ВУЗ:
Составители:
Рубрика:
16
9) средняя длина очереди:
1
()
ож k
kn
MknP
∞
=+
=−
∑
10) среднее число заявок, находящихся в системе обслужи-
вания:
1
k
k
MkP
∞
=
=
∑
Проведем краткий анализ перечисленных трех условий.
Процесс обслуживания в случае простейшего входящего
потока и показательного закона распределения времени выпол-
нения операций по обслуживанию может рассматриваться как
процесс Маркова.
Если t
0
< t
1
< … < t
n
представляют моменты времени, то се-
мейство случайных величин
{
}
n
t
ξ
является марковским процес-
сом, при условии, что оно обладает следующим марковским свой-
ством:
{
}
{
}
101
101
|,...,|
−−
======
−−
ntnttntnt
xxPxxxP
nnnn
ξξξξξ
при всех возможных значениях
n
ttt
ξξξ ,...,,
10
.
{
}
1
1,1
|
−
===
−−
ntntxx
xxPPьВероятност
nnnn
ξξ
называют переходной вероятностью. Ее называют также
одношаговой переходной вероятностью, поскольку она описыва-
ет изменение состояния системы между моментами t
n-1
и t
n
. Таким
образом, m – шаговая переходная вероятность определяется фор-
мулой:
{
}
.|
, ntmntxx
xxPP
nmnmnn
=
=
=
+
++
ξ
ξ
3. МАРКОВСКИЕ ПРОЦЕССЫ
Пусть E
1
, E
2
, …, E
j
(j = 0, 1, 2,…) представляют полную и
взаимно исключающую группу состояний некоторой системы в
любой момент времени. В исходный момент t
0
система может на-
ходиться в одном из этих состояний. Положим, что a
j
(0)
(j = 0, 1, 2,
…) есть абсолютная вероятность того, что в момент t
0
система
PDF created with FinePrint pdfFactory Pro trial version www.pdffactory.com
9) средняя длина очереди: ∞ M ож = ∑ (k − n) P k = n +1 k 10) среднее число заявок, находящихся в системе обслужи- вания: ∞ M = ∑ kPk k =1 Проведем краткий анализ перечисленных трех условий. Процесс обслуживания в случае простейшего входящего потока и показательного закона распределения времени выпол- нения операций по обслуживанию может рассматриваться как процесс Маркова. Если t0 < t1 < … < tn представляют моменты времени, то се- { } мейство случайных величин ξ t n является марковским процес- сом, при условии, что оно обладает следующим марковским свой- ством: { } { } P ξ tn = xn | ξ tn −1 = xn −1 ,..., ξ t0 = x0 = P ξ tn = xn | ξ tn −1 = xn−1 при всех возможных значениях ξ t0 , ξ t1 ,..., ξ t n . { Вероятность Pxn−1, xn = P ξ tn = xn | ξtn−1 = xn−1 } называют переходной вероятностью. Ее называют также одношаговой переходной вероятностью, поскольку она описыва- ет изменение состояния системы между моментами tn-1 и tn. Таким образом, m – шаговая переходная вероятность определяется фор- мулой: { Pxn ,xn+m = P ξtn+m = xn+m | ξtn = xn . } 3. МАРКОВСКИЕ ПРОЦЕССЫ Пусть E1, E2, …, Ej (j = 0, 1, 2,…) представляют полную и взаимно исключающую группу состояний некоторой системы в любой момент времени. В исходный момент t0 система может на- ходиться в одном из этих состояний. Положим, что aj(0) (j = 0, 1, 2, …) есть абсолютная вероятность того, что в момент t0 система 16 PDF created with FinePrint pdfFactory Pro trial version www.pdffactory.com
Страницы
- « первая
- ‹ предыдущая
- …
- 14
- 15
- 16
- 17
- 18
- …
- следующая ›
- последняя »