系统模拟-第4讲.pptVIP

系统模拟 第4讲 授课教师: 左德承 泊松过程 假设N(t)满足如下条件 1）在互不重叠的区间上增量具有独立性 2）对充分小的Δt 泊松过程 3）对于充分小的Δt 即对于充分小的Δt，在(t，t+Δt]内出现2个或两个以上质点的概率与出现一个质点的概率相比可以忽略不计 泊松过程 4）N(0)=0 把满足上述4个条件的计数过程｛N(t)，t ? 0｝称做强度为λ的泊松过程 相应的质点流或即质点出现的随机时刻t1，t2…称做强度为λ的泊松流 泊松过程 确定P0(t0，t) 泊松过程 泊松过程 由P0(t0，t0)＝1 泊松过程 泊松过程 即可得到 泊松过程 泊松过程 由前面的公式 泊松过程 设质点依次重复出现的时刻t1，t2，… tn，…是一个强度为λ的泊松流，以记号 Wn是一个随机变量，表示第n个质点出现的等待时间 泊松过程 首先注意 事件｛Wnt｝={N(t)n} 泊松过程 Wn的概率密度为 泊松过程 设质点依次重复出现的时刻t1，t2，… tn，…是一个强度为λ的泊松流，以记号 Wn是一个随机变量，表示第n个质点出现的等待时间 泊松过程 记Ti＝Wi－Wi-1，称为相继出现的第i-1个质点和第i个质点的点间间距 T1＝W1,服从指数分布 先求第i-1个质点出现在时刻ti-1的条件下，Ti的条件分布函数 泊松过程 泊松过程 泊松过程 泊松过程 泊松过程的应用举例 元器件或系统的可靠度R(t) 相当于P0(0，t),即 系统从启动到失效的平均寿命(MTTF) 相当于E[W1]，即 平均系统失效间隔时间（MTBF） 相当于E[Ti] 马尔可夫链 马尔可夫链 时间、状态都是离散的马尔可夫过程 转移概率的确定 遍历性问题 马尔可夫链 马尔可夫性（无后效性） 系统（过程）在时刻t0所处的状态为已知的条件下 系统（过程）在时刻t t0所处状态的条件分布与系统（过程）在时刻t0之前所处的状态无关 在已经知道过程“现在”的条件下，其“将来”不依赖于“过去” 马尔可夫链 马尔可夫性的数学描述 设随机过程｛X(t)，t ?T｝的状态空间为I。如果对时间t的任意n个数值t1t2… tn，n?3 在条件X(ti) = xi，xi ?I，i = 1, 2,…, n-1下，X(tn) 的条件分布函数恰等于在条件X(tn-1) =xn-1的条件分布函数 马尔可夫链 写成分布函数的形式 称过程｛X(t)，t ?T｝具有马尔可夫性或无后效性，并称此过程为马尔可夫过程 马尔可夫链 例 独立增量过程｛X(t)，t ? 0｝，且X(0)＝0，则｛X(t)，t ? 0｝是一个马尔可夫过程 即已知在X(tn-1)=xn-1的情况下 马尔可夫链 时间和状态都是离散的马尔可夫过程称为马尔可夫链－马氏链 记｛Xn＝X(n)，n＝0，1，2，…｝ 可以看作是时间集T1＝｛0，1，2，…｝上对离散状态马尔可夫过程相继观察的结果 链的状态空间I＝｛a1，a2，…｝，ai?R 马尔可夫链 对任意正整数n，r和 马尔可夫链 上式称为马氏链在时刻m处于状态ai条件下，在时刻m+n转移到状态aj的转移概率 由于链在时刻m从任何一个状态ai出发，到另一时刻m+n，必然转移到a1，a2，…这些状态中的某一个 马尔可夫链 由转移概率组成的矩阵P(m,m+n)=(Pij(m,m+n))称为马氏链的转移矩阵 转移矩阵的每一行之和为1 每一列之和＝？ 马尔可夫链 当转移概率Pij(m,m+n)只与i,j及时间间距n有关时，把它记为Pij(n)，即 称此转移概率具有平稳性，同时称此链是齐次的或时齐的，并称下式为n步转移概率 马尔可夫链 P(n)=(Pij(n))为n步转移矩阵 特别重要的为一步转移概率 或者是由一步转移概率所组成的矩阵 马尔可夫链 马尔可夫链 例 一维随机游动 设一醉汉Q如图在直线的点集I＝｛1，2，3，4，5｝作随机游动 如果Q位于i（1 i 5）点,则在下一时刻各以概率1/3向左、右移动一格或在原地不动 马尔可夫链 如果Q位于1（或5），则下一时刻就以概率1移动到2（或4） 1和5这两点被称为反射壁 该模型称为带有两个反射壁的随机游动 马尔可夫链 一步转移矩阵为 马尔可夫链 例 某一机房的计算机经常出现故障，研究者每15分钟观察一次运行的状态，收集了24小时的数据（97次观察），用1表示正常状态，0表示故障状态 马尔可夫链 一步转移概率可近似表示为 马尔可夫链 已知计算机在某一时段（15分钟）的状态为0，问此条件下从此时刻起计算机能连续正常工作3刻钟的条件概率是多少？ X0=0,由乘法公式、马氏性和齐次性，得 马尔可夫链 马尔可夫链 齐次马氏链的有限维分布 pj(0)＝P{X0 = aj}，aj?I，j