非齐次泊松过程与复合泊松过程
第三章泊松(Poisson)过程.

4. 齐次泊松过程的两个相关随机变量
设{N (t), t 0}是强度为的泊松过程,Wn(n 1)
表示事件第n次出现的等待时间.
W0 0
记 Ti Wi Wi1, i 1,2, 则Ti 表示第n-1次
事件发生到第n次事件发生的时间间隔.
(每小时)的泊松过程 {N(t), t 0}, 若每个人消费 的金额(元)为独立同分布的随机变量 Yn:
f ( y) 0.05e0.05 y ( y 0)
设 X(t) 表示 [0,t) 时间内该超市的总营业额,求3 小时内总营业额的期望和方差.
基础部张守成 2020年2月28日星期五
令 s 0, 根据假设 N (0) 0 可得
均值函数: E[N (t)] t,
方差函数: DN (t) Var[N (t )] t
E[ N (t)].
t
泊松过程的强度等于单位长时间间隔内发生的事件 数目的均值.
基础部张守成 2020年2月28日星期五
(2) 协方差函数:
设{N(t), t0}是强度的泊松过程,{Yk,k=1,2,}是
独立同分布随机变量序列,且与{N(t), t0}独立,令
N (t)
X (t) Yk , t 0 k 1
则称为复合泊松过程. 例 设N(t)是在(0, t]内来到某商店的顾客数,Yk是
N (t)
第k个顾客的花费,则 X (t) 是Yk (0, t]内的营业额. k 1
如果对任意的实数h 和 0 s h t h,
X (t h) X (s h) 和 X (t) X (s) 具有相同的分布, 则称增量具有平稳性.
泊松分布

D { N (t )} = E [ N (t )] − ⎡ ⎣ E { N (t )}⎤ ⎦ = λt
2
{
}
自相关函数
⎧λ t + λ 2t1t2 R (t1 , t2 ) = E { N (t1 ) N (t2 )} = ⎨ 2 2 ⎩ λ t1 + λ t1t2
假设 t1 < t2 ,有
t1 ≥ t2 t1 ≤ t2
2
= λt1 + λt1 ⋅ λt2
总结起来,有
E{N (t1 ) N (t2 )} = λ ⋅ min [t1 , t2 ] + λt1 ⋅ λt2
自协方差函数
C (t1 , t2 ) = E { N (t1 ) N (t2 )} − E { N (t1 )} E { N (t2 )} = λ min(t1 , t2 ) = λ t1U (t2 − t1 ) + λ t2U (t1 − t2 )
2 泊松过程的基本概念
定义,设有一个计数过程{N(t), t>0}满足下列假设,称为泊松过程, 1. 在 t=0 时,N(t)=0; 2. 该过程是独立增量计数过程; 3. 该过程是平稳增量计数过程; 4. 在(t, t+Δt)内出现一个事件的概率为 λΔt + 0(Δt),λ为一常数,在(t, t+Δt) 内出现两个或两个以上事件的概率为 0(Δt),即 P{ N(t+Δt) - N(t)>1}=0(Δt)
P { N (t ) = n + k / N ( s ) = k } = P { N (t ) − N ( s ) = n / N ( s ) = k} = P { N ( s + Δt ) − N ( s ) = n} = Pn (t ) = (λ ⋅ Δt ) n − λ ⋅Δt e n!
第二章泊松过程

2
泊松过程定义1: 称计数过程{X(t),t≥0}为具有参数λ >0的泊松过程,若它满足下列条件: 1、X(0)=0; 2、X(t)是独立增量过程; 3、在任一长度为t的区间中,事件A发生的次数服从参数λ>0的泊松分布, 即对任意s,t≥0,有
P { X ( t s ) X ( s ) n } e
18
例题 设{X(t),t≥0}是具有跳跃强度
1 ( t) ( 1 cos t) 的非齐次泊 2
松过程(ω ≠0),求E[X(t)]和D[X(t)]。
例题
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。
n [ m ( t s ) m ( t )] X X exp{ [ m ( t s ) m ( t )]}, n 0 X X n !
或
n [ m ( t )] P { X ( t ) n } X exp{ m ( t )}, X n !
17
到达时间的条件分布
可以认为[0,t]内长度相等的区间包含这个事件的概率应该相等,或者 说,这个事件的到达时间应在[0,t]上服从均匀分布。对于s<t有
P { W s |X ( t ) 1 } ? 1
分布函数
s 0 0, s F 0 s t W 1(s) t , 1| X(t) 1 , s t
泊松过程 poisson

泊松过程的几个例子
考虑某一电话交换台在某段时间接到的呼叫。令X(t) 表示电话交换台在 [0, t] 时间内收到的呼叫次数, 则{ X(t), t 0 } 是一个泊松过程。 考虑来到某火车站售票窗口购买车票的旅客。若记 X(t) 为时间 [0, t] 内到达售票窗口的旅客数,则 { X(t), t 0 } 是一个泊松过程。 X(t) 为某网站在时间 [0, t] 内的被访问次数。
分布函数:
s0 0, FW1 X ( t ) 1 ( s ) s / t , 0 s t 1, st
分布密度:
se s e (t s ) s t te t
1 / t , 0 s t fW1 X (t )1 (s) 其它 0,
例6
设{ X (t) , t 0 }是具有跳跃强度
(t ) 0.5(1 cost )
的非齐次泊松过程。求 E[X(t)] 和 D[X(t)]。
E[ X (t )] D[ X (t )] 0.5(1 coss)ds
0 t
1 0.5 t sin t
t 0 t0
E[ wn ] n 2 D [ w ] n n
[例1] 已知仪器在 [ 0 , t ] 内发生振动的次数 X(t) 是具有参
数的泊松过程。若仪器振动k (k 1)次就会出现故障, 求仪器在时刻 t0 正常工作的概率。
[解]
仪器发生第k振动的时刻Wk 就是故障时刻T , 则T 的概率分布为 分布:
(3) 到达时间的条件分布
假设在[0 , t ]内事件A已经发生一次,确定这一事件到
达时间W1的分布 ——均匀分布
P{W1 s, X (t ) 1} P{W1 s X (t ) 1} P{ X (t ) 1} P{ X ( s ) 1, X (t ) X ( s ) 0} P{ X (t ) 1} P{ X ( s ) 1} P{ X (t ) X ( s) 0} P{ X (t ) 1}
泊松过程poisson课件

fT
(t )
e t
(t )k 1
, (k 1)!
t
0
0 ,
t0
故仪器在时刻 t0 正常工作旳概率为:
P P(T t0 )
e
t
(t)k 1
dt
t0
(k 1)!
P[ X (t0 )
k]
k 1
e t0
n0
(t0 )n
n!
(3) 到达时间旳条件分布
假设在[0 , t ]内事件A已经发生一次,拟定这一事件到 达时间W1旳分布 ——均匀分布
6.2 泊松过程旳基本性质
泊松分布:
P{X (t s) X (s) n} (t)n et , n 0,1,
n!
P{X (t) n} (t)n et , n 0,1, 2,
n!
ΦX ( ) E[e jX (t) ] et(ej 1)
(1) 泊松过程旳数字特征
均值函数
mX (t) E[ X (t)] t
D[S (t)]
tE[
X
2 1
]
t(
2
2
)
泊松脉冲列
[定义] 称泊松过程 { X(t) , t 0 } 旳导数过程为泊松脉冲列,
记为 { Z(t) , t 0 } ,即
Z (t) d X (t) dt
X(t) u(t ti )
i
Z(t) (t ti )
i
t0 t1 t2
ti
t
t0 t1 t2
事件A发生旳次数, T1 T2 T3
n
Wn Ti (n 1)
Tn
i 1
t
0 W1 W2 W3
Wn-1 Wn
随机过程(3.3)

(t)1400, 3t13
140040(0t13)1, 3t16
假设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,并求这两小时内来站乘车 人数的数学期望。
.
15
解 12时至14时为t[7,9]
在[0,t]内到达的乘车人数N(t)服从参数 为(t)的非齐次泊松过程
k0
n1
k
P(N(t) k)P( Xn 0) ept
k0
n1
.
20
例 设在[0, t]内事件A已经发生n次, 求第k次(k<n) 事件A发生的时间Tk的条 件概率密度函数.
解
先 求 条 件 分 布 P{h W ksh|X(t)n}
再 对 s求 导 。
s s+h t
0 Tk
Tn
{sTksh} {Tksh}\{Tks} 当 h充 分 小 时 , 有 X(sh)k
.
10
例:考虑保险公司的全部赔偿.假设参加人寿保险者不 幸死亡的人数N(t)是具有强度为λ的泊松过程.用Yn描 述第n个死亡者(即保险值Yn是独立同分布的).令X(t) 表示[0,t)内,保险公司必须付出的全部赔偿.令 Yn~E(a),试求[0,t)内保险公司的平均赔偿额,方差和 特征函数.
f (u) a a ju
h
P{X (t) n}
F(s h) F(s) P{X (t) X (s h) n k}
h
P{X (t) n}
令h0,则有
.
23
P{X (t) X (s) n k}
fTk |X (t) (s | n ) fTk (s )
P{X (t) n}
笔记梳理:计数过程+泊松过程+非齐次泊松过程

笔记梳理:计数过程+泊松过程+非齐次泊松过程Abstract泊松过程是一类较为重要的随机工程,其在排队论理论中有着广泛的应用.泊松过程是特殊的计数过程,其可分为(齐次)泊松过程和非齐次泊松过程.本文主要是对泊松过程(包含非齐次)概念的梳理和总结.一、计数过程和泊松过程Definition1.1(计数过程):如果是在时间段内某一特定事件发生的次数,则称为计数过程(counting process).Remark:计数过程具有以下基本性质:(1) 该过程状态空间为(因为次数总是非负整数)(2) 单调不减性(,);(3) 的样本函数是单调不减右连续的阶梯函数.介绍计数过程的目的是为了引出泊松过程,这是由于泊松过程也是一类计数过程.然而,在教材中,泊松过程的定义有两个并且二者是等价的.Definition1.2(泊松过程定义1):我们称计数过程为参数为的泊松过程,如果其满足(1) ;(在时刻时次数为0)(2) 过程具有独立增量性;(3) ,有Remark:定义中的条件(2)其实意味着泊松过程是一个独立增量过程,而条件(3)则意味着其是一个平稳增量过程.换句话说,泊松过程是一个平稳独立增量过程(),这也是定义2的其中一个条件.同样地,定义2与定义1的第一个条件是一致的.我们根据条件(3)可以得到泊松过程的均值函数与方差函数这两个数字特征:值得说明的是,我们把这里的称为泊松过程的强度,它所代表的含义有如下两点:其一,是事件在单位时间内发生的平均次数;其二,是单位时间内平均出现的质点数.下面我们将给出定义2的另两个条件.定义2的另两个条件:(1)当时,;(2)当时,.泊松过程的应用:排队论. eg: 到达120急救中心的呼叫次数;到达某服务设施的顾客数. 换句话说,现实中遇到跟排队有关的建模问题,可以考虑用泊松过程.我们先前说过代表在时间段内某一特定事件发生的次数,现在考虑设表示第次事件发生的时刻,表示第次与第次事件发生的间隔.假设是泊松过程,下面我们探究和满足怎样的分布.Theorem1.3:服从参数为的指数分布,且相互独立.Theorem1.4:服从参数为和的埃尔根分布.Remark:事实上,如果每次事件发生的时间间隔相互独立,且服从同一参数为的指数分布,则计数过程是参数为的泊松过程.换言之,时间间隔的特性也为泊松过程判定提供了充分条件.二、非齐次泊松过程我们在前面介绍的泊松过程均是"齐次",那里的参数是一个正数,而我们现在所要考虑的非齐次泊松过程中的强度函数是跟时间有关的.这主要是由于在现实生活中强度函数往往并非是一个常数,即某一事件在单位时间内发生的平均次数往往与时间是有关的.注意到,非齐次泊松过程也有两个定义.Definition2.1(非齐次泊松过程定义1):我们称计数过程为强度函数为的非齐次泊松过程,如果其满足以下条件:(1) ;(2) 具有独立增量性;(3) 当时,;(4) 当时,.Remark:这里需要注意的是,此时的称为强度函数,并非是参数.也不难看出,非齐次泊松方程的定义1是跟齐次泊松方程的定义2是相似的.而对于非齐次泊松方程的另一定义,其满足的前两个条件与定义1一样的.即若一个计数过程如果仅满足定义1的前两个条件,那么还需要添加什么条件才能使其是一个非齐次泊松过程呢?定义2的第三个条件: 服从参数的泊松分布.类比泊松过程的定义1中第三个条件,注意到如果等于常数,那么此时同样地,上述条件3我们可以写成另外,我们同样地可以求出非齐次泊松方程的均值函数与自相关函数:<参考文献>钱伟民,梁汉营,杨国庆. 应用随机过程.北京:高等教育出版社,2014.。
非齐次泊松过程与复合泊松过程

4.7
n
对(4.7)式积分得
ln G(h, t , z ) - ln G(0, t , z ) ( z -1)
t h t
( x)dx
4.8
20
三、非齐次泊松过程
由非齐次泊松过程的定义知
E[ X(t)] 由于λ= 单位时间内事A发生的平均个数, t
故称为此过程的速率或强度。
6
二、齐次泊松过程
齐次泊松过程的解释: 称计数过程{X(t),t≥0}为具有参数λ>0的泊松过程,若它 满足下列条件: ⑴X(0)=0; ⑵X(t)是独立、平稳增量过程; ⑶X(t)满足下列两式: P{X(t+h) -X(t)=1}=λh+o(h), P{X(t+h) -X(t)=2}=o(h). 以上定义说明,在充分小的时间间隔内,最多有一个事件 发生,而不能有两个或两个以上的事件同时发生。也就是 说,要么事件发生一次,要么事件不发生。这是泊松过程 的核心概念。
9
三、非齐次泊松过程
非齐次泊松过程的定义: 称计数过程{X(t),t≥0}为具有强度函数λ(t)非齐次 泊松过程,若它满足下列条件: ⑴X(0)=0 ⑵X(t)是独立增量过程; ⑶X(t)满足下列两式: P{X(t+h) –X(t)=1}=λ(t)h+o(h), P{X(t+h) –X(t)≥2}=o(h). 在这里,定义与齐次泊松过程相比,出现了微小的变 化。
t s +
0
(t )dt
因此,在(s ,t+s)内,均值为Λ(t+x)-Λ(x)=
t s +
s
(t )dt
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
E ((1: 30) - (0 : 30)) 10
29
四、复合泊松过程
在人们的日常生活中,泊松过程往往不是单独存在的。 比如顾客到商店,不会只是在商店转一圈,往往会购物(当然,进 去转转不买也是有的)。 生产线的机器坏了,维修的时候会有维修费用。 参加保险公司的医疗保险人生病,保险公司会对其作出赔偿等。 这一系列的泊松过程都会有累积的事件参杂在其中。如果我们能 够将这些累积的事件和泊松过程联系起来,找出一定的规律,也 许就能成为解决某些生活规律的工具。例如,算出商店一天的营 业额,生产线一年的机器维修费用,保险公司的预备赔偿金的存 储额等。 因此,可以看出,前面多考虑的泊松过程,并未涉及到“泊松过 程质点”的大小,确定这些泊松过程质点的累积效果的随机过程 及其概率结构是有实际意义的。
非齐次泊松过程 复合泊松过程
主讲人:张建军
2015.5.01
1
一、泊松过程的定义 二、齐次泊松过程 三、非齐次泊松过程 四、复合泊松过程
2
一、泊松过程的定义
泊松过程是一类较为简单的时间连续状态离 散的随机过程。 一种累计随机事件发生次数的最基本的独立 增量过程。
3
一、泊松过程的定义
泊松过程是由法国著名数学家泊松(Poisson,
0
11
三、非齐次泊松过程
下面我们将从均值函数的层面解释非齐次泊松过程与齐次泊松过程 的不同之处: 在齐次泊松过程中,由于齐次性,即它的平稳增量过程,过程的 强度为λ,因此,在(s ,t+s)内,其均值为λt。 在非齐次泊松过程中,由于非齐次性,即强度函数的为λ(t),因 此: t 在(0 ,t)内,均值为 (t ) 0 ( s)ds 在 (0, t t ) 内,均值为:(t t )
定理证明完毕。
4.12
23
三、非齐次泊松过程
关于非齐次泊松过程的几个实例: 例: 设某路公共汽车从早晨5时到晚上9时有车发出。乘 客流量是:5时按平均乘客200人/时计算;5时至8时 乘客平均到达率线性增加,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,并求这两小时内 来站乘车人数的数学期望。
8
三、非齐次泊松过程
从这个例子可以看出,它符合泊松过程,即符合独立 增量过程,且在充分小的时间间隔内,最多只有一个 事件发生,而不能有两个或两个以上的事件同时发生。 但是,和齐次泊松过程比有一个条件变了,λ不再是 常数了。 在齐次泊松过程的讨论中,由于对齐次过程做了时齐 的假设,其均值函数 E(Xt)=λt 与t成正比,但是现实生活中不可能所有的事情都按齐 次泊松过程发生,因此引入了非齐次泊松过程。
3 3 1 (1: 30) - (0 : 30) ( ) - ( ) 12 (5 5t )dt 10 2 2 2
知:在0:30时至1:30时无顾客到达商店的概率概率
p{(1: 30) - (0 : 30) 0} e
-10
(10)0 e-10 0!
8:30至9:30有2000名乘客的数学期望是
Simeon-Denis)(1781—1840)证明的。 1943年C.帕尔姆在电话业务问题的研究中运用
了这一过程。 辛钦于50年代在服务系统的研究中又进一步发 展了它。
4
二、齐次泊松过程
1.齐次泊松过程的定义: 称计数过程{X(t)≥0}为具有参数λ>0的泊松过程, 若它满足下列条件: ⑴X(0)=0; ⑵X(t)是独立、平稳增量过程; ⑶在任意长度为t的区间内,事件A发生的次数服 从参数λ>0的泊松分布, 即对任意s ,t≥0,有 n ( t ) P{X(t+s) -X(s)=n}= e- t ,n=0,1,2…
若令 p-1 (h, t ) 0 ,则当n=0时,(4.5)式就变为 (4.1)式,即(4.5)式对任意非负整数n均成立。 下面利用生成函数法求偏微分方程组(4.5)的 解。令
G(h, t , z ) pn (h, t )z
n 0
n
4.6
19
三、非齐次泊松过程
对每一n=0、1、2…,将(4.5)式两端乘以Z , 然后对n求和即得
pn (h, t )
4.4
- (t h)spn (h, t ) (t h)spn-1 (h, t ) o(s)
用s除上式两端,并令s→0得
pn (h, t ) (t h)[ pn-1 (h, t ) - pn (h, t )] h
4.5
18
三、非齐次泊松过程
27
三、非齐次泊松过程
解: 将时间8时至5时平移为0到9时,依题意得顾客到达率为:
5 5t , = 20, 20 2(t 5), 0t 3 3<t 5 5t 9
乘客到达率与时间关系如图所示.
λ(t)
20
5 3 5 t 9 28
三、非齐次泊松过程
由题意,顾客的变化可用非齐次泊松过程描述. 从
3
13
16
三、非齐次泊松过程
由题意,乘客数的变化可用非齐次泊松过程描述. 从
(9) - (7) 1400ds 2800
7
9
知:在12时至14时有2000名乘客到达的概率
p{(9) - (7) 2000} e-2800
28002000 2000!
12时至14时有2000名乘客的数学期望是
p0 (h, t ) - (t h) p0 (h, t ) h
4.1
用s除上式两端,并令s→0得
由非齐次泊松过程的定义知,以上偏微分方程满 4.2 足下列初始条件 p0 (0, t ) 1
15
三、非齐次泊松过程
利用初始条件(4.2)式,对(4.1)积分得
p0 (h, t ) e t
G (h, t , z ) (t h)( z -1)G (h, t , z ) h
4.7
n
对(4.7)式积分得
ln G(h, t , z ) - ln G(0, t , z ) ( z -1)
t h t
( x)dx
4.8
20
三、非齐次泊松过程
由非齐次泊松过程的定义知
E{(9) - (7)} 2800
26
三、非齐次泊松过程
例: 某商店每日8时开始营业,从8时到11时平均顾客 到达率线性增加,在8时顾客平均到达率为5人/时, 11时到达率达最高峰20人/时。从11时到13时,平均 顾客到达率维持不变,为20人/时,从13时到17时, 顾客到达率线性下降,到17时顾客到达率为12人。假 定不相重叠的时间间隔内到达商店的顾客数是相互独 立的,问在8:30到9:30无顾客到达商店的概率是多 少,在这段时间内到达商店的顾客数学期望是多少?
e n [(t h) - (t )] [- (t h )- (t )] n e z n! n 0
z[ ( t h )- ( t )] -[ (t h )- (t )]
4.11
22
三、非齐次泊松过程
将(4.6)式与(4.11)式比较得
[(t h) - (t )]n [- (t h )- (t )] pn内事A发生的平均个数, t
故称为此过程的速率或强度。
6
二、齐次泊松过程
齐次泊松过程的解释: 称计数过程{X(t),t≥0}为具有参数λ>0的泊松过程,若它 满足下列条件: ⑴X(0)=0; ⑵X(t)是独立、平稳增量过程; ⑶X(t)满足下列两式: P{X(t+h) -X(t)=1}=λh+o(h), P{X(t+h) -X(t)=2}=o(h). 以上定义说明,在充分小的时间间隔内,最多有一个事件 发生,而不能有两个或两个以上的事件同时发生。也就是 说,要么事件发生一次,要么事件不发生。这是泊松过程 的核心概念。
7
三、非齐次泊松过程
例: 设电话总机在早晨8时接到的电话呼叫数为20 个;8时至11时接到的电话呼叫数线性增加,接 到的电话呼叫数为50个;11时至15 时保持平均到 呼叫数不变; 15时到18时接到的电话呼叫数线性 下降,到18时为20个。接到的呼叫在不相重叠时 间间隔内是相互独立的,求9时至11时有30个呼 叫数的概率
p( X t h - X t n -1) p( X t hs - X t h 1) o(s)
pn (h, t )[1- (t h)s - o(s)] pn-1 (h, t )(t h)s o(s)
17
三、非齐次泊松过程
于是, pn (h s, t ) -
n!
5
二、齐次泊松过程
解释: 独立增量过程:是指在每一个时间段内事件A发生的次数 是相互独立的。 平稳增量过程:是指计数过程N(t)在(t,t+s) 内(s>0),事件A 发生的次数N(t+s)-N(t) 仅与时间差有关,而与时间段的起 始时间无关。 因此,齐次泊松过程是平稳增量过程且E[X(t)]=λt。
10
三、非齐次泊松过程
首先,X(t)不再是平稳增量过程。也就是说, 计数过程N(t)在(t,t+s)内(s>0),事件A发生的次 数N(t+s)﹣N(t)不仅与时间差有关,而且还与 时间段的起始时间有关。 其次,定义公式里不再是泊松过程的强度λ, 也就是说数学期望不再是E[ X(t)]= λt,而出现 了λ(t),叫做强度函数。 t 因此,引入累积强度函数的概念: (t ) ( s)ds