4 votos

Proceso de Poisson - probabilidad distinta de cero de más de una llegada

Citando Bertsekas' Introducción a la Probabilidad:

Un proceso de llegada es llamado un proceso de Poisson con tasa de $\lambda$ si tiene las siguientes propiedades:

a) Tiempo homogeinidad - la probabilidad de $P(k,\tau)$ $k$ llegadas de el mismo para todos los intervalos de la misma longitud $\tau$

b) El número de llegadas durante un determinado intervalo es independiente de la historia de las llegadas fuera de este intervalo.

c) Pequeño intervalo de probabilidades de Las probabilidades de $P(k,\tau)$ satisfacer:

$P(0,\tau)=1-\lambda\tau + o(\tau)$

$P(1,\tau)=\lambda\tau + o_1(\tau)$

$P(k,\tau)=o_k(\tau)$ $k=2,3,...$

Aquí, $o(\tau)$ $o_k(\tau)$ son funciones de la $\tau$ que satisfacer

$\mathbb{lim}_{r\to0}\frac{o(\tau)}{\tau}=0$, $\mathbb{lim}_{r\to0}\frac{o_k(\tau)}{\tau}=0$

Entonces se nos da la fórmula:

$$P(k,\tau)=e^{-\lambda\tau}\frac{(\lambda\tau)^k}{k!}$$

Tenga en cuenta que una expansión en series de Taylor de $e^{-\lambda\tau}$ rendimientos:

$P(0,\tau)=e^{-\lambda\tau}=1-\lambda\tau+o(\tau)$

$P(1,\tau)=\lambda\tau e^{-\lambda\tau}=\lambda\tau\lambda^2\tau^2+O(\tau^3)=\lambda\tau+o_1(\tau)$.

Primero de todo, ¿qué son $o(\tau)$, $o_1(\tau)$ y $O(\tau)$ en la expansión de Taylor? Tiene nada que ver con la expansión de Taylor de por sí? Pensé que $o$ es el poco o notación, pero su definición es bastante diferente - $ f(n) = o(g(n))$ si $g(n)$ crece mucho más rápido que $f(n)$. En este caso, es muy diferente. Entonces, ¿qué es?

En segundo lugar, el autor no es prueba de que el $o$ términos anteriores satisfacer

$\mathbb{lim}_{r\to0}\frac{o(\tau)}{\tau}=0$, $\mathbb{lim}_{r\to0}\frac{o_k(\tau)}{\tau}=0$

como se indicó en la definición de proceso de Poisson. ¿Cómo podemos demostrarlo?

Lo que es más importante - ¿por qué queremos que se satisfacen las propiedades que se describen en 'c) Pequeño intervalo de probabilidades"? Estos 3 fórmulas no son arbitrarias, tiene que haber una buena razón para ellos.

Idealmente, si dejamos $\lambda \to 0$ y es natural esperar que la probabilidad de $P(k,\tau)$ a igual exactamente $0$ en el límite, pero al parecer no es posible (siempre habrá ese pequeño número, $o_k(\tau)$). O igual $0$ en el límite?

2voto

Jon Mark Perry Puntos 4480

$o$ $o_k$ son los autores de las funciones con las propiedadesque: $$\lim_\limits{r\to0}\frac{o(\tau)}{\tau}=0$$

$$\lim_\limits{r\to0}\frac{o_k(\tau)}{\tau}=0$$

La definición real de las funciones que se deja sin definir, y el autor ha dicho que se comportan como el anterior.

Como estas funciones tiende a cero, se permiten variaciones menores a ser tratados como insignificante. Para el propósito de esta sección del libro, no necesitamos otras propiedades.

El big-O notación utilizada aquí:

$$P(1,\tau)=\lambda\tau e^{-\lambda\tau} =\lambda\tau-\lambda^2\tau^2+O(\tau^3) =\lambda\tau+o_1(\tau)$$

significa que $|\lambda\tau e^{-\lambda\tau}-\lambda\tau+\lambda^2\tau^2|$ es menor que $M|\tau^3|$ para algunas constantes $M$ y $\tau\to0$.

Entonces podemos permitir:

$$o_1(\tau)=\lambda^2\tau^2+O(\tau^3)$$

debido a esto satisface el límite de propiedad, el autor ha definido.

Por la definición de las probabilidades tenemos:

$$\sum_k P(k,\tau)=1$$

y si $\lambda,\tau\to0$, cuando se $k=0$ tenemos $0^0=1$.

El punto final es que el $o(\tau)$ se convierte en algo muy trivial en relación a los otros cálculos, y puede ser ignorado.

1voto

JKnecht Puntos 325

Esta será probablemente la respuesta a una pareja o a tus preguntas:

E. g. este

"Y en realidad, ¿para qué queremos la oo términos de satisfacer las dos propiedades anteriores? Por qué precisamente estas propiedades, y no unos a otros?"

Su una de las varias definiciones de un proceso de poisson y a ser un proceso de poisson es para satisfacer las necesidades de esas propiedades.

(Puede que necesite hacer zoom para leer o leer aquí enlace)

Two definitions of poissons processes and an explanation why one of them implies the other

1voto

CodeMonkey1313 Puntos 4754

Demasiado largo para un comentario, demasiado corto para la recompensa.

Su pregunta

Lo que es más importante - ¿por qué queremos que se satisfacen las propiedades se describe en 'c) Pequeño intervalo de probabilidades"? Estos 3 fórmulas son no arbitraria, tiene que haber una buena razón para ellos.

es, de hecho, lo que hace que el trabajo necesario para entender procesos de Poisson que vale la pena. Las tres fórmulas que definen el proceso de Poisson son justo lo que sea útil en el modelado de muchos fenómenos diferentes.

Hay un par de aplicaciones en la página de la wikipedia https://en.wikipedia.org/wiki/Poisson_point_process#Early_applications .

Aquí está una lista más larga, de http://www.aabri.com/SA12Manuscripts/SA12083.pdf

Si uno observa los pacientes que llegan a una sala de emergencia, los coches de conducción hasta una estación de gasolina, la descomposición radiactiva de los átomos, los clientes del banco a venir a su banco, o los compradores que se sirve en un caja registradora, las corrientes de tales ts suelen seguir la Proceso de Poisson. El supuesto subyacente es que los eventos son statis ticamente independiente y la tasa, µ , de estos eventos (el número esperado de eventos por unidad de tiempo) es constante. La lista de aplicaciones de la distribución de Poisson es muy largo. El nombre de un par más:

• El número de soldados del ejército Prusiano muertos accidentalmente por caballo de tiro por año (von Bortkewitsch, 1898, p. 25).

• El número de mutaciones en una determinada cadena de ADN pe r unidad de tiempo (Wikipedia-Poisson, 2012). • El número de quiebras que se presentado en un mont h (Jaggia, Kelly, 2012 p.158). • El número de llegados a un lavado de coches en una hora (A nderson et al., 2012, pág. 236).

• El número de fallas de la red por día (Levine, 201 0, p. 197). \

• El número de archivo de servidor de infección por el virus en un centro de datos durante un Período de 24 horas . El número de Airbus 330 motor de avión paros por cada 100.000 horas de vuelo. El número de paciente con asma llegadas en un dada la hora en un walk-i n clínica (Doane, Seward, 2010, pág. 232).

• El número de personas que pasan hambre entrar en Mcdonald's. El número de de los accidentes de trabajo durante un determinado tiempo de producción, El número de de nacimiento, defunciones, matrimonios, divorcios, suicidios y homicidios un determinado per iod de tiempo (Weiers, 2008, pág. 187).

• El número de los clientes que llaman para quejarse de un problema de servicio por mes (Donnelly, Jr., 2012, pág. 215) .

• El número de visitantes a una Web sitio por minuto (Sh arpie, De Veaux, Velleman, 2010, pág. 654).

• El número de llamadas a los consumidores caliente línea en 5 min ute período (Pelosi, Sandifer, 2003, pág. D1).

• El número de llamadas telefónicas por minuto en una pequeña empresa. El número de llegadas en una autopista de peaje peaje par de minutos entre las 3 A. M. y las 4 A. M. en enero en el Kansas Autopista de peaje (Negro, 2012, pág. 161)

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X