随机过程6(3.1)资料.pptVIP

第三章 跳跃随机过程 本章主要内容 泊松过程的定义及基本性质 泊松过程的0-1律 复合泊松过程过程 泊松过程扩展 实例 1.电话交换台的呼叫次数 2.放射性裂变的质点数 3.发生故障而不能工作的机器数 4.通过交通路口的车辆数 5.来到某服务窗口的顾客数 ……….. 以上实例中的呼叫,质点,机器,车辆,顾客等也 统一叫做随机点 若用N(t)表示[0,t]内到达的随机点数，显然 这种随机过程称为计数过程 即实随机过程{N(t),t≥0}是计数过程，如果N(t)表示直到t时刻为止发生的某随机事件数． 特点 ① ② N(t)是非负整数 ③ ④ 表示时间间隔 t-s内发生的随机事件数． 计数过程的另一种表示 计数过程的轨道性质 (a) 零初值性 ，状态空间是0及自然数 (b) 样本轨道是单调不减，右连续 (c)轨道间断点跳跃的高度永远是1 相互独立的随机变量序列 N(t) 表示[0，t]时间内到达的随机点数, 则N(t) (Nt)是一个随机变量． 分析这些随机过程的公同特点 一.Poisson过程定义 若计数过程 {N(t),t≥0} 满足 是平稳的独立增量过程 服从参数是λt 的Poisson分布,即 则称计数过程{N(t),t≥0}是参数(强度,比率)为λ 的Poisson过程. 定理 设 {N(t),t≥0} 是参数为λ 的Poisson 过程，则 证明 1) 由定义,显然有 又对s≥0, t ≥0,不妨设s≤t,则有 是独立增量 平稳性 由定义 计数过程的到达时间与到达时间间隔分布 设 {Nc(t),t≥0} 是计数过程，即Nc(t)表示时间 区间[0,t)内到达的随机点数. 到达时间(序列) 表示第i个随机点的到达时刻,则称 为计数过程的到达时间序列. 到达时间间隔(序列) 它表示第n-1个随机点与第n个 随机点的到达时间间隔,则称 为Poisson过程的到达时间间隔(序列) 显然有 给出上述定义以后，我们自然需要回答下列问题 (1):计数过程与泊松过程的关系， (2):关于Poisson过程中的这两个序列的概率分布 引理 (到达时间序列分布) 设{Nc(t),t≥0} 是计数过程,其到达时间间隔相互独立且同服从参数为λ的指数分布，则到达时间分布 服从Γ分布,密度为 证明 的分布函数 的特征函数为 则 的特征函数为 的密度函数为 故 定理4.1.1 如果计数过程Nc(t)的到达时间间隔 是独立同分布于参数为 的指数分布，则计数过程Nc(t)一定是一个参数为 的泊松过程. 分析：要证明该定理只需要证明泊松定义中的第二第三条满足即可. 证明： 由引例知 故其概率密度函数为 于是 其中 以上证明了Nc(t)服从参数为λ的泊松分布，下证平稳的独立增量性.即对于任意的0≤st,增量 Nc(t)-Nc(s)与Nc(u) (u ≤s)独立且 Nc(t)-Nc(s)～π(λ(t-s)) 注意到 定义 则是 一个从s开始的计数过程 因此在 的条件下， 的到达时间间隔 独立同分布于参数为λ的指数分布，于 是独立性得证，进而平稳性得证. 定理 (到达时间间隔分布) 设{N(t),t≥0} 是参数为λ 的Poisson过程， 是其到达时间间隔序列，则 是相互独立同服从参数为λ 的指数分布． 证明 独立性 由于poisson过程是平稳的独立增量过程 所以 相互独立. 下证同分布 到达时间间隔的独立性 平稳性 的独立性 平稳性 得证 独立性也可以证明如下 以下证明 相互独立 因此二维随机变量（T1，T2）的联合密度函数为 由于 的概率比密度函数为 于是 的概率比密度函数为 定理 (到达时间序列分布) 设{N(t),t≥0} 是参数为λ的Poisson过程,则其到达时间 服从Γ分布,密度为 证明 的分布函数 第n个随机点的到达时刻 再求导数 所以到达时间序列的密度函数为 本题目还可以用特征函数证明. 例.同一概率空间下的独立泊松过程的叠加也是泊松过程 分析：要证明随机过程是泊松过程，只能用定义证明，零初值性和独立增量性比较容易，只需要证明平稳增量性即可. 例 某学生要去A教室上数学课，现有两个入口B和C可以进入A教室，设在时刻t0, 从B口进入A教室的学生数为NB(t),从C口进入A教室的学生数