1 2 3 4 5 6 7 8 9 ... 36 Рисунок 1.5Розв’язання Припустимо, що випадкова величина T набула деякого значення з елементарного проміжку t; t dt. дорівнює елементу ймовірності: Ймовірність цієї гіпотези наближено PT t; t dt f tdt. Знайдемо умовний розподіл проміжку Qза цієї умови. Позначимо умовну щільність розподілу випадкової величини Qпри цій гіпотезі че- рез fqq/ t. Оскільки точка t потрапляє на вісь Otвипадково, то при цій гіпо- тезі вона буде мати рівномірний розподіл на проміжку 0; t: fq/ t 1 , q t 0 q t, t 0. За інтегральною формулою повної ймовірності маємо q fqq 0 fq/t f t dt. Оскільки fqq/ t відмінна від 0 лише при q t, тоді fqq q f t t dt, q 0. Оскільки за формулою (1.4) f t tf(t) , отримаємо mt tft 1 fqq tm dt m f(t)dt. (1.8) q t tq Зазначимо, що інтеграл у формулі (1.8) визначає ймовірність події T q. Оскільки випадкова величина Tмає функцію розподілу F(t), тоді PT q 1 Fq, звідки щільність розподілу випадкової величи- ни Qдорівнює: q f(q) 1 F(q) . mt Враховуючи, що вигляд щільності розподілу не залежить від позна- чення аргументу, маємо: q f(t) 1 F(t) . mt (1.9) Аналогічно щільність розподілу випадкової величини Rмає вигляд r f(t) 1 F(t) . mt (1.10) Знайдемо математичні сподівання та дисперсії випадкових вели- чин Qі R, а також їх коваріацію. Враховуючи, що T Q R, отримаємо M(T ) M(Q) M(R). Оскільки випадкові величини Q і R однаково розподілені, тоді M(Q) M(R) , звідси MT M(Q) M(R) MT2 . (1.11) Можна показати, що 2 2mt D(Q) D(R) 3 T 1 3m 4 MT2 2 m2 (1.12) де 3 T t t – початковий момент третього порядку випадкової ве- личини T. Для знаходження коваріації випадкових величин Qі Rвикористо- вують формулу: Kqr 3 T 6m MT2 2 . 4m2 (1.13) t t Доведення формул (1.12), (1.13), а також інформація про умовні закони розподілу складових системи випадкових величин Q; R міс- тяться в [5, с. 61–63]. Приклад 1.2. Пасажир виходить на автобусну зупинку в деякий момент часу, не пов’язаний з розкладом руху автобусів. Потік автобу- сів – потік Пальма з інтервалами, які мають рівномірний розподіл у межах від 5 до 10 хвилин. Знайти: 1) щільність розподілу того інтерва- лу між автобусами, на який потрапив пасажир; 2) щільність розподілу часу очікування Hавтобуса; 3) середній час очікування автобуса. Розв’язання Як відомо, якщо неперервна випадкова величина Xрівномірно розподілена на інтервалі a; b, тоді 0, x a 0, x a 1 x a f( x) b a, a x b, F( x) b a, a x b, 0, x b 1, x b M( X) a b, 2 D( X) b a2 , 12 ( X) b a. Згідно з умовою задачі t5;10, отже, 0, t 5 0, t 5 1 x 5 5 10 5 f(t) , 5 t 10, F(t) 5 , 5 t 10, mt 2 7,5. 0, t 10 1, t 10 Щільність розподілу інтервалу між автобусами, на який потрапив пасажир, згідно з формулою (1.4), має вигляд: тоді f t tf(t) , mt t 0, де t5;10. f(t) t 37, 5 Щільність розподілу випадкової величини R– часу очікування, згід- но з формулою (1.10), має вигляд 0, 1 t 0 ft , 0 t 5, 7,5 . r 10 t , 5 t 10 37,5 Середній час очікування 0, t 10 5 t 10 10 t 0 5 mr 7,5 dt t 37,5 dt 6,11хвилин. Ще раз підкреслимо, що найпростіший (стаціонарний пуассонів- ський) потік, інтервали часу між послідовними подіями якого однако- во розподілені за показниковим законом: f(t) et, t 0, є випад- ком потоку Пальма. Використовуючи формули (1.9) та (1.10), можна показати, що випадкові величини Qі Rтакож розподілені за показ- никовим законом: q f(t) et, t 0, f(t) et, t 0. r Це справді так, оскільки відсутність післядії у найпростішому по- тоці дозволяє стверджувати, що розподіл часу, який залишився до най- ближчої події потоку, такий самий, що й розподіл часу між подіями потоку; наявність події в початку відліку проміжку жодним чином не впливає на довжину, що залишилася. Відсутність післядії дозволяє стверджувати, що випадкові вели- чини Qі Rдля найпростішого потоку незалежні. Дійсно, в найпрос- тішому потоці будь-яка докладна інформація про поведінку системи в минулому (до моменту часу t0 ) не містить жодних відомостей про те, як повинен відбуватися процес у майбутньому (після t0 ). Це головна причина того, що інженерні задачі, які пов’язані з випадковими проце- сами, легко розв’язуються в тому випадку, коли зміна станів фізичної системи S, в якій розглядається випадковий процес, відбувається під впливом найпростіших потоків подій. Складніше розв’язуються задачі дослідження випадкових процесів у тому випадку, коли потоки подій є нестаціонарними пуассонівськими (зі змінною інтенсивністю t), але важлива властивість – відсутність післядії – при цьому зберігаєть- ся. Це дозволяє, досліджуючи процес у майбутньому (при t t0 ), вра- ховувати лише стан системи в момент часу t0 (теперішній) і не врахо- вувати перебіг процесу в минулому (при t t0 ). Потоки Пальма мають широке застосування в теорії надійності, теорії масового обслуговування – галузі прикладної математики, де використовуються методи теорії випадкових процесів. Теорія масового обслуговування – це розділ прикладної матема- тики, що вивчає процеси з опрацюванням часто повторюваних одно- рідних подій, які з’являються в системах виробництва, обслуговування та управління. Прикладом згаданих подій є заявки на підприємствах побутового обслуговування, в банківських установах, в аудиторських фірмах, передача та опрацювання інформації, операції на автоматизо- ваних лініях виробництва тощо. Задачею теорії масового обслугову- вання є встановлення та вивчення залежностей між характером потоку заявок, кількістю каналів обслуговування, продуктивністю окремого каналу та ефективним обслуговуванням із метою відшукання найкра- щих способів управління процесами обслуговування. Потоки Пальма зустрічаються у вигляді вихідних потоків систем масового обслуговування. Якщо на будь-яку систему поступає потік заявок, то система поділяє його на два потоки: потік обслужених танеобслуженихзаявок. Потік необслужених заявок часто поступає на деяку іншу систему масового обслуговування. Основною в теорії вихідних потоків є тео-ремаПальма. Нехай на деяку систему масового обслуговування поступає потікзаявок типу Пальма, причому заявка, яка надійшла, коли всі каналибули зайняті, отримує відмову (не обслуговується). Якщо час обслу-говування має показниковий розподіл, то потік необслужених заявоктакожє потокомтипуПальма. Зокрема, якщо вхідний потік заявок є найпростішим, то потік не- обслужених заявок, не будучи найпростішим, буде мати обмежену пі- слядію. Прикладом потоків з обмеженою післядією є потоки Ерланга, що утворюються “просіюванням” найпростішого потоку. |