
- •Пример 5.2.2: Множественные события
- •Формула Литла
- •Пример 5.3.1: Формулы Литла
- •Лекция 6. Пуассоновский процесс
- •Характеристики Пуассоновского процесса
- •Распределения Пуассоновского процесса
- •Экспоненциальное распределение
- •Распределение Эрланга k-го порядка
- •Пример 6.2.1: Статистика вызова в системе с программным управлением (сравните с примером 5.1.2)
- •Пуассоновское распределение
- •Пример 6.2.2: Спутниковая система синхронного (сегментированная) алоха
- •6.2.4. Статическое получение распределения Пуассоновского процесса
Лекция 6. Пуассоновский процесс
Пуассоновский процесс — самый важный точечный процесс. Позже мы поймем, что его роль среди точечных процессов столь же фундаментальна, как роль нормального распределения среди статистических распределений. Результатом сложения случайных переменных с помощью Центральной предельной теоремы является нормальное распределение. Подобным способом мы получаем экспоненциальное распределение при совмещении стохастических точечных процессов.
Большинство других прикладных точечных процессов являются обобщением или модификацией Пуассоновского процесса.
Этот процесс дает удивительно хорошее описание многих реальных процессов жизни. Чем сложнее процесс, тем лучше Пуассоновский процесс будет служить для него общей моделью.
Пуассоновский процесс имеет широкое практическое применение, поэтому мы изучим его подробно в этой лекции. Сначала (секция 6.2) поговорим
о физической модели. При этом главное внимание будет уделено распределениям, связанным с процессом, а затем мы рассмотрим некоторые важные свойства Пуассоновского процесса (секция 6.3). Наконец, в секции 6.4 рассмотрим прерванный Пуассоновский процесс как пример обобщения.
Характеристики Пуассоновского процесса
Фундаментальные свойства Пуассоновского процесса определены в секции 5.2:
а. стационарность;
б. независимость (отсутствие последействия) во все моменты времени (периоды), и
в. простота (ординарность).
(б) и (в) — фундаментальные свойства, тогда как (а) не является необходимым. Таким образом, можно допустить, что Пуассоновский процесс может иметь интенсивность, зависящую от времени поступления. Из этих свойств можно получить другие свойства, которые являются достаточными, чтобы определить Пуассоновский процесс. Два самых важных:
числовое представление: число событий в пределах временного интервала фиксированной длины имеет Пуассоновское распределение. Поэтому процесс называют Пуассоновским процессом',
представление с помощью интервала: интервал времени А", (5.2) между последовательными событиями является экспоненциально распределенным.
В этом случае, используя (4.8) и (4.10) равенство Феллера-Дженсена (5.4), можно показать фундаментальное отношение между кумулятив
ным (накопленным) Пуассоновским распределением и распределением Эрланга:
I it=1?^9я<бл)
Эта формула может также быть получена повторным интегрированием по частям.
Распределения Пуассоновского процесса
В этой секции мы поговорим о динамическом и физическом представлении Пуассоновского процесса (1928 [30] и Дженсен, 1954 [11]). Дифференцирования основаны на простой физической модели и концентрируются на распределениях вероятности, связанных с Пуассоновским процессом.
Физическая модель получается следующим способом. События (поступление) помещены наугад на реальной оси времени независимо от всех других событий, т.е. мы помещаем события однородно и независимо на реальных осях времени.
Средняя плотность выбрана как X события (поступление) в единицу времени. Если рассматривать ось как ось времени, то в среднем мы будем иметь X поступлений в единицу времени.
Вероятность, что данное поступление заявки возникает в пределах временного интервала, не зависит от местоположения интервала на оси времени.
~~о b—
t\
—1< -
?2 *\
Время
Рисунок 6.1. В Пуассоновском процессе мы рассматриваем поступление заявки в пределах двух не перекрывающихся временных интервалов продолжительностью /, и t2 соответственно
Пусть p(v, t) обозначают вероятность, что v событий возникают в пределах временного интервала продолжительностью t.
Математическая формулировка вышеупомянутой модели следующая.
Независимость (отсутствие последействия). Если /;и t2~ два не перекрывающихся временных интервала (рис. 6.1), мы предполагаем, что они независимы:
р (0, fi) -р (0, t2) = р (0, ti + t2) . (6.2)
Средняя величина временного интервала между двумя последовательными поступлениями заявок — 1Д (3.4):
со - j |
J /7(0,0 dl= —, 0<-<оо. (6.3)
о
Здесь р(0, 0 - вероятность, что в пределах временного интервала (0, 0 нет поступления заявок. Идентичная вероятность: время, пока произойдет первое событие первое событие, не больше, чем t (дополнительное распределение). Средняя величина (6.3) получена непосредственно из (3.4). Формула (6.3) может также интерпретироваться как область под кривой р(0, t) Это никогда не увеличивающаяся функция, уменьшающаяся от 1 до 0.
Отметим, что (6.2) подразумевает, что событие нет поступления заявок в пределах интервала длиной 0 существует и равно:
/40,0)= 1. (6.4)
Отметим, что (6.3) подразумевает, что вероятность события нет никаких поступлений заявок в пределах интервала времени длиной °° является нулевым и никогда не имеет место
/>(0,со)=0. (6.5)