Introduction
Introduction to probability 2nd_edition
Ch06
對於隨機過程,我們關注:
1. 相關性
2. long-term averages 均值
3. boundary events
本篇關注兩個類型的隨機過程
1. 到達模型,伯努利和泊松
2. 馬爾可夫模型
The Bernoulli Process
伯努利過程,就像一次接一次地投硬幣。事件發生概率
更準確地,定義Beonoulli process是一個隨機變量序列,隨機變量
相互獨立 無記憶
Independence and Memorylessness 是 伯努利過程的重要性質。
假設隨機變量
無記憶性
Interarrival Times 到達時距
由於伯努利的無記憶性,也就是說每一個時間都相當於一個新的開始,同時,由於所以第一次到達前的時間是幾何分佈,因此每個時間間隔都是獨立同分布的幾何分佈。
The kth Arrival Time
在前
Splitting and Merging of Bernoulli Process
The Possion Approximation to the Binomial
當 n 很大 p 很小時,近似爲泊松分佈
The Possion Process
我們假設每個時間內,這個概率相等。
泊松過程的定義
- 第一個定義表示,每個時間間隔是等價的,到達的量是“一樣”的。
- 第二個表示,到達的數目與歷史無關
- 小o表示,相比於
t 的數量級可以忽略不計
Number of Arrivals in an Interval
將一個固定的時間間隔
時間
當n無窮大時,np趨向於常量,等於
也就是說,通過泊松分佈的假設,可知泊松過程相當於伯努利過程。
Independence and Memorylessness
Interarrival Times
指數分佈
也就是說
爲了等待第一次成功,伯努利試驗的等待時間服從幾何分佈,而泊松過程則服從指數分佈
爲了等待第r次成功,伯努利試驗的等待時間服從巴斯卡分佈,而泊松過程服從埃爾蘭分佈