Poisson过程
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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。
3.1 Poisson 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
定义3.1:{(),0}N t t ≥随机过程称为计数过程,如果()0N t t 表示从到时刻 某一A 特定事件发生的次数,它具备以下两个特点: (1)()N t 取值为整数;
(2)()()()-()(,]s t N s N t N t N s s t <≤时,且表示时间A 内事件发生的次数。
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123,t t t <<2132()-()()-()X t X t X t X t 有与是独立的。
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12120(,]t t s t s t s <>++及,在中事件个数 21()()N t s N t s +-+12(,]t t 与区间中事件的个数21()()N t N t -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
定义3.2:{(),0}(0)N t t λλ≥>计数过程称为参数为Poisson 过程,
如果 (1)(0)0N =;
(2)过程具有独立增量; (3),0,s t ≥对任意的
(()-())P N t s N s n +=!
n
t
t e
n λλ-=()
例3.1:3/h 设顾客到达商店依次人的平均速度到达,Poisson 且服从分布, 9:00,已知商店上午开门试求
(1)9:0010:005从到这一小时内最多有名顾客的概率?
(2)9:3011:30到时仅到一位顾客,而到时总计已达到5位顾客的概率?
(解:见板书。)
注:(1)Poisson 过程具有平稳增量。
(2)随机变量()N t 服从参数为t λ的Poisson 分布,故[()]E N t t λ=(显然,可以认为λ是单位时间内事件发生的平均次数,称λ是Poisson 过程的强度或速率或发生率。)
(3)0lim (()-()0)t P N t s N s +
→+=0
lim 1()t
t e t o t λλ+-→==-+ 0
lim (()-()1)t P N t s N s +
→+=0
lim ()t t te t o t λλλ+-→==+ 0lim (()-()2)()t P N t s N s o 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而,实验的次数很多时二项
.Poisson 分布会逼近分布.这一现象也体现在随机过程中(0,]t 首先,将划分为 n 个相等的时间小区间,则由(4)'n →∞条件可知,当时,在每个小区间内事件
220.→发生次或次以上的概率事件发生一次的概(),,t
p h p n
λλ≈⋅=率显然很小
1这恰好是次.Bernoulli 试验1,,其中发生次为成功不发生的为失败再由(2)'给出 ,()N t n 的平稳增量就相当于次独立
Bernoulli 试验中试验成功的总次数。由
()Poisson N t 分布的二项逼近可知,将服从t Poisson λ参数为的分布。
(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)是否成立?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{(),0}N t t ≥λ称为参数为Poisson 的过程,若满足:
(1)'(0)0N =;
(2)'是独立增量及平稳增量过程,即任取120,n t t t n N <<<<∈,
1211()(0),()(),,()()n n N t N N t N t N t N t ----相互独立;