读书笔记：Poisson过程之事件发生时刻的条件分布

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 $s\le t$，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}​

$=\frac{\lambda s{e}^{-\lambda s}\cdot e^{-\lambda (t-s)}}{\lambda t{e}^{-\lambda t}}=\frac{s}{t}$

$\bullet$ 现在考虑 $n\ge 2$ 的情况
设 $0<t_1<t_2<\cdots <t_n<t_{n+1}=t$ 。取 $h_i$ 充分小使得 $t_i+h_i<t_{i+1}(i=1,2,\cdots ,n)$，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}​

$=\frac{\lambda h_1{e}^{-\lambda h_1}\cdots \lambda h_n{e}^{-\lambda h_n}{e}^{-\lambda (t-h_1-h_2-\cdots -h_n)}}{e^{-\lambda t}(\lambda t{)}^n/n!}$
$=\frac{n!}{t^n}{h}_1{h}_2\cdots h_n$

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：

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​→0​lim​h1​h2​⋯hn​P{ti​<Ti​≤ti​+h,i=1,2,⋯,n∣N(t)=n}​
$=\frac{n!}{t^n},0<t_1<t_2<\cdots <t_n$

【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：

$\displaystyle f(t_1,t_2,\cdots,t_n)=\lim \limits_{h_i \rightarrow 0 \atop 1\leq i \leq n} \frac {P\{t_i \lt T_i \leq t_i+h,i=1,2,\cdots,n|N(t)=n\}}{h_1 h_2 \cdots h_n}$
$\displaystyle =\frac{n!}{t^n},\quad 0 \lt t_1 \lt t_2 \lt \cdots \lt t_n$ 

\
\