Académique Documents
Professionnel Documents
Culture Documents
Continu
Séance 4
Plan
• Définitions
• Intensités de transitions
• Probabilités à l’équilibre
• Processus de Poisson
• Processus de naissance et de mort
2
Définitions
Processus stochastiques
Événements Événements
discrets continus
4
Définitions
• On considère trois points consécutifs dans le temps ou il y a eu
changement d’états:
5
Définitions
Un processus stochastique décrit par la suite de variable {X(t), t ≥ 0} est
une chaine de Markov à temps continu (CMTC) si la distribution
conditionnelle du processus à l’instant (t+s) connaissant son état à
l’instant s n’est pas modifié par la connaissance supplémentaire de ses
états aux instants antérieurs r
• Ρ 𝑋 𝑠 + 𝑡 = 𝑗 𝑋 𝑠 = 𝑖, 𝑋 𝑟 = 𝑙 = Ρ 𝑋 𝑠 + 𝑡 = 𝑗 𝑋 𝑠 = 𝑖
6
Définitions
• On s’intéresse aux chaines de Markov homogènes dans le temps:
avec:
+∞
𝑝𝑖𝑗 (𝑡) = 1
𝑗=0
7
Intensités de transitions
• Dans l’évolution du processus on note Ti la variable aléatoire du
temps passé dans l’état i avant de se déplacer vers un autre état.
8
Intensités de transitions
La propriété sans mémoire d’une chaine de Markov à temps continu
implique que:
9
Exemple : Loi exponentielle
• La durée de vie d’un matériel électronique suit
une loi exponentielle de paramètre λ = 1 / 10
(l’unité de temps est l’année). Quelle est la
probabilité qu’il fonctionne encore 5 ans après
sa fabrication ?
• Sachant que cet appareil a fonctionné
pendant 5 ans calculer la probabilité qu’il
fonctionne encore après 10 ans.
10
Intensités de transitions
• Le temps de séjour Ti dans un état suit donc une loi exponentielle de
paramètre qi nommé intensités de transition dans une chaine de
Markov à temps continu :
11
Intensités de transitions
En particulier:
avec E[Tij]=1/qij
12
Probabilités à l’équilibre
• Nous retrouvons des propriétés similaires à celle des
chaînes de Markov discrètes.
13
Probabilités à l’équilibre
Pour déterminer les 𝜋𝑗 il faut résoudre le système
d’équations suivant:
Taux auquel le
processus part de j
14
Probabilités à l’équilibre
• En remplaçant les valeurs des qj dans les équations d’équilibre
:
On a
16
Processus de Poisson
Il existe deux façons de décrire le processus selon
lequel les arrivées de clients (requêtes, appels, etc.)
surviennent dans un système:
Avec
18
Processus de Poisson
Par conséquent :
Preuve:
19
Processus de Poisson
Soit un instant s correspondant à l’arrivée d’un
client, désignons par X le temps écoulé jusqu’à la
première arrivée de client après l’instant s.
Déterminez la loi de probabilité qui régit
l’intervalle de temps X ?
20
Processus de naissance et de mort
• Les processus de naissance et de mort sont des
processus stochastiques à temps continu et à états
discrets n = 0, 1, 2 . . . .
Sous ses hypothèses une file d’attente peut être vu comme un processus
de naissance et de mort :
Naissance ↔ arrivée du client
Mort ↔ départ du client du système après son service
23
Processus de naissance et de mort
• Diagramme de transition entre les états:
25
Processus de naissance et de mort
26
Processus de naissance et de mort
27