WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Estimation de l'erreur de trocature de l'espace d'états du système d'attente m/m1: méthode stabilité forte

( Télécharger le fichier original )
par Haoua LARAB
Université Abderrahmane Mira Bejaia - Master Recherche Operationnelle 2011
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

1.7.3 Distribution invariante

Une distribution de probabilitédiscrete ð = (ð1, ð2, ...) est appelée invariante ou stationnaire par rapport a` une matrice stochastique P si

ð = ðP.

En particulier, si la loi de X0, notée í0, est une probabilitéinvariante, alors la loi de X1
est í1 = í0P = í0, et en itérant, on obtient que Xn a même loi que X0. La loi de Xn est

donc constante, on dit aussi stationnaire, au cours du temps, d'o`u le nom de probabilitéstationnaire [10].

Propriété1.3 :Si lim

n?8

ð(n) existe, alors la limite est une distribution invariante.

Théorème 1.5 (Théorème d'existence des distributions stationnaires [37]) : Une chaàýne de Markov possède toujours au moins une distribution invariante, ce qui n'est plus nécessairement vrai si l'espace des états est infini.

Théorème 1.6 :Une chaàýne de Markov possède autant de distributions invariantes linéairement indépendantes que la multiplicitéde la valeur propre 1 de sa matrice de transition.

Théorème 1.7 [37] : Une chaàýne de Markov finie admet une unique distribution stationnaire si et selement si elle comprend une seule classe récurrente.

Théorème 1.8 [16] : La distribution ð(n) des états d'une chaàýne de Markov converge vers une distribution (invariante) ð* indépendante de la distribution initiale ð(0), si et seulement si la suite des puissances de la matrice de transition P de la chaàýne converge vers une matrice (stochastique) P * dont toutes les lignes sont égales entre elles. De plus, si tel est le cas, chaque ligne de P * est égale a` distribution limite ð*.

Théorème 1.9 [37] : Si ð est la distribution limite d'une chaàýne de Markov, alors ð est l'unique distribution stationnaire de cette chaàýne.

1.7.4 Comportement asymptotique des chaàýnes irréductibles et apériodiques

Le théorème suivant résume le comportement asymptotique des chaàýnes irréductibles et apériodiques.

Théorème 1.10 [13] : Soit P la matrice de transition d'une chaàýne irréductible et apériodique. Les propriétés suivantes sont vérifiées : - La matrice P n tend vers une matrice stochastique

P* lorsque n tend vers l'infini; - Les lignes de P * sont toutes égales entre elles; - P ij * > 0 pour tout i; j ? S; -Pour toute distribution initiale ð(0),

lim

n?8

ð(n) = lim

n?8

ð(0)Pn = ð*

* est la solution unique du système :

{ ðP = ð;

(1.3)

ð1 = 1.

ð* égal a` n'importe quelle ligne de la matrice P *; -Pour tout i ? S, ð* i = ui 1 o`u ui est l'espérance du nombre de transitions entre deux visites successives de l'état i.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy





Changeons ce systeme injuste, Soyez votre propre syndic





"Et il n'est rien de plus beau que l'instant qui précède le voyage, l'instant ou l'horizon de demain vient nous rendre visite et nous dire ses promesses"   Milan Kundera