三、 X(t)的極限機率分配
3.3 Y 服從常數分配
假設M( )s =c
∫
keQksds備註: Xn( )i,i =1,2,...,r的極限機率存在表示此周期長度期望值是有 限的,因此X( )t 的極限機率是存在的。
Remark 1:在( )12 的情況之下,如果P1( )t = P2( )t =...= Pr( )t ,則
( )
π
( )π
( )rπ
π
= 1 = 2 =...= ,這是直覺可知是正確的,因為這個情況 下,此過程在這個系統中是獨立的。Remark 2:此分配是固定的與時間無關,所以
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
{
, ,..., , , ,..., ,..., , ,..., , 21,...}
1 1 2
1 2
2 2 1 2 1 2 1 1
1 n n n+ n+
r
r Y Y Y Y Y Y Y
Y Y
Y 仍是馬可
夫鏈。不論從哪個時間去觀察此過程,都可以找出Qi,i =1,2,...,r。
四、 此過程的特色(Characteristics of process)
這章節我們利用一個例子來說明觀察的X( )t 在一個交替更新 過程中可能不會保有馬可夫的性質,即使此過程在任何給定的階段 是馬可夫且每個階段停留的時間是服從指數分配。如果過程在每個 階段是齊次性(homogenous),我們可以證明X( )t 是漸近齊次性 (asymptotically homogenous)。
Example 1:
上面兩個機率式子的條件機率意指在系統中的階段概似(likelihood of stage)。
註釋:第一個式子表示給定時間t (fixed)的狀態是0,前一刻是1,再 前一刻是0,可得到此情況是在階段 1,所以在時間t的下一刻會是 1的機率會很大;第二個式子表示給定時間t的狀態是0,前一刻是 0,再前一刻是0,可得到此情況是在階段 2,所以在時間t的下一 刻會是1的機率會很小,所以前者機率會大於後者機率,但這樣的 情況就不具有馬可夫的性質。
Theorem 2:
假設X( )t 在系統中每個階段都是齊次性(homogenous),令Qi是 微矩陣在階段i 與時間是獨立的。然後X( )t 的近似微矩陣
(asymptotically infinitesimal matrix) Q會是
∑
∑
=
=
= r
i r i
j j
i Q
Q
1
1
1 1
α
α
,因此整個過程是漸近齊次性(asymptotically homogenous)。
Proof:
令sij( )t 是系統的轉置機率從階段i 到階段 j ,其中i=1,2,...,r, r
j=1,2,..., 。然後對於整理過程微矩陣在時間t 為 ( ) ∑ ( )
=
= r
j
i
j t Q
s t
Q
1
1 。
考慮此系統視為一個再生過程並且使用公式( )4 ,我們可以得到
( )
∑
=
∞
→ = r
j j
i
t s j t
1
1 1
1 lim
α
α
,Theorem 2 得證。五、 例子
條件:
Repair rate(修理的比率)
01 01
01 b c
a > > ,a02 >b02 >c02 Break rate(機器壞掉的比率)
10 10
10 b c
a < < ,a20 <b20 <c20,a21 <b21 <c21 必成立的條件:
c b a t t
t t
t01 > 02, 20 < 21,其中 = , ,
利用上章節介紹的方法,及上述的條件,找出極限機率。
這個過程隨著時間及其他因素使得機器的系統狀態產生變 化,試著將此情況以流程圖來表示,能更方便、容易了解所有可能 狀態的變化及發生原因:
修理
良好 中等 壞掉
自然損壞
人為疏忽 自然損壞 人為疏忽
人為疏忽 自然損壞
2 1 0
圖一 電動平板貨架運作的狀況
模擬結果:
π
v [0.3542, 0.5681, 0.0777] [0.4657, 0.4688, 0.0654]π
v [0.3458, 0.5749, 0.0793] [0.4624, 0.4716, 0.0660]Q
3 2 1,Q ,Q
Q Q1,Q2,Q3
[ α
1,α
2,α
3]
[0.8, 0.5, 0.2] [0.1, 0.5, 0.7]( )1
π
v [0.4980, 0.4410, 0.0609] [0.4289, 0.5079, 0.0632]π
v [0.4606, 0.4729, 0.0665] [0.3259, 0.5948, 0.0793]Q
6 5 4,Q ,Q
Q Q4,Q5,Q6
[ α
1,α
2,α
3]
[3, 21, 10] [20, 8, 4]( )1
π
v [0.4197, 0.4731, 0.1073] [0.5323, 0.3887, 0.0790]π
v [0.4079, 0.4816, 0.1104] [0.5286, 0.3913, 0.0801]Q
6 5 4,Q ,Q
Q Q4,Q5,Q6
[ α
1,α
2,α
3]
[0.8, 0.5, 0.2] [0.1, 0.5, 0.7]( )1
π
v [0.5759, 0.3570, 0.0671] [0.5239, 0.3943, 0.0818]π
v [0.5394, 0.3834, 0.0772] [0.3944, 0.4895, 0.1161]Q
9 8 7,Q ,Q
Q Q7,Q8,Q9
[ α
1,α
2,α
3]
[3, 21, 10] [20, 8, 4]( )1
π
v [0.3340, 0.5400, 0.1260] [0.3988, 0.4933, 0.1079]π
vQ
9 8 7,Q ,Q
Q Q7,Q8,Q9
[ α
1,α
2,α
3]
[0.8, 0.5, 0.2] [0.1, 0.5, 0.7]( )1
π
v [0.4307, 0.4690, 0.1003] [0.4245, 0.4745, 0.1011]π
v [0.3672, 0.5133, 0.1195] [0.2288, 0.6059, 0.1653](2)Y 服從韋柏(
α
i,γ
i),i =1,2,...,rQ
3 2 1,Q ,Q
Q Q1,Q2,Q3
[ α
1,α
2,α
3]
[1/3, 1, 1/2] [1, 1, 1/2][ γ
1,γ
2,γ
3]
[1, 4, 1] [1, 19, 1]( )1
π
v [0.9746, 0.0209, 0.0044] [0.9307, 0.0577, 0.0116]
π
v [0.7936, 0.1648, 0.0418] [0.7316, 0.2194, 0.0491]Q
6 5 4,Q ,Q
Q Q4,Q5,Q6
[ α
1,α
2,α
3]
[1/3, 1, 1/2] [1, 1, 1/2][ γ
1,γ
2,γ
3]
[1, 4, 1] [1, 19, 1]( )1
π
v [0.9752, 0.0200, 0.0048] [0.9341, 0.0534, 0.0125]π
v [0.7689, 0.1828, 0.0485] [0.7243, 0.2206, 0.0553]Q
9 8 7,Q ,Q
Q Q7,Q8,Q9
[ α
1,α
2,α
3]
[1/3, 1, 1/2] [1, 1, 1/2][ γ
1,γ
2,γ
3]
[1, 4, 1] [1, 19, 1]( )1
π
v [0.9581, 0.0346, 0.0073] [0.8948, 0.0869, 0.0184]π
v [0.2793, 0.5356, 0.1853] [0.3235, 0.5156, 0.1611](3) Y 服從 ( )
⎩⎨
⎧
<
= ≥
i i
i if t c
c t if t
F 0
1 ,i =1,2,...,r
Q
3 2 1,Q ,Q
Q Q4,Q5,Q6
c 8 8
( )1
π
v [0.5331, 0.4084, 0.0585] [0.6006, 0.3391, 0.0603]π
v [0.3369, 0.5837, 0.0794] [0.4154, 0.4730, 0.1116]Q
9 8 7,Q ,Q
Q Q1,Q2,Q3
c 8 1
( )1
π
v [0.4333, 0.4667, 0.1000] [0.4450, 0.4906, 0.0644]π
v [0.2286, 0.6077, 0.1637] [0.3886, 0.5360, 0.0754]Q
6 5 4,Q ,Q
Q Q7,Q8,Q9
c 1 1
( )1
π
v [0.5352, 0.3869, 0.0779] [0.4333, 0.4667, 0.1000]六、 應用實例
Example:
某一家公司製造大量優質的產品,二十四小時不能停止生產 線,一旦斷電損失慘重所有在線上正在製造的產品全部都報銷,所 以必需要很了解每台機器的狀態,此公司可以利用上述的方法找出 每台機器的壽命,老闆就可以決定需要多少台機器串聯起來在線上 運作,需要幾條生產線並聯起來,希望發生斷電的機率是萬分之一 要相當的小,當有一條發生問題還有其他的生產線可以繼續運作及 生產中的產品轉移到其他生產線,這樣可以讓損失降到最低。
圖二 線路與機器位置分配
Example:
園區的某大公司想要讓公司產品量產,目標想花最小的錢得到 最高的產量,使公司獲益最大,所以貴公司可以試著採用此方法,
每台機器服從同一個分配,分別在不同的時段但在同一個部門,算 出每台的極限機率,決定要幾台串聯在一起,再看需要幾條生產線 串聯起來,最後達到最想要的產量。
Example:
買一台新車狀態都是良好的,但經過一段時間可能是人為因素 (碰撞、過度使用…等等)或是自然磨損(零件老舊或是秏損完…等) 使得車的狀況變為中等,定期保養又可恢復到好一點的狀況,但有 時損壞太嚴重就必需送修,最多也只能恢復到中等狀態,這也是可 以經由此法來推算出車子的極限機率。
Example:
考慮一個 M/M/1 queue,這系統是機器運轉與修理期間在交 替,每一個情況都服從指數分配。當機器在運轉期間,這個系統操 作視為 M/M/1 queue,當壞掉的期間,沒有顧客使用且顧客上門發 現壞了會很灰心失望而會以一個常數機率離開。此外,如果機器在 時間T 壞掉,則在系統中的時間T+顧客離開的人數假設服從一個二 項分配(binomial distribution)。將這個例子算出極限機率分配
π
。我們考慮這個問題,將它看成三個階段的交替更新過程,分別 命名為運轉期間,機器壞掉發生期間,修理期間。每個期間假設服
從指數分配,這三個階段的期望值分別為
1
1
α
, 2 1α
, 3 1α
。利用Theorem 1,我們將解決這個問題,其中讓
2
1
α
收斂到 0。α
2為一個固定值,由 Theorem 1 推導出( ) ( ) ( )
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛ + +
+ +
= 3 1 2 3
3 2 1 2
2 1 1
1
3 2 1
1 1
1 1 1 1
1 A A A
π
AA Aπ α π α
α α α α π
讓
α
2 →∞,可得到 ( ) ( ) ⎟⎟⎠⎜⎜ ⎞
⎝
⎛ +
+
= 3 1 2 3
3 1 1
1
3 1
1 1
1 1
1 A
π
AA Aπ α
α
α
α
π
七、 結論
在本篇論文中,我們考慮一個連續時間馬可夫鏈在 r 個階段為 一個周期的交替更新過程之動態運轉狀態的系統中被觀察。討論此 系統服從三種分配分別是常數函數與時間是定值、指數、 韋柏,
整個過程的極限機率分配可以以嵌入式過程的穩定狀態機率之形 式推導出來。其中系統服從常數與韋柏分配的,不能直接積分求 得,所以是以黎曼和方法來表示近似值。
另外我們會檢查馬可夫性質發現一個有趣的事,即使是指數分 配仍不具有馬可夫性質和另外會導出一定理說明整個過程的漸近 齊次性(asymptotic homogeneity)。
所以透過此篇想法在有限資源下用r=3的情況,求出每台機器 在長期的時間「好」的機率,「中等」的機率,「壞」的機率,達到 我們的目標。
參考資料
[1] ANISIMOV, V.(1977): Switching processes, Cybernetics, 13, 590-595.
[2] ANISIMOV, V. (1995): Switching processes: Averaging principle, diffusion approximation and applications, Acta Applicandae
Mathematicae, Kluwer, The Netherlands, 40, 95-141
[3] AVI-ITZHAK, B. and NAOR, P. (1963): Some queueing problems with service station subject to breakdowns, Oper. Res., 10, 303-320 [4] BAILEY, N. (1964): The elements of stochastic processes with applications to the natural sciences. Wiley, New York.
[5] DURRETT, R. (1995): Probability: Theory and Examples. 2nd ed.
Duxbury, New York.
[6] KARLIN, S. and TAYLOR, H. M. (1975): A First Course in Stochastic Processes. Academic Press, New York.
[7] REGTERSCHOT, G. J. K. and DE SMIT, J. H. A. (1986): The queue M/G/1 with Markov modulated arrivals and services, Math.
Oper. Res.. 11 (1986), 465-483.
[8] Ishwar Basawa and Prakasa Rao (1980) : Statistical Inference for Stochastic Processes.
[9] Norman Bailey (1964):The elements of stochastic processes with applications to natural sciences.
[10] Ross Sheldon M. (1983): Stochastic processes.
[11] Ross Sheldon M. (1996): Stochastic processes. 2nd edition. New York. Wiley.
附錄
程式碼:
(1) Y服從指數(
α
)Q(:,:,1)=[-0.39 0.3 0.09 ; 0.16 -0.16 0 ; 0.12 0.19 -0.31];
Q(:,:,2)=[-0.31 0.25 0.06 ; 0.2 -0.2 0 ; 0.15 0.2 -0.35];
Q(:,:,3)=[-0.25 0.2 0.05 ; 0.3 -0.3 0 ; 0.2 0.25 -0.45];
%Q 按照上面的規則找出適當的,即可帶入替換。
alpha=[20 8 4]; %alpha 依情況及規定找出適當的帶入。
syms t x y z;
for i=1:3,
B(:,:,i)=int(expm(Q(:,:,i)*t)*alpha(i)*exp(-alpha(i)*t),t,0 , inf);
end z=1-x-y;
X=[x y z];
Ans=X*B(:,:,1)*B(:,:,2)*B(:,:,3)-X;
S=solve(Ans(2),Ans(3));
p1=[S.x S.y 1-S.x-S.y]; %根據 Lemma 公式求得的 AA=eye(3); psum=zeros(3);
for i=1:3,
AA=AA*B(:,:,i);
psum = psum + AA/alpha(i); end
p=( p1/(1/alpha(1) + 1/alpha(2) + 1/alpha(3) ))*psum; %p 即為所求
(2) Y服從韋柏(
α
, )γ
alpha=[1 1 0.5]; r=[1 19 1]; n=30;
%alpha 及 gamma 依情況及規定找出適當的帶入。
Q(:,:,1)=[-0.39 0.3 0.09 ; 0.16 -0.16 0 ; 0.12 0.19 -0.31];
Q(:,:,2)=[-0.31 0.25 0.06 ; 0.2 -0.2 0 ; 0.15 0.2 -0.35];
Q(:,:,3)=[-0.25 0.2 0.05 ; 0.3 -0.3 0 ; 0.2 0.25 -0.45];
%Q 按照上面的規則找出適當的,即可帶入替換。
syms x y z t;
for j=1:3,
p(:,:,j)=zeros(3);
for i=1:n, t=i/n; bata(j)=1/alpha(j);
g= expm(Q(:,:,j)*t)*r(j)*t^(r(j)-1)*exp(-t^r(j)/bata(j))/bata(j)/n;
p(:,:,j)=p(:,:,j)+g end end
z=1-x-y; X=[x y z]; Ans=X*p(:,:,1)*p(:,:,2)*p(:,:,3)-X;
S=solve(Ans(2),Ans(3));
p1=[S.x S.y 1-S.x-S.y]; %根據 Lemma 公式求得的 AA=eye(3); psum=zeros(3);
for i=1:3,
AA=AA*p(:,:,i);
psum = psum + AA*gamma( (n+1)/r(i) )/gamma( n/r(i)+1 )
*bata(i)^(1/r(i))/r(i); end w=p1*psum; %w 即為所求 if (abs(sum(w)-1)<0.0005);
(3) Y服從 Constant(與時間為定值) c=8;n=10000;
Q(:,:,1)=[-8 5 3 ; 2 -2 0 ; 1 2 -3];
Q(:,:,2)=[-6 4 2 ; 3 -3 0 ; 2 3 -5];
Q(:,:,3)=[-5 3.5 1.5 ; 4 -4 0 ; 3 3.5 -6.5];
%Q 按照上面的規則找出適當的,即可帶入替換。
for i=1:3;
A(:,:,i)=expm(Q(:,:,i)*c); end syms x y z;
z=1-x-y;
X=[x y z];
Ans=X*A(:,:,1)*A(:,:,2)*A(:,:,3)-X;
S=solve(Ans(2),Ans(3));
p1=[S.x S.y 1-S.x-S.y]; %根據 Lemma 公式求得的 AA=eye(3); p=zeros(3);
for j=1:3, if (j>1)
AA=AA*expm(Q(:,:,j-1)*c); end psum=zeros(3);
for i=1:n,
psum=psum+expm(Q(:,:,j)*c*i/n)*c/n; end p=p+psum*AA; end
w=p1*p/(c*3); %w 即為所求