通信网络chapter3_0试卷.pptVIP

生灭（birth-death）过程 7 例1.3 设一个特殊的生灭过程的状态转移概率为 试求其稳态分布。 解：利用式（1-35）（或假设式（1-36）成立）有： 从而有： 式中 经过递推得： 生灭（birth-death）过程 5 显然只有在 的情况下，才可能有下式成立。 从而可得 。进而可得： 综上可得，在 的情况下，该生灭过程的稳态分布为 t X t t1 t2 t3 t4 t5 tn-1tn tn+1 状态转移时刻 随机过程的基本概念 1. 独立随机过程 2. 马尔可夫 Markov 过程 3．独立增量过程 4．平隐随机过程 5 ．Poisson过程 6 ．马尔可夫链 1.3.2 Poisson过程 6 （3）多个相互独立的Poisson过程之和 A A1+A2+…+Ak仍是一个Poisson过程， 其到达率为? ?1+ ?2+…+ ?k ，式中?k是Poisson过程Ak的到达率。 叠加Poisson过程的到达时间间隔分布？ 1.3.2 Poisson过程 6 （4）如果将一个Poisson过程的到达以概率p和1-p独立地分配给两个子过程，则这两个子过程也是Poisson过程。 注意:这里是将到达独立地进行分配。如果把到达交替的分配给两个子过程，即两个子过程分别由奇数号到达和偶数号到达组成，则这两个子过程就不是Poisson过程。 1.3.2 Poisson过程 6 例1.1有红、绿、蓝三种颜色的汽车，分别以强度为?R 、 ?G 、 ?B的Poisson流到达某哨卡，设它们是相互独立的。把汽车合并成单个输出过程（假设汽车长度为0）。 ?R ?B ?G 1.3.2 Poisson过程 7 （1）求两辆汽车之间的时间间隔的概率密度函数； 解 : 由于独立的Poisson过程之和仍为Poisson过程，且其强度为?C ?R+?G+?B 。 设为两辆汽车到达的时间间隔ZC ，则其概率密度函数为: 合成的过程的特性？ t ZC 1.3.2 Poisson过程 7 （2）求在t0时刻观察到一辆红色汽车，下一辆汽车将是 a 红的， b 蓝的， c 非红的概率； t t0 a t t0 t t0 ?R ?X ?G+?B ZR ZX + ZX 1.3.2 Poisson过程 8 （2）求在t0时刻观察到一辆红色汽车，下一辆汽车将是 a 红的， b 蓝的， c 非红的概率； t t0 t t0 ?B ?Y ?G+?R ZB ZY + t t0 b 1.3.2 Poisson过程 9 （2）求在t0时刻观察到一辆红色汽车，下一辆汽车将是 a 红的， b 蓝的， c 非红的概率； t t0 t t0 or c 1.3.2 Poisson过程 10 （3）求在t0时刻观察到一辆红色汽车，下三辆汽车是红的，然后又是一辆非红色汽车将到达的概率。 t t0 t t0 or 1.3.3 马尔可夫链 1 马尔可夫（Markov）链是最简单的马氏过程－即时间和状态过程的取值参数都是离散的马氏过程。 X t1 , X t2 , X t3 ,…, X tn ,… t 状态X t1 t2 t3 t4 t5 tn-1tn tn+1 状态转移时刻 1.3.3 马尔可夫链 2 我们把可列个发生状态转移（变化）的时刻记为t1，t2，…,tn，…，在tn 时刻发生的转移称为第n次转移；并且假定在每一个时刻tn n 1,2,… , Xn X tn 所有可能的状态的集合S是可数的. 对应于时间序列t1，t2 ，…, tn，… ，马氏链的状态序列为i1，i2，…, in，…， 。这时对应于式（1-9）（马氏过程的概率分布）有马氏链的转移概率为： 该式表示在Xn-1 in-1的条件下，第n次转移出现in的概率。 1.3.3 马尔可夫链 3 如转移概率与n无关（即与哪一次转移无关，仅与转移前后的状态有关），则该马氏链为齐次马氏链；否则称为非齐次马氏链。本书仅讨论齐次马氏链。 上式称为马氏链的（一步）转移概率。 Pij满足下列条件： （1-23） （1-22） 此时式（1-21）可以表示为 1.3.3 马尔可夫链 4 相应的转移概率矩阵可以表示为： 1-24 1.3.3 马尔可夫链 5 例1.2 设一盲人（或看成一个随机点）在如图1-13所示的线段上游走，其步长为l。假定他只能在a1 2l，a2 l，a3 0，a4 - l，a5 - 2l 这5个点上停留，且只在时刻 t 1,2,…上发生游走。 游走的规则是：如果游走前他在a2，a3，a4这几个点上，那末就分别以1/2的概率向左或向右走动一步；如果游走前