非齐次泊松过程与复合泊松过程

合集下载

第三章泊松(Poisson)过程.

第三章泊松(Poisson)过程.
基础部张守成 2020年2月28日星期五
4. 齐次泊松过程的两个相关随机变量
设{N (t), t 0}是强度为的泊松过程,Wn(n 1)
表示事件第n次出现的等待时间.
W0 0
记 Ti Wi Wi1, i 1,2, 则Ti 表示第n-1次
事件发生到第n次事件发生的时间间隔.
(每小时)的泊松过程 {N(t), t 0}, 若每个人消费 的金额(元)为独立同分布的随机变量 Yn:
f ( y) 0.05e0.05 y ( y 0)
设 X(t) 表示 [0,t) 时间内该超市的总营业额,求3 小时内总营业额的期望和方差.
基础部张守成 2020年2月28日星期五
令 s 0, 根据假设 N (0) 0 可得
均值函数: E[N (t)] t,
方差函数: DN (t) Var[N (t )] t
E[ N (t)].
t
泊松过程的强度等于单位长时间间隔内发生的事件 数目的均值.
基础部张守成 2020年2月28日星期五
(2) 协方差函数:
设{N(t), t0}是强度的泊松过程,{Yk,k=1,2,}是
独立同分布随机变量序列,且与{N(t), t0}独立,令
N (t)
X (t) Yk , t 0 k 1
则称为复合泊松过程. 例 设N(t)是在(0, t]内来到某商店的顾客数,Yk是
N (t)
第k个顾客的花费,则 X (t) 是Yk (0, t]内的营业额. k 1
如果对任意的实数h 和 0 s h t h,
X (t h) X (s h) 和 X (t) X (s) 具有相同的分布, 则称增量具有平稳性.

泊松分布

泊松分布
2 2
D { N (t )} = E [ N (t )] − ⎡ ⎣ E { N (t )}⎤ ⎦ = λt
2
{
}
自相关函数
⎧λ t + λ 2t1t2 R (t1 , t2 ) = E { N (t1 ) N (t2 )} = ⎨ 2 2 ⎩ λ t1 + λ t1t2
假设 t1 < t2 ,有
t1 ≥ t2 t1 ≤ t2
2
= λt1 + λt1 ⋅ λt2
总结起来,有
E{N (t1 ) N (t2 )} = λ ⋅ min [t1 , t2 ] + λt1 ⋅ λt2
自协方差函数
C (t1 , t2 ) = E { N (t1 ) N (t2 )} − E { N (t1 )} E { N (t2 )} = λ min(t1 , t2 ) = λ t1U (t2 − t1 ) + λ t2U (t1 − t2 )
2 泊松过程的基本概念
定义,设有一个计数过程{N(t), t>0}满足下列假设,称为泊松过程, 1. 在 t=0 时,N(t)=0; 2. 该过程是独立增量计数过程; 3. 该过程是平稳增量计数过程; 4. 在(t, t+Δt)内出现一个事件的概率为 λΔt + 0(Δt),λ为一常数,在(t, t+Δt) 内出现两个或两个以上事件的概率为 0(Δt),即 P{ N(t+Δt) - N(t)>1}=0(Δt)
P { N (t ) = n + k / N ( s ) = k } = P { N (t ) − N ( s ) = n / N ( s ) = k} = P { N ( s + Δt ) − N ( s ) = n} = Pn (t ) = (λ ⋅ Δt ) n − λ ⋅Δt e n!

第二章泊松过程

第二章泊松过程

2
泊松过程定义1: 称计数过程{X(t),t≥0}为具有参数λ >0的泊松过程,若它满足下列条件: 1、X(0)=0; 2、X(t)是独立增量过程; 3、在任一长度为t的区间中,事件A发生的次数服从参数λ>0的泊松分布, 即对任意s,t≥0,有
P { X ( t s ) X ( s ) n } e
18
例题 设{X(t),t≥0}是具有跳跃强度
1 ( t) ( 1 cos t) 的非齐次泊 2
松过程(ω ≠0),求E[X(t)]和D[X(t)]。
例题
设某路公共汽车从早上5时到晚上9时有车发出,乘客流量如下:5时 按平均乘客为200人/时计算;5时至8时乘客平均到达率按线性增加, 8时到达率为1400人/时;8时至18时保持平均到达率不变;18时到 21时从到达率1400人/时按线性下降,到21时为200人/时。假定乘客 数在不相重叠时间间隔内是相互独立的。求12时至14时有2000人来 站乘车的概率,并求这两个小时内来站乘车人数的数学期望。
n [ m ( t s ) m ( t )] X X exp{ [ m ( t s ) m ( t )]}, n 0 X X n !

n [ m ( t )] P { X ( t ) n } X exp{ m ( t )}, X n !
17
到达时间的条件分布
可以认为[0,t]内长度相等的区间包含这个事件的概率应该相等,或者 说,这个事件的到达时间应在[0,t]上服从均匀分布。对于s<t有
P { W s |X ( t ) 1 } ? 1
分布函数
s 0 0, s F 0 s t W 1(s) t , 1| X(t) 1 , s t

泊松过程 poisson

泊松过程 poisson

泊松过程的几个例子

考虑某一电话交换台在某段时间接到的呼叫。令X(t) 表示电话交换台在 [0, t] 时间内收到的呼叫次数, 则{ X(t), t 0 } 是一个泊松过程。 考虑来到某火车站售票窗口购买车票的旅客。若记 X(t) 为时间 [0, t] 内到达售票窗口的旅客数,则 { X(t), t 0 } 是一个泊松过程。 X(t) 为某网站在时间 [0, t] 内的被访问次数。
分布函数:
s0 0, FW1 X ( t ) 1 ( s ) s / t , 0 s t 1, st
分布密度:
se s e (t s ) s t te t
1 / t , 0 s t fW1 X (t )1 (s) 其它 0,
例6
设{ X (t) , t 0 }是具有跳跃强度
(t ) 0.5(1 cost )
的非齐次泊松过程。求 E[X(t)] 和 D[X(t)]。
E[ X (t )] D[ X (t )] 0.5(1 coss)ds
0 t
1 0.5 t sin t
t 0 t0
E[ wn ] n 2 D [ w ] n n
[例1] 已知仪器在 [ 0 , t ] 内发生振动的次数 X(t) 是具有参
数的泊松过程。若仪器振动k (k 1)次就会出现故障, 求仪器在时刻 t0 正常工作的概率。
[解]
仪器发生第k振动的时刻Wk 就是故障时刻T , 则T 的概率分布为 分布:
(3) 到达时间的条件分布
假设在[0 , t ]内事件A已经发生一次,确定这一事件到
达时间W1的分布 ——均匀分布
P{W1 s, X (t ) 1} P{W1 s X (t ) 1} P{ X (t ) 1} P{ X ( s ) 1, X (t ) X ( s ) 0} P{ X (t ) 1} P{ X ( s ) 1} P{ X (t ) X ( s) 0} P{ X (t ) 1}

泊松过程poisson课件

泊松过程poisson课件
则T 旳概率分布为 分布:
fT
(t )
e t
(t )k 1
, (k 1)!
t
0
0 ,
t0
故仪器在时刻 t0 正常工作旳概率为:
P P(T t0 )
e
t
(t)k 1
dt
t0
(k 1)!
P[ X (t0 )
k]
k 1
e t0
n0
(t0 )n
n!
(3) 到达时间旳条件分布
假设在[0 , t ]内事件A已经发生一次,拟定这一事件到 达时间W1旳分布 ——均匀分布
6.2 泊松过程旳基本性质
泊松分布:
P{X (t s) X (s) n} (t)n et , n 0,1,
n!
P{X (t) n} (t)n et , n 0,1, 2,
n!
ΦX ( ) E[e jX (t) ] et(ej 1)
(1) 泊松过程旳数字特征
均值函数
mX (t) E[ X (t)] t
D[S (t)]
tE[
X
2 1
]
t(
2
2
)
泊松脉冲列
[定义] 称泊松过程 { X(t) , t 0 } 旳导数过程为泊松脉冲列,
记为 { Z(t) , t 0 } ,即
Z (t) d X (t) dt
X(t) u(t ti )
i
Z(t) (t ti )
i
t0 t1 t2
ti
t
t0 t1 t2
事件A发生旳次数, T1 T2 T3
n
Wn Ti (n 1)
Tn
i 1
t
0 W1 W2 W3
Wn-1 Wn

随机过程(3.3)

随机过程(3.3)
20040t0,0t 3
(t)1400, 3t13
140040(0t13)1, 3t16
假设乘客数在不相重叠时间间隔内是相 互独立的,求12时至14时有2000人来站 乘车的概率,并求这两小时内来站乘车 人数的数学期望。
.
15
解 12时至14时为t[7,9]
在[0,t]内到达的乘车人数N(t)服从参数 为(t)的非齐次泊松过程
k0
n1
k
P(N(t) k)P( Xn 0) ept
k0
n1
.
20
例 设在[0, t]内事件A已经发生n次, 求第k次(k<n) 事件A发生的时间Tk的条 件概率密度函数.

先 求 条 件 分 布 P{h W ksh|X(t)n}
再 对 s求 导 。
s s+h t
0 Tk
Tn
{sTksh} {Tksh}\{Tks} 当 h充 分 小 时 , 有 X(sh)k
.
10
例:考虑保险公司的全部赔偿.假设参加人寿保险者不 幸死亡的人数N(t)是具有强度为λ的泊松过程.用Yn描 述第n个死亡者(即保险值Yn是独立同分布的).令X(t) 表示[0,t)内,保险公司必须付出的全部赔偿.令 Yn~E(a),试求[0,t)内保险公司的平均赔偿额,方差和 特征函数.
f (u) a a ju
h
P{X (t) n}
F(s h) F(s) P{X (t) X (s h) n k}
h
P{X (t) n}
令h0,则有
.
23
P{X (t) X (s) n k}
fTk |X (t) (s | n ) fTk (s )
P{X (t) n}

笔记梳理:计数过程+泊松过程+非齐次泊松过程

笔记梳理:计数过程+泊松过程+非齐次泊松过程

笔记梳理:计数过程+泊松过程+非齐次泊松过程Abstract泊松过程是一类较为重要的随机工程,其在排队论理论中有着广泛的应用.泊松过程是特殊的计数过程,其可分为(齐次)泊松过程和非齐次泊松过程.本文主要是对泊松过程(包含非齐次)概念的梳理和总结.一、计数过程和泊松过程Definition1.1(计数过程):如果是在时间段内某一特定事件发生的次数,则称为计数过程(counting process).Remark:计数过程具有以下基本性质:(1) 该过程状态空间为(因为次数总是非负整数)(2) 单调不减性(,);(3) 的样本函数是单调不减右连续的阶梯函数.介绍计数过程的目的是为了引出泊松过程,这是由于泊松过程也是一类计数过程.然而,在教材中,泊松过程的定义有两个并且二者是等价的.Definition1.2(泊松过程定义1):我们称计数过程为参数为的泊松过程,如果其满足(1) ;(在时刻时次数为0)(2) 过程具有独立增量性;(3) ,有Remark:定义中的条件(2)其实意味着泊松过程是一个独立增量过程,而条件(3)则意味着其是一个平稳增量过程.换句话说,泊松过程是一个平稳独立增量过程(),这也是定义2的其中一个条件.同样地,定义2与定义1的第一个条件是一致的.我们根据条件(3)可以得到泊松过程的均值函数与方差函数这两个数字特征:值得说明的是,我们把这里的称为泊松过程的强度,它所代表的含义有如下两点:其一,是事件在单位时间内发生的平均次数;其二,是单位时间内平均出现的质点数.下面我们将给出定义2的另两个条件.定义2的另两个条件:(1)当时,;(2)当时,.泊松过程的应用:排队论. eg: 到达120急救中心的呼叫次数;到达某服务设施的顾客数. 换句话说,现实中遇到跟排队有关的建模问题,可以考虑用泊松过程.我们先前说过代表在时间段内某一特定事件发生的次数,现在考虑设表示第次事件发生的时刻,表示第次与第次事件发生的间隔.假设是泊松过程,下面我们探究和满足怎样的分布.Theorem1.3:服从参数为的指数分布,且相互独立.Theorem1.4:服从参数为和的埃尔根分布.Remark:事实上,如果每次事件发生的时间间隔相互独立,且服从同一参数为的指数分布,则计数过程是参数为的泊松过程.换言之,时间间隔的特性也为泊松过程判定提供了充分条件.二、非齐次泊松过程我们在前面介绍的泊松过程均是"齐次",那里的参数是一个正数,而我们现在所要考虑的非齐次泊松过程中的强度函数是跟时间有关的.这主要是由于在现实生活中强度函数往往并非是一个常数,即某一事件在单位时间内发生的平均次数往往与时间是有关的.注意到,非齐次泊松过程也有两个定义.Definition2.1(非齐次泊松过程定义1):我们称计数过程为强度函数为的非齐次泊松过程,如果其满足以下条件:(1) ;(2) 具有独立增量性;(3) 当时,;(4) 当时,.Remark:这里需要注意的是,此时的称为强度函数,并非是参数.也不难看出,非齐次泊松方程的定义1是跟齐次泊松方程的定义2是相似的.而对于非齐次泊松方程的另一定义,其满足的前两个条件与定义1一样的.即若一个计数过程如果仅满足定义1的前两个条件,那么还需要添加什么条件才能使其是一个非齐次泊松过程呢?定义2的第三个条件: 服从参数的泊松分布.类比泊松过程的定义1中第三个条件,注意到如果等于常数,那么此时同样地,上述条件3我们可以写成另外,我们同样地可以求出非齐次泊松方程的均值函数与自相关函数:<参考文献>钱伟民,梁汉营,杨国庆. 应用随机过程.北京:高等教育出版社,2014.。

非齐次泊松过程与复合泊松过程

非齐次泊松过程与复合泊松过程
G (h, t , z ) (t h)( z -1)G (h, t , z ) h
4.7
n
对(4.7)式积分得
ln G(h, t , z ) - ln G(0, t , z ) ( z -1)
t h t
( x)dx
4.8
20
三、非齐次泊松过程

由非齐次泊松过程的定义知
E[ X(t)] 由于λ= 单位时间内事A发生的平均个数, t
故称为此过程的速率或强度。
6
二、齐次泊松过程
齐次泊松过程的解释: 称计数过程{X(t),t≥0}为具有参数λ>0的泊松过程,若它 满足下列条件: ⑴X(0)=0; ⑵X(t)是独立、平稳增量过程; ⑶X(t)满足下列两式: P{X(t+h) -X(t)=1}=λh+o(h), P{X(t+h) -X(t)=2}=o(h). 以上定义说明,在充分小的时间间隔内,最多有一个事件 发生,而不能有两个或两个以上的事件同时发生。也就是 说,要么事件发生一次,要么事件不发生。这是泊松过程 的核心概念。
9
三、非齐次泊松过程
非齐次泊松过程的定义: 称计数过程{X(t),t≥0}为具有强度函数λ(t)非齐次 泊松过程,若它满足下列条件: ⑴X(0)=0 ⑵X(t)是独立增量过程; ⑶X(t)满足下列两式: P{X(t+h) –X(t)=1}=λ(t)h+o(h), P{X(t+h) –X(t)≥2}=o(h). 在这里,定义与齐次泊松过程相比,出现了微小的变 化。


t s +
0
(t )dt
因此,在(s ,t+s)内,均值为Λ(t+x)-Λ(x)=

t s +
s
(t )dt

随机过程第三章 泊松过程

随机过程第三章 泊松过程
解:用一个泊松过程来描述。设 8 点为 0 时刻,则 9 点为 1 时刻,参数 =10 ,则由定
义 3.2 可知
PN (2) N (1) 5 5 e101 (101)n
n0
n!
PN (3) N (2) 0 e101 (101)0 e10
0!
例 3.2(事故发生次数及保险公司接到的索赔数)若以 N (t) 表示某公路交叉口、矿山、
,利用数学归纳法证明。假设当 (n 1) 时成立,因

d dt
(et Pn (t))
et
et
t n1 (n 1)!
t n1 (n 1)!
解得
et Pn (t)
(t)n n!
C
又 Pn (0) PN(0) n 0 代入进一步解得
Pn (t)
et
(t)n n!
因此,结论得证,即定义 3.3 蕴含定义 3.2。 (2)再证定义 3.2 蕴含定义 3.3。欲证此结论,只需验证定义 3.3 中的条件(3)(4)
题。 注:定理 3.2 的命题易于理解。泊松过程的平稳独立增量性质等价于表示在概率意义上
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切(由独立增量); 且与原过程具有完全一样的分布(由平稳增量)。换言之,泊松过程是无记忆的,因此间隔 序列服从指数分布。
另一感兴趣的量是Tn ,第 n 次事件发生的时间,也称为第 n 次事件的等待时间。 定理 3.3 Tn , n 1, 2,服从参数为 n 和 的 分布,即其概率密度为
工厂等场所在 (0,t]时间内发生事故的次数,则泊松过程就是N(t),t 0 的一种很好近似。
另外,保险公司接到赔偿请求的次数(设一次事故就导致一次索赔)等都可以应用泊松过程 的模型。以保险为例,设保险公司每次的赔付都是 1,每月平均接到 4 次索赔请求,则一年中 它们要付出的金额平均为多少?

泊松过程

泊松过程

泊松过程是和计数有关的一个模型,它是随机过程的一种,是以事件的发生时间来定义的。

1. 泊松过程是一类重要的计数过程。

计数过程有着广泛的应用,只要我们对所观察事件出现的次数感兴趣,就可以使用计数过程来描述。

例如,(1),到商场购物的顾客数;(2),超市中等待结账的顾客数;(3),某地区的死亡人数、新生人数;(4),通过某一路口的汽车数量;(5),保险公司接到的索赔次数等。

归纳上述可知:传统的各种服务系统,如银行、医院、车站、广场、机场、高速路、游乐场等,以及新兴的服务系统,如购物网站访问量、快递收件数量、个人视频播放量等,在一段时间内,其“顾客”数都存在着计数过程。

如果说上述的服务系统主要是源于其“吸引作用”而引起的计数过程,则可以归纳出:凡带“吸引”属性的事物,都可以看作产生计数过程的源,这类事物的变化过程都可以泊松过程来描述。

如生态学上,沙漠地带的水塘对周边的动物产生的吸引,使得它们不定时到此饮水,则动物数量就是一个计数过程;水草丰茂的某块草地也是吸引食草动物前来的源,食草动物一段时间过来吃草的数量,也符合计数过程。

如果说到“服务窗口”的“顾客”计数过程是被动的计数过程,那么一些主动的“某种渴望”产生的也是“顾客数”,也是计数过程。

比如用渔网在大海中捕鱼,一段时间内的捕鱼数量就是计数过程;用磁铁在沙堆上主动吸附铁屑,这种主动的过程也会产生计数过程。

所谓生物入侵,无非就是某些外来物种对某地的某个源对有足够的渴望而源源不断的迁徙而来;你身体内某种有害细胞(咱不叫它们癌细胞,那太难听!)的数量增长过程;其他研究,比如种子在一段时间内发芽的粒数,一批种下的小树成材之棵数,一片草地上某种恢复性草籽的成功生长的数目等。

2. 泊松过程是具有独立平稳增量的计数过程泊松过程是具有独立增量和平稳增量的计数过程,在这个论断中,独立增量比平稳增量更具约束力,当增量不平稳时,可“通过调整时钟”让增量变得平稳,但若增量不独立,则只能增加外约束,使某计数事件的概率增加限定,以期满足计算要求。

泊松过程 ppt课件

泊松过程 ppt课件
P{X(t)-X(0)=n-1,X(t+h)-X(t)=1}+
P{X(njt2)-X(0)=n-j,X(t+h)-X(t)=j}.
根据定义3.3的(2)与(3),得
Pn(t+h)=Pn(t)P0(h)+Pn-1(t)P1(h)+o(h) =(1-λh)Pn(t)+λhPn-1(t)+o(h) 于是,有
则称 { n n 1 }
以 T n ( n 1 ) 表 示 第 n 1 次 发 生
则称 { T n n 1 }
首页
定理3.2
首页
设{ X (t) , t 0 }是参数为 ( 0 )的泊松过程,
则到达时间间隔序列T1,T2, 是相互独立的随机变量序列,
且都有相同的均值为1/ 的指数分布。
故定义3.3蕴涵定义3.2.
n!
第二节 泊松过程的基本性质
一.数字特征
设{ X (t) , t 0 }为泊松过程,对任意的 t, s [0, ),
且s t,有 E [ X ( t ) X ( s ) ] D [ X ( t ) X ( s ) ] ( t s ) 由于X(0)0,故
第三章 泊松过程(Poisson process)
第一节 泊松过程的定义和例子 第二节 泊松过程的基本性质 第三节 非齐次泊松过程 第四节 复合泊松过程
第一节 泊松过程的定义和例子
1.计数过程
如果用 N(t) 表示到时刻 t 为止已发生的“事件 A”的总数, 若 N(t) 满足下列条件:
(1) N(t) 0
k!
k0,1,2,
则称 X (t) 为具有参数 的泊松过程。
首页
注意 从条件(3)可知泊松过程有平稳增量,且

泊松过程

泊松过程

Wn = ∑ Ti
i =1
n
(n ≥ 1)
t
Wn —— 第n次事件 发生的时刻,或称等待时间, 次事件A发生的时刻 次事件 发生的时刻,或称等待时间, 或者到达时间 Tn —— 从第 次事件 发生到第 次事件 发生的 从第n-1次事件 发生到第n次事件 次事件A发生到第 次事件A发生的 时间间隔,或称第n个时间间隔 时间间隔,或称第 个时间间隔
=C
k n
s s 1 − t t
k
n−k
参数为 n 和 s/t 的 二项分布
[例3] 设在 [ 0 , t ] 内事件 已经发生 n 次,求第 次(k < n) 内事件A已经发生 求第k次
事件A发生的时间 的条件概率密度函数。 事件 发生的时间Wk 的条件概率密度函数。 发生的时间
n重贝努利试验中事件 重贝努利试验中事件A发生的 [二项分布] 随机变量 X 为n重贝努利试验中事件A发生的 ] 次数, 次数,则 X ~ B (n, p)
P ( X = k ) = n p k q n−k k
E ( X ) = np , D ( X ) = npq
是常数, [泊松定理] 在二项分布中,设 np=λ 是常数,则有 ] 在二项分布中,
jω X ( t )
]=e
(1) 泊松过程的数字特征
均值函数 方差函数 相关函数 协方差函数
m X (t ) = E[ X (t )] = λt
2 σ X (t ) = D X (t ) = λ t
R X ( s, t ) = E[ X ( s ) X (t )] = λ s (λ t + 1) , ( s < t )
P{ X ( s ) = k X (t ) = n} =

应用随机过程实验2-泊松过程

应用随机过程实验2-泊松过程

应用随机过程实验2—泊松过程一.准备知识1.泊松过程2.非齐次泊松过程3. 复合泊松过程二.作业1. 设()1X t 和()2X t 分别是参数为1λ和2λ的相互独立的泊松过程,(1)模拟()1X t 和()2X t ,并画图;(2)生成随机过程()()()12Y t =X +X t t ,并画图;(3)计算(){}Y t ,t 0≥ 的平均到达率与+1λ2λ的相对误差。

2. 设到达某商店的顾客组成强度为λ的泊松过程,每个顾客购买商品的概率为p ,且与其他顾客是否购买商品无关,假设每位购买商品的顾客的花费i X 独立同分布,且服从正态分布2X (,)iN μσ,1,2,3,i = ,令()Y t 是t 时刻购买商品的顾客数,()Z t 是t 时刻商品的营业额,0t ≥ ,(1)试模拟随机过程(){},0Y t t ≥,并画图,计算随机过程(){},0Y t t ≥ 的均值函数与pt λ的相对误差;(2)试模拟随机过程(){},0Z t t ≥,并画图,计算随机过程(){}t ,t 0Z ≥ 的均值函数与pt λμ的相对误差。

3. 某路公共汽车从早晨5时到晚上9时有车发出,乘客流量如下:5时按平均乘客为200人/小时计算;5时至8时乘客平均到达率线性增加,8时到达率为1400人/小时;8时至18时保持平均到达率不变;18时到21时到达率线性下降,到21时为200人/小时,假定乘客数在不重叠的区间内是相互独立的,令()X t 是t 时刻到达公共汽车的总人数,(1)计算早晨5时到晚上9时的乘客到达率,并画图;(2)模拟从早晨5时到晚上9时的乘客到达过程(){}X t ,t 0≥。

(注:文档可能无法思考全面,请浏览后下载,供参考。

可复制、编制,期待你的好评与关注)。

泊松过程

泊松过程

nk
参数为 n 和 s/t 的 二项分布
[例3] 设在 [ 0 , t ] 内事件A已经发生 n 次,求第k次(k < n) 事件A发
生的时间Wk 的条件概率密度函数。
P{s Wk s h, X (t ) n} P{s Wk s h X (t ) n} P{ X (t ) n} P{s Wk s h, X (t ) X ( s h) n k} P{ X (t ) n} P{s Wk s h} P{ X (t ) X ( s h) n k} P{ X (t ) n}
P{ X (t h) X (t ) 1} h o(h) P{ X (t h) X (t ) 2} o(h)
称它为具有参数 >0 的泊松过程
泊松过程例子

考虑某一电话交换台在某段时间接到的呼叫。令X(t)表示 电话交换台在 [0, t] 时间内收到的呼叫次数,则{ X(t), t 0 } 是一个泊松过程。 考虑来到某火车站售票窗口购买车票的旅客。若记X(t) 为 时间 [0, t] 内到达售票窗口的旅客数,则{ X(t), t 0 } 是一 个泊松过程。 考虑机器在 (t, t+h] 内发生故障这一事件。若机器发生故 障,立即修理后继续工作,则在 (t, t+h] 内机器发生故障 而停止工作的事件数构成一个随机点过程,它可以用泊松 过程来描述。
时间间隔Tn
[定理] 设 {X (t), t 0 }是具有参数的泊松过程,{Tn , n 1 } 是对应的 时间间隔序列,则随机变量Tn (n=1,2,…)是独立同分布的均值为1/ 的指数分布。
Tn 的分布函数: Tn 的概率密度函数:

第三章 泊松过程与更新过程

第三章 泊松过程与更新过程
f Tn ( t ) e t ( t ) n 1 , ( n 1)! t0
Tn 的特征函数:
Tn 的数字特征:
n T ( ) ( i ) n
n
理学院 施三支
E [T n ] n 2 D [ T ] n n
第3章 泊松过程与更新过程 [例]已知仪器在 [ 0 , t ] 内发生振动的次数 N(t) 是具有参数 的泊松过程。若仪器振动k (k 1)次就会出现故障,求仪 器在时刻 t0 正常工作的概率. [解] 仪器发生第k振动的时刻Tk 就是故障时刻T, 则 Tk的概率分布为 分布: k 1 ( t ) e t , t 0
P{ N (t h ) N (t ) 1} h o ( h ) P{ N (t h ) N (t ) 2} o ( h )
理学院 施三支
第3章 泊松过程与更新过程
泊松过程的几个例子
考虑某一电话交换台在某段时间接到的呼叫。令N(t)表示电话 交换台在 [0, t] 时间内收到的呼叫次数,则{N(t), t 0} 是一个 泊松过程. 考虑来到某火车站售票窗口购买车票的旅客。若记X(t)为时间 [0, t] 内到达售票窗口的旅客数,则{X(t), t 0} 是一个泊松过 程. 考虑机器在(t, t+h]内发生故障这一事件。若机器发生故障,立 即修理后继续工作,则在(t, t+h]内机器发生故障而停止工作的 事件数构成一个随机点过程,它可以用泊松过程来描述.
[泊松定理] 在二项分布中,设 np= ,则n充分大p充分 大小时有 k e P( X k ) 理学院 施三支k !
第3章 泊松过程与更新过程
泊松分布
[泊松分布] 随机变量X 的所有可能取值为0, 1, 2, … ,而取 各个值的概率为

泊松分布

泊松分布
它表示时间间隔(t0,t]内出现的质点数.“在 (t0,t]内 出现k个质点”,即{N(t0,t)=k}是一随机事件,其概率 记为 Pk(t0,t)=P{N(t0,t)=k},k=0,1,2, ….
2.泊松计数过程过程 : {N(t) ,t≥0} 称为强度为 λ 的 泊松过程,如果满足条件: (1)在不相重叠的区间上的增量具有独立性;
在X(0)=0和方差函数为已知的条件下, 独立增量过程协方差函数可用方差函数表示为:
CX(s,t)X 2(min(s,t))
1、 泊松过程举例 (Poisson process )
现实世界许多偶然现象可用泊松分布来描述, 大量自然界中的物理过程可以用泊松过程来刻画. 泊松过程是随机建模的重要基石,也是学习随机过程 理论的重要直观背景.著名的例子包括盖格计数器上 的粒子流,二次大战时伦敦空袭的弹着点,电话总机所 接到的呼唤次数,交通流中的事故数,某地区地震发生 的次数,细胞中染色体的交换等等.这类变化过程可粗 略地假定为有相同的变化类型.我们所关心的是随机 事件的数目,而每一变化可用时间或空间上的一个点 来表示.这类过程有如下两个特性:一是时间和空间 上的均匀性,二是未来的变化与过去的变化没有关系. 我们将基于这些性质来建立泊松过程的模型.
若t1<t2t3<t4,则在(t1,t2]内事件A发生的次数N(t2)-N(t1) 与在(t3,t4]内时间A发生的次数N(t4)-N(t3)相互独立,此时 计数过程N(t)是独立增量过程.
若计数过程N(t)在(t,t+s]内(s>0),事件A发生的次数N(t+s)N(t)仅与时间差s有关,而与t无关,则计数过程N(t)是平稳独 立增量过程.
注:由条件(3)知,泊松过程是平稳增量过程且E[X(t)]= t. 由于, =E[X(t)]/t表示单位时间内事件A发生的平均个数, 故称为此过程的速率或强度

非齐次泊松过程定义

非齐次泊松过程定义

例:假设每秒钟IP包以速率为λ =1的泊松分布到达某路由器。
(1)直到第10个IP包到达的时间期望是多少?
(2)第10个IP包到达和第11个IP包到达之间的时间超过2秒的 概率是多少?
解: (1)第10个IP包的到达时间S10,Sn服从参数n与λ的Γ分布
期望:n/ λ, 方差:n/ λ2
E(S10 ) 10 / 10秒
se s e (t s ) s t te t
事件发生的时间 均匀分布在[0,t]上
定理:给定N(t)=n,
n个到达时间S1 ,< …, <Sn 与n个在 (0,t) 上均匀分布的独立随机变量所对应的次序统计量有相同的分 布。
f ( s1 ,...,sn , n) f ( s1 ,...,sn | n) P( N (t ) n)
=Pk(t)[1-h+o(h)]+Pk-1(t)[h+o(h)]+o(h)
pk (t h) pk (t ) o( h) pk (t ) pk 1 (t ) , h h
pk ' (t ) pk (t ) pk 1 (t ) 令h 0得, ,(k 0,1,2,) pk (0) P{N (0) k} 0

0
时间间隔Tn,指 数分布的期望
c xf X | X y ( x)dx F ( y ) f ( x) c x dx F ( y) F ( y )
d E[ R( y )] 0 dy
yF ( y ) xf ( x)dx
y



y
xf ( x)dx c / F ( y)
称为此过程的速率或强度

第4讲第三章泊松过程

第4讲第三章泊松过程

k 1
n
et EDk E[eWk N (t) n](Dk 与N(t), Wk相互独立) k 1
n
et ED1 E[eWk N (t) n]
k 1
n
E(D1)et E[ eWk N (t) n]
k 1 n
E(D1)et E[
eUk ]
(根据定理3.4 )
k 1
E(D1)et E[ n eUk ] nE(D1)et E(eU1 ) k 1
注: 复合poisson过程 X(t)是包含泊松过程的一 个复合模型,通常不是泊松过程。
N (t)
定理3.6 设 X (t) 是Y复n ,t合 0泊松过程 n1
其中{N( t ),t≥0}是强度为λ的泊松过程,Yn,n=1, 2, …相互独立且同分布,则
1) {X( t ),t≥0 }是独立平稳、增量过程
P{N(s)=k | N(t)=n}, 0<k<n,0<s<t
证明:
P{N(s)=k | N(t)=n}
PN (s) k, N (t) n
P{N (t) n}
PN (s) k, N (t) N (s) n k
P{N (t) n}
PN (s) k PN (t) N (s) n k
当过程的到达率随时间而变化, 此假设就不合理 了.
若过程的增量平稳条件不满足,到达率随时间改变, 设到达率为时间函数λ( t ),则引入非齐次泊松过程概念:
定义:如果计数过程满足下列条件 1)N(0)=0; 2){N( t ),t≥0 }是一个独立增量过程;
3) P{N(t t) N(t) 1} (t)t o(t);
N (t)
iu Yk E e k 1
  1. 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. 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. 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)。

E ((1: 30) - (0 : 30)) 10
29
四、复合泊松过程



在人们的日常生活中,泊松过程往往不是单独存在的。 比如顾客到商店,不会只是在商店转一圈,往往会购物(当然,进 去转转不买也是有的)。 生产线的机器坏了,维修的时候会有维修费用。 参加保险公司的医疗保险人生病,保险公司会对其作出赔偿等。 这一系列的泊松过程都会有累积的事件参杂在其中。如果我们能 够将这些累积的事件和泊松过程联系起来,找出一定的规律,也 许就能成为解决某些生活规律的工具。例如,算出商店一天的营 业额,生产线一年的机器维修费用,保险公司的预备赔偿金的存 储额等。 因此,可以看出,前面多考虑的泊松过程,并未涉及到“泊松过 程质点”的大小,确定这些泊松过程质点的累积效果的随机过程 及其概率结构是有实际意义的。
非齐次泊松过程 复合泊松过程
主讲人:张建军
2015.5.01
1
一、泊松过程的定义 二、齐次泊松过程 三、非齐次泊松过程 四、复合泊松过程
2
一、泊松过程的定义
泊松过程是一类较为简单的时间连续状态离 散的随机过程。 一种累计随机事件发生次数的最基本的独立 增量过程。
3
一、泊松过程的定义
泊松过程是由法国著名数学家泊松(Poisson,
0
11
三、非齐次泊松过程
下面我们将从均值函数的层面解释非齐次泊松过程与齐次泊松过程 的不同之处: 在齐次泊松过程中,由于齐次性,即它的平稳增量过程,过程的 强度为λ,因此,在(s ,t+s)内,其均值为λt。 在非齐次泊松过程中,由于非齐次性,即强度函数的为λ(t),因 此: t 在(0 ,t)内,均值为 (t ) 0 ( s)ds 在 (0, t t ) 内,均值为:(t t )
定理证明完毕。
4.12
23
三、非齐次泊松过程

关于非齐次泊松过程的几个实例: 例: 设某路公共汽车从早晨5时到晚上9时有车发出。乘 客流量是:5时按平均乘客200人/时计算;5时至8时 乘客平均到达率线性增加,8时到达率为1400人/时; 8时至18 时保持平均到达率不变;18时到21时从到达 率1400人/ 时按线性下降,到21时为200人/时。假定 乘客数在不相重叠时间间隔内是相互独立的,求12时 至14时有2000人 来站乘车的概率,并求这两小时内 来站乘车人数的数学期望。
8
三、非齐次泊松过程


从这个例子可以看出,它符合泊松过程,即符合独立 增量过程,且在充分小的时间间隔内,最多只有一个 事件发生,而不能有两个或两个以上的事件同时发生。 但是,和齐次泊松过程比有一个条件变了,λ不再是 常数了。 在齐次泊松过程的讨论中,由于对齐次过程做了时齐 的假设,其均值函数 E(Xt)=λt 与t成正比,但是现实生活中不可能所有的事情都按齐 次泊松过程发生,因此引入了非齐次泊松过程。
3 3 1 (1: 30) - (0 : 30) ( ) - ( ) 12 (5 5t )dt 10 2 2 2
知:在0:30时至1:30时无顾客到达商店的概率概率
p{(1: 30) - (0 : 30) 0} e
-10
(10)0 e-10 0!
8:30至9:30有2000名乘客的数学期望是
Simeon-Denis)(1781—1840)证明的。 1943年C.帕尔姆在电话业务问题的研究中运用
了这一过程。 辛钦于50年代在服务系统的研究中又进一步发 展了它。
4
二、齐次泊松过程
1.齐次泊松过程的定义: 称计数过程{X(t)≥0}为具有参数λ>0的泊松过程, 若它满足下列条件: ⑴X(0)=0; ⑵X(t)是独立、平稳增量过程; ⑶在任意长度为t的区间内,事件A发生的次数服 从参数λ>0的泊松分布, 即对任意s ,t≥0,有 n ( t ) P{X(t+s) -X(s)=n}= e- t ,n=0,1,2…
若令 p-1 (h, t ) 0 ,则当n=0时,(4.5)式就变为 (4.1)式,即(4.5)式对任意非负整数n均成立。 下面利用生成函数法求偏微分方程组(4.5)的 解。令
G(h, t , z ) pn (h, t )z
n 0

n
4.6
19
三、非齐次泊松过程
对每一n=0、1、2…,将(4.5)式两端乘以Z , 然后对n求和即得
pn (h, t )
4.4
- (t h)spn (h, t ) (t h)spn-1 (h, t ) o(s)
用s除上式两端,并令s→0得
pn (h, t ) (t h)[ pn-1 (h, t ) - pn (h, t )] h
4.5
18
三、非齐次泊松过程
27
三、非齐次泊松过程
解: 将时间8时至5时平移为0到9时,依题意得顾客到达率为:
5 5t , = 20, 20 2(t 5), 0t 3 3<t 5 5t 9
乘客到达率与时间关系如图所示.
λ(t)
20
5 3 5 t 9 28
三、非齐次泊松过程
由题意,顾客的变化可用非齐次泊松过程描述. 从
3
13
16
三、非齐次泊松过程
由题意,乘客数的变化可用非齐次泊松过程描述. 从
(9) - (7) 1400ds 2800
7
9
知:在12时至14时有2000名乘客到达的概率
p{(9) - (7) 2000} e-2800
28002000 2000!
12时至14时有2000名乘客的数学期望是
p0 (h, t ) - (t h) p0 (h, t ) h
4.1
用s除上式两端,并令s→0得
由非齐次泊松过程的定义知,以上偏微分方程满 4.2 足下列初始条件 p0 (0, t ) 1
15
三、非齐次泊松过程
利用初始条件(4.2)式,对(4.1)积分得
p0 (h, t ) e t
G (h, t , z ) (t h)( z -1)G (h, t , z ) h
4.7
n
对(4.7)式积分得
ln G(h, t , z ) - ln G(0, t , z ) ( z -1)
t h t
( x)dx
4.8
20
三、非齐次泊松过程

由非齐次泊松过程的定义知
E{(9) - (7)} 2800
26
三、非齐次泊松过程
例: 某商店每日8时开始营业,从8时到11时平均顾客 到达率线性增加,在8时顾客平均到达率为5人/时, 11时到达率达最高峰20人/时。从11时到13时,平均 顾客到达率维持不变,为20人/时,从13时到17时, 顾客到达率线性下降,到17时顾客到达率为12人。假 定不相重叠的时间间隔内到达商店的顾客数是相互独 立的,问在8:30到9:30无顾客到达商店的概率是多 少,在这段时间内到达商店的顾客数学期望是多少?
e n [(t h) - (t )] [- (t h )- (t )] n e z n! n 0
z[ ( t h )- ( t )] -[ (t h )- (t )]
4.11
22
三、非齐次泊松过程
将(4.6)式与(4.11)式比较得
[(t h) - (t )]n [- (t h )- (t )] pn内事A发生的平均个数, t
故称为此过程的速率或强度。
6
二、齐次泊松过程
齐次泊松过程的解释: 称计数过程{X(t),t≥0}为具有参数λ>0的泊松过程,若它 满足下列条件: ⑴X(0)=0; ⑵X(t)是独立、平稳增量过程; ⑶X(t)满足下列两式: P{X(t+h) -X(t)=1}=λh+o(h), P{X(t+h) -X(t)=2}=o(h). 以上定义说明,在充分小的时间间隔内,最多有一个事件 发生,而不能有两个或两个以上的事件同时发生。也就是 说,要么事件发生一次,要么事件不发生。这是泊松过程 的核心概念。
7
三、非齐次泊松过程

例: 设电话总机在早晨8时接到的电话呼叫数为20 个;8时至11时接到的电话呼叫数线性增加,接 到的电话呼叫数为50个;11时至15 时保持平均到 呼叫数不变; 15时到18时接到的电话呼叫数线性 下降,到18时为20个。接到的呼叫在不相重叠时 间间隔内是相互独立的,求9时至11时有30个呼 叫数的概率
p( X t h - X t n -1) p( X t hs - X t h 1) o(s)
pn (h, t )[1- (t h)s - o(s)] pn-1 (h, t )(t h)s o(s)
17
三、非齐次泊松过程
于是, pn (h s, t ) -
n!
5
二、齐次泊松过程
解释: 独立增量过程:是指在每一个时间段内事件A发生的次数 是相互独立的。 平稳增量过程:是指计数过程N(t)在(t,t+s) 内(s>0),事件A 发生的次数N(t+s)-N(t) 仅与时间差有关,而与时间段的起 始时间无关。 因此,齐次泊松过程是平稳增量过程且E[X(t)]=λt。

10
三、非齐次泊松过程



首先,X(t)不再是平稳增量过程。也就是说, 计数过程N(t)在(t,t+s)内(s>0),事件A发生的次 数N(t+s)﹣N(t)不仅与时间差有关,而且还与 时间段的起始时间有关。 其次,定义公式里不再是泊松过程的强度λ, 也就是说数学期望不再是E[ X(t)]= λt,而出现 了λ(t),叫做强度函数。 t 因此,引入累积强度函数的概念: (t ) ( s)ds
相关文档
最新文档