通过马尔可夫跳变生成随机事件:广义分布与极小表示
系统与控制
2019-12-02 v1 系统与控制
摘要
随机事件时序是开发随机系统解析与仿真模型的基本问题。广义 Erlang 分布通过插入具有马尔可夫跳变的中间状态,以一种颇为一般的方式生成那些随机事件,十分有用。Erlang 分布一个非常重要且著名的推广由 D. R. Cox 于 50 年代中期给出。本文进一步讨论 Cox 推广,并给出一种更为一般的拓扑,能够表示任意实用分布。作为一个应用,我们重访前两矩匹配这一经典问题,并推导了关于状态数的极小拓扑,随后将结果与文献中的结果进行比较。在文末,我们展示了该广义结构如何用于为解析与仿真目的对一般随机离散事件模型进行时序安排。
引用
@article{arxiv.1911.12826,
title = {Stochastic Event Generation Through Markovian Jumps: Generalized Distribution and Minimal Representations},
author = {Carlos-Andrey Maia},
journal= {arXiv preprint arXiv:1911.12826},
year = {2019}
}
备注
16 pages and 7 figures