Отчет по лабораторной работе по дисциплине «Математическое моделирование». ЛР3 Радионов Отчет вопросы. Пусть имеется некоторая система S, состояние которой меняется с течением времени под системой S
Скачать 112.49 Kb.
|
Дайте определение марковского процесса. Пусть имеется некоторая система S, состояние которой меняется с течением времени (под системой S может пониматься техническое устройство, производственный процесс, вычислительная машина, информационная сеть и т. д.). Если состояние системы S меняется во времени случайным, заранее непредсказуемым образом, говорят, что в системе протекает случайный процесс. Случайный процесс, протекающий в системе S, называется марковским, или процессом без последействия, если он обладает следующим свойством: для каждого момента времени t0 вероятность любого состояния системы в будущем (при t> t0) зависит только от ее состояния в настоящем (при t= t0) и не зависит от того, когда и каким образом система пришла в это состояние, т. е. как развивался процесс в прошлом. Как классифицируются марковские процессы? Марковский случайный процесс (цепь Маркова) можно определить также как последовательность испытаний, в каждом из которых появляется только одно из k несовместных событий Ai из полной группы. При этом условная вероятность pij(s) того, что в s-ом испытании наступит событие Aj при условии, что в (s – 1) – ом испытании наступило событие Ai, не зависит от результатов предшествующих испытаний. Независимые испытания являются частным случаем цепи Маркова. События называются состояниями системы, а испытания – изменениями состояний системы. Марковские случайные процессы делятся на классы. Основными классифицирующими признаками служат: множество состояний, в которых может находиться система, и моменты времени, в которые происходит изменение состояния системы. Что такое граф состояний и переходов Марковской цепи? Какие бывают ГСП? Анализ случайных процессов с дискретными состояниями обычно проводится с помощью графа состояний и переходов (ГСП). Пусть имеется система Sс n дискретными состояниями: S1, S2, S3, …, Sn Каждое состояние изображается окружностью, а возможные переходы (“перескоки”) из состояния в состояние – стрелками, соединяющими эти окружности. Удобно также пользоваться размеченным графом, который графически изображает не только возможные состояния системы и возможные переходы из состояния в состояние, но также и значения вероятностей перехода. Примеры ГСП показаны на рисунке.
Что понимается под матрицей переходных вероятностей? Графу системы, содержащему n вершин, можно поставить в соответствие матрицу n×n, элементами которой являются вероятности переходов между вершинами графа, называемую матрицей вероятностей переходов. Элементы матрицы удовлетворяют условиям: (1) (2) Условие (1) – обычное свойство вероятностей, а условие (2) означает, что система S обязательно либо переходит из какого-то состояния Si в другое состояние, либо остается в состоянии Si. Элементы pijматрицы P обозначают вероятности переходов в системе за один шаг. Обычно на графе вероятности перехода системы из одного состояния в то же самое не отмечаются. При рассмотрении конкретных систем удобно сначала построить граф состояний, затем определить вероятность переходов системы из одного состояния в то же самое (исходя из требования равенства единице суммы элементов строк матрицы), а потом составить матрицу переходов системы. Как можно найти вероятность нахождения процесса в определенном состоянии после определенного числа шагов? при в системе S устанавливается некоторый предельный стационарный режим: хотя система случайным образом и меняет свои состояния, но вероятность каждого из них не зависит от времени и каждое из состояний осуществляется с некоторой постоянной вероятностью, которая представляет собой среднее относительное время пребывания системы в данном состоянии. Это свойство позволяет обходиться при нахождении параметров системы на основе моделирования одной достаточно длинной реализацией. Для вероятностей p1(t), p2(t),…, pn(t) можно составить систему линейных дифференциальных уравнений, называемых уравнениями Колмогорова, которые в случае нахождения предельных вероятностей превращаются в систему линейных алгебраических уравнений (уравнений глобального баланса) для каждого состояния. Что такое нестационарная марковская цепь? Процесс o(t) предполагается нестационарной марковской цепью, начальное состояние которой га(0) = сцз считается известным. Множество состояний процесса конечно. Оно может формироваться для каждого t — 1,..., Т экспертом или программой с учетом известных взаимосвязей между макроэкономическими показателям. Если значения переходных вероятностей не зависят от номера шага, то марковская цепь называется однородной, или стационарной Дайте определение марковского процесса с непрерывным временем и дискретными состояниями. На практике встречаются ситуации, когда переходы системы из состояния в состояние происходят не в фиксированные, а в случайные моменты времени, которые заранее указать невозможно – переход может осуществиться в любой момент. Например, выход из строя (отказ) любого элемента аппаратуры может произойти в любой момент времени; окончание ремонта (восстановление) этого элемента также может произойти в заранее неизвестный момент и т. д. Для описания таких процессов может быть применена схема марковского случайного процесса с дискретными состояниями и непрерывным временем. Такого типа процессы известны как непрерывные цепи Маркова. Непрерывной цепью Маркова (марковским процессом) называют процесс, для которого при 0≤ t1≤ t2≤…≤tn+1 выполняется: Здесь так же, как и в случае процесса с дискретным временем, рассматривается ряд дискретных состояний: S1, S2, S3, ..., Sn, однако переход системы S из состояния в состояние может происходить в произвольный момент времени. Что такое предельные вероятности марковского процесса? Каков физический смысл предельных вероятностей? Весьма важным является вопрос о поведении функцийр1(t), р2(t), ..., рn(t) при а именно, будут ли они стремиться к каким-то пределам. Если пределы существуют, то они называются предельными (финальными) вероятностями состояний: Очевидно, предельные вероятности состояний в сумме должны давать единицу: Доказано, что если число состояний системы S конечно и из каждого состояния можно перейти за некоторое число шагов в любое другое, то предельные вероятности состояний существуют и не зависят от начального состояния системы. Таким образом, при в системе Sустанавливается некоторый предельный стационарный режим: хотя система случайным образом и меняет свои состояния, но вероятность каждого из них не зависит от времени и каждое из состояний осуществляется с некоторой постоянной вероятностью, которая представляет собой среднее относительное время пребывания системы в данном состоянии. Это свойство позволяет обходиться при нахождении параметров системы на основе моделирования одной достаточно длинной реализацией. Для вероятностей p1(t), p2(t),…, pn(t)можно составить систему линейных дифференциальных уравнений, называемых уравнениями Колмогорова, которые в случае нахождения предельных вероятностей превращаются в систему линейных алгебраических уравнений (уравнений глобального баланса) для каждого состояния. Совместно с нормировочным условием эти уравнения дают возможность вычислить все предельные вероятности. Как найти предельные вероятности системы, имеющей стационарный режим? стационарное распределение вероятностей Что называется процессом гибели и размножения? Поясните на ГСП. Техническое устройство состоит из трех одинаковых узлов, каждый из которых может выходить из строя (отказывать). Отказавший узел немедленно начинает восстанавливаться. Требуется найти вероятности числа отказавших узлов. Состояния системы: S1 – все три узла исправны: S2– один узел отказал (восстанавливается), два исправны; S 3– два узла восстанавливаются, один исправен; S 4– все три узла восстанавливаются. ГСП имеет вид: Из графа видно, что процесс, протекающий в системе, представляет собой процесс размножения и гибели. Запишите выражения для предельных вероятностей процесса гибели и размножения. По предыдущему графу получаем: |