随机过程的总复习.pptVIP

3.1 泊松过程的定义 定义3.1 随机过程{N(t)，t ?0 }是计数过程，如果 N(t) 表示到时刻 t为止已发生的事件A的总数，且N(t)满足条件 (1) N(t) ?0 ， (2) N(t)取整数， (3)若st ，则N(s)?N(t), (4)当st时，N(t)-N(s)等于区间(s,t]中发生事件A的次数。 3.1 泊松过程的定义 独立增量计数过程: 对于t1t2?tn，N(t2)-N(t1), N(t3)-N(t2), ?, N(tn)-N(tn-1)独立 平稳增量计数过程: 在(t,t+s]内(s0)，事件A发生的次数 N(t+s)-N(t)仅与时间间隔s有关， 而与初始时刻t无关 3.1 泊松过程的定义 定义3.2 计数过程{N(t)，t ?0 }称为泊松过程，具有参数?0，如果N(t)满足 (1)N(0)=0， (2)N(t)是独立增量过程， (3)在任一长度为t的区间中，事件A发生的次数服从均值为?t的泊松分布，即对任意s,t ? 0，有 3.1 泊松过程的定义 注： (1)泊松过程是平稳增量过程 (2)E[N(t)]=?t , ?表示过程的强度 3.1 泊松过程的定义 定义3.3 计数过程{N(t)，t ?0 }称为泊松过程，具有参数?0，如果N(t)满足 (1)N(0)=0， (2)N(t)是平稳、独立增量过程， (3)N(t)满足下列两式 (参数?0) 3.2 泊松过程的性质 数字特征 设{X(t),t?0}是参数为?的泊松过程， 对任意t,s?[0,?)，若s t ，则有 3.2 泊松过程的性质 3.2 泊松过程的性质 3.2 泊松过程的性质 等待时间Sn与时间间隔Xn均为随机变量 定理3.2 时间间隔Xn的分布 设{N(t),t?0}是参数为?的泊松过程， {Xn,n?1}是相应第n次事件A发生的时间间隔序列，则随机变量Xn是独立同分布的均值为1/?的指数分布 3.2 泊松过程的性质 3.2 泊松过程的性质 参数为n与?的?分布又称爱尔兰分布，它是n个相互独立且服从指数分布的随机变量之和的分布。 指数分布的矩母函数为 , 特征函数 ?分布的矩母函数为 ,特征函数 3.3 非齐次泊松过程 称计数过程{N(t),t?0}为具有跳跃强度函数?(t)的非齐次泊松过程，如果满足 (1)N(0)=0， (2) N(t)是独立增量过程， (3) 非齐次泊松过程的均值函数 3.3 非齐次泊松过程 设{N(t),t?0}为具有均值函数 的非齐次泊松过程，则有 或 3.3 非齐次泊松过程 {N(t),t?0}为具有强度函数?(t)的非齐次泊松过程，则EX(t)=DX(t)=mX(t) 3.4 复合泊松过程 定义3.5 设{N(t),t?0}是强度?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 则称为复合泊松过程。 5.1 马尔可夫链与转移概率 定义4.2 称条件概率pij(n)= P{Xn+1=j|Xn=i} 为马尔可夫链{Xn，n?T }在时刻n的一步转移概率，简称转移概率，其中i,j?I。 定义4.3 若对任意的i,j?I，马尔可夫链{Xn,n?T }的转移概率pij(n)与n无关，则称马尔可夫链是齐次的，并记pij(n)为pij。 齐次马尔可夫链具有平稳转移概率， 状态空间I={1,2,3,?}，一步转移概率为 5.1 马尔可夫链与转移概率 转移概率性质 (1) (2) P称为一步转移概率矩阵 5.1 马尔可夫链与转移概率 定义4.4 称条件概率 = P{Xm+n=j|Xm=i} 为马尔可夫链{Xn，n?T }的n步转移概率(i,j?I,m?0,n?1)。 n步转移矩阵 其中 4.2切普曼-柯尔莫哥洛夫方程及状态分类 定理4.1 设{Xn，n?T }为马尔可夫链，则对任意整数n?0,0?ln和i,j?I，n步转移概率 具有性质 (1) (2) P(n)=PP(n-1) (3) P(n)=Pn 4.2切普曼-柯尔莫哥洛夫方程及状态分类 状态的可达与互通 状态i可达状态j，i?j：存在n0,使 状态i与状态j互通，i?j：i?j且j?i 定理4.3 可达关系与互通关系都具有传递性，即 (1)若i?j ，j?k，则i?k (2)若i ? j