12.3 泊松过程和维纳过程
本章目录 · 1 节
本章导读
【12.3 泊松过程和维纳过程】这两个过程都以独立增量为重要特征,但取值、增量分布和样本路径性质不同。本节按原书顺序先讨论独立增量,再讨论泊松计数、等待时间和点间间距,最后给出维纳模型。
【独立增量】对,是在区间(s,t]上的增量。任取递增时刻,若各增量相互独立,称独立增量过程。独立增量不等于各时刻的X值独立,因为相邻时刻的状态通常共享此前的累积。
若增量分布只依赖区间长度t−s,时间平移后不变,称具有平稳增量;按原书也称相应独立增量过程时齐。平稳增量不是过程本身平稳,不能据此断言的分布不随t变化。独立增量的定义本身不要求二阶矩,下面用协方差时再要求相应矩有限。
若几乎处处成立,独立增量的各段分布决定所有有限组时刻的状态分布,因为,其中。若二阶矩有限且记,则对,与独立,从而
原书先中心化为再推导,结论相同。这里不能把初值条件省掉,也不能在非零均值时把自相关直接当作协方差。
【一、泊松过程与泊松流】电子到达、意外差错、顾客或电话呼叫到达等可以提出计数建模问题。“顾客”“服务站”也可以对应维修配件领取与仓库、网络请求与服务器等。把事件发生时刻视为时间轴上的点,得到点流;这些场景是否适合泊松模型,还需核对下述假设,不是任何到达计数都自动满足。
设为(0,t]内事件数,起点无事件,。对,(s,t]内事件数为,正好排除s时刻、包含t时刻。计数曲线取通常的右连续阶梯版本,在到达时刻已计入新事件。
[[fig:gl-c12-f04|图12-4 五个示意到达时刻的计数样本路径。跳点上新值用实心点、旧水平右端用空心点,表示(0,t]的右连续计数;横向间隔仅为示意]]
【定义】强度的齐次泊松过程满足:初值0,互不重叠区间的增量独立,并且对,
相应的到达时刻序列称强度λ的泊松流。λ是单位时间内事件数的期望,单位为每单位时间;例如时间换单位时λ也必须相应换算,不能只改横轴标签。
令s=0得到、。由独立增量结论,
这也说明不同正时刻的计数并不独立。λ是平均强度,不表示每个单位时段都恰好发生λ次;λ可以为非整数,计数本身仍为整数。
【非时齐的泊松过程】若确定性强度随时间变化,且在每个有限时间区间可积,定义累计强度。保留独立增量,并规定
于是,
原书把最后一式写作,两者等价,不能漏掉均值乘积。增量概率式中的参数为,不是简单的。此时通常不再具有平稳增量,相邻到达间隔也不能直接套同一个指数分布。
【第n次到达的等待时间】回到齐次强度λ,记,为第n次到达时刻,即从0累计等到第n个事件的时间。它与仅等待下一个事件的间隔不同。
对,事件与相同,因此
t<0时分布函数为0。对正t求导得到
非正t处密度可取0。故为形状参数n、率参数λ的Gamma(整数形状时也称Erlang)分布;若采用尺度参数则为,不要混用。均值、方差。特别,为率λ的指数分布,密度,正t时成立。
【点间间距的分布与独立性】令。齐次泊松流的各相互独立且同为率λ的指数分布。不能仅证明每一个间隔都有同一个边际分布,就跳过相互独立性的证明。
一种不混淆随机到达时刻与固定时刻的推导是:从不交小区间的独立泊松计数,可以得到前n个到达时刻的联合密度
令,变换的Jacobian绝对值为1,在各上联合密度变为
密度分解直接给出同分布与相互独立。原书把给定的随机时刻条件与给定固定时刻计数交替使用,写成条件概率时需要谨慎;两事件本身并不相同,不能未经说明就把固定时刻增量独立性套到随机到达时刻。上述联合密度推导避免了这一步跳跃。
【逆定理】若从0起的所有点间间距独立同分布为率λ的指数分布,令并以它们构造计数,则得到强度λ的齐次泊松过程。计数边际可由等待时间的Gamma分布推出;增量独立及其平稳性也可由指数分布的无记忆性证明。因此这两种描述在数学模型内等价。
指数无记忆性是,。对真实数据,检查间隔是否独立、是否符合同一指数分布,可以评估模型是否有依据;有限样本的统计检验不能严格“证明”真实到达机制必为泊松,更不能只检验直方图形状就宣布独立性成立。
【二、维纳过程】布朗运动的数学建模把许多细小随机位移的累积近似为正态增量,不重叠时段的位移近似独立,平衡环境下增量规律主要取决于时段长度。这个物理解释帮助理解模型选择,不是由有限的碰撞描述直接严格推出连续时间极限的证明。
参数为的维纳过程,,从0开始,具有独立增量,且
标准的维纳模型还取几乎处处连续的样本路径版本。原书所列初值与增量条件确定有限维分布;若要把它作为布朗连续路径模型使用,应把连续版本说明补上。这些正态增量满足,相应连续性定理保证存在连续修改版本。连续修改不改变任何固定有限组时刻的分布。
当时称标准维纳过程;一般σ是尺度参数,σ²为方差率,必须说明使用哪一个。由于,,并且
【为什么是正态过程】对,令,则各Δ独立正态,且。整个有限维向量是独立正态增量向量的线性变换,因而联合正态;不能仅以每个W(t)一维正态就省略这一步。
维纳过程具有平稳增量,但其方差随t线性增长,所以过程自身不是平稳过程。它的值可以增也可以减,与泊松的累计计数路径不同。热噪声等随机扰动的累积效应常用维纳模型描述;不能不区分噪声本身与其累积,就将任意噪声电压曲线直接认作W(t)。
【本节联系】泊松过程以离散事件计数、指数间隔描述,维纳过程以连续路径、正态增量描述。二者都能作为构造更复杂随机过程的基础,但应用到具体观测时必须明确参数、单位及所采用的模型条件。
