Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
40 вопросов.docx
Скачиваний:
2
Добавлен:
01.03.2025
Размер:
646 Кб
Скачать
☆

40.Рассмотрим некоторую систему s, которая проходит случайный процесс , т.Е. С течением времени система переходит из одного состояния в др. → →…..

Если число состояний конечно, то процесс называют случайным с дискретными состояниями. Если переходы возможны в любой момент времени, то процесс относится к непрерывным. Случайный процесс с дискретными состояниями называют Марковским, если для любого момента времени вероятность перехода из одного состояния в другое зависит только от предыдущего состояния и не зависит от того, каким образом система попала в предыдущее состояние. Такие процессы называются процессы беспоследействия. Будущее здесь зависит только от настоящего , но не от прошлого.

С помощью Марковских процессов моделируют рост популяций, организация и обслуживание очередей в теории массового обслуживания.

Случайные процессы дискретными состояниями удобно отображать с помощью графических состояний. В нем возможные состояния обозначаются S возможные переходы стрелками, т.е.

Для описания марковского процесса используют вероятности состояния. (t), (t), ….. – вероятность того, что в момент времени t система находится в соответствующем состоянии . , …..

Очевидно, что для любых вероятностей t сумма состояний должна быть равно единице, т.е. = 1

Предположим, что время t меняется дискретно, т.е. переход S из одного состояния в другое проходит только в моменты времени …….., где - начало процесса, - = – - шаг процесса.

Тогда процесс можно рассматривать как последовательность или цепь событий S(0) ; S(1), где S(0) – шаг состояния системы. S(1) – состояние после 1- го шага и т.д.

Такой процесс с дискретным временем и дискретным состоянием называют марковским процессом.

Вероятность состояния этого процесса рассматривается как вероятность того, что на каждом шаге система находится на

(k) = P{S(k) = }, т.е. для нахождения вероятностей P( ) надо знать первоначальное распределение вероятностей (0), (0), …., (0), т.е. вероятности состояния в начальный момент времени и вероятности переходов (k)

Вероятностью переходов (k) называют вероятность перехода системы S на к-ом шаге и состояние от .

Цепи маркова называются однородной , если вероятности переходов не зависит от шага к. Такая цепь маркова задается с помощью векторов состояния системы ( (0), (0), …., (0)) и матрицы переходов.

Р = Элементы матрицы обладают свойствами: 0 = 1

Для однородной цепи справедлива формула : Р(n) =