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.
泊松过程的性质
到达时刻的分布
01
到达时刻的分布是均匀分布。在泊 松过程中，到达时刻的概率密度函 数为$f(t) = lambda e^{-lambda t}$，其中$t$是到达时刻。
02
到达时刻的期望和方差分别为 $E(T) = frac{1}{lambda}$和 $Var(T) = frac{1}{lambda^2}$ 。
泊松过程的性质
目录
CONTENTS
• 泊松过程的定义 • 泊松过程的性质 • 泊松过程的统计特性 • 泊松过程的扩展和推广 • 泊松过程的应用
01
CHAPTER
泊松过程的定义
泊松过程的基本概念
01
02
03
随机性
泊松过程是一种随机过程， 其事件的发生具有随机性。
独立性
泊松过程中，任意两个不 相交的时间区间内发生的 事件相互独立。
马尔科夫到达过程是一 种特殊的泊松过程，其 中事件的发生概率只与 当前状态有关，而与过 去的状态无关。
在马尔科夫到达过程中 ，事件的发生是一个马 尔科夫链的过程，即下 一个事件的发生概率只 取决于当前事件是否发 生，而与之前的事件无 关。这种过程具有无记 忆性。
马尔科夫到达过程的数 学表达通常使用马尔科 夫链和概率论，通过状 态转移概率和转移矩阵 来描述。
平稳性
总结词
平稳性是指泊松过程的事件发生频率与时间无关，即单位时间内发生的事件数 是一个常数。
详细描述
在泊松过程中，事件的发生频率是恒定的，不随时间的推移而改变。这意味着 在任意一个固定的时间间隔内，事件发生的次数是一个随机变量，但其均值等 于单位时间间隔内的事件发生率。
无后效性
总结词
无后效性是指泊松过程中，过去的事件不会影响未来的事件。
随机过程的泊松过程与泊松分布
随机过程的泊松过程与泊松分布泊松过程是概率论中研究随机事件发生的一种数学模型，它是一种重要的随机过程。
本文将着重讨论泊松过程以及与之相关的泊松分布。
泊松过程是一种以时间为参数的随机过程，它描述了一个随机事件在一段时间内发生的次数。
泊松过程的引入是为了描述稀有事件的发生概率。
它满足以下几个基本条件：1. 事件在不同的时间段内是相互独立的。
2. 事件在任意时间段内发生的概率是恒定的。
3. 事件在一个非常短的时间段内发生的概率与该时间段的长度成正比。
在泊松过程中，我们通常关心的是某个时间段内事件发生的次数。
假设事件在单位时间内发生的平均次数为λ，则在一个长度为t的时间段内，事件发生的次数就是服从参数为λt的泊松分布。
泊松分布是一种离散型概率分布，它描述了在一个固定时间段内，随机事件发生的次数的概率分布。
泊松分布的概率质量函数如下：P(X=k) = (λ^k * e^(-λ)) / k!其中，X表示事件发生的次数，k表示发生的次数，λ表示单位时间内事件发生的平均次数。
泊松分布有一些重要的性质：1. 期望值：E(X) = λ，即单位时间内事件发生的平均次数。
2. 方差：Var(X) = λ，即单位时间内事件发生次数的方差等于其均值。
3. 独立性：在不同的时间段内，事件发生的次数是相互独立的。
泊松过程和泊松分布在实际生活中有着广泛的应用。
例如，在排队理论中，泊松过程可以用来描述到达某个服务点的顾客数量；在通信系统中，泊松过程可以用来描述信道中到达的信号数量等等。
总结起来，泊松过程是一种重要的随机过程，它描述了随机事件在一段时间内发生的次数。
泊松分布则是泊松过程中事件发生次数的概率分布。
它们在概率论、统计学和应用领域都有着广泛的应用。
通过研究泊松过程和泊松分布，我们可以更好地理解和描述随机事件的发生规律。
第三章 泊松过程
第一节、泊松过程的基本概念
证明： （1） 0 N (0) N1 (0) N2 (0) 可得 N1 (0) N2 (0) 0 （2）由N(t)的独立增量性可得，N1 (t ), N2 (t ) 也为独立增量过程； （3）记 N (t s) N (t ) N (t , t s) P[ N1 (t , t s ) k1 ]
泊松过程（Poisson process）最早由法国人Poisson于 1837年引入。
主 要 内 容
第一节 第二节 第三节 第四节 第五节 第六节
泊松过程的基本概念 相邻时间的时间间隔 剩余寿命与年龄 非时齐泊松过程 复合泊松过程 更新过程
第一节、泊松过程的基本概念
一、定义 一随机过程N (t ), t 0 ，若满足条件： （1）是一计数过程，且N(0)=0; （零初值性) （2）任取 0 t1 t2 tn , （独立增量过程） N (t1 ), N (t2 ) N (t1 ), , N (tn ) N (tn1 ) 相互独立； （3）s, t 0, n 0, P[ N (s t ) N (s) n] P[ N (t ) n] （增量平稳性） （4）对任意 t 0 和充分小的 t 0 ，有 P[ N (t t ) N (t ) 1] t o(t ) P[ N (t t ) N (t ) 2] o(t ) 称N (t ), t 0 是强度 为的时齐泊松过程。 其中 0 称 为强度常数。
即 N (s t ) N ( s) 是参数为 t 的泊松分布。
证明
第一节、泊松过程的基本概念
泊松过程的等价定义： 一计数过程N (t ), t 0 ，若满足条件： （1）N(0)=0; （2）N(t)是独立增量过程； （3）对 s, t 0, N (s t ) N (s) P(t ) ，即
泊松过程
Poisson过程（Poisson process，大陆译泊松过程、普阿松过程等，台译卜瓦松过程、布瓦松过程、布阿松过程、波以松过程、卜氏过程等），是以法国数学家泊松（1781 - 1840）的名字命名的。
泊松过程是随机过程的一种，是以事件的发生时间来定义的。
我们说一个随机过程N(t) 是一个时间齐次的一维泊松过程，如果它满足以下条件：在两个互斥（不重叠）的区间内所发生的事件的数目是互相独立的随机变量。
在区间内发生的事件的数目的概率分布为：其中λ是一个正数，是固定的参数，通常称为抵达率（arrival rate）或强度（intensity）。
所以，如果给定在时间区间之中事件发生的数目，则随机变数呈现泊松分布，其参数为更一般地来说，一个泊松过程是在每个有界的时间区间或在某个空间（例如：一个欧几里得平面或三维的欧几里得空间）中的每一个有界的区域，赋予一个随机的事件数，使得在一个时间区间或空间区域内的事件数，和另一个互斥（不重叠）的时间区间或空间区域内的事件数，这两个随机变数是独立的。
在每一个时间区间或空间区域内的事件数是一个随机变数，遵循泊松分布。
（技术上而言，更精确地来说，每一个具有有限测度的集合，都被赋予一个泊松分布的随机变数。
）泊松过程是莱维过程（Lévy process）中最有名的过程之一。
时间齐次的泊松过程也是时间齐次的连续时间Markov过程的例子。
一个时间齐次、一维的泊松过程是一个纯出生过程，是一个出生-死亡过程的最简单例子。
泊松，法国数学家，1781年6月21日生于法国卢瓦法国著名数学家泊松雷省的皮蒂维耶，1840年4月25日卒于法国索镇。
1798年入巴黎综合理工科学校深造。
在毕业时，因优秀的研究论文而被指定为讲师。
受到P.-S.拉普拉斯、J.-L.拉格朗日的赏识。
1800年毕业后留校任教，1802年任副教授,1806年接替J.-B.-J.傅里叶任该校教授。
1808年任法国经度局天文学家,1809年任巴黎理学院力学教授。
空间泊松过程
空间泊松过程1. 简介空间泊松过程（Spatial Poisson Process）是一种常用于描述随机事件在空间中分布的数学模型。
它是一种二维或三维的随机过程，用来描述在给定空间中随机事件（例如点、线、面）的出现情况。
空间泊松过程在很多领域都有广泛的应用，如地理学、物理学、生态学和通信工程等。
2. 定义空间泊松过程是一个随机点过程，其定义如下：•在给定的空间区域中，随机点的数量是随机的。
•任意两个点之间的距离是独立同分布的。
•在不同的子区域中，点的数量是独立的。
3. 性质空间泊松过程具有以下性质：3.1. 点的数量分布给定一个空间区域，假设该区域的面积（或体积）为A。
如果单位面积（或单位体积）内的平均点数为λ，则空间泊松过程的点的数量N服从泊松分布，其概率质量函数为：P(N=k) = (λA)^k * exp(-λA) / k!3.2. 点的分布密度函数空间泊松过程的点是随机分布的，其分布密度函数可以用核密度估计方法来估计。
核密度估计是一种非参数估计方法，通过在每个点处放置一个核函数，然后将所有核函数叠加起来，得到点的分布密度函数。
3.3. 点的强度函数空间泊松过程的强度函数描述了点的密度在空间中的变化情况。
强度函数可以是常数，也可以是空间的函数。
在一维空间中，强度函数表示单位长度内的点的平均数量；在二维空间中，强度函数表示单位面积内的点的平均数量；在三维空间中，强度函数表示单位体积内的点的平均数量。
3.4. 点的空间关联性空间泊松过程的点之间是独立的，即一个点的出现不会影响其他点的出现。
这种独立性可以通过点的间距分布来描述。
常见的间距分布有指数分布、高斯分布和均匀分布等。
4. 应用空间泊松过程在各个领域都有广泛的应用。
4.1. 地理学地理学中常用空间泊松过程来描述地理现象的分布，如城市的人口分布、道路网的分布和地震的发生等。
通过对空间泊松过程的研究，可以更好地理解地理现象的规律性和随机性。
4.2. 物理学物理学中的粒子分布、原子核的排列和宇宙中星系的分布等现象都可以用空间泊松过程来描述。
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：01nn kk S S X==+∑习题 计算n ES 和n DS （设00S =）。
提示 利用∑==nk kn XS 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 iP 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 。
例 布朗运动（连续时间，连续状态）直线上质点的位移是连续的。
在时刻t 的位置为t X 。
强度为λ的泊松过程
强度为λ的泊松过程
首先，数学定义方面，强度为λ的泊松过程是一个随机过程，其特点是在任意时间段内事件的数量服从参数为λ的泊松分布。
这意味着在任意不相交的时间段内，事件的发生是独立的，并且事件发生的平均速率为λ。
其次，泊松过程的特性包括，1）事件之间的时间间隔是指数分布的，即满足无记忆性；2）事件的发生次数在不同的时间段内是独立的；3）在小时间段内事件发生的概率与时间段的长度成正比，即服从泊松分布。
泊松过程在实际中有着广泛的应用。
例如，在通信系统中，泊松过程可以用来描述信道上的数据包到达的模式；在排队论中，泊松过程可以用来描述顾客到达的模式；在可靠性工程中，泊松过程可以用来描述设备的故障率等。
此外，泊松过程还在金融领域、生物学和地震学等领域有着重要的应用。
总的来说，强度为λ的泊松过程是一个重要的随机过程模型，具有独立增量和无记忆性等特性，广泛应用于描述各种随机事件的发生模式。
希望以上回答能够满足你的需求。
第13讲泊松过程
二项式分布
f
(k;
n,
pn
)
Cnk
pnk
qnk n
,
k 0,1, 2,L , qn 1 pn
泊松分布
f (k) k e , k 0,1, 2,L
k!
泊松定理
if
lim
n
npn
,
then
lim
n
Cnk
pnk
qnk n
k
k!
e
证明
G(z) lnim(qn zpn )n
lim[1 (z
n
1) pn ]n
1、泊松过程—均值
均值： E N t0 t,t0 t
证明：E N t0 t,t0 kpk (t0 t,t0) k 0
k (t)k et tet (t)k1 t
k0 k !
k1 (k 1)!
均方值：E N 2 t0 t,t0 2t2 t
E
N 2
t0
t, t0
k 1
1 P[N (t) j] j0
1 et k 1 (t) j j0 j!
两边求导：fTk
(t )
et
(t)k 1
(k 1)!
爱尔兰分布（k阶）
fTk
(t )
et
(t )k 1
(k 1)!
t 0
0
其它
爱尔兰分布也称伽玛分布，具有参数 λ和k。特别地k=1，则：
et
fT1
(t )
0
t 0 负指数分布 其它
4、平均强度
根据平稳性特点
E N t,0 t E N t t E N t ，代表平均强度，也
t 称为随机过程的速率。
5、泊松过程—样本函数
随机过程中的泊松过程分析
随机过程中的泊松过程分析随机过程是概率论与统计学中的重要概念，它描述了一系列随机变量随时间的变化规律。
而泊松过程是一类常见的随机过程，它具有许多重要的应用，如通信网络、金融市场等。
本文将对泊松过程进行分析，探讨其性质和应用。
一、泊松过程的定义和特性泊松过程是一种连续时间的随机过程，它满足以下两个重要特性：1. 独立增量性：泊松过程在不同时间段内的增量是相互独立的。
也就是说，如果在某个时间段内发生了若干事件，那么这些事件对于其他时间段内事件的发生没有影响。
2. 平稳性：泊松过程的事件发生率在任意时间段内是恒定的。
也就是说，泊松过程的事件发生是均匀分布的，不受时间段的长短影响。
二、泊松过程的数学表示泊松过程可以用数学公式来表示，一般采用随机变量N(t)来表示时间t内事件的数量。
泊松过程的数学表示如下：P(N(t) = n) = (λt)^n * e^(-λt) / n!其中，λ是事件发生率，t是时间段的长度，e是自然对数的底数。
三、泊松过程的应用泊松过程在许多领域都有广泛的应用，以下列举几个典型的例子。
1. 通信网络：在通信网络中，泊松过程可以用来模拟数据包的到达和发送情况。
通过对泊松过程的分析，可以评估网络的负载情况，优化网络资源的分配。
2. 金融市场：在金融市场中，泊松过程可以用来模拟股票价格的变动。
通过对泊松过程的分析，可以预测股票价格的波动情况，帮助投资者进行决策。
3. 生物学：在生物学研究中，泊松过程可以用来模拟细胞的分裂和死亡情况。
通过对泊松过程的分析，可以研究细胞生命周期的规律，探索生物系统的运作机制。
四、泊松过程的扩展除了基本的泊松过程，还有一些对泊松过程进行扩展的模型，如非齐次泊松过程、超过程等。
这些扩展模型可以更好地描述实际情况中的随机性和不确定性。
非齐次泊松过程是指事件发生率随时间变化的泊松过程。
在实际应用中，事件发生率往往不是恒定的，而是随时间变化的。
非齐次泊松过程可以更准确地描述这种情况。
- 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)。
, k 0,1, 2,
tn
, n个增量
Ntn - Ntn-1 ,
, Nt1 - Nt0 是相互独立的随机变量.
其中(2)(3)合称为平稳独立增量性。
随机过程——西安电子科技大学数学系 冯海林
随机过程——西安电子科技大学数学系 冯海林
对泊松过程的进一步理解 一般地，如果Nt表示直到时刻t为止发生的某随机 事件总数, 则称实随机过程{Nt,t≥0}为计数过程. 计数过程的一些例子：
1.若Nt表示直到时刻t为止进入某商店的人数, 则{Nt,t≥0}为计数过程. 2. 若Nt表示某球员在时刻t之前进球的个数，则{Nt,t≥0}为计数过程. 3. 4. 若Nt表示时刻t之前诞生的总人数，则{Nt,t≥0}为计数过程. 。。。。。。
随机过程——西安电子科技大学数学系 冯海林
泊松过程两个定义的等价性由下面的两个定理验证
定理4.2.2 参数为λ 的泊松过程N={Nt,t≥0}一定满足 以下性质（0-1律）：
1) P{Nt h Nt 0} 1 h (h) 2) P{Nt h Nt 1} h (h)
[ (t s)]n e t n!
由此得到，对t 0, Nt 服从参数为 (t s)的泊松分布.
随机过程——西安电子科技大学数学系 冯海林
对0 u s t , 可证 Nt N s与Nu 独立，
以及增量的独立性.
随机过程——西安电子科技大学数学系 冯海林
定理4.2.1 泊松过程的到达时间间隔 n , n 1, 2, 相互独立同服从参数为λ指数分布．
n
Tn
.令
Ntc =max{n: Tn t}, t 0
则称随机过程N c {Ntc : t 0}是一个计数过程。
称随机序列 T1 T2 Tn 为计数过程的到达时间.
令 n T n - T n -1 , n 1 , 2
则 称 { n , n 1, 2 ,
例4.1.1
上随机过程的教室A有两入口B和 C.
B 对时刻t 0,设从B口进入教室的学生人数为N t , C 从C口进入教室的学生人数为N t , 并假设随机过程 B C N B ={N t , t 0}和N C ={N t , t 0}分别参数为B，C
的泊松过程，且相互独立。
计算(1)在一个固定的3分钟内无学生进入A教室的概率 (2) 学生到达A教室的时间间隔的均值 （3）已知一个学生进入了A教室，则该生从C口进入 的概率为多大？
P{Nt1 1 0, Nt1 1 Nt1 1 1, Nt2 2 Nt1 1 0, Nt2 2 Nt2 2 1}
[ (t1 1 )]0 (t1 1 ) (21 ) 21 e e 0! 1!
利用独立增量 [ (t2 2 t1 1 )]0 (t2 2 t1 1 ) (2 2 ) 2 2 e e 0! 1!
fTn ( x) f n ( x u ) fTn1 (u )du
0
e
0
x
( x u )
n 1
(n 2)!
u n 2 e u du x0
n
(n 1)!
x n 1e x ,
随机过程——西安电子科技大学数学系 冯海林
第n个随机点 的到达时刻
4 21 2e (t2 2 )
可得(T1 ,T2 )的联合密度为 2e t2 t1 t2 0 fT1 ,T2 (t1 , t2 ) , 其它 0
随机过程——西安电子科技大学数学系 冯海林
1 =T1 注意到: , 进一步可得( 1 , 2 )的联合密度为 2 =T2 -T1
n=1时，显然。为此假设Tn 1
k的密度函数为 k
1
n 1
n 1 n 2 x x e , fTn1 ( x) (n 2)! 0,
n 1 k 1
x0 x0
n 1 k 1
则利用Tn1 k 和 n的独立性，可得Tn k + n的密度函数为
随机过程——西安电子科技大学数学系 冯海林
泊松过程 (第一讲) 泊松过程定义 称随机过程N={Nt,t≥0}是参数为λ 的泊 松过程，如果它满足以下三条件：
（ 1） N0 0 (2) 对任意的0 s t , 增量Nt -Nt 服从参数为
(t s)的泊松分布，即 ( (t s))k e (t s )
第四章 跳跃随机过程
直观讲：跳跃随机过程是指样本轨道存在跳跃点的随
机过程。如计数过程、泊松过程、复合泊松过程、泊
松点过程等.
本章主要介绍泊松过程
随机过程——西安电子科技大学数学系 冯海林
第四章 跳跃随机过程
内容包括：泊松过程概念等
泊松过程的基本性质
泊松过程的进一步推广
本章作业：1，2，3，6，8，9
泊松过程的一维分布与数字特征 随机过程N={Nt,t≥0}是参数为λ 的泊松过程，则
1)对t 0,N t 服从参数为t的泊松分布.
2)
mN (t ) t ,
2
DN (t ) t ,
t 0 s, t 0
RN ( s, t ) st min( s, t ),
随机过程——西安电子科技大学数学系 冯海林
对0 s<t , t s 0
P( Nt N s n) P(Tn t s Tn1 )
P(Tn t s) P(Tn1 t s)
Tn
ts
t s
n
(n 1)!
0
x n1e x dx-
t s
n1
n!
0
x n e x dx
}为 计 数 过 程 的 到 达 时 间 间 隔 序 列 .
随机过程——西安电子科技大学数学系 冯海林
计数过程中的两个时间序列显然有以下关系
Tn 1 2
n
n
k 1
k
0=T0
T1Biblioteka T2T3Tn 1
Tn
随机过程——西安电子科技大学数学系 冯海林
易知计数过程的样本轨道是跳跃的、右连续的
随机过程——西安电子科技大学数学系 冯海林
从上述例子可以看到，计数过程满足：
① t , Nt 0
② Nt是非负整数
③ 0 s t , Nt . N s ④ 0 s t , Nt N s 表示时间间隔 t-s (或(s,t]) 内发生的随机事件数．
随机过程——西安电子科技大学数学系 冯海林
E[( N s N 0 )( N t N s N s )] E[( N s N 0 )( N t N s )] E[ N s ]2
是独立增量
E[N s ]E[N t N s ] D N ( s ) (mN ( s )) 2 s ( t s ) s 2 s 2 2 st s 2 st min( s, t )
P{1 t}=P{T1 t} 证明： t 0时，F（ 1 t）
1 P{T1 t} 1 P{N t 0} 1 e t
随机过程——西安电子科技大学数学系 冯海林
对0 t1 t2，以及充分小的 i , (i 1, 2), 有 P{t1 1 T1 t1 1 , t2 2 T2 t2 2 }
2 e (t1 t2 ) t1 , t2 0 f1 , 2 (t1 , t2 ) , 其它 0
则得1、 2的密度分别为
e t1 t1 0 f1 (t1 ) , 0 其它
e t 2 t 2 0 f 2 (t2 ) , 0 其它
1) 对t 0,
P(N t k ) P( Nt N0 k )
由定义
(t )k e t ,k 0,1,2, k!
随机过程——西安电子科技大学数学系 冯海林
2）由1）显然有 mN (t ) t , DN (t ) t , t 0. 又对s≥0, t ≥0,不妨设s≤t,则有 R N (s ,t ) E[N s N t ]
随机过程——西安电子科技大学数学系 冯海林
泊松过程 (第二讲) 泊松过程的等价定义 称随机过程N={Nt,t≥0}是参数为λ 的泊松过程，如果 它满足以下条件：
①
② ③ ④
N0 0 N 是平稳的独立增量过程 P{Nt h Nt 0} 1 h (h) P{Nt h Nt 1} h (h)
随机过程——西安电子科技大学数学系 冯海林
定理4.1.1 如果计数过程N c {Ntc : t 0}的到达时间间隔 序列{ n , n 1, 2, }是独立的、且同服从参数为 0的 指数分布，则该计数过程一定是参数为的泊松分布.
证 明 ： 显 然 计 数 过 程 满 足 泊 松 过 程 定 义 中 (1)， 以 下 验 证 (2)(3)即 可 .
因此有
f1 , 2 (t1 , t2 ) f1 (t1 ) f 2 (t2 )，即1、 2独立.
类似可以证 1 , 2
n , 独立且同服从参数为的指数分布.
随机过程——西安电子科技大学数学系 冯海林
例1. 两个独立的泊松过程之和仍然是泊松过程.
随机过程——西安电子科技大学数学系 冯海林
[1 h (h)]q0 (t ) q0 (t ) [ h (h)]q0 (t )
随机过程——西安电子科技大学数学系 冯海林