随机信号分析讲义资料第7章讲.ppt

随机过程; 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st，则N(s) ≤N(t)； （4） 当st时，N(t)-N(s)等于区间(s,t]中发生的“事 件A”的次数。;计数过程N(t)是独立增量过程;定义3.2： 称计数过程 {X(t), t≥0} 为具有参数λ0 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 λ0 的泊松分布，即对任意s,t≥0，有;泊松过程同时也是平稳增量过程;定义3.3： 称计数过程 {X(t),t≥0} 为具有参数λ0 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； （3）X(t) 满足下列两式：;证明定义3.2和定义3.3是等价的;;; 设{X(t),t≥0}是泊松过程，对任意的t,s∈[0, ∞)，且st，有：; 7.3 时间间隔分布、等待时间分布、 到达时间的条件分布;时间间隔Tn的分布;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:;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。; 因此，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。;等待时间Wn的分布;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（gamma)分布（也称爱尔兰分布 erlang ），其概率密度为：;证明定理3.3：;到达时间的条件分布;解：;到达时间的条件分布：;定理3.4： 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W1W2, …Wn的联合概率密度函数。 证明：;这与n个[ 0，t ]上均匀分布的独立随机变量的顺序统计量有相同的分布。;例题7-1 设在[0,t]内事件A已经发生n次，且0st，对于0kn，求P{X(s)=k|X(t)=n} 解：;;例题7-2 设在[0,t]内事件A已经发生n次，求第k(kn)次事件A发生的时间Wk的条件概率密度函数。 解:;;例题7-3 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数分别为 λ1和 λ2，记 为过程 X1(t) 的第k次事件到达时间， 为过程X2(t)的第1次事件到达时间，求 ，即第一个泊松过程的k次事件发生比第二个泊松过程的第1次事件发生早的概率。 ;解：;W1(2);7.4 非齐次泊松过程;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：;例题7-4 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)]。;例题7-5： 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：;;7.5 复合泊松过程; 又例如： 到达体育场的公共汽车数是一泊松过程，???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. ;定理3.6