Ядерное оружие | Теория атома | Испытания ядерного оружия | Испытания в атмосфере | Средства доставки | Разное | Фотоальбом | Ядерный потенциал США | Россия | Англия | Франция | Индия| Пакистан | Китай | Остальные Ядерная физика | Реактор РБМК-1000 | Реактор ВВЭР | Реактор БН-600 Юбилей атомной энергетики | Лекции | АЭС Учебник Excel Главная

Курс лекций высшей математики

Пример. В ресторан прибывает в среднем 20 посетителей в час. Считая поток посетителей простейшим, и зная, что ресторан открывается в 11.00, определите: а) вероятность того, что в 11.12 в ресторан придет 20 посетителей при условии, что в 11.07 их было 18 б) вероятность того, что между 11.28 и 11.30 в ресторане окажется новый посетитель, если известно, что предшествующий посетитель прибыл в 11.25. Для ответ на первый вопрос фактически надо найти вероятность того, что в промежуток от 11.07 до 11.12 (t = 5 минут) придет ровно 2 посетителя. При этом мы знаем интенсивность потока посетителей - l = 20/60 = 1/3 посетителей в минуту. Конечно, данная величина носит условный характер, т.к. посетители не могут приходить по частям. Искомая вероятность равна: Теперь перейдем ко второму вопросу. Нам не сказано, сколько именно новых посетителей будет в промежутке от 11.28 до 11.30, главное чтобы был хоть один. Эта вероятность равна . Здесь Р0 (2) – вероятность того, что в этом промежутке не будет ни одного посетителя. Если поток событий нестационарен,  то его плотность l уже не является постоянной величиной, а зависит от времени.

Функция нескольких переменных Одним из подходов к исследованию функций двух переменных является изучение поведения функции в точке, то есть определение направлений, в которых функция убывает или возрастает, и определение скорости возрастания или убывания.

Определение. Мгновенной плотностью потока событий называется предел отношения среднего числа событий, приходящегося на элементарный отрезок времени (t, t + Dt), к длине этого участка, которая стремиться к нулю.

Как видно из приведенного определения, с учетом того, что среднее число событий на участке времени равно математическому ожиданию, то можно сказать, что мгновенная плотность потока равна производной по времени от математического ожидания числа событий на участке (0, t).

Определение. Нестационарным пуассоновским потоком называется ординарный поток однородных событий без последействий с переменной плотностью l(t). Для такого потока число событий, попадающих на участок длины t, начинающийся в точке t0, подчиняется закону Пуассона: Здесь а – математическое ожидание числа событий на участке от t0 доt + t0 . Оно вычисляется по формуле: Величина а на только от длины участка t, но и от его положения во времени. Закон распределения промежутка Т между двумя соседними событиями также будет зависеть от того, где на временной оси расположено первое из событий, а также от функции l(t) . Вероятность того, что на участке времени от t0 до t + t0 не появится ни одного события, равна Тогда, соответственно, вероятность появления хотя бы одного события на этом интервале времени будет равна: Плотность распределения можно найти дифференцированием:

Эта плотность распределения уже не будет показательной. Она зависит от параметра t0 и вида функции l(t). Однако, условие отсутствия последействия в этом виде потока сохраняется.

Поток Пальма. Поток Пальма еще называют потоком с ограниченным последействием. Определение. Потоком Пальма называется ординарный поток однородных событий, если промежутки между событиями Т1, Т2, … представляют собой независимые случайные величины. Если промежутки времени Т1, Т2, … распределены по показательному закону, то поток Пальма становится простейшим потоком. Примером потока Пальма может служить движение колонны автомобилей. Пусть движется колонна автомобилей, каждый из которых, двигаясь с одинаковой скоростью, стремится держаться на некотором заданном расстоянии от впереди идущего автомобиля. Однако, вследствие воздействия множества случайных факторов, это расстояние выдерживается не точно. Тогда времена пересечения каждым автомобилем определенного рубежа Т1, Т2, … будут независимыми случайными величинами и образуют по ток Пальма. Отметим, что если автомобили будут стремиться выдерживать заданное расстояние не от соседней машины, а от головной, то моменты пересечения этого рубежа уже не будут образовывать поток Пальма. Поток Пальма часто получается в качестве выходного потока систем массового обслуживания. Теорема. (Теорема Пальма) Пусть на систему массового обслуживания поступает поток заявок типа Пальма, причем заявка, заставшая все каналы занятыми, получает отказ (не обслуживается). Если при этом время обслуживания имеет показательный закон распределения, то поток не обслуженных заявок является также потоком типа Пальма. Этот факт важен, так как на практике получившие отказ заявки обычно перенаправляются на другую систему массового обслуживания, т.е. образуют для этой системы входной поток. Так, если на систему массового обслуживания поступает простейший входной поток, то поток заявок, получивших отказ, уже не будет простейшим, однако, будет потоком с ограниченным последействием.

Потоки Эрланга. Потоки Эрланга также являются потоками с ограниченным последействием. Они образуются просеиванием простейшего потока. Суть этого просеивания состоит в следующем. Если изобразить на временной оси простейший поток, поставив в соответствие каждому событию некоторую точку, и выбросить из потока каждую вторую точку, то получим поток Эрланга первого порядка. Оставив каждую третью точку и выбросив две промежуточные, получаем поток Эрланга второго порядка и т.д.

Определение. Потоком Эрланга k – порядка называется поток, получаемый из простейшего, если сохранить в простейшем потоке каждую (k + 1) – ю точку, а остальные выбросить. Очевидно, что простейший поток может рассматриваться как поток Эрланга нулевого порядка. Пусть имеется простейший поток с интервалами Т1, Т2, … между событиями. Величина Т – промежуток времени между двумя соседними событиями в потоке Эрланга k – го порядка. Очевидно, что . Так как первоначальный поток – простейший, то случайные величины Т1, Т2, … распределены по показательному закону: Обозначим fk(t) плотность распределения величины Т для потока Эрланга k – го порядка. Если умножить эту плотность на элементарный отрезок времени dt, мы получим вероятность того, что величина Т примет значение в некоторой сколь угодно малой окрестности точки t- (t, t + dt). На этот участок должна попасть конечная точка промежутка, а предыдущие k точек простейшего потока – на промежуток (0, t). Вероятность первого события равна , а второго - . Эти события должны осуществиться совместно, значит, их вероятности надо перемножить.

Полученный закон распределения называется законом распределением Эрланга k- го порядка. При k = 0 получаем показательный закон распределения. Математическое ожидание, дисперсия и среднее квадратическое отклонение для распределения Эрланга находятся по формулам:

Плотность потока Эрланга равна Для промежутка времени между двумя соседними событиями в потоке Т рассмотрим нормированную величину . Такой поток будет называться нормированным потоком Эрланга. Закон распределения для такого потока будет иметь вид: ,  Математическое ожидание и дисперсия будут равны: Получается, что неограниченном увеличении k нормированный поток Эрланга приближается к регулярному потоку с постоянными интервалами, равными . Изменение порядка нормированного потока Эрланга позволяет получить различную степень последействия. Последействие возрастает с увеличением k. На практике это удобно для приближенного представления реального потока с каким – либо последействием потоком Эрланга. При этом порядок этого потока определяется из того соображения, чтобы характеристики потока Эрланга (математическое ожидание и дисперсия) совпадали с характеристиками исходного потока.

Аналитическая геометрия плоскости и поверхности Курс лекций Векторная алгебра. Электронные учебники - MATLAB Компьютерная математика Maple Лекции первого семестра первого курса Дифференциальное исчисление функции Дифференциальные уравнения первого порядка Теория вероятностей. Основные понятия Математический анализ Двойной интеграл Геометрический смысл производной Числовые ряды Степенные ряды Аналитическая геометрия Функции графики задачи Курс лекций Примеры задачи Интегрирование и дифференцирование матрицы ;