2.4.1.4 Processus de mort pur
Dans un processus de mort pur, l'ensemble des états
possibles est {0, 1, 2 · · · } et ën
= 0 pour n = 0, 1, · · ·
f0, si n = 0, u, si n = 1, ·
un =
· ·N.
Intuitivement l'état initial d'un tel système
vaut N, il n'y pas d'arrivées et les départs se produisent a`
taux (moyen)constant jusqu'àce que le système soit vide. En
interprétant les départs comme des »arrivées a`
l'extérieur du système», on conclut facilement que :
Pn(t) = probabilitéque (N-n) départs
se produisent dans l'intervalle [0,t)
= e
et
--pt (ut)N--n (N - n)! ,
àPn(t) = probabilitéque N
départs au moins se produisent dans l'intervalle [0,t)
P8
=
j=N
|
e_ut (it)j
j!
|
=1 -- =1 --
|
N_1 P
j=0 PN n=1
|
e_ut (it)j
j! Pn(t).
|
|
2.4.1.5 Modèles non markoviens
En l'absence de l'exponentialitéou plutôt
lorsque l'on s'écarte de l'hypothèse d'exponentialitéde
l'une des deux quantités stochastiques le temps des inter
arrivées et la durée de service, ou en prenant en compte
certaines spécificités des problèmes par introduction des
paramètres supplémentaires, on aboutit a` un modèle non
markovien. La combinaison de tous ces facteurs rend l'étude
mathématique du modèle très délicate, voire
impossible. On essaye alors de se ramener a` un processus de Markov
judicieusement choisi a` l'aide de l'une des méthodes d'analyse
suivantes :
- Méthode de la chaàýne de Markov
induite
Cette méthode, élaborée par Kendall, est
souvent utilisée. Elle consiste a` choisir une séquence
d'instants 1, 2, . . . , m (déterministes ou aléatoires) telle
que la chaàýne induite {Xn, m = 0}, o`u Xn
= X(m), soit markovienne et homogène.
- Méthode des variables auxiliaires
Elle consiste a` compléter l'information sur le
processus {Xt}t=0 de telle manière a` lui donner le caractère
markovien. Ainsi, on se ramène a` l'étude du processus {X(t),
A(t1), A(t2), . . . , A(tn)}. Les variables A(tk), k E {1, 2,. . . ,
m} sont des variables aléatoires supplémentaires.
- Méthode des événements fictifs
Le principe de cette méthode est d'introduire des
événements fictifs qui permettent de donner une
interprétation probabiliste aux transformées de Laplace et aux
variables aléatoires décrivant le système
étudié.
- Simulation
C'est un procédéd'imitation artificielle d'un
processus réel donné. Comme résultat de cette imitation,
on obtient des approximations des caractéristiques du système
étudié, permettant ainsi de mesurer ses performances.
|