टेलीग्राफ प्रक्रिया: Difference between revisions

Latest revision as of 19:31, 21 July 2023

संभाव्यता सिद्धांत में, टेलीग्राफ प्रक्रिया एक स्मृतिहीन सतत-समय स्टोकेस्टिक प्रक्रिया है जो दो अलग-अलग मान दिखाती है। यह बर्स्ट नॉइज़ को मॉडल करता है (जिसे पॉपकॉर्न नॉइज़ या यादृच्छिक टेलीग्राफ संकेत भी कहा जाता है)। यदि दो संभावित मान जो एक यादृच्छिक चर ले सकते हैं वे $c_{1}$ और $c_{2}$ हैं, तो प्रक्रिया को निम्नलिखित मास्टर समीकरणों द्वारा वर्णित किया जा सकता है:

\partial _{t}P(c_{1},t|x,t_{0})=-\lambda _{1}P(c_{1},t|x,t_{0})+\lambda _{2}P(c_{2},t|x,t_{0})

और

\partial _{t}P(c_{2},t|x,t_{0})=\lambda _{1}P(c_{1},t|x,t_{0})-\lambda _{2}P(c_{2},t|x,t_{0}).

जहां $\lambda _{1}$ अवस्था $c_{1}$ से अवस्था $c_{2}$ में जाने के लिए परिवर्तन दर है और $\lambda _{2}$ अवस्था $c_{2}$ से अवस्था $c_{1}$ में जाने के लिए परिवर्तन दर है। इस प्रक्रिया को काक प्रक्रिया (गणितज्ञ मार्क काक के नाम पर),^[1] और द्विभाजित यादृच्छिक प्रक्रिया के नाम से भी जाना जाता है।^[2]

समाधान

मास्टर समीकरण को एक सदिश $\mathbf {P} =[P(c_{1},t|x,t_{0}),P(c_{2},t|x,t_{0})]$ प्रस्तुत करके आव्यूह रूप में संक्षिप्त रूप से लिखा गया है।

{\frac {d\mathbf {P} }{dt}}=W\mathbf {P}

जहां

W={\begin{pmatrix}-\lambda _{1}&\lambda _{2}\\\lambda _{1}&-\lambda _{2}\end{pmatrix}}

परिवर्तन दर आव्यूह है औपचारिक समाधान का निर्माण प्रारंभिक स्थिति $\mathbf {P} (0)$ से किया जाता है (जो परिभाषित करता है कि $t=t_{0}$ पर, स्थिति $x$ है)

\mathbf {P} (t)=e^{Wt}\mathbf {P} (0)

.

यह दर्शाया जा सकता है कि^[3]

e^{Wt}=I+W{\frac {(1-e^{-2\lambda t})}{2\lambda }}

जहां $I$ सर्वसमिका आव्यूह है और $\lambda =(\lambda _{1}+\lambda _{2})/2$ औसत परिवर्तन दर है। जैसे $t\rightarrow \infty$ , समाधान स्थिर वितरण $\mathbf {P} (t\rightarrow \infty )=\mathbf {P} _{s}$ तक पहुंचता है।

\mathbf {P} _{s}={\frac {1}{2\lambda }}{\begin{pmatrix}\lambda _{2}\\\lambda _{1}\end{pmatrix}}

गुण

प्रारंभिक अवस्था का ज्ञान तेजी से क्षीण होता जाता है। इसलिए, समय $t\gg (2\lambda )^{-1}$ के लिए, प्रक्रिया निम्नलिखित स्थिर मानों तक पहुंच जाएगी, जिसे सबस्क्रिप्ट s द्वारा दर्शाया गया है:

माध्य

\langle X\rangle _{s}={\frac {c_{1}\lambda _{2}+c_{2}\lambda _{1}}{\lambda _{1}+\lambda _{2}}}.

भिन्नता:

\operatorname {var} \{X\}_{s}={\frac {(c_{1}-c_{2})^{2}\lambda _{1}\lambda _{2}}{(\lambda _{1}+\lambda _{2})^{2}}}.

कोई सहसंबंध फलन की भी गणना कर सकता है:

\langle X(t),X(u)\rangle _{s}=e^{-2\lambda |t-u|}\operatorname {var} \{X\}_{s}.

अनुप्रयोग

यह यादृच्छिक प्रक्रिया मॉडल निर्माण में व्यापक रूप से उपयुक्त होती है:

भौतिकी में, स्पिन प्रणालियाँ और प्रतिदीप्ति आंतरायिकता द्विभाजित गुण दर्शाते हैं। लेकिन विशेष रूप से एकल अणु प्रयोगों में उपरोक्त सभी सूत्रों में निहित घातांकीय वितरण के बजाय बीजीय पूंछ वाले संभाव्यता वितरण का उपयोग किया जाता है।
वित्त में स्टॉक की कीमतों का वर्णन करने के लिए।^[1]
प्रतिलेखन कारक बंधन और असंबद्धता का वर्णन करने के लिए जीव विज्ञान में है।

यह भी देखें

मार्कोव श्रृंखला
स्टोकेस्टिक प्रक्रियाओं के विषयों की सूची
यादृच्छिक टेलीग्राफ संकेत

संदर्भ

↑ ^1.0 ^1.1 Bondarenko, YV (2000). "वित्तीय सूचकांकों के विकास के विवरण के लिए संभाव्य मॉडल". Cybernetics and Systems Analysis. 36 (5): 738–742. doi:10.1023/A:1009437108439. S2CID 115293176.
↑ Margolin, G; Barkai, E (2006). "Nonergodicity of a Time Series Obeying Lévy Statistics". Journal of Statistical Physics. 122 (1): 137–167. arXiv:cond-mat/0504454. Bibcode:2006JSP...122..137M. doi:10.1007/s10955-005-8076-9. S2CID 53625405.
↑ Balakrishnan, V. (2020). Mathematical Physics: Applications and Problems. Springer International Publishing. pp. 474

[Kac-1] 1.0 ^1.1 Bondarenko, YV (2000). "वित्तीय सूचकांकों के विकास के विवरण के लिए संभाव्य मॉडल". Cybernetics and Systems Analysis. 36 (5): 738–742. doi:10.1023/A:1009437108439. S2CID 115293176.

[2] Margolin, G; Barkai, E (2006). "Nonergodicity of a Time Series Obeying Lévy Statistics". Journal of Statistical Physics. 122 (1): 137–167. arXiv:cond-mat/0504454. Bibcode:2006JSP...122..137M. doi:10.1007/s10955-005-8076-9. S2CID 53625405.

[3] Balakrishnan, V. (2020). Mathematical Physics: Applications and Problems. Springer International Publishing. pp. 474

[1]

[2]

[3]

@@ Line 6: / Line 6: @@
 :<math>\partial_t P(c_2, t|x, t_0)=\lambda_1 P(c_1, t|x, t_0)-\lambda_2 P(c_2, t|x, t_0).</math>
-जहां <math>\lambda_1</math>अवस्था <math>c_1</math>से अवस्था <math>c_2</math> में जाने के लिए परिवर्तन दर है और <math>\lambda_2</math>अवस्था <math>c_2</math>से अवस्था <math>c_1</math>में जाने के लिए परिवर्तन दर है। इस प्रक्रिया को काक प्रक्रिया (गणितज्ञ मार्क काक के नाम पर),<ref name="Kac">{{cite journal | doi = 10.1023/A:1009437108439 | last1 = Bondarenko | first1 = YV | year = 2000 | title = वित्तीय सूचकांकों के विकास के विवरण के लिए संभाव्य मॉडल| journal = Cybernetics and Systems Analysis | volume = 36 | issue = 5| pages = 738–742 | s2cid = 115293176 }}</ref> और द्विभाजित यादृच्छिक प्रक्रिया के नाम से भी जाना जाता है।<ref>{{cite journal | last1 = Margolin | first1 = G | last2 = Barkai | first2 = E | year = 2006 | title = Nonergodicity of a Time Series Obeying Lévy Statistics | journal = Journal of Statistical Physics | volume = 122 | issue = 1| pages = 137–167 | doi =10.1007/s10955-005-8076-9 |bibcode=2006JSP...122..137M|arxiv = cond-mat/0504454 | s2cid = 53625405 }}</ref>
+जहां <math>\lambda_1</math>अवस्था <math>c_1</math>से अवस्था <math>c_2</math> में जाने के लिए परिवर्तन दर है और <math>\lambda_2</math>अवस्था <math>c_2</math>से अवस्था <math>c_1</math>में जाने के लिए परिवर्तन दर है। इस प्रक्रिया को '''काक प्रक्रिया''' (गणितज्ञ मार्क काक के नाम पर),<ref name="Kac">{{cite journal | doi = 10.1023/A:1009437108439 | last1 = Bondarenko | first1 = YV | year = 2000 | title = वित्तीय सूचकांकों के विकास के विवरण के लिए संभाव्य मॉडल| journal = Cybernetics and Systems Analysis | volume = 36 | issue = 5| pages = 738–742 | s2cid = 115293176 }}</ref> और '''द्विभाजित यादृच्छिक प्रक्रिया''' के नाम से भी जाना जाता है।<ref>{{cite journal | last1 = Margolin | first1 = G | last2 = Barkai | first2 = E | year = 2006 | title = Nonergodicity of a Time Series Obeying Lévy Statistics | journal = Journal of Statistical Physics | volume = 122 | issue = 1| pages = 137–167 | doi =10.1007/s10955-005-8076-9 |bibcode=2006JSP...122..137M|arxiv = cond-mat/0504454 | s2cid = 53625405 }}</ref>
 ==समाधान==
 मास्टर समीकरण को एक सदिश <math>\mathbf{P}=[P(c_1, t|x, t_0),P(c_2, t|x, t_0)]</math>प्रस्तुत करके आव्यूह रूप में संक्षिप्त रूप से लिखा गया है।
@@ Line 23: / Line 23: @@
 यह दर्शाया जा सकता है कि<ref>[[V. Balakrishnan (physicist)|Balakrishnan, V.]] (2020). Mathematical Physics: Applications and Problems. Springer International Publishing. pp. 474</ref>
 :<math>e^{Wt}= I+ W\frac{(1-e^{-2\lambda t})}{2\lambda}</math>
-जहां <math>I</math> सर्वसमिका आव्यूह  है और <math>\lambda=(\lambda_1+\lambda_2)/2</math> औसत परिवर्तन दर है। जैसे <math>t\rightarrow \infty</math>, समाधान एक स्थिर वितरण <math>\mathbf{P}(t\rightarrow \infty)=\mathbf{P}_s</math> तक पहुंचता है
+जहां <math>I</math> सर्वसमिका आव्यूह  है और <math>\lambda=(\lambda_1+\lambda_2)/2</math> औसत परिवर्तन दर है। जैसे <math>t\rightarrow \infty</math>, समाधान स्थिर वितरण <math>\mathbf{P}(t\rightarrow \infty)=\mathbf{P}_s</math> तक पहुंचता है।
 :<math>\mathbf{P}_s= \frac{1}{2\lambda}\begin{pmatrix}
@@ Line 30: / Line 30: @@
 \end{pmatrix}</math>
 ==गुण==
-प्रारंभिक अवस्था [[घातीय क्षय]] का ज्ञान। इसलिए, कुछ समय के लिए <math>t\gg (2\lambda)^{-1}</math>, प्रक्रिया निम्नलिखित स्थिर मानों तक पहुंच जाएगी, जिसे सबस्क्रिप्ट द्वारा दर्शाया गया है:
+प्रारंभिक अवस्था का ज्ञान तेजी से क्षीण होता जाता है। इसलिए, समय <math>t\gg (2\lambda)^{-1}</math>के लिए, प्रक्रिया निम्नलिखित स्थिर मानों तक पहुंच जाएगी, जिसे सबस्क्रिप्ट ''s'' द्वारा दर्शाया गया है:
-अर्थ:
+माध्य
 : <math>\langle X \rangle_s = \frac {c_1\lambda_2+c_2\lambda_1}{\lambda_1+\lambda_2}.</math>
-विचरण:
+भिन्नता:
 : <math> \operatorname{var} \{ X \}_s = \frac {(c_1-c_2)^2\lambda_1\lambda_2}{(\lambda_1+\lambda_2)^2}.</math>
-कोई सहसंबंध फ़ंक्शन की गणना भी कर सकता है:
+कोई सहसंबंध फलन की भी गणना कर सकता है:
 : <math>\langle X(t),X(u)\rangle_s = e^{-2\lambda |t-u|}\operatorname{var} \{ X \}_s.</math>
+== अनुप्रयोग ==
-==आवेदन==
+यह यादृच्छिक प्रक्रिया मॉडल निर्माण में व्यापक रूप से उपयुक्त होती है:
+* भौतिकी में, [[स्पिन (भौतिकी)|स्पिन]] प्रणालियाँ और प्रतिदीप्ति आंतरायिकता द्विभाजित गुण दर्शाते हैं। लेकिन विशेष रूप से [[एकल अणु प्रयोग|एकल अणु]] प्रयोगों में उपरोक्त सभी सूत्रों में निहित घातांकीय वितरण के बजाय बीजीय पूंछ वाले संभाव्यता वितरण का उपयोग किया जाता है।
-इस यादृच्छिक प्रक्रिया को मॉडल निर्माण में व्यापक अनुप्रयोग मिलता है:
+*वित्त में स्टॉक की कीमतों का वर्णन करने के लिए।<ref name="Kac" />
-* भौतिकी में, [[स्पिन (भौतिकी)]] और प्रतिदीप्ति [[प्रतिदीप्ति आंतरायिकता]] द्विभाजित गुण दिखाते हैं। लेकिन विशेष रूप से [[एकल अणु प्रयोग]]ों में उपरोक्त सभी सूत्रों में निहित घातीय वितरण के बजाय बीजगणितीय पूंछ वाले संभाव्यता वितरण का उपयोग किया जाता है।
+*प्रतिलेखन कारक बंधन और असंबद्धता का वर्णन करने के लिए जीव विज्ञान में है।
-* [[ भंडार ]] की कीमतों का वर्णन करने के लिए [[वित्त]] में<ref name="Kac" />* जीव विज्ञान में [[प्रतिलेखन कारक]] बाइंडिंग और अनबाइंडिंग का वर्णन करने के लिए।
 ==यह भी देखें==
-*[[मार्कोव श्रृंखला]]
+* [[मार्कोव श्रृंखला]]
-*[[स्टोकेस्टिक प्रक्रिया विषयों की सूची]]
+* स्टोकेस्टिक प्रक्रियाओं के विषयों की सूची
-*[[यादृच्छिक टेलीग्राफ संकेत]]
+* [[यादृच्छिक टेलीग्राफ संकेत]]
 ==संदर्भ==
 <references/>
-{{Stochastic processes}}
-[[Category: स्टोकेस्टिक विभेदक समीकरण]]
-[[Category: Machine Translated Page]]
 [[Category:Created On 07/07/2023]]
+[[Category:Lua-based templates]]
+[[Category:Machine Translated Page]]
+[[Category:Pages with script errors]]
+[[Category:Templates Vigyan Ready]]
+[[Category:Templates that add a tracking category]]
+[[Category:Templates that generate short descriptions]]
+[[Category:Templates using TemplateData]]
+[[Category:स्टोकेस्टिक विभेदक समीकरण]]

Anonymous

Search

टेलीग्राफ प्रक्रिया: Difference between revisions

Namespaces

More

Page actions

Latest revision as of 19:31, 21 July 2023

Contents

समाधान

गुण

अनुप्रयोग

यह भी देखें

संदर्भ

Navigation

Navigation

Wiki tools

Wiki tools

Anonymous

Search

टेलीग्राफ प्रक्रिया: Difference between revisions

Latest revision as of 19:31, 21 July 2023

समाधान

गुण

अनुप्रयोग

यह भी देखें

संदर्भ

Navigation

Wiki tools

Page tools

Other projects

Hidden categories