R语言泊松过程的模拟和检验
泊松过程的模拟和检验
对保险人而言，资产和负债是影响保险人稳定经营至关重要的因素。资产和负债的差额称为盈余，简记作：
其中A(t)A(t)表示时刻tt的资产，L(t)L(t)表示时刻tt的负债，t=0t=0时刻的盈余被称为初始盈余，简记为uu，即U(0)=uU(0)=u。对这个初步的理论模型进行简化并根据实际情况设置一些假定情况，会得出很多不同的盈余过程模型，最经典的有Sparre Andersen的古典盈余过程模型：
这是一个以uu为初值，以时间tt为指标集的随机过程。其中称为总理赔过程，满足：
N(t)N(t)表示[0,t][0,t]内的总理赔次数，XiXi表示[0,t][0,t]内第ii次理赔的金额。
根据这个古典盈余过程模型可以引出破产模型，在这个盈余过程模型中，一方面有连续不断的保费收入并以速度c进行积累，另一方面则是不断会有理赔需要支付，因此这是一个不断跳跃变化的过程。从保险人的角度来看，当然希望ct?S(t)ct?S(t)恒大于0，否则就有可能出现U(t)<0U(t)<0的情况，这种情况可以定义为理论意义上的破产，以示与实际中的破产相区分，本文中后面出现的“破产”在没有特殊说明的情况下都是指这种理论情况。从研究保险人破产角度出发，可以把这个盈余过程模型看做是一个特殊的破产模型。
一、泊松过程的模拟
理论基础：泊松过程构造定理
具体步骤：
1、生成一定数量的满足指数分布的随机数，用()表示
2、()表示第n次事件到达的时间，
3、表示在时间t内发生的事件次数，
4、即满足泊松过程
这里用R语言来实现模拟，设置指数分布的参数= 2(在R语言中用rate表示)，产生的服从指数分布的随机序列如下图所示：
然后再计算()，结果如下图所示：
最后计算，实验结果如下图所示：
最后将结果进行可视化处理，可以直观的看到是一个平稳的增量过程，如下图所示：
泊松过程
第二讲 泊松过程 1．随机过程和有限维分布族 现实世界中的随机过程例子： 液体中，花粉的不规则运动：布朗运动；股市的股票价格； 到某个时刻的电话呼叫次数； 到某个时刻服务器到达的数据流数量，等。 特征：都涉及无限多个随机变量，且依赖于时间。 定义（随机过程） 设有指标集T ，对T t ∈都有随机变量)(t X 与之对应，则称随机变量族 }),({T t t X ∈为随机过程。 注 一个随机过程是就是一个二元函数E T t X →?Ωω:),(。固定ω，即考虑某个事件相 应的随机变量的值，得到函数R T t X →:),(ω称为样本函数或轨道或一个实现。映射的值域空间E 称为状态空间。 例 随机游动(离散时间，离散状态) 质点在直线上每隔单位时间位置就发生变化，分别以概率p 或概率p -1向正或负向移动一个单位。如果以n S 记时刻n 质点所处的位置，那么就得到随机过程{,0}n S n ≥。这里指标集},1,0{ =T ，状态空间},1,0,1,{ -=E 。 如果记n X 为时刻n ，质点的移动，那么{,1}n X n ≥也是随机过程。 两个过程的区别：{}n S 不独立；{}n X 独立； 两个过程的关系：01 n n k k S S X ==+ ∑ 习题 计算n ES 和n DS （设00S =）。 提示 利用∑== n k k n X S 1 ，其中k X 是时刻k 的移动方式。 习题 设从原点出发，则()/2()/2()/2 ,2()0, 21n k n k n k n n C q p n k i P S k n k i +-+?+===?+=-?。 例 服务器到达的数据流(连续时间，离散状态) 在],0[t 内，到达服务器的数据包个数记为)(t N ，那么}0),({≥t t N 也是个随机过程， 其指标集}{+ ∈=R t T ，状态空间},1,0{ =E 。
Poisson过程教学目的了解计数过程的概念掌握泊松
第三章Poisson过程 教学目的：（1）了解计数过程的概念； （2）掌握泊松过程两种定义的等价性； （3）掌握泊松过程的到达时刻的分布、等待时间的分布和来到时刻的条件分布； （4）了解泊松过程的三种推广。 教学重点：（1）泊松过程两种定义的等价性； （2）泊松过程的到达时刻的分布、等待时间的分布和来到时刻的条件分布； （3）泊松过程的三种推广。 教学难点：（1）泊松过程两种定义的等价性的证明； （2）泊松过程来到时刻的条件分布； （3）泊松过程的推广。 3.1 Poisson过程 教学目的：掌握Poisson过程的定义及等价定义；会进行Poisson过程相关的概率的计算。 教学重点：Poisson过程的定义与其等价定义等价性的证明；Poisson过程相关的概率的计算。 教学难点：Poisson过程的定义与其等价定义等价性的证明。 Poisson过程是一类重要的计数过程，先给出计数过程的定义 定义3.1：{(),0} 表示从到时刻 N t t N t t≥ 随机过程称为计数过程，如果()0特定事件发生的次数，它具备以下两个特点： 某一A N t取值为整数； (1)() 内事件发生的次数。 (2)()()()-()(,] 时，且表示时间A s t N s N t N t N s s t <≤ 计数过程有着广泛的应用，如：某商店一段时间内购物的顾客数；某段时 间内电话转换台呼叫的次数；加油站一段时间内等候加油的人数等。 如果在不相交的时间区间中发生的事件个数是独立的，则称该计数过程
有独立增量。即当123,t t t <<2132()-()()-()X t X t X t X t 有与是独立的。 若在任一时间区间中的事件个数的分布只依赖于,时间区间的长度则计数 过程有平稳增量。即对一切12120(,]t t s t s t s <>++及，在中事件个数 21()()N t s N t s +-+12(,]t t 与区间中事件的个数21()()N t N t -有相同的分布。 Poission 过程是计数过程，而且是一类最重要、应用广泛的计数过程，它最早于1837年由法国数学家Poission 引入。 .独立增量和平稳增量是某些级数过程的主要性质Poisson 过程是具有独立 增量.和平稳增量的计数过程 定义3.2：{(),0}(0)N t t λλ≥>计数过程称为参数为Poisson 过程，如果 (1)(0)0N =； (2)过程具有独立增量； (3),0,s t ≥对任意的 (()-())P N t s N s n +=! n t t e n λλ-=（） 例3.1：3/h 设顾客到达商店依次人的平均速度到达，Poisson 且服从分布， 9:00,已知商店上午开门试求 (1)9:0010:005从到这一小时内最多有名顾客的概率？ (2)9:3011:30到时仅到一位顾客，而到时总计已达到5位顾客的概率？ (解：见板书。) 注：（1）Poisson 过程具有平稳增量。 （2）随机变量()N t 服从参数为t λ的Poisson 分布，故[()]E N t t λ=（显然，可以认为λ是单位时间内事件发生的平均次数，称λ是Poisson 过程的强度或速率或发生率。）
泊松过程的应用
应用随机过程课程论文 题目:浅谈泊松过程及其应用 姓名: 学院:理学院 学号: 2013年7月1 日
浅谈泊松过程及其应用 摘要： 本文论述了泊松过程的有关定义，并对其进行相应的推广，阐述了时齐泊松过程、非时齐泊松过程、复合泊松过程以及条件泊松过程，从中很容易看出它们之间的联系。同时，本文也在排队论、数控机床可靠性、保险、航空备件需求上简单描述了泊松过程的应用。另外，泊松过程在物理学、地质学、生物学、金融和可靠性理论等领域中也有着广泛的应用。 关键词：泊松过程；复合泊松过程；排队论 一、泊松过程 1．时齐泊松过程 定义：一随机过程{}(),0N t t ≥，若满足如下条件： （1） 它是一个计数过程，且(0)0N =; （2） 它是独立增量过程; （3） 0,0,,()()s t k N s t N s ?≥∈+-是参数为t λ的泊松分布，即 {}()()().! k t t P N t s N t k e k λλ-+-== 则称此随机过程为时齐泊松过程。 2．非时齐泊松过程 定义：一随机过程{}(),0N t t ≥，若满足如下条件： （1） 它是一个计数过程，且(0)0N =; （2） 它是独立增量过程; （3） 0,0,,s t k ?≥∈满足{}()()[()()]()().! k m s m s t m s t m s P N t s N t k e k -++-+-==其中 0()()t m t s ds λ=?，则称此随机过程为具有强度函数为{}(t)>0λ的非时齐泊松过程。 3．复合泊松过程 定义：设{},1i Y i ≥是独立同分布的随机变量序列，{}(),0N t t ≥为泊松过程， 且{}(),0N t t ≥与{},1i Y i ≥独立，记() 1()N t i i X t Y ==∑，则称{}(),0X t t ≥为复合泊松过程。 4．条件泊松过程 定义：设Λ为一正的随机变量，分布函数为(),0G x x ≥，当给定λΛ=的条件下，{}(),0N t t ≥是一个为泊松过程，即0,0,,0s t k λ?≥∈≥， 有{}()()().! k t t P N t s N t k e k λλλ-+-=Λ== 则称{}(),0N t t ≥是条件泊松过程。 注：这里{}(),0N t t ≥不再是增量独立的过程，由全概率公式，可得 {}0()()()().! k t t P N t s N t k e dG k λλλ∞ -+-==?