книги / Прикладные задачи теории массового обслуживания
..pdfражена через дельта-функцию, о которой подробнее будет сказа но ниже). Найдем плотность распределения /*(/) того интервала Г*, на который случайным образом упала точка 5.
Для этого найдем /* (/) d t — вероятность того, что точка S
попадает на промежуток, длина которого заключена в интервале (/, t + dt). Эта вероятность приближенно равна отношению сум
марной длины таких промежутков на очень большом интервале времени к полной длине интервала. Пусть на очень большом ин тервале уложилось большое число N промежутков. Среднее число промежутков, длина которых лежит в пределах (/, t + dt), равно Nf(t)dt; средняя суммарная длина всех таких промежут ков будет tNf(t)dt. Средняя общая продолжительность всех N промежутков равна mtNy где
со |
го |
|
щ = М [Т \ — { t dF ( / ) = [ tf{t)dt |
(1.2.1) |
О6
—математическое ожидание случайной величины Т.
Следовательно:
Г |
(t) dt та Ntf(t) d— = — |
/ (t) dt. |
(1.2.2) |
||
|
Nmt |
mt |
|
||
Это равенство выполняется тем точнее, чем более длитель |
|||||
ный промежуток |
времени |
рассматривается (чем больше N). |
|||
В пределе при N —+оо закон |
распределения случайной |
величи |
|||
ны Г* будет иметь вид |
|
|
|
|
|
|
— |
/ ( / ) |
при |
/ > 0 ; |
|
|
mt |
|
|
|
(1.2.3)* |
|
/ * ( 0 = |
|
при |
if<0. |
|
|
О |
|
|
Можно убедиться в том, что функция f*(t) обладает всеми свой
ствами плотности распределения.
Определим числовые характеристики (математическое ожи дание и дисперсию) случайной величины Т*. Для решения этой
задачи (и ряда задач в дальнейшем) воспользуемся аппаратом характеристических функций. Напомним, что характеристической функцией случайной величины Т называется функция g(x), опре деляемая из выражения
g{x) = M[elJcT] = ^ e“xf(t)dt, |
(1.2.4) |
— ОО |
|
где f(t) — плотность распределения случайной величины Т. Характеристическая функция безразмерна, а ее аргумент х име ет размерность, обратную размерности случайной величины Т.
* Тот же результат можно получить, применяя формулу Бейеса.
11
Напомним следующие основные свойства характеристической функции:
1. Характеристическая функция суммы п независимых слу
чайных величин
7’(«, = 2 ^ |
0 -2 .5 ) |
/=1
равна произведению характеристических функций этих величин:
г<»>(*)=П £*(■*). |
(1-2.6) |
/ = 1
где g i ( x ) — характеристическая функция случайной величины 7V Если складывается п независимых одинаково распределенных
случайных величин с характеристической функцией g (x ), то
£(*)(■*) = (£(■*))"• |
(! -2-*7)5 |
2. Характеристическая функция по модулю не превышает
единицы |
|
k W I < l |
0.2.8) |
для любого X.
3. Для определения числовых характеристик случайной вели чины Т пользуются равенствами
<r(0)=i;
г . ( 0 ) = ( ^ й М Ц = Ш [7 - 1 ;
|
(1.2.9) |
г" (° Н т г ' М ) , . . — ^ |
|
следовательно: |
|
M [ T ] = — ig' (0); |
1 |
^ i n = - ^ ( 0 ) + ( g ' ( 0 ) ) 2- I |
( 1.2. 10) |
|
4. Плотность распределения случайной величины Т выра
жается через ее характеристическую функцию преобразованием Фурье:
f ( t ) = ^ ~ ^ e~itxg(x)dx. |
(1.2.11) |
5. Если случайная величина Т имеет характеристическую функцию gt(x), то случайная величина Y=aT имеет характери стическую функцию gy{x) = gt {ax).
12
Вернемся к решаемой задаче. Найдем характеристическую функцию случайной величины Г* — интервала, на который слу чайным образом упала точка S:
g*(x)= \ eiixf* (t)dt = \ |
el,x- ^ - d t . |
>, |
rn, |
Заметим, что |
|
te itx= — i — e'ltx. дх
В этом случае
g * (x )= —i — |
\ e“x^ - d t = |
— |
(1.2.12) |
|
дх |
J |
nit |
mt |
|
где g(x) — характеристическая |
функция |
случайной |
величи |
|
ны Т — интервала между любыми двумя событиями |
||||
в исходном потоке Пальма; |
|
|
||
/п( — математическое |
ожидание случайной величины Т. |
|||
В соответствии с формулой |
(1.2.10) окончательно |
получим |
||
|
|
|
|
(1-2ЛЗ) |
По формулам (1.2.9), (1.2.10) |
найдем числовые характеристи |
|||
ки случайной величины Т*: |
|
|
|
|
mt*=M[T*] = g'*(0) |
g" (0) |
£ L |
(1.2.14) |
|
|
|
ig' (0) |
щ ~\- mt |
|
Анализируя формулу (1.2.14), видим, что математическое ожидание интервала Т*, на который случайным образом падает точка S, в общем случае всегда больше, чем математическое ожидание произвольно взятого участка Т. Лишь в случае регу лярного потока событий, когда случайные интервалы Т вырожда ются в неслучайные интервалы длительностью rrtt и D j= 0,
математическое ожидание т (* будет равно /«;. Таким образом, указание на то, что случайная точка S попала на какой-то интер вал, как бы увеличивает его среднюю длину по сравнению с тем, как мы оценивали бы ее без этого указания.
Найдем дисперсию случайной величины Т*, для чего перво
начально определим g"*(0):
Г ( 0 ) = |
g"' (0) |
|
—Ш [Г») |
— Ш [ГЗ] _ |
М [ГЗ] |
g\<0) |
“ |
g'A0) ~ |
1М [П |
м [Г] |
|
откуда |
|
|
|
|
|
D [Г*] = |
- g - (0) + (g' |
* |
t (1.2.15) |
||
|
|
|
|
Ttlf |
m: |
13
где М[Г3], М[Т2] — третий и второй начальные моменты случай ной величины Т.
Дисперсия £>{Г*] может быть как больше, так к меньше дис персии Dt.
§ 1.3. ЗАКОН РАСПРЕДЕЛЕНИЯ ВРЕМЕНИ ДО НАСТУПЛЕНИЯ ОЧЕРЕДНОГО СОБЫТИЯ
Рассмотрим на оси Of стационарный поток Пальма и возьмем произвольную точку S, которая случайным образом занимает на
этой оси любое положение (рис. 1.3.1). Как было показано в § 1.2, интервал Г* распределен не так, как любой интервал между событиями. Если интервал Т имел плотность распределе
ния /(/), то интервал Г* имеет плотность распределения /*(/) =
= — f(t). В этом параграфе нас будет интересовать закон рас- m
пределения остатка времени 0 от точки 5 до момента |
наступле |
||||||
XО |
X S |
|
|
ния очередного события при |
|||
|
|
условии, что плотность рас |
|||||
— |
|
пределения f(t) |
интервала Т |
||||
t |
нам |
известна. |
|
|
|||
|
f Т |
9 |
Для решения этой задачи |
||||
|
Рис. 1.3.1 |
|
введем в рассмотрение гипо |
||||
|
|
тезу, |
состоящую |
в том, что |
|||
|
|
|
|
интервал 71*, |
на |
который |
|
упала точка S, принял значение, лежащее на элементарном уча |
|||||||
стке |
(f*, t* + dt*). |
|
|
|
|
|
|
Вероятность |
этой |
гипотезы |
будет |
f*(t*)dt* = ---------dt* |
|||
|
|
|
|
|
|
|
mt |
В предположении, что эта гипотеза имела место, найдем услов ную плотность распределения случайной величины 0^—'Ф(0*| ^*). Так как положение точки S на числовой оси 01 не зависит от
распределения событий в потоке, то нет никаких оснований счи тать какой-либо участок интервала f*, на который упала точка S, более вероятным для положения этой точки, чем другой. Поэто му точка 5 на интервале времени t* будет распределена с рав
номерной плотностью:
_1_ |
при |
О с (О, |
Г), |
*(<Ч п = /* |
при |
&с£0, |
(1.3.1) |
о |
/*). |
Плотность распределения системы случайных величин 0 и Г* будет
/(<*, » ) = / ’ (П<р(«ЧО
14
откуда, учитывая (1.3.1), найдеи
во «о
? (» )= \ f(t*> |
5 /•(< •)? (* Ю Л *. |
— во |
«—во |
Так как согласно формуле (1.3.1) подынтегральная функция отлична от нуля только при /*>Ф, получим
во
? (» )= --\Jвс
СП
— |
/ ( П т ( » Ю ^ * = \ — |
" |
1~-F(b) , |
nit |
J mt |
/я/ |
|
|
О |
|
|
где /•"(/)— функция распределения случайной величины Г:
F ( £ ) = \ f ( f ) d t .
О
Таким образом, плотность распределения остатка времени 0 от случайного момента 5 до момента наступления очередного события будет иметь вид
|
1 — />(») |
при & >0; |
»(&) = |
Щ |
(1.3.2) |
|
О |
при 0 < 0,, |
где mt = M[T] — математическое ожидание случайной величи ны Т — интервала между любыми двумя собы
тиями.
Найдем числовые характеристики случайной величины 0. Для этого определим характеристическую функцию ge (х) случайной величины 0:
Применим |
интегрирование по частям: |
|
|
|||
|
1 —/="(») = |
«; du= — /(&) db; |
|
|
||
|
elbxdb = dv\ |
|
Л Ь х |
|
|
|
|
v = - |
|
|
|||
|
|
|
|
i x |
|
|
Тогда |
|
|
|
|
|
|
|
|
J b x |
Л |
ЛЬХ |
g W - 1 |
t |
|
( 1 - ^ W ) |
VI X - + |
\J |
I X /•(»)<*» |
||
mt |
i m t X |
’ |
||||
Lо |
|
о |
|
|
|
15
где g (х)— характеристическая функция случайной величины Т.
Учитывая равенства (1.2.9) и (1.2.10), окончательно получим
£»(■*) = |
g(x) — g (0) |
|
xg' |
(1.3.3) |
|
|
(0) |
Теперь найдет числовые характеристики случайной величины 0: М[0] и Z>[0]. В соответствии с формулами (1.2.10) и (1.3.3) будем иметь
т,=Л Г[в! = - 1 _ |
д |
/ |
g {х) — 1 |
V) |
— 1 {g ' ( x ) x — g( x Г) + 1 ) |
||
rriti- |
дх |
\ |
х |
) }х=о |
nit I |
X- |
Jд-=0* |
|
|
|
|
|
|
|
(1.3.4) |
При подстановке в (1.3.4) величины * = 0 получается неопреде-
ленность вида — . Для раскрытия этой неопределенности вос
пользуемся правилом Лопиталя:
m = |
____L a m |
g ” (*)x + g ' ( x ) - g ' (х) = |
g" (0) |
0 |
mt х-+о |
2х |
2mt |
Но в соответствии |
с (1.2.10) |
|
|
||
- |
ё" (0) = |
а2 [Г] = М [Т2]- Dt4- ml |
|
||
откуда окончательно получим |
|
|
|||
m n = |
— |
Dt |
E L |
(1.3.5) |
|
2mt |
|||||
[см. (1.2.14)]. |
2 |
Щ . |
|
||
|
|
|
|
||
Следовательно, математическое |
ожидание остатка |
времени 0 |
всегда не меньше, чем половина математического ожидания лю бого интервала между событиями в стационарном потоке Пальма.
Для нахождения дисперсии интервала времени 0 до наступ ления очередного события нужно найти вторую производную характеристической функции gо (х):
_}__g" (х)х°- — 2xg' (х) + 2g (х) — 2
g'o(x) = mni |
.v:i |
|
|
Раскрывая неопределенность, которая получается при X — 0, |
|||
получим |
|
|
|
g ’"(0) _ |
М\т-} |
(1.3.6) |
|
?>mti |
3/»( |
||
|
откуда (см. (1.2.10)] дисперсия случайной величины 0 будет
М |Г>) |
Ш [72)Р |
(1.3.7) |
£>[*]=-е1(0)+(еЦ0)Г |
Im, |
|
3/П/ |
|
1G
Нами рассматривалась случайная величина 0 — интервал между точкой S и первым наступившим после точки S событи ем. Аналогичные рассуждения можно провести относительно случайной величины Н — интервала между последним наступив шим событием в прошлом и точкой S (см. рис. 1.3.1.) Закон распределения случайной величины Н будет таким же, как и слу чайной величины 0. Случайные величины 0 и Н в общем случае будут зависимыми. При этом всегда будет выполняться условие
н+е=г*
§ 1.4. ПУАССОНОВСКИЙ ПОТОК СОБЫТИЙ
Среди потоков событий особое место занимает так называе мый «пуассоновский поток», обладающий, по сравнению с дру гими, рядом замечательных свойств, существенно облегчающих решение прикладных задач теории массового обслуживания.
|
|
|
т |
|
4-*-* |
- + |
t |
и |
t |
о |
t о |
|||
Рис. 1.4.1 |
|
Рис. |
1.4.2' |
|
Пуассоновским потоком событий называется поток, обладаю
щий двумя свойствами — ординарностью и отсутствием после действия. Понятие ординарности было рассмотрено в § 1.1. Здесь поясним смысл термина «отсутствие последействия».
Поток называется потоком без последействия, если для лю бых двух неперекрывающихся участков Tj и т2 (рис. 1.4.1) число событий, попадающих на один из них, не зависит от того, сколь ко событий попало на другой.
Обозначим случайное число событий, наступивших на ин
тервале времени ть |
через Х\ и на интервале времени т2— че |
рез Х2. Для потока |
без последействия случайные величины Х{ |
и Х2 независимы, т. е. вероятность того, что на участке т2 насту
пит определенное число событий т 2, не зависит от того, сколько событий гп\ наступило на участке времени х\:
P (X 2 = m2\ X l= m l)= P ( X 2~ m 2) |
(m2= 0, 1 , 2, . . . ; |
m2 = 0, 1,2 .. .) . |
(1.4.1) |
В курсах теории вероятностей доказывается, что для пуассонов ского потока число событий X, попадающих на любой интервал длины т, примыкающий к точке t (рис. 1.4.2), распределено по
закону Пуассона:
Pt .(X = m) = (a^ ' ^ |
(1.4.2] |
/71!
17
где |
|
|
|
|
a(t, т)— среднее число событий, наступающих на |
интерва |
|||
|
|
ле времени т, примыкающем к моменту времени t. |
||
Поэтому поток и называется «пуассоновским». |
|
|||
Среднее |
число событий, наступающих |
в единицу |
времени, |
|
для |
любого |
ординарного потока равно |
интенсивности |
потока |
K(t). |
Следовательно, среднее число событий, наступающих на |
интервале времени т, примыкающем к моменту времени t, будет
равно
/ +•5 |
|
a(t, т )= J |
(1.4.3) |
t |
|
Если пуассоновский поток событий является стационарным [k{t) =Х = const], то величина а не будет зависеть от t:
14-т |
|
а (t, т)= а (т )= ^ \ d t = \ т. |
(1-4.4) |
В этом случае вероятность того, что на произвольно выбранном участке времени продолжительностью т наступит т событий, оп
ределяется по формуле
Р т (Х = т) = -Ш£- « -Ч |
(1-4.5) |
ш\
Стационарный пуассоновский поток событий часто называют простейшим потоком. Так он назван потому, что применение
простейших потоков событий при анализе различных систем _ массового обслуживания при-
*водит к наиболее простым ре шениям.
Найдем закон распределе
ния интервала времени Т меж
ду двумя любыми соседними событиями в простейшем потоке (рис. 1.4.3). Вероятность того, что на участке времени t, следую
щем за одним из событий, не появится ни одного события [см. (1.4.5)], будет
p / (Jf = 0) = e - x< <*>.
Но эта вероятность равна вероятности того, что случайная вели чина Т будет больше величины t. Следовательно:
P ( T > t ) = e - “,
Вследствие отсутствия последействия наличие события в начале участка
не оказывает влияния на вероятность появления того или другого числа событий на самом участке.
18
откуда
F (t) = P(T < /) = 1 —Я (Г > /) = 1 —е~х‘ ( / > 0 ) , (1.4.6)
где F(t) — функция распределения случайной величины Т.
Дифференцируя (1.4.6), получим плотность распределения слу чайной величины Т:
= (* > 0). (1.4.7)
Таким образом, в простейшем потоке интервал времени меж ду любыми двумя соседними событиями распределен по показа тельному закону с параметром А,. Вследствие отсутствия после
действия все интервалы между соседними событиями представ ляют собой независимые случайные величины. Поэтому простей ший поток представляет собой стационарный поток Пальма. Он отличается тем, что интервалы времени между соседними собы
тиями |
распределены ло ло- |
|
* |
|
|
|
|
казательному закону. |
|
, 9 |
------ -— - |
|
|
||
Рассмотрим на |
оси 0/ |
1 © |
г |
* |
» |
||
простейший поток и точку S, |
0 |
\л |
в |
|
* |
||
случайным образом |
падаю |
|
Рис- 1АА |
|
|
||
щую на эту ось. Найдем за- |
|
|
|
||||
кон |
распределения |
того |
|
|
|
|
|
участка Г*, на который упала точка S |
(рис. 1.4.4). Воспользуем |
ся результатами, полученными в § 1.2. В соответствии с (1.2.3) плотность распределения случайной величины Г* будет
r { t ) = — f{t) = \2te~xt ( i > 0). |
(1.4.8) |
Такой закон называется законом Эрланга 1-го порядка. Число вые характеристики интервала времени Т* будут [см. (1.2.14) и
(1.2.15)]
(М[Н])2
; |
D [Г*] = |
/71/ |
/71/ |
Математическое ожидание и дисперсия случайной величины Т —
интервала между любыми двумя событиями в простейшем пото ке, равны
mt= ^ fke~ud t= - y - ; |
(1.4.9) |
|
о |
|
|
сс |
|
|
о , “ $ (* - т )2 |
= i r |
( 1-4 -10) |
о 4 |
|
|
19
Таким образом:
2 |
(1.4.11) |
|
х |
||
; |
||
_2_ |
(1.4.12) |
|
Д [ П = ^ |
||
Х2 |
|
Сравнивая величины М[Г,:] и mty а также D[T*] и Dt, видим,
что наличие случайной точки S на интервале как бы «раздвига ет» его, увеличивая математическое ожидание и дисперсию вдвое.
Найдем закон распределения интервала времени 0 между точкой S и первым наступившим после точки S событием (см. рис. 1.4.4). В соответствии с формулой (1.3.2) имеем
ер ({)) = - ~ ^ (&) = 1 ~ (1 ~ g~ ~ ^ |
( & > 0 ) . (1.4.13) |
Сравнивая выражение (1.4.13) с выражением для плотности распределения интервала Т между любыми двумя событиями
(1.4.7), убеждаемся в том, что случайная величина 0 распреде лена так же, как и случайная величина Т.
Это замечательное свойство простейшего потока является другой формой проявления свойства отсутствия последействия. Это свойство означает, что любая сколь угодно подробная ин формация о том, как себя вел поток в прошлом (до произволь ной точки S), не дает нам никаких сведений о том, что произой дет после этой точки. Другими словами, будущее развитие про цесса появления точек не зависит от того, как этот процесс про текал в прошлом. Данное свойство намного облегчает исследо вание различных задач, связанных с анализом потока событий.
Вычислим характеристическую функцию интервала между двумя соседними событиями в простейшем потоке с парамет ром X:
со со
g (х) = [ е1и1е-иШ = —^— |
[ (к- i x ) е- < |
* - (1.4.14) |
|
J |
X— ix |
J |
X— ix |
о |
|
О |
|
В последующем изложении будем опираться на это выражение, утверждая, что поток Пальма является простейшим, если харак теристическая функция интервала между соседними событиями
равна -----Это утверждение основывается на однозначности
I X
связи между характеристической функцией и плотностью распре деления.
20