Вероятность и статистика · объяснение и практика

Как несколько экспоненциальных ожиданий дают распределение Эрланга

Почему время до нескольких событий пуассоновского процесса не экспоненциально, как вывести его хвост через счёт событий и согласовать параметр интенсивности.

Рука ставит оранжевый столбик между двумя синими столбиками разной высоты.

В теме Случайные величины и распределения · Учебная карта

В маршруте Совместные и преобразованные распределения · 10 тем

Главная мысль

Время до k-го события однородного пуассоновского процесса интенсивности λ имеет закон Эрланга: это сумма k независимых экспоненциальных промежутков с одной интенсивностью. Среднее равно k/λ, дисперсия — k/λ².

Счёт и время связаны одним событием

Пусть Tₖ — момент k-го события после начала наблюдения, а N(t) — число событий к моменту t. Неравенство Tₖ>t означает, что за время t произошло меньше k событий. Поэтому P(Tₖ>t) равна сумме пуассоновских вероятностей для счётов от нуля до k−1. Такой путь позволяет находить хвост времени без прямого интегрирования плотности.

Для интенсивности два события в единицу времени ожидание третьего события имеет хвост P(T₃>t)=exp(−2t)(1+2t+2t²). При t=1 он равен 5exp(−2), примерно 0,677. Вероятность успеть дождаться третьего события к этому моменту — дополнение, примерно 0,323. Это не вероятность ровно трёх событий: к моменту t их может оказаться и больше.

Несколько промежутков меняют форму закона

Между последовательными событиями однородного пуассоновского процесса лежат независимые экспоненциальные промежутки одной интенсивности. Их сумма до третьего события имеет среднее 3/2 и дисперсию 3/4. Первый промежуток имел среднее 1/2: нельзя сохранить прежний экспоненциальный закон, просто переименовав его ожидание.

Дифференцирование функции распределения даёт для целого положительного k плотность λᵏtᵏ⁻¹exp(−λt)/(k−1)! при t>0. Для k=3 и λ=2 это 4t²exp(−2t). В отличие от экспоненциальной плотности она начинается с нуля: очень короткое время должно вместить сразу несколько событий. При k=1 формула возвращает обычный экспоненциальный случай.

Пример

Если интенсивность удвоить, как изменится среднее время до того же третьего события?

Оно уменьшится вдвое: 3/λ превратится в 3/(2λ). Дисперсия уменьшится вчетверо, поскольку в её знаменателе стоит λ².

Проверяем параметризацию и границы модели

В разных программах гамма-распределение задают через интенсивность или через масштаб. Для нашего закона масштаб равен 1/λ, а целая форма равна k. Перепутать интенсивность два с масштабом два означает изменить среднее с k/2 на 2k. Поэтому полезно проверить формулу среднего до подстановки значений.

Закон Эрланга здесь использует одинаковую интенсивность всех промежутков и их независимость. Сумма экспоненциальных ожиданий с разными интенсивностями обычно имеет другой закон. Если интенсивность самого процесса меняется во времени, связь между счётом и моментом события сохраняется, но простая формула через λt уже не описывает весь расчёт без изменения модели.

От чтения к действию

А теперь — вы

Пуассоновский процесс имеет интенсивность 3 в единицу времени. Чему равна вероятность ждать второе событие дольше одной единицы времени?

Частые вопросы

Эрланг и гамма — разные семейства?

Закон Эрланга является случаем гамма-распределения с положительным целым параметром формы, соответствующим числу ожидаемых событий.

Почему в хвосте суммируют счёты до k−1?

Если произошло хотя бы k событий, момент k-го уже наступил. При его ненаступлении возможны только меньшие счёты.

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