分析M/M/1多重工作休假排队的一种新方法

用一种新方法对经典的M/M/1工作休假排队系统建立模型.对该模型,用无限位相GI/M/1型Markov过程和矩阵解析方法进行分析,不但得到了所讨论排队模型平稳队长分布的具体结果,还给出了平稳状态时服务台具体位于第几次工作休假的概率.这些关于服务台状态更为精确的描述是该排队系统的新结果.     

探索数据分析(Ⅴ)

五数据的分布 前几节介绍的数据分析方法均未涉及数据的分布是什么,但在证实性数据分析时必须解决这一问题.这里介绍一种简单易行的判定数据服从何种分布及其特性的方法.下面以检查数据是否来自正态总体为例,说明检验方法,而这种方法很容易推广到一般分布. 1.对称性检查 众所周知,正态密度关于其数学期望对称,若数据明显的表现出非对称性,则认为数据来自非正态.检查方法如下:以x(1)记一批数据的最小值,x(n)记最大值,x(m)记中位数,x(1/4),x(3/4),记1/4,3/4分位数,若明显地看出x(1)和x(n)、x(1/4)关于x(m)不对称,则认为该批数据来自非对称分布…     

有限T-IPH/Geo/1/N排队平稳指标的数值计算

讨论了T-IPH/Geo/1/N有限排队,其中T-IPH表示可数状态吸收生灭链吸收时间的分布.对该排队模型,用有限位相拟生灭(QBD)过程进行建模.首先得到了计算该QBD过程率阵非零元素的迭代公式;其次在所得结果的基础上,进一步给出了T-IPH/Geo/1/N排队平稳队长以及等待时间分布的公式.     

M/G/1排队论系统的渐近稳定性

通过M/G/1算子的谱分析得到了M/G/1排队论系统的渐近稳定性.首先,将系统方程转化为某一合适Banach空间上的抽象Cauchy闻题,从而引入M/G/1算子.其次,分析了M/G/1算子的谱分布,得到了0是M/G/1算子的简单本征值且M/G/1算子的谱分布在左半平面的结果.最后,利用谱分析结果和算子半群理论得到了M/...     

非线性椭圆型偏微分方程弱解的存在性

在W1,p(x)空间框架下研究了具有p(x)增长条件的椭圆型偏微分方程:-d iva(x,u,D u) g(x,u,u)=f,得到了在W10,p(x)空间中弱解的存在性,推广了Boccardo等关于在Sobo lev空间中弱解的相应结论.     

GI/G/1排队系统的几种收敛速度

对随机模型,可以从不同角度研究其稳定性,一种是研究其转移概率函数趋向于平稳分布的速度,即各种遍历性;另一种是研究平稳分布的尾部衰减速度.本文从这两个方面着手,找它们之间的关系,对GI/G/1排队系统,给出等待时间列几何遍历、平稳分布轻尾与服务时间分布轻尾三者等价,l-遍历、平稳分布的尾部(l-1)-阶衰减与服务时间分布的尾部l-阶衰减三者等价,最后证明出等待时间列不是强遍历.     

类渐近线性p＆q—Laplace方程弱解的全局衰减性

该文研究椭圆型方程{-Δpu+m|u|p-2u-Δqu+n|u|q-2u=g(x,u),x∈RN,u∈ W1,p(RN)∩W1,q(RN)弱解在全空间RN上的衰减性,其中m,n≥0,N≥3,1相似文献   

具有插队和止步行为的M/M/1/m+1排队系统的等待时间分析

本文研究具有插队和止步行为的M/M/1/m+1排队系统中顾客的等待时间问题.首先,将顾客分为两类,一类顾客到达系统在队尾排队等待服务,称为常规顾客;另一类顾客总是尽可能的靠近队首插队,称为插队顾客.利用负指数分布、Laplace-Stieltjes变换、全概率公式,本文给出处于等待队列位置n的顾客、常规顾客、插队顾客的等待时间的表达式,并在此基础上,给出了相关指标随系统参数的变化情况.     

对于大额索赔的平衡更新模型的破产概率

本文研究平衡更新风险模型的破产概率ψ(x),这里x为保险公司初始的资本金.在假定索赔额服从重尾分布的条件下,给出了当x→∞时,ψ(x)的尾等价关系,所得结果与经典的Cramer-Lundberg模型下的结论完全一致.     

环Z/p\+kZ上m阶交错矩阵的计数定理及其应用

设W\-m(R)是有限局部环R=Z/p\+kZ上所有m阶交错矩阵所构成的集合（p是素数,k>1）. 该文通过确定R上任意m阶交错矩阵的标准形,计算出W\-m(R)在线性群GL\-m(R)作用下的轨道数及n(2r,2t,\{r\-1,\:,r\-1\}[TXX}][DD(X]s\-1[DD)],\:,\{r\-l,\:,r\-l\}[TXX}][DD(X]s\-l[DD)]),其中W（2r,2t,\{r\-1,\:,r\-1\}[TXX}][DD(X]s\-1[DD)],\:,\{r\-l,\:,r\-l\}[TXX}][DD(X]s\-l[DD)])(∑[DD(]l[]i=1[DD)]s\-i=t)表示不变因子为（2r,2t,\{r\-1,\:,r\-1\}[TXX}][DD(X]s\-1[DD)],\:,\{r\-l,\:,r\-l\}[TXX}][DD(X]s\-l[DD)])的所有m阶交错矩阵构成的集合,n(2r,2t,（2r,2t,\{r\-1,\:,r\-1\}[TXX}][DD(X]s\-1[DD)],\:,\{r\-l,\:,r\-l\}[TXX}][DD(X]s\-l[DD)])表示其中的元素个数. 最后,作者利用有限局部环R上交错矩阵的标准形构作了一个Cartesian认证码,并计算出其全部参数.     

更新风险模型和延迟更新风险模型中破产概率的若干结果

本文进一步研究更新风险模型和延迟更新风险模型中的破产概率ψ(x),这里x是保险公司的初始资本.在假定个体索赔分布是重尾的前提下,得到了与经典模型相一致的破产概率ψ(x)的一个尾等价关系.     

对于大额索赔的平衡更新模型的破产概率

本文研究平衡更新风险模型的破产概率ψ（x）,这里x为保险公司初始的资本金.在假定索赔额服从重尾分布的条件下,给出了当x→∞时;ψ（x）的尾等价关系,所得结果与经典的Cramer-Lundbeng模型下的结论完全一致.     

方程(A-(A-)~(1/2)…-(A-X)~(1/2))~(1/2)=X与(A-X)~(1/2)=X同解的条件

关于方程(a+(a+…+(a+x)~(1/2))~(1/2))~(1/2)=x与(a+x)~(1/2)=x的同解问题,[1]文已圆满地解决了。关于方程(a-(a-…-(a-x)~(1/2))~(1/2))~(1/2)=x与(a-x)~(1/2)=x的同解问题,[1]文只是指出它们一般不同解,至于它们在什么条件下同解,[1]文未讲。如果弄清了在某种条件下(a-(a-…-(a-x)~(1/2))~(1/2))~(1/2)=x与(a-x)~(1/2)=x同解,那么在这种条件下解前面这个方程就是非常方便的事情了。这就促使我们去探讨(a-(a-…-(a-x)~(1/2))~(1/2))~(1/2)=与(a-x)~(1/2)=x同解的条     

古典风险模型的破产概率与M/G/1忙期的最大工作量的分布

本文考虑了古典风险模型与排队论中M/G/1模型关系, 利用古典风险模型的破产概率导出了M/G/1中一个忙期内最大工作量的分布.     

族中大偏差的一个不等式

在文献[2]中,F是一有有限期望μ支撑在(-∞,+∞)上的分布函数(d.f.).若其尾分布F=1-F属于D族,那么对任意的γ＞max(μ,0),存在常数C(γ,0),存在常数C(γ)＞0和D(γ)＞0使得C(γ)n(F)(x)≤(Fn*)(x)≤D(γ)n(F)(x),对所有的n≥1和所有的x≥γn成立.本文中我们将其推广成离散情况下精细大偏差的一个不等式,并进一步在连续时间下得到关于部分和S(t)=N(t)∑i=1Xi,t≥0的精细大偏差类似的不等式.     

W5×Sn的交叉数

确定图的交叉数是-个NP一完全问题.目前,对于六阶图与星图笛卡尔积的交叉数知之甚少.收稿证明了W5 X.Sn的交叉数为6[n/2][n-1/2] 2n 3[n/2]([x]表示不超过x的最大整数),并得到了W5的部分子图与Sn笛卡尔积的交叉数.     

M/T-SPH/1排队平稳指标分布的尾部衰减特征

讨论M/T-SPH/1排队平稳队长分布和平稳逗留时间分布的尾部衰减特征,其中T-SPH表示可数状态吸收生灭过程吸收时间的分布。在分布PGF和LST的基础上,给出了两个平稳分布衰减规律的完整分析.结果表明,当参数取不同值时,平稳队长与平稳逗留时间的尾部具有三种不同类型的衰减特征.     

(D)族中大偏差的一个不等式

在文献[2]中,F是一有有限期望μ支撑在(-∞,+∞)上的分布函数(d.f.).若其尾分布F=1-F属于D族,那么对任意的γ＞max(μ,0),存在常数C(γ,0),存在常数C(γ)＞0和D(γ)＞0使得C(γ)n(F)(x)≤(Fn*)(x)≤D(γ)n(F)(x),对所有的n≥1和所有的x≥γn成立.本文中我们将其推广成离散情况下精细大偏差的一个不等式,并进一步在连续时间下得到关于部分和S(t)=N(t)∑i=1Xi,t≥0的精细大偏差类似的不等式.     

构造y/x的二次方程巧解2007年高考题

一、方法回顾提炼 文[1]介绍了构造关于y/x的二次方程解直线与圆锥曲线相交弦问题的方法.     

附有选择性服务与无等待能力的M/G/1排队系统算子的性质

研究了附有选择性服务与无等待能力的M/G/1排队系统.运用C₀半群的理论,证明了系统算子是稠定的预解正算子,得出了系统算子的共轭算子及其定义域,并证明了系统算子的增长界为0.最后运用了预解正算子中共尾的概念及相关理论,证明了系统算子的谱上界也是0.