intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

LUẬN VAN THẠC SĨ ỨNG DỤNG QUÁ TRÌNH BÁN MARKOV VÀO MÔ HÌNH RỦI RO TRONG BẢO HIỂM

Chia sẻ: Nguyen Thi Bich Ngoc | Ngày: | Loại File: PDF | Số trang:144

194
lượt xem
62
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Hầu hết ở các nước phát triển, vốn dự phòng ban đầu là một lượng nhỏ cố định được quy định bởi chính phủ và phụ thuộc vào sự luân chuyển vốn của công ty bảo hiểm. Thật vậy, iều ó giúp bảo vệ khách hàng tránh tình trạng không may là công ty phải trả một l÷ợng lớn tiền bồi thường trong một khoảng thời gian ngắn làm công ty mất khả nang chi trả (rủi ro). Vấn ề quản lý rủi ro trong bảo hiểm là một trong các vấn ề quan trọng nhất. Việc có một mô hình...

Chủ đề:
Lưu

Nội dung Text: LUẬN VAN THẠC SĨ ỨNG DỤNG QUÁ TRÌNH BÁN MARKOV VÀO MÔ HÌNH RỦI RO TRONG BẢO HIỂM

  1. ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN Ngô Ngọc Minh ỨNG DỤNG QUÁ TRÌNH BÁN MARKOV VÀO MÔ HÌNH RỦI RO TRONG BẢO HIỂM Chuyên ngành: LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN HỌC Mã số: 60 46 15 LUẬN VĂN THẠC SĨ TOÁN HỌC HƯỚNG DẪN KHOA HỌC: TS. TÔ ANH DŨNG TP. Hồ Chí Minh - 2009
  2. Lời cảm ơn Đầu tiên, tôi xin chân thành cảm ơn Ban Giám Hiệu, Phòng Đào tạo sau Đại học, Khoa Toán - Tin học, trường Đại học Khoa học Tự nhiên Thành phố Hồ Chí Minh, Bộ môn Xác suất - Thống kê cùng tất cả Quý Thầy Cô đã tận tình giảng dạy, giúp đỡ tôi trong suốt quá trình học tập và thực hiện luận văn này. Tôi xin được bày tỏ lòng biết ơn sâu sắc đến người thầy của mình: TS. Tô Anh Dũng, Đại học Khoa Học Tự Nhiên TP. HCM. Tôi cảm ơn thầy về những lời khuyên, gợi ý và sự hỗ trợ tận tình, chu đáo của thầy trong quá trình học tập và giúp tôi hoàn thành luận văn này. Đồng thời, tôi cũng xin được gởi lời cảm ơn đến PGS. TS Nguyễn Bác Văn, TS. Dương Tôn Đảm. Các thầy đã trang bị cho tôi kiến thức, giúp tôi hiểu rõ hơn về xác suất, thống kê và ảnh hưởng sâu sắc đến con đường học tập, nghiên cứu khoa học của mình. TP. HCM - Ngày 20 tháng 06 năm 2009 Tác giả Ngô Ngọc Minh
  3. Lời mở đầu Hầu hết ở các nước phát triển, vốn dự phòng ban đầu là một lượng nhỏ cố định được quy định bởi chính phủ và phụ thuộc vào sự luân chuyển vốn của công ty bảo hiểm. Thật vậy, điều đó giúp bảo vệ khách hàng tránh tình trạng không may là công ty phải trả một lượng lớn tiền bồi thường trong một khoảng thời gian ngắn làm công ty mất khả năng chi trả (rủi ro). Vấn đề quản lý rủi ro trong bảo hiểm là một trong các vấn đề quan trọng nhất. Việc có một mô hình toán học giúp quản lí rủi ro là rất cần thiết cho các công ty bảo hiểm. Jarrow Land và Turnbull chỉ ra rằng có thể giải quyết được vấn đề rủi ro trong tài chính và bảo hiểm bằng công cụ xích Markov. Sau đó nhiều bài báo đã chỉ ra rằng xích Markov có thể nảy sinh nhiều vấn đề. Cũng từ thời điểm này người ta nghĩ đến việc ứng dụng bán Markov vào rủi ro trong tài chính và bảo hiểm. Nguyên nhân là đối với xích Markov thời gian chuyển đổi giữa các trạng thái là rời rạc. Đây là lý do tại sao bán Markov được dùng tốt hơn xích Markov. Trong luận văn này tôi sẽ trình bày ứng dụng của quá trình bán Markov vào quản lý rủi ro trong bảo hiểm.
  4. Mục lục Lời cảm ơn 2 Lời mở đầu 3 Mục lục 4 1 Thuyết tái tạo 1 1.1 Mục đích . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Định nghĩa chính . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Sự phân loại của các quá trình tái tạo . . . . . . . . . . . . . . . . . . . . . 3 1.4 Phương trình tái tạo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.5 Sử dụng phép biến đổi Laplace . . . . . . . . . . . . . . . . . . . . . . . . 14 1.5.1 Phép biến đổi Laplace . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.5.2 Phép biến đổi Laplace Stieltjes (L-S) . . . . . . . . . . . . . . . . . 16 1.5.3 Một ứng dụng đối với hàm tái tạo . . . . . . . . . . . . . . . . . . . 17 1.6 Ứng dụng của đẳng thức Wald . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.6.1 Đẳng thức Wald . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.6.2 Chặn dưới của hàm tái tạo R . . . . . . . . . . . . . . . . . . . . . 19 1.7 Dáng điệu tiệm cận của quá trình N(t) . . . . . . . . . . . . . . . . . . . 20 1.8 Các thời điểm hồi quy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 1.8.1 Định nghĩa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 1.8.2 Hàm phân phối của số lần hồi quy . . . . . . . . . . . . . . . . . . 24 1.8.3 Dáng điệu tiệm cận . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 1.9 Quá trình tái tạo trì hoãn và quá trình tái tạo dừng . . . . . . . . . . . . . 30 1.10 Dạng số . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 1.10.1 Phương pháp cầu phương tổng quát . . . . . . . . . . . . . . . . . . 35 1.10.2 Một vài công thức đặc biệt . . . . . . . . . . . . . . . . . . . . . . . 37 1.10.3 Ví dụ thực tế về tai nạn ô tô . . . . . . . . . . . . . . . . . . . . . . 39 2 Xích Markov 45 2.1 Tính Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 2.1.1 Định nghĩa tính Markov . . . . . . . . . . . . . . . . . . . . . . . . 45 2.1.2 Các ví dụ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 2.2 Định nghĩa xích Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 2.3 Phân loại trạng thái xích Markov . . . . . . . . . . . . . . . . . . . . . . . 50 2.3.1 Các trạng thái tuần hoàn và không tuần hoàn . . . . . . . . . . . . 50 2.3.2 Các trạng thái ước lượng và không ước lượng được – Tính tối giản . 50
  5. MỤC LỤC 5 2.3.3 Trạng thái nhất thời và hồi quy . . . . . . . . . . . . . . . . . . . . 51 2.4 Số lần chiếm giữ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 2.5 Tính xác suất hấp thu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 2.6 Dáng điệu tiệm cận . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 2.7 Các ví dụ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 2.8 Một trường hợp trong bảo hiểm xã hội (Janssen (1966)) . . . . . . . . . . . 63 2.9 Phương pháp số giải bài toán tiệm cận . . . . . . . . . . . . . . . . . . . . 65 2.9.1 Thuật toán cho nghiên cứu xích Markov tiệm cận . . . . . . . . . . 65 2.9.2 Mẫu dữ liệu tối giản thực tế trong bảo hiểm xe . . . . . . . . . . . 68 2.9.3 Các ví dụ rút gọn được và không rút gọn được, dạng kết nối chính tắc. 72 3 Quá trình tái tạo Markov, bán Markov và bước ngẫu nhiên Markov 82 3.1 Quá trình (J-X) dương . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 3.2 Xích bán Markov và xích bán Markov mở rộng . . . . . . . . . . . . . . . . 83 3.3 Các tính chất chính . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 3.4 Ví dụ về quá trình yêu cầu bồi thường trong bảo hiểm . . . . . . . . . . . 86 3.5 Quá trình tái tạo Markov, quá trình bán-Markov và quá trình đếm liên kết 87 3.6 Các hàm tái tạo Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 3.7 Phương trình tái tạo Markov . . . . . . . . . . . . . . . . . . . . . . . . . . 91 3.8 Dáng điệu tiệm cận của MRP . . . . . . . . . . . . . . . . . . . . . . . . . 92 3.8.1 Dáng điệu tiệm cận của hàm tái tạo Markov . . . . . . . . . . . . 92 3.9 Dáng điệu tiệm cận của SMP . . . . . . . . . . . . . . . . . . . . . . . . . 92 3.9.1 Trường hợp tối giản . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 3.9.2 Trường hợp không tối giản . . . . . . . . . . . . . . . . . . . . . . . 94 3.10 MRP trì hoãn và MRP dừng . . . . . . . . . . . . . . . . . . . . . . . . . . 95 3.11 Trường hợp nghiên cứu về bảo hiểm xã hội . . . . . . . . . . . . . . . . . . 98 3.11.1 Mô hình bán Markov . . . . . . . . . . . . . . . . . . . . . . . . . 98 3.11.2 Ví dụ số . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 3.12 Quá trình (J-X) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 3.13 Các hàm của quá trình (J-X) . . . . . . . . . . . . . . . . . . . . . . . . . 101 3.14 Các bước ngẫu nhiên cổ điển và lý thuyết rủi ro . . . . . . . . . . . . . . . 103 3.14.1 Các kí hiệu cơ bản trong bước ngẫu nhiên . . . . . . . . . . . . . . 103 3.14.2 Sự phân loại các bước ngẫu nhiên . . . . . . . . . . . . . . . . . . 104 3.15 Các bước ngẫu nhiên bán Markov . . . . . . . . . . . . . . . . . . . . . . . 106 3.16 Phân phối cận trên đúng cho các bước ngẫu nhiên bán Markov . . . . . . . 107 4 Các Mô Hình Rủi Ro Trong Bảo Hiểm 109 4.1 Mô hình ngẫu nhiên cổ điển cho lý thuyết rủi ro và xác suất phá sản . . . 109 4.2 Mô hình rủi ro E.S Anderson hay G/G . . . . . . . . . . . . . . . . . . . . 110 4.2.1 Mô hình . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 4.2.2 Phí bảo hiểm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 4.2.3 Ba quá trình cơ bản . . . . . . . . . . . . . . . . . . . . . . . . . . 112 4.2.4 Xác suất phá sản . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 4.3 Mô hình rủi ro Cramer – Lundberg hay P/G . . . . . . . . . . . . . . . . . 115 4.3.1 Mô hình . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 4.3.2 Xác suất phá sản . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 4.3.3 Quản lí rủi ro bằng xác suất phá sản . . . . . . . . . . . . . . . . . 120 4.3.4 Ước lượng Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
  6. MỤC LỤC 6 4.4 Các mô hình khuyếch tán cho lý thuyết rủi ro và xác suất phá sản . . . . 123 4.4.1 Mô hình rủi ro khuyếch tán đơn giản . . . . . . . . . . . . . . . . . 123 4.4.2 Mô hình rủi ro ALM . . . . . . . . . . . . . . . . . . . . . . . . . . 124 4.5 Mô hình rủi ro Bán Markov . . . . . . . . . . . . . . . . . . . . . . . . . . 125 4.5.1 Mô hình rủi ro bán Markov (hay SMRM) . . . . . . . . . . . . . . . 125 4.5.2 Mô hình rủi ro bán Markov tổng quát (hay GSMRM) . . . . . . . . 125 4.5.3 Quá trình đếm số yêu cầu bồi thường . . . . . . . . . . . . . . . . . 128 4.5.4 Quá trình tiền bảo hiểm tích lũy . . . . . . . . . . . . . . . . . . . 130 4.5.5 Quá trình tiền đóng bảo hiểm . . . . . . . . . . . . . . . . . . . . . 131 4.5.6 Quá trình rủi ro và rủi ro của vốn dự trữ . . . . . . . . . . . . . . . 131 4.5.7 Mô hình rủi ro bán-Markov dừng . . . . . . . . . . . . . . . . . . . 132 4.6 Xác suất phá sản của mô hình rủi ro bán-Markov tổng quát . . . . . . . . 132 4.6.1 Xác suất phá sản và không phá sản . . . . . . . . . . . . . . . . . . 132 4.6.2 Sự thay đổi mức phí bảo hiểm . . . . . . . . . . . . . . . . . . . . 133 4.6.3 Giải pháp tổng quát cho vấn đề tiệm cận xác suất rủi ro . . . . . . 134 Kết luận 137 Tài liệu tham khảo 138
  7. Chương 1 Thuyết tái tạo 1.1 Mục đích Đặt (Xn , n ≥ 1) là một dãy biến ngẫu nhiên không âm, độc lập và có cùng phân phối được xác định trên không gian xác suất (Ω, =, P ). Ta xét vấn đề về độ tin cậy như sau: tại thời điểm 0, hệ được xét bắt đầu với một thành phần mới và sau đó nó bị hỏng tại thời điểm ngẫu nhiên T1 . Tại thời điểm này, một thành phần mới khác lập tức được thay thế cho thành phần đầu tiên trong hệ, sau đó nó cũng bị hỏng tại thời điểm c và cứ tiếp tục quá trình như vậy. Tất cả các thành phần này đều cùng loại. Ta gọi (Tn , n ≥ 0) là các thời điểm thay thế liên tiếp, ta có T0 = 0. (1.1) Tuổi thọ của các thành phần liên tiếp được đưa vào hệ cho bởi Xn = Tn − Tn−1 , n ≥ 1. (1.2) Hình 1.1: Đồ thị của N (t)
  8. 1.2 Định nghĩa chính 2 Từ quan điểm toán tử, một đặc trưng quan trọng của hệ được xét tại thời điểm t là tổng số các thay thế xảy ra trong khoảng [0, t]. Lưu ý rằng ta không xét thành phần đầu tiên. Nếu N(t) là biến ngẫu nhiên ta vừa định nghĩa, với n ≥ 1 ta có: N(t) > n − 1 ⇔ Tn ≤ t. (1.3) Quá trình ngẫu nhiên (N(t), t ≥ 0), được thể hiện ở hình 1.1. Mômen cấp một của N(t) sẽ cho số lượng trung bình của sự thay thế trong (0, t]. Đặc biệt nếu tại thời điểm 0, người quản lý có đủ khả năng để thực hiện toàn bộ sự thay thế, số lượng thay thế trung bình sẽ là kì vọng E(N(t)). Dĩ nhiên, nhà quản lý phải dự trữ thêm để ngăn chặn sự gia tăng ngẫu nhiên. Vấn đề này sẽ được giải quyết trong mục 1.7. Lĩnh vực nghiên cứu xác suất của các quá trình này được gọi là thuyết tái tạo. Nó được sử dụng cho xác suất ứng dụng, một trong những chủ đề quan trọng để giải quyết một số vấn đề trong cuộc sống. 1.2 Định nghĩa chính Định nghĩa 1.1. Dãy ngẫu nhiên (Tn , n ≥ 0), trong đó T0 = 0, (1.4) Tn = X1 + . . . + Xn , n≥1 (1.5) được gọi là dãy tái tạo hoặc quá trình tái tạo. Các biến ngẫu nhiên Tn , n ≥ 0 được gọi là thời điểm tái tạo và biến ngẫu nhiên Xn , n ≥ 1 được gọi là khoảng thời gian giữa hai lần chuyển đổi. Ví dụ 1.1. 1. Ta xét hệ thống hàng đợi của một dịch vụ, quá trình khách hàng đến và quá trình số lần phục vụ được áp dụng bởi luật FIFO, nghĩa là khách hàng nào tới trước sẽ được phục vụ trước. Trong nhiều mô hình của lý thuyết hàng đợi, quá trình đến được thừa nhận là một quá trình tái tạo. Trong trường hợp này, biến ngẫu nhiên Tn là thời gian đến của khách hàng thứ n, khi đó khách hàng số 0 thì sẽ được phục vụ tại thời điểm 0 và biến ngẫu nhiên Xn mô tả khoảng thời gian đến giữa khách hàng thứ (n − 1) và thứ n. 2. Quá trình đến cũng được xét trong lý thuyết rủi ro. Ta xét một công ty bảo hiểm bắt đầu tại thời điểm 0 với số vốn ban đầu u(u ≥ 0). Khách hàng đóng phí bảo hiểm và công ty bảo hiểm phải trả tiền bồi thường khi khách hàng xảy ra tai nạn. Trong trường hợp này, biến ngẫu nhiên Tn mô tả yêu cầu bồi thường bảo hiểm thứ n và công ty sẽ bắt đầu xem xét chi trả tiền bồi thường với yêu cầu đầu tiên được gọi là yêu cầu bồi thường 0, biến ngẫu nhiên Xn là “khoảng thời gian đến” giữa sự bồi thường thứ (n − 1) và thứ n. 3. Trong lý thuyết đếm, ta xét các mẫu đến tại thời điểm Tn , n ≥ 0 với T0 = 0, biến ngẫu nhiên Xn thỏa các điều kiện của thời điểm đến giữa 2 lần chuyển đổi liên tục. Định nghĩa 1.2. Với mỗi dãy tái tạo, ta có thể kết hợp các quá trình ngẫu nhiên sau có thời gian liên tục với các giá trị trong N : (N(t), t ≥ 0) (1.6) khi đó N(t) > n − 1 ⇔ Tn ≤ t, n ∈ N0 . Quá trình này được gọi là quá trình đếm kết hợp hoặc quá trình đếm tái tạo. N(t) mô tả tổng số tái tạo trong (0, t].
  9. 1.3 Sự phân loại của các quá trình tái tạo 3 Định nghĩa 1.3. Hàm tái tạo được định nghĩa H(t) = E(N(t)) (1.7) trong đó kì vọng được quy định là hữu hạn. 1.3 Sự phân loại của các quá trình tái tạo Ta giả sử rằng các biến ngẫu nhiên được định nghĩa trên R có hàm phân phối F như vậy: F (0) < 1. (1.8) Nếu F (+∞) = 1 (1.9) ta sẽ có trường hợp thông thường của các biến ngẫu nhiên thực. Từ hệ thức 1.5, ta có: P (N(t) > n − 1) = F (n) (t), n≥1 (1.10) F (n) là tích chập n lần của hàm F với chính nó. Từ đó với n ≥ 1 P (N(t) = n) = P (N(t) > n − 1) − P (N(t) > n). (1.11) Áp dụng hệ thức 1.10 ta có: P (N(t) = n) = F (n) (t) − F (n+1) (t), n ≥ 1. (1.12) F (0) đựơc định nghĩa là phân phối Heaviside với giá trị tại thời điểm ban đầu F (0) = U0 , (1.13) hệ thức 1.12 vẫn đúng cho n = 0, do đó P (N(t) = 0) = 1 − F (t). (1.14) Áp dụng bổ đề Stein, kết quả quan trọng sau được chứng minh. Mệnh đề 1.4. Nếu F (0) < 1, với mọi t thì N(t) có mô men bậc bất kì. Đặc biệt, mệnh đề này có nghĩa là hàm tái tạo hữu hạn với mọi t hữu hạn. Do đó, ta có thể viết : ∞ X   E(N(t)) = n F (n) (t) − F (n+1) n=1 = F (t) − F (2) (t) + 2F (2) (t) − 2F (3) (t) + · · · (1.15) = F (t) + F (2) (t) + F (3) (t) + · · · vì thế sử dụng hệ thức 1.7: ∞ X H(t) = F (n) (t). (1.16) n=1
  10. 1.3 Sự phân loại của các quá trình tái tạo 4 Trong một vài trường hợp, nó hữu ích để xét tái tạo ban đầu và để định nghĩa biến ngẫu nhiên N 0 (t) vào thời điểm t là tổng số tái tạo trong [0, t]. Rõ ràng, với mọi t ≥ 0: N 0 (t) = N(t) + 1 (1.17) do đó: E(N 0 (t)) = H(t) + 1. (1.18) Đặt R(t) = E(N 0 (t)) (1.19) Theo hệ thức 1.18, 1.16 và 1.13 ta có: ∞ X R(t) = F (n) (t). (1.20) n=0 Hiển nhiên ta có: R(t) = U0 (t) + H(t). (1.21) Sự phân loại của quá trình tái tạo dựa trên ba khái niệm: hồi quy, nhất thời và tuần hoàn. Định nghĩa 1.5. i) Một quá trình tái tạo (Tn ,n ≥ 1) là hồi quy nếu Xn < ∞ với mọi n, ngược lại nó được gọi là nhất thời. ii) Một quá trình tái tạo (Tn ,n ≥ 1) là tuần hoàn với chu kì δ nếu các giá trị có thể có của các biến ngẫu nhiên Xn , n ≥ 1 có dạng tập hợp đếm được {0, δ, 2δ, . . .}, và δ là số lớn nhất. Ngược lại, nếu không có δ nào dương thì quá trình tái tạo là không tuần hoàn. Kết quả trực tiếp của định nghĩa này là đặc trưng của một kiểu quá trình tái tạo với sự trợ giúp của hàm phân phối F. Mệnh đề 1.6. Một quá trình tái tạo của hàm phân phối F là i) Hồi quy khi và chỉ khi F (∞) = 1. ii) Nhất thời khi và chỉ khi F (∞) < 1. iii) Tuần hoàn với chu kì δ (δ > 0) khi và chỉ khi nếu F là hằng số nằm ngoài khoảng [nδ,(n + 1)δ), n ∈ N và tất cả các bước nhảy của nó xảy ra tại các điểm nδ, n ∈ N. Nếu t tiến đến +∞ hệ thức 1.16 cho:   +∞ nếu F (+∞) = 1 H(+∞) = F (+∞) (1.22)  nếu F (+∞) < 1. 1 − F (+∞) Hoặc tương đương với với hệ thức 1.20:   +∞ nếu F (+∞) = 1 R(+∞) = 1 (1.23)  nếu F (+∞) < 1. 1 − F (+∞) Điều này sẽ được chứng minh ở định lí tiếp theo. Mệnh đề 1.7. Quá trình tái tạo của hàm phân phối F là hồi quy hay nhất thời phụ thuộc vào H(+∞) = +∞ hoặc H(+∞) < +∞. Trong trường hợp cuối, ta có 1 F (+∞) R(+∞) = hoặc H(+∞) = . (1.24) 1 − F (+∞) 1 − F (+∞)
  11. 1.3 Sự phân loại của các quá trình tái tạo 5 Sự phân loại được trình bày ở trên sẽ rõ ràng hơn với khái niệm tuổi thọ của quá trình tái tạo. Định nghĩa 1.8. Tuổi thọ của quá trình tái tạo (Tn , n ≥ 1) là biến ngẫu nhiên L được định nghĩa: L = sup{Tn : Tn < ∞}. (1.25) Vì thế, nếu L = `, có nghĩa là chỉ có một số lượng hữu hạn sự tái tạo trên [0, ∞). Ta cũng định nghĩa một biến ngẫu nhiên N mới, nó là tổng số lượng tái tạo trên [0, L). Định nghĩa 1.9. Tổng số lượng các tái tạo trong (0, ∞), có thể là vô hạn, được cho bởi N = sup{N(t), t ≥ 0}. (1.26) Trong lý thuyết độ tin cậy, biến cố {N = k} có nghĩa là thành phần thứ (k + 1) được đưa vào hệ thống và sẽ có tuổi thọ là vô hạn. Phân phối xác suất của N được cho bởi công thức P (N = 0) = 1 − F (+∞), (1.27) P (N = 1) = F (+∞)(1 − F (+∞)) (1.28) và tổng quát với k ∈ N : P (N = k) = (F (+∞))k (1 − F (+∞)). (1.29) Hiển nhiên nếu F (+∞) = 1, ta có N = +∞. (1.30) Trong trường hợp quá trình tái tạo nhất thời, theo hệ thức 1.29 ta có: ∞ X E(N) = k[F (+∞)]k (1 − F (+∞)). (1.31) k=1 1 Như hàm số với |x| < 1 (hay −1 < x < 1) có thể viết dưới dạng chuỗi lũy thừa: 1−x X ∞ 1 = xn . (1.32) 1 − x n=0 Với x ∈ (−1, +1) và như vậy, lấy đạo hàm ta được X∞ 1 2 = nxn−1 . (1.33) (1 − x) n=1 Viết hệ thức 1.31 dưới dạng ∞ X E(N) = F (+∞)(1 − F (+∞)). k[F (+∞)]k−1 (1.34) k=1 theo 1.33 ta có: F (+∞) E(N) = . (1.35) 1 − F (+∞)
  12. 1.3 Sự phân loại của các quá trình tái tạo 6 Vì vậy, có thể tính được trung bình của tổng số các tái tạo một cách dễ dàng trong trường hợp nhất thời. Ta cũng có thể đưa ra hàm phân phối của L. Thực vậy, ta có: ∞ X P (L ≤ t) = P (Tn ≤ t, Xn+1 = +∞). (1.36) n=0 Với Tn và Xn+1 độc lập nhau ta suy ra : ∞ X P (L ≤ t) = 1 − F (+∞) + F (n) (t)(1 − F (+∞)). (1.37) n=1 Cuối cùng, theo đẳng thức 1.20: P (L ≤ t) = (1 − F (+∞))R(t). (1.38) Để tính tuổi thọ trung bình của quá trình, ta sử dụng thủ thuật sau dựa trên tính độc lập của các biến ngẫu nhiên Xn , n ≥ 1, ta có thể viết: E(L) = E(T1 .I{T1
  13. 1.4 Phương trình tái tạo 7 Z t F (2) (t) = λ (1 − e−λ(t−x) )e−λx dx (1.44) 0 Zt =λ (e−λx − e−λt )dx (1.45) 0 = 1 − e−λt − λte−λt (1.46) = 1 − e−λt (1 + λt) (1.47) và tổng quát: n−1 X (λt)k F (n) (t) = 1 − e −λt . (1.48) k=0 k! Áp dụng kết quả 1.12 ta có: n−1 n X (λt)k X (λt)k −λt (λt) n P (N(t) = n) = 1 − e −λt −1+e −λt =e . (1.49) k=0 k! k=0 k! n! Với mọi t cố định, quá trình (N(t)) là quá trình Poisson của tham số λt. Giá trị của hàm tái tạo H theo hệ thức 1.16 và 1.15 ∞ X n −λt (λt) H(t) = ne (1.50) n=1 n! ∞ X (λt)n = e−λt (1.51) n=1 (n − 1)! ∞ X (λt)n−1 =e −λt λt . (1.52) n=1 (n − 1)! hoặc H(t) = λt. (1.53) Theo đó, trong quá trình tái tạo Poisson thì hàm tái tạo là tuyến tính. Ta sẽ thấy trong phần 1.5, một quá trình tái tạo có thể cũng được mô tả bởi hàm tái tạo của nó. Quá trình tái tạo Poisson là một quá trình có hàm tái tạo tuyến tính. 1.4 Phương trình tái tạo Trở lại hệ thức 1.16 ta sử dụng tính liên đới của tích chập ta có: H(t) = F (t) + F (2) (t) + F (3) (t) + · · · = F + F • [F + F (2) + · · · ](t) (1.54) = F (t) + F • H(t).
  14. 1.4 Phương trình tái tạo 8 Hệ thức này được gọi là phương trình tích phân của thuyết tái tạo, hoặc đơn giản là phương trình tái tạo. Nó được viết như sau: Zt H(t) = F (t) + F (t − x)dH(x). (1.55) 0 Hoặc F • H(t) = H • F (t) (1.56) suy ra H(t) = F (t) + H • F (t) hay Zt H(t) = F (t) + H(t − x)dF (x). (1.57) 0 Trong trường hợp riêng trong đó hàm mật độ f của F tồn tại thì phương trình tích phân cuối cùng trở thành: Zt H(t) = F (t) + H(t − x)f (x)dx. (1.58) 0 Trong trường hợp này, ta có thể áp dụng tính hội tụ trội cho 1.16 chỉ ra sự tồn tại của hàm mật độ h của H là: ∞ X h(t) = f [n] (t) (1.59) n=1 với f [1] (t) = f (t) (1.60) Zt f [2] (t) = f (t − x)f (x)dx (1.61) 0 .. . Zt f [n] (t) = f [n−1] (t − x)f (x)dx. (1.62) 0 Từ hệ thức 1.58 hoặc 1.59 ta được phương trình tích phân cho h : h(t) = f (t) + f ⊗ h(t) (1.63) với Zt f ⊗ h(t) = f (t − x)h(x)dx. (1.64) 0 Hoặc f ⊗ h(t) = h ⊗ f (t), (1.65)
  15. 1.4 Phương trình tái tạo 9 h(t) = f (t) + h ⊗ f (t). (1.66) Thực tế, phương trình tái tạo 1.55 là trường hợp riêng của một dạng phương trình tích phân: X(t) = G(t) + X • F (t) (1.67) ở đó X là một hàm chưa biết, F và G là các hàm đo được bị chặn trên một khoảng hữu hạn và • là tích chập. Phương trình tích phân đó được gọi là thuộc kiểu tái tạo. Khi G = F, ta được phương trình tái tạo. Các phương trình tích phân này đã được nghiên cứu từ lâu gồm các đóng góp của Lotka (1940), Feller (1941), Smith (1954), Cinlar (1969). Cinlar đưa ra hai mệnh đề sau: Mệnh đề 1.10 (Sự tồn tại và tính duy nhất). Phương trình tích phân của kiểu tái tạo 1.67 có duy nhất một nghiệm được cho bởi X(t) = R • G(t) (1.68) R được định nghĩa bởi hệ thức 1.20. Chứng minh. 1. Sự tồn tại: Trong thành phần thứ hai của phương trình 1.67, ta thay X bởi biểu thức 1.68: G(t) + R • G • F (t). (1.69) Sử dụng tính chất giao hoán của tích chập ta có: G(t) + R • G • F (t) = (U0 (t) + R • F (t)) • G(t). (1.70) Và bởi 1.21 G(t) + R • G • F (t) = R • G(t). (1.71) Vì vậy, hàm R • G(t) là một kết quả của phương trình kiểu tái tạo 1.67. 2. Tính duy nhất: Đặt X1 và X2 là hai nghiệm của phương trình 1.67, và Y được định nghĩa bởi: Y = X1 − X2 (1.72) Khi đó ta có Y = Y • F (t) (1.73) Áp dụng phép quy nạp ta được: Y = Y • F (n) với mọi n > 0. (1.74) Hàm tái tạo R có thể được định nghĩa bởi chuỗi 1.20 hội tụ với mọi t dương, ta biết rằng: lim F (n) (t) = 0 với mọi t ≥ 0. (1.75) n Do đó lim Y • F (n) (t) = 0 với mọi t ≥ 0 (1.76) n Và với 1.74: Y (t) = 0 với mọi t ≥ 0. (1.77)
  16. 1.4 Phương trình tái tạo 10 Nó cũng có thể dùng để nghiên cứu dáng điệu tiệm cận cho phép giải các kiểu phương trình tái tạo. Kết quả cơ bản là “định lí khóa tái tạo” đã được chứng minh bởi W.L Smith (1954), trên thực tế về mặt toán học nó tương đương với định lí Blackwell (1948), được trình bày ở đây bởi hệ quả 1.13. Kết quả của định lí khóa tái tạo áp dụng định lí Blackwell được tìm thấy ở Cinlar (1975b). Mệnh đề 1.11 (Dáng điệu tiệm cận và định lí khóa tái tạo). i) Trong trường hợp nhất thời, ta có: lim X(t) = R(∞)G(∞) (1.78) t→∞ cho ta giới hạn G(∞) = lim G(t) (1.79) t tồn tại. ii) Trường hợp hồi quy, ta có: Z∞ 1 lim X(t) = G(x)dx, (1.80) t→∞ m 0 với G Reiman khả tích trên [0, ∞) và giả sử: Z∞ m = E(Xn ) = (1 − F (x))dx. (1.81) 0 Hệ quả 1.12. Trong trường hợp quá trình tái tạo hồi quy với phương sai hữu hạn σ 2 ,ta có:   t m2 + σ 2 lim R(t) − = . (1.82) t→∞ m 2m2 Chứng minh. Trong phương trình tích phân của kiểu tái tạo 1.67, ta chọn t X(t) = R(t) − . (1.83) m Ta sẽ tính hàm G, như vậy phương trình tích phân này có giá trị. Ta lấy: G(t) = X(t) − X • F (t) (1.84) Zt t 1 = R(t) − − R • F (t) + F (t − x)dx. (1.85) m m 0 Từ 1.21, với mọi t ≥ 0 ta có: R(t) = U0 + H(t) (1.86)
  17. 1.4 Phương trình tái tạo 11 vì thế: Zt t 1 G(t) = 1 + H(t) − − F (t) − F • H(t) + F (t − x)dx. (1.87) m m 0 Áp dụng phương trình tái tạo 1.55 và trong thành phần thứ hai của tích phân đặt x0 = t − x ta được: Zt t 1 G(t) = 1 − + F (x0 )dx0 . (1.88) m m 0 Và như vậy: Zt 1 G(t) = 1 − (1 − F (x))dx. (1.89) m 0 Từ Z∞ m= (1 − F (x))dx, (1.90) 0 ta suy ra: Z∞ 1 G(t) = (1 − F (x))dx. (1.91) m t Kết luận: Hàm G được đưa ra trong hệ thức cuối là hàm duy nhất cho phương trình tích phân kiểu tái tạo có nghiệm là hệ thức 1.83. Rõ ràng, hàm G là hàm đơn điệu không tăng trên [0, +∞) và:   Z∞ Z∞ Z∞ 1 G(t)dt =  (1 − F (x))dxdt. (1.92) m 0 0 t Dùng phép hoán đổi thứ tự tích phân (định lí Fubini). Ta được: Z∞ Z∞ 1 G(t)dt = x (1 − F (x))dx. (1.93) m 0 0 và ta có: Z∞ 2 σ +m = 2 x2 dF (x) (1.94) 0 Z∞ =− x2 d(1 − F (x)). (1.95) 0
  18. 1.4 Phương trình tái tạo 12 lấy tích phân từng phần ta được: Z∞ σ 2 + m2 = 2 x (1 − F (x))dx. (1.96) 0 Trở lại hệ thức 1.93, cuối cùng ta có: Z∞ σ 2 + m2 G(t)dt = . (1.97) 2m 0 Như vậy hệ quả 1.12 là hệ quả trực tiếp của kết quả (ii) của mệnh đề 1.11. Chú ý 1.1. 1) Từ kết quả 1.82, ta được một kết quả tương tự cho hàm tái tạo H. Thực vậy, từ hệ thức 1.21 ta biết rằng R(t) = H(t) + U0 (t), t ≥ 0. (1.98) Áp dụng kết quả 1.82, ta được:   t m2 + σ 2 lim H(t) − = −1 (1.99) t→∞ m 2m2 hoặc   t σ 2 − m2 lim H(t) − = . (1.100) t→∞ m 2m2 2) Hai kết quả 1.82 và 1.100 thường được viết theo các dạng sau: t m2 + σ 2 R(t) = + + O(1) (1.101) m 2m2 t σ 2 − m2 H(t) = + + O(1) (1.102) m 2m2 trong đó O(1) là hàm của t xấp xỉ 0 khi t tiến đến vô cực. Hệ quả 1.13. Trong trường hợp một quá trình tái tạo hồi quy với giá trị trung bình m hữu hạn ta có: R(t) 1 lim = . (1.103) t→∞ t m Hệ quả 1.14 (Định lí Blackwell). Trường hợp quá trình tái tạo hồi quy với m trung bình hữu hạn và với mỗi τ dương ta có: τ lim (R(t) − R(t − τ )) = . (1.104) t→∞ m Chứng minh. Ta xét phương trình kiểu tái tạo 1.67 với hàm G được định nghĩa như sau: ( 1 , 0≤t≤τ G(t) = τ (1.105) 0, τ
  19. 1.4 Phương trình tái tạo 13 Trong đó τ là một số thực cố định dương. Từ định lí khóa tái tạo (mệnh đề 1.11, phần (ii)), ta biết rằng cách giải duy nhất đó được cho bởi mệnh đề 1.10: X(t) = R • G(t) (1.106) như vậy Z∞ 1 lim X(t) = G(x)dx. (1.107) t→∞ m 0 Theo định nghĩa 1.105 của hàm G ta có 1 1 X(t) = R(t) − R(t − τ ) (1.108) τ τ và Z∞ G(x)dx = 1. (1.109) 0 Thay các kết quả của 1.108 và 1.109 vào hệ thức 1.107 ta được 1.104. Chú ý 1.2. 1) Giải thích xác suất của hàm mật độ tái tạo. Đặt k(t)dt là xác suất có sự tái tạo trong khoảng thời gian (t, t + dt) và phải thỏa mãn hệ thức sau, hệ thức này có được bởi tham số xác suất đơn giản sử dụng tính độc lập của tuổi thọ liên tục: Zt k(t)dt = f (t)dt + f (x)k(t − x)dt. (1.110) 0 Từ phần duy nhất nghiệm của mệnh đề 1.10, với mọi t ≥ 0 ta được: k(t) = h(t). (1.111) Vì vậy, xác suất được định nghĩa ở trên được cho bởi h(t)dt và tổng quát hơn là bởi dH(t) với một sai số chính xác của O(dt). 2) Phương sai của N(t): Từ bổ đề Stein, ta biết rằng với mọi t thì N(t) có mô ment bậc bất kì. Đặt α2 (t) là mô men có tâm bậc 2 của N(t) : α2 (t) = E((N(t))2 ). (1.112) Theo kết quả 1.12, tiếp theo ta có: ∞ X α2 (t) = k 2 (U0 − F ) • F (v) (t) (1.113) k=1 ∞ X ∞ X = 2 k F (k) (t)− k 2 F (k+1) (t) (1.114) k=1 k=1 ∞ X ∞ X = k 2 F (k) (t)− (v − 1)2 F (v) (t) (1.115) k=1 v=1
  20. 1.5 Sử dụng phép biến đổi Laplace 14 ∞ X = [v 2 − (v − 1)2 ]F (v) (t) (1.116) v=1 X∞ = (2v − 1)F (v) (t) (1.117) v=1 X∞ ∞ X =2 (v − 1)F (v) (t)+ F (v) (t). (1.118) v=1 v=1 Bây giờ nếu ta tính H (2) (t) bởi trung bình của hệ thức: ∞ ! ∞ ! X X (1.119) 0 H (2) (t) = F (v) (t) • F (v ) (t) v=1 v0 =1 khi đó ta dễ dàng thấy rằng: ∞ X H (2) (t) = (v − 1)F (v) (t). (1.120) v=1 Sử dụng 1.16 và thay thế kết quả cuối cùng này vào 1.118, ta được: α2 (t) = H(t) + 2H (2) (t). (1.121) Kết quả cuối cùng là: V ar(N(t)) = H(t) + 2H (2) (t) − (H(t))2 . (1.122) 1.5 Sử dụng phép biến đổi Laplace 1.5.1 Phép biến đổi Laplace Để chỉ ra sự hữu ích của phép biến đổi Laplace trong việc giải phương trình tái tạo, ta giả sử rằng hàm phân phối F đặc trưng cho quá trình tái tạo hồi quy được xét có hàm mật độ là f . Ta dùng các kí hiệu tổng quát như sau: với bất kì hàm α nào trên [0, ∞), α ˜ sẽ mô tả biến đổi Laplace của nó, với: Z∞ α ˜ (s) = ˜ e−sx α(x)dx, (= `(α(x))). (1.123) 0 Với quy ước này và sử dụng tính chất của phép biến đổi Laplace ˜ ⊗ β)(x)) = α(s) `(α ˜ ˜ · β(s) (1.124) từ phương trình tái tạo ta có: ˜ h(s) = f˜(s) + ˜h(s) · f˜(s). (1.125) Theo biến đổi Laplace ta được: f˜(s) ˜ h(s) = . (1.126) 1 − f˜(s) Sử dụng phép biến đổi Laplace ngược ta tìm được giá trị của h(t).
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2