【随机过程】第三章-泊松过程

泊松过程的定义

• 泊松分布：随机变量$X$服从参数为$\lambda$的Poisson分布$X\sim P(\lambda )$, $X$的概率分布为$P(X=k)=e^{-\lambda }\frac{{\lambda }^k}{\lambda !},k=0,1,\cdots$ $E(X)=\lambda ,D(X)=\lambda$

• 计数过程：设随机过程 { N ( t ) , t ≥ 0 } \{N(t), t\geq0\} {N(t),t≥0}满足：$N(t)$表示到时刻$t$为止已发生的“事件A”的总数，且$N(t)$满足下列条件:
  (1) $N(t)\ge 0$ ；
  (2) $N(t)$取正整数值；
  (3) 若$s＜t$，则 $N(s)\le N(t)$
  (4) 当$s＜t$时，$N(t)-N(s)$等于区间$(s,t]$中发生的“事件A”的次数。
  则称随机过程 { N ( t ) , t ≥ 0 } \{N(t), t\geq0\} {N(t),t≥0}为计数过程。

• 泊松过程(定义1)：设计数过程 { X ( t ) , t ≥ 0 } \{X(t), t\geq0\} {X(t),t≥0}满足下列条件
  (1) $X(0)=0$；
  (2) $X(t)$是独立增量过程，即不重叠的时间间隔内，时间发生的次数是相互独立的；
  (3) 在任一长度为$t$的区间中，事件A发生的次数服从参数$\lambda t＞0$的泊松分布，即对任意$s,t＞0$，有
  P { X ( s + t ) − X ( s ) = n } = e − λ t ( λ t ) n n ! , ( n = 0 , 1 , 2 , ⋯   ) P\{X(s+t)-X(s)=n\}=e^{-\lambda t}\frac{(\lambda t)^n}{n!}, (n=0,1,2,\cdots) P{X(s+t)−X(s)=n}=e−λtn!(λt)n​,(n=0,1,2,⋯)
  则称 { X ( t ) , t ≥ 0 } \{X(t),t\geq0\} {X(t),t≥0}为具有参数$\lambda ＞0$的泊松过程。

• 泊松过程是平稳增量过程，$\lambda =\frac{E[X(t)]}{t}$表示单位时间内事件A发生的平均个数, $\lambda$为此过程的速率或强度。

• 泊松过程(定义2)：设计数过程 { X ( t ) , t ≥ 0 } \{X(t), t\geq0\} {X(t),t≥0}满足下列条件：
  (1) $X(0)=0$；
  (2) $X(t)$是独立、平稳增量过程；
  (3) $X(t)$满足下列两式:
  P { X ( t + h ) − X ( t ) = 1 } = λ h + o ( h ) P\{X(t+h)-X(t)=1\}=\lambda h+o(h) P{X(t+h)−X(t)=1}=λh+o(h)
  P { X ( t + h ) − X ( t ) ≥ 2 } = o ( h ) P\{X(t+h)-X(t)\geq2\}=o(h) P{X(t+h)−X(t)≥2}=o(h)
  则称 { X ( t ) , t ≥ 0 } \{X(t),t\geq0\} {X(t),t≥0}为具有参数$\lambda ＞0$的泊松过程。条件(3)说明，在充分小的时间间隔内，最多有一个事件发生，而不可能有两个或两个以上事件同时发生 。

• 定义1与定义2是等价的 [双向蕴含]。

泊松过程的数字特征

均值 m X ( t ) = E ( X ( t ) ) = λ t 方差 σ X 2 ( t ) = D ( X ( t ) ) = λ t 相关函数 R X ( s , t ) = E ( X ( s ) X ( t ) ) = λ s ( λ t + 1 ) 协方差函数 C X ( s , t ) = R X ( s , t ) − m x ( s ) m x ( t ) = λ s 特征函数 g x ( u ) = E [ e i u X ( t ) ] = e x p { λ t ( e i u − 1 ) } \begin{aligned} & \text{均值} m_X(t)=E(X(t))=\lambda t \\ & \text{方差} \sigma^2_X(t)=D(X(t))=\lambda t \\ & \text{相关函数} R_X(s,t)=E(X(s)X(t))=\lambda s(\lambda t+1) \\ & \text{协方差函数} C_X(s,t)=R_X(s,t)-m_x(s)m_x(t)=\lambda s \\ & \text{特征函数} g_x(u)=E[e^{iuX(t)}]=exp\{\lambda t(e^{iu}-1)\} \\ \end{aligned} ​均值mX​(t)=E(X(t))=λt方差σX2​(t)=D(X(t))=λt相关函数RX​(s,t)=E(X(s)X(t))=λs(λt+1)协方差函数CX​(s,t)=RX​(s,t)−mx​(s)mx​(t)=λs特征函数gx​(u)=E[eiuX(t)]=exp{λt(eiu−1)}​

与泊松过程相关的三个分布：

时间间隔分布

• 设 { X ( t ) , t ≥ 0 } \{X(t),t\geq 0\} {X(t),t≥0}是具有参数$\lambda$的泊松过程，$T_n(n\ge 1)$是对应的时间间隔序列，则随机变量$T_n(n=1,2,\cdots )$是独立同分布的均值$1/\lambda$为的指数分布。
• 可得泊松过程(定义3)：计数过程 { N ( t ) , t ≥ 0 } \{N(t),t\geq 0\} {N(t),t≥0}是参数为$\lambda$的Poisson过程，如果每次时间发生的时间间隔$X_1,X_2,\cdots$相互独立，且服从同一参数$\lambda$的指数分布。

等待时间分布

• $W_n=T_1+\cdots +T_n\sim \Gamma (n,\lambda )$

发生时刻的条件分布

• 在已知$[0,t]$内发生了n次事件的前提下，各次事件发生的时刻$W_1,\cdots ,W_n$可视为独立同分布为$[0,t]$上的均匀分布。

泊松分布的三个推广：

非齐次泊松过程

• 当Poisson过程的强度（速率）不再是常数，而与时间t有关时， Poisson过程被推广为非齐次泊松过程。
• 设计数过程 { X ( t ) , t ≥ 0 } \{X(t), t\geq0\} {X(t),t≥0}为具有强度函数$\lambda (t)$的非齐次泊松分布，满足下列条件：
  (1) $X(0)=0$；
  (2) $X(t)$是独立增量过程；
  (3) $X(t)$满足下列两式:
  P { X ( t + h ) − X ( t ) = 1 } = λ h + o ( h ) P\{X(t+h)-X(t)=1\}=\lambda h+o(h) P{X(t+h)−X(t)=1}=λh+o(h)
  P { X ( t + h ) − X ( t ) ≥ 2 } = o ( h ) P\{X(t+h)-X(t)\geq2\}=o(h) P{X(t+h)−X(t)≥2}=o(h)
• 非齐次泊松过程的均值函数为：
  $m_X(t)=\underset{0}{\overset{t}{\int }}\lambda (s)ds$

复合泊松过程

• 设$N(t),t\ge 0$是强度为$\lambda$的泊松过程， { Y k , k = 1 , 2 , ⋯   } \{Y_k,k=1,2,\cdots\} {Yk​,k=1,2,⋯}是一列独立同分布随机变量，且与$N(t),t\ge 0$独立，令
  $X(t)={\sum }_{k=1}^{N(t)}{Y}_k,t\ge 0$, 则称$X(t),t\ge 0$为复合泊松过程。

条件泊松过程

• 设随机变量$\Lambda >0$，在$\Lambda =\lambda$的条件下，计数过程 { N ( t ) , t ≥ 0 } \{N(t),t\geq0\} {N(t),t≥0}是参数为$\lambda$的Poisson过程，则称 { N ( t ) , t ≥ 0 } \{N(t),t\geq0\} {N(t),t≥0}为条件Poisson过程。
• 数字特征: $E[N(t)]=tE[\Lambda ];D[N(t)]=t^{2}D[\Lambda ]+tE[\Lambda ];$