Вероятность и статистика · объяснение и практика

Разделение пуассоновского потока: независимость возникает после снятия условия на общий счёт

Доказать независимость двух потоков после независимой маркировки пуассоновских событий и отличить её от отрицательной зависимости при фиксированном общем числе.

Рука ставит оранжевый столбик между двумя синими столбиками разной высоты.

В теме Случайные процессы и имитация: углубление · Учебная карта

Главная мысль

Если каждое событие пуассоновского процесса независимо отправляется в первую группу с вероятностью p, две группы образуют независимые пуассоновские процессы интенсивностей λp и λ(1−p). При фиксированном положительном общем счёте и 0<p<1 их количества зависимы; при нулевом счёте или детерминированной метке они постоянны и независимы.

Метод и постановка

Укажите, какие случайности независимы. Исходный поток должен быть пуассоновским, а метки отдельных событий — независимыми друг от друга и от потока. Одного совпадения среднего числа событий с λ недостаточно. Маркировка по чередованию или по прошлой длине очереди не удовлетворяет этой простой модели.

На фиксированном интервале общий счёт N имеет пуассоновское распределение. При условии N=n первый счёт биномиальный, второй равен n минус первый. Чтобы получить безусловную совместную вероятность, умножьте пуассоновскую вероятность n=k+l на биномиальную вероятность k. Факториалы и степени сокращаются в произведение двух пуассоновских вероятностей. Именно факторизация доказывает независимость, а не только вычисление средних.

Проверка и границы вывода

Независимость приращений в непересекающихся интервалах сохраняется, поскольку исходные приращения и метки независимы. Поэтому утверждение относится к целым процессам, а не только к двум числам за один час. Параметры интенсивностей имеют единицы событий за время; умножение на длину интервала даёт безразмерный параметр распределения счёта.

При дополнительном условии N=n, где n>0, и вероятности метки строго между нулём и единицей независимости нет: рост первого счёта вынуждает уменьшение второго. При n=0 или p=0 либо p=1 оба счёта после такого условия детерминированы и потому независимы. Эти два утверждения не противоречат друг другу, потому что условие меняет вероятностный эксперимент. В практической проверке фиксированные размеры категорий также нарушают независимую маркировку. Если в каждой партии обязательно ровно треть событий должна попасть в первую группу, простая теорема прореживания уже не описывает механизм. Ошибка часто возникает именно при подмене случайных независимых меток заранее установленной квотой.

Пример

Поток имеет интенсивность шесть событий в час, метка первой группы выбирается с вероятностью одной трети. За полчаса общий средний счёт равен трём, средние двух групп равны одному и двум.

Безусловная вероятность, что обе группы пусты, равна e^(−1)e^(−2)=e^(−3), как и вероятность пустого исходного потока. Если же заранее известно, что всего было три события, второй счёт точно равен трём минус первый.

От чтения к действию

А теперь — вы

Известно, что за интервал произошло ровно пять событий; вероятность первой метки строго между нулём и единицей. Независимы ли два счёта по группам при этом условии?

Частые вопросы

Можно менять p со временем?

Есть обобщения с меняющейся интенсивностью; здесь используется постоянная вероятность маркировки.

Среднее сохраняется после разделения?

Да. Сумма интенсивностей двух групп равна исходной λ.

Углублённый разбор

Условные времена событий Пуассона: порядок равномерной выборки

При известном числе событий однородного пуассоновского потока их времена распределены как упорядоченная равномерная выборка. Интенсивность исчезает из условного закона.

Перед началом: Совместные и условные законы; Ожидание, дисперсия и условная независимость.

Определение и постановка

На интервале длины T условие N(T)=n задаёт совместную плотность времён 0<t₁<…<tₙ<T, равную n!/Tⁿ. Она постоянна на симплексе упорядоченных времён.

Вывод и вычислительный критерий

Неупорядоченные независимые равномерные точки имеют плотность T⁻ⁿ на кубе. Для каждой строго упорядоченной точки существуют n! перестановок исходных меток. Поэтому после сортировки плотность умножается на n!. Совпадения времён имеют вероятность ноль.

Минимум оказался больше s ровно тогда, когда все n равномерных точек лежат правее s. Следовательно, P(t₁>s|N(T)=n)=(1−s/T)ⁿ для 0≤s≤T. Среднее первого времени равно T/(n+1), что получается интегрированием этой хвостовой функции.

Условия и границы вывода

Результат требует однородного пуассоновского процесса. При переменной детерминированной интенсивности равномерным становится преобразованное время накопленной интенсивности, а не исходные часы.

Условие n=0 не задаёт первого события внутри интервала: его нет. Нельзя присваивать ему среднее T, подставляя ноль в формулу минимума. Будущее первое событие после интервала является другой случайной величиной.

Разбиение времени на две части согласуется с условным биномиальным счётом: число событий до s при известном общем n имеет Bin(n,s/T). Вероятность нулевого раннего счёта равна тому же выражению (1−s/T)ⁿ. Это связывает геометрию времён и распределение счётчика, но не делает отсортированные времена независимыми. Их порядок строго связывает координаты, хотя исходные неупорядоченные равномерные метки независимы.

Разобранная задача

Условие. Известно, что за условный интервал длины 6 произошло ровно два события однородного пуассоновского потока. Найдите вероятность первого события позже времени 2 и его среднее время.

  1. При условии общего счёта два используем две независимые равномерные точки на [0,6] и сортируем их.
  2. Для каждой точки шанс лежать правее 2 равен 4/6=2/3.
  3. Первое событие позже 2 тогда и только тогда, когда обе точки позже 2; вероятность равна 4/9.
  4. Среднее минимума равно ∫₀⁶(1−s/6)²ds=2.

Ответ. Вероятность равна 4/9, среднее условное время первого события равно 2.

Проверка. В квадрате [0,6]² условие минимума больше двух выделяет квадрат площади 16 из общей площади 36. Геометрическая доля 4/9 подтверждает результат без плотности порядковых статистик.

Где легко ошибиться. Условное время первого события не имеет обычного экспоненциального закона: фиксация общего числа изменила пространство траекторий.

Проверьте понимание

В однородном пуассоновском процессе с λ>0 при T>0, целом n≥1 и 0≤s≤T какая формула P(t₁>s|N(T)=n) верна для всех этих параметров?

Вопросы к этой главе

Почему интенсивность сократилась?

Она влияет на вероятность самого общего счёта. После условия на этот счёт однородность оставляет всем допустимым расположениям времён одинаковый относительный вес.

Независимы ли первое и второе времена?

Нет. Первое не может быть позже второго. Независимыми равномерными являются вспомогательные неупорядоченные точки, из которых получают упорядоченные времена.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • MIT: Unordered Arrival Times

    HTML §2.12.3 прочитан: при условии числа событий неупорядоченные времена независимы и равномерны. Формулы на странице представлены частично изображениями; текстовый вывод свойства доступен.

Суперпозиция независимых пуассоновских потоков

Сумма независимых пуассоновских потоков сохраняет пуассоновский закон с суммой интенсивностей. Независимость потоков является частью утверждения.

Перед началом: Совместные и условные законы; Ожидание, дисперсия и условная независимость.

Определение и постановка

На фиксированном интервале N₁~Pois(λ₁),N₂~Pois(λ₂). Производящие функции равны exp[λⱼ(z−1)]; их произведение даёт exp[(λ₁+λ₂)(z−1)].

Вывод и вычислительный критерий

Тот же вывод можно получить свёрткой: вероятность общего k равна e⁻⁽λ₁⁺λ₂⁾Σᵢλ₁ⁱλ₂ᵏ⁻ⁱ/(i!(k−i)!). Биномиальная формула сворачивает сумму в (λ₁+λ₂)ᵏ/k!.

Для утверждения о целом процессе дополнительно сохраняют независимые стационарные приращения. Одного пуассоновского закона общего числа за один интервал недостаточно, чтобы объявить весь поток пуассоновским.

Условия и границы вывода

Совпадения событий имеют нулевую вероятность в обычных непрерывных независимых потоках. Если события синхронизированы общими причинами, суммарный счёт может приходить пачками и нарушать простой пуассоновский закон.

Складывать надо интенсивности, приведённые к одному временному интервалу. Сумма частоты за час и ожидаемого числа за день без пересчёта единиц не имеет определённого смысла.

Для общего числа два свёртка имеет уже три состава: два события первого потока, по одному каждого и два второго. После выделения общего множителя e в степени минус три их веса равны одной второй, двум и двум. Сумма весов равна девяти вторым, как у массы Pois(3) при k=2. Условно на общий итог два первый составной счёт имеет Bin(2,1/3). Поэтому его массы равны четырём девятым, четырём девятым и одной девятой. Суперпозиция и условное разбиение являются согласованными обратными описаниями: одно забывает метки потока, другое восстанавливает их вероятностный состав при известном общем числе.

Для интервала в два часа суммарный параметр станет шесть при постоянных интенсивностях. Вероятность отсутствия тогда равна e в степени минус шесть и совпадает с произведением вероятностей отсутствия на двух независимых часовых интервалах.

Разобранная задача

Условие. Два независимых счётчика за один час имеют средние 1 и 2. Найдите вероятность отсутствия событий и ровно одного события в суммарном потоке.

  1. Средняя сумма равна 3 за тот же час.
  2. Отсутствие обоих событий имеет вероятность e⁻¹e⁻²=e⁻³.
  3. Один общий сигнал возможен как (1,0) или (0,1).
  4. Сумма двух несовместимых вероятностей равна e⁻³+2e⁻³=3e⁻³.

Ответ. Вероятности нуля и единицы равны e⁻³ и 3e⁻³.

Проверка. Свёртка непосредственно даёт коэффициенты 1 и 3 при общем множителе e⁻³. Они совпадают с первыми двумя массами Pois(3), независимо от производящих функций.

Где легко ошибиться. Совпадение средних не доказывает пуассоновский закон суммы: без независимости совместное распределение может быть иным.

Проверьте понимание

Если два потока независимы, их суммарная интенсивность равна

Вопросы к этой главе

Что будет при одинаковых счётчиках N₂=N₁?

Сумма равна 2N₁ и принимает только чётные значения. Она не имеет обычный пуассоновский закон с положительной интенсивностью, хотя среднее удвоилось.

Можно ли складывать больше двух потоков?

Да, при совместной независимости. Интенсивности суммируются последовательно, а произведение конечного числа производящих функций сохраняет ту же форму.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Robert Gallager: Poisson Processes

    Первичные лекции MIT, PDF34страницы с извлечённым текстом: пуассоновский счёт, независимые приращения, объединение и условные времена. Свёртка и численные коэффициенты составлены отдельно.

Случайная задержка событий: перенос интенсивности

Случайная задержка каждого события меняет профиль интенсивности, но при независимом переносе сохраняет пуассоновский характер выходных счётчиков. Общая задержка сразу всех событий имеет те же средние и всё же создаёт другой совместный закон.

Перед началом: Условные распределения; Конечные суммы и независимость.

Перенос маркирует отдельные события

Разобьём время на целые ячейки. Исходные числа событий Nₖ независимы и имеют законы Poisson с параметрами λₖ. Каждое отдельное событие независимо получает задержку D с вероятностями q_d и переходит из ячейки k в k+d. Задержки также независимы от исходных счётчиков. Для каждой рассматриваемой выходной ячейки j предполагается конечность суммы Σₖλₖq_{j−k}<∞; в частности, достаточно конечного числа непустых входных ячеек. Иначе выходной счётчик может оказаться бесконечным и не иметь конечного пуассоновского параметра.

Средняя интенсивность выходной ячейки j равна λ′ⱼ=Σₖλₖq_{j−k}. Эта дискретная свёртка суммирует все исходные пути к одной выходной дате. В непрерывной модели аналогичную роль играет интегрирование исходной интенсивности по распределению независимой задержки.

Закон сохраняется благодаря независимой маркировке

Внутри одной исходной ячейки независимые метки делят Poisson-счётчик на независимые Poisson-компоненты по направлениям переноса. Выходной счётчик собирает соответствующие компоненты разных исходных ячеек. Непересекающиеся выходные ячейки используют разные компоненты и поэтому остаются независимыми.

Сохранение среднего само по себе этого не доказывает. Если одной случайной величиной сдвинуть сразу всю реализацию, исходный счётчик не разделится независимыми метками. После усреднения по общему сдвигу возникают смешанные законы и связи между выходными ячейками. Нужно проверить именно уровень, на котором разыгрывается задержка.

Окно наблюдения может потерять часть перенесённых событий

Если каждая задержка ведёт ровно в одну выходную ячейку, суммарное ожидаемое число во всём выходном потоке сохраняется. Но ограниченное окно может не содержать все новые даты. Тогда уменьшение числа внутри окна не обязательно означает уничтожение событий: часть могла уйти за его правую границу.

Для короткой конечной модели совместную производящую функцию можно выписать до объединения ячеек. Если её показатель раскладывается в сумму λ′ⱼ(zⱼ−1), это удостоверяет одновременно Poisson-закон каждой координаты и их независимость. Такая проверка сильнее сравнения одного суммарного ожидания.

Две исходные ячейки и задержка на один шаг

Условие. Пусть N₀~Poisson(2), N₁~Poisson(4) независимы, других исходных событий нет. Каждое событие независимо задерживается на 0 с вероятностью 1/3 или на 1 с вероятностью 2/3. Найдите законы выходных M₀,M₁,M₂ и сравните с общим сдвигом всей реализации.

  1. В ячейку 0 попадает треть событий N₀, поэтому её параметр равен 2/3. В ячейку 1 попадают задержанные N₀ и незадержанные N₁: 4/3+4/3=8/3.
  2. В ячейку 2 попадают две трети событий N₁ с параметром 8/3. Три выходных счётчика независимы и имеют соответствующие Poisson-законы.
  3. Если вместо индивидуальных задержек разыгрывать один общий D, средние остаются теми же. Но M₀ и M₂ никогда не положительны одновременно: при D=0 последняя ячейка пуста, при D=1 пуста первая.
  4. Поэтому при общем D ковариация M₀,M₂ равна 0−(2/3)(8/3)=−16/9. При независимых задержках она нулевая, хотя все три средних в двух моделях совпадают.

Ответ. При индивидуальных задержках независимые параметры равны (2/3,8/3,8/3). Общий сдвиг сохраняет средние, но даёт Cov(M₀,M₂)=−16/9.

Проверка. Совместная производящая функция индивидуального переноса равна exp[(2/3)(z₀−1)+(8/3)(z₁−1)+(8/3)(z₂−1)]. Её факторизация независимо проверяет весь выходной закон. Сумма параметров равна 6, как и 2+4 на входе.

Где легко ошибиться. Не разыгрывайте одну задержку на весь поток, если формула предполагает независимую метку каждого события. Равенство ожидаемых интенсивностей не исправляет эту замену: в примере меняются и распределения отдельных ячеек, и их совместные ковариации.

Проверьте понимание

Какова Cov(M₀,M₂) при индивидуальных независимых задержках в задаче?

Вопросы к этой главе

Сохраняется ли ожидаемое число в первых двух выходных ячейках?

Нет: там остаётся 2/3+8/3=10/3. Ещё 8/3 ожидаемых события находятся в ячейке 2. Сохранение относится ко всему выходному набору, а не к произвольно обрезанному окну.

Обязательно ли задержки одинаково распределены для разных исходных дат?

В данном примере да. Более общая независимая маркировка может использовать ядро, зависящее от исходной даты; тогда интенсивность считают по этому ядру. Общая скрытая задержка всё равно требует другой модели.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Last–Penrose, Lectures on the Poisson Process, Chapter 5

    Прочитаны предпосылки независимых меток, Theorem 5.6 и независимость направлений Theorem 5.8 на PDF-страницах 52–56. Здесь собственный конечный перенос по трём датам и контрпример общего сдвига.

Неоднородный поток: интегральное время и закон ожидания события

Часы с неравномерной интенсивностью можно заменить накопленной интенсивностью. В новой шкале ожидание первого события имеет простой экспоненциальный закон, хотя в календарном времени оно не обладает постоянной скоростью.

Перед началом: Условная вероятность; Точная арифметика.

Сначала накопите интенсивность

Пусть N(t) — неоднородный пуассоновский процесс на t≥0 с детерминированной неотрицательной локально интегрируемой интенсивностью λ(t). Обозначим Λ(t)=∫₀ᵗλ(s)ds. Независимость приращений и их пуассоновский закон задаются через интегралы интенсивности, а не через одно значение λ в конце промежутка. Поэтому вероятность отсутствия событий к t равна exp(−Λ(t)). Это сразу даёт функцию выживания первого времени T.

Интегральная шкала отделяет форму часов

Если Λ непрерывна, строго возрастает и стремится к бесконечности, случайная величина U=Λ(T) имеет P(U>u)=e^(−u). Для генерации можно сначала получить экспоненциальный U, затем решить Λ(T)=U. Если интенсивность временами нулевая, используют обобщённую обратную; интервалы без накопления не создают событий. Если конечный предел Λ(∞) конечен, существует положительная вероятность никогда не увидеть событие, поэтому безусловное конечное экспоненциальное преобразование требует оговорки.

Перезапуск календаря не устраняет тренд

При условии отсутствия события до t вероятность ждать ещё h равна exp[−(Λ(t+h)−Λ(t))]. Она зависит от текущего t, если интенсивность не постоянна. Экспоненциальная память исчезает в интегральной шкале, но не обязана исчезать в календарной. Оценивание λ по тем же событиям добавляет статистическую задачу, которой простое преобразование не решает. Прежде чем диагностировать процесс по преобразованным промежуткам, надо учесть способ подгонки интенсивности и наличие случайной среды.

Разобранная задача

Условие. Задана интенсивность λ(t)=2t при t≥0. Найдите медиану первого времени события и условную вероятность отсутствия событий ещё одну единицу времени после наблюдённого пустого интервала до t=1.

  1. Интегрирование даёт Λ(t)=t². Следовательно P(T>t)=e^(−t²), а не e^(−2t).
  2. Медиана m удовлетворяет e^(−m²)=1/2, поэтому m=√ln2, приблизительно 0,8326.
  3. При отсутствии событий до единицы дополнительная накопленная интенсивность на (1,2] равна Λ(2)−Λ(1)=4−1=3.
  4. Условная вероятность ещё одного пустого календарного интервала равна e^(−3). Для первого интервала (0,1] она была e^(−1), что демонстрирует зависимость от календарной позиции.

Ответ. Медиана первого события равна √ln2. После пустого первого интервала шанс пустого второго равен e^(−3).

Проверка. Прямой закон приращения N(2)−N(1) есть Poisson(3). Его масса нуля равна e^(−3) и из независимости приращений не меняется после условия N(1)=0. Это подтверждает ответ без обращения распределения T.

Где легко ошибиться. Подстановка локальной интенсивности λ(1)=2 в экспоненциальное ожидание на целом следующем интервале неверна: интенсивность внутри него растёт, и нужен её интеграл, равный трём.

Проверьте понимание

Какая интенсивностная масса соответствует интервалу (1,2]?

Вопросы к этой главе

Почему преобразованное время имеет среднее один?

При бесконечно растущей непрерывной шкале оно стандартно экспоненциально. Среднее календарного T при этом определяется обратной функцией Λ и обычно другое.

Что будет при λ(t)=0 после конечного момента?

Накопленная интенсивность может остаться конечной. Тогда ненулевая масса приходится на отсутствие первого события вообще, что следует из предела e^(−Λ(t)).

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

Прореживание случайной интенсивности: откуда берётся общая ковариация

Пуассоновские категории независимы при известной интенсивности. Если интенсивность сама меняется между периодами, их безусловная ковариация становится положительной. После удаления диагонального пуассоновского шума остаётся матрица ранга один, позволяющая проверить и оценить простую общую среду.

Перед началом: Независимое пуассоновское прореживание; Полная ковариация и второй момент.

Один фон действует на все категории

В каждом повторяемом периоде выбирается неотрицательная интегральная интенсивность Λ с конечным вторым моментом. Условно N~Poisson(Λ); каждое событие независимо получает одну категорию с постоянными вероятностями qᵢ, сумма которых равна единице.

Условно по Λ счёты Nᵢ независимы с параметрами qᵢΛ. Поэтому E(Nᵢ|Λ)=qᵢΛ, а условная ковариация разных категорий равна нулю. Но усреднение по Λ добавляет ковариацию этих условных средних. При μ=EΛ и v=VarΛ получаем E Nᵢ=qᵢμ, Cov(Nᵢ,Nⱼ)=qᵢqⱼv для i≠j.

Диагональ содержит ещё пуассоновский шум: Var Nᵢ=qᵢμ+qᵢ²v. Большое число событий в одной категории сообщает, что весь период мог иметь высокий фон, поэтому в других категориях тоже ожидается больший счёт. Это модель общей причины, а не доказательство непосредственного влияния одной категории на другую.

Факториальная ковариация отделяет шум размещения

Введём Fᵢⱼ=Cov(Nᵢ,Nⱼ)−1{i=j}E Nᵢ. Тогда F=vqqᵀ. Это неотрицательно определённая матрица ранга один при v>0 и ненулевом q; при постоянной интенсивности она нулевая. В частности, Fᵢⱼ²=FᵢᵢFⱼⱼ, а все миноры второго порядка исчезают. Для разных категорий обычный второй смешанный момент уже является нужным факториальным моментом.

Если вероятности меток известны и обе положительны, v=Cov(Nᵢ,Nⱼ)/(qᵢqⱼ). Разные пары должны дать одно значение. Когда все категории наблюдаются и их сумма действительно исчерпывает поток, qᵢ можно определить по отношениям средних E Nᵢ/ΣE Nⱼ при μ>0. Однако совпадение первых двух моментов — лишь необходимая проверка; оно не доказывает весь условно пуассоновский закон.

Три условия дают три разных ответа о зависимости

При условии Λ категории независимы. Без условия общая изменчивость Λ создаёт положительную ковариацию. При условии общего числа N=n категориальные счёты, напротив, имеют мультиномиальный закон и отрицательную ковариацию −nqᵢqⱼ. Условие на фактический счёт не тождественно условию на ожидаемую интенсивность; путать их нельзя.

Отрицательная безусловная перекрёстная ковариация несовместима с этой моделью постоянных независимых меток и одного случайного масштаба. Её могут создать квоты, зависимые метки или другой механизм. Несколько независимых факторов среды обычно увеличат ранг F. При v=0 обнуляется общий фон, но независимость следует из исходной условно пуассоновской конструкции, а не из универсального утверждения «нулевая ковариация означает независимость».

Три категории и два режима среды

Условие. Λ принимает 2 и 8 с равными вероятностями. Метки A,B,C имеют вероятности 1/2,1/3,1/6. Найдите средние, перекрёстные ковариации и проверьте восстановление v.

  1. Средняя интенсивность μ=(2+8)/2=5; v=[(2−5)²+(8−5)²]/2=9.
  2. Средние категорий равны 5/2,5/3,5/6 и суммируются в 5.
  3. Перекрёстные ковариации равны AB=9/6=3/2, AC=9/12=3/4, BC=9/18=1/2. Каждая пара после деления на qᵢqⱼ возвращает 9.
  4. Дисперсии равны 19/4,8/3,13/12. После вычитания средних диагональ F равна 9/4,1,1/4. Например F_AB²=9/4=F_AA F_BB.
  5. Сумма всех дисперсий и удвоенных трёх ковариаций равна 14=μ+v, как требует закон полного счёта N.

Ответ. Средние (5/2,5/3,5/6), ковариации (3/2,3/4,1/2), восстановленная дисперсия общей интенсивности 9.

Проверка. Прямой смешанный момент E(N_A N_B)=q_Aq_B EΛ²=(1/6)·34=17/3. Вычитание произведения средних 25/6 даёт 3/2 независимо от формулы полной ковариации. В условном мире Λ=2 или 8 сами категории имеют нулевую ковариацию.

Где легко ошибиться. Не применяйте независимость обычного прореживания после усреднения случайной интенсивности. Фиксированная интенсивность и фиксированный реализованный общий счёт тоже не являются одним условием.

Проверьте понимание

Какова безусловная Cov(N_A,N_B) в двухрежимном примере статьи?

Вопросы к этой главе

Достаточно ли одной положительной перекрёстной ковариации для доказательства Cox-модели?

Нет. Другие совместные законы тоже могут иметь такую ковариацию. Ранг и отношения пар дают дополнительные необходимые проверки, но для идентификации полного механизма нужны предпосылки или более богатые данные.

Что делать с категорией нулевой вероятности?

Её счёт постоянен нулю, а деление на qᵢ недопустимо. Она не несёт информации о v; используют только пары с положительными вероятностями меток.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Brown, Ferreira и Lantuéjoul, Conditional Simulation of a Cox Process, Methodology

    Поддерживает условно пуассоновское определение Cox-процесса и ковариацию счётов через общий случайный потенциал. Здесь рассмотрены категории одного периода и отдельно выведена матрица факториальной ковариации ранга один.

Пуассоновский запас с выбытием: stationary закон INAR(1)

Целочисленная авторегрессия заменяет умножениеαX случайным биномиальным сохранением объектов. Постоянное поступление не даёт нулю быть поглощающим. Суммирование независимых когорт выводит стационарный закон, а пережившие несколько дат объекты объясняют его временную ковариацию.

Перед началом: Пуассоновское прореживание и суперпозиция; Условное ожидание и ковариация.

Случайное сохранение не равно дробному числу объектов

Дискретное время,0≤α<1. Каждый существующий объект независимо сохраняется с вероятностьюα; между датами поступает независимое число новых объектов Pois(λ). Все испытания сохранения и поступления независимы по объектам и датам.

Запишем Xₜ₊₁=α∘Xₜ+εₜ₊₁, где при Xₜ=x величина α∘x имеет Bin(x,α), а ε независимо имеет Pois(λ). Символ∘ обозначает сумму x независимых Bernoulli, не обычное произведение. Даже при x=1 следующий вклад старого объекта равен нулю или единице, а не дробиα.

Условное среднее равноαx+λ, условная дисперсияα(1−α)x+λ. Обычная линейная авторегрессия с умножениемαx не даёт этой условной дисперсии и может создавать нецелые значения. Ноль здесь не поглощает: после пустой даты новые объекты всё равно могут поступить.

Стационарность строится из переживших когорт

Представим поступления за все прошлые даты. Из когорты возраста j каждый объект сохранился j раз с вероятностьюαʲ. Прореживание пуассоновской когорты даёт Pois(λαʲ), причём разные когорты независимы. Сумма их средних равнаλ/(1−α), поэтому бесконечная сумма конечна почти наверное и имеет Pois(λ/(1−α)).

Для строгого перехода достаточно сначала сложить конечное число когорт. Ожидаемая масса более старого хвоста равнаλαᴸ⁺¹/(1−α) для возрастов послеL и стремится к нулю. Вероятность ненулевого хвоста не превосходит его среднего. Добавление следующей когорты и новое прореживание сохраняют весь закон, поэтому построена стационарная версия, а не только решено уравнение для среднего.

Общие объекты связывают разные даты

Обозначим μ=λ/(1−α). При стационарном старте E(Xₜ₊ₕ|Xₜ)=αʰXₜ+μ(1−αʰ). Поэтому Cov(Xₜ,Xₜ₊ₕ)=αʰVarXₜ=μαʰ. Пуассоновские одномерные законы имеют одинаковые среднее и дисперсию, но приα>0,λ>0 даты зависимы. Один объект, переживший интервал, входит в оба счётчика.

Для общего нестационарного старта начальные объекты дают дополнительный переживший остаток. При конечном фиксированном X₀ вероятность его сохранения ограничена X₀αᵗ; одновременно накапливаются недостающие прошлые когорты. Приα=0 ряд сразу состоит из независимых новых поступлений. Приα=1,λ>0 средний счёт растёт без конечного стационарного среднего; подстановка в формулу с делением на 1−α недопустима.

Пуассоновские даты, но ненулевая память

Условие. Пустьα=1/2,λ=2 и ряд находится в стационарном режиме. Найдите маргинальный закон, ковариацию через 2 даты и вероятность Xₜ₊₁=0 при Xₜ=3.

  1. Сумма когортных параметров равна 2(1+1/2+1/4+…)=4. Поэтому Xₜ~Pois(4), его среднее и дисперсия равны 4.
  2. Из трёх текущих объектов на следующую дату сохраняется Bin(3,1/2); новые поступления независимо имеют Pois(2). Условное среднее 3/2+2=7/2.
  3. Для нулевого следующего счёта должны исчезнуть все три старых объекта и не поступить ни одного нового. Вероятность(1/2)³e⁻²=e⁻²/8.
  4. Через 2 даты E(Xₜ₊₂|Xₜ)=Xₜ/4+3. Ковариация равна Var(Xₜ)/4=1, корреляция 1/4.
  5. Проверим стационарную дисперсию по одной дате: E Var(Xₜ₊₁|Xₜ)=E(Xₜ/4+2)=3; Var E(Xₜ₊₁|Xₜ)=Var(Xₜ/2+2)=1. Сумма 4 воспроизводит маргинальный закон.

Ответ. Маргинальный закон Pois(4), лаговая ковариация через 2 даты 1. Условная вероятность пустой следующей даты e⁻²/8.

Проверка. В стационарной паре через 2 даты общий переживший счёт имеет Pois(μα²)=Pois(1); два отдельных остатка имеют Pois(3) и независимы друг от друга и от общего счёта. Представление Xₜ=C+A,Xₜ₊₂=C+B непосредственно даёт обе дисперсии 4 и ковариацию VarC=1.

Где легко ошибиться. Одинаковые пуассоновские маргинали не делают временной ряд пуассоновским потоком с независимыми приращениями. Здесь счёт описывает запас сохранившихся объектов на дате, а не число новых событий за непересекающийся интервал.

Проверьте понимание

Чему равна Cov(Xₜ,Xₜ₊₂) в стационарном примере статьи приα=1/2,λ=2?

Вопросы к этой главе

Можно ли использовать обычное произведениеαXₜ в симуляции?

Это изменит модель: исчезнет биномиальная случайность сохранения и целочисленная природа счёта. Для каждого объекта нужен Bernoulli-выбор либо один эквивалентный биномиальный счёт.

Нужно ли пуассоновское поступление для самой рекурсии?

Нет, можно задать другой независимый закон поступлений. Но стационарный закон уже не обязан быть пуассоновским, и вывод через сумму пуассоновских когорт нужно заменить.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Al-Osh и Alzaid1987, First-order Integer-valued Autoregressive Process

    Первичная постановка INAR(1) связывает следующий счёт с сохранением прежних объектов и новым поступлением. Стационарный пуассоновский случай здесь выведен по независимым когортам с отдельной проверкой временной ковариации.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться