1几何泊松过程
1.1定义
{ N t , t ≥ 0 } \{N_t,t\geq 0\} {Nt,t≥0}为独立增量过程,常数 σ > − 1 , \sigma>-1, σ>−1,定义 N t g e = e N t l n ( σ + 1 ) − λ σ t = ( σ + 1 ) N t e − λ t N_t^{ge}=e^{N_tln(\sigma+1)-\lambda\sigma t}=(\sigma+1)^{N_t}e^{-\lambda t} Ntge=eNtln(σ+1)−λσt=(σ+1)Nte−λt
性质
对于
∀
0
≤
s
<
t
\forall 0\leq s<t
∀0≤s<t,
E
[
N
t
g
e
N
s
g
e
]
=
1
E\left[\frac{N_t^{ge}}{N_s^{ge}}\right]=1
E[NsgeNtge]=1
证明:
2复合泊松过程
1定义
设 N = { N t , t ≥ 0 } N=\{N_t,t\geq 0\} N={Nt,t≥0}是参数为 λ \lambda λ的泊松分布, { Y k , k = 1 , 2 , . . . } \{Y_k,k=1,2,...\} {Yk,k=1,2,...}是一系列独立同分布的随机变量,且与 N N N独立。那么我们令 X t = ∑ n = 1 N t Y k X_t=\sum_{n=1}^{N_t}Y_k Xt=n=1∑NtYk称 X = { X t , t ≥ 0 } X=\{X_t,t\geq 0\} X={Xt,t≥0}为复合泊松过程
- 理解
Nt表示随机点数的个数, Y k Y_k Yk代表每个随机点数所携带的能量 - 性质
- 可以由随机游动过程和泊松过程来表示
- 满足平稳独立增量性
2数字特征
设随机变量的数学期望为
μ
,
\mu,
μ,方差为
σ
2
,
\sigma^2,
σ2,计算复合泊松过程的期望方差相关函数。
期望:
E
[
X
t
]
=
E
[
∑
k
=
1
N
t
Y
k
]
=
E
[
∑
k
=
1
N
t
Y
k
∣
N
t
=
n
]
=
E
[
E
(
∑
k
=
1
N
t
Y
k
)
P
(
N
t
=
n
)
]
=
E
[
n
μ
]
=
λ
t
μ
E[X_t]=E[\sum_{k=1}^{N_t}Y_k]=E[\sum_{k=1}^{N_t}Y_k|N_t=n]=E[E(\sum_{k=1}^{N_t}Y_k)P(N_t=n)]=E[n\mu]=\lambda t\mu
E[Xt]=E[k=1∑NtYk]=E[k=1∑NtYk∣Nt=n]=E[E(k=1∑NtYk)P(Nt=n)]=E[nμ]=λtμ方差:
E
[
(
X
t
−
m
X
(
t
)
2
]
=
E
[
X
t
2
−
2
X
t
m
X
(
t
)
+
m
X
(
t
)
2
]
=
E
[
X
t
2
−
2
X
t
m
X
(
t
)
+
m
X
(
t
)
2
]
E[(X_t-m_X(t)^2]=E[X_t^2-2X_tm_X(t)+m_X(t)^2]=E[X_t^2-2X_tm_X(t)+m_X(t)^2]
E[(Xt−mX(t)2]=E[Xt2−2XtmX(t)+mX(t)2]=E[Xt2−2XtmX(t)+mX(t)2]不同的
Y
k
Y_k
Yk是独立的,所以要分两种情况讨论
E
[
n
(
μ
2
+
σ
2
)
+
n
(
n
−
1
)
μ
2
]
−
μ
2
λ
2
t
2
=
λ
t
(
μ
2
+
σ
2
)
+
(
λ
2
t
2
+
λ
t
)
μ
2
−
λ
t
μ
2
−
λ
2
t
2
μ
2
=
λ
t
(
μ
2
+
σ
2
)
E[n(\mu ^2+\sigma^2)+n(n-1)\mu^2]-\mu^2\lambda^2t^2=\lambda t(\mu ^2+\sigma^2)+(\lambda^2 t^2+\lambda t)\mu^2-\lambda t\mu^2-\lambda^2 t^2\mu^2=\lambda t(\mu^2+\sigma^2)
E[n(μ2+σ2)+n(n−1)μ2]−μ2λ2t2=λt(μ2+σ2)+(λ2t2+λt)μ2−λtμ2−λ2t2μ2=λt(μ2+σ2)
相关函数:
E
[
X
s
X
t
]
=
E
[
X
s
(
X
t
−
X
s
+
X
s
)
]
=
E
[
X
s
(
X
t
−
X
s
)
]
+
E
[
X
s
2
]
=
m
X
(
s
)
m
X
(
t
−
s
)
+
E
[
X
s
2
]
E[X_sX_t]=E[X_s(X_t-X_s+X_s)]=E[X_s(X_t-X_s)]+E[X_s^2]=m_X(s)m_X(t-s)+E[X_s^2]
E[XsXt]=E[Xs(Xt−Xs+Xs)]=E[Xs(Xt−Xs)]+E[Xs2]=mX(s)mX(t−s)+E[Xs2]