1 Beviser for fornyelsessætningen

Relaterede dokumenter
Fornyelsesteori med anvendelser: Afleveringsopgave 1

1 Palm teori. Palm teori 1

Noget om en symmetrisk random walks tilbagevenden til udgangspunktet

Fornyelsesteori med anvendelser: Punktprøve

Plan. Markovkæder Matematisk modelling af kølængde, yatzy, smittespredning og partikelbevægelser. Materiale mm.

Eksamen 2014/2015 Mål- og integralteori

Reeksamen 2014/2015 Mål- og integralteori

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

13 Markovprocesser med transitionssemigruppe

En martingalversion af CLT

Om hypoteseprøvning (1)

5.3 Konvergens i sandsynlighed Konvergens i sandsynlighed 55. Hvis vi regner den karakteristiske funktion for X, v ud i argumentet 1, fås

Wigner s semi-cirkel lov

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Markovkæder med endeligt tilstandsrum

Kønsproportion og familiemønstre.

Elementær sandsynlighedsregning

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Elementær sandsynlighedsregning

Landmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen

Kvantitative Metoder 1 - Efterår Dagens program

Supplerende opgaver. S1.3.1 Lad A, B og C være delmængder af X. Vis at

Polynomier. Indhold. Georg Mohr-Konkurrencen. 1 Polynomier 2. 2 Polynomiumsdivision 4. 3 Algebraens fundamentalsætning og rødder 6

83 - Karakterisation af intervaller

Oversigt. Kursus Introduktion til Statistik. Forelæsning 3: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff.

Stokastiske processer og køteori

TØ-opgaver til uge 46

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Opgaver i logik, torsdag den 20. april

Forelæsning 3: Kapitel 5: Kontinuerte fordelinger

Taylors formel. Kapitel Klassiske sætninger i en dimension

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

Matematisk model for køsystem

Definition. Definitioner

Talteoriopgaver Træningsophold ved Sorø Akademi 2007

Karakteristiske funktioner og Den Centrale Grænseværdisætning

Analyse 2. Gennemgå bevis for Sætning Supplerende opgave 1. Øvelser. Sætning 1. For alle mængder X gælder #X < #P(X).

Analyse 2. Bevis af Fatous lemma (Theorem 9.11) Supplerende opgave 1. Øvelser

Oversigt. Kursus Introduktion til Statistik. Forelæsning 2: Kapitel 4, Diskrete fordelinger. Per Bruun Brockhoff. Stokastiske Variable

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

Forelæsning 2: Kapitel 4, Diskrete fordelinger

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

Gult Foredrag Om Net

standard normalfordelingen på R 2.

Kvantitative Metoder 1 - Forår Dagens program

Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)

Stokastiske processer og køteori

En differentiabel funktion hvis afledte ikke er kontinuert Søren Knudby

Lidt om fordelinger, afledt af normalfordelingen

Normale tal. Outline. Hvad er tilfældighed? Uafhængighed. Matematiklærerdag Simon Kristensen. Aarhus Universitet, 24/03/2017

En martingalversion af CLT

Kvantitative Metoder 1 - Forår 2007

ANALYSE 1. Uge 7, 4. juni juni, 2007

Hvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05

Statistik Lektion 2. Uafhængighed Stokastiske Variable Sandsynlighedsfordeling Middelværdi og Varians for Stok. Var.

Foldningsintegraler og Doobs martingale ulighed

Projekt 3.5 faktorisering af polynomier

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable

MM501 forelæsningsslides

Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2

Løsning til eksaminen d. 14. december 2009

Teoretisk Statistik, 13 april, 2005

Mat H /05 Note 2 10/11-04 Gerd Grubb

Kapitel 12 Variansanalyse

MM501/MM503 forelæsningsslides

Sandsynlighedsteori. Sandsynlighedsteori. Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et. Et Bayesiansk argument

Partielle afledede og retningsafledede

CIVILINGENIØREKSAMEN Side 1 af 18 sider. Skriftlig prøve, den: XY. december 200Z Kursus nr : (navn) (underskrift) (bord nr)

ANALYSE 1, 2014, Uge 5

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

Nanostatistik: Stokastisk variabel

Et eksperiment beskrives af et udfaldsrum udstyret med et. alle mulige resultater af eksperimentet

Tema. Dagens tema: Indfør centrale statistiske begreber.

Skriftlig Eksamen Algoritmer og sandsynlighed (DM538)

Statistik og Sandsynlighedsregning 2

Lineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable

Sandsynlighedsbaserede metoder

For nemheds skyld: m = 2, dvs. interesseret i fordeling af X 1 og X 2. Nemt at generalisere til vilkårligt m.

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen

Løsning til prøveeksamen 1

Noter til Perspektiver i Matematikken

Differentialregning. Ib Michelsen

Kvantitative Metoder 1 - Forår Dagens program

Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen

Nogle grundlæggende begreber

Kapitel 12 Variansanalyse

Løsning af præmieopgaven: Famøs årgang 22, nr. 1

Et firma tuner biler. Antallet af en bils cylindere er givet ved den stokastiske variabel X med massetæthedsfunktionen

Projektopgave til Mat2SS. Espen Højsgaard (CPR xxxx) Rune Højsgaard (CPR xxxx)

Nanostatistik: Stokastisk variabel

Projekt 7.9 Euklids algoritme, primtal og primiske tal

Løsninger til kapitel 6

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen

Projekt 1.4 De reelle tal og 2. hovedsætning om kontinuitet

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 30. maj 2016 Kursus nr : (navn) (underskrift) (bord nr)

Matematik 3 SS. Københavns Universitet Naturvidenskabelig kandidateksamen, sommeren Opgaver til besvarelse i 3 timer fredag den 18. juni 1993.

Transkript:

Hvordan beviser man fornyelsessætningen? 1 1 Beviser for fornyelsessætningen I dette notat skal vi diskutere, hvorman man kan bevise fornyelsessætningen. Vi vil starte med at se på tilfældet, hvor ventetidsfordelingen lever på et gitter. Derefter vil vi diskutere, hvilke problemer der er i at overføre bevisteknikken til tilfældet, hvor ventetidsfordelingen ikke lever på et gitter. Endelig antydes hvordan man løser disse problemer. 1.1 Ventetidsfordelingen lever på et gitter Lad A være en fordeling på N og definer a n = A({n}), n N. Antag at middelventetiden µ = na n < og definer Palm-fordelingen A P på N 0 ved A P ({n}) = 1 a k, n N 0. µ k=n+1 Vi betegner med H P fornyelsesmålet for Palms fornyelsesproces. Endelig lader vi H betegne fornyelsesmålet for fornyelsesprocessen med forsinkelse, A 0, hvor A 0 er en vilkårlig fordeling på N 0. Fra [KA] s.11 sætning 5.5 har vi, at H P ({k}) = 1 µ, k N 0. Indholdet af fornyelsessætningen kan formuleres i følgende sætning: Sætning 1.1 Hvis ventetidsfordelingen, A, er aperiodisk, da gælder for en vilkårlig begyndelsesfordeling, A 0, at lim H({k}) = 1. µ En måde, hvorpå man kan vise dette resultat, er at benytte den teknik, der kaldes kobling. Selvom teknikken bestemt fortjener at blive diskuteret i sin fulde generalitet, er det I nedenstående fremstilling forsøgt at foretage alle konstruktioner så konkret som muligt.

2 A. T. Jensen Som sædvanlig definerer vi for en fornyelsesproces, S = {S n }, den fremadrettede rekurrensproces ved R(t) = S N(t) t, hvor N(t) betegner antallet af fornyelser i intervallet [0; t]. Bemærk, at da ventetidsfordelingen lever på N, vil {R(t)} kun have spring til heltallige tidspunkter. En kort overvejelse giver, at der sker en fornyelse til tid k+1 netop, hvis R(k) = 1, dvs. P(R(k) = 1) = H({k + 1}), k N 0. (1) Bevis for sætning 1.1: Lad S 0 følge fordeling A P og lad {W k } k 1 være en uafhængig følge af i.i.d. variable med fordeling A. Tilsvarende antager vi, at S 0 følger fordeling A 0 og er uafhængig af {W k } k 1, som er en følge af i.i.d. variable med fordeling A. Endelig antages at (S 0, W 1, W 2,...) er uafhængig af (S 0, W 1, W 2,...). Definer nu S n = S 0 + W 1 +... + W n S n = S 0 + W 1 +... + W n, n N. Da er S = {S n } og S = {S n } uafhængige fornyelsesprocesser med forsinkelse A P henholdsvis A 0. Vi betegner med {R(t)} og {R(t) } de fremadrettede rekurrens processer. Af (1) følger, at påstanden i sætningen er ækvivalent med, at lim P(R (k) = 1) = 1. µ På den anden side ved vi, at for Palm-processen S gælder at P(R(k) = 1) = 1 µ, så vi behøver blot at vise, at lim P(R(k) = 1) P(R (k) = 1) = 0. Den todimensionale proces {X k } = {(R(k), R (k))} er en markovkæde på N N med overgangssandsynligheder p 11,kl = a k a l, k, l N, p 1j,kj 1 = a k, k N, j 2, p i1,i 1l = a l, l N, i 2, p ij,i 1j 1 = 1, i, j 2, p ij,kl = 0, ellers.

Hvordan beviser man fornyelsessætningen? 3 Da ventetidsfordelingen, A, er aperiodisk bliver {X k } en irreducibel, aperiodisk markovkæde. Dermed vil den stokastiske variable T = inf{k > 0 X k = (1, 1)} være endelig med sandsynlighed 1. I ord siger dette, at med sandsynlighed 1 vil der findes et tidspunkt, hvor både S og S har en fornyelse, dvs. S N(T ) = S N (T ). Med ssh 1 findes et tidspunkt hvor begge processer har en fornyelse R(t) 0 5 10 15 20 X 0 50 100 150 Tid Vi indfører nu en ny proces {R (t)} ved R (t) = { R (t), t T R(t), t > T. Dette svarer blot til, at vi definerer en ny fornyelsesproces, S = {S n}, hvortil vi benytter variablene ( S 0, W 1,..., W N (T ), W N(T )+1, W N(T )+2,... ).

4 A. T. Jensen Da alle W k og W k er uafhængige og identisk fordelte, er det klart, at {R (t)} og {R (t)} har samme fordeling. Endvidere gælder, at R (t) = R(t) for t > T, hvorfor vi har følgende ulighed (R(k)=1) (R (k)=1) (k T ). Da {R (t)} og {R (t)} har samme fordeling fås 0 lim sup P(R(k) = 1) P(R (k) = 1) lim sup P(R(k) = 1) P(R (k) = 1) lim sup E ( (R(k)=1 R (k)=1 ) lim sup P(k T ) = 0. Her følger sidste lighedstegn af, at P(T < ) = 1. 1.2 Ventetidsfordelingen lever ikke på et gitter Vi antager i dette afsnit, at ventetidsfordelingen, A, ikke lever på et gitter og har endelig middelværdi µ = ua(du). Vi definerer Palm-fordelingen, 0 A P, som den fordeling på [0; [, der har fordelingsfunktion A P (x) = 1 µ x 0 (1 A(u))du, x 0. Lad nu S = {S n } være en fornyelsesproces med ventetidsfordeling A og forsinkelse A 0. Idet R(t) = S N(t) t, t 0 betegner den fremadrettede rekurrens proces har vi set, at Blackwells fornyelsessætning kan gives følgende formulering. Sætning 1.2 For en vilkårlig forsinkelse A 0 og alle ξ 0 gælder, at lim P(R(t) ξ) = A P (ξ).

Hvordan beviser man fornyelsessætningen? 5 Lad os prøve at analysere problemstillingen med henblik på at anvende samme strategi som i foregående afsnit. Fra [KA] s.6 ved vi, at S er stationær, netop hvis forsinkelsen er givet ved A P. I dette tilfælde gælder, at P(R(t) ξ) = A P (ξ) for alle t 0. Resultatet i sætningen følger således, hvis vi kan vise, at for enhver fornyelsesproces S med ventetidsfordeling A gælder, at lim P(R(t) ξ) P(R (t) ξ) = 0. Vælger vi versioner af S og S som er uafhængige, kan vi lave samme konstruktion som i gittertilfældet. Vi definerer således en ny fornyelsesproces, S, ud fra S og S ved, at { R R (t) = (t) t T, R(t) t > T, hvor T = inf{t > 0 R(t) = R (t)} er første gang {R(t)} og {R (t)} er ens. Ved igen at udnytte, at R(t) = R (t) for t > T kan vi opskrive uligheden 0 lim sup P(R(t) ξ) P(R (t) ξ) lim sup P(t > T ). I modsætning til i gittertilfældet bryder argumentet dog sammen, fordi der ikke gælder, at P(T < ) = 1. For at T < skal S og S have en fornyelse til præcis samme tidspunkt. Hvis f.eks. A har tæthed mht. lebesguemålet overbeviser man sig om, at P(T < ) = 0. 1.2.1 ɛ-koblingen Man kan imidlertid vise, at for ethvert ɛ > 0 vil S og S med sandsynlighed 1 have fornyelser i en indbyrdes afstand af højst ɛ.

6 A. T. Jensen Med ssh 1 indtræffer fornyelser for S og S med vilk. lille indbyrdes afstand Fornyelser for S 0 2 4 6 8 10 * 0 2 4 6 8 10 Fornyelser for S Formelt set kan dette formuleres ved, at der findes stokastiske variable T ɛ og S ɛ med S ɛ < ɛ og P(T ɛ < ) = 1, så R (T ɛ ) = R(T ɛ + S ɛ ). Man taler om, at det er muligt at konstruere en ɛ-kobling mellem den stationære fornyelsesproces (Palm-processen) og fornyelsesprocessen med vilkårlig forsinkelse A 0. Indfører vi nu en ny fornyelsesproces, S, ved { R R (t) = (t) t < T ɛ, R(t + S ɛ ) t T ɛ så gælder, at S og S har samme fordeling. Da S ɛ < ɛ fås for t T ɛ, at (R(t) ξ) (R (t) ξ) sup (R(t) ξ) (R(s) ξ) := Mt ɛ. t ɛ s t+ɛ Denne relation giver anledning til følgende koblingsulighed P(R(t) ξ) P(R (t) ξ) EM ɛ t + P(T ɛ t).

Hvordan beviser man fornyelsessætningen? 7 For at bevise sætning 1.2 mangler vi således at vise Lemma 1.3 lim ɛ 0 lim sup EMt ɛ = 0. Endvidere skal eksistensen af en ɛ-kobling bevises. Beviset for disse resterende punkter er bestemt ikke trivielt. Den interesserede læser henvises f.eks. til S. Asmussen: Applied Probability and Queues.