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:
-
初始条件: N ( 0 ) = 0 , N ( t ) ≥ 0 N(0)=0,N(t)\ge0 N(0)=0,N(t)≥0;
-
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;
-
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]ke−∫stλ(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。
记
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(t−s)
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)=e−m(t)
对于
T
i
=
S
i
−
S
i
−
1
,
i
>
1
T_i=S_i-S_{i-1},i>1
Ti=Si−Si−1,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(Si−Si−1>t)=P(N(Si−1+t)−N(Si)=0)=e−[m(Si−1+t)−m(Si−1)]
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)
m−1(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(m−1(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。