假设到时刻
t
t
t,Poisson 过程描述的事件
A
A
A 已经发生了
n
n
n 次,我们现在来考虑这
n
n
n 次事件发生的时刻
T
1
,
T
2
,
⋯
,
T
n
T_1,T_2,\cdots,T_n
T1,T2,⋯,Tn 的联合分布。
∙
\bullet
∙ 首先,简化这个问题,考虑
n
=
1
n=1
n=1 时的情况,对于
s
≤
t
s \leq t
s≤t,有
P
{
T
1
≤
s
∣
N
(
t
)
=
1
}
=
P
{
T
1
≤
s
,
N
(
t
)
=
1
}
P
{
N
(
t
)
=
1
}
\displaystyle P\{T_1 \leq s|N(t)=1\}=\frac {P\{T_1 \leq s,N(t)=1\}}{P\{N(t)=1\}}
P{T1≤s∣N(t)=1}=P{N(t)=1}P{T1≤s,N(t)=1}
= P { A 发 生 在 s 时 刻 之 前 , ( s , t ] 内 A 没 有 发 生 } P { N ( t ) = 1 } \displaystyle =\frac {P\{A发生在s时刻之前,(s,t]内A没有发生\}}{P\{N(t)=1\}} =P{N(t)=1}P{A发生在s时刻之前,(s,t]内A没有发生}
= P { N ( s ) = 1 } ⋅ P { N ( t ) − N ( s ) = 0 } P { N ( t ) = 1 } \displaystyle =\frac {P\{N(s)=1\} \cdot P\{N(t)-N(s)=0\}}{P\{N(t)=1\}} =P{N(t)=1}P{N(s)=1}⋅P{N(t)−N(s)=0}
= λ s e − λ s ⋅ e − λ ( t − s ) λ t e − λ t = s t \displaystyle=\frac {\lambda s e^{-\lambda s} \cdot e^{-\lambda (t-s)}}{\lambda t e^{-\lambda t}}=\frac {s}{t} =λte−λtλse−λs⋅e−λ(t−s)=ts
∙
\bullet
∙ 现在考虑
n
≥
2
n \geq 2
n≥2 的情况
设
0
<
t
1
<
t
2
<
⋯
<
t
n
<
t
n
+
1
=
t
0 \lt t_1 \lt t_2 \lt \cdots \lt t_n \lt t_{n+1}=t
0<t1<t2<⋯<tn<tn+1=t 。取
h
i
h_i
hi 充分小使得
t
i
+
h
i
<
t
i
+
1
(
i
=
1
,
2
,
⋯
,
n
)
t_i+h_i \lt t_{i+1} \quad (i=1,2,\cdots ,n)
ti+hi<ti+1(i=1,2,⋯,n),则
P
{
t
i
<
T
i
≤
t
i
+
h
,
i
=
1
,
2
,
⋯
,
n
∣
N
(
t
)
=
1
}
\displaystyle P\{t_i \lt T_i \leq t_i+h,i=1,2,\cdots,n|N(t)=1\}
P{ti<Ti≤ti+h,i=1,2,⋯,n∣N(t)=1}
=
P
{
在
[
t
i
,
t
i
+
h
i
]
中
恰
有
一
个
事
件
,
i
=
1
,
2
,
⋯
,
n
,
而
在
[
0
,
t
]
的
其
他
地
方
没
有
事
件
}
P
{
N
(
t
)
=
1
}
\displaystyle =\frac {P\{在[t_i,t_i+h_i]中恰有一个事件,i=1,2,\cdots,n,而在[0,t]的其他地方没有事件\}}{P\{N(t)=1\}}
=P{N(t)=1}P{在[ti,ti+hi]中恰有一个事件,i=1,2,⋯,n,而在[0,t]的其他地方没有事件}
=
λ
h
1
e
−
λ
h
1
⋯
λ
h
n
e
−
λ
h
n
e
−
λ
(
t
−
h
1
−
h
2
−
⋯
−
h
n
)
e
−
λ
t
(
λ
t
)
n
/
n
!
\displaystyle=\frac {\lambda h_1 e^{-\lambda h_1} \cdots \lambda h_n e^{-\lambda h_n}e^{-\lambda(t-h_1-h_2-\cdots-h_n)}}{e^{-\lambda t} (\lambda t)^n/n!}
=e−λt(λt)n/n!λh1e−λh1⋯λhne−λhne−λ(t−h1−h2−⋯−hn)
=
n
!
t
n
h
1
h
2
⋯
h
n
\displaystyle=\frac {n!}{t^n} h_1 h_2 \cdots h_n
=tnn!h1h2⋯hn
则在给定 N ( t ) = n N(t)=n N(t)=n 时, T 1 , T 2 , ⋯ , T n T_1,T_2,\cdots,T_n T1,T2,⋯,Tn 的 n n n 维条件分布密度为:
f
(
t
1
,
t
2
,
⋯
,
t
n
)
=
lim
h
i
→
0
1
≤
i
≤
n
P
{
t
i
<
T
i
≤
t
i
+
h
,
i
=
1
,
2
,
⋯
,
n
∣
N
(
t
)
=
n
}
h
1
h
2
⋯
h
n
\displaystyle f(t_1,t_2,\cdots,t_n)=\lim \limits_{h_i \rightarrow 0 \atop 1\leq i \leq n} \frac {P\{t_i \lt T_i \leq t_i+h,i=1,2,\cdots,n|N(t)=n\}}{h_1 h_2 \cdots h_n}
f(t1,t2,⋯,tn)=1≤i≤nhi→0limh1h2⋯hnP{ti<Ti≤ti+h,i=1,2,⋯,n∣N(t)=n}
=
n
!
t
n
,
0
<
t
1
<
t
2
<
⋯
<
t
n
\displaystyle =\frac{n!}{t^n},\quad 0 \lt t_1 \lt t_2 \lt \cdots \lt t_n
=tnn!,0<t1<t2<⋯<tn
【本文的LaTeX代码】
假设到时刻 $t$,Poisson 过程描述的事件 $A$ 已经发生了 $n$ 次,我们现在来考虑这 $n$ 次事件发生的时刻 $T_1,T_2,\cdots,T_n$ 的联合分布。
$\bullet$ 首先,简化这个问题,考虑 $n=1$ 时的情况,对于 $s \leq t$,有
$\displaystyle P\{T_1 \leq s|N(t)=1\}=\frac {P\{T_1 \leq s,N(t)=1\}}{P\{N(t)=1\}}$
$\displaystyle =\frac {P\{A发生在s时刻之前,(s,t]内A没有发生\}}{P\{N(t)=1\}}$
$\displaystyle =\frac {P\{N(s)=1\} \cdot P\{N(t)-N(s)=0\}}{P\{N(t)=1\}}$
$\displaystyle=\frac {\lambda s e^{-\lambda s} \cdot e^{-\lambda (t-s)}}{\lambda t e^{-\lambda t}}=\frac {s}{t}$
$\bullet$ 现在考虑 $n \geq 2$ 的情况
设 $0 \lt t_1 \lt t_2 \lt \cdots \lt t_n \lt t_{n+1}=t$ 。取 $h_i$ 充分小使得 $t_i+h_i \lt t_{i+1} \quad (i=1,2,\cdots ,n)$,则
$\displaystyle P\{t_i \lt T_i \leq t_i+h,i=1,2,\cdots,n|N(t)=1\}$
$\displaystyle =\frac {P\{在[t_i,t_i+h_i]中恰有一个事件,i=1,2,\cdots,n,而在[0,t]的其他地方没有事件\}}{P\{N(t)=1\}}$
$\displaystyle=\frac {\lambda h_1 e^{-\lambda h_1} \cdots \lambda h_n e^{-\lambda h_n}e^{-\lambda(t-h_1-h_2-\cdots-h_n)}}{e^{-\lambda t} (\lambda t)^n/n!}$
$\displaystyle=\frac {n!}{t^n} h_1 h_2 \cdots h_n$
则在给定 $N(t)=n$ 时,$T_1,T_2,\cdots,T_n$ 的 $n$ 维条件分布密度为:
$\displaystyle f(t_1,t_2,\cdots,t_n)=\lim \limits_{h_i \rightarrow 0 \atop 1\leq i \leq n} \frac {P\{t_i \lt T_i \leq t_i+h,i=1,2,\cdots,n|N(t)=n\}}{h_1 h_2 \cdots h_n}$
$\displaystyle =\frac{n!}{t^n},\quad 0 \lt t_1 \lt t_2 \lt \cdots \lt t_n$
\
\