Professional Documents
Culture Documents
Deuterh Seira Askhsewn
Deuterh Seira Askhsewn
Πρόβλημα 1. Θεωρούμε ένα σύστημα M/M/1/N το οποίο έχει έναν υπηρέτει που εξυπηρετεί
πελάτες με ρυθμό µ, αφίξεις Poisson με ρυθμό λ και το οποίο έχει N θέσεις συνολικά, μια για
τον πελάτη που εξυπηρετείται και N − 1 θέσεις αναμονής. ΄Ενας πελάτης που φθάνει στο σύστημα
και δεν βρισκει διαθέσιμη θέση αναμονής φεύγει και δεν επιστρέφει. Θεωρούμε επιπλέον ότι, ανε-
ξάρτητα από τις υπόλοιπες διαδικασίες το σύστημα υπόκειται σε βλάβες που συμβαίνουν σύμφωνα
με μια διαδικασία Poisson με ρυθμό δ. ΄Οταν συμβαίνει μια βλάβη τότε όλοι οι παρόντες πελάτες,
συμπεριλαμβανομένου και εκείνου που εξυπηρετείται, απομακρύνονται άμεσα από το σύστημα. Το
διάγραμμα πιθανοτήτων μετάβασης δίδεται από το σχήμα 1
α) Να διατυπώσετε τις εξισώσεις που δίνουν την στάσιμη κατανομή του συστήματος.
β) Να λύσετε τις εξισώσεις προκειμένου να βρείτε την στάσιμη κατανομή. Ποιος είναι ο μέσος
αριθμός πελατών στο σύστημα;
γ) Να βρείτε το ποσοστό των πελατών οι οποίοι βρίσκουν N πελάτες στο σύστημα και φεύγουν
χωρίς να εξυπηρετηθούν.
γ) Να βρείτε το ποσοστό των πελατών οι οποίοι εισέρχονται στο σύστημα αλλά λόγω βλάβης
του συστήματος, δεν εξυπηρετούνται.
Πρόβλημα 2. Κάθε άτομο ενός πληθυσμού γεννά σε εκθετικούς χρόνους με ρυθμό λ νέους ορ-
γανισμούς, ίδιους με τον αρχικό και πεθαίνει με εκθετικό ρυθμό µ. Επιπλέον, υπάρχει και μια
διαδικασία μετανάστευσης νέων οργανισμών η οποία είναι Poisson με ρυθμό θ. Η διαδικασία αυτή
είναι ενεργή μόνο όταν ο αριθμός των οργανισμών στο σύστημα είνα μικρότερος ή ίσος του N .
β) Να διατυπώσετε την συνθήκη που πρέπει να ισχύει έτσι ώστε να υπάρχει στάσιμη κατανομή
και να την υπολογίσετε.
γ) Ειναι η στάσιμη διαδικασία χρονικά αντιστρέψιμη;
Πρόβλημα 3. Θεωρούμε μια διαδικασία Markov {Xt ; t ≥ 0} με χώρο καταστάσεων S := {(i, j), i, j ∈
{0, 1, 2, . . . , 4} } και γεννήτορα
q(i,j),(i+1,j) = λ για 0 ≤ i ≤ 3, 0 ≤ j ≤ 4,
q(i,j),(i,j+1) = λ για 0 ≤ i ≤ 4, 0 ≤ j ≤ 3,
q(i,j),(i,j) = −2λ για 0 ≤ i ≤ 3, 0 ≤ j ≤ 3,
q(i,N ),(i,N ) = q(N,j),(N,j) = −λ για 0 ≤ i ≤ 3, 0 ≤ j ≤ 3,
q(i,j),(k,l) = 0, σε κάθε άλλη περίπτωση.
Το διάγραμμα ρυθμών μετάβασης δίδεται στο σχήμα 3. ΄Εστω T(4,4) ο μέσος χρόνος μετάβασης
της διαδικασίας από την κατάσταση (0, 0) στην κατάσταση (4, 4).
Πρόβλημα 4. ΄Εστω μια διαδικασία Markov {Xt ; t ≥ 0} με χώρο καταστάσεων S := {(i, j), i, j ∈
N0 }, και γεννήτορα
q(i,j),(i+1,j) = λ για i, j ∈ N0 ,
q(i,j),(i,j+1) = λ για i, j ∈ N0 ,
q(i,j),(0,0) = δ για (i, j) ∈ N0 × N0 \ {(0, 0)},
q(i,j),(i,j) = −(2λ + δ) για (i, j) ∈ N0 × N0 \ {(0, 0)},
q(0,0),(0,0) = −2λ,
q(i,j),(k,l) = 0, σε κάθε άλλη περίπτωση.
α) Να διατυπώσετε τις εξισώσεις ισορροπίας που ικανοποιεί η στάσιμη κατανομή π(i, j) της
διαδικασίας {X(t); t ≥ 0}.
P∞ P∞ i j
β) Να δείξετε ότι η από κοινού πιθανογεννήτρια δίνεται από την Π(z1 , z2 ) := i=0 j=0 π(i, j)z1 z2 =
δ
δ+2λ−λz1 −λz2 .
Πρόβλημα 5. ΄Εστω {Xt ; t ≥ 0} μια μαρκοβιανή διαδικασία με χώρο καταστάσεων {0, 1} και
γεννήτορα
−λ λ
.
µ −µ
΄Εστω ότι P (X0 = +1) = 1.
α) Να υπολογίσετε την πιθανότητα P (Xt = 1|X0 = 0) καθώς και την P (Xt = 0|X0 = 1).
Rt
β) Να υπολογίσετε την μέση τιμή E[ 0 Xs ds|X0 = 0] χρησιμοποιώντας το γεγονός ότι είναι
Rt
ίση με το 0 E[Xs |X0 = 0]ds.
γ) Αν u < s να υπολογίσετε την E[Xu Xs |X0 = 0].
δ) Χρησιμοποιώντας την σχέση
Z t 2 Z tZ t Z t Z s
E Xs ds = E Xs Xu dsdu = 2 E[Xs Xu ]duds
0 0 0 s=0 u=0
R
t
να υπολογίσετε την διασπορά Var 0 Xs ds (δεδομένου ότι X0 = 0.)
γ) Να βρείτε τον μέσο χρόνο μετάβασης από την κατάσταση 0 στην κατάσταση 5.
Πρόβλημα 7. ΄Εστω {Xt ; t ≥ 0} μια διαδικασία Markov με χώρο καταστάσεων {0, 1, 2, 3} και
γεννήτορα
0 0 0 0
1 −2 1 0
2 0 −3 1
1 0 0 −1
΄Εστω T := inf{t > 0 : Xt = 0}.
ο πίνακας πιθανοτήτων μετάβασης της διαδικασίας {Yn }. ΄Εστω επίσης {N (t); t ≥ 0} μια διαδικασία
Poisson με ρυθμό λ, ανεξάρτητη από την {Yn }. Θέτουμε ότι X(t) := YN (t) .
α) Να δείξετε ότι η διαδικασία {X(t); t ≥ 0} είναι διαδικασία Markov σε συνεχή χρόνο και να
υπολογίσετε τον γεννήτορα Q αυτής της διαδικασίας.
β) Να βρείτε τις πιθανότητες μετάβασης Pij (t) := P (X(t) = j|X(0) = i), i, j ∈ {0, 1, 2}.
Rt
γ) Να υπολογίσετε την μέση τιμή E[ 0 X(s)ds|X(0) = 0]. (Χρησιμοποιήστε το γενογός ότι
Rt
αυτή η μέση τιμή είναι 0 E[X(s)|X(0) = 0]ds.)
Πρόβλημα 9. ΄Εστω {Xn }, n = 0, 1, 2, . . ., μια διαδικασία Markov με διακριτό χώρο καταστάσεων
S = {0, 1, 2, . . . , 7} και διακριτό χρόνο. ΄Εστω
1/3 2/3
1/3 2/3
1/2 1/2
1
P =
1/3 1/3 1/6 1/6
1/4 1/2 1/8 1/8
1/3 2/3
1
Η συνάρτηση αμοιβών για τις καταστάσεις της αλυσίδας δίδεται από το διάνυσμα f = (1, 2, 1, 4, 3, 2, 5, 5).
Η συνάρτηση αξίας ορίζεται ως v(i) := supT Ei [f (XT )] όπου το supremum υπολογίζεται ως προς
όλους τους χρόνους στάσης T . Να βρείτε την συνάρτηση αξίας v για κάθε κατάσταση i καθώς
και το σύνολο A των καταστάσεων για τις οποίες η βέλτιστη πολιτική είναι να σταματήσουμε.