随机过程:复合泊松过程
E(Nt)=E((λt)kk!e−λt)=λt(因为泊松过程的期望均值都为λ)E(N_t)=E(\frac{(\lambda t)^k}{k!}e^{-\lambda t})=\lambda t(因为泊松过程的期望均值都为\lambda)E(Nt)=E(k!(λt)ke−λt)=λt(因为泊松过程的期望均值都为λ)
复合泊松过程de定义级性质
Yt=∑n=1Ntξn,Nt为泊松过程,ξn独立同分布,则对于任意t≥0Y_t=\sum_{n=1}^{N_t} \xi_n ,N_t为泊松过程,\xi_n独立同分布,则对于任意t\geq 0Yt=n=1∑Ntξn,Nt为泊松过程,ξn独立同分布,则对于任意t≥0
- {Yt是独立增量过程}\{Y_t是独立增量过程\}{Yt是独立增量过程}
- E{Yt}=λtE(ξ)E\{Y_t\}=\lambda tE(\xi)E{Yt}=λtE(ξ),V{Yt}=λtE(ξ2)V\{Y_t\}=\lambda tE(\xi^2)V{Yt}=λtE(ξ2)
- 均值:E(Yt)=E(E(Yt∣Nt)),其中E(Yt∣Nt=n)=nE(ξ)⇒E(Yt∣Nt)=NtE(ξ)E{NtE(ξ)}=E(ξ)E{Nt}=E(ξ)∗λt方差:V(Yt)=E(V(Yt∣Nt))+V(E(Yt∣Nt))V(Yt∣Nt=n)=V(∑n=1Nξn)=N∗V(ξ)V(Yt)=E(V(Yt∣Nt))+V(E(Yt∣Nt))=E(Nt∗V(ξ))+V(NtE(ξ))=V(ξ)∗E(Nt)+E2(ξ)∗V(Nt)=[V(ξ)+E2(ξ)]∗λt=E(ξ2)∗λt{\color{red}均值}:E(Y_t)=E(E(Y_t|N_t)), \\ 其中E(Y_t|N_t=n)=nE(\xi) \\ \Rightarrow E(Y_t|N_t)=N_tE(\xi)\\ E\{N_tE(\xi) \}=E(\xi)E\{N_t \}=E(\xi)*\lambda t \\ {\color{red}方差}:V(Y_t)=E(V(Y_t|N_t))+V(E(Y_t|N_t))\\ V(Y_t|N_t=n)=V(\sum_{n=1}^{N} \xi_n)=N*V( \xi) \\ V(Y_t)=E(V(Y_t|N_t))+V(E(Y_t|N_t))\\ =E(N_t*V( \xi))+V(N_tE(\xi))\\ =V( \xi)*E(N_t)+E\color{red}^2\color{black}(\xi)*V(N_t)\\ =[V( \xi)+E\color{red}^2\color{black}(\xi)]*\lambda t\\ =E(\xi^2)*\lambda t\\ 均值:E(Yt)=E(E(Yt∣Nt)),其中E(Yt∣Nt=n)=nE(ξ)⇒E(Yt∣Nt)=NtE(ξ)E{NtE(ξ)}=E(ξ)E{Nt}=E(ξ)∗λt方差:V(Yt)=E(V(Yt∣Nt))+V(E(Yt∣Nt))V(Yt∣Nt=n)=V(n=1∑Nξn)=N∗V(ξ)V(Yt)=E(V(Yt∣Nt))+V(E(Yt∣Nt))=E(Nt∗V(ξ))+V(NtE(ξ))=V(ξ)∗E(Nt)+E2(ξ)∗V(Nt)=[V(ξ)+E2(ξ)]∗λt=E(ξ2)∗λt
- {Yt}的特征函数\{Y_t\}的特征函数{Yt}的特征函数
- φY(u)=E(eiuY)=∑n=0+∞E[eiuYt∣Nt=n]P(Nt=n)=∑n=0+∞E[eiu∑n=1nξn]P(Nt=n)=∑n=0+∞[E[eiuξn]]nP(Nt=n)=∑n=0+∞[φξ(u)]nP(Nt=n)=∑n=0+∞[φξ(u)]n(λt)nn!e−λt=e−λt∑n=0+∞[φξ(u)]n(λt)nn!=e−λt∑n=0+∞(λt∗φξ(u))nn!=e−λte(λt∗φξ(u))φ_Y(u)=E(e^{iuY})=\sum_{n=0}^{+\infty}E[e^{iuY_t}|N_t=n]P(N_t=n)\\ =\sum_{n=0}^{+\infty}E[e^{iu\sum_{n=1}^{n} \xi_n}]P(N_t=n)\\ =\sum_{n=0}^{+\infty}[E[e^{iu \xi_n}]]^{n}P(N_t=n)\\ =\sum_{n=0}^{+\infty}[φ_\xi(u)]^{n}P(N_t=n) \\ =\sum_{n=0}^{+\infty}[φ_\xi(u)]^{n}\frac{(\lambda t)^n}{n!}e^{-\lambda t}\\ =e^{-\lambda t}\sum_{n=0}^{+\infty}[φ_\xi(u)]^{n}\frac{(\lambda t)^n}{n!}\\ =e^{-\lambda t}\sum_{n=0}^{+\infty}\frac{(\lambda t*φ_\xi(u))^n}{n!}\\ =e^{-\lambda t}e^{(\lambda t*φ_\xi(u))}φY(u)=E(eiuY)=n=0∑+∞E[eiuYt∣Nt=n]P(Nt=n)=n=0∑+∞E[eiu∑n=1nξn]P(Nt=n)=n=0∑+∞[E[eiuξn]]nP(Nt=n)=n=0∑+∞[φξ(u)]nP(Nt=n)=n=0∑+∞[φξ(u)]nn!(λt)ne−λt=e−λtn=0∑+∞[φξ(u)]nn!(λt)n=e−λtn=0∑+∞n!(λt∗φξ(u))n=e−λte(λt∗φξ(u))
或先求E[eiuYt∣Nt=n]=E[eiu∑n=1nξn∣Nt=n]=[E[eiuξn]]n=[φξ(u)]n,所以E[eiuYt∣Nt]=[φξ(u)]Nt原式=E([φξ(u)]Nt)=∑n=0+∞[φξ(u)]n(λt)nn!e−λt=e−λt∑n=0+∞[φξ(u)]n(λt)nn!=e−λt∑n=0+∞(λt∗φξ(u))nn!=e−λte(λt∗φξ(u))或先求E[e^{iuY_t}|N_t=n]\\ =E[e^{iu\sum_{n=1}^{n} \xi_n}|N_t=n]\\ =[E[e^{iu \xi_n}]]^{n}\\ =[φ_\xi(u)]^{n},所以 E[e^{iuY_t}|N_t]=[φ_\xi(u)]^{N_t}\\ 原式 =E([φ_\xi(u)]^{N_t})=\sum_{n=0}^{+\infty}[φ_\xi(u)]^{n}\frac{(\lambda t)^n}{n!}e^{-\lambda t}\\ =e^{-\lambda t}\sum_{n=0}^{+\infty}[φ_\xi(u)]^{n}\frac{(\lambda t)^n}{n!}\\ =e^{-\lambda t}\sum_{n=0}^{+\infty}\frac{(\lambda t*φ_\xi(u))^n}{n!}\\ =e^{-\lambda t}e^{(\lambda t*φ_\xi(u))}或先求E[eiuYt∣Nt=n]=E[eiu∑n=1nξn∣Nt=n]=[E[eiuξn]]n=[φξ(u)]n,所以E[eiuYt∣Nt]=[φξ(u)]Nt原式=E([φξ(u)]Nt)=n=0∑+∞[φξ(u)]nn!(λt)ne−λt=e−λtn=0∑+∞[φξ(u)]nn!(λt)n=e−λtn=0∑+∞n!(λt∗φξ(u))n=e−λte(λt∗φξ(u))
其他相关习题或证明:
订阅报纸
某书亭订阅报纸的强度为λ=6,某位顾客订阅2年,3年,6年的概率为12,13,16,求[0,t]订阅的总年数Yt=∑n=iNtξn的均值和方差由复合泊松过程性质得到E(Yt)=λtE(ξn)=18t,V(Yt)=λtE(ξ2)=6t∗(2∗2∗12+3∗3∗13+6∗6∗16)某书亭订阅报纸的强度为\lambda=6,某位顾客订阅2年,3年,6年的概率为\frac{1}{2},\frac{1}{3},\frac{1}{6},求[0,t]订阅的总年数Y_t=\sum_{n=i}^{N_t} \xi_n的均值和方差\\ 由复合泊松过程性质得到E(Y_t)=\lambda tE(\xi_n)=18t,V(Y_t)=\lambda tE(\xi^2)=6t*(2*2*\frac{1}{2}+3*3*\frac{1}{3}+6*6*\frac{1}{6})某书亭订阅报纸的强度为λ=6,某位顾客订阅2年,3年,6年的概率为21,31,61,求[0,t]订阅的总年数Yt=∑n=iNtξn的均值和方差由复合泊松过程性质得到E(Yt)=λtE(ξn)=18t,V(Yt)=λtE(ξ2)=6t∗(2∗2∗21+3∗3∗31+6∗6∗61)
等火车时间
火车在t时刻启程,求总等待时间的均值E(∑i=1Nt(t−Si))火车在t时刻启程,求总等待时间的均值E(\sum_{i=1}^{N_t}(t-S_i))火车在t时刻启程,求总等待时间的均值E(∑i=1Nt(t−Si))
E(∑i=1Nt(t−Si))=E(E[∑i=1Nt(t−Si)∣Nt])1.先求E[∑i=1Nt(t−Si)∣Nt=n]E[∑i=1Nt(t−Si)∣Nt=n]=E[∑i=1Ntt∣Nt=n]−E[∑i=1NtSi∣Nt=n]=nt−E[∑i=1NtSi∣Nt=n]其中E[∑i=1NtSi∣Nt=n]由泊松到达时间的条件性质=E[∑i=1nUi]=nt2所以E[∑i=1Nt(t−Si)∣Nt=n]=nt2,E[∑i=1Nt(t−Si)∣Nt]=Ntt22.E(Ntt2)=E(Nt)t2=t2∑n=0+∞n(λt)nn!e−λt=λt22E(\sum_{i=1}^{N_t}(t-S_i))=E(E[\sum_{i=1}^{N_t}(t-S_i)|N_t])\\ 1.先求E[\sum_{i=1}^{N_t}(t-S_i)|N_t=n]\\ E[\sum_{i=1}^{N_t}(t-S_i)|N_t=n]=E[\sum_{i=1}^{N_t}t|N_t=n]-E[\sum_{i=1}^{N_t}S_i|N_t=n]\\ =nt-E[\sum_{i=1}^{N_t}S_i|N_t=n]\\ 其中E[\sum_{i=1}^{N_t}S_i|N_t=n]由泊松到达时间的条件性质=E[\sum_{i=1}^{n}U_i]=\frac{nt}{2}\\ 所以E[\sum_{i=1}^{N_t}(t-S_i)|N_t=n]=\frac{nt}{2},E[\sum_{i=1}^{N_t}(t-S_i)|N_t]=\frac{N_tt}{2}\\ 2.E(\frac{N_tt}{2})=E(N_t)\frac{t}{2}=\frac{t}{2}\sum_{n=0}^{+\infty}n\frac{(\lambda t)^n}{n!}e^{-\lambda t}\\=\frac{\lambda t^2}{2} E(i=1∑Nt(t−Si))=E(E[i=1∑Nt(t−Si)∣Nt])1.先求E[i=1∑Nt(t−Si)∣Nt=n]E[i=1∑Nt(t−Si)∣Nt=n]=E[i=1∑Ntt∣Nt=n]−E[i=1∑NtSi∣Nt=n]=nt−E[i=1∑NtSi∣Nt=n]其中E[i=1∑NtSi∣Nt=n]由泊松到达时间的条件性质=E[i=1∑nUi]=2nt所以E[i=1∑Nt(t−Si)∣Nt=n]=2nt,E[i=1∑Nt(t−Si)∣Nt]=2Ntt2.E(2Ntt)=E(Nt)2t=2tn=0∑+∞nn!(λt)ne−λt=2λt2
随机过程:复合泊松过程相关推荐
- 【随机过程】随机过程之泊松过程的推广
[随机过程]随机过程之泊松过程的推广 声明:引用请注明出处http://blog.csdn.net/lg1259156776/ 泊松过程的两个定义 def 1: 计数过程,增量独立,增量服从泊松分布: ...
- 随机过程 $3泊松过程
§3 泊松过程 C1 指数分布 1)无记忆性:∀s,t>0:P{X>s+t∣X>s}=P{X>t}\forall s,t\gt 0:P\{X\gt s+t|X\gt s\}=P ...
- 【随机过程】复合泊松过程的期望
- 随机过程:泊松过程性质
(0)XiX_iXi 独立同分布 λeλxi\lambda e^{\lambda x_i}λeλxi 证明独立同分布P(AB)=P(A)∗P(B∣A)=P(A)∗P(B)由泊松过程的定义,先求X1 ...
- 【随机过程】泊松过程的协方差
- 指数随机变量 泊松过程跳_《常见随机过程》(一)
点击返回目录 一. 正态过程(高斯过程) 人们常常将噪声.误差视为正态变量,因为它们受到大量独立的.均匀微小的随机因素的叠加影响,利用中心极限定理可知它们近似服从正态分布(<高等统计物理学> ...
- 随机过程学习笔记1:泊松过程
泊松过程 随机过程的一般概念 计数过程的一般概念 泊松过程 泊松过程的定义 泊松呼叫流.等待时间.年龄.寿命 呼叫流的联合分布 呼叫流的条件分布 等待时间的分布 年龄和寿命的分布 泊松过程的汇合与分流 ...
- 【随机过程】12 - 泊松过程的推广型
泊松过程的推广型 文章目录 泊松过程的推广型 1. 泊松过程基本型回顾 1.1 性质 1.2 泊松分布与射击模型 2. 泊松过程的推广型 2.1 放宽平稳性 2.1.1 非平稳泊松过程 2.2 放宽稀 ...
- 随机过程(2)——泊松过程
文章目录 1.前言 2.泊松过程的定义 2.1 计数过程 2.2 计数过程的独立增量和平稳增量 2.3 泊松过程的定义 2.3.1 泊松过程的定义1 2.3.2 泊松过程的定义2 2.3.3 两种定义 ...
最新文章
- 数据结构 - 把二元查找树转变成排序的双向链表(C++)
- 机器学习(Machine Learning)深入学习(Deep Learning)资料
- 解决vue router使用 history 模式刷新后404问题
- Character,String相关方法,Int,double互相转换
- JZOJ 1236. 邦德I
- 第一次使用并配置Hibernate
- C++和C#的性能比较
- thymeleaf之菜单树
- 计算机系统驱动级变速软件,驱动精灵
- 做正确的事永远都不迟
- 怎样任意裁剪图片?如何快速改变图片形状?
- Excel打开密码怎么解除
- 分析亚洲手机游戏市场现状--中国篇、韩国篇以及日本篇
- 2008年9月3号,星期三,晴。日日行,不怕千万里;常常做,不怕千万事。 ——《格言联璧•处事》
- 英雄联盟手游登录注册地与服务器不匹配,英雄联盟手游提示Unable to login地区不支持怎么解决 地区不支持解决方法_手心游戏...
- 快速对比两张工作表数据差异——《超级处理器》应用
- 如何做述职报告/职级跃阶报告
- 信息系统开发与管理【五】之 系统分析
- Python干货:教你如何利用python抓取微博评论,利用python知道更多微博大V有趣搞笑评论!
- mex文件生成c语言,用C语言编写MEX文件.doc