指数随机变量 泊松过程跳_随机过程 笔记2泊松过程

关于泊松(Poisson)过程，先给出它的两个等价定义

定义：（计数过程，泊松过程）
随机过程

表示

到

时间内事件

发生的次数，满足

且取值为整数，当

时，

且

表示

时间内事件

发生的次数，那么

是一个

计数过程。
随机过程

满足以下三条件：

1.

是计数过程，且

2. 平稳独立增量过程
3. 存在

使

或者 3. 存在

使

那么

是一个

泊松过程。

平稳过程保证了随着时间变动，泊松过程产生的随机变量是同分布的，而独立增量过程则保证了随着时间变动前后过程的独立性，所以平稳独立增量就就可以理解成连续情形下的

。在随机过程中，基于平稳独立增量过程的条件，我们往往可以通过类似在一个小区间

中发生事件的个数，能够推出整个随机过程的信息。

看泊松分布第一个定义的第三条，直观解释就是在一个很小的时间区间里，事件发生一次的概率也是很小的。

观察泊松 过程的样本路径，记

表示第

次和第

次事件发生的时间间隔，再记

表示第n次事件发生的时刻。

定理 ：（

）

是服从参数为

的指数分布。

是服从参数为

和

的

分布。

指数分布是连续性随机变量中唯一一个具有无记忆性的分布。上面两个定理形象地刻画了泊松分布的特点，同时也是泊松分布的充分性描述，写成如下定理：

定理 ：
若

是服从参数为

的指数分布，

则

为 泊松 过程。

也可以用均匀分布来刻画泊松过程，

定理：（泊松过程和均匀分布）
设

是

的

上的均匀分布。那么

的顺序统计量联合分布就是条件分布

。

所以我们也可以用均匀分布来产生泊松过程了，泊松过程还是很容易产生的。再说明一下过程的稀疏(thinning)，

定理：（稀疏）
设

表示Poisson 过程，如果每个事件被记录的概率是

，且是否被记录是互相独立的，则被记录的事件

是强度为

的Poisson 过程。

可以发现泊松过程在经过稀疏过后仍然是泊松过程，只不过是参数减小为

了。

非齐次泊松过程，复合泊松过程用途就很多了。。

定义：（非齐次泊松过程）
计数过程

，满足

1.

2. 独立增量过程
3. 存在

或者 3.

是具有参数

的泊松分布。

非齐次泊松过程由于强度与时间相关了，自然不具有平稳性。定义第3条两个叙述的等价性文献中会有说明。

定义：（复合泊松过程）
如果

是一列独立同分布的随机变量，且与

独立，则称过程

为

复合泊松过程。 定理：（复合泊松过程）
复合泊松过程

具有如下性质，1. 是平稳独立增量过程 2. 若

，则

。

定理的证明用到了的技巧在泊松的定义等价性中也用到。

定义：（条件泊松过程）

接下来介绍由泊松过程推广而来的更新过程。