Рассмотрим семейство случайных величин y (τ) = x (t, t +τ) = x (0, τ) - число вызовов на интервале длины τ – его распределение не зависит от t.
Утв. y (τ) – марковская цепь с непрерывным временем.
Действительно, для любых
Найдем ее инфинитезимальную матрицу (матрицу интенсивностей вероятностей перехода):
Таким образом, получается матрица бесконечной размерности
.
Решим для нее систему уравнений Колмогорова :
.
Утв. = - k -я диагональ состоит из единиц, остальные нули.
Таким образом, получилось, что y (τ) подчиняется закону Пуассона с параметром :
.
Следствие.
Финальных вероятностей в обычном смысле у цепи y (τ) не существует, с вероятностью 1 процесс уходит на бесконечность, но при действует нормальная аппроксимация
Пусть T – случайная величина, равная времени ожидания очередного вызова в простейшем потоке с интенсивностью λ. Ее функция распределения - вероятность того, что на промежутке длиной t не появилось ни одного вызова, так что
Таким образом, величина T подчиняется экспоненциальному закону с параметром λ:
|
|
Утв.
Пусть Тогда
то есть распределение времени ожидания очередного вызова не зависит от наличия информации о том, что вызовов уже не было в течение промежутка длиной τ. Это – другая формулировка свойства отсутствия последействия.
Аналогично, если поток х является стационарным и то
так что такой поток автоматически оказывается простейшим.
Следствие. Моделью простейшего потока является вариационный ряд, построенный по выборке n случайных точек из равномерного распределения U (0, a) при больших n, a. Среднее расстояние между такими точками, очевидно, равно a / n, оно равно среднему значению времени ожидания MT, откуда интенсивность потока λ= = n / a.
Важно:
Показательный закон – единственный закон распределения времени ожидания вызова, для которого информация о том, сколько времени продолжалось ожидание, не влияет на закон распределения оставшегося времени.