14 泊松过程

N (tk )
X (tk ) X (tk1)
Yi
iN (tk1 )1
相互独立,即 X (t)具有独立增量性.
k 1,2, , n
(2) （2）的证明需要用到矩母函数（略）.
例3.10 在保险中的索赔模型中,设索赔 要求以平均2次/月的速率的泊松过程到达 保险公司.每次赔付为均值为10000元的 正态分布,则一年中保险公司平均赔付额 是多少?
例3.3 设进入商店的顾客数可以用一个泊松过程来近似.
第 i 个顾客在商店购物支付的款数记作 Yi ,并设 Y1,Y2 ,
相互独立同分布,则在时段 (0,t] 中商店的营业额
N (t)
X (t) Yi i 1
是一个复合泊松过程.
例3.4 设保险公司接到的索赔次数服从一个泊松过程,每 次要求赔付的金额独立同分布,则在任一时段内保险公司 需要赔付的总金额就是一个复合泊松过程.
事件A发生的次数.
如果在不相交的时间区间中发生的事件数是独立的,则该 计数过程有独立增量.即到时刻t已发生的事件个数必须独 立于时刻t与t+s之间所发生的事件数.这就意味着, N(t)与 N(t s) N(t) 相互独立.
若在任一时间区间中发生的事件个数 N(t) 的分布只依 赖于时间区间的长度,则称计数过程 N(t) 有平稳增量.这就 意味着此时 N (t2 s) N (t1 s)与 N(t2 ) N(t1) 有相同的分布.
,
x0
0,
x0
则称 X 服从参数为 , 的 分布,记为 X ~ ( , )
当 1 时,就是参数为 的指数分布.
(4) 分布关于参数 具有可加性.即若 X ~ (1, ),
Y ~ (2, ), 且 X 与 Y 独立,则

8
3.1 泊松过程的定义 泊松过程的定义
• 独立增量计数过程: 独立增量计数过程: 对于t 对于 1<t2<…<tn，N(t2)-N(t1), N(t3)-N(t2), … …, N(tn)-N(tn-1)独立 独立 • 平稳增量计数过程: 平稳增量计数过程: 在(t,t+s]内(s>0)，事件 发生的次数 内 ，事件A发生的次数 N(t+s)-N(t)仅与时间间隔 有关， 仅与时间间隔s有关 仅与时间间隔 有关， 而与初始时刻t无关 而与初始时刻 无关
j=0
= Pn ( t ) P0 ( h) + Pn−1 ( t ) P1 ( h) + ∑ Pn − j ( t ) Pj ( h)
j=2
n
= Pn ( t ) P0 ( h) + Pn−1 ( t ) P1 ( h) + o( h) = (1 − λ h) Pn ( t ) + λ hPn−1 ( t ) + o( h)
14
3.1 泊松过程的定义 泊松过程的定义
P0 ( t + h) − P0 ( t ) o( h ) , 故 = − λ P0 ( t ) + h h P0′( t ) 当h → 0时有 P0′( t ) = − λ P0 ( t )或 = −λ P0 ( t ) 由于 P0 (0) = P{N（0） 0} = 1 = 于是有 P0 ( t ) = e − λt
j =0
16
Pn ( t + h) = P{N ( t + h) = n}
(2)对n≥1，建立递推公式 对 ≥ ，
n
j =0
n
3.1 泊松过程的定义 泊松过程的定义

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}

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