Маркированные точечные поля

Стохастические (вероятностные модели)

ЛЕКЦИЯ 16

Под словом поток в зависимости от контекста понимают либо среднее число J автомобилей в единицу времени, пересекающих сечение транспортного пути в данном направлении, либо статическую случайную конфигурацию... < xi < xi−1 <... автомобилей в данный момент времени, но можно понимать его динамически как меру на множестве траекторий {xi(t)} автомобилей.

Максимально детальное описание расположения автомобилей в данный момент времени таково. Автомобиль индивидуален и ему присваивается некий индекс α. Например, пусть есть автотрасса с k полосами 1, 2,..., k, представляемая k прямыми, параллельными оси x. Тогда индекс α = (m, i) выделяет i-й автомобиль на полосе m. Индекс i нумерует автомобиль на полосе, так что автомобиль i следует за автомобилем i − 1.

Пусть dα — длина этого автомобиля, xα(t) — его координата (например, переднего бампера). Автомобили движутся в положительном направлении оси x. Далее индекс полосы опускается — читатель может его добавлять где надо — и используем только индекс i.

Обозначим расстояние автомобиля i до предыдущего автомобиля в реальном потоке в момент t через

Формально точечный случайный поток на прямой задается вероятностной мерой на множестве всех счетных локально конечных (то есть конечных на каждом ограниченном интервале) подмножеств прямой. Иначе говоря, задается согласованной системой вероятностей P(I₁, k₁;...; I_n, k_n) того, что в интервалах I_j, j = 1,..., n находится ровно k_j частиц.

Для более конкретного задания этих распределений существует две большие науки: теория восстановления) и теория гиббсовских точечных полей. Первая теория существенно проще, но годится только в одномерном случае. Вторая глубоко связана с физикой, годится и для многомерных ситуаций, но довольно сложна, и мы не будем ее здесь касаться.

Самый простой случайный поток пуассоновский.. Простейший способ его понять такой. Рассмотрим интервал [−N, N] и бросим на него независимо и случайно (точнее равномерно) M = [ρN] точек, где ρ > 0 — некоторая константа, называемая плотностью. Легко вычислить биномиальную вероятность P_N,M(k, I) того, что в конечный интервал I попадет ровно k точек. Последняя при N → ∞ стремится к пуассоновскому выражению

Для определения трансляционно-инвариантного потока на всей прямой остается одна проблема — где разместить начальную точку потока, от которой откладывать независимые величины налево и направо. Для этого надо воспользоваться следующим (одним из основных) утверждением теории восстановления. Пусть P(t, t + ∆t) — вероятность того, что в интервал (t, t + ∆t) попадет ровно одна точка xn. Тогда если ξi имеют плотность, то на полупрямой предел lim_∆t→0 ¹/_∆t P(t, t + ∆t) существует и стремится при t → ∞ к ρ = (Eξ)⁻¹.

Предельная (при t → ∞) плотность вероятности того, что расстояние от точки t до первой случайной точки xi > t больше s, равна произведению ρ на вероятность того, что ξ_i = x_i − x_i+1 > s, то есть равна ρ(1 − G(s)).

Поэтому первую после начала координат точку потока следует взять на случайном расстоянии с этой плотностью. Расстояния же между точками будут по-прежнему независимыми от функции распределения G(x).

Дата добавления: 2013-12-13