Процесс восстановления: теория и примеры

Процесс восстановления в теории вероятностей описывает повторяющиеся события с независимыми одинаково распределёнными промежутками между ними. Например, лампу после отказа сразу меняют на новую, а затем считают замены за заданное время. Сколько замен произойдёт, заранее неизвестно; зато можно изучать их распределение и среднее число. Калькулятор ниже показывает частный случай с экспоненциальными сроками службы: измените средний интервал и продолжительность наблюдения, чтобы увидеть результат.
Что такое процесс восстановления
Пусть в момент ноль установлена новая деталь. Она работает случайное время , после отказа её мгновенно заменяют; следующая работает время и так далее. Считаем, что времена независимы, имеют одно распределение и строго положительны. Каждая замена запускает новый цикл с тем же законом продолжительности. Это математическая модель: одинаковый закон может перестать подходить, если меняются условия эксплуатации или поставщик деталей.
Слово «восстановление» здесь означает наступление очередного события и начало нового цикла. Оно не требует, чтобы прежнюю деталь физически отремонтировали. В той же схеме событием может быть прибытие заявки, завершение ремонта или повторное обращение, если интервалы между событиями удовлетворяют принятым предположениям.
На видео показана одна выбранная последовательность интервалов, а не среднее и не статистический прогноз. На обратном ходе число уменьшается только потому, что мы возвращаемся к более ранним моментам записи: в реальном времени счётчик не убывает.
Моменты событий и счётчик
Момент -й замены равен сумме первых интервалов:
Счётчик равен числу замен, произошедших к моменту включительно:
Начальную установку при за замену не считаем. Если событие произошло точно в момент наблюдения, оно входит в счётчик. Например, для интервалов , , , и часа события приходятся на моменты , , , и часов. Поэтому на четвёртом часу . Эта конкретная траектория выбрана для иллюстрации; она не определяет распределение времени службы.
По определению событие равносильно : чтобы состоялось хотя бы замен, сумма первых сроков должна уложиться в доступное время. Отсюда можно найти вероятности через распределения сумм. Методы вычисления таких распределений разобраны в статье о сумме независимых случайных величин.
Функция восстановления
Отдельная реализация даёт целое число замен. Усреднив счётчик по множеству независимых повторений опыта, получим функцию восстановления:
Сумма следует из представления неотрицательного целочисленного счётчика через вероятности превышения порогов. Величина может быть дробной, даже если в каждом отдельном опыте замены считаются целыми числами. Она показывает среднее число событий к моменту , а не вероятность события и не время очередной замены.
Обозначим через общий закон интервалов. Тогда задаётся -кратной свёрткой этого закона. Подробнее о смысле и работе с вероятностями на временных интервалах - в статье о функции распределения.
Чтобы получить вероятность ровно двух замен к выбранному моменту, рассмотрим два соседних порога: вторая замена уже произошла, а третья ещё нет. Поэтому вероятность равна разности вероятности хотя бы двух замен и вероятности хотя бы трёх. Такой способ работает и без экспоненциального распределения, если известны распределения сумм двух и трёх интервалов. При этом интервалы не следует складывать как вероятности: сначала находят закон суммы сроков службы, а затем вероятность того, что сумма не превысила горизонт наблюдения.
Функция восстановления собирает такие вероятности для всех возможных номеров событий. На практике для вычисления суммы иногда достаточно ограничиться теми номерами, вероятность достижения которых за данный горизонт заметна; для строгой точности нужно также оценить отброшенный хвост. Чем короче возможные интервалы, тем больше слагаемых может потребоваться. Поэтому простая схема определения ещё не означает, что ответ всегда легко получить вручную.
Уравнение восстановления
Условимся по времени первой замены. Если она случилась в момент , то добавляет одну замену, а после неё на оставшемся промежутке процесс начинается заново. Поэтому
Первое слагаемое учитывает саму первую замену, второе - среднее число последующих. Интеграл по распределению применим и к дискретным срокам службы. Если существует плотность , то . Это рекурсивное соотношение полезно, когда нужно получить среднее на конечном горизонте, а не только оценить поведение при больших . Его вывод и предельные результаты изложены в конспекте MIT по процессам восстановления.
Пример: экспоненциальные интервалы
Пусть средний срок службы равен часа, а каждый интервал экспоненциален с интенсивностью в час. Тогда процесс замен - пуассоновский, и для любого :
За четыре часа среднее число замен равно . Вероятность того, что замены не потребуется, равна , или 13,5 %. Этот результат говорит о доле опытов без замен; он совместим с тем, что среднее по всем опытам равно двум. Подробнее о вероятностях отдельных значений счётчика - в статье про распределение Пуассона.

Золотая точка на графике относится к среднему, тогда как три события в примере с видео относятся к одной реализации. Противоречия нет: траектории могут давать разные результаты. Формула прямой точна при выбранном экспоненциальном законе, но для общего закона интервалов среднее обычно не равно при каждом конечном .
Предельная частота событий
Если средний интервал конечен и положителен, элементарная теорема восстановления утверждает:
Иными словами, на длинном горизонте среднее число событий на единицу времени стремится к обратному среднему интервалу. Для часа предельная средняя частота равна замены в час. Это утверждение о пределе отношения: оно не обещает точное равенство для произвольного распределения и малого времени.
Например, при постоянном интервале ровно два часа и совпадает с этим ступенчатым счётчиком. При среднее равно единице, хотя . Долгосрочная частота тем не менее стремится к . Чтобы сравнить законы с одним средним, полезно также изучить их разброс: он связан с центральными моментами.
Время с последнего события и время до следующего события - разные случайные величины. Если заглянуть в систему в произвольный момент, текущий интервал уже может длиться некоторое время. Его остаток вообще говоря не обязан иметь исходное распределение целого интервала. Особенность экспоненциального закона состоит в отсутствии памяти: при условии, что отказ ещё не произошёл, распределение оставшегося времени совпадает с исходным. Для постоянного срока службы это очевидно не так: чем дольше деталь уже работала, тем меньше остаётся до плановой замены. Это различие важно, когда задача спрашивает не количество событий, а время ожидания следующего.
Как применить модель к задаче
Сначала определите событие и начало отсчёта: например, отказ с мгновенной заменой и установку новой детали в нулевой момент. Затем проверьте, разумны ли независимость и одинаковое распределение сроков. Если ремонт занимает существенное время, его нужно включить в определение цикла или построить другую модель; время работы системы и время между началами циклов тогда различаются.
Далее выберите вопрос. Для вероятности отсутствия события нужна вероятность . Для среднего числа событий на конечном промежутке пригодны свёртки или уравнение восстановления. Для долгосрочной средней частоты при конечном среднем достаточно элементарной теоремы. Средний срок сам по себе не определяет все конечновременные вероятности: два разных распределения с одинаковым средним могут давать разные ответы. При анализе реальных данных полезно отдельно проверить, не меняется ли закон после ремонта и нет ли общей причины отказов. Например, одинаковая перегрузка может сделать соседние интервалы зависимыми. Тогда формулы стандартной модели нельзя применять без дополнительного обоснования. Ещё одна деталь - граница наблюдения: нужно заранее договориться, учитывать ли событие ровно в момент остановки часов. В этой статье оно включено в счётчик.
Частые ошибки
- Считать установку в нулевой момент заменой. В выбранном определении ; другая договорённость сдвинет счётчик на единицу.
- Принимать среднее за результат каждого опыта. усредняет случайный счётчик и может быть дробным.
- Считать всякий процесс восстановления пуассоновским. Для пуассоновского случая нужны экспоненциальные интервалы; независимости и одинакового закона недостаточно.
- Применять предельную формулу как точную при любом . Для конечного горизонта важна форма распределения интервала.
FAQ
Чем процесс восстановления отличается от пуассоновского?
Пуассоновский процесс с положительной интенсивностью - частный случай процесса восстановления с независимыми экспоненциальными интервалами. В общем случае интервалы могут иметь другой закон.
Что означает дробное среднее число замен?
Это среднее по многим повторениям. Например, результаты одна и две замены в равных долях дают среднее , хотя дробной замены в отдельном опыте нет.
Всегда ли частота равна обратному среднему интервалу?
Элементарная теорема даёт это значение как предел средней частоты при независимых одинаково распределённых интервалах с конечным положительным средним. Для конечного времени точное равенство зависит от закона.
Коротко
Процесс восстановления строится из независимых одинаково распределённых интервалов: суммы задают моменты событий, а считает события к моменту . Функция описывает среднее число событий, её уравнение учитывает первый цикл и оставшееся время. При экспоненциальных интервалах точно; для общего закона это соотношение описывает лишь долгосрочный темп.
Читайте также

Распределение Пуассона: свойства, формула и моменты
Распределение Пуассона: свойства закона редких событий, формула вероятности, математическое ожидание и дисперсия, аддитивность, связь с биномиальным и экспоненциальным законами, примеры расчётов.

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.

Дивергенция Кульбака-Лейблера: смысл и расчёт
Дивергенция Кульбака-Лейблера простыми словами: формула и пример расчёта для двух исходов, асимметрия, нулевые вероятности и связь с энтропией и обучением моделей.

Геометрическая вероятность: задача о встрече
Как решить задачу о встрече через геометрическую вероятность: квадрат времён прихода, область встречи, расчёт для ожидания 15 минут и варианты условий.

Неравенство Маркова и Чебышёва: сравнение оценок
Неравенства Маркова и Чебышёва оценивают вероятность по среднему и дисперсии. Сравним границы одного события, проверим условия и разберём примеры равенства.

Парадокс дней рождения: вероятность совпадения
Парадокс дней рождения объясняет, почему уже в группе из 23 человек вероятность общей даты превышает 50 %. Выведем формулу, сравним случаи и проверим ограничения модели.