4第三章泊松过程
合集下载
泊松过程

dPk 1 ( t ) 已得 Pk 1 ( t ) Pk ( t ) dt
t d [ e Pk 1 ( t )] t 两边同乘 e 得, e t Pk ( t ) dt
k d [ e t Pk 1 ( t )] [ ( t s )] 即 e s dt k!
对t s, n m:
4. P{N t n | N s m} e ( t s ) [ (t s )]n m ( n m)!
n s m 5. P{N s m | N t n} ( ) (1 s ) n m t m t
例 : 顾客依泊松过程到达某商店,速率为 4人/小时。已知商店上午9:00开门. (1)求到9:30时仅到一位顾客,而到11:30时 已到5位顾客的概率? (2)求第2位顾客在10点前到达的概率? (3)求第一位顾客在9:30前到达且第二位 顾客在10:00前到达的概率?
第三章:泊松过程
1.生成函数与泊松分布
分布律为:
或母函数
浙大数学随机过程
1
生成函数唯一地决定各阶矩 (可能为 ) (可能为 )
例如:
定理:如果X 和Y 都是取值非负整数值的随机变量, 那么当X 与Y 独立时,对0 s 1都有: X Y ( s ) X ( s )Y ( s ). 这里 X Y , X ,Y 分别是X Y ,X ,Y 的生成函数.
泊松过程也可用另一形式定义: 称 N (t ), t 0是参数为的泊松过程,若满足: 1. N (0) 0 2. 独立增量 3. 对任意的t s 0, N (t ) N (s) ~ t s
证 : P{N (t h ) N (t ) 1} he h(1 h o( h )) h o( h )
第三章泊松过程

定理 设是{N (t), t≥0}一个强度为l的泊松过程,则对任 意固定的t, N(t)服从泊松分布,即
P(N (t) = k ) = (lt)k e-l t
k!
k = 0,1, 2,L
二、泊松过程的数字特征与特征函数
1. 泊松过程的均值函数
mN (t) = E[N(t)]= lt
2. 泊松过程的方差函数
DN (t) = D[N(t)]= lt
3. 泊松过程的均方值函数
y
2 N
(t)
=
E[N
2
(t)]
=
DN
(t)
+
mN2
(t)
=
lt
+
(lt)2
4. 泊松过程的自相关函数
E(N (t1)N (t2 ))
令t2 ³ t1E{[N (t1)- N (0)][N (t2 )- N (t1)+ N (t1)]} 展开 E{[N(t1)- N (0)][N (t2 )- N(t1)]+ [N(t1)- N(0)]N(t1)} 展开 E{[N(t1)- N (0)][N (t2 )- N(t1)]}+ E{[N(t1)- N (0)]N (t1)} 增量独立E{[N(t1)- N(0)][N(t2 )- N(t1)]}+ E{[N(t1)- N(0)]N(t1)} 增量独立E[N (t1)- N (0)]E[N (t2 )- N (t1)]+ E{[N (t1)- N (0)]N (t1)}
mN (t) = 4t = DN (t)
RN (t1,t2 ) = 4 min(t1,t2 ) + 16t1t2 , t1,t2 Î T
CN (t1,t2 ) = 4 min(t1,t2 )
泊松过程

8
3.1 泊松过程的定义 泊松过程的定义
• 独立增量计数过程: 独立增量计数过程: 对于t 对于 1<t2<…<tn,N(t2)-N(t1), N(t3)-N(t2), … …, N(tn)-N(tn-1)独立 独立 • 平稳增量计数过程: 平稳增量计数过程: 在(t,t+s]内(s>0),事件 发生的次数 内 ,事件A发生的次数 N(t+s)-N(t)仅与时间间隔 有关, 仅与时间间隔s有关 仅与时间间隔 有关, 而与初始时刻t无关 而与初始时刻 无关
j=0
= Pn ( t ) P0 ( h) + Pn−1 ( t ) P1 ( h) + ∑ Pn − j ( t ) Pj ( h)
j=2
n
= Pn ( t ) P0 ( h) + Pn−1 ( t ) P1 ( h) + o( h) = (1 − λ h) Pn ( t ) + λ hPn−1 ( t ) + o( h)
14
3.1 泊松过程的定义 泊松过程的定义
P0 ( t + h) − P0 ( t ) o( h ) , 故 = − λ P0 ( t ) + h h P0′( t ) 当h → 0时有 P0′( t ) = − λ P0 ( t )或 = −λ P0 ( t ) 由于 P0 (0) = P{N(0) 0} = 1 = 于是有 P0 ( t ) = e − λt
j =0
16
Pn ( t + h) = P{N ( t + h) = n}
(2)对n≥1,建立递推公式 对 ≥ ,
n
j =0
n
3.1 泊松过程的定义 泊松过程的定义
3.1 泊松过程的定义 泊松过程的定义
• 独立增量计数过程: 独立增量计数过程: 对于t 对于 1<t2<…<tn,N(t2)-N(t1), N(t3)-N(t2), … …, N(tn)-N(tn-1)独立 独立 • 平稳增量计数过程: 平稳增量计数过程: 在(t,t+s]内(s>0),事件 发生的次数 内 ,事件A发生的次数 N(t+s)-N(t)仅与时间间隔 有关, 仅与时间间隔s有关 仅与时间间隔 有关, 而与初始时刻t无关 而与初始时刻 无关
j=0
= Pn ( t ) P0 ( h) + Pn−1 ( t ) P1 ( h) + ∑ Pn − j ( t ) Pj ( h)
j=2
n
= Pn ( t ) P0 ( h) + Pn−1 ( t ) P1 ( h) + o( h) = (1 − λ h) Pn ( t ) + λ hPn−1 ( t ) + o( h)
14
3.1 泊松过程的定义 泊松过程的定义
P0 ( t + h) − P0 ( t ) o( h ) , 故 = − λ P0 ( t ) + h h P0′( t ) 当h → 0时有 P0′( t ) = − λ P0 ( t )或 = −λ P0 ( t ) 由于 P0 (0) = P{N(0) 0} = 1 = 于是有 P0 ( t ) = e − λt
j =0
16
Pn ( t + h) = P{N ( t + h) = n}
(2)对n≥1,建立递推公式 对 ≥ ,
n
j =0
n
3.1 泊松过程的定义 泊松过程的定义
泊松过程

(t ) D[ X (t )] D[ X (t ) X (0)] t
2 X
R X ( s, t ) 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 ] E[( X ( s ) X (0))(X (t ) X ( s ))] D[ X ( s )] E[ X ( s )]2 E[ X ( s ) X (0)]E[ X (t ) X ( s )] D[ X ( s )] E[ X ( s )]2 s (t s ) s (s ) 2 s (t 1)
从而W1的条件分布函数为
0 , s 0 s FW1| X (t )1 ( s) , 0st t 1 , s t
条件分布密度函数为
1 , 0st fW1| X (t )1 (s) t 0 ,
设{X(t), t0}是泊松过程, 已知在[0, t]内 事件A发生n次,则这n次事件的到达时间 W1< W2<< Wn的条件概率密度为
T1服从均值为1/的指数分布
t t
FT1 (t ) P T1 t 1 P T1 t 1 e
(2)n=2
P{T2>t| T1=s} = P{在(s, s+t]内没有事件发生| T1=s}
=P{X(s+t) -X(s)=0 | X(s) -X(0) =1} = P{X(s+t) -X(s)=0 }
等待时间Wn与时间间隔Tn均为随机变量
时间间隔Tn
设{X(t), t0}是参数为的泊松过程, {Tn,n1}是相应第n次事件A发生的时间间隔 序列,则随机变量Tn是独立同分布的均值 为1/的指数分布。
泊松过程

n
i 1
i
设 E[ X n ] ,由于Xn为非负随机变量且不恒为0,所以 有 0 。 因为Sn代表n次更新所花费的时间,则 N (t ) sup{n; Sn t}
由于>0,故当n∞时,要求Sn 趋于∞;反之,若Sn∞, 必然要求n ∞ ,这就说明在有限长的时间内只能出现 有限次更新。 t 有限时:
§4.4 泊松过程
一、计数过程 1、定义:在[0,t]内出现事件A的总数所组成的过程{N(t), t≥0}称为计数过程。计数过程{N(t), t≥0}应满足下列条件: (1) N(t) ≥0; (2) N(t) 一个是正整数; (3)如果两个时刻s,t, 且s<t, 则N(s)≤N(t)。 (4)对于s < t,N(t)-N(s)代表在时间间隔[s,t]内出 现事件A的次数。
[t 2、设有 t1 t 2 t3 t 4 , 1 , t 2 )和[t 3 , t 4 ) ,是两个不相交 的时间间隔,若 [ N (t 2 ) N (t1 )]与[ N (t 4 ) N (t3 )] 相互统计 独立,则N(t)为独立增量计数过程。
3、若 [ N (t s) N (t )] 仅与s有关而与t无关,则称N(t)为 平稳增量计数过程。
由福克-普朗克方程可得: dp j (t ) j 1 p j 1 (t ) ( j j ) p j (t ) j 1 p j 1 (t ) dt 直接求解以上方程组比较困难,一般仅讨论平稳分布, t∞时的极限情况。 二、排队和服务问题 1、基本概念:任何排队过程包括三个不同的历程: 1)到达过程 2)排队过程 3)服务过程 排队服务系统一般用G1/G2/n/m 表示,其中: G1— 顾客到达服从G1分布; G2—服务时间服从G2分布;n — 服务员数目;m —顾客排队容许长度(或系统容量),m = ∞时不写出,为等待制系统。
i 1
i
设 E[ X n ] ,由于Xn为非负随机变量且不恒为0,所以 有 0 。 因为Sn代表n次更新所花费的时间,则 N (t ) sup{n; Sn t}
由于>0,故当n∞时,要求Sn 趋于∞;反之,若Sn∞, 必然要求n ∞ ,这就说明在有限长的时间内只能出现 有限次更新。 t 有限时:
§4.4 泊松过程
一、计数过程 1、定义:在[0,t]内出现事件A的总数所组成的过程{N(t), t≥0}称为计数过程。计数过程{N(t), t≥0}应满足下列条件: (1) N(t) ≥0; (2) N(t) 一个是正整数; (3)如果两个时刻s,t, 且s<t, 则N(s)≤N(t)。 (4)对于s < t,N(t)-N(s)代表在时间间隔[s,t]内出 现事件A的次数。
[t 2、设有 t1 t 2 t3 t 4 , 1 , t 2 )和[t 3 , t 4 ) ,是两个不相交 的时间间隔,若 [ N (t 2 ) N (t1 )]与[ N (t 4 ) N (t3 )] 相互统计 独立,则N(t)为独立增量计数过程。
3、若 [ N (t s) N (t )] 仅与s有关而与t无关,则称N(t)为 平稳增量计数过程。
由福克-普朗克方程可得: dp j (t ) j 1 p j 1 (t ) ( j j ) p j (t ) j 1 p j 1 (t ) dt 直接求解以上方程组比较困难,一般仅讨论平稳分布, t∞时的极限情况。 二、排队和服务问题 1、基本概念:任何排队过程包括三个不同的历程: 1)到达过程 2)排队过程 3)服务过程 排队服务系统一般用G1/G2/n/m 表示,其中: G1— 顾客到达服从G1分布; G2—服务时间服从G2分布;n — 服务员数目;m —顾客排队容许长度(或系统容量),m = ∞时不写出,为等待制系统。
第三章 泊松过程要点

P[ N1 (t , t s ) k , N1 (t , t s ) m k )]
k 0 m m
P[ N1 (t , t s ) k ]P[ N1 (t , t s ) m k )]
k 0 m m (1s ) k e 1s (2 s ) m k e 1s m! ( 1 2 ) s k mk 1 e (1s ) (2 s ) k! (m k )! m! k 0 k 0 k !( m k )!
P[ N1 (t , t s ) k1 | N (t , t s ) m]P[ N (t , t s ) m]
m0
m k1
P[ N (t , t s) k
1 k1 k1 m k1 C p (1 p ) m
1
| N (t , t s ) m]P[ N (t , t s ) m]
其中 N1 (t ) k1 | N (t ) k1 k2 表示独立到达泊松系统的 k1 k2 个质点中恰好到达系统A有 k1 个,则有
P[ N1 (t ) k1 | N (t ) k1 k2 ] C kk1k p k1 (1 p ) k2
1 2
第一节、泊松过程的基本概念
第一节、泊松过程的基本概念
(4)证明 N1 (t ), N2 (t ) 的独立性
P[ N1 (t ) k1 , N 2 (t ) k2 ] P[ N1 (t ) k1 , N (t ) k1 k2 ] P[ N1 (t ) k1 | N (t ) k1 k2 ]P( N (t ) k1 k2 )
泊松过程(Poisson process)最早由法国人Poisson于 1837年引入。
k 0 m m
P[ N1 (t , t s ) k ]P[ N1 (t , t s ) m k )]
k 0 m m (1s ) k e 1s (2 s ) m k e 1s m! ( 1 2 ) s k mk 1 e (1s ) (2 s ) k! (m k )! m! k 0 k 0 k !( m k )!
P[ N1 (t , t s ) k1 | N (t , t s ) m]P[ N (t , t s ) m]
m0
m k1
P[ N (t , t s) k
1 k1 k1 m k1 C p (1 p ) m
1
| N (t , t s ) m]P[ N (t , t s ) m]
其中 N1 (t ) k1 | N (t ) k1 k2 表示独立到达泊松系统的 k1 k2 个质点中恰好到达系统A有 k1 个,则有
P[ N1 (t ) k1 | N (t ) k1 k2 ] C kk1k p k1 (1 p ) k2
1 2
第一节、泊松过程的基本概念
第一节、泊松过程的基本概念
(4)证明 N1 (t ), N2 (t ) 的独立性
P[ N1 (t ) k1 , N 2 (t ) k2 ] P[ N1 (t ) k1 , N (t ) k1 k2 ] P[ N1 (t ) k1 | N (t ) k1 k2 ]P( N (t ) k1 k2 )
泊松过程(Poisson process)最早由法国人Poisson于 1837年引入。
随机过程第三章 泊松过程

解:设一年开始为 0 时刻,1 月末为时刻 1,则年末为时刻 12,依泊松过程的定义可知
PN (12) N (0) n e412 (412)n
n!
平均索赔请求次数及金额
E[N(12) N(0)] 412 48
3.2 与泊松过程相联系的若干分布
记 Tn , n 1, 2,表示第 n 次事件发生的时刻,规定T0 0 。记 Xn , n 1,2, 表示第 n
即
N(t) n Tn t
因此
PTn
T
P N (t )
n
in
et
(t)i i!
对上式求导,得到Tn 的概率密度函数
f (t)
et (t)i
et
(t)i1
et
(t )( n 1)
in
i! in
(i 1)!
(n 1)!
命题得证。
注:Tn 的数字特征
ETn
n
,
DTn
n 2
;且
ETn
nEX n
P ti Ti ti hi ,i 1, 2,, n N (t) n
PN (ti
hi )
N (ti )
1,
N (ti1) N (ti hi )
PN (t) n
0,1
i
n,
N (t1)
0
h1e h1
h e e hn (th1h2 hn ) n et (t)n / n!
n! tn
-2-
P0 (t) et
类似地,当 n 1时
Pn (t h) PN (t h) n PN (t) n, N (t h) N (t) 0 PN (t) n 1, N (t h) N (t) 1
第3讲第三章泊松过程

对于n>1 和t>0,以及 s1,s2,…,sn-1>0,有
P Tn t T1 s1,,Tn1 sn1 P Nt s1 sn1 Ns1 sn1 1T1 s1,,Tn1 sn1
PN t s1 sn1 N s1 sn1 1
1 PN t s1 sn1 N s1 sn1 0
(2) N(t)是独立增量过程;
(3) 对一切0≤s,t, N(t+s) -N(s) ~P(λt),即
P[N (t s) N (s)] k et [t]k , k 0,1, 2,
k! 称{N( t ),t≥0)是参数为λ的齐次泊松过程.
注1 从增量分布知:齐次泊松过程也是平稳增量过程.
注2 N(t) ~P(λt).
et (t)k1 dt
t0
(k 1)!
例3.3 设N1(t)和N2( t )分别是强度为λ1和λ2的相互独立的
泊松过程, Wk1为过程N1(t)的第k个事件的到达时间,
W12 为过程N2(t)的第1个事件的到达时间,求 P Wk1 W12
解: fwk1
x
e1x 1
1 x k1
(k 1)!
所以3.2→定义3.3
再证 由定义3.3 → 定义3.2
即:需证明 N(t s) N(s) ~ t 由于是平稳增量故只需证 N(t) ~ t
记:Pn t PN(t) n
下面我们依次求Po(t), P1(t),…, Pk(t) ,…
首先,由定义3.3中的条件(3):
P1 h h oh
P0
0
1,由条件1
N
0
0
解得p0 (t) et , t 0
当n≥1时, n
pn (t h) pk (h)pnk (t) k 0 p0 (h) pn (t) p1(h) pn1(t) oh
P Tn t T1 s1,,Tn1 sn1 P Nt s1 sn1 Ns1 sn1 1T1 s1,,Tn1 sn1
PN t s1 sn1 N s1 sn1 1
1 PN t s1 sn1 N s1 sn1 0
(2) N(t)是独立增量过程;
(3) 对一切0≤s,t, N(t+s) -N(s) ~P(λt),即
P[N (t s) N (s)] k et [t]k , k 0,1, 2,
k! 称{N( t ),t≥0)是参数为λ的齐次泊松过程.
注1 从增量分布知:齐次泊松过程也是平稳增量过程.
注2 N(t) ~P(λt).
et (t)k1 dt
t0
(k 1)!
例3.3 设N1(t)和N2( t )分别是强度为λ1和λ2的相互独立的
泊松过程, Wk1为过程N1(t)的第k个事件的到达时间,
W12 为过程N2(t)的第1个事件的到达时间,求 P Wk1 W12
解: fwk1
x
e1x 1
1 x k1
(k 1)!
所以3.2→定义3.3
再证 由定义3.3 → 定义3.2
即:需证明 N(t s) N(s) ~ t 由于是平稳增量故只需证 N(t) ~ t
记:Pn t PN(t) n
下面我们依次求Po(t), P1(t),…, Pk(t) ,…
首先,由定义3.3中的条件(3):
P1 h h oh
P0
0
1,由条件1
N
0
0
解得p0 (t) et , t 0
当n≥1时, n
pn (t h) pk (h)pnk (t) k 0 p0 (h) pn (t) p1(h) pn1(t) oh
- 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)。
例题:设交换机每分钟接到电话的次数 X(t)是强度为λ的泊松过程。求
1、两分钟内接到3次呼叫的概率。
2、第二分钟内接到第3次呼叫的概率。
作业 3.1, 3.3, 3.5, 3.9
m X (t ) E[ X (t )] t
2 X (t ) D[ X (t )] t
RX (s, t ) E[ X (s) X (t )] s(t 1)
一般情况下,泊松过程的协方差函数可表示为
BX (s, t ) min(s, t )
时间间隔Tn的分布
t (t ) n 1 , e fWn (t ) (n 1) 0,
证明
t0 t0
证明:
到达时间的条件分布
假设在[0,t]内时间A已经发生一次,我们要确 定这一时间到达时间W1的分布。
P{W1 s | X (t ) 1 ? }
到达时间的条件分布 解:
到达时间的条件分布
分布函数
0, s FW1 | X (t ) 1 ( s ) , t 1,
1 , fW1 | X (t ) 1 ( s ) t 0,
s0 0st st
概率密度函数
0st 其它
设{X(t),t≥0}是泊松过程,已知在[0,t]内事件A 发生n次,求这n次到达事件W1<W2, …<Wn的 联合概率密度函数。 解:
等待时间Wn的分布
等待时间Wn是指第n次事件A出现的时刻(或第 n次事件A的等待时间)
Wn
T
i 1
n
i
因此Wn是n个相互独立的指数分布随机变量之和。
定理3.3: 设{Wn,n≥1}是与泊松过程{X(t),t≥0}对应的 一个等待时间序列,则Wn服从参数为n与 λ 的Г 分布(也称爱尔兰分布),其概率 密度为
解:
W1(2)
y y
W1(2)
合
y
非齐次泊松过程
定义3.4: 允许速率或强度是t的函数 称计数过程{X(t),t≥0}为具有跳跃强度函数 λ (t)的非齐次泊松过程,若它满足下列条件:
1. X(0)=0;
2. X(t)是独立增量过程;
3. P{ X (t h) X (t ) 1} (t )h o(h)
设{X(t),t≥0}是泊松过程,令X(t)表示t时刻事件A 发生的次数,Tn表示从第(n-1)次事件A发生到 第n次事件A发生的时间间隔。
定理3.2:
设{X(t),t≥0}为具有参数λ的泊松过程,{Tn,n≥1} 是对应的时间间隔序列,则随机变量Tn是独立 同分布的均值为1/λ的指数分布。 即:对于任意n=1,2, …事件A相继到达的时间 间隔Tn的分布为
计数过程N(t)是独立增量过程 如果计数过程在不相重叠的时间间隔内,事件A 发生的次数是相互独立的。 计数过程N(t)是平稳增量过程 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。
定义3.2:
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(平稳)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 (t ) n t
m X (t )
(s)ds
0
t
或
[m X (t )]n P{ X (t ) n} exp{m X (t )}, n!
例题3.8 设{X(t),t≥0}是具有跳跃强度 的非齐次泊松过程(ω ≠0),求E[X(t)]和 D[X(t)]。
解:E[X(t)]= D[X(t)]
1 ( s )ds (1 cos( ws )) ds 0 0 2 1 1 (t sin( wt )) 2 w
P{ X (t s) X ( s) n} e n! ,
n 0,1,
泊松过程同时也是平稳增量过程
E[ X (t )] t
表示单位时间内事件A发生的平均个数,故称 为泊松过程的速率或强度
定义3.3:
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、平稳增量过程;
第三章 泊松过程
泊松过程定义 泊松过程的数字特征 时间间隔分布、等待时间分布及到达时间的 条件分布 复合泊松过程 非齐次泊松过程
泊松过程是一类时间连续状态离散的随机过程 例如: • 电话交换机在一段时间内接到的呼叫次数; • 火车站某段时间内购买车票的旅客数; • 机器在一段时间内发生故障的次数;
计数过程 定义:
称随机过程{N(t),t≥0}为计数过程,若N(t)表示 到时刻t为止已发生的“事件A”的总数,且 N(t)满足下列条件:
1. N(t) ≥0; 2. N(t)取正整数值以及0; 3. 若s<t,则N(s) ≤N(t); 4. 当s<t时,N(t)-N(s)等于区间(s,t]中发生的 “事件A”的次数。
P{ X (t h) X (t ) 2} o(h)
非齐次泊松过程的均值函数为
m X (t )
(s)ds
0
t
定理3.5: 设{X(t),t≥0}为具有均值函数 非齐次泊松过程,则有
P{ X (t s) X (t ) n} [m X (t s) m X (t )]n exp{[m X (t s) m X (t )]}, n 0 n!
t t
1 (t ) (1 cost ) 2
例题3.9
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。 解:
例如: 到达体育场的公共汽车数是一泊松过程,而每辆公共 汽车内所载的乘客数是一个随机变量。若各辆车内 的乘客数Yn服从相同分布,且又彼此统计独立,各辆车 的乘客数和车辆数N(t)又是统计独立的,则到达体育 馆的总人数X(t)是一个复合泊松过程.
X (t )
N (t ) n 1
Y ,
n
t0
N (t )
设X (t ) 来自Yk 1k
,
t 0
是复合泊松过程,则
1.若E(Y12)<∞,则
E[ X (t )] tE[Y1 ], D[ X (t )] tE[Y12 ]
例题: 设移民到某地区定居的户数是一个泊松过程,平均 每周内有2户定居,但每户的人口数是随机变量,一 户4人概率为1/6,一户3人概率为1/3,一户2人概率 为1/3,一户1人概率为1/6,求5周内移民到该地区 的人口的数学期望与方差。 解:
例题3.4 设在[0,t]内事件A已经发生n次,且0<s<t,对 于0<k<n,求P{X(s)=k|X(t)=n} 解:
例题3.5设在[0,t]内事件A已经发生n次,求 第k(k<n)次事件A发生的时间Wk的条件概率 密度函数。
解:
例题3.6
设{X1 (t),t ≥0}和{X2 (t),t ≥0}是两个相互独立的 泊松过程,它们在单位时间内平均出现的事件 Wk(1) 数分别为λ 1和λ2,记 为过程X1(t)的第k次事 W1( 2 ) 件到达时间, 为过程X2(t)的第1次事件到达 时间,求 P{Wk(1) W1( 2) }
X (t ) Yi
i 1
N (t )
1 P{Y 1} P{Y 4} 6 1 P{Y 2} P{Y 3} 3
则:
E[Y ]
15 6
E[Y ]2
43 6
15 E[ X (5)] tE[Y ] 10 =25 6 43 215 2 D[ X (5)] tE[Y ] 10 6 3
复合泊松过程
定义3.5: 设{N(t),t≥0}是强度为λ 的泊松过程, {Yk,k=1,2,…}是一列独立同分布随机变量, 且与{N(t),t≥0}独立,令
N (t )
X (t )
Y ,
k k 1
t0
则称{X(t),t≥0}为复合泊松过程。
N(t) Yk X(t) 在时间段(0,t]内来到商店的顾客数 第k个顾客在商店所花的钱数 该商店在(0,t]时间段内的营业额
3. X(t)满足下列两式:
P{ X (t h) X (t ) 1} h o(h) P{ X (t h) X (t ) 2} o(h)
在充分小的 时间 内,最多有一个事件发生,而不能 有两个或两个以上事件同时发生。
(2)证明定义3.2和定义3.3是等价的。
泊松过程的数字特征 设{X(t),t≥0}是泊松过程,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,所以
1 e t , t 0 FTn (t ) P{Tn t} t0 0,
其概率密度为
证明
e t , f Tn (t ) 0,
t0 t0
证明:
所以,T1服从均值为1/λ的指数分布。
所以,T2也服从均值为1/λ的指数分布。
同理可以证明:对于任意的n=1,2,…,事件相继到 达的时间间隔Tn也服从均值为1/λ的指数分布