随机过程：齐次泊松过程的定义

$$\begin{gathered} 独立增量性=只与时间长短有关，与时间起点无关 \\ 平稳增量性=独立增量性+iid \end{gathered}$$

齐次泊松过程

$$N_t计数函数：（0,t]时间发生N次事件$$
$如果N_t满足以下条件，称其为泊松过程：$
1. N 0 = 0 2. { N t } 为 独 立 增 量 过 程 , ( 在 不 相 交 的 时 间 区 间 发 生 事 件 的 个 数 独 立 ) 3. N s + t − N s 分 布 密 度 是 参 数 为 ( t × λ ) 的 泊 松 分 布 , ( λ t ) k k ! e − λ t , k 为 时 间 间 隔 发 生 的 事 件 个 数 1.N_0=0 \\ 2.\{N_t\}为独立增量过程,\tiny(在不相交的时间区间发生事件的个数独立)\normalsize \\ 3.N_{s+t}-N_s 分布密度是参数为(t×\lambda)的泊松分布,\\ \color{red} \frac{(\lambda t)^k}{k!}e^{-\lambda t},k为时间间隔发生的事件个数 1.N0​=02.{Nt​}为独立增量过程,(在不相交的时间区间发生事件的个数独立)3.Ns+t​−Ns​分布密度是参数为(t×λ)的泊松分布,k!(λt)k​e−λt,k为时间间隔发生的事件个数

事件到达"时间间隔"$X_n$

$$\begin{gathered} \because P(X_1>t)=P(N_t=0)=e^{-\lambda t} \\ P(X_2>t|X_1=s)=P(N_{s,s+t}=0)=P(N_t=0)=e^{-\lambda t} \\ \therefore 每个X_n是iid的（1-e^{-\lambda t}{）}^{\prime } \end{gathered}$$

$$\begin{gathered} (X_1|N_t=1)\sim U(0,t)(均匀分布) \\ 先求分布函数P(X_1\le s|N_t=1)=\frac{P(X_1\le s,N_t=1)}{P(N_t=1)}=\frac{P(N_s=1)P(N_{s,t}=0)}{P(N_t=1)}=\frac{s}{t} \end{gathered}$$
$$(S_1|N_t=1)\sim U(0,t)(均匀分布)$$

事件n发生时间$S_n=X_1+X_2+\dots +X_n$

$$\begin{gathered} S_n:发生时间,等于x1+x2+\dots +x_n \\ {S}_n是n,\lambda 的\Gamma 分布 \end{gathered}$$

$计算S_n的条件概率密度$

$$\begin{gathered} 在N_t=n的条件下，n个事件到达时刻,的联合概率密度为\frac{n!}{t^n} \\ 证明：P(t_i-\delta t\le S_i\le t_i|N_t=n)/(\delta t{)}^n \\ 其中P(t_i-\delta t\le S_i\le t_i|N_t=n)=P(N_{t_i-\delta t,t_i}=1，N_{t_{i-1},t_i-\delta t}=0)/P(N_t=n)带入泊松过程定义即可 \end{gathered}$$

$$\begin{gathered} 这与[0,t]上的个均匀独立分布的随机变量，进行排序的联合分布一样。 \\ 即在已知[0,t]发生的事件个数为n的条件下，S_i也有这样的性质。 \end{gathered}$$

---

$计算S_n的联合概率密度$

泊松分布与指数分布
二项分布&泊松分布&泊松过程&指数分布
泊松过程是一个计数过程