第一章 随机过程的基本概念一、随机过程的定义例1:医院登记新生儿性别,0表示男,1表示女,X n 表示第n 次登记的数字,得到一个序列X 1 , X 2 , ···,记为{X n ,n=1,2, ···},则X n 是随机变量,而{X n ,n=1,2, ···}是随机过程。
例2:在地震预报中,若每半年统计一次发生在某区域的地震的最大震级。
令X n 表示第n 次统计所得的值,则X n 是随机变量。
为了预测该区域未来地震的强度,我们就要研究随机过程{X n ,n=1,2, ···}的统计规律性。
例3:一个醉汉在路上行走,以概率p 前进一步,以概率1-p 后退一步(假设步长相同)。
以X(t)记他t 时刻在路上的位置,则{X(t), t ≥0}就是(直线上的)随机游动。
例4:乘客到火车站买票,当所有售票窗口都在忙碌时,来到的乘客就要排队等候。
乘客的到来和每个乘客所需的服务时间都是随机的,所以如果用X(t)表示t 时刻的队长,用Y(t)表示t 时刻到来的顾客所需等待的时间,则{X(t), t ∈T}和{Y(t), t ∈T}都是随机过程。
定义:设给定参数集合T ,若对每个t ∈T, X(t)是概率空间),,(P ℑΩ上的随机变量,则称{X(t), t ∈T}为随机过程,其中T 为指标集或参数集。
E X t →Ω:)(ω,E 称为状态空间,即X(t)的所有可能状态构成的集合。
例1:E 为{0,1} 例2:E 为[0, 10]例3:E 为},2,2,1,1,0{Λ-- 例4:E 都为),0[∞+注:(1)根据状态空间E 的不同,过程可分为连续状态和离散状态,例1,例3为离散状态,其他为连续状态。
(2)参数集T 通常代表时间,当T 取R, R +, [a,b]时,称{X(t), t ∈T}为连续参数的随机过程;当T 取Z, Z +时,称{X(t), t ∈T}为离散参数的随机过程。
(3)例1为离散状态离散参数的随机过程,例2为连续状态离散参数的随机过程,例3为离散状态连续参数的随机过程,例4为连续状态连续参数的随机过程。
二、有限维分布与Kolmogorov 定理随机过程的一维分布:})({),(x t X P x t F ≤= 随机过程的二维分布:Tt t x t X x t X P x x F t t ∈≤≤=21221121,,},)(,)({),(21M随机过程的n 维分布:T t t t x t X x t X x t X P x x x F n n n n t t t n ∈≤≤≤=ΛΛΛΛ,,},)(,)(,)({),,(21221121,,211、有限维分布族:随机过程的所有一维分布,二维分布,…n 维分布等的全体}1,,,),,,({2121,,21≥∈n T t t t x x x F n n t t t n ΛΛΛ称为{X(t), t ∈T}的有限维分布族。
2、有限维分布族的性质:(1)对称性:对(1,2,…n )的任一排列),,(21n j j j Λ,有),,(),,(21,,,,212121n t t t j j j t t t x x x F x x x F n n nj j jΛΛΛΛ=(2)相容性:对于m<n ,有),(),,(1,1,,111m t t m t t t t x x F x x F m n m m ΛΛΛΛΛΛ=∞∞+3、Kolmogorov 定理定理:设分布函数族}1,,,),,,({2121,,21≥∈n T t t t x x x F n n t t t n ΛΛΛ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}1,,,),,,({2121,,21≥∈n T t t t x x x F n n t t t n ΛΛΛ恰好是{X(t), t ∈T}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)]([)(t X E t X =μ(如果存在)为过程的均值函数。
(2) 如果T t ∈∀,)]([2t X E 存在,则称随机过程{X(t), t ∈T}为二阶矩过程。
此时,称函数))]()())(()([(),(221121t t X t t X E t t X X μμγ--=,T t t ∈21,为过程的协方差函数;称),()]([t t t X Var γ=为过程的方差函数;称T t s t X s X E t s R X ∈=,)],()([),(为自相关函数。
例:)()(0b t a tV X t X ≤≤+=,其中0X 和V 是相互独立的且均服从N(0,1)分布的随机变量,求)(t X μ和),(21t t γ。
三、随机过程的基本类型独立增量过程:如果对任意,,,,21T t t t n ∈⋅⋅⋅,21n t t t <⋅⋅⋅<<随机变量,)()(12⋅⋅⋅-t X t X)()(1--n n t X t X 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21,t t ,有X(t 1+h)-X(t 1)d X(t 2+h)-X(t 2),则称{X(t), t ∈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 过程和Brownian motionPoisson 过程 2.1 Poisson 过程1. 计数过程定义:随机过程}0),({≥t t N 称为计数过程,如果)(t N 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)0)(≥t N 且取值为整数;(2)t s <时,)()(t N s N ≤且)()(s N t N -表示],(t s 时间内事件A 发生的次数。
2. Poisson 过程定义2.1.1:计数过程}0),({≥t t N 称为参数为λ(0>λ)的Poisson 过程,如果 (1);0)0(=N(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 λ的Poisson 分布,即对一切0,0>≥t s ,有()Λ,1,0,!))()((===-+-n n te n s N s t N P n t λλ注:Poisson 过程具有平稳增量性因为)()(s N s t N -+的分布只依赖于t, 与区间起点s 无关,,0=s 令()Λ,1,0,!)n )((===-n n t et N P n tλλt t EN t m λ==∴)()(于是可认为λ是单位时间内发生的事件的平均次数,一般称λ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=λ,于是!10}5)1()2({510n eN N P n n ∑=-=≤-, 10010!010}0)2()3({--===-e e N N P 例2.1.2:(事故发生次数及保险公司接到的索赔数)若以)(t N 表示某公路交叉口、矿山、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}0),({≥t t N 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124!)124(})0()12({⨯-⨯==-e n n N N P n∑∞=⨯-⨯⋅=-0124!)124()]0()12([n n e n n N N E =48问题:为什么实际中有这么多现象可以用Poisson 过程来反映呢?{}{}{}).(2)(0h )iv ( );(1)(0h ,0)iii ( )ii ( ;0)()i ( 0),(2.1.2h o h N P h o h h N P t N Poisson t t N =≥↓+==↓>=≥时,当时,当存在过程有平稳独立增量过程,如果满足:称为:计数过程定义λλ 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λ的Poisson 过程}0),({≥t t N ,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}0),(M {≥t t 是一个强度为p λ的Poisson 过程。
例2.1.4:若每条蚕的产卵数服从Poisson 分布,强度为λ,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n T 表示第n 次事件发生的时刻,n=1,2,…,规定00=T 。
n X 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n X 和n T 的分布定理2.2.1:n X (n=1,2,…)服从参数为λ的指数分布,且相互独立。
定理2.2.2:n T (n=1,2,…)服从参数为n 和λ的Γ分布。
注:如果每次事件发生的时间间隔,....,21X X 相互独立,且服从同一参数为λ的指数分布,则计数过程}0),({≥t t N 是参数为λ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2.2.2: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。