Математические основы прогнозирования

При прогнозировании количества ЧС в течение выбранного временного интервала применяем распределение Пуассона.

Распределение Пуассона - распределение случайной величины дискретного типа, представляющей собой число событий, произошедших за фиксированное время, при условии, что данные события происходят с некоторой фиксированной средней интенсивностью и независимо друг от друга.

Интенсивность потока Рисунок 24 - среднее число событий, которые появляются в единицу времени (размерность [1/сут]).

Пусть Рисунок 25 - некоторый промежуток времени (размерность [сут]), X - дискретная случайная величина, равная числу событий k пуассоновского потока интенсивности Рисунок 26 в промежутке длительностью Рисунок 27.

При нахождении распределения дискретной случайной величины X с указанными свойствами используется теорема Пуассона, в соответствии со смыслом которой она имеет распределение Пуассона с параметром Рисунок 28:

Рисунок 29, Рисунок 30 (1)

При вычислениях значения множителя Рисунок 31 рекомендуется использование разложения в ряд Маклорена для экспоненты:

Рисунок 32 (2)

Основным параметром в (1 - 2) является произведение Рисунок 33 (безразмерная величина). В зависимости от его величины можно выделить три случая.

1. Величина параметра Рисунок 34 достаточно велика (Рисунок 35 порядка единицы или больше). В этом случае необходимо производить расчет по общей формуле (1).

2. Величина параметра Рисунок 36 достаточно велика (Рисунок 37 меньше или порядка единицы). В этом случае необходимо производить расчет по формуле (1) с подстановкой первых членов разложения (2):

Рисунок 38 или Рисунок 39

(3)

Рисунок 40

Рисунок 41

Рисунок 42

Рисунок 43

Рисунок 44

...

...

Рисунок 45

...

3. Величина параметра Рисунок 46 достаточно мала (Рисунок 47 много меньше единицы). Также учитываем разложение (2), согласно которому для малых значений параметра справедливо приближение:

Рисунок 48

(4)

Рисунок 49

Рисунок 50

Рисунок 51

Рисунок 52

В данном случае для малых значений параметра также может применяться более точный расчет вероятностей числа событий k в течение времени Рисунок 53 с использованием формулы Бернулли (рассмотрен ниже).