Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnot X t. Promnná t má ve vtšin pípad význam asu. je spojitá,

Podobné dokumenty
Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

Analytické modely systémů hromadné obsluhy

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy:

8. Zákony velkých čísel

PRAVDĚPODOBNOST A STATISTIKA

6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY

7 LIMITNÍ VTY. as ke studiu kapitoly: 70 minut. Cíl:

Analytická geometrie

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Definice obecné mocniny

U. Jestliže lineární zobrazení Df x n n

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Přednáška č. 2 náhodné veličiny

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

3. Charakteristiky a parametry náhodných veličin

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

2. TEORIE PRAVDĚPODOBNOSTI

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

5. Lineární diferenciální rovnice n-tého řádu

3. Charakteristiky a parametry náhodných veličin

2 Diferenciální počet funkcí více reálných proměnných

Jednokriteriální rozhodování za rizika a nejistoty

Téma 1: Pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost

Aplikace teorie neuronových sítí

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:

1. Přirozená topologie v R n

20. Kontingenční tabulky

Cílem kapitoly je zvládnutí řešení determinantů čtvercových matic.

Rovnice 1.řádu. (taková řešení nazýváme singulární řešení). řeší rovnici (*) na intervalu ( a, b)

14. B o d o v é o d h a d y p a r a m e t r ů

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Digitální učební materiál

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č.

6. KOMBINATORIKA Základní pojmy Počítání s faktoriály a kombinačními čísly Variace

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

4. B o d o v é o d h a d y p a r a m e t r ů

Statistická rozdělení

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

Doc. Ing. Dagmar Blatná, CSc.

PRAVDĚPODOBNOST A STATISTIKA. Testy hypotéz

2 HODINY. ? Na kolik trojúhelník Ti úhlopíka rozdlí AC lichobžník ABCD? Na dva trojúhelníky ABC, ACD

3.3.3 Rovinná soustava sil a momentů sil

HYPOTEČNÍ ÚVĚR. , kde v = je diskontní faktor, Dl počáteční výše úvěru, a anuita, i roční úroková sazba v procentech vyjádřená desetinným číslem.

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

Téma 6: Indexy a diference

NEPARAMETRICKÉ METODY

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D.

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

ANALÝZA VLIVU NUMERICKÉ APERTURY A ZVĚTŠENÍ NA HODNOTU ROZPTYLOVÉ FUNKCE BODU

Západočeská univerzita FAKULTA APLIKOVANÝCH VĚD

PRAVDĚPODOBNOST A STATISTIKA

3. cvičení 4ST201 - řešení

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR

1. Úvod do základních pojmů teorie pravděpodobnosti

S k l á d á n í s i l

2. Vícekriteriální a cílové programování

Matematika I, část II

Komplexní čísla. Definice komplexních čísel

Po prostudování tohoto odstavce budete umt porozumt konstrukci F-pomru rozhodovat se pomocí testu zvaného analýza rozptylu

. viz věty 1.7 a 1.2 (čísla m a M lze vybrat tak, aby nerovnost platila v R n i R m ). Máme m f x h f x l h f x h f x l h M f x h f x l h

Lineární regrese ( ) 2

DISKRÉTNÍ MATEMATIKA II

Metodika: Goniometrický tvar komplexního ísla, binomická rovnice

6.1 Systémy hromadné obsluhy

je hustota pravdpodobnosti nebo pravdpodobnostní funkce náhodného výbru X (X 1, X 2,, X n ). , jako odhad. Nech f ( x;θ)

Testování statistických hypotéz

Kapitola 5 - Matice (nad tělesem)

7.Vybrané aplikace optimalizačních modelů

Hartre-Fock method (HF)

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

GEOMETRIE I. Pavel Burda

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE

Alternativní rozdělení. Alternativní rozdělení. Binomické rozdělení. Binomické rozdělení

Obyčejné diferenciální rovnice. Cauchyova úloha Dirichletova úloha

Opakování. Metody hodnocení efektivnosti investic. Finanční model. Pravidla pro sestavení CF. Investiční fáze FINANČNÍ MODEL INVESTIČNÍHO ZÁMĚRU

12. N á h o d n ý v ý b ě r

1.1 Definice a základní pojmy

KONSTRUKCE LICHOBŽNÍKU UŽITÍM MNOŽINY BOD 3 HODINY

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

Elektrické přístroje. Přechodné děje při vypínání

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.

Optimalizace portfolia

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

8. cvičení 4ST201. Obsah: Neparametrické testy. Chí-kvadrát test dobréshody Kontingenční tabulky Analýza rozptylu (ANOVA) Neparametrické testy

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Spolehlivost a diagnostika

Generování dvojrozměrných rozdělení pomocí copulí

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnotě náhodnou veličinu X ( t)

Dynamická analýza rámu brdového listu

Transkript:

8 as e studu: 9 mut Cíl: Sezámíte se se záladím omy z teore áodýc roces, Marovovým rocesy, rocesy rst a zá Nauíte se osovat vícestavové systémy omocí ravdodobostí ecod a ravdodobostí stav VÝKLAD 8 Náodé rocesy Náodým (stocastcým) rocesem azveme zobrazeí, teré aždé odot X t Promá t má ve vtš íad výzam asu adí áodou velu ( ) t T Realzací áodéo rocesu rozumíme orétí ozorováí áodéo rocesu, t ž x t eáodou fuc, a zaíme ( ) Dle ovay možy T rozlšueme: áodé rocesy se sotým asem (áodé fuce) T e reálý terval, áodé rocesy s dsrétím asem (áodé oslouost) T e reálá dsrétí moža Hodota X ( t) vyadue stav ozorovaéo obetu v ase t Dle ovay áodé vely X ( t) rozlšueme: áodé rocesy se sotým stavy - X ( t) e sotá, áodé rocesy s dsrétím stavy - X ( t) e dsrétí Náodý roces { X ( t) se sotým asem a s dsrétím stavy,,, obvyle azýváme ítací roces, rotože zazameává oet aýc událostí v ase Hodota X ( t) a edstavue oet daýc událostí v tervalu (, t a vzdáleost edotlvýc oamž událostí od oátu t sou áodé vely 99

8 Possov roces Pblžme s yí Possov roces ao ílad ítacío rocesu, terý se velm asto vysytue v alacíc (aílad v teor romadé obsluy) Nec { ( t) X e ítací roces Nec avíc latí: X ( ), dély terval mez výsyty sledovaé událost sou ezávslé áodé vely s exoecálím rozdleím s ustotou λx λe ro x >, f ( x) ro x, de λ > e arametr (tzv tezta omogeío Possoova rocesu) Pa teto roces azveme omogeím Possoovým rocesem, emž ( t) Possoovo rozdleí s arametrem λ t, tedy P ( X ( t) ) Stedí oet výsyt událost v tervalu ( λt) λt oet výsyt sledovaé událost za edotu asu! e,,, X má, t e rove λ t Parametr tedy udává stedí Protože tervaly mez edotlvým výsyty událostí sou ezávslé, zalost oamž rvíc výsyt eovlvue edov doby eáí a další výsyt událost Taé suteost, že sledovaá událost už o urtou dobu eastala, emí ravdodobost eío výsytu v dalším tervalu Píladem Possoova rocesu by mol být roces { X ( t), de ( t) oruc aéo zaízeí v asovém tervalu, t X udává oet ešeý ílad Zdro záeí vysílá v rmru muls za seudy, emž mulsy tvoí Possov roces Jaá e ravdodobost, že v aždém z t terval o délce 5 seud (s, 5s), (5s, s),, (s, 5s) budou regstrováy emé 4 mulsy?

, soteme z rovce λ arametr λ, 5 Pro t 5 a EX 5 Pro ravdodobost, že bem edoo tervalu dode regstrac aleso 4 muls, latí Protože EX ( t) λt zísáme ( ),5 5, 5 P ( ( ) ) X 5 4,5 e! 4,5 a ledaá ravdodobost ro všec t terval e ta rova odot,5 e 4!,5 5 83 Marovv roces Nebude-l uvedeo a, { ( t) a dsrétí možou stav {,,, } ezáorým ísly) Proces { ( t) X bude ozaovat áodý roces se sotým asem I (stavy sou ro edoducost ozaey celým X azveme Marovovým rocesem, slue-l tzv marovsou vlastost: ro lbovolá t < t < < t < t τ a,,,, I latí: P ( X ( ) X ( t) X ( t ),, X ( t ) ) P X ( τ ) X ( t) ( ), τ Pravdodobost a ravé stra uvedeé rovost azýváme ravdodobost ecodu Je-l tedy t ítomý oamž, otom cováí Marova rocesu v lbovolém budoucím oamžu τ t závsí ouze a ítomém stavu a ol a stavec edcozíc Marovv roces se azývá omogeí, oud ravdodobost ecodu z edcozío výladu ezávsí a odotác t a, ale ouze a ec rozdílu Používáme a zaeí oz ( ) ( t) P X ( τ ) X ( t) τ Tedy v omogeím rocesu závseí ravdodobost ecodu ouze a rozdílu asovýc oamž a sou avíc varatí v osuutí v ase Pro τ t a dostaeme ( ) ro, ro

Pro os rozdleí Marovova rocesu v ase t budeme v dalším textu užívat P ravdodobostec ( ) oz ( t) P( X ( t) ),,,,,,,,, se mluví o oáteím rozdleí Marovova rocesu P velém t e obvyle Marovv roces stablzovaý a ídí se stacoárím rozdleím se stacoárím ravdodobostm t ( t) π lm,,,, Jedoducým íladem omogeío Marovova rocesu by mol být omogeí Possov roces z edcozío íladu Poáteí rozdleí by mlo tvar ( ), ( ) ro,, a ro ravdodobost ecodu by latlo ( ) { }, N, V omogeím Marovov rocesu latí ( t + t ) ( t ) ( t ), t t,,,,,, ( t) ( ) ( t),, t,,,, Prví rovce se azývá Camaova-Kolmogorovova rovce ( ) λ λ Prosetví Kolmogorovovy dferecálí rovce ec ro omogeí Marovv roces latí edolady: e! ro exstuí lmty exstuí lmty q q ( ) lm,,,,, + ( ) lm,,,,,,, + 3 ro evé e overgece v v bod steomrá Pa ro ravdodobost ecodu latí ' ( t) ( t) a ro ravdodobost rozdleí rocesu latí q, t >,,,,, ' ( t) ( t) q, t >,,,,

V dalším textu budeme oužívat zaeí o ( ) argumetu, ro terou latí, teré se užívá ro lbovolou fuc lm ( ) f Hodoty q,,,,,, z osledí defce azýváme tezty ecodu ze stavu do stavu a dále latí 84 Pílady ( ) + q o( ), ( ) q o( ) +, + Possov roces Už víme, že v tomto íad ( t) V tervalu ( t t + ) X udává oet výsyt sledovaé vely v tervalu, t,, de e ladé íslo blízé ule, astae ezávsle a otu výsyt do asu t sledovaá událost ráv edou s ravdodobostí + o( ) λ, více ež edou s ravdodobostí o ( ), eastae a edou s ravdodobostí λ + o( ) Tedy ravdodobost ecodu se rovaí a ( ) λ o( ) ( ) o( ) +,, + λ + ( ) o( ), > + Vdíme tedy, že ravdodobost edoo výsytu událost v rátém tervalu e úmrá tezt rocesu a délce tervalu Dalším zštím e suteost, že ravdodobost dvou ebo více výsyt událostí lesá ule s lesaící délou tervalu, a to rycle ež e déla tervalu Dle výsled z mulé atoly a soteme q ( ) λ + o( ) λ + o( ) lm lm lm λ, + + +, + ( ) λ + o( ) q, + lm lm λ, + + 3

a ( ) o( ) q lm lm, > + + + Protože logcy emže astat stuace, že by byl oet výsyt událost v tervalu ež oet výsyt v tervalu q ro <, t vtší,t +, oložíme ( ) ro < Odtud a máme Nyí s ž mžeme asat Kolmogorovovy dferecálí rovce Protože ro evé e q eulové ouze ro a, latí: ' ' ( t) λ( t) ( t) λ ( t) λ ( t),,,,3, Protože taé ožadueme X ( ), edeíšeme s oáteí odmíy: ešeí dferecálíc rovc: ( ), ( ),,,3, ' ( t) + λ ( t), ( ) t ce, c R a z oáteí odmíy lye, že λt c ešeím úloy e tedy fuce ( t) e λt Obecé ešeí rovce má tvar ( ) ' λt ( t) + λ( t) λe, ( ) λt ešeím íslušé omogeí rovce e fuce ( ) t ce, c R Obecé ešeí alezeme omocí varace ostaty Dosazeím do rovce tedy dostaeme ' c λt λt λt λt ( t) e λc( t) e + λc( t) e λe Odtud lye c ' ( t) λ a roto ( t) t + c ~ c ešeím úloy e ta fuce t ( t) λte λ c λ ~, c ~ R Z oáteí odmíy lye, že ' λt ( t) + λ( t) λ te, ( ) λt ešeím íslušé omogeí rovce e ot ( t) ce, c R Obecé ešeí ' alezeme omocí varace ostaty Po dosazeí do rovce obdržíme c ( t) λ t, 4

a roto ( t) t c λ + c~, c ~ R Z oáteí odmíy zovu lye, že c ~ ešeím λ t λ t e úloy e fuce ( ) t Výše uvedeým ostuem zísáme ešeí ve tvaru Vdíme tedy, že vela ( t) ( t) ( t) t λ λ! e,,,, X má Possoovo rozdleí s arametrem λ t Ja sme ž zmíl, λ má zde výzam stedío otu výsyt událost za edotu asu íslo λ budeme azývat teztou Possoova rocesu Díy vzáemé ezávslost X ( t ) a ( t ) X t a t velm od sebe vzdáleýc mžeme sát ( ) π lm Nyí vydeme z Camaovy-Kolmogorovovy rovce: ( + ) ( ) ( ) + ( ) ( ) a ecme : Tedy ( ) + ( ) π π π ( ( )) π ( ) π, o vydleí a ecodem dostaeme π q π q,,,, Toto e soustava leáríc rovc, terou musí slovat ravdodobost π, oud taové exstuí Pravdodobost π,,,, se azývaí stacoárí ravdodobost Possoovým rocesem modelueme velm asto oet oruc a daém zaízeí bem urtéo asovéo tervalu 5

Proces rstu a záu Proces rstu a záu e omogeí Marovv roces { ( t) Vela ( t) bem tervalu ( t t + ) X se stavy,,, X udává etost souboru (a mroorgasm, osob, ) v ase t, emž,, de e ladé íslo blízé ule, se soubor, terý v ase t obsaue obet, mže zvtšt ráv o ede obet s ravdodobostí o( ) λ,,,, + zmešt ráv o ede obet s ravdodobostí o( ) µ,,,, zmešt ebo zvtšt o více ež ede obet s ravdodobostí o ( ), + ezmešt a ezvtšt s ravdodobostí λ µ o( ) Itezty ecodu sou a rovy a + ( ) λ µ + o( ) λ µ + o( ) lm,, + ( ) λ + o( ) q, + lm lm λ, + +, ( ) µ + o( ) q, lm lm µ, + + q lm lm λ µ + + + ( ) o( ) q lm lm, > + ebo < + + λ +o() -(λ N +µ N )+o() λ +o() -(λ +µ )+o () -λ +o() λ N- +o() λ J- +o() -µ J +o() N- N J- J µ +o() µ +o() µ N +o() µ J +o() 6

Stacoárí ravdodobost π,,,, oud exstuí, sou dáy soustavou rovc λ πµ λ + µ π λ + π + µ + π, ( ) π,,, Tedy π µ π λ π + µ + π λ,,, a dále a Odtud π µ π λ π µ π λ π µ,, π λ a roto latí reuretí vzta λ π π µ Oaovaým užtím této rovost dostaeme λ π π µ Protože musí latt vzta π, obdržíme rovost odtud a tedy oe λ λ π, + π + π + µ µ + λ π µ λ π + µ 7

Mže se stát, že bude ada ve výše uvedeé rovost dvergovat, tedy π a π N Toto astae aílad, oud λ > µ N Za taovýcto odmíe ebude exstovat ustáleý stav a soubor eustále oroste Neoomeme ešt omeout, že Possov roces e secálím íadem rocesu rstu a záu ( µ ro všeca ) 85 Marovovy etzce Obdobou Marovovýc roces v dsrétím ase sou Marovovy etzce Nec I ozaue možu {,,, } Náodá oslouost { :,,, } Marovv etzec, oud latí P ( X X, X X ) P( X X ) +,, + X se azývá ro lbovolá,,,,, I (marovsá vlastost) Poud ravdodobost ecodu ezávseí a, azveme Marovv etzec omogeím a íšeme ( X X ) P + Pravdodobostm ecodu vyššíc ád v omogeím Marovov etzc rozumíme ( ) P( X X ) +,,,, V omogeím Marovov etzc latí (tzv Camaovy-Kolmogorovovy rovce) ( + ) ( ) ( ) Tedy ravdodobost, že systém ešel ze stavu do aéo mezstavu es r ecod a z mezstavu se dostal do ocovéo stavu v ( r) ecodec mez stavy, e vyádea vztaem Secál ro latí ( ) ( r) ( r), ( ),, a 8

a ro latí ( ) Mme Marovv etzec s m možým stavy matc P { } m ravdodobostí ecodu Vlastost matce P: P e tvercová matce,, m m, souet rv v aždém ádu matce e edotový Protože ( r ) latí ( ) (, )-tý rve matce ( ) ( ) obasl sme ásleduící tvrzeí def azveme matcí P, 3 (, )-tý rve matce P V omogeím Marovov etzc latí ( ) P P,,,,, 3 P P, Stav Marovova etzce e dosažtelý ze stavu, oud ro aé N { } ( ) > latí Je-l aždý stav etzce dosažtelý z aždéo stavu, azveme etzec ereduovatelým Stav e erodcý s erodou d >, oud ( ) > e ro d, d, 3d,, emž íslo d e emeší íslo s touto vlastostí Je-l d, e stav aerodcý Pro aždý stav defume ravdodobost ( ) ecodec mez stavy, tedy f f ( ) [ x x ro,,, x ], že rví ávrat do stavu astává o, Nyí defume ravdodobost, že se systém o ouští stavu do zovu vrátí, rovostí ( ) f f 9

Je-l dále f <, azývá se stav trazetí, a e-l f, azveme stav reuretím Stavy a solu omuuí, oud e dosažtelý z a aoa e dosažtelý z Píšeme ve smyslu evvalece s tmto vlastostm: ro aždý stav, ( ) ( ), [ ] ( ) 3 ( ) a ( ) Stav azveme absorbuící, oud ž systém (o vstoueí do tooto stavu) v tomto stavu zstae až do oce, t Absorbuící stav e evvaletí (ve výše uvedeém smyslu) ouze sám se sebou a e secálím íadem reuretío stavu Nyí se budeme zabývat oeým Marovovým etzc s reuretím a trazetím stavy Nec tedy má Marovv etzec m stav, z cž rvíc r stav e reuretíc a dalšíc m r stav e trazetíc, emž reuretí stavy tvoí edu tídu evvalece C a trazetí druou Ozame dále T možu trazetíc stav a T možu reuretíc stav Pa matce ravdodobostí ecodu má tvar P ( m m) P R ( r r ) ( r ( m r )) (( m r ) r ) ( m r ) ( m r ) Q( ) Matce P e matcí ravdodobostí ecod mez reuretím stavy Protože latí tvrzeí ( e reuretí a ) ( e reuretí), emže systém o vstuu do reuretío stavu oustt reuretí tídu a máme ta aravo od P ulovou matc Matce R e matcí ravdodobostí ecodu z trazetío stavu do reuretío a matce Q zaí matc ravdodobostí ecodu mez trazetím stavy P studu tcto Marovovýc etzc se budeme tát zeméa a tyto otázy: Zaíá-l etzec v trazetím stavu, aý e rmrý oet ávštv trazetío stavu, ež se oe systém dostae do reuretío stavu? Jaý e a roztyl otu ávštv trazetío stavu? Jaý e rmrý oet ávštv trazetíc stav otebý ouští trazetí tídy oáteím trazetím stavu? Jaý e roztyl otu ávštv trazetíc stav oáteím trazetím stavu, ež se systém dostae do reuretío stavu? Matc M daou edsem ( I ) M Q

azveme fudametálí matcí Dá se uázat, že ( ) I Q exstue a latí ( ) Q I + Q + Q + I Q Nec N ozaue áodou velu rerezetuící oet ávštv trazetío stavu T ( oáteím trazetím stavu T ) ed vstuem etzce do reuretío stavu oz Ozame dále µ EN Pa ro aždé, T latí µ M, de µ ozaue matc s rvy µ,, r +, r +,, m Ozame Nec Var( ) N M D oz µ r+, r+ µ r+, r+ oz, M µ µ m, m σ zaí roztyl otu ávštv trazetío stavu oáteím trazetím stavu ed vstuem do reuretío stavu Pa latí ( M D I ) M σ M,, T Dále zame N áodou velu rerezetuící celový oet avštíveýc trazetíc stav oáteím trazetím stavu ed vstuem do reuretío, t N Pa EN E N EN µ T T T N T Zame oz M µ latost vztau ρ, ρ T M e tedy sloucový vetor, a oz M ρ µ T Dá se dále uázat ( N ) ( M I ) M ρ M Var, T, ρ

Var N e roztyl celovéo otu avštíveýc trazetíc stav oáteím trazetím stavu do ouští trazetí tídy stav de ( ) Nec f ( ) zaí ravdodobost, že oáteím trazetím stavu vstouí etzec do reuretío stavu v rocíc Ozame dále T celový oet avštíveýc trazetíc stav ed rvím vstuem do reuretío stavu oáteím trazetím C P T f, T, T Pravdodobost, že etzec vstouí do stavu, t ( ) ( ) reuretío stavu, a vyádíme ao f f ( ) Platí ásleduící tvrzeí: Daz: Víme, že F F ( ) f ( ), f ( ) Q R V matcovém zásu a F a F MR ( ) a ( ) f ( ) f f, T C T, T V matcovém zásu a máme F ( ) R a ( ) QF( ) F Tedy Dále F ( ) Q R ( ) R + Q R ( I + Q + Q + ) R MR F F ešeý ílad Máme zadáu matc ravdodobostí ecodu P tístavovéo systému,8, P,5,5 Tetí stav e absorbuící ( 33 ) a rví a druý stav sou trazetí Nalezte:

rmrý oet ávštv trazetíc stav oáteím stavu ed vstuem do absorbuícío stavu 3, rmrý oet ávštv stavu oáteím stavu ed vstuem do absorbuícío stavu Submatce matce P vyaduící ravdodobost ecodu mez trazetím stavy má tvar,8, Q,5 Protože fudametálí matc M soteme ao verzí matc matc [ I Q],, 5 M,5, latí Víme, že rvy µ fudametálí matce M sou rmré oty ávštv trazetío stavu oáteím trazetím stavu ed vstuem do reuretío stavu Odtud rmrý oet ávštv trazetíc stav oáteím stavu e dá soutem µ V ašem íad, ledáme-l ešeí T rvío úolu, máme µ 7 Odov a druý úol e ž edoducá Hledáme vlast µ a to e rovo Pravdodobost osuící rozdleí Marovova etzce s m možým stavy v ase ozame ( ) P( X ),,,,m V omogeím Marovov rocesu latí Jestlže ozaíme vetory ~ oz ( ) ( ) ( ),,,, P ( ) ( ( ), ( ),, ( ) ) a P( ) ( ( ), ( ),, ( ) ) m ~ oz, m 3

a, s využtím vztau ( ) Nyí oložme P P, mžeme dle edcozí vty sát ~ ~ P ( ) P( ) P ~ Je-l matce P regulárí, exstue lm P( ) Ozaíme-l a tuto lmtu Y, musí ro latt Y YP Y azýváme vetorem stacoáríc ravdodobostí Vdíme, že Y ezávsí a oáteím rozdleí ravdodobost Marovova etzce Protože ás velm asto zaímá vetor rozdleí ravdodobost o rocíc P ~ ( ), e uté vyoítat matc rcy výotu Algebracý ístu P, což emusí být vždy edoducé Uážeme s yí záladí Matce P ádu m m Má-l matce P m rzýc vlastíc ísel,,, m, a exstue regulárí matce R taová, že P RDR, emž D e dagoálí matce maící a dagoále ostu vlastí ísla matce P a -tý slouec matce R e tvoe vlastím vetorem íslušým vlastímu íslu Dále latí rovost P RD R Protože D e dagoálí, D se soítá sado ešeý ílad Systém má matc ravdodobostí ecodu,5,5 P,75,5 ~ P Nalezte P ~ ( ) oáteím rozdleí ( ) ( ; ) λ vyoteme vlastí ísla λ, 9797, λ, 97 Pro vlastí vetor v ešící rovost,5t [ λ I P] v o latí v ; t, t R { } Aby orma vetoru v byla,4797 edotová, zvolíme t, 693 a tedy v (,76;,693) Steým zsobem zísáme druý vlastí vetor v (,5653;,849 ) Máme tedy Nerve alezeme vlastí ísla matce P Z rovost det [ I P],9797 D,,97 Soteme dále verzí matc,76 R,693,5653,849 4

,836,579 R,77,734 Platí tedy P,76,693,5653,849,9797,97,836,77,579,734 ~ ~ P P P dooítáme a ze vztau ( ) ( ) ~ P 97 ( ) (,633,9797,3967,97 ;,434,9797 +,435, ) Pístu Z-trasformace ~ ~ ~ ~ + Protože latí sled rovostí P( + ) P( ) P P( ) P P P( )P Z-trasformace sát Odtud dostáváme a dále Porováím se vztaem ( ) ( ) ~ ~ { P( ) } P( ) Z ~ Z z { P( ) }P ~ ~ { P( ) }[ I zp] P( ) Z ~ ~ { P( ) } P( )[ I zp] Z ~ ~ P P P zstíme, že { P } [ I zp] Z, mžeme s užtím Taže P obdržíme omocí zté Z-trasformace matce [ zp] I 5

Srutí atoly 8 Náodým (stocastcým) rocesem azveme zobrazeí, teré aždé odot X t Promá t má ve vtš íad výzam asu adí áodou velu ( ) t T Realzací áodéo rocesu rozumíme orétí ozorováí áodéo rocesu, t ž x t eáodou fuc, a zaíme ( ) Dle ovay možy T rozlšueme: áodé rocesy se sotým asem (áodé fuce), áodé rocesy s dsrétím asem (áodé oslouost) Hodota X ( t) vyadue stav ozorovaéo obetu v ase t Dle ovay áodé vely X ( t) rozlšueme: áodé rocesy se sotým stavy - X ( t) e sotá, áodé rocesy s dsrétím stavy - X ( t) e dsrétí Náodý roces { ( t) X se sotým asem a s dsrétím stavy,,, obvyle azýváme ítací roces, rotože zazameává oet aýc událostí v ase Nec { ( t) X ( ), X e ítací roces Nec avíc latí: dély terval mez výsyty sledovaé událost sou ezávslé áodé vely s exoecálím rozdleím s ustotou λx λe ro x >, f ( x) ro x, de λ > e arametr (tzv tezta omogeío Possoova rocesu) Pa teto roces azveme omogeím Possoovým rocesem, emž ( t) Possoovo rozdleí s arametrem λ t Proces { ( t) X má X azveme Marovovým rocesem, slue-l tzv marovsou vlastost: ro lbovolá t < t < < t < t τ a,,,, I latí: P ( X ( ) X ( t) X ( t ),, X ( t ) ) P X ( τ ) X ( t) ( ) τ, 6

V omogeím Marovov rocesu latí, t t,,,,,, ( t + t ) ( t ) ( t ) ( t) ( ) ( t),, t,,,, Prví rovce se azývá Camaova-Kolmogorovova rovce Proces rstu a záu e omogeí Marovv roces { ( t) X se stavy,,, Nec I ozaue možu {,,, } Náodá oslouost { :,,, } Marovv etzec, oud latí P ( X X, X X ) P( X X ) +,, + X se azývá ro lbovolá,,,,, I (marovsá vlastost) Otázy 8 Vysvtlete oem áodý roces a ošte tyy áodýc roces Defute Possov roces 3 Defute Marovv roces 4 Co sou to rocesy rstu a záu? 5 Odvote stacoárí ravdodobost (ravdodobost stav) 6 Vysvtlete oem Marovv etzec 7 Vysvtlete omy: ereduovatelý etzec, erodcý stav, aerodcý stav, trazetí stav, reuretí stav, absorbuící stav 8 K emu slouží fudametálí matce? 7