Имея размеченный граф состояний, можно написать уравнения Колмогорова для вероятностей состояний, а также написать и решить алгебраические уравнения для финальных вероятностей. Для некоторых случаев удается последние уравнения решить заранее, в буквенном виде. В частности, это удается сделать, если граф состояний системы представляет собой так называемую «схему гибели и размножения».

Граф состояний для схемы гибели и размножения имеет вид, показанный на рисунке 19.1.

л01 л12 л23 лk-1,k лk,k-1 лn-1,n

л10 л21 л32 лk,k-1 лk+1,k лn,n-1

Рисунок 19.1

Особенность этого графа в том, что все состояния системы можно вытянуть в одну цепочку, в которой каждое из средних состояний (S1, S2, ..., Sn-1) связано прямой и обратной стрелкой с каждым из соседних состояний -- правым и левым, а крайние состояния (S0, Sn) -- только с одним соседним состоянием. Термин «схема гибели и размножения» ведет начало от биологических задач, где подобной схемой описывается изменение численности популяции.

Схема гибели и размножения очень часто встречается в разных задачах практики, в частности -- в теории массового обслуживания. Найдем для нее финальные вероятности состояний.

Предположим, что все потоки событий, переводящие систему по стрелкам графа,-- простейшие.

Пользуясь графом рисунка 19.1, составим и решим алгебраические уравнения для финальных вероятностей состояний.

Для первого состояния S0 имеем:

01p0=10p1. (19.1)

Для второго состояния S1:

(12 + 10)p1 = 01p0 + 21P2.

В силу (19.1) последнее равенство приводится к виду

23Р2 = 32p3

k -1,kpk-1=k,k-1pk,

где k принимает все значения от 0 до n. Итак, финальные вероятности р0, p1,..., pn удовлетворяют уравнениям

…………………. (19.2)

k-1,kpk-1=k,k-1pk

………………….

n-1,npn-1=n,n-1pn

кроме того, надо учесть нормировочное условие

p 0 +p1+p2+ ... +рn =1. (19.3)

Решим эту систему уравнений. Из первого уравнения (19.2) выразим р1 через р0:

p 1 = (01/10)p0. (19.4)

Из второго, с учетом (19.4), получим:

p 2=(12/21)p1=(1201)/(2110)p0; (19.5)

из третьего, с учетом (19.5),

p3=(231201)/(322110)p0 (19.6)

и вообще, для любого k (от 1 до n):

pk=(k-1,k... 1201)/(k,k-1... 2110)p0 (19.7)

Обратим внимание на формулу (19.7). В числителе стоит произведение всех интенсивностей, стоящих у стрелок, ведущих слева направо (с начала и до данного состояния Sk,), а в знаменателе -- произведение всех интенсивностей, стоящих у стрелок, ведущих справа налево (с начала и до Sk).

Таким образом, все вероятности состояний р0, р1, ..., рn выражены через одну из них (р0). Подставим эти выражения в нормировочное условие (19.3). Получим, вынося за скобку p0:

отсюда получим выражение для р0:

Все остальные вероятности выражены через р0 (см. формулы (19.4) - (19.7)). Коэффициенты при р0 в каждой из них представляют собой последовательные члены ряда, стоящего после единицы в формуле (19.8). Значит, вычисляя р0, мы уже нашли все эти коэффициенты.

Полученные формулы применяются при решении простейших задач теории массового обслуживания.

5. Процессы размножения и гибели.

Процессы размножения и гибели являются частным случаем марковских случайных процессов, которые тем не менее находят весьма широкое применение при исследовании дискретных систем со стохастическим характером функционирования. Процесс размножения и гибели представляет собой марковский случайный процесс, в котором переходы из состояния E i допустимы только в соседние состояния E i- 1 , E i и E i+1 . Процесс размножения и гибели является адекватной моделью для описания изменений, происходящих в объеме биологических популяций. Следуя этой модели, говорят, что процесс находится в состоянии E i , если объем популяции равен i членам. При это переход из состояния E i в состояние E i +1 соответствует рождению, а переход из E i в E i-1 - гибели, предполагая, что объем популяции может изменяться не более чем на единицу; это означает, что для процессов размножения и гибели не допускаются многократные одновременные рождения и/или гибели.

Дискретные процессы размножения и гибели менее интересны, чем непрерывные, поэтому в дальнейшем они подробно не рассматриваются и основное внимание уделяется непрерывным процессам. Однако следует отметить, что для дискретных процессов проходят почти параллельные выкладки. Переход процесса размножения и гибели из состояния E i обратно в состояние E i представляет непосредственный интерес только для дискретных цепей Маркова; в непрерывном случае интенсивность, с которой процесс возвращается в текущее состояние, равна бесконечности, и эта бесконечность была исключена согласно определению (13).

В случае процесса размножения и гибели с дискретным временем вероятности переходов между состояниями

Здесь d i - вероятность того, что на следующем шаге (в терминах биологической популяции) произойдет одна гибель, уменьшающая объем популяции до i -1 при условии, что на данном шаге объем популяции равен i . Аналогично, b i - вероятность рождения на следующем шаге, приводящего к увеличению объема популяции до i +1; 1-d i -b i представляет собой вероятность того, что ни одно из этих событий не произойдет и на следующем шаге объем популяции не изменится. Допускаются только эти три возможности. Ясно, что d 0 =0, так как гибель не может наступить, если некому погибать.

Однако в противовес интуиции допускается, что b 0 >0, что соответствует возможности рождения, когда в популяции нет ни одного члена. Хотя это можно расценивать как спонтанное рождение или божественное творение, но в теории дискретных систем такая модель представляет собой вполне осмысленное допущение. А именно, модель такова: популяция представляет собой поток требований, находящихся в системе, гибель означает уход требования из системы, а рождение соответствует поступлению в систему нового требования. Ясно, что в такой модели вполне возможно поступление нового требования (рождение) в свободную систему. Матрица вероятностей переходов для общего процесса размножения и гибели имеет следующий вид:

Если цепь Маркова является конечной, то последняя строка матрицы записывается в виде ; это соответствует тому, что не допускаются никакие размножения после того, как популяция достигает максимального объема n .

Матрица T содержит нулевые члены только на главной и двух ближайших к ней диагоналях. Из-за такого частного вида матрицы T естественно ожидать, что анализ процесса размножения и гибели не должен вызывать трудностей.

Далее будем рассматривать только непрерывные процессы размножения и гибели, в которых переходы из состояния E i возможны только в соседние состояния E i-1 (гибель) и E i+1 (рождение). Обозначим через l i интенсивность размножения; она описывает скорость, с которой происходит размножение в популяции объема i . Аналогично, через m i обозначим интенсивность гибели, задающую скорость с которой происходит гибель в популяции объема i . Заметим, что введенные интенсивности размножения и гибели не зависят от времени, а зависят только от состояния E i , следовательно, получаем непрерывную однородную цепь Маркова типа размножения и гибели. Эти специальные обозначения введены потому, что они непосредственно приводят к обозначениям, принятым в теории дискретных систем. В зависимости от ранее введенных обозначений имеем:

l i = q i , i +1 и m i = q i , i -1 .

Требование о допустимости переходов только в ближайшие соседние состояния означает, что исходя из (14), q ii =-(m i + l i ). Таким образом, матрица интенсивностей переходов общего однородного процесса размножения и гибели принимает вид

Заметим, что за исключением главной и соседних с ней снизу и сверху диагоналей все элементы матрицы равны нулю. Соответствующий граф интенсивностей переходов представлен на рис. 4.

Более точное определение непрерывного процесса размножения и гибели состоит в следующем: некоторый процесс представляет собой процесс размножения и гибели, если он является однородной цепью Маркова с множеством состояний {E 0 , E 1 , E 2 , …}, если рождение и гибель являются независимыми событиями (это вытекает непосредственно из марковского свойства) и если выполняют следующие условия:

1) Pr [точно 1 рождение в промежутке времени (t ,t + Δt )| объем популяции равен i ]= ;

2) Pr [точно 1 гибель в промежутке времени (t ,t + Δt )| объем популяции равен i ]= ;

3) Pr [точно 0 рождений в промежутке времени (t ,t + Δt )| объем популяции равен i ]= ;

4) Pr [точно 0 гибелей в промежутке времени (t ,t + Δt )| объем популяции равен i ]= .

Согласно этим предположениям кратные рождения, кратные гибели и одновременные рождения и гибели в течение малого промежутка времени (t , t + Δt ) запрещены в том смысле, что вероятность таких кратких событий имеет порядок о (Δt ).

Вероятность того, что непрерывный процесс размножения и гибели в момент времени t находится в состоянии E i (объем популяции равен i ) определяется напрямую из (16) в виде

Для решения полученной системы дифференциальных уравнений в нестационарном случае, когда вероятности P i (t ), i =0,1,2,…, зависят от времени, необходимо задать распределение начальных вероятностей P i (0), i =0,1,2,…, при t =0. Кроме того, должно удовлетворяться нормировочное условие.

Рис.4. Граф интенсивностей переходов для процесса размножения и гибели.

Рассмотрим теперь простейший процесс чистого размножения, который определяется как процесс, для которого m i = 0 при всех i . Кроме того, для еще большего упрощения задачи предположим, что l i =l для всех i =0,1,2,... . Подставляя эти значения в уравнения (18) получим

Для простоты предположим также, что процесс начинается в нулевой момент при нуле членов, то есть:

Отсюда для P 0 (t ) получаем решение

P 0 (t )=e - l t .

Подставляя это решение в уравнение (19) при i = 1, приходим к уравнению

.

Решение этого дифференциального уравнения, очевидно, имеет вид

P 1 (t )= l te - l t .

.

Это знакомое нам распределение Пуассона. Таким образом, процесс чистого размножения с постоянной интенсивностью l приводит к последовательности рождений, образующей пуассоновский процесс.

Наибольший интерес в практическом плане представляют вероятности состояний процесса размножения и гибели в установившемся режиме. Предполагая, что процесс обладает эргодическим свойством, т.е. существуют пределы перейдем к определению предельных вероятностей P i .

Уравнения для определения вероятностей стационарного режима можно получить непосредственно из (18), учитывая, что dP i (t )/dt = 0 при :

Полученная система уравнений решается с учетом нормировочного условия

Систему уравнений (21) для установившегося режима процесса размножения и гибели можно составить непосредственно по графу интенсивностей переходов на рис.4, применяя принцип равенства потоков вероятностей к отдельным состоянием процесса. Например, если рассмотреть состояние E i в установившемся режиме, то:

интенсивность потока вероятностей в и

интенсивность потока вероятностей из .

В состоянии равновесия эти два потока должны быть равны, и поэтому непосредственно получаем

Но это как раз и есть первое равенство в системе (21). Аналогично можно получить и второе равенство системы. Те же самые рассуждения о сохранении потока, которые были приведены ранее, могут быть применены к потоку вероятностей через любую замкнутую границу. Например, вместо того, чтобы выделять каждое состояние и составлять для него уравнение, можно выбрать последовательность контуров, первый из которых охватывает состояние E 0 , второй - состояние E 0 и E 1 , и т.д., включая каждый раз в новую границу очередное состояние. Тогда для i -го контура (окружающего состояния E 0 , E 1 , ..., E i -1 ) условие сохранения потока вероятностей можно записать в следующем простом виде:

.

Полученная система уравнений эквивалентна выведенной ранее. Для составления последней системы уравнений нужно провести вертикальную линию, разделяющую соседние состояния, и приравнять потоки через образовавшуюся границу.

Решение системы (23) можно найти методом математической индукции.

При i =1 имеем:

при i =2:

при i =3:

и т.д.

Вид полученных равенств показывает, что общее решение системы уравнений (23) имеет вид

или, учитывая, что, по определению, произведение по пустому множеству равно единице

Таким образом, все вероятности P i для установившегося режима выражаются через единственную неизвестную константу P 0 . Равенство (22) дает дополнительное условие, позволяющее определить P 0 . Тогда, суммируя по всем i , для P 0 получим:

Обратимся к вопросу о существовании стационарных вероятностей P i . Для того, чтобы полученные выражения задавали вероятности, обычно накладывается требование, чтобы P 0 > 0. Это, очевидно, налагает ограничение на коэффициенты размножения и гибели в соответствующих уравнениях. По существу требуется, чтобы система иногда опустошалась; это условие стабильности представляется весьма резонным, если обратиться к примерам реальной жизни. Определим следующие две суммы:

Все состояния E i рассматриваемого процесса размножения и гибели будут эргодическими тогда и только тогда, когда S 1 < и S 2 = . Только эргодический случай приводит к установившимся вероятностям P i , i = 0, 1, 2, …, и именно этот случай представляет интерес. Заметим, что условия эргодичности выполняются только тогда, когда, начиная с некоторого i , все члены последовательности {} ограничены единицей, т.е. тогда, когда существует некоторое i 0 (и некоторое С <1) такое, что для всех ii 0 выполняется неравенство:

Здесь мы изучим некоторую схему марковских процессов с непрерывным временем, называемую процессом гибели и размножения и играющую базовую роль в теории массового обслуживания.

Определение 11.1. Марковский процесс с конечным числом состояний, протекающий в системе S, называется процессом гибели и размножения, если граф ее состояний имеет структуру, представленную на рис. 11.1.

Характеристический признак этого графа состоит в том, что каждое из состояний s 2 ,..., s k ,..., s n l связано стрелками переходов в обе стороны с каждым из своих соседних состояний слева и справа, а первое и последнее состояния Sj и s n связаны стрелками в обе стороны только с одним своим соседним состоянием: соответственно с s 2 и s n _ v Таким образом, система S, в которой протекает процесс гибели и размножения, может из любого своего состояния непосредственно перейти только в одно из его соседних состояний. При этом под «размножением» будем понимать процесс по стрелкам слева направо, а под «гибелью» - процесс по стрелкам справа налево.

Название «процесс гибели и размножения» восходит к математическому моделированию биологических задач о численности популяций, распространении эпидемий и др.

Рассмотрим процесс гибели и размножения с непрерывным временем и с размеченным графом состояний на рис. 11.2.

Матрица плотностей вероятностей переходов процесса гибели и размножения представлена в таблице (с. 124).

Для вероятностей состояний /?,(/), p 2 (t), ...,p k (t), -,Р п _ { (/), P n (t) можно по одному из двух правил, данных в § 4, составить систему дифференциальных уравнений Колмогорова, которая для данного случая будет иметь вид (11.1):

Если марковский процесс однороден (т.е. пуассоновские потоки стационарны), то плотности вероятностей переходов (интенсивности потоков) Ху в системе (11.1) не зависят от времени t; в противном случае Ху представляют собой некоторые функции времени: Ху = Xy(t).

Система (11.1) решается при начальном распределении вероятностей /7j(0), ..., р п { 0), удовлетворяющих нормировочному условию /?j(0) + ... + /> п (0) = 1. Решение системы (11.1) также должно удовлетворять нормировочному условиюp x {t) +... + p n (t ) = 1 в любой момент времени t.

Из графа состояний однородного процесса гибели и размножения (см. рис. 11.1) непосредственно усматривается эргодичность системы S. Поэтому из марковости процесса, по теореме 10.1, вытекает существование финальных вероятностей состоянийp v ..., р п.

Теорема 11.1. Финальные вероятности p v ..., р п процесса гибели и размножения с непрерывным временем можно вычислить по следующим формулам:

Доказательство: Составим по одному из трех правил, данных в § 10, систему линейных алгебраических уравнений:

(сравните с системой дифференциальных уравнений (11.1)).

Матрица коэффициентов системы (11.4) будет иметь следующий вид:

Для упрощения вида этой матрицы проведем следующие элементарные преобразования ее строк: 1-ю строку прибавим ко 2-й; полученную 2-ю строку прибавим к 3-й и т.д.; полученную (п - 1)-ю строку прибавим к п -й строке. В результате получим матрицу, последняя (п- я) строка которой - нулевая, и потому ее можно отбросить.

Таким образом, предельные вероятности состоянийp v ..., р п удовлетворяют системе линейных алгебраических уравнений, соответствующей матрице (11.5):

и нормировочному условию

Из 1-го уравнения системы (11.6) с учетом (11.3) при к= 2:

Из 2-го уравнения системы (11.6) с учетом (11.8) и (11.3) при к= 3: Из 3-го уравнения системы (11.6) с учетом (11.9) и (11.3) при к = 4: итак далее,

Таким образом, мы доказали справедливость формулы во второй строке (11.2). Для доказательства формулы в первой строке (11.2) подставим (11.8), (11.9), (11.10) в нормировочное условие (11.7):

откуда получим требуемое равенство

Правая часть формулы (11.3) устроена следующим образом: в числителе стоит произведение плотностей вероятностей переходов А,..,

начиная с А 12 12 и кончая Х к _ { к, где второй индекс к множителя Х к _ х к

совпадает с индексом а к, причем первый индекс каждого множителя A.j, начиная со второго А 23 , совпадает со вторым индексом предыдущего множителя; в знаменателе стоит произведение множителей получающееся из произведения в числителе, если в последнем у каждого множителя X.. поменять местами индексы: . г

В терминах матрицы плотностей вероятностей переходов Л правая часть формулы (11.3) представляет собой отношение произведения элементов наддиагонали к произведению элементов поддиагонали квадратной матрицы к -го порядка, составленной из первых к строк и первых к столбцов матрицы А.

В терминах размеченного графа состояний системы S (см. рис. 11.2) правая часть формулы (11.3) есть дробь, числитель которой представляет собой произведение всех плотностей вероятностей переходов по стрелкам слева направо, начиная с первого и кончая к -м состоянием, а знаменатель суть произведение всех плотностей вероятностей обратных переходов по стрелкам справа налево с состояния

S k ДО СОСТОЯНИЯ S J.

В формулах (11.2) все финальные вероятностиp v ..., р п выражены через финальную вероятность р у Можно было бы при решении системы (11.6) выразить их через любую другую предельную вероятность.

Часто нумерацию состояний системы S начинают не с единицы, а с нуля: s Q , s v ..., s n . В этом случае формулы (11.2) и (11.3) приобретают соответственно вид:

Пример 11.1. Данные, полученные при исследование рынка ценных бумаг, показали, что рыночная цена одной акции некоторого акционерного общества может колебаться в пределах от 1000 до 2000 руб. включительно. Рассматривая в качестве системы S одну такую акцию, нас будут интересовать следующие ее пять состояний, характеризующихся рыночной ценой акции:

Sj - от 1000 до 1200 руб.; s 2 - от 1200 до 1400 руб.;

• 5 3 - от 1400 до 1600 руб.; s 4 - от 1600 до 1800 руб.;
• 5 5 - от 1800 до 2000 руб. включительно.

Замечено, что рыночная цена в будущем зависит в основном от ее цены в текущий момент времени. В силу случайных воздействий рынка изменение рыночной цены акции может произойти в любой случайный момент времени, при этом абсолютное изменение цены не превосходит 200 руб. Переходы системы S из одного состояния в другое происходят со следующими плотностями вероятностей переходов, пренебрежимо мало изменяющимися с течением времени:

Требуется спрогнозировать рыночную цену акции на будущее. Стоит ли приобретать акции по цене 1700 руб.?

Так как система S может находиться только в одном из отмеченных пяти состояний, то процесс, протекающий в системе 5, - дискретный.

Поскольку цена акции в будущем существенно зависит от ее цены в настоящем, то данный процесс можно считать марковским.

В силу того что изменение цены акции может происходить в любой случайный момент времени, то процесс в системе S является процессом с непрерывным временем.

Так как абсолютное изменение цены акции не превышает 200 руб., то это означает, что система S может перейти только в соседнее состояние, т.е. перескоков быть не может.

И наконец, поскольку плотности вероятностей переходов можно считать постоянными, то процесс однороден.

Итак, в системе S протекает однородный марковский дискретный процесс с непрерывным временем.

По данной матрице Л построим размеченный граф состояний:

По этому графу видно (это можно было увидеть и по матрице Л), что данный процесс является процессом гибели и размножения. Финальные вероятности p v p v p v p v р 5 существуют. Найдем их по формуле (11.2) при « = 5. Для этого сначала по формуле (11.3) подсчитаем числа а 2 , а 3 , а 4 , а 5 .

Тогда по формуле в первой строке (11.2)

По формулам во второй строке (11.2):

Таким образом, вероятнее всего (р 3 = 16/39 > р р /=1,2,4, 5) система S будет находиться в состоянии s 3 53 , т.е. цена акции будет находиться в пределах от 1400 до 1600 руб. Поэтому покупать эти акции по цене 1700 руб. не стоит. ?

КРАТКИЕ ВЫВОДЫ

• Процесс гибели и размножения определяется как марковский однородный процесс с непрерывным временем, протекающий в системе S, граф конечного числа состояний которой имеет структуру на рис. 11.1.
• Для процесса гибели и размножения существуют финальные вероятности, которые можно найти из формул (11.2) или (11.1).

КЛЮЧЕВЫЕ СЛОВА И ВЫРАЖЕНИЯ

Марковский процесс с конечным числом состояний; процесс гибели и размножения; процесс гибели и размножения с непрерывным временем; финальные вероятности состояний системы, в которой протекает процесс гибели и размножения; главная диагональ матрицы; наддиагональ матрицы; поддиагональ матрицы.

ВОПРОСЫ ДЛЯ САМОКОНТРОЛЯ

• 1. Дайте определение процесса гибели и размножения.
• 2. Каков характеристический признак структуры графа состояний системы, в которой протекает процесс гибели и размножения?
• 3. Какой вид имеет матрица плотностей вероятностей перехода для процесса гибели и размножения?
• 4. По каким формулам можно подсчитать финальные вероятности для процесса гибели и размножения?

ЗАДАНИЯ К § 11

11.1. Ответить на вопросы в примере 11.1, если матрица плотностей вероятностей переходов имеет вид

ОТВЕТЫ К ЗАДАНИЮ § 11

§ 1. ОБЩИЕ ПРОЦЕССЫ ЧИСТОГО РОЖДЕНИЯ (РАЗМНОЖЕНИЯ) И ПУАССОНОВСКИЕ ПРОЦЕССЫ

В предыдущих главах были введены основные понятия и рассмотрены методы анализа цепей Маркова с дискретным временем. В этой главе дается краткое обсуждение некоторых важных примеров марковских процессов с дискретным множеством состояний и непрерывным временем.

Точнее, здесь мы будем иметь дело с семейством случайных величин принимающих неотрицательные целочисленные значения. Мы ограничимся случаем, когда марковский процесс со стационарными переходными вероятностями. Таким образом, переходная вероятностная функция при

не зависит от

Обычно при исследовании частных вероятностных моделей физических явлений более естественно описать так называемые инфинитезимальные вероятности, связанные с процессом, а затем вывести из них точное выражение для переходной функции.

В рассматриваемом случае мы будем постулировать вид для малых используя марковское свойство, выведем систему дифференциальных уравнений, которой удовлетворяют при всех являются решением этих уравнений при соответствующих начальных условиях. Напомним, что пуассоновский процесс, введенный в § 2 гл. 1, рассматривался именно таким образом.

Перед тем как перейти к общему процессу чистого рождения, напомним кратко аксиомы, характеризующие пуассоновский процесс.

А. Постулаты пуассоновского процесса

Пуассоновский процесс был рассмотрен в § 2 гл. 1, где было показано, что его можно определить с помощью нескольких простых постулатов. Для того чтобы определить более общие процессы подобного рода, укажем на некоторые свойства, которыми обладает пуассоновский процесс. Пуассоновский процесс - это

марковский процесс, принимающий неотрицательные целочисленные значения и обладающий следующими свойствами:

Свойство (1) можно записать еще так.

Марковский процесс с дискретными состояниями называется процессом гибели и размножения , если все состояния можно вытянуть в цепочку, в которой каждое из промежуточных состояний может переходить только в соседние состояния, а крайние состояния переходят лишь в состояния и соответственно. Граф состояний такой системы приведен на рис.4.

Название схемы взято из биологических задач, где состояние популяции означает наличие в ней особей.

На рис.4 переход вправо соответствует увеличению популяции, влево - ее уменьшению. Таким образом, можно определить как интенсивности размножения, а - как интенсивности гибели. Используется следующее соглашение: буквам и приписывается индекс того состояния, из которого выходит стрелка.

Марковским процессом гибели и размножения с непрерывным временем называется такой случайный процесс, исследуемый параметр которого может принимать только целые неотрицательные значения. Изменения рассматриваемого параметра могут происходить в любой момент времени, т.е. в любой момент времени он может либо увеличиться, либо уменьшиться на единицу.

Процессом чистого размножения называется такой процесс, у которого интенсивности всех потоков гибели равны нулю; аналогично процессом чистой «гибели» называется процесс, у которого равны нулю интенсивности всех потоков размножения.

Предельные (финальные) вероятности состояний для простейшего эргодического процесса гибели и размножения, находящегося в стационарном режиме, определяются по следующим формулам:

В качестве примера решения системы уравнений схемы гибели и размножения рассмотрим эксплуатацию автомобилей в крупной транспортной фирме.

Интенсивность поступления автомобилей на предприятие равна. Каждый поступивший на предприятие автомобиль списывается через случайное время. Срок службы автомобиля распределен по показательному закону с параметром. Процесс эксплуатации автомобилей является случайным процессом. - число автомобилей данной марки, находящихся в эксплуатации в момент времени.

Рассмотрим два случая: 1) нет ограничений на число эксплуатируемых автомобилей, 2) на предприятии может эксплуатироваться не более автомобилей.

Если в начальный момент на предприятии не было ни одного автомобиля, то решать систему уравнений нужно при начальных условиях:

Аналогично, если при эксплуатировалось автомобилей, то начальные условия имеют вид:

Решение системы дифференциальных уравнений Колмогорова при произвольном виде функции не может быть найдено в аналитическом виде. Однако при постоянных интенсивностях потоков гибели и размножения и конечном числе состояний будет существовать стационарный режим. Система в этом случае является простейшей эргодической системой.

Если интенсивности потока поступления и списания автомобилей постоянны, то оказываются справедливы формулы:

1. Максимальное число автомобилей не ограничено:

2. Математическое ожидание (среднее значение) числа эксплуатируемых автомобилей.