Процесс рождения и гибели: модель и примеры

Процесс рождения и гибели - это случайная модель, в которой число объектов меняется по одному: заявка поступает или уходит, особь появляется или погибает. Названия переходов условны: модель применима и к очередям, и к популяциям. Важно, что состояние известно в каждый момент времени, а скорость следующего перехода определяется текущим числом объектов.
Ниже разберём правила модели и расчёт равновесия. Для начала измените интенсивности в калькуляторе: он показывает распределение числа заявок в системе вместимостью пять мест. Это учебная очередь, а не данные наблюдений.
Состояния и соседние переходы
Пусть - число объектов в момент . Возможные состояния - или конечный набор до предельного числа . Из состояния рождение переводит систему в , гибель - в . При нуле уходить вниз нельзя. В очереди под состоянием понимают число заявок во всей системе, включая ту, которую сейчас обслуживают.
Это лишь иллюстрация допустимого пути: длины остановок здесь не являются результатом случайного эксперимента. Чтобы ролик повторялся, показанный путь возвращается к нулю; реальные траектории не обязаны возвращаться по тому же маршруту.
Свойство Маркова означает, что при известном текущем состоянии прошлое не даёт дополнительной информации о будущем распределении. Похожая идея используется в цепях Маркова, но здесь время непрерывно: переход может произойти в любой момент, а не только на очередном дискретном шаге.
Что означают интенсивности
Обозначим интенсивность рождения в состоянии через , а гибели - через . За малый промежуток при условии вероятности одиночных переходов имеют вид
Вероятность двух и более скачков за этот малый интервал имеет порядок . Интенсивность измеряется в обратных единицах времени: например, в час - не вероятность, а параметр скорости. В состоянии время до ближайшего перехода экспоненциально с параметром , если сумма положительна. Среднее ожидание равно обратной величине; направление скачка выбирается с вероятностями, пропорциональными интенсивностям. Если обе интенсивности равны нулю, состояние поглощающее.
В простейшей очереди независимые приходы образуют пуассоновский поток с интенсивностью , а длительности обслуживания независимы и экспоненциальны с параметром . О том, как устроен счёт независимых событий за интервал, рассказывает статья про распределение Пуассона. Здесь же нас интересует совместное действие приходов и уходов.
Уравнения Колмогорова
Положим . Вероятность состояния меняется из-за входящих и исходящих потоков. Для получаем
Первые два слагаемых отвечают переходам в из соседних состояний, последнее - уходу из . На нижней границе отдельное уравнение:
Для конечной системы верхнюю границу также учитывают отдельно: при интенсивность рождения равна нулю. Вместе с начальными вероятностями и условием эти уравнения описывают изменение распределения во времени. Сами уравнения и баланс потоков можно сверить с конспектом Даремского университета.
Стационарное распределение и баланс
Стационарное распределение не меняется со временем, если система изначально распределена именно так. В нём производные равны нулю. Для обычной цепочки соседних переходов баланс между состояниями даёт
Левая часть - средний поток вверх через границу между и , правая - поток вниз. Если все необходимые интенсивности положительны, из равенства последовательно получаем
Затем выбирают из условия суммы вероятностей, равной единице. Для бесконечного числа состояний эта сумма весов может расходиться: тогда нормировать найденные веса нельзя. Конечная невырожденная цепь с положительными соседними интенсивностями имеет единственное стационарное распределение. При нулевых интенсивностях нужно отдельно исследовать замкнутые классы состояний.
Пример: очередь на пять мест
Пусть заявки приходят с интенсивностью в час, а один прибор обслуживает с интенсивностью в час. Всего в системе помещается заявок, включая обслуживаемую. Когда все места заняты, новая заявка отклоняется: поэтому . В остальных состояниях ; при имеем , а .
Положим . Из баланса следует для . Нормировка даёт
Значит, система пуста примерно 36,54 % времени, а полностью занята с вероятностью , то есть около 4,81 %. Среднее число заявок, включая обслуживаемую, равно .

При равных интенсивностях все шесть весов одинаковы, поэтому каждая вероятность равна . Конечная вместимость сохраняет нормируемость и при : заявки просто чаще находят систему полной. Для независимого пуассоновского потока доля отклонённых заявок также равна ; это требует свойства пуассоновских приходов, а не следует из одной только картинки. Сравнение сделано при установившемся режиме, без прогноза конкретной очереди в заданный момент.
Как читать баланс на практике
Рассмотрим границу между пустой системой и состоянием с одной заявкой. Пустая система встречается с вероятностью около 0,3654. Умножив её на интенсивность прихода два в час, получим поток из нуля в единицу примерно 0,731 перехода в час. В обратную сторону вероятность одной заявки около 0,2436 умножается на интенсивность обслуживания три в час. Получается та же величина с точностью округления. Равенство потоков не говорит, что каждый пришедший клиент сразу же уйдёт: оно относится к среднему числу переходов через границу за единицу времени в стационарном режиме.
Аналогично проверяют и другие соседние пары. Когда на входе находятся пять заявок, новые приходы происходят, но не меняют состояния: они отклоняются. Поэтому на схеме нет стрелки в состояние шесть. Через нижнюю границу обслуживание также не создаёт перехода, если клиентов нет. Эта аккуратность помогает не включить в уравнение вероятность несуществующего состояния и не перепутать попытку прихода с принятым приходом.
От начального состояния к равновесию
Предположим, что прибор только включили и система пуста. В начальный момент вероятность нуля равна единице, а остальных состояний - нулю. Значения на графике калькулятора к этому моменту ещё не относятся: они отвечают установившемуся распределению. Через некоторое время поступления и завершения обслуживания изменят вероятности, а для конечной очереди с положительными интенсивностями распределение со временем приблизится к стационарному.
Скорость приближения не определяется только отношением интенсивностей. Если умножить обе интенсивности на одно и то же положительное число, стационарные вероятности останутся прежними, но физические часы процесса ускорятся. Поэтому для вопроса «сколько заявок будет через десять минут» недостаточно знать лишь отношение прихода к обслуживанию: нужны обе скорости, начальное состояние и расчёт переходного распределения.
Бесконечная очередь и другие модели
Если убрать ограничение мест, но оставить один прибор и постоянные интенсивности, получится очередь . Тогда геометрический ряд нормируется только при :
Например, при тех же и в час среднее равно , а не : в бесконечной модели нет отсечения на пятой заявке. При стационарного распределения вероятностей у этой бесконечной очереди нет. Граница и предположения о потоке принципиальны; обзор модели очереди дан в учебных материалах NPTEL.
Интенсивности могут зависеть от состояния. Например, в линейной модели популяции , : каждая из особей независимо вносит свой вклад в суммарную скорость. При нуле обе интенсивности равны нулю, поэтому без иммиграции вымершая популяция не восстановится. Равновесие такой модели нельзя автоматически заменить геометрической формулой очереди. Если нужно уточнить смысл вероятности при фиксированном состоянии, полезно вернуться к условной вероятности.
Как решать задачу по шагам
Сначала определите, что именно считает состояние: всех клиентов в системе или только ожидающих. Нарисуйте допустимые числа и обозначьте обе границы. Затем выпишите интенсивности для каждого перехода: одинаковое обозначение не означает, что уход возможен из пустого состояния. Если приборов несколько, суммарная интенсивность обслуживания обычно меняется с числом занятых приборов.
Далее установите, что требуется найти. Для вероятностей в конкретный момент запишите систему дифференциальных уравнений и начальное распределение. Для стационарного режима проверьте существование нормировки, решите уравнения баланса и проверьте сумму вероятностей. После вычисления полезно оценить смысл ответа: все вероятности должны лежать между нулём и единицей, а среднее для системы на пять мест - между нулём и пятью. Распределение позволяет также получить вероятность события суммированием подходящих состояний; связь с общей функцией распределения случайной величины помогает различать отдельную вероятность и накопленную сумму.
Частые ошибки
- Принимать интенсивность за вероятность. Величина имеет единицы времени; вероятность скачка за малое приблизительно равна .
- Забывать про границы. Из нуля нет перехода в минус один, а в полной конечной очереди нет принятого прихода.
- Путать число в очереди с числом в системе. Здесь обслуживаемая заявка входит в и занимает одно из пяти мест.
- Применять стационарную формулу без проверки. Для бесконечной очереди нужно ; для переходного режима нужны также начальные условия и время.
FAQ
Процесс обязательно описывает живые организмы?
Нет. «Рождение» означает увеличение счётчика на единицу, а «гибель» - уменьшение. Это могут быть запросы к серверу, занятые приборы или особи.
Почему стационарность не означает неподвижность?
Отдельная траектория продолжает прыгать между состояниями. Не меняется лишь распределение вероятностей, если начальное распределение стационарно.
Что будет при равных интенсивностях в конечной очереди?
Для очереди с одним прибором и пятью местами все шесть состояний равновероятны. В бесконечном варианте такой набор одинаковых весов нормировать нельзя.
Коротко
Процесс рождения и гибели - марковская модель с переходами между соседними целочисленными состояниями. Интенсивности задают скорости скачков, уравнения Колмогорова описывают изменение вероятностей, а баланс и нормировка позволяют найти стационарный режим при подходящих условиях.
Читайте также

Цепь Маркова: стационарное распределение
Как найти стационарное распределение цепи Маркова по матрице переходов: пример для двух состояний, проверка баланса и условия сходимости с разбором ошибок.

Абсолютная пропускная способность СМО: формула
Как найти абсолютную пропускную способность СМО через интенсивность потока и вероятность отказа: формула, пример расчёта и отличие от относительной способности.

Уравнения Чепмена-Колмогорова: как связаны переходы
Уравнения Чепмена-Колмогорова простыми словами: как из переходов за n и m шагов получить переход за n+m, дискретная и непрерывная формы, связь с матрицей и стационарным распределением.

Процесс Орнштейна-Уленбека: средневозвратная диффузия
Процесс Орнштейна-Уленбека: средневозвратная диффузия, её стохастическое уравнение, среднее и дисперсия, стационарное распределение, автокорреляция и связь с уравнением Ланжевена.

Бесповторный отбор: формулы и пример расчёта
Бесповторный отбор в статистике: как меняются вероятности, рассчитать состав случайной выборки и учесть конечную совокупность на примере контроля партии.

Логит-модель: формула, пример и смысл коэффициентов
Как логит-модель описывает бинарный выбор: формула вероятности, шансы и отношение шансов, расчёт на примере дохода, оценивание и границы интерпретации.