Эта статья
требует дополнительных ссылок для проверки .
Пожалуйста, помогите улучшить эту статью , добавив цитаты из надежных источников . Материал, не полученный от источника, может быть оспорен и удален. Найти источники: «Составной пуассоновский процесс» - новости · газеты · книги · ученый · JSTOR ( сентябрь 2014 г. ) ( Узнайте, как и когда удалить это сообщение-шаблон )
Процесс соединения Пуассона является непрерывным временем (случайным образом ) случайный процесс с прыжками. Скачки прибывают случайным образом в соответствии с процессом Пуассона, и размер скачков также является случайным с заданным распределением вероятностей. Составной пуассоновский процесс, параметризованный распределением скорости и размера скачка G , представляет собой процесс, задаваемый формулой λ > 0 {\ displaystyle \ lambda> 0} { Y ( т ) : т ≥ 0 } {\ Displaystyle \ {\, Y (т): т \ geq 0 \, \}}
Y ( т ) знак равно ∑ я знак равно 1 N ( т ) D я {\ Displaystyle Y (т) = \ сумма _ {я = 1} ^ {N (т)} D_ {я}} где, - подсчет пуассоновского процесса со скоростью , и являются независимыми и одинаково распределенными случайными величинами с функцией распределения G , которые также не зависят от { N ( т ) : т ≥ 0 } {\ Displaystyle \ {\, N (т): т \ geq 0 \, \}} λ {\ displaystyle \ lambda} { D я : я ≥ 1 } {\ Displaystyle \ {\, D_ {я}: я \ geq 1 \, \}} { N ( т ) : т ≥ 0 } . {\ Displaystyle \ {\, N (т): т \ geq 0 \, \}. \,}
Когда являются неотрицательными целочисленными случайными величинами, то этот составной пуассоновский процесс известен как заикающийся пуассоновский процесс, который имеет особенность, заключающуюся в том, что два или более события происходят за очень короткое время. D я {\ displaystyle D_ {i}}
Свойства составного процесса Пуассона [ править ] Ожидаемое значение составного пуассоновского процесса может быть вычислено с использованием результата , известный как уравнение Вальда , как:
E ( Y ( т ) ) знак равно E ( D 1 + ⋯ + D N ( т ) ) знак равно E ( N ( т ) ) E ( D 1 ) знак равно E ( N ( т ) ) E ( D ) знак равно λ т E ( D ) . {\displaystyle \operatorname {E} (Y(t))=\operatorname {E} (D_{1}+\cdots +D_{N(t)})=\operatorname {E} (N(t))\operatorname {E} (D_{1})=\operatorname {E} (N(t))\operatorname {E} (D)=\lambda t\operatorname {E} (D).} Используя аналогичный закон общей дисперсии , дисперсию можно рассчитать как:
var ( Y ( t ) ) = E ( var ( Y ( t ) ∣ N ( t ) ) ) + var ( E ( Y ( t ) ∣ N ( t ) ) ) = E ( N ( t ) var ( D ) ) + var ( N ( t ) E ( D ) ) = var ( D ) E ( N ( t ) ) + E ( D ) 2 var ( N ( t ) ) = var ( D ) λ t + E ( D ) 2 λ t = λ t ( var ( D ) + E ( D ) 2 ) = λ t E ( D 2 ) . {\displaystyle {\begin{aligned}\operatorname {var} (Y(t))&=\operatorname {E} (\operatorname {var} (Y(t)\mid N(t)))+\operatorname {var} (\operatorname {E} (Y(t)\mid N(t)))\\[5pt]&=\operatorname {E} (N(t)\operatorname {var} (D))+\operatorname {var} (N(t)\operatorname {E} (D))\\[5pt]&=\operatorname {var} (D)\operatorname {E} (N(t))+\operatorname {E} (D)^{2}\operatorname {var} (N(t))\\[5pt]&=\operatorname {var} (D)\lambda t+\operatorname {E} (D)^{2}\lambda t\\[5pt]&=\lambda t(\operatorname {var} (D)+\operatorname {E} (D)^{2})\\[5pt]&=\lambda t\operatorname {E} (D^{2}).\end{aligned}}} Наконец, используя закон полной вероятности , функция , производящая момент, может быть задана следующим образом:
Pr ( Y ( t ) = i ) = ∑ n Pr ( Y ( t ) = i ∣ N ( t ) = n ) Pr ( N ( t ) = n ) {\displaystyle \Pr(Y(t)=i)=\sum _{n}\Pr(Y(t)=i\mid N(t)=n)\Pr(N(t)=n)} E ( e s Y ) = ∑ i e s i Pr ( Y ( t ) = i ) = ∑ i e s i ∑ n Pr ( Y ( t ) = i ∣ N ( t ) = n ) Pr ( N ( t ) = n ) = ∑ n Pr ( N ( t ) = n ) ∑ i e s i Pr ( Y ( t ) = i ∣ N ( t ) = n ) = ∑ n Pr ( N ( t ) = n ) ∑ i e s i Pr ( D 1 + D 2 + ⋯ + D n = i ) = ∑ n Pr ( N ( t ) = n ) M D ( s ) n = ∑ n Pr ( N ( t ) = n ) e n ln ( M D ( s ) ) = M N ( t ) ( ln ( M D ( s ) ) ) = e λ t ( M D ( s ) − 1 ) . {\displaystyle {\begin{aligned}\operatorname {E} (e^{sY})&=\sum _{i}e^{si}\Pr(Y(t)=i)\\[5pt]&=\sum _{i}e^{si}\sum _{n}\Pr(Y(t)=i\mid N(t)=n)\Pr(N(t)=n)\\[5pt]&=\sum _{n}\Pr(N(t)=n)\sum _{i}e^{si}\Pr(Y(t)=i\mid N(t)=n)\\[5pt]&=\sum _{n}\Pr(N(t)=n)\sum _{i}e^{si}\Pr(D_{1}+D_{2}+\cdots +D_{n}=i)\\[5pt]&=\sum _{n}\Pr(N(t)=n)M_{D}(s)^{n}\\[5pt]&=\sum _{n}\Pr(N(t)=n)e^{n\ln(M_{D}(s))}\\[5pt]&=M_{N(t)}(\ln(M_{D}(s)))\\[5pt]&=e^{\lambda t\left(M_{D}(s)-1\right)}.\end{aligned}}} Возведение в степень меры [ править ] Пусть N , Y и D такие же , как указано выше. Пусть μ - вероятностная мера, согласно которой D распределяется, т. Е.
μ ( A ) = Pr ( D ∈ A ) . {\displaystyle \mu (A)=\Pr(D\in A).\,} Пусть δ 0 - тривиальное распределение вероятностей, при котором вся масса равна нулю. Тогда распределение вероятностей по Y ( т ) является мерой
exp ( λ t ( μ − δ 0 ) ) {\displaystyle \exp(\lambda t(\mu -\delta _{0}))\,} где экспоненциальный ехр ( ν ) конечной меры v , на борелевских подмножеств в вещественной прямой определяется
exp ( ν ) = ∑ n = 0 ∞ ν ∗ n n ! {\displaystyle \exp(\nu )=\sum _{n=0}^{\infty }{\nu ^{*n} \over n!}} и
ν ∗ n = ν ∗ ⋯ ∗ ν ⏟ n factors {\displaystyle \nu ^{*n}=\underbrace {\nu *\cdots *\nu } _{n{\text{ factors}}}} является сверткой мер, и ряд сходится слабо .