Khác biệt giữa bản sửa đổi của “Quá trình Poisson”
Nội dung được xóa Nội dung được thêm vào
n Qbot: sửa lỗi chính tả |
n robot Thay: ru:Пуассона процесс; sửa cách trình bày |
||
Dòng 8:
* Xác suất của số biến cố trong một khoảng con <math>[t,t+ \tau]</math> nào đó được cho bởi công thức
:<math> P [(N(t+ \tau) - N(t)) = k] = \frac{e^{-\lambda \tau} (\lambda \tau)^k}{k!} \qquad k= 0,1,\ldots</math>
trong đó số
Tổng quát hơn, một quá trình Poisson là một quá trình gán cho mỗi khoảng thời gian bị chặn hay mỗi vùng bị chặn trong một không gian nào đó (chẳng hạn, một mặt phẳng Euclid hay một không gian Euclid 3 chiều) một số ngẫu nhiên các biến cố, sao cho:
Dòng 18:
Quá trình Poisson là một trong các [[quá trình Lévy]] nổi tiếng. Các quá trình Poisson thời gian thuần nhất (''time-homogeneous'') còn là các ví dụ của các [[quá trình Markov thời gian liên tục]] thời gian thuần nhất. Một quá trình Poisson một chiều thời gian thuần nhất là một quá trình sinh sản thuần túy (''pure-birth process'') - ví dụ đơn giản nhất về một [[quá trình sinh-tử]] (''birth-death process'')
== Các ví dụ ==
* Số cuộc điện thoại tới tổng đài trong một khoảng thời gian xác định có thể có một phân bố Poisson, và số cuộc điện thoại tới trong các khoảng thời gian không giao nhau có thể [[độc lập thống kê]] với nhau. Đây là một quá trình Poisson một chiều. Trong các mô
::<math>\int_a^b \lambda(t)\,dt.</math>
Dòng 30:
* Các nhà thiên văn học có thể coi số vì sao trong một thể tích vũ trụ cho trước là một biến ngẫu nhiên với một phân bố Poisson, và coi số sao trong hai vùng không giao nhau của vũ trụ là độc lập thống kê. Số sao quan sát được trong một thể tích ''V'' nào đó là một quá trình Poisson ba chiều trên không gian xác định bởi thể tích ''V''.
== Các quá trình Poisson một chiều ==
Một quá trình Poisson
Cho ''X''<sub>''t''</sub> là số lần xuất hiện trước thời điểm ''t'', ''T''<sub>''x''</sub> là thời điểm của lần xuất hiện thứ ''x'', với ''x'' = 1, 2, 3, ... .
Rõ ràng, số lần xuất hiện trước thời điểm ''t'' nhỏ hơn ''x'' khi và chỉ khi thời gian đợi cho đến lần xuất hiện thứ ''x'' lớn hơn ''t''. Bằng ký hiệu, biến cố [ ''X''<sub>''t''</sub> < ''x'' ] xảy ra khi và chỉ khi biến cố [ ''T''<sub>''x''</sub> > ''t'' ].
:<math>P(X_t<x)=P(T_x>t)\,</math>
Thực tế này cộng với kiến thức về phân bố Poisson cho phép ta tìm phân bố xác suất của các biến ngẫu nhiên liên tục này. Trong trường hợp tỷ lệ, nghĩa là kỳ vọng của số lần xuất hiện trong mỗi đơn vị thời gian, là hằng số, công việc này khá đơn giản. Cụ thể, xét thời gian đợi cho tới lần xuất hiện thứ nhất. Dễ thấy, thời gian đó lớn
:<math>P(T_1>t)=P(X_t=0)=e^{-\lambda t}\,</math>
Do đó, thời gian đợi cho đến lần xuất hiện đầu tiên tuân theo một [[phân phối mũ]]. Phân phối mũ này có giá trị kỳ vọng 1/
:<math>P(T_1>t+s \mid T_1>t)=P(T_1>s)\,</math>
Công thức trên có nghĩa là [[xác suất có điều kiện]] cho việc "ta phải đợi lần xuất hiện đầu tiên thêm nhiều hơn, chẳng hạn, 10 giây nữa, biết rằng ta đã đợi 30 giây rồi mà chưa được" không khác với xác suất của việc "ta vừa mới bắt đầu đợi và ta phải đợi thêm ít nhất 10 giây nữa".
:<math>\mathrm{(Dung)}\ P(T_1>40 \mid T_1>30)=P(T_1>10)\,</math>
Dòng 58:
(Công thức trên có nghĩa ''độc lập''. Nhưng hai biến cố này ''không'' độc lập)
== Xem thêm ==
[[Compound Poisson distribution]], [[Compound Poisson process]], [[Continuous-time Markov process]]
Dòng 75:
[[he:תהליך פואסון]]
[[pl:Proces Poissona]]
[[ru:
[[fi:Poisson-prosessi]]
[[uk:Пуассонівський процес]]
|