第044_14讲马尔可夫过程续3更新过程
12马尔可夫过程(续二)
更新过程
定义 {N(t), t>0},以及更新过程举例。 更新过程的基本参数:
计数过程,随机过程{N(t), t>0}是到时间t,事件更新的次数。 更新过程的事件间隔, 更新过程的更新时刻,
更新过程的更新次数,计数过程 计算更新过程的概率分布,
更新时刻序列Sn=
∑x
i=1
n
i
更新时刻序列Sn的概率分布函数、概率密度函数
xn的分布函数是F(t),Sn的分布函数是Fn(t),Fn(t)应是F(t)的n次卷积。
计算N(t)的概率分布,
更新时刻序列Sn和N(t)的关系
确定N(t)取值的概率P{N(t)=n}=Fn(t)−Fn+1(t)
计算更新过程的期望,
计算更新过程的期望,m(t)=计算更新过程的强度,
t
∑F(t)
nn=1
∞
计算更新过程的强度,f(t)=λ(t)−研究更新过程的数字特征:
计算更新过程的极限。lim
t→∞
∫λ(t−u)f(u)du
t
=μ N(t)
典型更新过程-泊松过程
泊松过程的分布特性
分布特性、事件间隔,
更新时间间隔呈负指数分布的更新过程
事件间隔、更新时刻、计数过程N(t)、均值过程、更新过程的强度
典型更新过程
例1、计算更新过程N(t)的概率分布 例2、计算更新过程强度, 例3、计算更新过程的速率
例4、计算更新过程的速率 例5、计算更新过程的速率
12.1更新过程
12.1.1定义,更新过程,
设{N(t), t>0}是一个计数过程,xn,(n≥1)表示第n-1次时件和第n次事件的时间间隔,再设{x1,x2,"} 为非负独立、同分布的随机变量序列,则称计数过程{N(t),
t>0}为更新过程。 更新过程举例:
假设灯泡的寿命是统计独立、同分布的随机变量,若每次使用一个灯泡,当灯泡损坏后立刻更换新的,则在时间t内损害的灯泡数是一个更新过程{N(t), t>0},其中N(t)是在时间t内损坏的灯泡数。
12.1.2更新过程的基本参数:
作为计数过程的更新过程, N(t)
更新过程的事件间隔,xn 更新过程的更新时刻,Sn 更新过程的更新次数,N(t)
对于更新过程,给定事件间隔xn,定义Sn=
∑x
i=1
n
i
为第n次更新时刻。
S0=0,表示过程的起始时刻;
S1=x1,表示过程的第一次更新时刻; S2=x1+x2,表示过程的第一次更新时刻;
Sn=∑xi,表示过程的第n次更新时刻;
i=1
n
更新过程事件间隔xn(n≥1)的概率分布函数F(t),概率密度函数f(t),均值为μ。
Sn=∑xi, Sn的分布函数是Fn(t),Fn(t)应是F(t)的n次卷积,概率密
i=1
n
度函数是fn(t),fn(t)应是f(t)的n次卷积,
又考虑到,N(t)=max{n;Sn
如果在时间t内,发生了n次更新,Sn
μ,只有当n趋于无穷,Sn才趋于无穷;也只有当Sn趋
于无穷,n才趋于无穷。
12.1.3计算N(t)的概率分布,(从事件间隔的统计特性出发)
对于更新过程,当给定事件间隔xn (n≥1)的概率分布函数F(t),或概率密度函数f(t) 时,计算N(t)的概率分布。
定义Sn=考虑到,
∑x
i=1
n
i
,设Sn的分布函数是Fn(t),Fn(t)是F(t)的n次卷积,进一步
{N(t)≥n}⇔{Sn
{N(t)≥n}⇔{N(t)=n}∪{N(t)≥n+1}
P{N(t)=n}=P{N(t)≥n}−P{N(t)≥n+1}
因此有,
P{N(t)=n}表示0~t时间内,更新了n次 Fn(t)表示n个事件的寿命
以下,研究更新过程的特征:期望、强度、极限 12.1.4计算更新过程的期望,
m(t)=E{N(t)}=∑nP{N(t)=n}
n=1
∞
=∑∑P{N(t)=n}=∑∑P{N(t)=n}
n=1k=1∞
k=1n=k
∞n∞∞
=∑P{N(t)≥k}=∑P{N(t)≥n}
k=1∞
n=1
∞
=∑P{Sn
n=1
n=1
∞
m(t)是更新过程的数学期望,或者是更新过程的均值
12.1.5计算更新过程的强度(平均强度),
∞∞
dd∞d
λ(t)=m(t)=∑Fn(t)=∑Fn(t)=∑fn(t)
dtdtn=1n=1dtn=1
对上式两端作拉氏变换,有
∞
∫λ(t)e
−st
dt=∑∫fn(t)e−stdt
n=10
∞∞
定义
∞
−st
∞
−st
∞n
Λ(s)=∫λ(t)edt,φ(s)=∫f(t)edt,[φ(s)]=∫fn(t)e−stdt
等式右端有,
∞
φ(s)
=∑[φ(s)]n,
1−φ(s)n=1
平均强度拉氏变换的结果是,
Λ(s)=
φ(s)Λ(s)
,φ(s)=
1+Λ(s)1−φ(s)
φ(s)=Λ(s)−Λ(s)φ(s)
再做拉氏反变换得到
t
f(t)=λ(t)−∫λ(t−u)f(u)du
给定了更新过程强度λ(t)后,更新过程间隔概率密度函数f(t)可由上述积分方程求
解。
12.1.6极限:lim
t→∞
N(t)
的研究, t
在有限的时间内更新的次数是有限的、当时间t趋于无穷时,更新的次数趋于无穷, 考虑到,
Sn是第n次更新事件发生的时刻,
N(t)是直到时刻t发生更新事件的次数,
SN(t)
SN(t)N(t)
其中
SN(t)+1t≤ N(t)N(t)
N(t)
SN(t)N(t)SN(t)N(t)
=
∑x
i=0
i
N(t)是t时间内N(t)个同分布独立随机变量的平均值,
SN(t)+1N(t)+1t
≤⋅
N(t)N(t)+1N(t)
其中(N(t)+1)N(t)随着t趋于无穷趋于1, 上述不等式两端随着t趋于无穷,都趋于μ, 因此有,
N(t)
=1/μ
t→∞t
tlim=μt→∞N(t)lim
1/μ称为更新过程的速率。
12.2从更新过程研究泊松过程
12.2.1泊松过程和更新过程:
泊松过程的分布特性:
(λt)n−λt
在(0,t)时间间隔内发生n个事件的概率是 e,
n!
从0 时间开始,到t时刻发生第1次事件的概率密度是λe从0 时间开始,到t时刻发生第2次事件的概率密度是λ⋅
−λt
λt
1!
e−λt
n−1
(λt)e−λt
从0 时间开始,到t时刻发生第n次事件的概率密度是λ⋅
n−1!
泊松过程中事件之间的时间间隔是呈负指数分布 泊松过程是更新时间间隔呈负指数分布的更新过程
事件间隔x呈负指数分布:f(t)=λe更新时刻的概率密度函数:
−λt
=f1(t)
S0=0,表示过程的起始时刻;
S1=x1,表示过程的第一次更新时刻;
S1=x1与事件间隔x的分布相同,呈负指数分布:f(t)=λe−λt=f1(t), S2=x1+x2,表示过程第一次更新时刻,它的分布是;f2(t)=λ⋅λte−λt
S2=x1+x2,
f(t)=f1(t)⊗f2(t)
=∫λe
0t
−λ(t−μ)
⋅λe
−λμ
dμ
=∫e−λt⋅λ2dμ
t
=λ⋅λte−λt
Sn
(λt)n−1−λt
=∑xi,表示过程的第n次更新时刻;fn(t)=λ⋅e
n−1!i=1
n
应用数学归纳法可以证明
更新时刻的概率密度函数:
F1(t)=∫f(t)dt=∫λe−λtdt=1−e−λt
tt
F2(t)=∫f2(t)dt=∫λ⋅λte−λt=1−e−λt−λte−λt
00
"
(λt)n−1−λt
Fn(t)=∫λedt
0(n−1)!
t
tt
(λt)e−λt=1−e−λt−(λt)e−λt−"−
n−1!
i
n−1
λt)−λt( e=1−
n−1
∑
i=0
i!
=∑
i=n
∞
(λt)
i!
i
e−λt
泊松过程作为更新过程的概率分布函数
P{N(t)=k}=Fk(t)−Fk+1(t)
i
k⎡k−1(λt)i−λt⎤⎡λt)−λt⎤(λt)k−λt(e =⎢1−∑e⎥−⎢1−∑e⎥=
k!⎢⎥⎥⎣i=0i!⎦⎢⎣i=0i!⎦
泊松过程作为更新过程的均值过程
⎡n−1(λt)i−λt⎤
m(t)=∑Fn(t)=∑⎢1−∑⎥
n=1n=1⎢⎥⎣i=0i!⎦
ii
∞⎡∞
λt)−λtn−1(λt)−λt⎤(−∑⎥=∑⎢∑ii!!n=1⎢i=0i=0⎥⎣⎦
∞
∞
=∑∑
n=1i=n−λt
∞
∞∞
(λt)−λt=
i!
i
∑∑
i=1n=1
∞
∞i
(λt)−λt
i!
i−1
i
=e
∑
i=1
(λt)i
i!
∞
i
=e
i
−λt
(λt)t
∑i=1i−1!
=λt⋅e−λt∑
i=0
(λt)
i!
=λt
泊松过程作为更新过程的强度
λ(t)=
d
m(t)=λ dt
12.3更新过程举例
例1、计算更新过程N(t)的概率分布,
设xn (n≥1)是非负整数的随机变量,且P{xn=i}=p(1−p)
i−1
,i≥1(呈几何分
布),它是由概率为(1−p)的继续工作事件的(i−1)个时间间隔,以及概率为p的结束工作的1个时间间隔所组成。
Sn (n≥1)是由n个相互独立的xm(m=1,2,"n)组成。它们构成k个时间间隔,最后
一个时间间隔对应概率为p的结束工作的1个时间间隔,在它之前,总共有(k−1)个时间间隔,其中有(n−1)个概率为p的结束工作事件的时间间隔,(k−n)个概率为
(1−p)的继续工作事件的时间间隔,相应的概率是
⎧⎛k−1⎞n
⎟p(1−p)k−n(k≥n)⎪⎜⎟⎜ P{Sn=k}=⎨⎝n−1⎠⎪0(k
Fn(t)=P{N(t)≥n}=P{Sn≤t}
=∑P{Sn=k}
k=ntt
⎛k−1⎞nk−n
=∑⎜⎟p(1−p)k=n⎝n−1⎠
考虑N(t)的概率,有
P{N(t)=n}=Fn(t)−Fn+1(t)
t ⎛k−1⎞n⎛k−1⎞n+1k−nk−n−1
⎟⎜⎟=∑⎜p(1−p)−p(1−p)∑⎜⎟⎜⎟
k=n⎝n−1⎠k=n+1⎝n⎠t
例2、计算更新过程强度,
某更新过程自时间t开始,它的强度是常数λ,求该更新过程{N(t), t>0}的时间间隔xn的概率密度。 解,
∞
∞
Λ(s)=∫λ(t)e−stdt=∫λe−stdt=
λ
s
λ
φ(s)=
Λ(s)
=
1+Λ(s)
1+
λ
s
=
λλ+s
⎧λe−λt
f(t)=L{φ(s)}=⎨
⎩0
−1
t≥0t
泊松过程是更新强度是常数的更新过程。
例3、计算更新过程的速率,
当电池失效时,立刻更换新的电池。电池的寿命时在30小时到60小时均匀分布的随机变量,问长时间工作情况下,更换电池的速率? 解,
长时间工作的条件下,电池更新的速率是
lim
t→∞
N(t)
=1/μ t
60
μ=∫t⋅
30
1
=45 30
平均每45 小时更新一次电池。
例4、计算更新过程的速率,
当电池失效时,立刻到市场去购买同一型号的电池,获得新电池的时间也是一个均匀分布的随机变量,它是均匀分布于0到1小时之间,问长时间工作情况下,更换电池的速率? 解,
设第i次电池使用的时间是xi,购买电池的时间是ui,它们都是随机变量,
μ=E[xi]+E[ui]
E[xi]=∫t⋅
301
60
1
=45 30
E[ui]=∫t⋅1dt=1/2
μ=45.5
平均每45.5 小时更新一次电池。
例5、计算更新过程的速率,
顾客以泊松律到达银行,到达率为λ。顾客到达时,如果服务员空闲,他就进入银行接受服务,如果到达时服务员正在接待顾客他就离去,顾客接受服务的时间是一个随机变量,平均值是μG,服从某种服务规律G。问顾客进入银行的速率,进入银行的顾客占潜在顾客的比例。 解,
分析:
更新过程:①没有顾客,到来一个顾客λ ②有一个顾客结束服务μG 数字特征,均值 E[xk]=E[①]+E[②]
顾客进入银行,并接受服务员的服务是更新过程的一个事件。从顾客离开银行后,出现一个新的等待顾客的时间xi,加上新的顾客接受服务的时间ui,是更新过程的一个事件。
更新过程的平均时间是,
μ=E[xi]+E[ui]=1/λ+μG
进入银行的平均速率是
1
μ
=
1λ
=
1/λ+μG1+λμG
实际顾客的到达率与潜在顾客的到达率之比是,
1
μ
=
11
=
1/λ+μG1+λμG
例6 事件间隔呈负指数分布的更新过程
如果事件的间隔是负指数分布,事件的时间间隔是t的概率密度函数和概率分布函数是,
f(t)=λe−λt,
t
F(t)=∫λe
−λt
dt=1−e
−λt
于是有,
f(t)=λe−λt
f2(t)=f(t)⊗f(t)=∫λe−λu⋅λe−λ(t−u)du=λte−λt⋅λ
0t
f3
(λt)2−λt
e⋅λ(t)=
2!"
"
(λt)n−1−λt
fn(t)=e⋅λ
n−1!
"
t
"
t
F(t)=∫f(t)dt=∫λe−λtdt=1−e−λt
t
t
F2(t)=∫f2(t)dt=∫λte−λt⋅λdt=1−e−λt−λte−λt
0t
0t
F3(t)=∫f3(t)dt=∫
(λt)2e−λt⋅λdt=1−e−λt−λte−λt−(λt)2e−λt
2!
2!
"
t
"
t
n
((λt)n−1−λtλt)k−1−λt
Fn(t)=∫fn(t)dt=∫e⋅λdt=1−∑e
k=1k−1!00n−1!
"
更新过程的分布
"
Pr{N(t)=n}=Fn(t)−Fn+1(t)
k−1k−1nn+1⎛⎞⎛⎞(()t)tλλ−λt−λt
⎜⎟⎜=⎜1−∑e⎟−⎜1−∑e⎟⎟⎝k=1k−1!⎠⎝k=1k−1!⎠
=
n+1−1!(λt)n−λt=e
n!
(λt)n
e
−λt