关于泊松点过程相关的一些理解

最新推荐文章于 2024-05-05 20:53:58 发布

置顶 weixin_38206454

最新推荐文章于 2024-05-05 20:53:58 发布

阅读量1.2w

点赞数 13

分类专栏：研究生文章标签：泊松过程泊松点过程 poisson

本文链接：https://blog.csdn.net/weixin_38206454/article/details/85061703

版权

5 篇文章 1 订阅

订阅专栏

之前和小伙伴们研究过一段时间随机几何和泊松点过程（PPP），在学习的过程中把一些文献和事件记录下来。没想到同方向的朋友留意这些文章，也看到了一些评论和问题。回顾去年的几篇文章，觉得的确有不清晰的地方，因此再续前篇，增加一些解释。

推荐一下这个：https://www.cnblogs.com/jwmeng/p/7698651.html 感觉自己的思路很大程度上受其影响。

以上是之前学习的记录，针对Matlab仿真点分布的这一块，有一个关键的问题：

Lambda = 20;                  % λ 强度
u = unifrnd(0,1)
M = 0;
while u >= exp(-Lambda)       %判定条件
   	u = u*unifrnd(0,1);
   	M=M+1;
end

为什么要这样处理泊松分布的强度？这一段是什么意思？

首先，泊松分布是二项分布的极限分布，当n很大，p很小时，二项分布就可以近似地看成时参数λ的泊松分布。那么二项分布是什么: B(n,p)，p是一个事件出现的概率，n是次数。当 n-> ∞，p-> 0，λ=np，到最后泊松过程的形式就只与λ有关，与n和p都无关了。这是它的定义和概率的推导来源。

但实际上，泊松过程是描述单位时间内随机事件发生的次数的概率分布，适用于计次的场景。在一个特定时间内，某件事情会在任意时刻随机发生。在泊松里只关心λ，不关心n和p。

然而这里在仿真中，我们已知的是λ强度，每个点的n和p未知。要仿真一个特定场景，我们要知道过程结束后，一共有多少个点。因此通过随机产生概率U累乘，满足泊松强度条件时，记录点数，并得到点数M。最后均匀分布根据链接书中的第5个算法。

看了很多理论，有的时候觉得终于明白了一些，然而到实际操作的时候，又想不清楚了。泊松点过程理论复杂，小伙伴们实际仿真中总会有晦涩难懂的点不好敲码，本文也是在一脸懵-之中摸索而成，如有错误还请指正。

关注

专栏目录