05.第三章 Poisson过程(3)

第三章 Poisson过程(3)

1.非齐次Poisson过程

齐次Poisson过程的特点是平稳增量,当发生事件的频度并不恒定时,就产生非齐次Poisson过程。非齐次Poisson过程需要满足以下条件:

  1. 初始条件: N ( 0 ) = 0 , N ( t ) ≥ 0 N(0)=0,N(t)\ge0 N(0)=0,N(t)0

  2. 独立增量性: N ( t 1 ) , N ( t 2 ) − N ( t 1 ) , ⋯ N(t_1),N(t_2)-N(t_1),\cdots N(t1),N(t2)N(t1),相互独立;

  3. 稀有性:存在一个非负函数 λ ( t ) \lambda (t) λ(t),使得
    P ( N ( t + Δ t ) − N ( t ) = 1 ) = λ ( t ) Δ t + o ( Δ t ) P ( N ( t + Δ t ) − N ( t ) ≥ 2 ) = o ( Δ t ) P(N(t+\Delta t)-N(t)=1)=\lambda (t)\Delta t+o(\Delta t)\\ P(N(t+\Delta t)-N(t)\ge 2)=o(\Delta t) P(N(t+Δt)N(t)=1)=λ(t)Δt+o(Δt)P(N(t+Δt)N(t)2)=o(Δt)

满足以上三个条件的 N \boldsymbol N N称为强度为 λ ( ⋅ ) \lambda(\cdot) λ()的非齐次Poisson过程,这里
P ( N ( t ) − N ( s ) = k ) = [ ∫ s t λ ( u ) d u ] k k ! e − ∫ s t λ ( u ) d u P(N(t)-N(s)=k)=\frac{[\int_s^t \lambda (u)du]^k}{k!}e^{-\int_s^t \lambda (u)du} P(N(t)N(s)=k)=k![stλ(u)du]kestλ(u)du
也就是说 N ( t ) − N ( s ) N(t)-N(s) N(t)N(s)服从参数为 ∫ s t λ ( u ) d u \int_s^t \lambda (u)du stλ(u)du的Poisson分布。

m ( t ) = ∫ 0 t λ ( u ) d u m(t)=\int_0^t \lambda (u) du m(t)=0tλ(u)du,则非齐次Poisson过程的数字特征如下:
E N ( t ) = D ( N ( t ) ) = m ( t ) r ( s , t ) = E [ X ( s ) X ( t ) ] = E [ X ( s ) ⋅ ( X ( t ) − X ( s ) + X ( s ) ) ] = E [ X ( s ) ] 2 + E [ X ( s ) ⋅ ( X ( t ) − X ( s ) ) ] = D X ( s ) + [ E X ( s ) ] 2 + E X ( s ) + E [ X ( t ) − X ( s ) ] = 2 m ( s ) + [ m ( s ) ] 2 + m ( t − s ) EN(t)=D(N(t))=m(t)\\ \begin{aligned} &r(s,t)=E[X(s)X(t)]\\ =&E[X(s)\cdot(X(t)-X(s)+X(s))]\\ =&E[X(s)]^2+E[X(s)\cdot(X(t)-X(s))]\\ =&DX(s)+[EX(s)]^2+EX(s)+E[X(t)-X(s)]\\ =&2m(s)+[m(s)]^2+m(t-s) \end{aligned} EN(t)=D(N(t))=m(t)====r(s,t)=E[X(s)X(t)]E[X(s)(X(t)X(s)+X(s))]E[X(s)]2+E[X(s)(X(t)X(s))]DX(s)+[EX(s)]2+EX(s)+E[X(t)X(s)]2m(s)+[m(s)]2+m(ts)

2.相关分布

由于非齐次Poisson分布的速率不一致,所以到达时刻与时间间隔的分布都有所不同,尤其是时间间隔不再独立同分布,也不服从指数分布。对于时间间隔 T 1 T_1 T1,有
P ( T 1 > t ) = P ( S 1 > t ) = P ( N ( t ) = 0 ) = e − m ( t ) P(T_1>t)=P(S_1>t)=P(N(t)=0)=e^{-m(t)} P(T1>t)=P(S1>t)=P(N(t)=0)=em(t)
对于 T i = S i − S i − 1 , i > 1 T_i=S_i-S_{i-1},i>1 Ti=SiSi1,i>1,,有
P ( S i − S i − 1 > t ) = P ( N ( S i − 1 + t ) − N ( S i ) = 0 ) = e − [ m ( S i − 1 + t ) − m ( S i − 1 ) ] P(S_i-S_{i-1}>t)=P(N(S_{i-1}+t)-N(S_i)=0)=e^{-[m(S_{i-1}+t)-m(S_{i-1})]} P(SiSi1>t)=P(N(Si1+t)N(Si)=0)=e[m(Si1+t)m(Si1)]
到达时刻的条件概率与齐次时的类似,也是一系列独立同分布随机变量 V i V_i Vi的次序统计量 V ( i ) V_{(i)} V(i),且 V i V_i Vi的概率密度为 λ ( x ) I ( 0 < x < t ) m ( t ) \frac{\lambda(x)I(0<x<t)}{m(t)} m(t)λ(x)I(0<x<t)

非齐次Poisson过程也可以由齐次Poisson过程分解而来,对于参数为 λ \lambda λ的Poisson过程 N \boldsymbol N N,如果可以以概率 p ( t ) p(t) p(t)将每个发生的事件独立地归入I型事件,则I型事件的发生服从强度为 λ p ( t ) \lambda p(t) λp(t)的非齐次Poisson过程 N ~ \tilde{\boldsymbol N} N~

非齐次Poisson过程也可以转化为齐次Poisson过程。对于强度为 λ ( t ) \lambda (t) λ(t)的非齐次Poisson过程,如果 m ( t ) = ∫ 0 t λ ( t ) d u m(t)=\int_0^t \lambda (t)du m(t)=0tλ(t)du为严格单调增正函数,存在反函数 m − 1 ( t ) m^{-1}(t) m1(t),则定义
N ~ ( 0 ) = 0 , N ~ ( t ) = N ( m − 1 ( t ) ) , t > 0 \tilde N(0)=0,\quad \tilde N(t)=N(m^{-1}(t)),t>0 N~(0)=0,N~(t)=N(m1(t)),t>0
这样的 N ~ \tilde{\boldsymbol N} N~是参数为1的齐次Poisson过程。反之,如果 N ( t ) N(t) N(t)是参数为1的齐次Poisson过程,定义 m ( t ) = ∫ 0 t λ ( u ) d u m(t)=\int_0^ t \lambda (u)du m(t)=0tλ(u)du,则 M ( t ) = N ( m ( t ) ) M(t)=N(m(t)) M(t)=N(m(t))是强度为 λ ( t ) \lambda (t) λ(t)的非齐次Poisson过程。

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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