关于非齐次泊松过程的事件发生的间隔时间分布问题

令X1,X2,⋯定义强度函数为 λ ( t ) λ(t) λ(t)的非齐次泊松过程的事件发生的间隔时间

  1. Xi 独立吗?
  2. 求X1 的分布
  3. Xi 同分布吗?

解:
P ( X 2 > t ∣ X 1 = s ) = lim ⁡ s ′ → s P ( N ( s + t ) − N ( s ) = 0 , N ( s ′ ) = 0 , N ( s ) − N ( s ′ ) = 1 ) = P ( N ( s + t ) − N ( s ) = 0 ) = e m ( s ) − m ( s + t ) \begin{aligned} P(X_2>t|X_1=s)&=\lim_{s' \rarr s}P(N(s+t)-N(s)=0, N(s')=0, N(s)-N(s')=1)\\ &=P(N(s+t)-N(s)=0)\\ &=e ^{m(s)-m(s+t)} \end{aligned} P(X2>tX1=s)=sslimP(N(s+t)N(s)=0,N(s)=0,N(s)N(s)=1)=P(N(s+t)N(s)=0)=em(s)m(s+t)

与s有关,故X1 ,X2 不独立,可得Xi 不独立

P ( X 1 > t ) = P ( N ( t ) = 0 ) = e − m ( t ) ( t > 0 ) P(X_1>t)=P(N(t)=0)=e^{-m(t)} \quad(t>0) P(X1>t)=P(N(t)=0)=em(t)(t>0)

f X 1 ( t ) = λ ( t ) e − m ( t ) ( t > 0 ) f_{X_1}(t)=\lambda(t) e^{-m(t)} (t>0) fX1(t)=λ(t)em(t)t>0

由此得X1 分布

P ( X 2 > t ) = ∫ 0 + ∞ P ( X 2 > t ∣ X 1 = s ) f X 1 ( s ) d s = ∫ 0 + ∞ e − m ( t + s ) λ ( s ) d s = e − m ( t ) ∫ 0 + ∞ e − m ( t ) − e − m ( t + s ) λ ( s ) d s = P ( X 1 > t ) ∫ 0 + ∞ e − m ( t ) − e − m ( t + s ) λ ( s ) d s ≠ P ( X 1 > t ) \begin{aligned} P(X_2>t)&=\int_0^{+\infty}P(X_2>t|X_1=s)f_{X_1}(s)ds \\ &=\int_0^{+\infty}e^{-m(t+s)}\lambda(s)ds\\ &=e^{-m(t)} \int_0^{+\infty}e^{-m(t)}-e^{-m(t+s)}\lambda(s)ds\\ &=P(X_1>t)\int_0^{+\infty}e^{-m(t)}-e^{-m(t+s)}\lambda(s)ds\\ &\neq P(X_1>t) \end{aligned} P(X2>t)=0+P(X2>tX1=s)fX1(s)ds=0+em(t+s)λ(s)ds=em(t)0+em(t)em(t+s)λ(s)ds=P(X1>t)0+em(t)em(t+s)λ(s)ds=P(X1>t)

故 X1 , X2 不同分布

  • 4
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值