生灭过程理论及其应用

生灭过程理论及其应用
生灭过程理论及其应用

生灭过程理论及其应用

摘要:综述生灭过程的相关理论,如生灭过程几个重要的数字特征及其概率意义、生灭过程的构造及分类以及生灭过程的遍历性与0-1律.当过程中断时,构造出全部过程,证明全体生灭过程与全体特征数列间存在一一对应。在理论的基础上应用实例研究生灭过程在排队论、生物学中的应用。

关键词:生灭过程:数字特征:构造与分类:遍历性:0-1律;应用

一、生灭过程的相关理论

1、阐述Q 一矩阵的数字特征的概率意义

定义1 取值于E={0,1,2,?}的齐次马氏链(){,0}X x t t =≥为生灭过程.如果其转移概率()(){},,ij P t p t i j E =∈满足条件:当0t →时有

()()()()()()()11,

,1,ii i ii i ii i i p t bt o t p t a t o t p t a b t o t +-?=+?

=+??

=-++? (1)

其中,00,0,0,0i i a a b i =>>≥。令i i i c a b =+,称

00

1

110...

00

(00)

0......

.....................000.........

...

.........

...

......n n n c b a c b Q a c b -????-??

??=??-?????? (2)

为过程X 的密度矩阵或Q 一矩阵.引进Q 的几个重要数字特征

001m b =, ()11011

...10...i i i i k

i k i i i i k i k a a a m i b bb b b ---=----=+≥∑;

()1011...10...i i i k

i k i i i i k i k bb b e i a a a a a ∞++=++++=+>∑,0i i R m ∞==∑,1

i i S e ∞

==∑;

00Z =,101Z b =,()1121012...11...n k

n k k

a a a Z n

b b b b -==+>∑,lim n n Z Z →∞=.

假设X 是典范链,因而它有强马氏性,而且在第一个飞跃点前样本函数是右连续的。以()w η表示第一个飞跃点,以 ()n w η表示首达状态n 的时刻,即

()()inf :0,,t-n t t x t n η?>=?=?

∞??当右方集非空,

, 否则.

由[1]4.3引理2得()()()lim ,..n n w w a s ηη→∞

=。这里()..a s 对P 或i P ()0i ≥而言均可。

定理1: 1i i i m E η+=; 0R E η=

由定理1说明i m 的概率意义是自i 出发,首次达到1i +的平均时间;R 是自0出发,沿生灭过程的轨道。首次达到“∞”的平均时间。

下面证明在一定意义下,从“∞”到达0的平均时间恰好是S. 考虑N+1级矩阵

000

111

110...000...

000...

..................000 0

0...

N N N N

N c b a c b Q a c b c c ----??

??-??

??=??-????-??

(3) 它由Q 中前N+1行与前N+1列上的元构成,但要将第N+1行与第N 列的元N

a 换成N N a

b +。设()()(){,0}N N ij X x t t P t =≥是以N Q 为密度矩阵的典范马氏链,相空间为()0,1,...,N 。

由(3)可见0与N 都是N X 的反射壁,定义 (

)

()()

()i n f :0,,0N i N t t x t i i N η=>=≤≤。

它是首达i 的时刻。N X 的转移概率()()N ij P t 及集中在一点i 上的开始分布所

产生的测度记为()N i P ,关于()

N i

P 的数学期望记为()N i E 。 定理2 ()()0lim N N N N E S η→∞

=;当()()()1N N N i i i e E η-=时,()lim N

i i N e e →∞

=。

由定理2可知i e ,S 的概率意义为:当“∞”是反射壁时,自i 出发首次到达i -1

及自“∞”出发首次到达0的平均时间。

下面来看,n Z Z 的概率意义。定义

()()(),,k k m n P m n P m k n m k n ηη=<≤≤≥≥或

()()k k m

n q m P ηη=< 其中(),k P m n 是自k 出发,沿X 的轨道,在首达n 以前先到m 的概率,()k q m 是自k 出发,沿X 的轨道,经有穷(≥1)次跳跃而到达m 的概率。 定理3 (i )设m k n <<,则 (),n k k n m Z Z P m n Z Z -=

-;(),k m

k n m

Z Z P n m Z Z -=-.

(ii )()1

,;

1,;,.k

m

k k k k k k k

Z Z k m Z Z q m k m a b Z Z

k m c c Z Z +-?>?-??

=

(iii )当且仅当Z =∞时,嵌入马氏链的一切状态都是常返的。

2、生灭过程的构造

凡有形如(1)且转移概率相同的马程,均视为同一马程.不失一般性,不妨设X 为可分,Borel 可测,右下半连续的强马程.质点沿X 的轨道,如自i 出发,在i 停留一段指数分布时间1τ后,只能跳到i +1或i 一1,概率分别为i i b c 及i i

a

c ;再停留时间2τ后,又发生跳跃,如前继续运动??

令()()()i P x i v i E ζ==∈,可以证明概率()10P ζ=∞=或.如()1P ζ=∞=,则X 的轨道由Q(及一开始分布)完全决定.如()1P ζ<∞=,则Q 不能唯一决定X(或

()P t ),J .L .Doob 证明,这时必有无穷多个不同的马程,具有相同的密度矩阵Q ,称其中任何一个为Q 一过程.Doob 还构造出一些Q 一过程,称之为Doob(Q ,V )一过程,其中()01,,...V v v =为任一概率分布.质点沿(Q ,V )一过程的运动行

为如下:质点从i 出发,如上所述,作无穷次跳跃后,到达时刻ζ,但()x ζ的分布不能由Q 给出.Doob 取它为V ,即()()()i P x i v i E

ζ==∈.这样,质点又回到E

中,于是又可按如上方式运动.然而,Doob 所构造的只是一部分Q 一过程.如何构造出全部Q 一过程,这就是过程构造论所要解决的问题.

构造问题是一重要而又深刻的理论问题,1958年王梓坤用他首创的概率方法——过程轨道的极限过渡法,求出了全部Q 一过程,其基本思想是:先构造一列比较简单的Doob(Q ,V )一过程,然后用它们逼近任一Q 一过程.差不多同时,概率论大家W .Fellert 也研究了生灭过程的构造,他应用分析方法找出许多Q 一过程,但非全部.前苏联教授A .A Youshkevich 评论说:“W .Feller 用分析方法构造了生灭过程的不同延拓,同时王梓坤构造了全部延拓.”分析方法简洁,但概率意义不清楚;概率方法则概率意义非常清晰,但叙述冗长.其后杨向群对于生灭过程建立了这两种方法之间的联系,并兼用这两种方法对更广泛的Q 收到了更多更好的效果.

令()()()()()()

inf :,,n n n i t t x t n v P x i βζβ=≥≤==。今定义过程X 的特征数列

{},,,0n p q r n ≥如下:()

()

()

()1

000000

lim /;lim /n n

n

n n n n i

i i i n n i i n n i i i p v c v c q v c v c -→∞

→∞

=====∑∑∑

()()

()100000

lim /;lim /n n

n

n n n i i i i n i i n n i i i p v c v c q qc v c -→∞

→∞

=====∑∑∑;

如果一切()()10n n v n =≥,定0n r =()0n ≥,如果存在k ,使()()1i i v i k =≤,

但()11k k v ++<1,则先任取一常数k r ;定义()()m m n n k k r v r v =(不依赖于()max ,m n k >),除差一正常数因子外,,,n p q r 被过程X 唯一决定,它们非负,且满足条件

()01;0,S=0,0,;00,i i i j i j i n

p q q r R p R m r n ∞∞==?+==∞??

<<∞>=??

?=≥?∑∑当;

当当p=0. (4)

今设已给一形如(2)的矩阵Q ,满足R <∞,全体Q 一过程的集合记为B ;另一方面,全体满足条件(4)的非负数列记为c ,可以证明,在 与C 之间存在一一对

应.更精确些,有以下定理: Q 一过程构造定理

1) 任一Q 一过程的特征数列{},,n p q r 必满足条件(4).

2) 反之,任给一满足条件(4)的非负数列{},,n p q r ,必存在唯一Q 一过程,其

特征数列重合于此已给数列;而且此Q 一过程的转移概率

(){}()()lim n

ij ij

ij n p t p t p t →∞

=可如下求出:()()lim n

ij

ij n p t p t →∞

=,其中(){}ij

p t 是

Doob(Q ,V)一过程的转移概率,这里分布()()()()

01,,...,n n n n n V v v v =,其中:

()

()()

ln

0,l j n n i n

i

n

n

n n

n

n

rc

r v X j n v Y X A A ∞

==≤<=+∑

ln 0

0n l i A rc ∞

=<=<∞∑,

()()0n n n n n pA Z Z X pA Z Z qA Z

-=

-+,

()00n n n qA Z

Y pA Z Z qA Z

=

-+.

3、生灭过程的遍历性与0-1律

对于一般的马氏链,其0-1律、常返性与过分函数都有了相应的结论,而生灭过程作为一种特殊的马氏链,在上述性质上也有更完整的结果。

设(){,0}X x t t =≥为定义在(),,P ΩF 上的生灭过程,不妨不妨设X 为可分,Borel 可测的,它的密度矩阵Q 为(2),其数字特征同上所述。

引进随机变量

()()()()inf :,,,t-i t t T x t i g ωωω?>=?=?∞??当右方集非空;

, 反之.

这里()T ω为X 的第一个跳跃点,因而()i g ω是经过第一次跳跃后的首达i 的时刻。而i i E g 是自i 出发,离开i 后首次回到i 的平均时间.

称X 遍历,如它常返,而且对一切i E ∈,i i E g <∞. 关于生灭过程的0-1律与遍历性有以下定理成立。

定理4 设R =∞,则X 常返的充要条件是Z =∞;X 遍历的充要条件是

,i Z e =∞<∞.

定理5 如R <∞,则一切Q-过程遍历(因而都常返).

定理6 设X 为任意生灭过程,{}i f 为X 的任一过分函数,则必存在极限

lim i i f f →∞

=。如R <∞或R =∞,则i f f =(常数).

定理7 对一切生灭过程X ,强0-1律成立.

注:本论文第一部分是对生灭过程的理论进行的综述文章,具体定理证明请查阅文献[1].

参考文献:

[1]Wang Zikun ,Yang Xiangqun .Birth and death processes and markov chains[M].Springer Verlag Press ,Science Press ,1992.

[2]王梓坤.生灭过程停留时间与首达时间的分布[J].中国科学,1980,10(2):109—117.

[3]王梓坤.随机过程与今日数学[M].北京:北京师范大学出版社,2005. [4]王梓坤. 生灭过程的构造与泛函分布。北京:保定学院学报,2010.

泊松分布的概念及表和查表方法

泊松分布的概念及表和查表方法 Poisson分布,是一种统计与概率学里常见到的离散概率分布,由法国数学家西莫恩·德 目录 1命名原因 2分布特点 3关系 4应用场景 5应用示例 6推导 7形式与性质

命名原因 泊松分布实例 泊松分布(Poisson distribution),台译卜瓦松分布(法语:loi de Poisson,英语:Poisson distribution,译名有泊松分布、普阿松分布、卜瓦松分布、布瓦松分布、布阿松分布、波以松分布、卜氏分配等),是一种统计与概率学里常见到的离散机率分布(discrete probability distribution)。泊松分布是以18~19 世纪的法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)命名的,他在1838年时发表。这个分布在更早些时候由贝努里家族的一个人描述过。 分布特点 泊松分布的概率函数为: 泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生次数。泊松分布适合于描述单位时间内随机事件发生的次数。 泊松分布的期望和方差均为特征函数为 关系 泊松分布与二项分布 泊松分布 当二项分布的n很大而p很小时,泊松分布可作为二项分布的近似,其中λ为np。通常当n≧20,p≦0.05时,就可以用泊松公式近似得计算。 事实上,泊松分布正是由二项分布推导而来的,具体推导过程参见本词条相关部分。应用场景

在实际事例中,当一个随机事件,例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等,以固定的平均瞬时速率λ(或称密度)随机且独立地出现时,那么这个事件在单位时间(面积或体积)内出现的次数或个数就近似地服从泊松分布P(λ)。因此,泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位(在早期学界认为人类行为是服从泊松分布,2005年在nature上发表的文章揭示了人类行为具有高度非均匀性)。 应用示例 泊松分布适合于描述单位时间(或空间)内随机事件发生的次数。如某一服务设施在一定时间内到达的人数,电话交换机接到呼叫的次数,汽车站台的候客人数,机器出现的故障数,自然灾害发生的次数,一块产品上的缺陷数,显微镜下单位分区内的细菌分布数等等。 观察事物平均发生m次的条件下,实际发生x次的概率P(x)可用下式表示: 例如采用0.05J/㎡紫外线照射大肠杆菌时,每个基因组(~4×106核苷酸对)平均产生3个嘧啶二体。实际上每个基因组二体的分布是服从泊松分布的,将取如下形式: …… 是未产生二体的菌的存在概率,实际上其值的5%与采用0.05J/㎡照射时的大肠杆菌uvrA-株,recA-株(除去既不能修复又不能重组修复的二重突变)的生存率是一致的。由于该菌株每个基因组有一个二体就是致死量,因此就意味着全部死亡的概率。 推导 泊松分布是最重要的离散分布之一,它多出现在当X表示在一定的时间或空间内出现的事件个数这种场合。在一定时间内某交通路口所发生的事故个数,是一个典型的例子。泊松分布的产生机制可以通过如下例子来解释。

固相萃取与固相微萃取应用之原理

固相萃取与固相微萃取应用之原理 一固相萃取 固相萃取(Solid Phase Extraction,SPE)是一种基于液-固分离萃取的试样预处理技术,由柱液相色谱技术发展而来。SPE技术自70年代后期问世以来,由于其高效、可靠及耗用溶剂量少等优点,在环境等许多领域得到了快速发展。在国外已逐渐取代传统的液-液萃取而成为样品预处理的可靠而有效的方法。 SPE技术基于液相色谱的原理,可近似看作一个简单的色谱过程。吸附剂作为固定相,而流动相是萃取过程中的水样。当流动相与固定相接触时,其中的某些痕量物质(目标物)就保留在固定相中。这时用少量的选择性溶剂洗脱,即可得到富集和纯化的目标物。固相萃取可分为在线萃取线萃取前者萃取与色谱分析同步完成;而后者萃取与色谱分析分步完成,两者在原理上是一致的。 一般固相萃取的操作步骤包括固相萃取柱(即吸附剂)的选择、柱子预处理、上样、淋洗、洗脱。在实验过程中需要具体考虑的因素如下: 1)吸附剂的选择 a.传统吸附剂 在环境分析中最为常用的反相吸附剂较适用于水样中的非极性到中等极性的有机物的富集和纯化。其中有代表性的键合硅胶C18和键合硅胶C8等。该类吸附剂主要通过目标物的碳氢键同硅胶表面的官能团产生非极性的范德华力或色散力来保留目标物。 正相吸附剂包括硅酸镁、氨基、氰基、双醇基键合硅胶及氧化铝等,主要通过目标物的极性官能团与吸附剂表面的极性官能团的极性相互作用(氢键作用等)来保留溶于非极性介质的极性化合物。由于其特殊的作用原理,在环境分析中常用于与其它类型的吸附柱联用,吸附去除干扰物,实现样品纯化。 离子交换吸附剂则主要包括强阳离子和强阴离子交换树脂,这些树脂的骨架通常为苯乙烯-二乙烯基苯共聚物,主要是通过目标物的带电荷基团与键合硅胶上的带电荷基团相互静电吸引实现吸附的。 b.抗体键合吸附剂(Immunosorbents-IS) 这类新型吸附剂充分利用了生物免疫抗原-抗体之间的高灵敏性和高选择性,尤其适应于水中痕量有机物的富集与分离。其特点为,由于绝大多数有机污染物为低分子量物质,不能在动物体内引发免疫反应,所以需把待定污染物键合到牛血清白蛋白的生物大分子载体上,使其具有免疫抗原活性,再注入纯种动物体内(如兔或羊),产生抗体,经杂交瘤技术制得相应于该有机污染物的单克隆抗体。将抗体键合到反相吸附剂的硅胶表面或聚合物表面(如C18固定相),就制得了抗体键合吸附剂,可用于分离、富集特定污染物。研制开发能专门检测各种优先污染物的单克隆抗体或多克隆抗体已成为SPE技术的前沿研究领域。 抗体键合吸附剂洗脱时一般可采用20%~80%的甲醇-水溶液,该类吸附剂经冷藏保存可多次使用。进行SPE操作时应根据目标物的性质选择适合的吸附剂。表1- 1给除了常用的吸附剂类型及其相关的分离机理、洗脱剂性质和待测组分的性质。 吸附剂的用量与目标物性质(极性、挥发性)及其在水样中的浓度直接相关。通常,增加吸附剂用量可以增加对目标物的保留,可通过绘制吸附曲线确定吸附剂用量。 2)柱子预处理 活化的目的是创造一个与样品溶剂相容的环境并去除柱内所以杂质。通常需要两种溶剂来完成任务,第一个溶剂(初溶剂)用于净化固定相,另一个溶剂(终溶剂)用于建立一个适合的固定相环境使样品分析物得到适当的保留。每一活化溶剂用量约为1~2 mL/100 mg固定相。

(完整版)布朗运动以及维纳过程学习难点总结

1、引言 布朗运动的数学模型就是维纳过程。布朗运动就是指悬浮粒子受到碰撞一直在做着不规则的运动。我们现在用)(t W 来表示运动中一个微小粒子从时刻0=t 到时刻0>t 的位移的横坐标,并令0)0(=W 。根据Einstein 的理论,我们可以知道微粒之所以做这种运动,是因为在每一瞬间,粒子都会受到其他粒子对它的冲撞,而每次冲撞时粒子所受到的瞬时冲力的大小和方向都不同,又粒子的冲撞是永不停息的,所以粒子一直在做着无规则的运动。故粒子在时间段],(t s 上的位移,我们可把它看成是多个小位移的总和。我们根据中心极限定理,假设位移)()(s W t W -服从正态分布,那么在不相重叠的时间段内,粒子碰撞时受到的冲力的方向和大小都可认为是互不影响的,这就说明位移)(t W 具有独立的增量。此时微粒在某一个时段上位移的概率分布,我们便能认为其仅仅与这一时间段的区间长度有关,而与初始时刻没有关系,也就是说)(t W 具有平稳增量。 2.维纳过程 2.1独立增量过程 维纳过程是典型的随机过程,属于所谓的独立增量过程,在随机过程的理论和应用中起着很重要的作用。现在我们就来介绍独立增量过程。 定义:}0),({≥t t X 是二阶矩过程, 那么我们就称t s s X t X <≤-0),()(为随机过程在区间],(t s 上的增量。 若对任意的n )(+∈N n 和任意的n t t t <<<≤Λ100,n 个增量 )()(,),()(),()(11201----n n t X t X t X t X t X t X Λ 是相互独立的,那么我们就称}0),({≥t t X 为独立增量过程。 我们可以证明出在0)0(=X 的条件下,独立增量过程的有限维分布函数族可由增量)0(),()(t s s X t X <≤-的分布所确定。 如果对R h ∈和)()(,0h s X h t X h t h s +-++<+≤与)()(s X t X -的分布是相同的,我们就称增量具有平稳性。那么这个时候,增量)()(s X t X -的分布函数只与时间差)0(t s s t <≤-有关,而与t 和s 无关(令s h -=便可得出)。值得注意的是,我们称独立增量过程是齐次的,此时的增量具有平稳性。

泊松过程与泊松分布的基本知识

泊松过程与泊松分布的基本知识泊松过程是随机过程的一个经典模型,是一种累积随机事件的发生次数的独立增量过程。也就是说,每次事件的发生是相互独立的。那么泊松分布和泊松过程又什么关系呢?可以说泊松分布是描述稀有事件的统计规律,即可以描述一段时间内发生某个次数的概率。而泊松过程呢,就适合刻画“稀有事件流”的概率特性。 比较:泊松分布 泊松过程的主要公式: 其实没多少不一样对不对?不一样的是泊松过程是一个可以查看在时间t内发生次数的概率,这个t是可变的。泊松分布则是给定了时间。 泊松过程的关键在于,它的到达间隔序列Tn,即每两次发生的时间是服从的独立同指数分布的。如果每次发生的间隔时间不服从指数分布,那么这个随机过程就会更一般化,我们成为是更新过程,这也是随机过程的推广。 泊松过程分为齐次泊松过程和非齐次泊松过程,齐次的意思很简单,就是说过程并不依赖于初始时刻,强度函数是一个常数,从上面的公式也看得出来。而非齐次则是变成了,这意味着什么呢?这以为着随着与时间的改变,强度是会改变的,改变服从强度函数,说了这

么久,强度究竟是个什么概念?强度的意思就是泊松过程的该事件发生的频率,或者说快慢,泊松分布中我们知道期望就是,实际含义就是,在一段时间内,发生的次数平均水平是次。 复合泊松过程:泊松过程我们已经知道,用描述一段时间累积发生的次数,但是如果每次发生带来的后果都是不一样的,我们怎么描述这个过程呢?比如,火车站到达的乘客是服从泊松过程的,但是每个乘客携带有不同重量的行李,我们如何刻画在[0,t]时间内行李总重量呢,这个过程就是复合泊松过程。复合泊松过程的均值函数和方差函数一般可以用全期望和全方差公式进行计算,因为简单泊松过程的期望很容易求。 更新过程: 上文已经说到,更新过程作为泊松过程的推广,更具有一般性,那么在讨论更新过程时,我们更多地讨来更新函数,更新函数是更新过程的均值函数m(t)=E[N(t)],怎么理解呢,就是说需要用t时刻的累积计数的期望特性来表达更新过程。有一条定理: 这个定理是可以证明的,Fn(t)是分布函数,就是说:在t时刻,更新函数值就是在这个时刻,n取遍所有值的分布之和。 那么是否可以这样理解,更新过程和泊松过程的区别就是更新间隔序列不同,那么如果已知了更新间隔序列的概率密度函数,就可以求解该过程的更新函数了,详细的推导就不写了。扔结论出来:对间隔序列概率密度函数做拉氏变换得到Lf(s),然后求 Lm(s)=Lf(s)/s(1-Lf(s)),再对Lm(s)进行逆变换,就得到了m(t),这就是更新函数。

数学分布(泊松分布、二项分布、正态分布、均匀分布、指数分布) 生存分析 贝叶斯概率公式 全概率公式讲解

数学期望:随机变量最基本的数学特征之一。它反映随机变量平均取值的大小。又称期望或均值。它是简单算术平均的一种推广。例如某城市有10万个家庭,没有孩子的家庭有1000个,有一个孩子的家庭有9万个,有两个孩子的家庭有6000个,有3个孩子的家庭有3000个,则此城市中任一个家庭中孩子的数目是一个随机变量,记为X,它可取值0,1,2,3,其中取0的概率为0.01,取1的概率为0.9,取2的概率为0.06,取3的概率为0.03,它的数学期望为0×0.01+1×0.9+2×0.06+3×0.03等于1.11,即此城市一个家庭平均有小孩1.11个,用数学式子表示为:E(X)=1.11。 也就是说,我们用数学的方法分析了这个概率性的问题,对于每一个家庭,最有可能它家的孩子为1.11个。 可以简单的理解为求一个概率性事件的平均状况。 各种数学分布的方差是: 1、一个完全符合分布的样本 2、这个样本的方差 概率密度的概念是:某种事物发生的概率占总概率(1)的比例,越大就说明密度越大。比如某地某次考试的成绩近似服从均值为80的正态分布,即平均分是80分,由正态分布的图形知x=80时的函数值最大,即随机变量在80附近取值最密集,也即考试成绩在80分左右的人最多。 下图为概率密度函数图(F(x)应为f(x),表示概率密度):

离散型分布:二项分布、泊松分布 连续型分布:指数分布、正态分布、X 2分布、t 分布、F 分布 抽样分布只与自由度,即样本含量(抽样样本含量)有关 二项分布(binomial distribution ):例子抛硬币 1、 重复试验(n 个相同试验,每次试验两种结果,每种结果概率恒定————伯努利试验) 2、 抽样分布

北邮通信网实验2报告

信息与通信工程学院 通信网性能分析基础实验报告 专业信息工程 班级 姓名 学号

实验二:M/M/1排队系统 一、实验目的 M/M/1是最简单的排队系统,其假设到达过程是一个参数为λ的Poisson 过程,服务时间是参数为μ的负指数分布,只有一个服务窗口,等待的位置有无穷多个,排队的方式是FIFO 。 M/M/1排队系统的稳态分布、平均队列长度,待时间的分布以及平均等待时间,可通过泊松过程、负指数分布、生灭过程以及Little 公式等进行理论上的分析与求解。 本次实验要求实现M/M/1单窗口无限排队系统的系统仿真,利用事件调度法实现离散事件系统仿真,并统计平均队列长度以及平均等待时间等值,以与理论分析结果进行对比。 二、实验原理 根据排队论的知识我们知道,排队系统的分类是根据该系统中的顾客到达模式、服务模式、服务员数量以及服务规则等因素决定的。 1、 顾客到达模式 设到达过程是一个参数 为λ的Poisson 过程,则长度为t 的时间内到达k 个呼叫的概率)(t P k 服从Poisson 分布, 即e t k k k t t p λλ-= ! )()(,?????????=,2,1,0k ,其中λ>0为一常数,表示了平均到达率或 Poisson 呼叫流的强度。 2、 服务模式 设每个呼叫的持续时间为i τ,服从参数为μ的负指数分布,即其分布函数为 {}1,0t P X t e t μ-<=-≥ 3、 服务规则 先进先服务的规则(FIFO ) 4、 理论分析结果 在该M/M/1系统中,设λρμ = ,则稳态时的平均等待队长为1Q ρλρ=-,顾客的平均 等待时间为T ρ μλ= -。 三、 实验内容

浅析二项分布与泊松分布之间的关系

学年论文 题目:浅析二项分布与泊松分布之间的关系 学生: 学号: 院(系):理学院 专业:信息与计算科学 指导教师:安晓钢 2013 年11月25日

浅析二项分布与泊松分布之间的关系 信息121班; 指导教师:安晓钢 (陕西科技大学理学院 陕西 西安 710021) 摘 要:泊松分布刻画了稀有事件在一段时间内发生次数这一随机变量的分布,如电话交换台单位时间内接到的呼唤次数等。二项分布是n 个独立的是/非试验中成功的次数的离散概率分布。它们有着密切的关系。泊松分布是二项分布的特例。某现象的发生率很小,而样本例数n 很大时,则二项分布接近于泊松分布,即:如果试验次数n 很大,二项分布的概率p 很小,且乘积np =λ比较适中,则事件出现的次数的概率可以用泊松分布来逼近。事实上,二项分布可以看作泊松分布在离散时间上的对应物,是二项分布的特例。通过分析二项分布和泊松分布之间的关系,使学生对概率分布理论的理解更为深刻,能够将学到的理论知识应用在实际生活中,从而提高自己的综合素质。 关 键 词:二项分布, 泊松分布, 近似 The Application of Asignment Poblem ABSTRACT: Poisson distribution is used to depict the distribution of rare events that a random variable frequency over a period of time, such as a telephone exchange in unit time received the call number. The two distribution is n independent / discrete probability distributions of number of successful non trials. They have a close relationship. Poisson distribution is two distribution case. The incidence of the phenomenon is very small, and the number of sample n is large, then the two distribution is close to the Poisson distribution, i.e.: if the test number n is large, the two probability distribution P is small, and the product of lambda = N P is moderate, the probability of the event can be used to force the Poisson distribution near. In fact, the two distribution can be seen as the counterpart of Poisson distribution in discrete time, are the two distribution case. Through the analysis of the relationship between two binomial distribution and Poisson distribution, enables the student to the theory of probability distribution for more profound understanding will be able to learn the application of theoretical knowledge in real life, so as to improve their comprehensive quality. KEY WORDS : Two distribution, Poisson distribution, Approximate

萃取原理

第八章萃取 §1 概述 8-1 萃取概念及应用 我们以手工洗衣服为例,打完肥皂、揉搓后,如何将肥皂沫去除呢?用清水多次漂洗,这是人们熟知的过程。多次漂洗的过程即为化工中的液-固萃取过程。如图8-1所示,漂洗次数越多,衣服与肥皂沫分离越完全,衣服越干净。 图8-1的衣物漂洗过程为错流萃取过程。清水称作萃取剂,含沫水为萃取相,衣物和沫为萃余相。皂沫为溶质A。经验还告诉我们,每盆水揉搓的时间越长(即萃取越接近平衡),拧得越干(即萃取与萃余相相分离越彻底),所用漂洗次数越少(即错流级数越少)。 图8-1 错流萃取示意图 萃取——利用混合物各组分对某溶剂具有不同的溶解度,从而使混合物各组分得到分离与提纯的操作过程。 例如用醋酸乙酯萃取醋酸水溶液中的醋酸。如图8-2所示。 图8-2萃取示意图 萃取用于沸点非常接近、用一般蒸馏方法分离的液体混合物。主要用化工厂的废水处理。如染料厂、焦化厂废水中苯酚的回收。萃取也用于法冶金中,如从锌冶炼烟尘的酸浸出液中萃取铊、锗等。制药工业中,许多复杂有机液体混合物的分离都用到萃取。为使萃取操作得以进行,一方面溶剂S对稀释剂B、溶质A要具有不同的溶解度,另一方面S与B必须具有密度差,便于萃取相与萃余相的分离。当然,溶剂S具有化学性质稳定,回收容易等特点,则将为萃取操作带来更多的经济效益。 萃取过程计算,习惯上多求取达到指定分离要求所需的理论级数。若采用板式萃取塔,则用理论级数除以级效率,可得实际所需的萃取级数。若采用填料萃取塔,则用理论级数乘以等级高度,可得实际所需的萃取填料层高度。等级高度是指相当于一个理论级分离效果所需的填料层高度,等级高度的数据十分缺乏,多需由实验测得。

a第7讲-第8讲第3章 泊松过程

一.假定某天文台观察到的流星流是一个泊松过程, 据以往资料统计为每小时平均观察到 3 颗流星.试求: ( 1 ) 在上午 8 点到 12 点期间, 该天文台没有观察到流星的概率 . ( 2 ) 下午( 12 点以后)该天文台观察到第一颗流星的时间的分布函数 . 二.设电话总机在] X是具有强度 ,0(t内接到电话呼叫数) (t λ的泊松过程,求 (每分钟)2 = (1)两分钟内接到2次呼叫的概率; (2)“第二分钟内收到第2次呼叫”的概率。

维纳过程 如果它满足 给定实随机过程,}0),({≥t t W ; )2(是平稳的独立增量过程;0)),(,0()()( ,0 )3(2 >??≥>σσ且~增量 对任意的s t N s W t W s t . 0)0()1(=W 则称此过程为维纳过程.

3. 维纳过程的特征 ). ,min(),(),(2t s t s R t s B W W σ==; 0),,0()( 2>σσ且~t N t W ). ,min()]()()(()([(2 a t a s a W s W a W s W E ??=??σ, ,0+∞<<≤?t s a (1)(2))] ()())(()([(a W t W a W s W E ??, t s <令))]()()()())(()([(a W s W s W t W a W s W E ?+??=))] ()())(()([(s W t W a W s W E ??=))]()())(()([(a W s W a W s W E ??+).(2a s ?=σ

五.平稳过程 定义2.12,,,,,21T t t t N n n ∈∈L )) (,),(),((21n t X t X t X n L 变量维随机)) (,),(),((21h t X h t X h t X n +++L 和具有相同的分布函数, 则称随机过程}),({T t t X ∈具有平稳性, 并同时称此过程为严平稳随机过程,(或狭义平稳过程). 与 常数若对为随机过程设τ?∈,}),({T t t X ,,,,21时当T t t t n ∈+++τττL 严平稳过程的任意有限维概率分布不随时间的推移而改变.

萃取的原理与应用

双水相萃取 利用物质在不相溶的,两水相间分配系数的差异进行萃取的方法。原理 某些亲水性高分子聚合物的水溶液超过一定浓度后可以形成两相,并且在两相中水分均占很大比例,即形成双水相系统(aqueous two-phase system,ATPS)。利用亲水性高分子聚合物的水溶液可形成双水相的性质,Albertsson于20世纪50年代后期开发了双水相萃取法(aqueous two-phase extraction),又称双水相分配法。 双水相萃取的聚合物不相容性:根据热力学第二定律,混合是熵增过程可以自发进行,但分子间存在相互作用力,这种分子间作用力随相对分子质量增大而增大。当两种高分子聚合物之间存在相互排斥作用时,由于相对分子质量较大的分子间的排斥作用与混合熵相比占主导地位,即一种聚合物分子的周围将聚集同种分子而排斥异种分子,当达到平衡时,即形成分别富含不同聚合物的两相。这种含有聚合物分子的溶液发生分相的现象称为聚合物的不相溶性生物分子的分配系数取决与溶质于双水相系统间的各种相互作用,其中主要有静电作用、疏水作用和生物亲和作用。因此,分配系数是各种相互作用的和。 应用 双水相萃取自发现以来,无论在理论上还是实践上都有很大的发展。在最近几年中更为突出。双水相萃取技术已广泛应用于生物化学、细胞生物学、生物化工和食品化工等领域,并取得了许多成功的范例,在若干生物工艺过程中得到了应用,其中最重要的领域是蛋白质的分离和纯化,其应用举例如表所示。 双水相萃取技术可用于多种生活活性物质的分离和纯化,见下表:

注:PEG为聚乙二醇;dextran为葡聚糖。 此外双水相还可用于稀有金属/贵金属分离,传统的稀有金属/贵金属溶剂萃取方法存在着溶剂污染环境,对人体有害,运行成本高,工艺复杂等缺点。双水相技术萃取技术引入到该领域,无疑是金属分离的一种新技术。 液液萃取 原理 在欲分离的液体混合物中加入一种与其不溶或部分互溶的液体溶剂,经过充分混合,利用混合液中各组分在溶剂中溶解度的差异而实现分离的一种单元操作 液液萃取在工业上的应用 1、液液萃取在石油化工中的应用 ?分离轻油裂解和铂重整产生的芳烃和非芳烃混合物 ?用酯类溶剂萃取乙酸,用丙烷萃取润滑油中的石蜡 ?以HF-BF3作萃取剂,从C8馏分中分离二甲苯及其同分异构体 2、在生物化工和精细化工中的应用 ?以醋酸丁酯为溶剂萃取含青霉素的发酵液 ?香料工业中用正丙醇从亚硫酸纸浆废水中提取香兰素 ?食品工业中TBP从发酵液中萃取柠檬酸 3、湿法冶金中的应用 用溶剂LIX63-65等螯合萃取剂从铜的浸取液中提取铜

萃取操作规程及流程

一、实验目的 了解萃取的原理及应用,掌握其操作方法。 二、实验原理 萃取也是分离和提纯有机化合物常用的操作之一。应用萃取可以从固体或液体混合物中提取出所需要的物质,也可以用来洗去混合物中的少量杂质。前者通常称为“抽提”或“萃取”,后者称为“洗涤”。 1.基本原理 萃取是利用物质在两种不互溶(或微溶)溶剂中溶解度或分配比的不同来达到分离、提取或纯化目的的一种操作。假如某溶液由有机化合物X 溶解于溶剂A 而成,如果要从其中萃取X ,可选择一种对X 溶解度很大而与溶剂A 不相混溶和不起化学反应的溶剂B 。把该溶液放入分液漏斗中,加入适量溶剂B ,充分振荡。静置后,由于A 与B 不相混溶,分成上下两层。此时X 在A 、B 两相间的浓度比,在一定温度下为一常数,叫做分配系数,以K 表示,这种关系称为分配定律。可用公式表示如下: ()分配系数度 中的B 在溶剂Χ度中的A 在溶剂ΧK =浓浓 在萃取中,用一定量的溶剂一次萃取好还是分几次萃取好呢?通过下面的推导来说明这个问题。设在V mL 溶液中,溶解有m 0 g 的溶质(X ),每次用S mL 溶剂B 重复萃取。假如,第一次萃取后剩留在溶剂A 中的溶质(X )量为m 1 g ,则在溶剂A 和溶剂B 中的浓度分别为m 1/V 和(m 0-m 1)/S 。根据分配定律: ()K S m m V m =-101 或 S KV KV m m +=01 设萃取两次后溶质(X )在溶剂A 中剩余量为m 2 g ,则有 ()K S m m V m =-212 或 2 012??? ??+=+=S KV KV m S KV KV m m 显然,萃取n 次后溶质在溶剂A 中的剩余量m n 应为: n n S KV KV m m ??? ??+=0 在用一定量溶剂进行萃取时,我们希望在A 溶剂中剩余量越少越好,在上

多级可修备件库存的生灭过程建模与优化

多级可修备件库存的生灭过程建模与优化* 刘任洋1,李华1,李庆民2,熊宏锦3 (1. 海军工程大学 兵器工程系,湖北 武汉 430033;2. 海军工程大学 科研部,湖北 武汉 430033;3. 海军装 备部驻重庆地区军事代表局,重庆 400042 ) 摘要:V ARI-METRIC 模型是解决可修备件多级库存建模问题的主流方法,针对该模型在低可用度下结果不准确的问题,建立了基于生灭过程的任意等级任意层级可修件库存优化模型。首先通过各级站点、各类备件需求率与到达率的预测,对每个部件建立其生灭过程模型,并提出基于生灭过程的装备可用度计算方法。而后以整个保障系统的装备可用度为约束指标,以备件总购置费最低为目标,利用边际算法得到最优备件配置方案,并建立了仿真模型对所得优化方案进行评估与调整。最后结合算例,以仿真结果作为检验标准,选取权威的VMETRIC 软件与本文解析模型在优化性能、计算精度及适用性上进行了对比和说明,结果表明:无论解析模型还是VMETRIC 软件均存在一定的适用范围,而采用解析与仿真相结合的方法无疑具有更强的适应性。 关键词:生灭过程;可修复备件;可用度;库存优化;V ARI-METRIC 中图分类号:E911;TJ761.1;V125.7 文献标志码:A 文章编号: Modeling and optimization of multi-echelon inventory for repairable spares based on birth and death process LIU Renyang 1, LI Hua 1, LI Qingmin 2, XIONG Hongjin 3 (1. Department of Weaponry Engineering, Naval University of Engineering, Wuhan 430033, China ;2. Office of Research & Development, Naval University of Engineering, Wuhan 430033, China ;3. Military Representative Office of Naval Equipment Department in Chongqing, Chongqing 400042, China) Abstract: VARI-METRIC model is the main method to solve the problem of multi-echelon inventory modeling, for it is not accurate under the condition of low availability, the model of inventory optimization for multi-echelon multi-indenture repairable spares is built. Firstly, the birth and death process of each component are established by the prediction of demand rate and arrival rate of each spares in each sites; Then, computational method of availability is put forward based on birth and death process; With constrains of availability and objective of lowest cost, the optimal inventory distribution result is obtained by marginal algorithm and the simulation model is built to evaluate and adjust the result. In actual example, the analytic model and VMETRIC are compared and described in aspects of optimization performance, calculation precision and applicability by simulation verification, the results show that both analytic model and VMETRIC have certain scope of applicability and the method combined analytic model and simulation has stronger applicability. Keywords: birth and death process; repairable spares; availability; inventory optimization; V ARI-METRIC *收稿日期:2016-XX-XX 基金项目:国防预研项目基金(51304010206,51327020105) 作者简介:刘任洋(1989-),男,江西南昌人,博士研究生,E-mail :463572090@https://www.360docs.net/doc/b215085637.html, ; 李庆民(通信作者),男,教授,博士,博士生导师,E-mail :licheng001@https://www.360docs.net/doc/b215085637.html, 可修复性备件的配置问题是备件规划工作的重要环节。多级维修供应是较为科学的保障模式,目前国内外各军兵种大都采用该模式。由于装备使用现场的维修条件和备件储备能力有限,因此维修、备件储备及供应等保障活动在各级站点之间协调进行。从装备的全寿命周期角度看,由于可以得到包括工业部门或外部供应商在内的所有保障组织体系的支持,备件在供应过程中一般不存在实质性的消耗,具体表现为顶层站点具备较强的维修能力,能对所有故障件进行完全修复,或即使由于无法修复而报废但能通过采购方式得到补充。在这种没

正确理解泊松分布

正确理解泊松分布 很多人在上概率论这门课的时候就没搞明白过泊松分布到底是怎么回事,至少我就是如此。虽然那个时候大家都会背“当试验的次数趋于无穷大,而乘积np固定时,二项分布收敛于泊松分布”,大部分的教科书上也都会给出这个收敛过程的数学推导,但是看懂它和真正的理解还有很大距离。如果我们学习的意义是为了通过考试,那么我们大可停留在“只会做题”的阶段,因为试卷上不会出现“请发表一下你对泊松公式的看法”这样的题目,因为那样一来卷子就变得不容易批改,大部分考试都会出一些客观题,比如到底是泊松分布还是肉松分布。 而如果我们学习的目的是为了理解一样东西,那么我们就有必要停下来去思考一下诸如“为什么要有泊松分布?”、“泊松分布的物理意义是什么?”这样的“哲学”问题。 如果我们要向一个石器时代的人解释什么是电话,我们一定会说:“电话是一种机器,两个距离很远的人可以通过它进行交谈”,而不会说:“电话在18XX年由贝尔发明,一台电话由几个部分构成……”(泊松分布在18XX年由泊松提出,泊松分布的公式是……)所以我们问的第一个问题应该是“泊松分布能拿来干嘛?” 泊松分布最常见的一个应用就是,它作为了排队论的一个输入。什么是排队论?比如我们去每天食堂打饭,最头疼的一个问题就是排队,之所以要排队是因为食堂打饭的大叔有限,假设学校有1000个学生,而食堂恰好配了1000个大叔和打饭的窗口,那么就永远不会有人排队。但是出于经营成本方面的考虑食堂通常不会这么干,因此如何控制窗口的数量并且保证学生不会因为排队时间太长而起义是一门很高深的学问。 在一段时间t(比如1个小时)内来到食堂就餐的学生数量肯定不会是一个常数(比如一直是200人),而应该符合某种随机规律:比如在1个小时内来200 个学生的概率是10%,来180个学生的概率是20%……一般认为,这种随机规律服从的就是泊松分布。 也就是在单位时间内有k个学生到达的概率为: 其中为单位时间内学生的期望到达数。 问题是“这个式子是怎么来的呢?”——我们知道泊松分布是二项分布满足某种条件的一个特殊形式,因此可以先从简单的二项分布入手,寻找两者之间的联系。

萃取的原理过程及应用

萃取是在两个液相间进行。大部分萃取采用一个是水相。另一个是有机相。但有机相易使蛋白质等生物活性物质变性。最近,发现有一些高分子水溶液(如分子量从几千到几万的聚乙二醇硫酸盐水溶液)可以分为两个水相,蛋白质在两个水相中的溶解度有很大的差别。故可以利用双水相萃取过程分离蛋白质等溶于水的生物产品。例如用聚乙二醇(PEG Mr为6000)/磷酸钾系统从大肠杆菌匀浆中提取β-半乳糖苷酶。这是一个很有前途的新的分离方法,特别适用于生物工程得出的产品的分离。 萃取技术是一种分离技术,主要用于物质的分离和提纯,这里将介绍几种常用的萃取技术,有溶剂萃取、双水相萃取、凝胶萃取三种,本文将分别从它们的原理、过程及应用三方面介绍,这些技术广泛应用于分析化学、原子能、冶金、电子、环境保护、生物化学和医药等领域。 关键字溶剂萃取双水相萃取凝胶萃取原理过程应用

摘要--------------------------------------------------- 1 目录--------------------------------------------------- 2 一、溶剂萃取------------------------------------------ 3 1 原理-------------------------------------------- 3 2 过程-------------------------------------------- 5 3 应用-------------------------------------------- 5 二、双水相萃取---------------------------------------- 6 1 原理-------------------------------------------- 6 2 过程-------------------------------------------- 7 3 应用-------------------------------------------- 8 三、凝胶萃取------------------------------------------ 8 1 原理-------------------------------------------- 8 2 过程-------------------------------------------- 10 3 应用-------------------------------------------- 11 参考文献----------------------------------------------- 11

萃取原理

液液萃取原理 液液萃取是指两个完全不互溶或部分互溶的液相接触后,一个液相中的溶质经过物理或化学作用另一个液相,或在两相中重新分配的过程。如图 所示。 萃取操作示意图 几个概念: 1 原溶液:欲分离的原料溶液,原溶液中欲萃取组份称为溶质A, 其余称稀释剂B 2 溶剂S:为萃取A而加入的溶剂,也称萃取剂 3 萃取相:原溶剂和稀释剂混合萃取后,分成两相,含溶剂S较多 的一相; 4 萃余相:主含稀释剂的一相 5 萃取液:萃取相脱溶剂后的溶液 6 萃余液:萃余相脱溶剂后的溶液 萃取过程的条件: 1.两个接触的液相完全不互溶或部分互溶; 2.溶质组分和稀释剂在两相中分配比不同; 3.两相接触混合和分相;

4. 溶剂S 对A 和B 的溶解能力不一样,溶剂具有选择性,即 B A B A x x y y 其中:y 表示萃取相内组分浓度;x 表示萃余相内组分浓度。 上式表明:萃取相中A /B 的浓度比值应大于萃余相中A /B 的浓度比值。 典型工业萃取过程 1以醋酸乙酯为溶剂萃取稀醋酸水溶液中的醋酸,制取无水醋酸。 由于萃取相中含有水,萃余相中含有醋酸乙酯,所以萃取后产品和溶剂均须通过精馏分离实现。 2.以醋酸丁酯为溶剂萃取青霉素产品。 3.以环砜为溶剂从石油轻馏分中提取环烃; 4.以轻油为溶剂从废水中脱酚; 5.以丙烷为溶剂从植物油中提取维生素。 萃取过程的经济性 1 混合物的相对挥发度下或形成恒沸物,用一般精馏方法不能分离或很不经济; 2.混合物浓度很稀,采用精馏方法必须将大量稀释剂B 气化,能耗国道; 3 混合液含热敏性物质(如药物等),采用萃取方法精制可避免物料受热破坏。 萃取过程对萃取剂要求: ① 选择性好; ② 萃取容量大;

固相萃取基本原理与应用

一、固相萃取基本原理与操作 1、固相萃取吸附剂与目标化合物之间的作用机理 固相萃取主要通过目标物与吸附剂之间的以下作用力来保留/吸附的 1)疏水作用力:如C18、C8、Silica、苯基柱等 2)离子交换作用:SAX, SCX,COOH、NH2等 3)物理吸附:Florsil、Alumina等 2、pH值对固相萃取的影响 pH值可以改变目标物/吸附剂的离子化或质子化程度。对于强阳/阴离子交换柱来讲,因为吸附剂本身是完全离子化的状态,目标物必须完全离子化才可以保证其被吸附剂完全吸附保留。而目标物的离子化程度则与pH值有关。如对于弱碱性化合物来讲,其pH值必须小于其pKa值两个单位才可以保证目标物完全离子化,而对于弱酸性化合物,其pH值必须大于其pKa值两个单位才能保证其完全离子化。对于弱阴/阳离子交换柱来讲,必须要保证吸附剂完全离子化才保证目标物的完全吸附,而溶液的pH值必须满足一定的条件才能保证其完全离子化。 3、固相萃取操作步骤及注意事项 针对填料保留机理的不同(填料保留目标化合物或保留杂质),操作稍有不同。1)填料保留目标化合物 固相萃取操作一般有四步(见图1): ? 活化---- 除去小柱内的杂质并创造一定的溶剂环境。(注意整个过程不要使小柱干涸) ? 上样---- 将样品用一定的溶剂溶解,转移入柱并使组分保留在柱上。(注意流速不要过快,以1ml/min为宜,最大不超过5ml/min) ? 淋洗---- 最大程度除去干扰物。(建议此过程结束后把小柱完全抽干)? 洗脱---- 用小体积的溶剂将被测物质洗脱下来并收集。(注意流速不要过快,以1ml/min为宜) 如下图1:

马尔可夫过程

马尔可夫过程 马尔科夫过程和马尔可夫过程是同义词,已合并。 一类随机过程。它的原始模型马尔可夫链,由俄国数学家A.A.马尔可夫于1907年提出。该过程具有如下特性:在已知目前状态(现在)的条件下,它未来的演变(将来)不依赖于它以往的演变( 过去) 。例如森林中动物头数的变化构成——马尔可夫过程。在现实世界中,有很多过程都是马尔可夫过程,如液体中微粒所作的布朗运动、传染病受感染的人数、车站的候车人数等,都可视为马尔可夫过程。关于该过程的研究,1931年A.H.柯尔莫哥洛夫在《概率论的解析方法》一文中首先将微分方程等分析的方法用于这类过程,奠定了马尔可夫过程的理论基础。资料个人收集整理,勿做商业用途 目录 1名词定义资料个人收集整理,勿做商业用途 2形成过程资料个人收集整理,勿做商业用途 1. 2.1 时间链资料个人收集整理,勿做商业用途 2. 2.2 连续时间资料个人收集整理,勿做商业用途 3. 2.3 生灭过程资料个人收集整理,勿做商业用途 4. 2.4 一般过程资料个人收集整理,勿做商业用途 3扩散过程资料个人收集整理,勿做商业用途 1名词定义 在马尔可夫性的定义中,"现在"是指固定的时刻,但实际问题中常需把马尔可夫性中的“现在”这个时刻概念推广为停时(见随机过程)。例如考察从圆心出发的平面上的布朗运动,如果要研究首次到达圆周的时刻τ以前的事件和以后的事件的条件独立性,这里τ为停时,并且认为τ是“现在”。如果把“现在”推广为停时情形的“现在”,在已知“现在”的条件下,“将来”与“过去”无关,这种特性就叫强马尔可夫性。具有这种性质的马尔可夫过程叫强马尔可夫过程。在相当一段时间内,不少人认为马尔可夫过程必然是强马尔可夫过程。首次提出对强马尔可夫性需要严格证明的是J.L.杜布。直到1956年,才有人找到马尔可夫过程不是强马尔可夫过程的例子。马尔可夫过程理论的进一步发展表明,强马尔可夫过程才是马尔可夫过程真正研究的对象。资料个人收集整理,勿做商业用途

相关文档
最新文档