Оценка максимального правдоподобия длительности мертвого времени в модулированном синхронном дважды стохастическом потоке событий | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2016. № 1(34).

Оценка максимального правдоподобия длительности мертвого времени в модулированном синхронном дважды стохастическом потоке событий

Рассматривается модулированный синхронный дважды стохастический поток событий. Поток функционирует в условиях непродлевающегося мертвого времени, т.е. после каждого зарегистрированного события наступает время фиксированной длительности, в течение которого другие события исходного модулированного синхронного потока недоступны наблюдению. Полагается, что длительность мертвого времени - неизвестная величина. Методом максимального правдоподобия решается задача об оценке длительности мертвого времени по наблюдениям за моментами наступления событий рассматриваемого потока.

Maxumum likelihood estimator of dead time duration in modulated synchronous twice stochastic flow of events.pdf Настоящая работа является непосредственным продолжением исследований модулированного синхронного потока событий, начатых в статьях [1-4]. Математические модели систем массового обслуживания широко применяются при описании реальных физических, технических и других процессов и систем. В связи с бурным развитием компьютерной техники и информационных технологий появилась важная сфера приложений теории массового обслуживания - проектирование и создание информационно-вычислительных сетей, компьютерных сетей связи, спутниковых сетей, телекоммуникационных сетей, объединенных термином «цифровые сети интегрального обслуживания» (ЦСИО) [5, 6]. На практике параметры, определяющие входящий поток событий, изменяются со временем, при этом изменения часто носят случайный характер, последнее приводит к рассмотрению дважды стохастических потоков событий. По-видимому, одной из первых работ в этом направлении явилась статья [7], в которой дважды стохастический поток определяется как поток, интенсивность которого есть случайный процесс. Дважды стохастические потоки можно разделить на два класса: к первому классу относятся потоки, интенсивность которых есть непрерывный случайный процесс; ко второму классу относятся потоки, интенсивность которых есть кусочно-постоянный случайный процесс с конечным числом состояний. Подчеркнем, что потоки второго класса впервые введены в рассмотрение практически одновременно в 1979 г. в [8, 9]. В [8] введенные потоки названы MC (Markov сЬат)-потоками; в [9] - MVP (Markov versatile processes)-потоками. Отечественные и зарубежные авторы в своих работах, начиная с начала 1990-х гг. [10-15], называют введенные в [8, 9] потоки событий либо дважды стохастическими потоками событий, либо MAP-потоками, либо MC-потоками. В свою очередь, в зависимости от того, каким образом происходит переход из состояния в состояние, MC-потоки можно разделить на три типа: 1) синхронные потоки событий [16-21]; 2) асинхронные и обобщенные асинхронные потоки событий [22-27]; 3) полусинхронные и обобщенные полусинхронные потоки событий [28-33]. В [34] введены в рассмотрение MAP-потоки событий первого порядка (собственно MAP-потоки, введенные в [9]) и MAP-потоки событий второго порядка (суперпозиция двух синхронизированных MAP-потоков первого порядка, отличающихся друг от друга исходными параметрами). В [34] показывается, что синхронный MC-поток является частным случаем MAP-потока первого порядка, асинхронный и полусинхронный MC-потоки являются частными случаями MAP-потока второго порядка. В реальных ситуациях параметры, задающие входящий поток событий, известны либо частично, либо вообще неизвестны, либо (что еще более ухудшает ситуацию) изменяются со временем. Вследствие этого возникают задачи: 1) оценки состояний потока (задача фильтрации интенсивности потока) по наблюдениям за моментами наступления событий [24, 27, 29, 33, 35-38]; 2) оценка параметров потока по наблюдениям за моментами наступления событий [16-22, 26, 28, 30-32]. Одним из искажающих факторов при оценке состояний и параметров потока событий выступает мертвое время регистрирующих приборов [39-46], 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 (непродле-вающееся мертвое время). В качестве примера приведем протокол CSMA/CD - протокол случайного множественного доступа с обнаружением конфликта, широко используемый в компьютерных сетях. В момент регистрации (обнаружения) конфликта на входе некоторого узла сети по 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 мертвое время прибора, регистрирующего конфликт в узле сети. Для того чтобы оценить потери заявок в узле сети, необходимо оценить длительность мертвого времени, которым выступает в данном случае длительность сигнала «заглушки». В работах [1-4] введен в рассмотрение модулированный синхронный поток событий, являющийся обобщением синхронного потока и относящийся к классу MAP-потоков второго порядка. Синхронный поток событий систематически исследовался в работах [16-21, 47-52]. В настоящей статье, являющейся непосредственным развитием работ [1-4], для решения задачи оценивания длительности мертвого времени применяется метод максимального правдоподобия [53-59], так как оценки, построенные при использовании данного метода, как правило, обладают привлекательными свойствами. 1. Постановка задачи Рассматривается модулированный синхронный поток событий (далее поток), интенсивность которого есть кусочно-постоянный стационарный случайный процесс A(t) с двумя состояниями: Ax, A2 (A > A2 > 0). Длительность пребывания процесса A(t) (потока) в i-м состоянии распределена по экспоненциальному закону с параметром ai, i = 1,2 . Если процесс A(t) в момент времени t находится в i-м состоянии, то на полуинтервале [t, t + At), где At - достаточно малая величина, с вероятностью a iAt + o(At) пребывание процесса A(t) в i-м состоянии закончится и процесс A(t) с вероятностью, равной единице, перейдет из i-го состояния в j-е (i, j = 1,2, i Ф j). В течение временного интервала случайной длительности, когда A(t) = A i, имеет место пуассоновский поток событий с интенсивностью ai, i = 1,2. Кроме того, переход из первого состояния процесса A(t) во второе возможен в момент наступления события пуассоновского потока интенсивности A1; переход осуществляется с вероятностью p (0 T, (1) Y(T) =---(z2 - A 1П1(Т) - A 2 П 2(T)), Z 2 z1 z1 = (a1 + A1 + a2 + A2 (a1 + A1 - a2 - A2)2 + 4a1a2, z2 = (aj + A,1 +a2 + А2) + (aj +Л,1 -a2 -А2)2 + 4^а2, z1 < z2, %l(T) = ^ - (я1 - я1(0| T))е-(а1+а2+pX1+qX2)T, %2(Т) = л2 - (я2 - я2(0| Т))е-(а1+а2++qX2)T, a 2 + qA 2 a1 + pA1 _ _ь2 ' 4^2_ _ п1 =-, п2 = 12 a1 + pA1 + a 2 + qA 2 a1 + pA1 + a 2 + qA 2 Пусть Tj = t2 - t1, т2 = t3 -t2,..., Tk = tk+1 - tk, k = 1,2,..., - последовательность измеренных в результате наблюдения за потоком на интервале наблюдения (0,t) значений длительностей интервалов между соседними событиями наблюдаемого потока. Упорядочим величины т1, т2,...,тk по возрастанию: тmin = т(1) < т(2) < ... < т(k). Тогда функция правдоподобия, с учетом (1), примет вид L(y,А,а;,p,q,T|T(1),.,т(k}) = 0 < Vm 0, где С определена в (4); в1, в2, Р1, Р2, Р определены в (3); z1, z2 определены в (1). Нетрудно показать, что X(т m) > 0 для т m > 0 . Последнее означает, что знак производной p '(т m) определяется множителем (в1 Р1 - в 2Р2) . Рассмотрим p'(тm) как функцию тm (тm > 0). Имеем p '(тm = 0) = (С / A2 > 0; p '(тm = м) = lim p'(тm ) = С /(в1 + в 2) > 0 . Знак разности p '(т m = 0) - p'(т m = м) = С (A 1 - A 2)(в1 Р1 - в 2 Р2)/( A 2(в1 + в 2)) определяется знаком множителя (в1 Р1 - в 2Р2) : если (в1 Р1 - в 2 Р2) > 0, то p '(т m = 0) > p'(т m = м); если (в1 Р1 - в 2 Р2) < 0, то p '(тm = 0) < p'(тm = м) ; если (в1 Pj - в 2Р2) = 0, то p '(тm = 0) = p'(тm = м) . Из вида производной p '(т m) следует, что в случае, когда (в1 Р1 - в 2Р2) > 0, функция p '(т m) > 0, т.е. функция pT (тm) есть возрастающая функция переменной Т в точке Т = тm (тm > 0). Случай (в1 Р1 - в2Р2) < 0 требует отдельного рассмотрения. Для этого исследуем вторую производную p''(тm) функции p^m). Производная p''(тm), с учетом (8), примет вид е-(р1 + р2) t„ p ''(Tm ) = -(А - А 2)(PjPj -Р2 Р2) zjz2 Y (т.), F (Tm ) (9) Y(т. ) = {c + (zj + z2)P - (zj + z2 +P1 +P2)Pe"(p1+p2)tm }, т. > 0, где С определена в (4); в1, в2, Р1, Р2, Р, F(Т = тm) определены в (3); z1, z2 определены в (1). Так как рассматривается случай (в1 Р1 - в 2 Р2) < 0, то множитель в (9) - (A1 - A2)(в1 Р1 - в2Р2)z1 z2е-(в+в2)т" / F3(тm) > 0; тогда знак производной p''(тm) определяется знаком выражения Y(т.). Исследуем функцию Y(т.). Имеем Y(м) = С + (z1 + z2)Р > 0, Y(0) = С - Р(в1 + в2), при этом Y(0) > 0, либо Y(0) < 0 , либо Y(0) = 0 . Производная Y'(т m) примет вид Y'(тm ) = (в1 + в 2 )(zj + z2 + в1 + в 2)Ре-(в1 +в2)т" , тm > 0. Знак производной Y'(тm) зависит от множителя Р: 1) если Р < 0, то Y'(тm) < 0 (тm > 0) и тогда p''(тm) > 0 (тm > 0); 2) если Р = 0, то Y^.) = С > 0 (т. > 0) и тогда p''(т.) > 0 (т. > 0); 3) если Р > 0, то Y '(т m ) > 0 ( т m > 0) и тогда p"(T„ ) > 0, либо p''^ m ) < 0, либо p''^ m ) = 0 ( т . > 0 ). Для первых двух случаев производная p' (т.) > 0 (т. > 0). Если реализуется третий случай, то возможны варианты поведения функции p'(T.) (т. > 0): а) если Y(0) = С -Р(в1 + в2) > 0, то p''^ m) > 0 (т m > 0); тогда p '(т.) > 0 (т. > 0); б) если Y (0) = С - Р(в j + в 2) = 0, то p''^.) = 0 (т. = 0), p''^ m) > 0( т m > 0); тогда p' (т.) > 0 (т. > 0); в) если Y (0) = С - Р^ + в 2) < 0, то поведение p''^.) определяется тремя ситуациями: 1) 0 < тm < т., тогда p'' (тm) < 0; 2) тm = т. , тогда p'' (тm) = 0; 3) тm < тm , тогда p"(тm ) > 0. Таким образом, при реализации варианта Y(0) = С - Р(в1 + в2) < 0 производная p' (тm) (тm > 0) достигает своего глобального минимума в точке т m = т. . При этом точка т. определяется выражением т. =--^ln z1 z2(z1 + z2 -Pj -P2) , Р > 0. (10) . Pj +P2 (zj + z2 +Pj + P2) Р Подставляя (10) в (8), находим выражение для производной p' (т m) в точке минимума т m = т. : ^ ) ^РТ^ iC + ^ " ^ 2)(Р1^1 -Р2 ^2)( 21 ^^ } P > 0 (11) Можно показать, что производная, определяемая в (11), строго больше нуля (р'(т*т) > О, P > 0). Отсюда следует, что при реализации варианта Y(0) = C - P(P1 + Р2) < 0 выполняется р'(тт) > 0 (тт > 0) . Лемма 2 доказана. Далее изучим поведение производной pT (т m) как функции переменной T на интервале (0, т m ) . Рассмотрим на предмет существования корней уравнение pT (тm) = 0, которое, с учетом (3), преобразуется в выражение Ч(Т) = e-(z2"z1)(xm\Ч(Т) = , 0 0. Обозначим h = 1 - p - q, тогда P = X2h . Величину (X1 - X 2)(Р1 P1 - Р 2P2) представим в виде (А -AjXM -P2P2) = -(^1^2)2 h2 + V2 [2^2 - (Р1 +P2)(z1 + z2)] h - (13) -z1 z2 (z1 -P1 -P2 )(z2 -P1 -P2) = x(h), - 1 < h < 1. Функция (13) достигает нуля в точках h = h1 и h = h2; h1 = z 2( z1 - P1 - P 2)/ X1X 2, h2 = z1(z2 - P1 - P2)/X1X2 , h1 < h2 . Исследуем функцию F1 (T), T > 0 , из (12) и определенную в (3). Лемма 3. Функция F1 (T) > 0 при T > 0 . Доказательство. Имеем F1 (0) = z1 (P1 +P 2)(z2 A - C)C / A 2 > 0, F1(m) = lim F1(T) = z1(z2 A - C) > 0, T ^да так как(z2A - C) > 0 (лемма 1). Тогда (z2 A - C) = X1X 2 z1 (h - h1) > 0 . Отсюда следует, что всегда h > h1. Для дальнейшего исследования F1 (T) на знак представим ее как функцию, зависящую от параметра h (F1(T) = F1(T, h)): F1(T, h) = z1 [(P1 +P2) z1z2 - zf(T, h) - f '(T, h)], T > 0, -1 < h < 1, (14) e-(p1+p2 )T e-(p1+p2)T f (T,h) = A + x(h) , f '(T,h) = -z1 z2(P1 + P2)x(h)- , F (T ,h) F (T , h) где x(h) определена в (13); A - в (4); Р1, P2; F(T, h) - в (3); z1, z2 - в (1). Знак функции F1 (T, h) зависит от знака функции x(h). Рассмотрим все возможные варианты. Пусть x(h) = 0 . Это возможно, как следует из (13), если h = h1 либо h = h2. Так как всегда h > h1, то случай h = h1 исключается. Тогда для случая h = h2 имеем F1(T, h = h2) = z12(z2 - z1)(P1 + P2) > 0, T > 0 . Пусть x(h) > 0. Последнее возможно, если реализуется один из следующих вариантов: 0 < h1 < h < h2 ; 0 = h1 < h < h2 ; h1 < 0 < h < h2 ; h1 < h = 0 < h2 ; h1 < h < 0 < h2 ; h1 < h < h2 = 0 ; h1 < h < h2 < 0 . Рассмотрим вариант 0 < h1 < h < h2. Имеем ^ = z2z2(P1 +X(he^ | z2(«1 -P1 -P2)-А1А2(,1 +P1 +P2)he-T J (15) Т > 0,0 < h < h < h2. Знак производной (15) определяется знаком функции: y,(T,h) = z1z2(z1 -р1 -р2) -A1X2(z1 +Р1 +P2)he"(p1+р2)Т, Т > 0, 0 0, функция (15) - возрастающая функция переменной Т (возрастает от y1(T = 0, h) = z1 z2(z1 -Р1 -Р 2) - X,X 2(z1 +Р1 +Р 2)h до y1(T = м) = z1 z2(z1 - в, - в 2) > 0). Тогда y, (Т = 0, h) < 0 для 0 < h1 < h < h2. Отсюда следует, что функция (16) проходит через ноль в точке T1(h) =--1-ln ziz2(zi-Р1 -Р2) , 0 F1(T = м, h), 0 < h1 < h < h2 . Покажем, что в точке Т = T1(h) функция F1 (Т, h) строго больше нуля (F1(T = Т1,h) > 0, 0 < h1 < h < h2 ). Имеем Fi(T =Ti(h),h) = zi {(Xi^2)2(zi +Р1 +Р2)2h2 -X^zi -Р1 -Р2)[zi(zi -Р1 -Р2)(z2 -Р1 -Р2) + (17) +z2(zi +Р1 +Р2)2] h + ziz2(zi -Р1 - Р2)3(z2 -Р1 - Р2)}, 0 0, Т > 0, для оставшихся вариантов, реализующихся для x(h) > 0 . Пусть x(h) < 0 . Это возможно, если реализуется один из следующих вариантов: 0 < h1 < h2 < h < 1; 0 = h1 < h2 < h < 1; h1 < 0 < h2 < h < 1; h1 < h2 = 0 < h < 1; h1 < h2 < 0 < h < 1; h1 < h2 < h = 0; h1 < h2 < h < 0. Используя формулы (15)-(17), показывается, что для всех приведенных вариантов функция F1 (Т, h) > 0, Т > 0, h > h2 . Лемма 3 доказана. Перейдем к рассмотрению функции F2 (Т), Т > 0 , из (12) и определенной в (3). Лемма 4. 1) Функция F2(T) = 0 (Т > 0 ), если x(h) = 0 ; 2) функция F2(T) < 0 (Т > 0 ), если x(h) > 0 . Доказательство. Имеем F2(0) = X,X 2 z22(Р1 + Р 2)(h - h2)C / Л 2, F2(м) = lim F2(T) = X, X 2 z22(h - h2). Т -^м Для дальнейшего исследования функции F2 (Т) на знак представим ее как функцию, зависящую от параметра h (F2 (Т) = F2 (Т, h)): F2 (Т, h) = z2 [(Pi + в2)zi z2 - z2 f (T, h) - f' (T, h)], T > 0, -1 < h < 1, (18) где f (T,h), f '(T,h) определены в (14). Знак функции F2(T, h) зависит от знака функции x(h), определенной в (13). Пусть x(h) = 0 . Это возможно, как следует из (13), если h = h1 либо h = h2. Так как всегда h > h1 (лемма 3), то случай h = h1 исключается. Тогда для случая h = h2, подставляя h2 в (18), имеем F2(T, h = h2) = 0, Т > 0 . Пусть x(h) > 0. Неравенство выполняется, если реализуется один из вариантов, приведенных в лемме 3 для x(h) > 0 . Рассмотрим вариант 0 < h1 < h < h2. Имеем ™ = - ^ -ф1+Р2)Т { z 2( z 2 - Р' -Р 2) - XiX 2( z 2 + Р' + Р 2* -(Р'+Р2)Т },(',) Т > 0, 0 Г, T > 0, 0 0, функция (23) - возрастающая функция переменной T (возрастает от y(T = 0, h) = ztz2(zt + z2 - Pt - P2) - 2(zt + z2 + Pt + P2)h до y(T = m, h) = ztz2(zt + z2 - Pt - P2) >0). Здесь возможны три ситуации: а) y(T = 0, h) > 0 , 0 < h, < h < h2; б) y(T = 0, h = h2) = 0 ; в) y(T = 0, h) > 0 , 0 < h, < h *; y(T = 0, h) = 0, h = h *; y(T = 0, h) < 0, h* < h < h2 , где h* = z^z, + z2-Р,-Р2)х x[[(z, + z2 +Р, + Р2)]'. Рассмотрим ситуацию а). Тогда функция (23) - положительная функция переменной Т (y(T, h) > 0 , Т > 0 ). В силу этого производная (22) - отрицательная функция переменной Т (Т > 0 ). Все это означает, что функция (21) убывает от Ф(Т = 0, h) > 0 до Ф(Т = м, h) > 0 . Отсюда следует, что для ситуации а) функция Ф(Т, h) > 0, Т > 0. Аналогично доказывается, что для ситуаций б), в) функция Ф(Т, h) > 0, Т > 0 . Используя формулы (22), (23), показывается, что для оставшихся вариантов, приведенных в лемме 3 для x(h) > 0, функция Ф(Т, h) > 0, Т > 0 . Лемма 6 доказана. Для случая x(h) < 0 имеет место лемма. Лемма 7. Функция Ф(Т, h) > 0, Т > 0 , если x(h) < 0 . Доказательство осуществляется применением формул (22), (23) (аналогично применению этих формул в лемме 6) для вариантов изменения параметра h, приведенных в лемме 3 для случая x(h) < 0 . Лемма 7 доказана. Лемма 8. Функции F,(T, h), F2(T, h) подчиняются неравенству: F,(T, h) > F2(T, h), T > 0, -1 < h < 1. Доказательство осуществляется объединением результатов лемм 6, 7. Лемма 8 доказана. Лемма 9. Уравнение (12) решения не имеет. Доказательство вытекает из последовательного применения лемм 3-5 и леммы 8. Лемма 9 доказана. Лемма 10. Производная p' (тm), определяемая формулой (3), является положительной функцией переменной Т (p'(--m) > 0, 0 < Т

Ключевые слова

модулированный синхронный поток событий, непродлевающееся мертвое время, функция правдоподобия, оценка максимального правдоподобия, длительность мертвого времени, modulated synchronous flow, dead time, the likelihood function, the maximum likelihood function estimation, dead time duration

Авторы

ФИООрганизацияДополнительноE-mail
Сиротина Мария НиколаевнаТомский государственный университетаспирантка факультета прикладной математики и кибернетикиmashuliagol@mail.ru
Горцев Александр МихайловичТомский государственный университетпрофессор, доктор технических наук, декан факультета прикладной математики и кибернетикиgam@fpmk.tsu.ru
Всего: 2

Ссылки

Горцев А.М., Голофастова М.Н. Оптимальная оценка состояний модулированного синхронного дважды стохастического потока событий // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2013. № 2 (23). C. 42-53.
Сиротина М.Н. Оптимальная оценка состояний модулированного синхронного дважды стохастического потока событий в условиях непродлевающегося мертвого времени // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2014. № 1 (26). C. 63-74.
Gortsev A., Sirotina M. Joint Probability Density Function of Modulated Synchronous Flow Interval Duration // Communications in Computer and Information Science. 2014. V. 487. P. 145-152.
Сиротина М.Н., Горцев А.М. Плотность вероятностей длительности интервала между соседними событиями в модулирован ном синхронном потоке при непродлевающемся мертвом времени // Материалы Международной научной конференции, посвящ. 80-летию проф., д-ра физ.-мат. наук Геннадия Алексеевича Медведева. Минск. 23-26 февраля 2015. Минск : Изд-во РИВШ, 2015. С. 299-304.
Дудин А.Н., Клименок В.Н. Системы массового обслуживания с коррелированными потоками. Минск: Изд-во БГУ, 2000. 175 с.
Башарин Г.П., Гайдамака Ю.В., Самуйлов К.Е. Математическая теория телетрафика и ее применения к анализу мультисервисных сетей связи следующих поколений // Автоматика и вычислительная техника. 2013. № 2. С. 11-21.
Kingman J.F.C. On doubly stochastic Poisson process // Proceedings Cambridge Phylosophical Society. 1964. V. 60, No. 4. P. 923-930.
Башарин Г.П., Кокотушкин В.А., Наумов В.А. О методе эквивалентных замен расчета фрагментов сетей связи // Изв. АН СССР. Техн. кибернетика. 1979. № 6. С. 92-99.
Neuts M.F. A versatile Markov point process // Journal of Applied Probability. 1979. V. 16. P. 764-779.
Lucantoni D.M. New results on the single server queue with a batch markovian arrival process // Communication in Statistics Stochastic Models. 1991. V. 7. P. 1-46.
Lucantoni D.M., Neuts, M.F. Some steady-state distributions for the MAP/SM/1 queue // Communication in Statistics Stochastic Models. 1994. V. 10. P. 575-598.
Лившиц К.Н., Бублик Я.С. Вероятность разорения страховой компании при дважды стохастическом потоке страховых выплат // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2010. № 1 (10). С. 66-77.
Yang Y.W. Woo Shin. BMAP/G/1 queue with correlated arrivals of customers and disasters // Operation Research Letters. 2004. V. 32, Issue 4. P. 364-373.
Artalejo Jesus R., Chakravarthy Srinivas R. Computational analysis of the maximal queue length in the MAP/M/c retrival queue // Applied Mathematics and Computation. 2006. V. 183, Issue 2. P. 1399-1409.
Best J. Doubly Stochastic Processes: an Approach for Understanding Central Nervous System Activity // Selected Topics on Applied Mathematics, Circuits, Systems and Signals. WSEAS Press, 2009. P. 155-158.
Bushalnov I. V., Gortsev A.M., Nezhel'skaya L.A. Estimating parameters of the synchronous twofold-stochastic flow of events // Automation and Remote Control. 2008. V. 69, No. 9. P. 1517-1533.
Горцев А.М., Нежельская Л.А. Оценивание длительности «мертвого времени» и интенсивностей синхронного дважды стохастического потока событий // Радиотехника. 2004. № 10. С. 8-16.
Василевская Т.П., Горцев А.М., Нежельская Л.А. Оценивание длительности мертвого времени и параметров синхронного альтернирующего потока с проявлением либо непроявлением событий // Вестник Томского государственного университета. 2004. № 9. С. 129-138.
Горцев А.М., Нежельская Л.А. Оценивание длительности мертвого времени и параметров синхронного альтернирующего потока событий // Вестник Томского государственного университета. 2003. № 6. С. 232-239.
Горцев А.М., Нежельская Л.А. Оцениваение параметров синхронного дважды стохастического потока событий методом моментов // Вестник Томского государственного университета. 2002. № 1. С. 24-29.
Горцев А. М., Нежельская Л. А. Оценка параметров синхронного альтернирующего пуассоновского потока событий методом моментов // Радиотехника. 1995. №. 7-8. С. 6-10.
Леонова М.А., Нежельская Л.А. Оценка максимального правдоподобия длительности мертвого времени в обобщенном асинхронном потоке событий // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2013. № 2 (23). С. 54-63.
Горцев А.М., Леонова М.А., Нежельская Л.А. Совместная плотность вероятностей длительности интервалов обобщенного асинхронного потока событий при непродлевающемся мертвом времени // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2012. № 4 (21). С. 14-25.
Леонова М.А., Нежельская Л.А. Вероятность ошибки при оценивании состояний обобщенного синхронного потока событий // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2012. № 2 (19). С. 88-101.
Gortsev A.M., Nezhel'skaya L.A. An asynchronous double stochastic flow with initiation of superfluous events // Discrete Mathematics and Applications. 2011. V. 21, No. 3. P. 283-290.
Горцев А.М., Нежельская Л.А. Оценивание параметров асинхронного потока с инициированием лишних событий методом моментов // Вестник Томского государственного университета. 2006. № 18. С. 267-273.
Горцев А.М., Нежельская Л. А., Шевченко Т.И. Оценивание состояний MC-потока событий при наличии ошибок измерений // Известия высших учебных заведений. Физика. 1993. № 12. С. 67-85.
Калягин А.А., Нежельская Л.А. Оценка длительности мертвого времени в обобщенном полуcинхронном потоке событий // Новые информационные технологии в исследовании сложных структур : материалы Десятой рос. конф. с междунар. участием (9-13 июня 2014 г.). Томск : Издательский Дом Томского государственного университета, 2014. С. 96-97.
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., Нежельская Л.А. Полусинхронный дважды стохастический поток событий при продлевающемся мертвом времени // Вычислительные технологии. 2008. Т. 13, № 1. С. 31-41.
Gortsev A.M., Nezhel'skaya L.A. Estimation of the dead-time period and parameters of a semi-synchronous double-stochasic stream of events // Measurement Techniques. 2003. V. 46, No. 6. P. 536-545.
Горцев А. М., Нежельская Л. А. Оценивание параметров полусинхронного дважды стохастического потока событий методом моментов // Вестник Томского государственного университета. 2002. № 1. С. 18-23.
Нежельская Л. А. Оптимальное оценивание состояний полусинхронного потока событий в условиях его частичной наблюдаемости // Вестник Томского государственного университета. 2000. № 269. С. 95-98.
Горцев А.М., Нежельская Л.А. О связи MC-потоков и MAP-потоков событий // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2011. № 1 (14). С. 13-21.
Gortsev A.M., Nezhel'skaya L.A., Solov'ev A.A. Optimal State Estimation in MAP Event Flows with Unextendable Died Time // Automation and Remote Control. 2012. V. 73, No. 8. P. 1316-1326.
Горцев А.М., Шмырин И.С. Оптимальная оценка состояний дважды стохастического потока событий при наличии ошибок в измерениях моментов времени // Автоматика и телемеханика. 1999. № 1. С. 52-66.
Горцев А. М., Леонова М. А. Оптимальная оценка состояний обобщенного асинхронного дважды стохастического потока // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2010. № 1 (10). С. 33-47.
Горцев А.М., Зуевич В.Л. Оптимальная оценка состояний асинхронного дважды стохастического потока событий с произвольным числом состояний // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2010. № 2 (11). С. 44-65.
Апанасович В.В., Коляда А.А., Чернявский А.Ф. Статистический анализ случайных потоков в физическом эксперименте. Минск : Университетское, 1988. 254 с.
Горцев А.М., Васильева Л.А. Оценивание параметров дважды стохастического потока событий в условиях его неполной наблюдаемости // Автоматика и телемеханика. 2002. № 3. С. 179-184.
Горцев А.М., Завгородняя М.Е. Оценка параметров альтернирующего потока событий при условии его частичной наблюдаемости // Оптика атмосферы и океана. 1997. Т. 10, № 3. С. 273-280.
Горцев А.М., Климов И.С. Оценка интенсивности пуассоновского потока событий в условиях частичной его ненаблюдаемости // Радиотехника. 1991. № 12. С. 3-7.
Горцев А.М., Паршина М.Е. Оценивание параметров альтернирующего потока событий в условиях «мертвого времени» // Изв. вузов. Физика. 1999. № 4. С. 8-13.
Горцев А.М., Ниссенбаум О.В. Оценивание длительности мертвого времени и параметров асинхронного альтернирующего потока событий при непродлевающемся мертвом времени // Изв. вузов. Физика. 2005. № 10. С. 35-40.
Горцев А.М., Ниссенбаум О.В. Оценивание длительности мертвого времени и параметров асинхронного альтернирующего потока событий с инициированием лишнего события // Вестник Томского государственного университета. 2004. № 284. С. 137-145.
Горцев А. М., Климов И. С. Оценивание периода ненаблюдаемости и интенсивности пуассоновского потока событий // Радиотехника. 1996. № 2. С. 8-11.
Gortsev A.M., Nezhel'skaya L.A. Estimate of parameters of synchronously alternating Poisson stream of events by the moment method // Telecommunications and Radio Engineering (English translation of Elektrosvyaz and Radiotekhnika). 1996. V. 50, No. 1. P. 56-63.
Нежельская Л.А. Оптимальная оценка состояний синхронного MC-потока событий // Избранные доклады международной конференции «Всесибирские чтения по математике и механике». Томск : Изд-во Том. гос. ун-та, 1997. Т. 1. С. 97-102.
Bushlanov I.V., Gortsev A.M. Optimal estimation of the states of a synchronous double stochastic flow of events // Automation and Remote Control. 2004. V. 65, No. 9. P. 1389-1399.
Gortsev A.M., Nezhel'skaya L.A. Estimation of the dead time period and intensities of the synchronous double stochastic event flow // Radiotekhnika. 2004. No. 10. P. 8-16.
Горцев А. М., Нежельская Л. А. Синхронный дважды стохастический поток событий при продлевающемся мертвом времени // Теория вероятностей, случайные процессы, математическая статистика и приложения : материалы международной конференции. Минск : Изд-во БГУ, 2005. С. 60-69.
Бушланов И.В., Горцев А.М. Оптимальная оценка состояний синхронного дважды стохастического потока событий // Автоматика и телемеханика. 2004. № 9. С. 40-51.
Горцев А. М., Калягин А. А., Нежельская Л. А. Оценка максимального правдоподобия длительности мертвого времени в обобщенном полусинхронном потоке // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2015. № 1 (30). С. 27-37.
Горцев А.М., Соловьев А.А. Совместная плотность вероятностей длительности интервалов потока физических событий при непродлевающемся мертвом времени // Известия высших учебных заведений. Физика. 2014. Т. 57, № 7. С. 103-111.
Горцев А. М., Леонова М. А., Нежельская Л. А. Сравнение МП- и ММ-оценок длительности мертвого времени в обобщенном асинхронном потоке событий // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2013. № 4 (25). С. 32-42.
Калягин А.А., Нежельская Л.А. Сравнение МП- и ММ-оценок длительности мертвого времени в обобщенном полусинхронном потоке событий // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2015. № 3 (32). С. 23-32.
Леонова М. А., Нежельская Л. А. Оценка максимального правдоподобия длительности мертвого времени в обобщенном асинхронном потоке событий // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2013. № 2 (23). С. 54-63.
Горцев А. М., Соловьев А. А. Оценка максимального правдоподобия длительности непродлевающегося мертвого времени в потоке физических событий // Известия высших учебных заведений. Физика. 2015. Т. 58, № 11. С. 141-149.
Горцев А.М., Соловьев А.А. Сравнение МП- и ММ-оценок длительности непродлевающегося мертвого времени в MAP-потоке событий // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2015. № 4 (33). С. 13-22.
 Оценка максимального правдоподобия длительности мертвого времени в модулированном синхронном дважды стохастическом потоке событий | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2016. № 1(34).

Оценка максимального правдоподобия длительности мертвого времени в модулированном синхронном дважды стохастическом потоке событий | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2016. № 1(34).