Ft1,…tm,tm.1…t“(X1,Xm")=Ft,tm(X1,Xm)
3、Kolmogorov定理
定理:
设分布函数族{Ft1,t2;.ln(x1,x2xn),t’t?
…tn^T,n31}满足上述的对称
性和相容性,则必存在一个随机过程{X(t),t•T},使
{Ft1,t2..fn(x1,X2Xn),t1,t2,…tnWT,n启1}恰好是{X(t),tET}的有限维分布族。
定义:
设{X(t),t-T}是一随机过程:
(1)称X(t)的期望b(t)二E[X(t)](如果存在)为过程的均值函数。
2
(2)如果-ST,E[X(t)]存在,则称随机过程{X(t),rT}为二阶矩过程。
此时,称函数(t.,t2)=E[(X(tJ-」X(t1))(X(t2)-」X(t2))],t.,t2・T为过程的协方差函数;称Var[X(t)^;(t,t)为过程的方差函数;称
Rx(s,t)=E[X(s)X(t)],s,rT为自相关函数。
例:
X(t)=X0•tv(a乞t岂b),其中X0和V是相互独立的且均服从N(0,1)分布的随机
变量,求-iX(t)和(t,,t2)。
三、随机过程的基本类型
独立增量过程:
如果对任意t-t2,…,tn•T,X:
:
:
t2:
:
:
…•:
:
:
tn,随机变量X(t2)—X(t,),
X(tn)-X(tn二)是相互独立的,则称{X(t),t-T}是独立增量过程。
平稳增量过程:
如果对任意t,,t2,有X(t什h)-X(ti)dX(t2+h)-X(t2),则称{X(t),t.二T}是平稳
增量过程。
平稳独立增量过程:
兼有独立增量和平稳增量的过程称为平稳独立增量过程,例如Poisson
过程禾口Brownianmotion
Poisson过程
2.1Poisson过程
1.计数过程
定义:
随机过程{N(t),t_0}称为计数过程,如果N(t)表示从0到t时刻某一特定事件A发生的次数,它具备以下两个特点:
(1)N(t)_0且取值为整数;
(2)s:
:
:
t时,N(s)iiLN(t)且N(t)-N(s)表示(s,t]时间内事件A发生的次数。
2.Poisson过程
定义2.1.1:
计数过程{N(t),t-0}称为参数为■(■0)的Poisson过程,如果
(1)N(0)=0;
(2)过程具有独立增量性;
(3)在任一长度为t的时间区间中事件发生的次数服从均值为■t的Poisson分布,即对一
切s_0,
n
t>0,有P(N(t+s)_N(s)=n)=e一兀,n=0,1,…
n!
注:
Poisson过程具有平稳增量性
因为N(t•s)_N(s)的分布只依赖于t,与区间起点s无关,令s=0,
.m(t)二EN(t)=
于是可认为■是单位时间内发生的事件的平均次数,一般称•是Poisson过程的强度。
例2.1.1:
(Poisson过程在排队论中的应用)研究随机服务系统中的排队现象时,经常用到Poisson过程模型。
例如:
到达电话总机的呼叫数目,到达某服务设施(商场、车站、购票处等)的顾客数,都可以用Poisson过程来描述。
以某火车站售票处为例,设从早上8:
00开
始,此售票处连续售票,乘客以10人/小时的平均速率到达,则9:
00-10:
00这一小时内最多
有5名乘客来此购票的概率是多少?
10:
00-11:
00没有人来买票的概率是多少?
解:
我们用一个Poisson过程来描述,设8:
00为时刻0,则9:
00为时刻1,参数•=10,于
N(t)表示某公路交叉口、矿山、
例2.1.2:
(事故发生次数及保险公司接到的索赔数)若以
工厂等场所在(0,t]时间内发生不幸事故的数目,则Poisson过程就是{n(t),t>0}的一种
很好近似。
例如,保险公司接到赔偿请求的次数(设一次事故导致一次索赔),向315台的
投诉(设商品出现质量问题为事故)等都是可以用Poisson过程的模型。
我们考虑一种最简
单的情形,设保险公司每次的赔付都是1,每月平均接到索赔要求4次,则一年中它要付出
的金额平均为多少?
解:
设一年开始时刻为0,1月末为时刻1,…年末为时刻12,则有
P{N(12)—N(0)=n}=(4°2)e,沢2n!
£(4X12)
E[N(12)—N(0)]=送n,e=48
n仝n!
问题:
为什么实际中有这么多现象可以用Poisson过程来反映呢?
定义2.1.2:
计数过程:
N(t),t-0称为Poisson过程如果满足:
(i)N(t)=0;
(ii)过程有平稳独立增量
(iii)存在’0,当h儿0时,P^N(h)=1^ho(h);
(iv)当h儿0时,P:
N(h)_2;=o(h).
定理2.1.1:
定义1和定义2是等价的。
例2.1.3:
事件A的发生形成强度为丸的Poisson过程{N(t),t二0},如果每次事件发生时以概率p能够被记录下来,并以M(t)表示到时刻t被记录下来的事件总数,则{M(t),t_0}是一个强度为■p的Poisson过程。
例2.1.4:
若每条蚕的产卵数服从Poisson分布,强度为,,而每个卵变为成虫的概率为p,
且每个卵是否变为成虫彼此间没有关系,求在时间[0,t]内每条蚕养活k只小蚕的概率。
2.2与Poisson过程相联系的若干分布
设Tn表示第n次事件发生的时刻,n=1,2,…,规定T。
=0。
Xn表示第n次与第n-1次事件发生的间隔时间,n=1,2,…。
1.关于Xn和匚的分布
定理2.2.1:
Xn(n=1,2,…)服从参数为■的指数分布,且相互独立。
定理2.2.2:
Tn(n=1,2,…)服从参数为n和’的丨分布。
注:
如果每次事件发生的时间间隔X,,X2,....相互独立,且服从同一参数为■的指数分布,
则计数过程{N(t),t_0}是参数为■的Poisson过程。
例2.2.1:
设从早上8:
00开始有无穷多的人排队等候服务,只有一名服务员,且每个人接受服务的时间是独立的并服从均值为20min的指数分布,则到中午12:
00为止平均有多少人已
经离去,已有9个人接受服务的概率是多少?
例222:
假设某天文台观测到的流星流是一个Poisson过程,根据以往资料统计为每小时平
均观察到3颗流星。
试求:
上午8:
00-12:
00期间,该天文台没有观察到流星的概率。
2.事件发生时刻的条件分布
s
对于s乞t,有P{「乞s|N(t)=1}
t
现在考虑n_2的情况:
定理2.2.1:
在已知N(t)二n的条件下,事件发生的n个时刻T1,T2,…Tn的联合分布密度
Bn!
疋f(t1,t2tn)-,0:
:
:
X:
:
:
t2:
:
:
…tn
t
例2.2.3:
乘客按照强度为,的Poisson过程来到某火车站,火车在时刻t启程,计算在(0,t]
2.3Poisson过程的推广
1.非齐次Poisson过程
定义2.3.1:
计数过程{n(t),t_0}称作强度函数为■(t).0(t_0)的非齐次Poisson过程,
如果
(1)N(t)=0;
(ii){N(t),t_0}具有独立增量
(iii)P:
N(th)—N(t)■(t)h-o(h);
(iv)P:
N(t•h)一N(t)_2}=o(h).
等价定义:
定义2.3.2:
计数过程{N(t),t-0}称作强度函数为•(t).0(t_0)的非齐次Poisson过程,
若
(1)N(0)=0;
(2){N(t),t_0}具有独立增量性;
一t*
(3)即任意实数t_0,s.0,N(ts^N(t)为具有参数m(t-s)-m(t)-■(u)du
t
的Poisson分布,称m(t)(s)ds为非齐次Poisson过程的均值函数(或累积强度函数),
定理2.3.1:
设{N(t),t_0}是一个强度函数为■(t).0(t-0)的非齐次Poisson过程。
对
任意的t_0,令N*(t)=N(m」(t)),则{N*(t)}是一个强度为1的Poisson过程。
例2.3.1:
设某设备的使用期限为10年,在前5年内它平均2.5年需要维修一次,后5年平
均2年需维修一次。
试求它在试用期内只维修过一次的概率。
2.复合Poisson过程
定义233:
称随机过程{X(t),t_0}为复合Poisson过程,如果对于t_0,它可以表示
N(t)
为:
X(t)=7Yj,其中{N(t),t_0}是一个Poisson过程,{Y,i=1,2^}是一族独
i仝
立同分布的随机变量,并且与{N(t),t_0}独立。
注:
复合Poisson过程不一定是计数过程。
例2.3.2:
保险公司接到的索赔次数服从一个Poisson过程{n(t),t_0},每次要求赔付的
金额Yi都相互独立,且有相同分布F,每次的索赔数额与它发生的时刻无关,则[0,t]时间
内保险公司需要赔付的总金额{X(t),t_0}就是一个复合Poisson过程,其中
N(t)
X(t)八Y。
i土
例2.3.3:
设顾客到达某服务系统的时刻S1,S2,…,形成一强度为■的Poisson过程,在每
个时刻Sn(n=1,2,…),可以同时有多名顾客到达。
Yn表示在时刻Sn到达的顾客人数,
假定Yn(n=1,2,…)相互独立,并且与{Sn}也独立,则在[0,t]时间内到达服务系统的顾客总人数可用一复合Poisson过程来描述。
例2.3.4:
假定顾客按照参数为■的Poisson过程进人一个商店,又假设各顾客所花的钱数形
成一族独立同分布的随机变量。
以X(t)记到时间t为止顾客在此商店所花费的总值,易见
{X(t),t-0}是一个复合Poisson过程。
N(t)
定理2.3.2:
设{x(t)=7Yi,t_0}是一复合Poisson过程,Poisson过程{N(t),t_0}的
iA
强度为•,则
(1)X(t)有独立增量;
22
(2)若E[Yj]:
:
:
:
:
,则E[X(t)]二tEM],Var[X(t)]Y.tE[£]
例2.3.5:
在保险中的索赔模型中,设索赔要求以Poisson过程到达保险公司,速率为平均每
月两次。
每次索赔服从均值为10000元的正态分布,则一年中保险公司平均的赔付额是多
少?
例2.3.6:
设顾客以每分钟6人的平均速率进入某商场,这一过程可用用Poisson过程来描述。
又该进入该商场的每位顾客买东西的概率为0.9,且每位顾客是否买东西互不影响,也与进
入该商场的顾客数无关。
求一天(12小时)在该商场买东西的顾客数的均值。
3.条件Poisson过程
定义234:
设随机变量.0,在-■的条件下,计数过程{N(t),t_0}是参数为•的
Poisson过程,则称{N(t),t_0}为条件Poisson过程。
2
定理233:
设{N(t),t_0}是条件Poisson过程,且e[上]:
:
:
:
:
,则
(1)E[N(t)]=tEL\];
2
(2)Var[N(t)]=tVar[_\]-tE[_\]
例2.3.7:
设意外事故的发生频率受某种未知因素影响有两种可能「,‘2,且P(「.-r)=P,
P(用.=■爲)=1一p=q,o:
:
:
p:
:
:
1为已知。
已知到时刻t已发生了n次事故。
求下一次事故在t+s之前不会到来的概率。
另外,这个发生频率为的概率是多少?
第三章Markov链
3.1基本概念
定义3.1.1:
随机过程{Xn,n=0,1,2—}称为Markov链,若它只取有限或可列个值(常
J,i0,i1,inJ,
用非负整数集{0,1,2…}来表示),并且对任意的n_0,及任意状态i
有P{Xn1=J1X。
=i°,…,Xn」「nJ,Xn=i}=P{X.1二J|X.=i},其中X^i表示
过程在时刻n处于状态i,称{0,1,2-}为该过程的状态空间,记为E.上式刻画了Markov
链的特性,称为Markov性。
定义3.1.2:
称条件概率P{Xnd=J|Xn=i}为Markov链{Xn,n二0,1,2—}的一步转
移概率,简称转移概率,记为Ph,它代表处于状态i的过程下一步转移到状态j的概率。
定义3.1.3:
当Markov链的转移概率=p{xn*=j|Xn=i}只与状态i,j有关,而与n
无关时,称之为时齐Markov链;否则,就称之为非时齐的。
注:
我们只讨论时齐Markov链,简称Markov链。
定义3.1.4:
当Markov链的状态为有限时,称为有限链,否则称为无限连。
但无论状态有限
还是无限,
我们都可以将
Pij
(i,
j=E)排成一个矩阵的形式,令
-
p00
p01
p02
•叮
p=(Pij)
=
p10
P11
p12
■■■■
为转移概率矩阵,简称转移矩阵。
容易看出Pj(i,j€e)
p20
p21
p22
■
-
具有性质:
(1)Pij
>
0,i
j€E
;
(2)送
Pij
=1,
Vie
E。
j珏
S,若他患病,认
例3.1.1:
考虑一个包含三个状态的模型,若个体健康,认为他处于状态
|Pl1Pl2pi3|
P=P21P22P23
001
例3.1.2:
(赌徒的破产或称带吸收壁的随机游动)系统的状态时0〜n,反映赌博者在赌博期间拥有的钱数,当他输光或拥有钱数为n时,赌博停止,否则他将持续赌博。
每次以概率
P赢得1,以概率q=1-p输掉1。
这个系统的转移矩阵为
1000000
q0p0…000
9999999
Q.aaaaaaa
■■■■・・・
0000…q0p
0000…001
例3.1.3:
(带反射壁的随机游动)设上例中当赌博者输光时将获得赞助1继续赌下去,就如同一个在直线上做随机游动的球在到达左侧0点处立刻反弹回一样,这就是一个一侧带有反射壁的随机游动,此时转移矩阵为:
0100000
q0p0…000
9999999
D—3333333
■■■■■■■
I。
000…q0p
卫000…001一
例3.1.4:
(自由随机游动)设一个球在全直线上做无限制的随机游动,它的状态为0,
0000
0000
9998
q0p0
0q0p
「3333
■Lq0p0
■L0q0p
-s--
P=
0000
0000
练习:
设有