第二课:Poisson过程

第二课 : Poisson过程

1. 导言

先对照着第一节课内容的框架简单复习:

• 【什么是随机过程?】：既有时间维度也有随机属性的二元函数——同一概率空间上的一族随机变量.
• 【随机过程怎么刻画?】: 用有限维分布族刻画
• 【不同随机过程之间的关系】：版本、修正、不可区分、独立
• 【随机过程的数值特征】：均值、方差、自相关函数、协方差
• 【几类典型的随机过程】：独立增量过程、平稳独立增量过程、计数过程、Poisson过程.

---

2. Poisson过程定义及命题

定义： 设 N = { N ( t ) : t ≥ 0 } N=\{N(t):t \ge0\} N={ N(t):t≥0} 为计数过程, 且等待时间 { W k : k ∈ Z + } \{W_k:k \in Z^+\} { Wk​:k∈Z+} 独立同分布于 参数为$\lambda$的指数分布$Exp(\lambda )$, 则称计数过程$N$为强度为$\lambda$的Poisson过程.
命题1： 设 N = { N ( t ) : t ≥ 0 } N=\{N(t):t \ge 0\} N={ N(t):t≥0} 为强度为$\lambda$的Poisson过程,则$\forall t\ge 0$ ,有 $N(t)\sim Poi(\lambda t)$ , 更一般的对$\forall t,s>0$ , $N(t+s)-N(s)\sim Poi(\lambda t)$ .
命题1证明:
分析$\to$ 本质是要求出$P(N(t)=k)$ 到的概率, 即 $N(t)$的分布列.

$P(N(t)=k)=P(T_k\le t<T_{k+1})=P(T_k\le t<T_k+W_{k+1})$

这个式子中有2个变量$\to$ $T_k$和$W_{k+1}$ , 由Poisson过程定义中等待时间独立同分布于指数分布知$T_k$和$W_k$相互独立, 且$T_k\sim \Gamma (k,\lambda )$ , $W_k\sim Exp(\lambda )$

(继续)$P(T_k\le t<T_k+W_{k+1})={\int }_0^{t}P(T_k\le t<T_k+W_{k+1}|T_k=u)f_{T_k}(u)du$
【这一步其实是全概率公式, 两个变量固定一个求结果，再对固定的这个变量求一下所有情况的加权和】

(继续)${\int }_0^{t}P(T_k\le t<T_k+W_{k+1}|T_k=u)f_{T_k}(u)du={\int }_0^{t}P(u\le t<u+W_{}$