Содержание
- 2. Потоки событий Это последовательность событий происходящих одно за другим в определенные интервалы времени. T - средняя
- 3. Потоки событий Стационарный Количество событий, попадающих на любой произвольный интервал времени τ не зависит от положения
- 4. Потоки событий Ординарный В любой момент времени происходит одно и только одно событие, т. е. вероятность
- 5. Экономическое применение Современные финансово – банковские операции предполагают погашение задолженности в рассрочку, периодическое поступление доходов от
- 6. Задача Для анализа изменения с течением времени размера текущего фонда банка, занимающегося выдачей долгосрочных ссуд, важно
- 7. Решение По условию задачи поток выплат можно считать простейшим с интенсивностью λ=2 (за неделю). Следовательно, число
- 8. Решение Пусть X(τ) - дискретная случайная величина , представляющая собой число выплат, поступивших за промежуток времени
- 9. Решение Пусть непрерывная случайная величина T - промежуток времени между двумя любыми соседними выплатами (событиями простейшего
- 10. Задачи для самостоятельного решения 1. Обычно студент приходит на остановку ровно в 8 часов утра и,
- 11. Задачи для самостоятельного решения 2. Поток заявок, поступающих в некоторую систему массового обслуживания, достаточно точно моделируется
- 12. Марковские случайные процессы
- 13. Основные понятия Под системой S будем понимать всякое целостное множество взаимосвязанных элементов, которое нельзя расчленить на
- 14. Основные понятия В случае дискретного множества состояний система меняет свои состояния скачком (мгновенно). В случае же
- 15. А. А. Марков (1856 - 1922) Андрей Андреевич Марков - старший - выдающийся русский математик, разработавший
- 16. Виды Марковских процессов Дискретные состояния и дискретное время (цепь Маркова) Непрерывные состояния и дискретное время (Марковские
- 17. Марковские цепи Цепью Маркова называют такую последовательность случайных событий, в которой вероятность каждого события зависит только
- 18. Задание Марковской цепи множеством состояний S = {s1, …, sn}, событием является переход из одного состояния
- 19. Пример S = {S1, …, S5} p(0) = {1, 0, 0, 0, 0}
- 20. Пример
- 21. Виды Марковских цепей Марковская цепь называется однородной, если переходные вероятности от времени не зависят, то есть
- 22. Цель моделирования определить вероятность системы находится в j-ом состоянии после k-го шага. Обозначим эту вероятность однородная
- 23. Задача №1 Некоторая совокупность рабочих семей поделена на три группы: ε1 – семьи, не имеющие автомашины
- 24. Задача №1 Найти: а)вероятность того, что семья, не имевшая машины и не собиравшаяся ее приобрести, будет
- 25. Решение задачи №1 а) Дано: т.е. вектор начальных вероятностей p(0)=(1,0,0) (сейчас система в состоянии 1) Найти:
- 26. Решение задачи №1 Получим вектор вероятностей через 1 год В нашем случае это 1-ая строка матрицы
- 27. Решение задачи №1 Вычисления: Ответ: вероятность того, что семья, не имевшая машины и не собиравшаяся ее
- 28. Задача №2 Предположим, что некая фирма осуществляет доставку оборудования по Москве: в северный округ (обозначим А),
- 29. Задача №2 Если курьер стартует из центрального округа, какова вероятность того, что осуществив две доставки, он
- 30. Предельные вероятности Для эргодических цепей при достаточно большом времени функционирования (t стремится к бесконечности) наступает стационарный
- 31. Предельные вероятности Пусть xi – предельные вероятности (i=1..n), где n – число состояний. Тогда xi являются
- 32. Пример Матрица переходных вероятностей (число состояний n=2) и графическое изображение Марковского процесса: Предельные вероятности x1 и
- 33. Задача №3 Две машины А и В сдаются в аренду по одной и той же цене.
- 34. Задача №4 Посетитель банка с намерением получить кредит проходит ряд проверок (состояний): е1 – оформление документов;
- 35. Задача №4 Граф этой системы:
- 37. Скачать презентацию