l12-tfa catene di markov nuovi lucidi -...
TRANSCRIPT
![Page 1: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/1.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI “Frequenza” dei guasti:
0 T
0 T
N GUASTI
Δ
TN
=λ
∆!
•
![Page 2: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/2.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI
• Campionando il tempo con il passo Δ :
Regolare Guasto
P G( )
11- ( )P G
(Sistema non soggetto a manutenzioni)
![Page 3: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/3.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI
Regolare Guasto
P G( )
P M( ) 1-P(M)
1- ( )P G • : probabilità che il sistema sia riparato nell’intervallo successivo al guasto.
1- ( )p G 0.99
G
=
G
R
R p G( ) 0.01
p M( ) 0.85 -p(M)1 0.15
P : MATRICE DELLE PROBABILITA’ DI TRANSIZIONE : vettore di stato = [ ]x x R GT
![Page 4: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/4.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Esempio: SATELLITI e GUASTI
C: in funzionamento corretto
L: in guasto a lungo termine
B: in guasto a breve termine
M: in manovra
C B
B
B
L L
L
M
M
M
q
q
qp p
p
q
![Page 5: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/5.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Catene di Markov – Premessa
PROCESSI STOCASTICI X(t)
TEMPO-CONTINUI (“A PARAMETRO
CONTINUO”
TEMPO-DISCRETI: t è un insieme di
valori discreti - esempio:
A valori continui
A valori discreti o “STATI”:
![Page 6: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/6.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Catene di Markov – Cenni Storici
Le catene di Markov sono particolari processi a valori discreti, o
“stati”, introdotti da Andrei A. Markov (1856‐1922), allievo di
Tschebyshev. Il loro studio si è diffuso dalla metà del Novecento
per le applicazioni ai Sistemi fisici, biologici, sociali, economici in
cui le probabilità di un evento dipendono dal risultato
immediatamente precedente.
![Page 7: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/7.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Catene di Markov • Un particolare tipo di processo a valori discreti è costituito
dalle catene di Markov, in cui il processo può assumere un
valore (lo stato del processo) all’interno di un dato insieme
finito o numerabile.
• Il processo è definito mediante le probabilità di passare da uno
stato ad un altro (probabilità di transizione).
![Page 8: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/8.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Catene di Markov tempo-discreto
La sequenza di variabili aleatorie: 1 2X ,X ,... forma una
catena di Markov tempo‐discreta se per ogni n (n = 1, 2,…) e
per tutti valori possibili delle variabili aleatorie 1 2X ,X ,... si
ha:
n 1 1 2 2 n 1 n 1
n n 1 n 1
P X j X i ,X i ,...,X i
P X j X i− −
− −
⎡ ⎤= = = = =⎣ ⎦⎡ ⎤= = =⎣ ⎦
cioè se la probabilità che lo stato del processo all’istante n sia
j dipende solamente dallo stato all’istante precedente n‐1.
![Page 9: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/9.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Catene di Markov omogenee Una catena di Markov è omogenea se le probabilità di transizione
(passaggio da uno stato ad un altro) sono costanti (non
dipendono dal tempo).
Nel seguito consideriamo il caso omogeneo.
![Page 10: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/10.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Catena di Markov tempo-continua
Un processo ( )X t a valori interi non negativi è una catena di
Markov tempo‐continua se, per ogni s:
( ) ( ) ( ){ }( ) ( ){ }
P X t s j X t i, X l
P X t s j X t i
+ = = μ = =
= + = = 0 t≤ μ <
s
0 μ t t+s tempo
![Page 11: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/11.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Esempio di una catena di Markov a 4 stati (A,B,C,D)
A B
CD
0.30.3
0.9
0.1
0.2
0.8
0.4
. . .
. .. .
0 3 0 3 0 4 00 0 0 1 0 90 8 0 0 0 20 0 0 1
⎡ ⎤⎢ ⎥⎢ ⎥=⎢ ⎥⎢ ⎥⎣ ⎦
P Matrice di transizione
1
![Page 12: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/12.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
La Matrice di Transizione • La somma delle probabilità di transizione da un generico stato
verso tutti gli altri e verso se stesso deve essere pari ad 1:
N
ijj 1
P 1 i=1,2,3,...,N=
=∑
essendo N il numero di stati del processo.
• Una matrice con queste caratteristiche (somma unitaria degli
elementi di ogni riga) è detta stocastica.
• Equivalentemente:
P u = u con u =[1,1...1]T
![Page 13: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/13.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Esempio: Contatore
0 1 1 0t
1 2 M
FINESTRA NEL TEMPO
![Page 14: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/14.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Esempio: Contatore (segue)
L L M0 1 11 2
q q q q
p p p
Esempio: M = 1000, L1 = 480, L2 = 520
1 ···
NB: = probabilità dello stato j
qqp
ppq
0
00
0 1
P =
![Page 15: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/15.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
La Matrice di Transizione a 2 passi
( )N
2ij ik kj
k 1
P P P=
=∑
La matrice delle probabilità di transizione a due passi ( )2P ,
costituita da tutti gli elementi ( )2
ijP , si ottiene come prodotto
(righe x colonne) delle matrice delle probabilità di transizione
per se stessa:
( )2 2= ⋅ =P P P P
![Page 16: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/16.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
La Matrice di Transizione a n passi Per la generica probabilità di transizione a tre passi:
( ) ( )N
3 2ij ik kj
k 1
P P P=
=∑
( ) ( )3 2 2 3= ⋅ = ⋅ =P P P P P P
Più in generale, indicando con ( )n
ijP :
( ) { }nij n m mP P X j X i+= = =
La matrice ( )nP di elementi ( )n
ijP si ottiene moltiplicando P
per se stessa n‐1 volte:
( )n n=P P
![Page 17: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/17.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
La Matrice di Transizione
• Le espressioni utilizzate del tipo:
( ) ( ) ( )N
n m n mij ik kj
k 1
P P P+
=
=∑
sono chiamate equazioni di Chapman‐Kolmogorov.
• Per ricavare le probabilità degli stati del processo
all’istante n occorre conoscere le probabilità dello stato
iniziale.
![Page 18: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/18.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Probabilità degli Stati all’istante n
Se si dispongono delle probabilità iniziali (i 1,2,...,N= ):
}{i 1P X iα = =
le probabilità degli stati all’istante n si ottengono mediante il
Teorema della Probabilità Totale:
{ } { } { } ( )N N
nn 1 n 1 i ij
i 1 i 1
P X j P X i P X j X i P= =
= = = ⋅ = = = α∑ ∑
![Page 19: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/19.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Probabilità degli Stati all’istante n
Se il vettore (trasposto) delle probabilità di stato è:
( ) }{ }{ }{, ,...,Tn
n n nx P X 1 P X 2 P X N⎡ ⎤ ⎡ ⎤= = = =⎣ ⎦⎣ ⎦
si ha:
( ) ( )T Tn n 1x x −⎡ ⎤ ⎡ ⎤= ⋅⎣ ⎦ ⎣ ⎦ P
e quindi:
( ) ( ) ( )T Tn 1 nx x⎡ ⎤ ⎡ ⎤= ⋅⎣ ⎦ ⎣ ⎦ P
![Page 20: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/20.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Il concetto di Raggiungibilità
• Uno stato j è raggiungibile da uno stato i se esiste almeno
un istante n tale che ( )n
ijP 0> .
• Un insieme C di stati si dirà chiuso se da stati appartenenti
a C non è possibile raggiungere stati esterni a C.
Nella matrice delle probabilità di transizione:
ijP 0= i C, j C∀ ∈ ∀ ∉ .
![Page 21: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/21.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
STATI RICORRENTI E TRANSITORI
• Lo stato è transitorio se esiste uno stato
raggiungibile da , mentre non è raggiungibile da .
• Lo stato è ricorrente se:
cioè, se non è transitorio.
![Page 22: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/22.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Il concetto di Stato Assorbente • Se l’insieme C è costituito da un singolo stato, questo si
chiama assorbente. Per il generico stato assorbente si ha quindi:
iiP 1= ijP 0= j i∀ ≠
A
B C
DE 1 p
Uno stato assorbente è transitorio.
La figura mostra una Catena di Markov con un insieme chiuso (B,
C, D) ed uno stato assorbente E.
![Page 23: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/23.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Catena di Markov Regolare
• Se esiste un numero finito m tale che in m passi tutti gli
stati sono raggiungibili a partire da qualsiasi stato, cioè:
( )mijP 0> i, j∀ ∀
la catena viene detta regolare.
• Per una catena regolare esiste quindi almeno una potenza
della matrice delle probabilità di transizione i cui elementi
sono tutti non nulli.
![Page 24: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/24.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Teorema di Markov Ci sono condizioni sotto le quali le probabilità di stato
convergono al passare del tempo (esistono finiti i limiti):
{ }nnlim P X j j 1,...,N→∞
= =
Tali condizioni sono date dal Teorema di Markov:
Se la catena è regolare (cioè esiste un m tale che ( )m
ijP 0> i, j∀ ∀ ), allora esistono delle quantità jπ tali che:
( )nij jn
lim P→∞
= π , ,...,i 1 2 N∀ =
![Page 25: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/25.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Vettore Limite delle Probabilità di Stato
Le probabilità di stato jμ , per n che tende ad infinito, a
partire dallo stato iniziale i‐esimo avente probabilità iα
i 1,2,...,N= , si ottengono dalle relazioni:
( ) { } ( )
( )
Nnn
j n i ijn n ni 0
N N Nn
i ij i j j i jni 0 i 0 i 0
lim x lim P X j lim P
lim P
→∞ →∞ →∞=
→∞= = =
= μ = = = α =
= α ⋅ = α π = π α = π
∑
∑ ∑ ∑
cioè sono uguali alle probabilità limite di transizione.
![Page 26: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/26.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Vettore Limite delle Probabilità di Stato
Il vettore limite delle probabilità di stato π deve essere, per
le sue caratteristiche, invariante, cioè tale che (in virtù della
relazione già vista ( ) ( ) ( )T Tn 1 nx x⎡ ⎤ ⎡ ⎤= ⋅⎣ ⎦ ⎣ ⎦ P ) sia:
T TPπ ⋅ = π
π può essere determinato risolvendo il sistema di equazioni
lineari corrispondente a questa relazione di invarianza.
![Page 27: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/27.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
ESEMPIO DI VETTORE LIMITE
1-p
;P = x =x
x
p
M M
G G
p -p1
1
2
Con
Risolvendo
G Gcioè
![Page 28: L12-TFA Catene di Markov nuovi lucidi - 160.80.86.174160.80.86.174/wordpress/wp-content/uploads/2015/11/L12-TFA-Catene... · SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI](https://reader031.vdocuments.mx/reader031/viewer/2022022113/5c664c2709d3f230488be3a9/html5/thumbnails/28.jpg)
Università di Roma “Tor Vergata” Corso di Teoria dei Fenomeni Aleatori, AA 2012/13
Docente Prof. Gaspare Galati
Applicazioni
• Processi di Nascita e Morte
• Teoria delle file di attesa (teoria delle code)
• Molte altre