从零学：Hawkes Process（1）-泊松过程

qiaoxinyu10623

已于 2024-08-09 12:47:15 修改

阅读量2.2k

点赞数 12

文章标签：概率论

于 2024-07-18 14:27:23 首次发布

本文链接：https://blog.csdn.net/qiaoxinyu1989/article/details/140486225

版权

声明：本文章是根据网上资料，加上自己整理和理解而成，仅为记录自己学习的点点滴滴。可能有错误，欢迎大家指正。

在介更加复杂的point process（Hawkes Process）之前，本文先介绍point process基础概念，然后从最简单的point process，即Poisson processes（泊松过程）开始介绍。

1. 点过程

1.1 点过程（Point process）

点过程（Point process）：点过程是指在某个空间中（例如时间和位置）分布的随机点的集合。

点过程的定义：点过程是指在非负实线上（通常表示时间）发生事件的随机过程。点过程的实现通常为事件在事件时间 $T_1, T_2, \ldots$ 里发生，并体现在实线上的不同位置上。

想象我们在记录一些随机发生的事件，比如公交车到达公交站的时刻、手机收到短信的时间、股票价格发生大幅变动的瞬间等等。我们把这些事件发生的时刻看作一个集合，这个集合就是点过程。

比如说，我们只关注公交车在一天内到达公交站的时间。从早上 6 点开始，第一辆公交车在 6 点 10 分到达，第二辆在 6 点 25 分，第三辆在 7 点 05 分……把这些到达时间记下来，这一系列的时间点就构成了一个点过程。

点过程的关键在于它不仅仅是一堆随机的时间点，而在于这些时间点的分布规律，比如平均多久来一辆车，或者在某个时间段内来车的频率是不是更高等等。

另外，我们还可以给每个时间点赋予一些额外的信息，比如每辆公交车上的乘客数量，这就使点过程的描述更加丰富和有用。

1.2 计数过程

计数过程（counting process）：是一种随机过程，用于描述在给定时间间隔内特定事件发生的次数。

假设我们定义一个随机变量 $N_t$ ，表示在时间 $t \geq 0$ 区间内某事件发生的次数。因此， $N_t$ 由一系列非负随机变量 $T_i$ 唯一确定，满足如果 $T_i \leq \infty$ ，则 $T_i < T_{i+1}$ 。

换句话说，计数过程记录了在时间之前发生的累积事件数量。

$N_t:=\sum_{i>=1}\mathbb{I}_{\{t>=T_i\}}$

在上述公式中， $\mathbb{I}_{\{.\}}$ 是指示函数，当条件为真时取值为1，否则为0。计数过程从 $N_0 = 0$ 开始，表示时间0之前没有发生事件。计数过程 $N_t$ 是分段常数函数，在每个事件时间 $T_i$ 处跃升1个单位。（此处的指示函数结合概率统计的基础知识进行理解的话，就是将每个事件记为A，当事件发生则取1，未发生则取0）

例如，点过程的公交到达的例子，变成计数过程，可以这样表示：从早上 6 点开始，第一辆公交车在 6 点 10 分到达，此时 $N(10)=1$ ；第二辆在 6 点 25 分到达，此时 $N(25)=1$ ；第三辆在 7 点 05 分到达，此时 $N(65)=1$ （假设我们以分钟为单位来计量时间）。

以此类推，对于任意给定的时间 $t$ ， $N(t)$ 表示在从早上 6 点到时间 $t$ 这段时间内到达公交站的公交车数量。这样， $N(t)$ 就构成了一个关于公交车到达时间的计数过程。