γίνεται παραγγελία για

Επομένως
αναπλήρωση του αποθέματος συμπίπτει με την στάσιμη πιθανότητα

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,

Υ π: ζήτηση προ 'ίόντος τη η-οστή μέρα, όπου

Χπ: στάθμη αποθέματος στο τέλος της η-οστής μέρας .

Cj=P(Y=iiY~j) = ~= : 1
,

Οι Υ 1 , Υ 2 , ••• είναι ανεξάρτητες τυχαίες μεταβλητές με την Poissoη i=j

(λ) κατανομή και έστω aπ (η Ε Ν 0), η αντίστοιχη συνάρτηση πιθανό­
τητας. Επίσης
Σ ai
αν Χπ =Ο 1-cj=P(Y>jiY~j)= i=j + Ι - =

Σaί
i=j
458 459

και οι πιθανότητες αυτές είναι ανεξάρτητες της παρελθούσας εξέλι­

ξης της {Xnl· Άρα η {Χ"} είναι Μαρκοβιανή αλυσίδα με πίνακα πι ­ b, =Σ b; ~
θανοτήτων μετάβασης i= ι b;

1 2 3 4
=Σ a; =b 1,
c, 1- c, ο ο ; =ι

2 Cz ο 1- c2 ο ενώ για την j -οστή εξίσωση (j ~ 2) είναι

IP=
3 c3 ο ο 1- c3

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

οι καταστάσεις της είναι επαναληπτικές και μάλιστα θετικά επανα­

ληπτικές διότι ν 1 = a < οο, από υπόθεση.
Οι αντίστοιχες εξισώσεις ισορροπίας είναι

6.30) Η μέση αμοιβή ανά διαδρομή ε ίναι

r =Σ r; Π ;,
i= ι

όπου
3

f; = · Σ fij Pψ
j= ι

και ~π ι , Πz, ~3) η αντίστοιχη στάσιμη κατανομή. Η τελευταία προσ­

δι~ριζεται λυνοντας το σύστημα των εξι σώσεων ισορροπίας και της
Το διάνυσμα b = (b 1 , b 2 , •.• ), με
εξισωσης κανονικοποίησης. Συγκεκ ριμένα έχουμε

(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 7.1) Η {Χ (t)} είναι μια Μαρκοβιανή αλυσίδα με χώρο καταστά ­

r ι = r ιι Ριι + r ι 2 Ρ ι 2 + r ι3 p ι 3 -- 1 · - + 2 · - + 4 · -4 =2,
2 4 σεων το Ν 0 και μη- μηδ ε νικ έ ς πιθανότητες μετάβασης

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).

Επομένως, λαμβάνοντας υπ' όψη ότι Χ (Ο)= Ο,

P(~ (l) = 2, Χ(3,5) = 5, Χ(4,7) = 6, Χ(5) = 6)

Άρα η μέση αμοιβή ανά διαδρομή είναι

3 = Ρο 2 (1) P2s (3 ,5 - 1) Ps6(4 ,7- 3,5) Ρ66(5 - 4 ,7)

11 5 5 4 101
r= Σ rπ =2· - + - · - +4· - = - .
j= ι I I 20 2 20 20 40

= e-s λ ~~ · (2,5) 3 · (1,2)

7.2) Η {Χ (t)} είναι Μαρκοβιανή αλυσίδα διότι οι διαδοχικοί

χρόνοι παραμονής της στις διάφορες καταστάσεις είναι ανεξάρτητες
τυχαίες μεταβλητές με την εκθετ ική κατανομή , ενώ στις στιγμ έ ς με­
ταβάσεων οι αντίστοιχες πιθανότητες είναι σταθερές, ανεξάρτητες
από την παρελθούσα εξέλιξή της. Έτσι, π.χ.

Ρ (X(t+h) = 4 1 X(u) , Ο ~ u < t , X(t) =5)

= (5h + o(h)) · ..!. + o(h)

2

= -5 h + o(h) .
2
 463
462

και ανάλογα,
ο αντίστοιχος πίνακας ρυθμών μετάβασης είναι

ο ο ο ο ο ο

1/4 -1 1/4 1/4 1/4 ο

ανεξάρτητα από την παρελθούσα εξέλιξη της διαδικασίας. Επομένως

1 -2 1 ο ο η {Χ (t)} είναι μια Μαρκοβιανή αλυσίδα και μάλιστα της μορφής

ο
Q = (Q;j) = γέννησης- θανάτου, με ρυθμούς
ο ο ο -3/2 3/4 3/4

-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

Ρ (Γ n < Θn) = r= Ρ (Γ n < Θn IΓ n = χ) ηλe- nλχ dx

.ο
Ρ;3 (t) = -Ρι3 (t) + Ριι (t) + t Ρι2 (t).

Οι αναδρομικές διαφορικές εξισώσε ις που γενικά δίνονται από τη

= r=Ρ(Θn > χ)ηλe- nλχ d χ σχέση (7.2.6) εδώ παίρνουν τη μορφή (για j = 1, 2, 3):
.ο

= r=e- nμx ηλe-nλxdx

.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

p~(t) == -λp 0 (t), Pb (t) + (λ + μ) Ρο (t) == μ,

p~(t) == -λpn(t) + λΡn - 1(1) (η ε Ν). με γενική λύση

P0 (t) == _μ_ + ce -< λ+μ) ι.

Επίσης για το παράδειγμα 7.1.2 είναι
λ+ μ

p~(t) == -λ 0 p 0 (t) + μ1Ρ1 (t),

Η σταθερά c, που προσδιορίζεται από την αρχική κατανομή, είναι
Ρ~ (1) == - (λn + μn) Pn (1) + λn - Ι Pn- Ι (1) + μn+ Ι Pn+ Ι (1) (η ε Ν) .
C==p 0 (0)- _μ_ .
λ+ μ

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

ii) Η ζητούμενη οριακή κατανομή είναι

7.8) Το αντίστοιχο διάγραμμα ρυθμών μετάβασης είναι
Ρο == lim Ρο (t) == _μ_ ,
λ ( -700 λ+μ

Θ~ μ
Ρ1 == lim p 1(t) == -λ- .
( -700 λ+μ

i) Για τη μεταβατική κατανομή είναι

p~(t) == -λp 0 (t) + μp 1 (t),

7.9) Θεωρώντας ως χώρο καταστάσεων τον S == ι 1, 2, ... , 6}, η
Ρο (t) + Ρ1 (t) == 1. κλάση επικοινωνίας c == ι 1, 2, 3, 5, 6} είναι κλειστό σύνολο , ενώ η
Τ== ι4J είναι ανοικτό. Επομένως οι καταστάσεις 1, 2, 3, 5, 6 είναι
466 467

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,

jeA i εAc ίεΑc j eA P- b+n = ρnp _b (η = 1, 2, ... , b + a).

Η (7.4 .11)=?(7.4.10), θεμελιώνεται επιλέγοντας Α = ιj J (jεS). Η πιθανότητα p_b, προσδιοριζόμενη από την εξίσωση κανονικοποίη ­
σης, είναι

7.12) Αν η εμφυτευ μένη Μαρκοβιανή αλυσίδα ι Xn } είναι θετικά a+b

P-b = ( n~Oρn
)-1= ι 1
-ρ
1-ρ •+b+l
, αν ρ# 1
επαναληπτική , τότε η στάσιμη κατανομή της πn (n ε S) δίνεται από τη
σχέση (7.4.18) a + b + 1, ρ = 1.
π j = qjpj / Σ Q1P1 (j ε S),
ίεΑ
Επομένως η στάσιμη κατανομή είναι η
και αντίστροφα, όπου p j ( j ε S), είναι η στάσιμη κατανομή της
(1-ρ)ρ n
{Χ (t)} . Επομένως ικανή και αναγκαία συνθήκη για να είναι η ι Xn } αν ρ# 1
- 1-ρ•+b+Ι'
θετικά επαναληπτ ική, είναι η συνθήκη
P- b+n - (n =Ο , 1,2, . . . ,a +b) .
{ 1
Σ QiPi < 00
• ρ = 1
i eS
468
469

7.14) Για a ~ οο, η στάσιμη κατανομή υπάρχει αν και μόνο αν

ρ= λ/μ< 1, και τότε αυτή είναι η γεωμετρική (ρ) κατανομή.
Για b ~ - οο, εΚφράζοντας τις στάσιμες πιθανότητ ες ως συναρτή ­
σεις του Pa (παρά του p _b), συνάγεται από την εξίσωση κανονικοποί­
ησης ότι η στάσιμη κατανομή υπάρχει αν και μόνο αν ρ> 1, και τό­
τε αυτή έχε ι τη μορφή

Τέλος, όταν a ~ οο και b ~ - οο, από τα προηγούμενα συνάγεται ότι = Q; (jE5).

στάσιμη κατανομή δεν υπάρχει γ ια καμία τιμή του ρ.
"' (t)}
Επομένως οι εξισώσεις ισορροπίας για την αντίστροφη σ.δ. {Χ
της { Χ (t)} είναι

7.15) i) Έστω Χ (t) η στάθμη αποθέματος τη χρονική στιγμή t.

(j Ε 5 ),
Από τα δεδομένα συνάγεται ότι η {Χ (t): t ~Ο } είναι μια Μαρ­
κοβιανή αλυσίδα με χώρο καταστάσεων {0, 1,2, ... ,5 } και μη-μηδε­
νικούς ρυθμούς μετάβασης ή ισοδύναμα

(j=i-1 , i= 1,2, ... ,5) pj

Σρί
Λ

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

~ οι οποίες έχουν ως μοναδική λύση την

Θ Θ ···Θ Ο Θ···Θ
~ ~ ~
0 Λ

p j = pj (jE5).
λ λ λ

ii) Οι εξισώσεις ισορροπίας είναι

7 .17) Οι εξισώσεις μερικής ισορροπίας

(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

7.16) Κατ' αρχήν

470 471

η (1) παίρνει τη μορφή

pf= pj I Σ Ρ;
ίεΑ
(jεΑ),

(3)
i εΑ ίεΑc ίεΑ iεAc
η pA = (p~, j Ε Α) είναι η στάσιμη κατανομή της {Χ Α (t)} και αντίστροφα.

για j Ε Α, και τη μορφή

7.18) Οι εξισώσεις μερικής ισορροπίας (4)

(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)

η οποία είναι ανάλογη της (2), και επομένως ισχύει το ανάλογο

i) Αν οι ρυθμοί μετάβασης γίνουν συμπέρασμα.

(i, j Ε Α),

7.21) Οι εξισώσεις ισορροπίας για την αντίστροφη σ.δ. "" } ,

{Xn
η (1) για j Ε Α, παίρνει τη μορφή
της {Χ η} είναι

(j ε Α), (2)
Πj = Σ πί ρίj (j Ε 5),
iεS

ενώ παραμένει αμετάβλητη για j Ε Ac.

και επειδή
Αν η στάσιμη κατανομή p = (pj, jE S) της {X(t)} ικανοποιεί τις
εξισώσεις μερικής ισορροπίας της άσκησης 7.17, οπότε ικανοποιεί Pij =P( Xo =ii X,=i)
και τις εξισώσεις της άσκησης 7.18, είναι φανερό ότι ικανοποιεί τις
εξισώσεις (2). Αντίστροφα αν η p ικανοποιεί τις (1), (2) αφαιρώ­ P(X 0 =j, X, =i)
ντας αυτές κατά μέλη καταλήγουμε (για α-,~= 0,1) στις εξισώσεις της Ρ(Χ, = i)
άσκησης 7.17 και επομένως η p ικανοποιεί και αυτές.
Ρ (Χ 0 = j) Ρ (Χ 1 = i Χ ο= j) I
Ρ(Χ, = i)
7.20) Αν οι ρυθμοί μετάβασης γίνουν
472
473

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.

Επομένως η ικανή και αναγκαία συνθήκη για την ύπαρξη γνήσιας

οι οποίες έχουν ως μοναδική λύση την οριακής κατανομής, εδώ παίρνει τη μορφή

Β-1 = Σ π λί-1
n= O i= 1 μί

7.22) Ο αριθμός Ν των διαδοχικών εξυπηρετήσεων ενός πελάτη

έχει τη γεωμετρική (q) κατανομή στο Ν, ενώ οι αντίστοιχες χρονικές
διάρκειες είναι ανεξάρτητες τυχαίες μεταβλητές με την εκθετική (μ)
κατανομή. Επομένως , ο συνολικός χρόνος εξυπηρέτησης πελάτη, που
είναι το τυχαίο άθροισμα

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

ii) Για ν = μ, το σύστημα έχει τους ίδιους ρυθμούς μετάβασης με

αυτό της § 7 . 7.Δ. Επομένως η ζητούμενη ορ ιακή κατανομή είναι η
Poissoη (ρ) κατανομή.

7.25) i) Σύμφωνα με τη γενική ταξινόμηση Α IΒ Ik Is, το κατάλλη ­ ΠΡΟΒΛΉΜΑΤΑ

λο μοντέλο ουράς για το σύστημα είναι η Μ I Μ I k I k ουρά.
ii) Οι διαφορικές εξισώσεις για τη μεταβατική κατανομή
{P n(t): η = Ο, 1, 2 , . .. , k } (t ~ Ο) είναι οι
1) Βρείτε ποιες από τις παρακάτω προτάσεις τ η ς Θεωρίας Συνό-

p~(t) = -λp 0 (t) + μp ι (t) , λων είναι αληθείς για τα σύνολα Α, Β , Γ .

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.

iii) Το σύστημα αποτελεί ειδική περίπτωση της διαδικασίας γέν­

iv) ACB και Β, Γ ασυμβίβαστα (ΑΒ = AnB = 0 ), τότε Α, Γ
ασυμβίβαστα .
νησης θανάτου με ρυθμούς
ν) Α, Β ασυμβίβαστα και Β, Γ ασυμβίβαστα, τότε Α, Γ ασυμβί­

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.

2) Σε μια κάλπη υπάρχουν 10 σφαιρίδια αριθμημένα από 1 έως

)σ l1 ·· .\ 'I -" 10. Εξάγουμε τυχαία ένα σφαιρίδιο. Θ εωρούμε τα ενδεχόμενα :

/"'ΙJ r'2.. -· r /) Α: «0 αριθμός που εξάγετα ι είναι μικρότερος του 5»,

Β: «0 αριθμός που εξάγεται ε ίναι μικρότερος του 7 και μεγαλύ­
f) θ- ι τερος του 3»,
(]\ . /C.; )- ι/) (4 _;γ ~ I)
Ι 1Jvι _ ι
•I') ι:χ/74 &-0 (χ. f) Γ: «0 αριθμός που εξάγεται είναι μικρότερος του 8 και πολλα­

fVΙ ;;
β )aJ1'··1L1-I -
~

!3L πλάσ ι ο του 3».

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 .

3) Ένας φοιτητής επιλέγεται τυχαία (από το σύνολο των φοιτη­

τών) και έστω Α,,Α 2 ,Α 3 και Α 4 τα ενδεχόμενα: «Ο φοιτητής να είναι