第四章泊松过程3

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$\sigma >-1,$定义$$N_t^{ge}=e^{N_{t}ln(\sigma +1)-\lambda \sigma t}=(\sigma +1{)}^{N_t}{e}^{-\lambda t}$$

性质

对于$\forall 0\le s<t$,$$E\left[\frac{N_t^{ge}}{N_s^{ge}}\right]=1$$
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$\lambda$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$N$独立。那么我们令$$X_t=\sum _{n=1}^{N_t}{Y}_k$$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，$Y_k$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$\mu ,$方差为${\sigma }^2,$计算复合泊松过程的期望方差相关函数。
期望：
$$E[X_t]=E[\sum _{k=1}^{N_t}{Y}_k]=E[\sum _{k=1}^{N_t}{Y}_k|N_t=n]=E[E(\sum _{k=1}^{N_t}{Y}_k)P(N_t=n)]=E[n\mu ]=\lambda t\mu$$方差：
$$E[(X_t-m_X(t{)}^2]=E[X_t^2-2X_t{m}_X(t)+m_X(t{)}^2]=E[X_t^2-2X_t{m}_X(t)+m_X(t{)}^2]$$不同的$Y_k$是独立的，所以要分两种情况讨论 $$E[n({\mu }^2+{\sigma }^2)+n(n-1){\mu }^2]-{\mu }^2{\lambda }^2{t}^2=\lambda t({\mu }^2+{\sigma }^2)+({\lambda }^2{t}^2+\lambda t){\mu }^2-\lambda t{\mu }^2-{\lambda }^2{t}^2{\mu }^2=\lambda t({\mu }^2+{\sigma }^2)$$
相关函数：
$$E[X_s{X}_t]=E[X_s(X_t-X_s+X_s)]=E[X_s(X_t-X_s)]+E[X_s^2]=m_X(s)m_X(t-s)+E[X_s^2]$$