Совместная плотность вероятностей длительности интервалов обобщенного полусинхронного потока событий при непродлевающемся мёртвом времени | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2014. № 2(27).

Совместная плотность вероятностей длительности интервалов обобщенного полусинхронного потока событий при непродлевающемся мёртвом времени

Изучается обобщенный полусинхронный поток событий, являющийся одной из адекватных математических моделей информационных потоков заявок в цифровых сетях интегрального обслуживания. Поток функционирует в условиях непродлевающегося мертвого времени. Приводятся явные выражения плотности вероятностей значений длительности интервала между моментами наступления соседних событий наблюдаемого потока и совместной плотности вероятностей значений длительности двух соседних интервалов, учитывающие эффект непродлевающегося мертвого времени. Формулируются условия рекуррентности наблюдаемого потока событий.

The joint probability density of duration of the intervals in a generalized semisynchronous flow of events with unprolonging dead time.pdf В настоящей статье проводится дальнейшее исследование обобщенного полусинхронного потока событий, функционирующего в условиях непродлевающегося мёртвого времени, начатое в работах [1-5]. Обобщенный полусинхронный поток событий (далее поток) относится к классу дважды стохастических потоков и является одной из адекватных математических моделей информационных потоков заявок, функционирующих в цифровых сетях интегрального обслуживания (ЦСИО) [6]. В реальных ситуациях параметры, задающие входящий поток событий, известны либо частично, либо вообще не известны, либо (что ещё более ухудшает ситуацию) изменяются со временем. Вследствие этого возникают задачи: 1) оценки состояний потока (задача фильтрации интенсивности потока) по наблюдениям за моментами наступления событий [7]; 2) оценки параметров потока по наблюдениям за моментами наступления событий [8]. Одним из искажающих факторов при оценке состояний и параметров потока событий выступает мертвое время регистрирующих приборов [9], которое порождается зарегистрированным событием. Другие же события, наступившие в течение периода мертвого времени, недоступны наблюдению (теряются). Можно считать, что этот период продолжается некоторое фиксированное время (непродлевающееся мёртвое). В качестве примера приведем CSMA/CD - протокол случайного множественного доступа с обнаружением конфликта, широко используемого в компьютерных сетях. В момент регистрации (обнаружения) конфликта на входе некоторого узла сети рассылается сигнал «заглушки» («пробки»); в течение времени рассылки сигнала «заглушки» заявки, поступившие в данный узел сети, получают отказ в обслуживании и направляются в источник повторных вызовов. Здесь время, в течение которого узел сети закрыт для обслуживания заявок, поступающих в него после обнаружения конфликта, можно трактовать как мёртвое время прибора, регистрирующего конфликт в узле сети. Для решения задачи оценивания (тем или иным статистическим методом) параметров потока в первую очередь необходимо знание вероятностных свойств потока. В настоящей работе находятся явные виды плотности вероятностей значений длительности интервала между моментами наступления соседних событий потока и совместной плотности вероятностей значений длительности двух соседних интервалов, учитывающие эффект непродлевающегося мертвого времени. 1. Постановка задачи Рассматривается обобщенный полусинхронный поток событий, интенсивность которого есть кусочно-постоянный случайный процесс X(t) с двумя состояниями X1 и X2 > X2). В течение временного интервала, когда X(t) = X,, имеет место пуассоновский поток событий с интенсивностью X,, i = 1,2. Переход из первого состояния процесса X(t) во второе возможен только в момент наступления события, при этом переход осуществляется с вероятностью p (0 < p < 1); с вероятностью 1 - p процесс X(t) остается в первом состоянии. Тогда длительность пребывания процесса X(t) в первом состоянии есть случайная величина с экспоненциальной функцией распределения F1(t) = 1 - е-pXlT. Переход из второго состояния процесса X(t) в первое состояние может осуществляться в произвольный момент времени. При этом длительность пребывания процесса X(t) во втором состоянии распределена по экспоненциальному закону F2 (т) = 1 - е-ат. При переходе процесса X(t) из второго состояния в первое инициируется с вероятностью 5 (0 < 5 < 1) дополнительное событие. При этом блочная матрица инфини-тезимальных коэффициентов примет вид -Х1 0 (1 -5) а -(Х2 +а) (1 - Р)^1 Р^1 5а Х2 N А||. D = Элементами матрицы D1 являются интенсивности переходов процесса X(t) из состояния в состояние с наступлением события. Недиагональные элементы матрицы D0 - интенсивности переходов из состояния в состояние без наступления события. Диагональные элементы матрицы D0 - интенсивности выхода процесса X(t) из своих состояний, взятые с противоположенным знаком. В сделанных предпосылках X(t) - скрытый марковский процесс. После каждого зарегистрированного в момент времени tk события наступает время фиксированной длительности Т (мертвое время), в течение которого другие события исходного потока недоступны наблюдению. События, наступившие в течение мертвого времени, не вызывают продления его периода (непродлевающееся мертвое время). По окончании мертвого времени первое наступившее событие снова создает период мертвого времени Т и т.д. Вариант возникающей ситуации показан на рис. 1, где 1, 2 - состояния случайного процесса X(t); дополнительные события, которые могут наступать в момент перехода процесса X(t) из второго состояния в первое, помечены буквой 5; штриховка - периоды мертвого времени длительности Т; t1, t2,... - моменты наступления событий в наблюдаемом потоке. 1 Л а а а V v 2 Процесс X(t) 5 5 -о-о Обобщенный полусинхронный поток ! T I T I T \ Схема создания непродлевающегося мертвого времени -Оt3 t4 Наблюдаемый поток событий ... t T t t Рис. 1. Формирование наблюдаемого потока событий Подчеркнем, что если 5 = 0, то имеет место обычный полусинхнонный поток событий [10]. Отметим также, что в соответствии с классификацией MAP-потоков событий, приведенной в [11], обобщенный полусинхронный поток относится к классу MAP-потоков событий второго порядка. Заметим, что в определении обобщенного полусинхронного потока событий в явном виде не оговаривается, в каком состоянии процесса X(t) наступает дополнительное событие потока при переходе процесса X(t) из второго состояния в первое. Данное обстоятельство при последующем выводе плотности вероятностей значений длительности интервала между моментами наступления соседних событий потока и совместной плотности вероятностей значений длительности двух соседних интервалов является несущественным, так как наступление дополнительного события и переход процесса X(t) из второго состояния в первое происходят мгновенно. В реальных ситуациях возможны два варианта, связанных с наступлением события и переходом процесса X(t) из второго состояния в первое: 1) первично наступление события во втором состоянии процесса ^(t), затем его переход из второго состояния в первое; 2) первичен переход процесса X(t) из второго состояния в первое, затем наступление события в первом состоянии. В силу этого при получении численных результатов путем имитационного моделирования наблюдаемого потока необходимо учитывать реальную ситуацию. Процесс X(t) и типы событий (события пуассоновских потоков и дополнительные события) являются принципиально ненаблюдаемыми, а наблюдаемыми являются только моменты наступления событий ti, t2,... наблюдаемого потока. Рассматривается установившийся (стационарный) режим функционирования наблюдаемого потока событий. В силу предпосылок последовательность моментов наступления событий t1, t2,... 4,... образует вложенную цепь Маркова, т.е. наблюдаемый поток обладает марковским свойством, если его эволюцию рассматривать с момента tk (момента наступления события), k = 1,2,. . Обозначим тк = tk+1 - tk , k = 1,2,., - значение длительности k-го интервала между соседними событиями наблюдаемого потока. Так как рассматривается стационарный режим, то плотность вероятностей значений длительности k-го интервала pT (тк) = pT (т), т > 0, для любого k (индекс T подчеркивает, что плотность вероятностей зависит от длительности мертвого времени). В силу этого момент tk без потери общности можно положить равным нулю, или, что то же самое, момент наступления события наблюдаемого потока есть т = 0. Пусть теперь (tk, tk+1), (tk+1, tk+2) - два смежных интервала с соответствующими значениями длительностей Tk = tk+1 - tk , Tk+1= tk+2 - tk+1; их расположение на временной оси, в силу стационарности потока, произвольно. Тогда можно положить k = 1 и рассматривать соседние интервалы (t1, t2), (t2, t3) с соответствующими значениями длительностей: т1 = t2 - t1, т2= t3 - t2; т1 > 0, т2 > 0. При этом т1 = 0 соответствует моменту t1 наступления события наблюдаемого потока; т2 = 0 - моменту t2 наступления следующего события наблюдаемого потока. Соответствующая совместная плотность вероятностей при этом есть pT (т1, т2), т1 > 0, т2 > 0. Задача заключается в нахождении явного вида pT (т) и явного вида pT (т1, т2), а также в установлении условий рекуррентности наблюдаемого потока событий и при T = 0 условий рекуррентности обобщенного полусинхронного потока событий. 2. Вывод плотности вероятностей pT (т) Рассмотрим интервал времени (0, т) между соседними событиями в наблюдаемом потоке. С другой стороны, значение длительности этого интервала есть т = T + t, где t - значение длительности интервала между моментом окончания мертвого времени и следующим событием наблюдаемого потока (t > 0). Пусть pjk(t) - условная вероятность того, что на интервале (0, t) нет событий наблюдаемого потока и X(t) = Xk при условии, что в момент t = 0 имеет место Ц0) = lj , j, k = 1,2. Отметим, что переход из первого состояния процесса X(t) во второе возможен только при наступлении события наблюдаемого потока, тогда p12(t) = 0, t > 0. Аналогично обозначим p(t) - условная плотность вероятностей значений длительности интервала (0, t) при условии, что Ц0) = %j , X(t) = Xk , j,k = 1,2. Введем переходную вероятность qij(T) - вероятность того, что за мертвое время длительности T процесс X(t) перейдет из состояния i (момент времени т = 0) в состояние j (момент времени т = T), i, j = 1,2, и вероятность лг(0|Т) - условная (финальная) вероятность того, что процесс Цт) в момент времени т = 0 находится в состоянии i (i = 1, 2) при условии, что в этот момент времени наступило событие наблюдаемого потока и наступило мертвое время длительности T. Тогда искомую плотность вероятностей pT (т) можно записать в виде Г0, 0 0. Тогда условные плотности вероятностей pjk (t) того, что без наступления событий наблюдаемого потока на интервале (0, t) и наступления события наблюдаемого потока в момент времени t процесс k(t) перейдет на этом интервале из состояния j в состояние k (j,k = 1,2), запишутся для разных j и k в виде Pn(t) = (1 - p)k pn(t); P12 (t) = pkPn(t); p 21 (t) = Sap22 (t) + (1 - p )k P21 (t); p22 (t) = k2P22 (t) + PV21(t), t > Для вероятностей pjk(t) справедлива следующая система дифференциальных уравнений: Pn(t) = - Vh(t); P22(t) = -(a + k>)P22 (t); p21(t) = -^1^21(t) + (1 - S)ap22 (t), t > 0, с граничными условиями p11(0) = p22(0) = 1; p21(0) = 0, решая которые находим P11 (t) = ; P22 (t) = a+X2)t; P21 (t) = k (1"5)a Геa+X2)t - 1, t > 0, (3) k - k 2 - a L J где - ^2 - a Ф 0. Подставляя (3) в (2), получаем явный вид плотностей вероятностей pjk(t), j,k = 1,2. Для вероятностей qjr), 0 < т < T, справедливы следующие системы дифференциальных уравнений: quOO = -pkqnOO + aq12(T); ^(т) = pkqnOO -aq12( т); q21 (т) = -Pkq21 (т) + aq22 (т); q'^2 (т) = Pkq21 (т) - aq22 (т), с граничными условиями q11(0) = q22(0) = 1, q12(0) = q21(0) = 0, решая которые, находим (для т = T): qn(T) = щ + a+pk1)T; q12(T) = Щ - ^2e_(a+pk1)T; q21 (T) = щ - щеa+pk1)T; q22 (T) = щ + Щa+Л)Т, (4) q11 (T) + q12(T) = 1, q21 (T) + q22(T) = 1; «1 =a/(a + pk), «2 = Pk /(a + pk). Перейдем к нахождению вероятностей лг(0|7), i =1, 2. Так как моменты наступления событий наблюдаемого потока образуют вложенную цепь Маркова, то для вероятностей лг(0|7) справедливы следующие уравнения: (0| T) = (01T )яп +^2(0| T )Я21; ^2(0 | T) = Я1 (0 | T )Я12 + ^ (0 | T )П22, Я1(0|Г) + ^2(0| T) = 1, (5) где щ- - переходная вероятность того, что за время, которое пройдет от момента времени т = 0 до наступления следующего события наблюдаемого потока, процесс Х(т) перейдет из i-го состояния в j-е (i,j = 1,2). Введем в рассмотрение вероятность p- - переходная вероятность того, что за время, которое пройдет от момента времени t = 0 (момента окончания мертвого времени) до момента наступления следующего события наблюдаемого потока, процесс X(t) перейдет из i-го состояния в j-е (i,j = 1,2). Так как t - произвольный момент времени, то вероятности переходаpij определятся в виде да да да да Р11 = I Pn(t)dt = (1 - p)X J pn(t)dt, P12 = J P12 (t)dt = pX J pn(t)dt, (6) (8) P21 = J p 21 (t )dt = (1 - p)XJ p21 (t )dt + 5a J p22 (t )dt, p22 = J P22 (t)dt = p\ J p21 (t)dt + X2 J p22 (t)dt, где pjk (t) определены в (2),Pjk(t) - в (3). Подставляя (3) в (6), находим a(1 - p + p5) X2 + pa(1 -5) p11 =1- P, p12 = P, p21 =-:-, P22 = --:-; a + X2 a + X2 (7) P11 + P12 = I P21 + P22 =1. В силу марковости процесса X(t) полученные переходные вероятности qij(T) и pij , i,j = 1,2, позволяют выписать выражения для переходных вероятностей п- : = qn(T) P11 + q12(T) P21, ^12 = qn(T) P12+fe(T) P22, Л21 = q21(T) P11 + q22(T) P21, Л22 = q21(T) P12 + q22(T) P22. Подставляя в (8) сначала (4), затем (7), получаем -[X2 - p(X2 +5a)] -(a+pX1)T =1 - p - 1 - e a + X -(a+pX1)T 1 - e Л12 = P +-T"[X2 - P(X2 + 5a)] a + X2 (9) a(1 - p + p5) л1 Л21 = a + X -(a+p-1)T 1 - e Л22 = + [X2 - p(X2 +5a)] 1 - e-(a+pX1)T a + X2 '2 ^ ^ /v,2 X2 + pa(1 - 5) л1 [-2 - p(-2 +5a)] a + X2 a + X2 ^2(01T) = a(1 - p + p5) + л1 [X2 - p(X2 + 5a) 1 - e"(a+Px1)T a + p(X2 + 5a) + [X2 - p(X2 + 5a)] p(a + X2) + тс2 [X2 -p(X2 +5a)] _1 -e"(a+Px1)T ~ 1 -e"(a+px1)T ~ a + p(X2 + 5a) + [X2 - p(X2 + 5a)] 1 -e"(a+px1)T Наконец, подставляя (9) в (5), находим *1(0|T) = (10) где Л1 , п2 определены в (4). Подставляя в (1) сначала (2), затем (3), (4) и (10), проделывая при этом достаточно трудоемкие преобразования и учитывая, что t = т - Т, получаем [0, 0 T, у (T) = 1 - *2 (T) X "XX2 "5а, ^2 (T) = " [ " ^2(01T )]e-( а+pX1)T, \ - X 2 - а * 0, Aj - X 2 - а где п2 определена в (4), п2(0|Т) - в (10). В частности, положив в (11) T =0, получаем формулу для pT (т), приведенную в [3]. 3. Вывод совместной плотности вероятностей pT(ti, т2) Пусть т = T + t(1), т2 = T + t(2) - значения длительностей двух смежных интервалов между моментами наступления последовательных событий наблюдаемого потока. т = 0 - момент наступления первого события, т2 = 0 - момент наступления второго события. В силу того что последовательность моментов наступления событий наблюдаемого потока образует вложенную цепь Маркова, в обозначениях раздела 2 совместная плотность вероятностейpT(ti, т2) примет вид 0, 0 T, Х2 > T, и pT (т) = A,1e"Xl(т~т), т > T, i = 1, 2, т.е. рт (т) = X1e~x1(T~T>, T > T. Для второго условия факторизации Х1(1 - р + р5) - Х1(1 - р) = 0, р Ф 1, вытекающего из (18), плотность вероятностей рт (т) определяется формулой (17), в которой n2(0|T) = р. Для р = 1 из второго условия факторизации вытекает, что 5 = 0. Тогда рт (т) определяется формулой (17), в которой 5 = 0, n2(T) = Х1 +ae_(a+^1)T /(a + A,2). Отметим, что условия факторизации для ситуации T = 0 [3] и ситуации T Ф 0 идентичны. Связав изложенные в особом случае результаты для рекуррентных обобщенных полусинхронных потоков событий, функционирующих в условиях мертвого времени, с результатами для апостериорных вероятностей состояний процесса X(t), приведенных в [2] для особого случая, получим точно такие же выводы относительно близости наблюдаемого рекуррентного потока к пуассоновскому потоку, что и в [3]. Заключение Приведенные результаты делают возможным решение задачи оценки неизвестных параметров, задающих обобщенный полусинхронный поток событий, функционирующий в условиях мертвого времени, по наблюдениям за моментами наступления событий. Рабочими методами оценки параметров при этом могут быть либо метод максимального правдоподобия, либо метод моментов [12]. Полученные явные формулы для плотностей вероятностей рт (т) и рт (т1, т2) позволяют выписать в явном виде либо функцию правдоподобия, либо уравнения моментов.

Ключевые слова

обобщенный полусинхронный поток событий, непродлевающееся мертвое время, плотность вероятностей, совместная плотность вероятностей, рекуррентность потока событий, generalized semisynchronous flow of events, probability density, joint probability density, recurrence of the event flow, unprolonging dead time

Авторы

ФИООрганизацияДополнительноE-mail
Горцев Александр МихайловичТомский государственный университетпрофессор, доктор технических наук, декан факультета прикладной математики и кибернетикиdekanat@fpmk.tsu.ru
Калягин Алексей АндреевичТомский государственный университетаспирант факультета прикладной математики и кибернетикиredall@inbox.ru
Нежельская Людмила АлексеевнаТомский государственный университетдоцент, кандидат технических наук, доцент кафедры исследования операций факультета прикладной математикиdekanat@fpmk.tsu.ru
Всего: 3

Ссылки

Горцев А.М., Калягин А.А., Нежельская Л.А. Оптимальная оценка состояний обобщенного полусинхронного потока событий // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2010. № 2(11). С. 66-81.
Горцев А.М., Калягин А.А. Оптимальная оценка состояний обобщенного полусинхронного потока событий в условиях непродлевающегося мертвого времени // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2010. № 4(
Горцев А.М., Калягин А.А. Совместная плотность вероятностей длительности интервалов обобщенного полу синхронного потока // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2012. № 2(19). С. 80-87.
Калягин А.А. Плотность вероятностей длительности интервала между соседними событиями обобщенного полусинхронного потока при непродлевающемся мертвом времени // Новые информационные технологии в исследовании сложных структур : материалы Девятой Рос. конф.
Горцев А.М., Калягин А.А. Условия рекуррентности обобщенного полусинхронного потока событий // Новые информационные технологии в исследовании сложных структур : материалы Девятой Рос. конф. с между-нар. участием. Томск : Изд-во НТЛ, 2012. С. 84.
Дудин А.Н., Клименок В.И. Системы массового обслуживания с коррелированными потоками. Минск : Изд-во БГУ, 2000. С. 175.
Bushlanov I.V., Gortsev A.M. Optimal estimation of the states of a synchronous double stochastic flow of events // Automation and Remote Control. V. 65. Is. 9. 2004. P. 1389-1399.
Vasil'eva L.A., Gortsev A.M. Parameter estimation of a doubly stochastic flow of events under incomplete observability // Automation and Remote Control. 2003. V. 64. Is. 12. P. 1890-1898.
Апанасович В.В., Коляда А.А., Чернявский А.Ф. Статистический анализ случайных потоков в физическом экс перименте. Минск : Университетское, 1988. 254 с.
Gortsev A.M., Nezhel'skaya L.A. Estimation of the dead-time period and parameters of a semi-synchronous double-stochastic stream of events // Measurement Techniques. 2003. V. 46, No. 6. P. 536-545.
Горцев А.М., Нежельская Л.А. О связи МС-потоков и МАР-потоков событий // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2011. № 1(14). С. 13-21.
Шуленин В.П. Математическая статистика. Томск: Изд-во НТЛ, 2012. Ч. 1. С. 540
 Совместная плотность вероятностей длительности интервалов обобщенного полусинхронного потока событий при непродлевающемся мёртвом времени | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2014. № 2(27).

Совместная плотность вероятностей длительности интервалов обобщенного полусинхронного потока событий при непродлевающемся мёртвом времени | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2014. № 2(27).