Процессы со сложными видами нестационарности трудно охарактеризовать общими свойствами. Они образуются в виде комбинации рассмотренных выше видов нестационарностей.
Случайные потоки событий являются специфичным классом случайных процессов. Они определяют случайные моменты времени , в которые происходят некоторые события (рис. 5.1).
Рис. 5.1 Случайный поток
Случайные потоки широко используются в качестве математических моделей в задачах, связанных с исследованием систем массового обслуживания, в задачах приема импульсных сигналов, в задачах надежности.
В общем случае случайные потоки задаются с помощью многомерной плотности распределения вероятностей интервалов времени между двумя соседними событиями:
, (5.1)
где ; .
При таком задании случайных потоков моделирование их сводится к формированию реализаций случайных векторов с законом распределения (5.1), для чего могут быть использованы известные методы.
Моменты наступления событий при этом определяются по простой рекуррентной формуле:
. (5.2)
Случайные потоки столь общего вида встречаются в приложениях достаточно редко. Обычно рассматриваются так называемые потоки с ограниченным последействием, у которых интервалы статистически независимы, т.е. многомерную плотность распределения вероятностей можно представить в виде произведения одномерных:
. (5.3)
В этом случае эти потоки задаются последовательностью одномерных законов распределения .
Случайные потоки, у которых одномерные плотности равны между собой, т.е. , называются рекуррентными стационарными потоками. Они определяются только одним одномерным законом .
К таким потокам относится, в частности, широко распространенный пуассоновский поток, у которого закон распределения интервалов времени между событиями экспоненциальный:
, (5.4)
где имеет смысл интенсивности потока (интенсивность – количество событий в единицу времени).
Математическое ожидание интервала времени между событиями является величиной, обратно пропорциональной интенсивности потока:
. (5.5)
Моделирование пуассоновских потоков осуществляется достаточно просто. Для этого необходимо
1) получить реализацию случайной величины с экспоненциальным законом распределения (5.4):
, (5.6)
где - реализация случайной величины, равномерно распределенной от 0 до 1.