数学建模培训资料Poisson过程及其应用.ppt

随机过程的定义 的分布所确定. 二、 泊松过程 （Poisson process ） 1.计数过程:设 随机事件的来到数都可以得到一个计数过程,而同一 将增量 (4) 对于充分小的 可以证明泊松过程的增量的分布律为 泊松过程也可以用另一种形式的定义:即若计数 由泊松分布知 泊松过程的协方差函数 于是，有 例1: (泊松过程在排队论中的应用)在随机服务系统中的排队 下面用Wn表示第n个顾客的到达时间，则 定理4：设{N(t) ,t≥0} 是一计数过程，若其间隔均 例4: 设从早上8:00开始有无穷多的人排队等候服务,设只有 例5： 设病人以每分钟2人的速率到达某诊所,病人流 * 二、泊松过程 一、独立增量过程 泊松过程及其应用 三、维纳过程 对每一个参数 ， 是随机变量，我们称随机变量族 为一随机过程，其中称为指标集 独立增量过程. 一、 独立增量过程(independent increment process) X(t)-X(s),0≤st 为随机过程在 (s , t] 的增量.如果对 n个增量X(t1)-X(t0),X(t2)-X(t1), …,X(tn)-X(tn-1)相互 给定二阶矩过程 { X(t),t≥0 } 我们称随机变量 任意选定的正整数n和任意选定的0≤t0t1t2…tn, 独立,则称 {X(t),t≥0}为独立增量过程. 直观地说,它具有“在互不重叠的区间上,状态 的增量是相互独立的”这一特征. 于时间差t-s(0≤st),而不依赖于 t 和 s 本身(事实上, 令h= - s即知).当增量具有平稳性时,称相应的独立 增量过程是齐次的或时齐的. X(s+h)与X(t)-X(s)具有相同的分布,则称增量具有 特别,若对任意的实数h和0 ≤s+ht+h,X(t+h) - 对于独立增量过程,可以证明:在X(0)=0的条件下, 它的有限维分布函数可以由增量 X(t) – X(s) (0≤st) 平稳性.这时,增量X(t)-X(s)的分布函数实际上只依赖 在X(0)=0和方差函数VX(t)为已知的条件下, 独立增量过程协方差函数可用方差函数表示为: (P341) 现实世界许多偶然现象可用泊松分布来描述, 大量自然界中的物理过程可以用泊松过程来刻画. 泊松过程是随机建模的重要基石,也是学习随机过程 理论的重要直观背景.著名的例子包括盖格计数器上 的粒子流,二次大战时伦敦空袭的弹着点,电话总机所 接到的呼唤次数,交通流中的事故数,某地区地震发生 的次数,细胞中染色体的交换等等.这类变化过程可粗 略地假定为有相同的变化类型.我们所关心的是随机 事件的数目,而每一变化可用时间或空间上的一个点 来表示.这类过程有如下两个特性:一是时间和空间 上的均匀性,二是未来的变化与过去的变化没有关系. 我们将基于这些性质来建立泊松过程的模型. 为一随机过程, 如果N(t)是取非负整数值的随机变量,且满足st时, N(s) ≤N(t),则称 为计数过程(counting process). 若用N(t)表示电话交换台在时间[0,t]中接到 电话呼叫的累计次数,则{N(t) ,t≥0}就是一计数过程. 对电话呼叫次数进行累计的计数过程,这也就是计数 计数对象不仅仅是来到的电话呼叫,也可以是到 某商店的顾客数,到某机场降落的飞机数,某放射性 物质在放射性蜕变中发射的粒子数,一次足球赛 的进球数,某医院出生的婴儿数等等,总之,对某种 过程名称的由来.对 0≤st,N(t)-N(s)就表示在(s,t]中 发生的电话呼叫次数. 时刻只能至多发生一个来到的就是简单计数过程. 计数过程的一个典型的样本函数如图 它表示时间间隔(t0,t]内出现的质点数.“在 (t0,t]内 出现k个质点”,即{N(t0,t)=k}是一随机事件,其概率 记为 Pk(t0,t)=P{N(t0,t)=k},k=0,1,2, …. 2.泊松过程 : 计数过程{N(t) ,t≥0} 称为强度为 λ 的 泊松过程,如果满足条件: (2) N(0)=0; (1)在不相重叠的区间上的增量具有独立性; (3) 对于充分小的 其中常数 λ0 ,称为过程N(t)的强度. (亦即在充分小 的时间间隔中事件出现一次的概率与时间间隔的长 度成正比) 在泊松过程中,相应的质点流即质点出现的随机 时刻称为强度为 λ 的泊松流. 由上式易知增量N(t0,t)=N(t)-N(t0)的概率分布 是参数为 λ(t-t0) 的泊松分布,且只与时间t-t0有关, 所以强度为 λ 的泊松过程是一齐次的独立增量 过程. (2) 它是独立增量过程; 过程{N(t) ,t≥0} 满足下面三个条件: (3) 对任意的tt0≥0,增量