Poisson

O Processo de Poisson
Srie: Processos Estocsticos

Disciplina: Mtodos Matemticos 1C
Dennis S. Poisson, Sceaux, France
PROCESSODEPOISSON
PROCESSODEPOISSON
1- INTRODUO
2 - PROCESSODEPOISSON
3 - TEMPOS DECHEGADA
4 - TEMPOS ENTRECHEGADAS
5 - TEMPOS DECHEGADA NO-ORDENADOS
6 - PROCESSODEPOISSONFILTRADO
7 - PARTICIONAMENTOALEATRIO
1- INTRODUO
Processo de Contagem
Muitos fenmenos fsicos so probabilisticamente descritos
pelo mesmo processo de formao de uma fila. Os clientes
chegam aleatoriamente e independentemente um do outro a
uma taxa normalmente constante de clientes/segundo.
1
2
3
.
.
.
k
4
t
N
N(0)=0
P
1
=t
P
+ de 1 em t
= 0
t -> 0
Processo Aleatrio de Contagem {N
t
, 0 t< <+ }
a. a varivel aleatria de contagem N
t
assume unicamente
valores inteiros no negativos e
N
0
0
b. o processo aleatrio de contagem {N
t
, 0 t<+} tem
estacionaridade e incrementos independentes.
c.
P N N t t
t t t
[ ] ( )
+
+
1 0
d.
P N N t
t t t
[ ] ( )
+
>
1 0
onde uma constante positiva e onde 0(t) uma funo
de t a qual vai a zero mais rapidamente que t, i.., onde
0(t) uma funo tal que
lim
( )
t
t
t

0
0
0
Um processo aleatrio o qual satisfaz as hipteses (a) a
(d) chamado um Processo de Contagem de Poisson e,
como vamos mostrar, o nmero de eventos que ocorre
em um dado intervalo de tempo tem uma Distribuio de
Probabilidade de Poisson.
(1)
Das propriedades c e d tiramos que
P N N P N N
P N N P N N
t t t
t t
P N N t t
t t t t t t
t t t t t t
t t t
[ ] [ ]
( [ ] [ ])
( ( ) ( ))
( )
[ ] ( )
+ +
+ +
+

+ >
+ +

+

0 1 1
1 1 1
1 0 0
1 20
0 1 0
(2)
Vamos agora determinar a distribuio de probabilidade da
varivel aleatria de contagem N
t
. Consideremos o intervalo
(0,t+t] e dividamos ele em dois conforme figura abaixo:
0
t t+t
t
Introduzimos a notao
p t P N k
k t
( ) [ ]
e
p t t t P N k N j
j k t t t ,
( , ) [ | ] +
+

O evento condicional [N
t+t
=k | N
t
=j]
Consideremos a probabilidade de que nenhum evento ocorra no
intervalo (0,t+t]. Esta situao ocorre quando nenhum evento
ocorre no intervalo (0,t] e nem no (t,t+t].
Intervalos no sobrepostos => incrementos v.as independentes:
p t t p t p t
0 0 0 0
( ) ( ) ( )
,
+
Segue-se (2) e (3) que
p t t t
0 0
1 0
,
( ) ( ) +
Usando este resultado em (4), subtraindo p
0
(t) de ambos os
lados e dividindo por t, teremos
p t t p t
t
p t p t
t
t
0 0
0 0
0 ( ) ( )
( ) ( )
( ) +
+
(4)
Passando o limite t 0, tem-se
d p t
d t
p t
0
0
( )
( )
como a equao diferencial para probabilidade de que nenhum
evento ocorra em um intervalo de durao t. Sua soluo ,
p t ce
t
0
( )

notando que
p c
0
0 1 1 ( )
segue-se
P N p t e
t
t
[ ] ( )

0
0

Tendo obtido p
0
(t) vamos determinar p
k
(t) para k 1.
Comeando de N
0
=0, N
t+ t
pode tornar-se igual a um inteiro k de
diversas formas: pode ser que no acontea nenhum evento no
intervalo (0,t] e k eventos no (t,t+t]; pode acontecer um evento no
intervalo (0,t] e k-1 no (t,t+t]; etc. Dessa forma, podemos escrever
p t t p t p t
k j j k
j
k
( ) ( ) ( )
,
+

0
pois so eventos mutuamente exclusivos.
(5)
Determinao de p
k
(t)
Passo A. Mostrar que
p t t
j k ,
( ) ( ) 0
p t p t t t P N k N j P N N k j
P N k j
j k j k t t t t t t
t
, ,
( ) ( , ) [ | ] [ ]
[ ]

+

+ +
se 0 j k-2, ento
k j k j > 2 1
Logo,
p t P N t
j k t ,
( ) [ ] ( )
> 1 0
0 j k-2,
Passo B. Mostrar que
dp t
dt
p t p t
k
k k
( )
( ) ( ) +

1
Como vimos em (5)
p t t p t p t
k j j k
j
k
( ) ( ) ( )
,
+

0
assim

+ + +
2
0
, , 1 1 ,
) ( ) ( ) ( ) ( ) ( ) ( ) (
k
j
k k k k k k k j j k
t p t p t p t p t p t p t t p
Como vimos no Passo A.
p t t
j k ,
( ) ( ) 0
0 j k-2,
assim

+ + +
2
0
, , 1 1
) ( ) ( ) ( ) ( ) ( ) ( 0 ) (
k
j
k k k k k k j k
t p t p t p t p t p t t t p
Lembrando que
p t P N k k t t
k k t ,
( ) [ ] ( )
+ 0 1 0
e que
p t P N k k t t
k k t
+ +
1
1 1 0
,
( ) [ ] ( )

teremos que
) ( 0 ) ( ) ( ) (
) ( 0 ) ( ) ( ) ( ) ( 0 ) (
2
0
1 1
t t p t t p t p
t t p t t p t p t t t p
k k k
k
j
k k j k
+
+ + + +

Subtraindo p
k
(t) em ambos os lados, dividindo por t e
tomando o limite,
lim
( ) ( )
lim
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( )

t
k k
t
k
j
j
k
k
k
k
k k
p t t p t
t
p t
t
t
t
p t p t
p t
t
t
p t
t
p t p t
t
t

+ + +
+ +
'
0 0
0
2
1
1
0
0 0
+

dp t
dt
p t p t
k
k k
( )
( ) ( )
1
Passo C.
Para k=1 temos que
dp
dt
p p
1
1 0
+
dp
dt
p p
2
2 1
+
mas, como visto,
assim
dp
dt
p te
dp
dt
e e p t
t t t 2
2
2 2
2
2
+ +

[ ] [ ]
d
dt
p e t d p e tdt
t t
2
2
2
2

K=2
p t te
t
1
( )

p t
t
e
t
2
2
2
( )
( )

dp
dt
p p
3
3 2
+
mas, como vimos
assim
dp
dt
p
t
e
dp
dt
e e p
t
t t t 3
3
2
3
3
3 2
2 2
+ +

( )
[ ] [ ]
d
dt
p e
t
d p e
t
dt
t t
3
3 2
3
3 2
2 2

K=3
p t
t
e
t
2
2
2
( )
( )

p t
t
e
t
3
3
3
( )
( )
!

(idntico)
Logo, por induo finita,
P N k
t
k
e
t
k
t
[ ]
( )
!

Portanto, a varivel aleatria contnua N
t
tem uma distribuio de
probabilidade de Poisson.
Pode-se mostrar que
E[N
t
]=var[N
t
]= t
PROCESSODEPOISSON
PROCESSODEPOISSON
1- INTRODUO
1- INTRODUO
3- Tempos de Chegada
Freqentemente necessrio se estudar o tempo requerido para que
um dado nmero de eventos k ocorra , assim como contar o nmero
de eventos que ocorrem em um dado intervalo de tempo t.
Chamaremos ento o tempo de ocorrncia t
k
do k-simo evento de
tempo de chegada do k-simo. Chamaremos a varivel aleatria que
representa a distribuio dos possveis valores dos tempos de
chegada de T
k
.
1
2
3
.
.
.
k
Determinar a relao entre a funo distribuio de probabilidade do tempo
de chegada do k-simo evento, T
k
, e a varivel aleatria de contagem N
t
:
Por definio
F t P T t
T k
k
( ) [ ]
O evento [T
k
t] equivalente a [N
t
> k-1], e dessa forma tm a
mesma probabilidade. Assim:
[ ] [ ]
[ ] [ ] [ ]
T t N k
P T t P N k P N k
k t
k t t
>
>
1
1 1 1
Escrevendo o resultado acima em termos das correspondentes funes
distribuio de probabilidade, teremos que
F F k
T N
k t
1 1 ( )
Resultado vlido para qualquer processo de contagem desde que
N
0
=0.
(6)
Vamos aplicar o resultado anterior ao caso do processo de contagem
de Poisson. Como visto
P N j
e t
j
t
t j
[ ]
( )
!

quando {N
t
,0 t<+ } um processo de contagem de Poisson.
Dessa forma, para k 1,
F k P N j
e t
j
N t
t j
j
k
j
k
t
( ) [ ]
( )
!

1
0
1
0
1
Usando o resultado (6), segue-se ento que

F t e
t
j
T
t
j
j
k
k
( )
( )
!

1
0
1

para t 0
para t<0 0
PROCESSODEPOISSON
PROCESSODEPOISSON
1- INTRODUO
1- INTRODUO
4- Tempos entre chegadas
Tendo considerado os tempos de chegada T
k
de um um processo
de contagem aleatrio {N
i
, 0 t<+ }, vamos agora estudar algumas
das propriedades estatsticas dos intervalos entre sucessivos tempos
de chegada.
Chamaremos as duraes destes intervalos Z
k
de intervalos entre
chegadas, onde
Z T
Z T T
k k k
1 1
1

,para k=2,3,4,...
t
0
t
1
t
2
t
k-1
t
k
z
1
z
2
z
k
A seqncia de intervalos entre chegadas forma dessa forma um
processo aleatrio de parmetro discreto com varivel aleatria
contnua {Z
k
, k=1,2,3,...}.
Vamos agora determinar a funo distribuio de probabilidade do
K-simo intervalo entre chegadas, Z
k
, em termos da distribuio de
probabilidade da varivel aleatria de contagem N
t
.
Para isto vamos primeiro determinar a probabilidade
) z ( F 1 ] z Z [ P 1 ] z Z [ P
k
Z k k
>
Segue-se, da definio de intervalo entre chegadas, que o evento
[Z
k
>z] e [T
k
- T
k-1
>z] so equivalentes
[ ] [ ] [ ] Z z T T z T T z
k k k k k
> > > +
1 1
Suponha que o valor observado de T
k-1
t
k-1
.
O evento [T
K
>T
k-1
+z|T
k-1
=t
k-1
] ocorre iff o processo de contagem
no incrementar durante o intervalo (t
k-1
,t
k-1
+ z]:
[ | ] [ ] T T z T t N N
k k k k t z t
k k
> +
+

1 1 1
1 1
0
Desde que os eventos so equivalentes, eles tm probabilidades iguais.
Obtemos ento o resultado
P Z z T t P N N
k k k t z t
k k
[ | ] [ ] >
+

1 1
1 1
0
Dessa forma, segue-se que
F z T t P N N
Z k k t z t
k k k
( | ] [ ]
+

1 1
1 1
0
(7)
Se o processo de contagem estacionrio, ento segue-se que
a probabilidade no lado direito da equao anterior uma funo
unicamente de z; em particular,
P N N P N
t z t z
k k
[ ] [ ]

+

1 1
0 0
pois, por hiptese, N
0
= 0.
A funo distribuio condicional no lado esquerdo de (7) dessa
forma independente do valor particular de k, e temos finalmente que
F z P N
Z z
k
( ) [ ] 1 0
para todo k=1,2,3,...
Como este resultado independente do valor do ndice k, segue-se que
se o processo de contagem estacionrio, ento os vrios intervalos
entre chegadas tero todos a mesma funo distribuio de probabilidade.
PROCESSODEPOISSON[ Parte II ]
PROCESSODEPOISSON[ Parte II ]
1- INTRODUO
6- PROCESSODEPOISSONFILTRADO
1- INTRODUO
6- PROCESSODEPOISSONFILTRADO
1 Passo:
Suponha que exatamente k eventos de um processo de
Poisson ocorrem em um intervalo de durao t. Em outras
palavras N
t
= k, onde N
t
uma varivel aleatria de
Poisson. Se particionarmos (0,t] em M subintervalos
adjacentes para os instantes de tempo t
0
, t
1
, t
2
,..., t
M
,
considerando:
t t e t
M o
'
M m para t t
m
,..., 2 , 1 ' '
1

E definindo:
Temos a situao de partio representada a seguir:
Podemos escrever:
No h relao a priori entre os tempos em que os eventos
ocorrem (t
k
) e os instantes da partio t
m
.
M
m
m
t
1
m
t'
t t
M
'
m
) (
m

L
2 Passo:
Nmero de eventos que ocorrem em um subintervalo:
M m onde t t
m m m
,..., 2 , 1 ] ' , ' ( ) (
1

Segue que:
Exatamente k eventos ocorreram no intervalo (0,t].
M
m
m
k k
1
A probabilidade condicional conjunta de k
m
eventos
ocorrerem durante o intervalo (
m
), m = 1,2,..., M,
considerando a hiptese de que k eventos ocorrem durante
o intervalo inteiro :
] | ,..., , [
2 1
2 1
k N k N k N k N P
t M
M

] [
] , ,..., , [
2 1
2 1
k N P
k N k N k N k N P
t
t M
M

) 1 (
] [
] ,..., , [
2 1
2 1
k N P
k N k N k N P
t
M
M

) 2 ( ] [ ] ,..., , [
1
2 1
2 1

M
m
m M
k N P k N k N k N P
m M

O nmero de eventos Distribuio de Poisson
podemos reescrever
!
) (
] [
m
k
m
m
k
e
k N P
m m
m

!
) (
] [
k
t e
k N P e
k t
t

Levando os resultados acima em (1):
Obtemos a probabilidade condicional conjunta:
] | ,..., , [
2 1
2 1
k N k N k N k N P
t M
M

!
) (
!
) (
1
k
t e
k
e
k t
M
m m
k
m
m m
!
!
) (
1
... ) ... (
2 1 2 1
k
t
k
e
e
k
M
m m
k
m
k
k k k
t
m
M M

+ + +
+ + +
M
m
m
k
m
k
k t
k
m
1
!
) ( !
3 Passo:
Particionamento suficientemente bom apenas um evento
ocorra em cada subintervalo. Nesse caso, cada um dos k
subintervalos ter apenas um evento ocorrendo em sua
durao, ou seja:
1 ! ) (
m m
k
m
k e
m

No ocorrer nenhum evento em cada um dos M-k
subintervalos restantes:
1 ! 0 ! 1 ) (
0

m m
k
m
k e
m

] | ,..., , [
2 1
2 1
k N k N k N k N P
t M
M

M
m
m
k
m
k
k t
k
m
1
!
) ( !
Reindexaremos os k subintervalos, de modo que o
subintervalo (
j
) contenha o j-simo evento a ocorrer.
O tempo de ocorrncia do j-simo evento o tempo de
chegada t
j
, ficamos apenas com a probabilidade condicional
conjunta de ocorrncia dos eventos [t
j
(
j
)], j = 1, 2, ..., k:
] | ) ( ),..., ( ), ( [
2 2 1 1
k N t t t P
t k k
) 3 (
!
1
k
j
j
k
t
k
4 Passo:
k eventos ocorrem durante [0,t], o mesmo resultado pode
ser obtido assumindo que os tempos de chegada t
j
so as
estatsticas de ordem dos tempos de evento (ou tempos de
chegada no-ordenados).
g Variveis aleatrias mutuamente independentes
g Uniformemente distribuda em [0,t]
Podemos indexar os objetos que causam eventos
particulares pelos inteiros 1, 2, ..., k e denotar como u
i
o
tempo de evento que o objeto i leva para que um evento de
interesse ocorra.
No garantia a priori que #i gere o i-simo evento a ocorrer
(em ordem) no garantia u
i
= t
i.
1
0 t
2
t
i
t
j
t
k
t t
2
u
k
u
1
u
i
u t
5 Passo:
Seja U
j
a v.a. da distribuio dos valores dos u
i
empricos,
dizemos que as v.as T
i
so as estatsticas de ordem das
v.as U
j
. Em seguida assumimos:
g Variveis aleatrias mutuamente independentes
g Uniformemente distribudas em [0,t]
Estamos assumindo que dado N
t
= k, os U
j
so
mutuamente independentes e:
k i
contrrio caso
t u
t
k N u f
i
t i U
i
,..., 2 , 1 ,
, 0
0 ,
1
) | (
'
<

Como os U
j
so v.as independentes:
k i
contrrio caso
t u
t
k N u u u f
i
k
t k U U U
k
,..., 2 , 1 ,
, 0
0 ,
1
) | ,..., , (
2 1 ,..., ,
2 1

'
<

Existem k! diferentes conjuntos de tempos de eventos
[u
j
, i = 1, 2,..., k] que poderiam gerar um conjunto particular
de tempos de chegada. Da:
) 4 ( ,..., 2 , 1 ,
, 0
0 ,
!
) | ,..., , (
2 1 ,..., ,
2 1
k j
contrrio caso
t t
t
k
k N t t t f
j
k
t k T T T
k

'
<

Retornando aos k subintervalos (
j
) da eq.(3), a
probabilidade de um T
1
cair em um subintervalo (
1
), de
durao
1
, que T
2
caia num subintervalo (
2
), de durao
2
, e assim sucessivamente dada pela f.d.p condicional
conjunta escrita em (4), ou seja:
] | ) ( ),..., ( ), ( [
2 2 1 1
k N T T T P
t k k

k
j
j
k
k
k
t
k
dt dt dt
t
k
K
1
2 1
) ( ) ( ) (
! !
1 2

L L
Esse resultado idntico ao obtido em (3), completando
nossa prova.
Q.E.D
TEMPOS DECHEGADA NO-ORDENADOS
TEMPOS DECHEGADA NO-ORDENADOS
PROCESSODEPOISSON
PROCESSODEPOISSON
1- INTRODUO
1- INTRODUO
Definio
Suponha que excitamos aleatoriamente um operador linear
com um processo de Poisson. Isto , o processo aleatrio
que descreve o fenmeno de interesse, [X
t
, 0 t <+] pode
ser escrito:
onde U t h X
t
N
j
j t
, ) (
1

g u
j
gera h(t- u
j
) em um tempo t
g N
t
descreve o n de eventos que ocorreram em(0,t]
g U
j
so os TCNO dos eventos que ocorreram em(0,t]
Temos o chamado Processo de Poisson Filtrado.
Valor Esperado de X
t
:
) 1 ( ] | [ ] [ ] [
0

k
t t t t
k N X E k N P X E
PROCESSODEPOISSONFILTRADO
A mdia condicional E[X
t
| N
t
= k] obtida tomando a mdia
da soma:
com relao aos tempos de chegada no-ordenados
U
1
, U
2
, ..., U
k
.
k
j
j
U t h
1
) (
1
]
1
k
j
j t t
U t h E k N X E
1
) ( ] | [

k
j
j
U t h E
1
)] ( [
Resultados anteriores nos do:
k j
contrrio caso
t u
t
k N u f
t U
j
,..., 2 , 1 ,
, 0
0 ,
1
) | (
'
<

k
j
k
j
t
j j j t t
du u t h
t
U t h E k N X E
1 1
0
) (
1
)] ( [ ] | [
) 2 ( ) ( ] | [
0

t
t t
du u h
t
k
k N X E
Ficando:
Fazendo u = t-u
j
:
Substituindo (2) em (1), chegamos esperana de X
t
:

0
0
] [ ) (
1
] [
k
t
t
t
k k N P du u h
t
X E

t
du u h
0
) (
Q.E.D
Distribuio de X
t
:
1
1
]
1
1
]
1
t
t
t
N
j
j
ivX
X
U t h iv E e E v
1
) ( exp ] [ ) (
Analogamente:
Onde:
] | [ ] [ ) (
0
k N e E k N P v
t
ivX
k
t X
t
t

1
1
]
1
1
]
1
k
j
j t
ivX
U t h iv E k N e E
t
1
) ( exp ] | [
Substituindo o resultado acima em:
1
]
1
k
j
U t ivh
t
ivX
j
t
e E k N e E
1
) (
] | [
[ ]
k
j
U t ivh
j
e E
1
) (
k
t
u ivh
k
j
t
j
u t ivh
du e
t
du e
t
j
1
]
1
0
) (
1
0
) (
1 1
] | [ ] [ ) (
0
k N e E k N P v
t
ivX
k
t X
t
t

Relembrando a expanso da funo exponencial em sries

de potncias:
k
t
u ivh
k
t
k
t
u ivh
k
k t
X
du e
k
e du e
t k
t e
v
t
1
]
1
1
]
1
0
) (
0
0
) (
0
!
1 1
!
) (
) (
1
]
1
t
u ivh t
X
du e e v
t
0
) (
exp ) (

[ ]
'
t
u ivh
du e
0
) (
1 exp
Q.E.D
PROCESSODEPOISSON
PROCESSODEPOISSON
1- INTRODUO
1- INTRODUO
7- PARTICIONAMENTOALEATRIO
7- PARTICIONAMENTOALEATRIO
Dado um Processo de Poisson Filtrado, [X
t
, 0 t <+],
formamos um novo processo [Z
t
, 0 t <+] selecionando
aleatoriamente apenas alguns dos eventos bsicos. Isto ,
se:

t t
N
j
j j t
N
j
j t
U t h Y Z ento U t h X
1 1
) ( , ) (
g Tm P[Y
j
=1] = p e P[Y
j
=0] = 1-p = q
g Mutuamente independentes
g Independentes dos U
j
s
O processo particionado um Processo de Poisson Filtrado
com taxa p vezes a taxa do processo bsico.
Valor Esperado do novo processo Z
t
:
) 1 ( ] | [ ] [ ] [
0

k
t t t t
k N Z E k N P Z E
A esperana condicional E[Z
t
| N
t
= k] obtida tomando a
mdia de ambas as v.as U
1
, U
2
, ..., U
k
e as v.as
Y
1
, Y
2
, ..., Y
k
.
1
]
1
k
j
j j t t
U t h Y E k N Z E
1
) ( ] | [

k
j
j j
U t h Y E
1
)] ( [
Substituindo (2) em (1):
] | [ k N Z E
t t

k
j
j j
U t h Y E
1
)] ( [

k
j
j j
U t h E Y E
1
)] ( [ ] [
) 2 ( ) ( ) (
1
0 0

k
j
t t
j j
du u h
t
kp
du u t h
t
p
1
]
1

0
0
) ( ] [ ] [
k
t
t t
du u h
t
kp
k N P Z E
Pelo resultado anterior E[Z
t
] = p E[X
t
], ou seja, o valor
esperado depois do particionamento aleatrio
simplesmente p vezes o valor esperado antes do
particionamento.
Q.E.D

0
0
] [ ) (
k
t
t
k N kP du u h
t
p
t
du u h p
0
) (
1
]
1

0
0
) ( ] [ ] [
k
t
t t
du u h
t
kp
k N P Z E

Poisson

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Poisson

Diunggah oleh

Hak Cipta:

Format Tersedia

O Processo de Poisson

Srie: Processos Estocsticos

Usando o resultado (6), segue-se ento que

Relembrando a expanso da funo exponencial em sries

Anda mungkin juga menyukai