第四章跳跃随机过程1

1泊松过程

1.1定义

满足以下三个条件：

1. $N_0=0$
2. $P(N_t-N_s=n)=\frac{(\lambda (t-s){)}^n}{n!}{e}^{-\lambda (t-s)}$
3. 对任意的$t_1<t_2<...<t_n,$有$N_{t_2}-N_{t_1},N_{t_3}-N_{t_2},...,N_{t_n}-N_{t_{n-1}},$是相互独立的随机变量

1.2一维分布与数字特征

• $\forall t>0,N_t$服从参数为$\lambda t$的泊松分布
• $m_N(t)=\lambda t,D_N(t)=\lambda t,R_N(s,t)={\lambda }^{2}st+\lambda min(s,t)$
  

2计数过程

2.1定义

如果$N_t$表示直到t时刻为止发生的事件总数，则称实随机过程 { N t , t ≥ 0 } \{N_t,t\geq 0\} {Nt​,t≥0}为计数过程

2.2性质

1. $T_n={\tau }_1+{\tau }_2+...+{\tau }_n={\sum }_{k=1}^n{\tau }_k$
2. ${\tau }_n=T_n-T_{n-1}$
   
   

2.3定理

2.3.1时间间隔$\to$泊松分布

如果计数过程 N = { N t , t ≥ 0 } N=\{N_t,t\geq 0\} N={Nt​,t≥0}的到达时间间隔序列 { τ n , n = 1 , 2 , . . . , n } \{\tau_n,n=1,2,...,n\} {τn​,n=1,2,...,n}是独立的、且同服从参数为$\lambda >0$的指数分布，则该计数过程一定是参数为$\lambda$的泊松分布
证明思路：
依靠${\tau }_n$满足指数分布$\to T_n$满足伽玛分布$\to P(N_t=n)=P(T_n\le t<T_{n+1})=P(T_n\le t)-P(T_{n+1}\le t)$

2.3.2泊松分布$\to$时间间隔

🙄🙄🙄🙄🙄🙄还没有完全看懂
已知泊松过程，证明其时间间隔分布是指数分布。
对${\tau }_1,$我们有$P({\tau }_1<t)=P(T_1<t)=1-P(T_1\ge t)=1-P(N_t=0)=1-e^{-\lambda t}$为指数分布。
对于$0<t_1<t_2,$以及充分小的${\delta }_i,$有
P { t 1 − δ 1 < T 1 ≤ t 1 + δ 1 , t 2 − δ 1 < T 1 ≤ t 2 + δ 1 } P\{t_1-\delta_1<T_1\leq t_1+\delta_1,t_2-\delta_1<T_1\leq t_2+\delta_1\} P{t1​−δ1​<T1​≤t1​+δ1​,t2​−δ1​<T1​≤t2​+δ1​}
= P { N t 1 − δ 1 = 0 , N t 1 + δ 1 − N t 1 − δ 1 = 1 , N t 2 − δ 2 − N t 1 + δ 1 = 0 , N t 2 + δ 2 − N t 2 − δ 2 = 0 } ={P\{N_{t_1-\delta_1}=0,N_{t_1+\delta_1}-N_{t_1-\delta_1}=1,N_{t_2-\delta_2}-N_{t_1+\delta_1}=0,N_{t_2+\delta_2}-N_{t_2-\delta_2}=0\}} =P{Nt1​−δ1​​=0,Nt1​+δ1​​−Nt1​−δ1​​=1,Nt2​−δ2​​−Nt1​+δ1​​=0,Nt2​+δ2​​−Nt2​−δ2​​=0}
$=e^{-{\lambda }_1(t_1-{\delta }_1)}{\lambda }_{1}2{\delta }_1{e}^{-2{\lambda }_1{\delta }_1}{e}^{-{\lambda }_2(t_2-{\delta }_2-t_1-{\delta }_1)}{\lambda }_{2}2{\delta }_2{e}^{-2{\lambda }_2{\delta }_2}$
则
$f_{T_1,T_2}(t_1,t_2)=li{m}_{{\delta }_1\to 0,{\delta }_2\to 0}\frac{e^{-\lambda (t_1-{\delta }_i)}\lambda 2{\delta }_i{e}^{-2\lambda {\delta }_i}{e}^{-\lambda (t_2-{\delta }_i-t_1-{\delta }_i)}\lambda 2{\delta }_i{e}^{-2\lambda {\delta }_i}}{4{\delta }_1{\delta }_2}={\lambda }^2{e}^{-\lambda t_2}$
又$\because$
$T_1={\tau }_1$
$T_2={\tau }_1+{\tau }_2$由雅可比行列式可以得到
$f_{{\tau }_1,{\tau }_2}(t_1,t_2)={\lambda }^2{e}^{-\lambda (t_1+t_2)}$
联想到${\tau }_1$的概率密度函数为$f_{{\tau }_1}(t)=\lambda e^{-\lambda t},$而且${\tau }_1,{\tau }_2$相互独立
所以$f_{{\tau }_2}(t)=\lambda e^{-\lambda t},$所以${\tau }_2$也服从指数分布
以此类推，可以得到${\tau }_1,{\tau }_2,...,{\tau }_n$为指数分布

2.4例题

• 两个独立的泊松过程的和仍然是泊松过程
  可以采取这样的思路证明：
  $P(N_1+N_2=k)={\sum }_{i=0}^{k}P(N_1=i)P(N_2=n-i)$