Poisson过程

发布时间:

第三章Poisson过程
教学目的:1)了解计数过程的概念;2)掌握泊松过程两种定义的等价性;
3)掌握泊松过程的到达时刻的分布、等待时间的分布和来到时刻的条件分布;
4)了解泊松过程的三种推广。
教学重点:1)泊松过程两种定义的等价性;
2)泊松过程的到达时刻的分布、等待时间的分布和来到时刻的条件分布;
3)泊松过程的三种推广。
教学难点:1)泊松过程两种定义的等价性的证明;2)泊松过程来到时刻的条件分布;3)泊松过程的推广。
3.1Poisson过程
教学目的:掌握Poisson过程的定义及等价定义;会进行Poisson过程相关的概率的计算。
教学重点:Poisson过程的定义与其等价定义等价性的证明;Poisson过程相关的概率的计算。
教学难点:Poisson过程的定义与其等价定义等价性的证明。
Poisson过程是一类重要的计数过程,先给出计数过程的定义
如果N(t表示从0t时刻定义3.1随机过程{N(t,t0}称为计数过程,
某一特定事件A发生的次数,它具备以下两个特点:
(1N(t取值为整数;
(2st时,N(sN(tN(t-N(s表示(s,t]时间内事件A发生的次数。
计数过程有着广泛的应用,如:某商店一段时间内购物的顾客数;某段时间内电话转换台呼叫的次数;加油站一段时间内等候加油的人数等。
如果在不相交的时间区间中发生的事件个数是独立的,则称该计数过程

有独立增量。即当t1t2t3,X(t2-X(t1X(t3-X(t2是独立的。
若在任一时间区间中的事件个数的分布只依赖于时间区间的长度,则计数过程有平稳增量。即对一切t1t2s0,在(t1s,t2s]中事件个数
N(t2sN(t1s与区间(t1,t2]中事件的个数N(t2N(t1有相同的分布。
Poission过程是计数过程,而且是一类最重要、应用广泛的计数过程,它最早于1837年由法国数学家Poission引入。
独立增量和平稳增量是某些级数过程的主要性质.Poisson过程是具有独立
增量和平稳增量的计数过程.
如果定义3.2计数过程{N(t,t0}称为参数为(0Poisson过程,(1N(00
(2过程具有独立增量;
(3对任意的s,t0,
n
t
P(N(ts-N(sne
n!
t
且服从Poisson分布,3.1设顾客到达商店依次3/h的平均速度到达,
已知商店上午9:00开门,试求
(19:0010:00这一小时内最多有5名顾客的概率?
(29:30时仅到一位顾客,而到11:30时总计已达到5位顾客的概率?
(解:见板书。
注:1Poisson过程具有平稳增量。
2)随机变量N(t服从参数为tPoisson分布,故E[N(t]t(显然,可以认为是单位时间内事件发生的平均次数,称Poisson过程的强度或速率或发生率。

t
P(N(ts-N(s0lime1to(t3lim
t0
t0
t0
limP(N(ts-N(s1limtetto(t
t0
t0
limP(N(ts-N(s2o(t
(让同学们通过讨论来解释这几个极限结果的实际意义,适当引导学生结合实际并应用二项分布与Poisson分布之间的关系来解释这3个极限。
根据稀有事件原理,在概率论中我们已经学到:
Bernoulli试验中,每次试验成功的概率很小,实验的次数很多时,二项
分布会逼近Poisson分布.这一现象也体现在随机过程中.首先,将(0,t]划分为n个相等的时间小区间,则由条件(4'可知,当n时,在每个小区间内事件t
发生2次或2次以上的概率0.事件发生一次的概p(h,显然p很小,
n
这恰好是1Bernoulli试验.其中发生1次为成功,不发生的为失败,再由(2'给出
的平稳增量,N(t就相当于n次独立Bernoulli试验中试验成功的总次数。
Poisson分布的二项逼近可知,N(t将服从参数为tPoisson分布。
(让学生讨论如何判断一个计数过程是不是Poisson过程,则必须验证是否满足1)——(3,条件(1)说明计数过程从0开始,条件(2)通常可以从我么对过程的实际情况去直接验证,然而条件(3)一般完全不清楚,如何去判断?是否可以从我们所得到的Poisson过程的这三条性质来判断定义中的条件3否成立?接下来就证明计数过程满足Poisson过程定义中的条件(1)和(2)及这里的性质的时候,该计数过程是一个Poisson过程。于是得到Poisson过程的等价定义)
定义3.2:一计数过程{N(t,t0}称为参数为Poisson过程,若满足:
(1'N(00
(2'是独立增量及平稳增量过程,即任取0t1t2tn,nN,
N(t1N(0,N(t2N(t1,,N(tnN(tn1相互独立;

s,t0,n0,P{N(stN(tn}P{N(tn}(3'对任意t0,和充分小的h0,
P{N(thN(t1}h(h
(4'对任意t0,和充分小的h0,
P{N(thN(t2}(h
定理3.1:定义3.2与定义3.2'是等价的。
证明:定义3.2'定义3.2
由增量平稳性,记:Pn(tP{N(tn}P{N(stN(sn}In0情形:因为
{N(th0}{N(t0,N(thN(t0},h0
我们有:
P0(thP{N(t0,N(thN(t0}=P{N(t0}P{N(thN(t0}P0(tP0(h
另一方面
P0(hP{N(thN(t0}1(h(h
代入上式,我们有:
P0(thP0(t(h
P0(t
hh
h0我们有:
P0(tP0(t
P0(tet
P0(0P{N(00}1
IIn0情形:因为:
{N(thn}{N(tn,N(thN(t0}
n
{N(tn1,N(thN(t1}{N(tnl,N(thN(tl}
l2

故有:
Pn(thPn(t(1h(hPn1(t(h(h(h
t
化简并令h0得:Pn(tPn(tPn1(t两边同乘以e,移项后有:
dtt
eP(tePn1(tndt
P(0P{N(0n}0n
n1时,有:
dtt
eP(t,P(00P(t(te111dt
由归纳法可得:
(tnt
Pn(te,nN0
n!
注意:E{N(t}t平均次数。
定义3.2定义3.2'
E{N(t}
,因此代表单位时间内事件A出现的t
P{N(thN(t1}P{N(hN(01}e

h
(h1
1!
(hn
h(1ho(hho(h--------——(3'成立。hn!n0
P{N(thN(t2}P{N(hN(02}e
n2
h


h
(hn
n!
e

(hn(hnh
e[1h]eh[eh1h]n!n!n2n0
1ehheh(h---------------------------——(4'成立。
3.2{N(tt0}服从强度为Poisson过程,
(1P{N(54};
(2P{N(54,N(7.56,N(129};

(3P{N(29|N(54}.

3.3事件A的发生形成强度为Poisson过程{N(t,t0},如果每次事件
发生时以概率P能够被记录下来,并以M(t表示t时刻记录下来的事件总数,
{M(t,t0}是一个强度为PPoisson过程。
3.4某商场为调查顾客到来的客源情况,考察了男女顾客来商场的人数.
假设男女顾客到达商场的人数分别是独立服从每分钟1人与每分钟2人的Poisson
过程。
(1到达商场顾客的总人数应该服从什么分布?
(2已知t时刻已有50人到达的条件下,问其中有30是女性顾客的概率有多大?
平均有多少女性顾客?

设通过某十字路口的车流可以看做Poisson过程,如果1分钟内没有车作业1辆通过的概率为0.2.
()求12分钟内有多于1辆车通过的概率。
(25分钟内平均通过的车辆数。
3)在5分钟内平均通过的车辆数方差。4)在5分钟内至少有一辆车通过的概率。

3.2Poisson过程相联系的若干分布
教学目的:掌握XnTn的分布;理解事件发生时刻的条件分布。教学重点:XnTn的分布;事件发生时刻的条件分布。

教学难点:事件发生时刻的条件分布。
Poisson过程{N(t,t0}的一条样本路径一般是跳跃度为1的阶梯型函数。
Tn:n1,2,n次事件发生的时刻,也称为第n次事件的等待时间,
定:T00.
Xn:n1,2,n次与n1次事件发生的时间间隔,序列{Xn,n1}
为时间间隔序列.
显然TnXiXnTnTn1
i1n
接下来讨论Xn:n1,2,Tn:n1,2,分布,先讨论X1的分布,让学生根Poisson过程的两个等价定义中的条件来分析猜想X1的分布,引导学生用Poisson过程的平稳独立增量性和无记忆性之间的联系。
复习:1.指数分布
exx0
f(x
x00
F(xP(Xx
x

1exx0
f(tdt
x00
2.无记忆性
若随机变量满足P(Xst|XtP{Xs}则称随机变量X是无记忆(指数分布无记忆性).如果将X看做某仪器的寿命,X的无记忆性表示为:性的。
在仪器已工作了t小时的条件下,它至少工作st小时的概率与它原来至少工
s小时的概率是相同的。
结论:X~E(,则对任意的s0,t0,恒有:
P(Xst|XtP{Xs}
一、XnTn的分布
定理3.2Xn,n1,2,服从参数为的指数分布,且相互独立.

注:定理3.2的结果应该是在预料之中的,Poisson过程有平稳独立增量,因此
过程在任何时刻都"重新开始",即从任何时刻起过程独立于先前已发生的一
(由独立增量,且有与过程完全一样的分布(由平稳增量.换言之,过程"无记",与指数分布的"无记忆性"相对应.
定理3.2给出了Poisson过程的又一种定义方法:
定义3.3如果每次事件发生的时间间隔X1,X2,相互独立且服从同一参
的指数分布,这该计数过程{N(t,t0}是一个强度为Poisson过程.
注:如果任意相继出现的两个质点的点间间距是相互独立,且服从同一
参数的指数分布,则质点流构成强度为Poisson过程.
定理3.2告诉我们,要确定一个计数过程是不是Poisson过程,只要用统计方法检验点间间距是否独立,且服从同一指数分布。
3.5:设从早上800开始有无穷多个人排队等候服务,有一名服务员,
且每个人接受服务的时间是独立的并服从均值为20min的指数分布,则到中午12:00为止平均有多少人已经离去,已有9个人接受服务的概率是多少?

3.6:甲、乙两路公共汽车都通过某一站,两路汽车的达到分别服从10
1(甲,.15分钟一辆(Poisson布假定车总不会满员,试问可乘坐甲或两路公共汽车的乘客在此车站所需要等待时间的概率分布及其期望。

定理3.3Tn,n1,2,服从参数为n的分布.证明:见板书。

二、事件发生时刻的条件分布
讨论在给定N(tn的条件下,T1,T2,,Tn的条件分布相关性质及其应用。
引理:假设{N(t,t0}Poisson过程,0st,
s
P(T1s|N(t1
t
即在已知[0,t]A只发生一次的前提下,A发生的时刻[0,t]上是均匀分布.因为
Poisson过程具有平稳独立增量,事件在[0,1]的任何相等长度的子区间内发生的
概率是等可能的,即它的条件分布是[0,t]上的均匀分布.
自然我们要问:
(1)这个性质能否推广到N(tn,n1的情况?
2)这个性质是否是Poisson过程特有的?本定理的逆命题是否成立?
首先讨论顺序统计量的性质:Y1,Y2,,Ynn个随机变量,如果Y(k
Y1,Y2,,Yn中第k个最小值,k0,1,,n,则称Y(1,Y,,Y2n是对应于Y1,Y2,,Yn的顺序统计
量。若Y1,Y2,,Yn是独立同分布的连续型随机
变量且
具有概率密度f(yi,则顺序统计量Y(1,Y,,Y的联合密度为:2n
f(y1,y2,,ynn!f(yi(y1y2,yn
i1n
原因:1Y(1,Y(2,,Y(n)将等于(y1,y2,,yn,而(Y1,Y2,,Yn等于(y1,y2,,ynn!个排列中的任一个;
2(yi1,yi2,,yin(y1,y2,,yn的一个排列时,(Y1,Y2,,Yn等于(yi1,yi2,,yin
的概率密度
f(yi1,yi2,,yinf(yi1f(yi2f(yinf(yi
i1
n
1
(f(yi则其顺序统计注:Yi,i1,2,n都在(0,t上独立同均匀分布,
t

(Y(1,Y(2,,Y(n的联合密度函数是
f(y1,y2,,yn
n!
(0y1y2,yntnt
定理3.4{N(t,t0}Poisson过程,则在已知N(tn的条件下,事件发生的n个时刻T1,T2,,Tn的联合分布密度是:
f(t1,t2,,tn
n!
(0t1t2,tntnt
:上式恰好是[0,t]区间上服从均匀分布的n相互独立的随机变量Y1,Y2,,Yn
的顺序统计量Y(1,Y,,Y的联合分布。2n
直观上理解: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
T1,T2,,Tn(不排序可看做相互独立的随机变量,且服从[0,t]上的均匀分布。
3.7:(见书
乘客按照强度为Poisson过程来到某火车站,火车在时刻t启程,计算(0,t]内达到的乘客等待时间的
是第i乘客来到的时刻。
总和的期望值,即要求E[(tTi],
i1
N(t
其中Ti

3.8:(见书例3.6
考虑例3.3中每次事件发生时被记录到的概率随时间发生变化的情况,设事件As时刻发生被记录到的概率P(s,若以M(t表示t时刻被记录的事件数,么它还是Poisson过程吗?试给出M(t的分布。

3.3Poisson过程的推广
教学目的:掌握非齐次Poisson过程的定义;了解非齐次Poisson过程与Poisson过程之间的联系;理解复合Poisson过程的定义;掌握复合Poisson过程的性质;了解条件Poisson过程的定义;掌握条件Poisson过程的性质。

教学重点:非齐次Poisson过程与Poisson过程之间的联系;复合Poisson过程的性质;条件Poisson过程的性质。
教学难点:非齐次Poisson过程与Poisson过程之间的联系。
一、非齐次Poisson过程
Poisson过程的强度不再是常数,而与时间t有关系时,Poisson过程被推广
为非齐次Poisson过程
一般来说,非齐次Poisson过程是不具备平稳增量的(例如书例3.6.在实际中,
非齐次Poisson过程也是比较常用的.例如在考虑设备的故障率时,由于设备使
用年限的变化,出故障的可能性会随之变化;放射性物质的衰变速度,会因各种外
部条件的变化而随之变化;昆虫产卵的平均数量随着年龄和季节而变化等在这.
样的情况下,再用齐次Poisson过程来描述就不合适了,于是改用非齐次Poisson
程来处理。
定义3.4:计数过程{N(t,t0}称为参数为(t,t0的非齐次Poisson过程,
若满足:(1N(00
(2过程有独立增量;
(3对任意t0,和充分小的h0,
P{N(thN(t1}(th(h
(4对任意t0,和充分小的h0,
P{N(thN(t2}(h
均值m(t(sds.在非齐次poisson过程中,
0t
非齐次Poisson过程有如下等价定义:

定义3.5计数过程{N(t,t0}称为参数为(t,t0的非齐次Poisson过程,
若满足:(1N(00
(2过程具有独立增量;
(3对任意实数t0,s0,N(tsN(t具有参数为
Poisson分布。
m(tsm(t
ts
t
(udu
[m(tsm(t]n可证:P(N(ts-N(tnexp{(m(tsm(t}
n!
1:我们称m(t为非齐次poisson过程的均值或强度。2:定义3.4与定义3.5是等价的。
对任定理3.5{N(t,t0}是一个强度为(t,t0的非齐次Poisson过程,实数t0,N*(tN(m1(t,{N*(t}是一个强度为1的齐次Poisson过程。
3:用此定理可以简化非齐次Poisson过程的问题到齐次Poisson过程中进行讨论。另一方面也可以进行反方向的操作,即从一个参数为Poisson构造一个强度函数为的非齐次Poisson过程。
定理3.5{M(u,u0}是齐次Poisson过程,1.若强度函数
(s,s0,m(t(sds,N(tM(m(t,{N(t}是具有强度为(s
0
t
非齐次Poisson程。(一般了解)
在前5年内它平2.53.9:(见书设某设备的使用期限为10年,
一次,后5年平均2年需要维修次。试求它在使用期内维修过一次概率。
二、复合Poisson过程
定义3.6:{X(t,t0}为复合Poisson过程,如果对于t0,X(t可以表示
为:X(tYi其中{N(t,t0}是一个Poisson过程,Yi,i1,2是一族独立同
i1N(t

布的随机变量,并且与{N(t,t0}也是独立的。
容易看出:复合Poisson过程不一定是计数过程,但当Yic,i1,2,c为常数时,可化为Poisson过程。
物理意义:{N(t,t0}表示粒子流,N(t[0,t]内到达的粒X(t表示[0,t]内到达的粒子的总能量。子数Yi表示第i个粒子的能量,
3.10:(见书例3.8保险公司接到的索赔次数服从一个Poisson
{N(t}每次要求赔付的金额Yi都相互独立,且有同
分布F每次的
索赔
数额与它发生的时刻无关,则[0,t]时间内保险公司需要赔付的总金额{X(t}就是一个复合Poisson过程,其中
X(tYi
i1
N(t
3.11:(3.9
设顾客到达某系统的时间S1,S2,形成一强度Poisson过程,在每个时刻
Sn,n1,2可以同时有多名顾客到达.Yn表示在时刻Sn到达的顾客数,假定Yn,n1,2相互独立,并且与{Sn}也独立,则在[0,t]时间内到达服务系统
人数也可用以复Poisson描述。
定理3.6{X(tYi,t0}是一复合Poisson过程,Poisson过程
i1
N(t
{N(t,t0}的强度为,
(1X(t有独立增量;
(2E(Yi2,
E[X(t]tE(Y1,Var[X(t]tE(Y12.
3.12:(见书例3.10在保险中的索赔模型中,设保险公司接到的索赔要

求是强度为每月2次的Poisson过程,每次赔付服从均值为10000元的正态分布,则一年中保险公司平均的赔付额是多少?

作业1:{N(t,t0}是一强度函数为(tet的非齐次Poisson过程,
{N*(t,t0}是一强度为1的齐次Poisson过程,N*(t.
作业2:一份杂志通过零售来销售。其销售量为每天平均为6份的Poisson
程。零售商每售出一份,可得1元的手续费,求零售商一年内所得总手续费期望值。


Poisson过程

相关推荐