第二讲 reewal process.doc

第二讲 更新过程 课时：8学时（6小时） 更新过程 更新时刻，更新间隔，更新次数 更新方程 更新方程解的极限 更新过程的应用 有一类过程具有如下特征：在一些特殊时刻观察过程，就概率意义而言，过程将是过去的重复。这些特殊时刻所对应的事件是一个随机事件的一个实现。 一些例子 例1 （Bernoulli试验）如果把成功时刻作为特殊时刻，那么从试验开始到成功这个事件，就在这些特殊的时刻不断地被重复。这些特殊的时刻构成了一个随机过程，其特点是相应的事件发生间隔时间，即增量过程是独立平稳过程，这里约定。 也可以考虑其它的特殊时刻，例如连续两次成功实现的时刻，等等。可参见【5,Feller 第十三章 循环事件，更新方程】 例2 （随机游动）随机游动中回到出发点的时刻。 例3 （赌徒问题）赌徒的赌资回到他开始的时刻。 例4 （设备更换）如果某种设备的寿命分布为，设备更换时刻，如果观测是从全新设备开始的，自然可设。此时，是设备的更新时间，服从的分布即为设备的寿命分布。同样，是独立同分布的。 定义（更新过程）设非负随机变量序列是非负平稳独立增量过程，就称该过程为更新时刻过程，而称为更新间隔时间过程，是到时间发生的更新次数。 一个更新过程必须首先确定更新间隔时间的分布，这是研究更新过程的先决条件。后面讨论都假定更新间隔时间的分布是已知的。 问题1（Bernoulli试验中的更新过程） Bernoulli试验中，成功的间隔时间是独立同分布的，且分布律为 ，。 这是间隔时间为离散分布的情况。而是第次成功的时刻，是到时刻成功的总次数。 古典概率方法如何得到三个过程的分布？ 提示 间隔时间分布是几何分布，其和，即成功时刻的分布是负二项分布，而成功次数的分布是二项分布。即， 1）（几何分布）：； 2）（负二项分布）：，； 3）（二项分布）：。 当然，Bernoulli试验可由每次试验结果所确定的独立随机过程：来刻划。这里是第次试验相应的随机变量，独立服从分布。显然，，这是个平稳独立增量过程。 问题1的习题 给出的矩母函数，并计算均值和方差。 提示 ， 利用Newton负二项公式：（对求阶导数即得）， 为理解一般的更新过程，这里采用另外的处理方法，以间隔时间作为出发点。 在更新次数和更新时刻之间的关系 ，即“第次更新所需的试验次数不超过”等价于“在次试验中，更新的次数不少于次”。 问题1的习题 2．利用上面更新次数和更新时刻的关系，由二项分布推导负二项分布。 提示： 记，即第次成功发生在时刻，显然。此处，给定。 由全概率公式 问题1的习题 验证负二项分布的分布律满足上述方程。 直接要求解上述方程并不容易，但离散状态随机过程利用母函数常常更容易处理。 记，即。 利用条件数学期望 。 注意到，所以，。 此即负二项分布的母函数。 问题1的习题 由母函数确定。 直接利用得到的矩母函数。 下面讨论更新次数的分布律。仍利用更新特点来处理。 记，即到时刻，发生的更新次数为的概率。其母函数为。 关于首次更新取条件概率， 。 问题1的习题 讨论时的方程，并验证是上述方程的解。 提示 利用组合公式。 同样，直接建立母函数满足的更新方程， 。 问题1的习题 验证是上述方程的解。 利用母函数方法求解上述方程。 提示 所以， 由此，成功次数满足二项分布。 过程的数字特征：平均更新次数。 记，即到时刻，更新的平均次数，称其为更新函数。 经典概率理论的结论，。 同样可以用更新方法来得到结论。 ，这里用了结论： 。 由此该更新函数的母函数满足代数方程： ， 这里，，。 问题1的习题 证明：，从而。 提示：，，所以。 问题2 泊松过程。讨论间隔时间服从指数分布的情况，即 ，参数。 此时更新时刻是一个状态取连续值的过程，更新次数为随机过程。 基本想法和问题1是一致的。 确定的概率分布。同样利用首次更新方法， 显然，所以。 此处可计算重卷积： 。 问题2的习题。 证明 。（利用归纳法，或者直接计算） 利用Laplace变换是处理更新方程的有效方法。 定理1 （卷积的Laplac变换）。 Laplace 变换的概率意义：。 这里关于分布的Laplace变换与通常的记号有差异，通常定义，注意其不同，这种理解仅限于对分布函数，如有不同理解会特别指出。 这里函数与分布的卷积记号与一般的记号稍有不同： ， 而不是通常的，换言之，按通常记号此卷积应记为， 以后没有混淆，与分布的卷积都以此方式理解。 问题2的习题。 证明定理1。 提示 ， 特征函数方法：，其相应的分布为Erlang分布。 用Laplace变换：，其逆变换即为密度函数。 由此，。 计算。 因此。 对更新次数和更新函数满足的方程的讨论。 首先讨论概率，同样利用首次更新方法得， 或 。 注意到，所以，可以得到 （泊松分布）。 问题2的习题 利用证明