Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
9.3 Ausgedünnte Poisson-Prozesse 75<br />
9.2.2 Def<strong>in</strong>ition (Poisson-Prozess)<br />
Die Menge der Zufallsvariablen {X t , 0 ≤ t ≤ K} mit den Eigenschaften (1)–(3) heißt<br />
Poisson-Prozess zum Parameter λ.<br />
X t<br />
t<br />
zufällige Zeiten<br />
Bemerkung: Eigenschaft (3) lässt sich ersetzen durch (3’): Für 0 ≤ s ≤ t gilt: X t − X s<br />
ist Poisson-verteilt mit Parameter λ(t − s). Wir haben <strong>in</strong> 7.1.9, 3) gezeigt: (1)-(3)⇒(3’).<br />
Umgekehrt läßt sich leicht zeigen: (1)+(2)+(3’)⇒(3).<br />
9.3 Ausgedünnte Poisson-Prozesse<br />
9.3.1 Satz<br />
Sei {X t , t ∈ [0, K]} Poisson-Prozess mit Parameter λ. Seien Z 1 , Z 2 , ... Bernoulli-Variable<br />
mit P (Z i = 1) = p. Weiter seien X t , Z 1 , Z 2 , ... für unabhängig (d.h. für jedes n ≥ 1 und<br />
s<strong>in</strong>d X t , Z 1 , Z 2 , ..., Z n unabhängig).<br />
∑<br />
Dann ist Y t = Xt<br />
Z i Poisson-verteilt mit Parameter λpt.<br />
i=1<br />
Weitergehend ist {Y t , t ∈ [0, K]} Poisson-Prozess mit Parameter λp, wenn <strong>die</strong> geforderte<br />
Unabhängigkeitseigenschaft für alle t > 0 gilt.<br />
Beweis:<br />
Zeige, dass f Yt (z) = e λpt(z−1) gilt. Sei S n = n ∑<br />
P (Y t = k) = P (S Xt = k) =<br />
i=1<br />
Z i . Dann ist:<br />
∞∑<br />
P (X t = n, S n = k) =<br />
n=0<br />
∞∑<br />
P (X t = n)P (S n = k)<br />
n=0<br />
f Yt (z) =<br />
=<br />
=<br />
∞∑<br />
P (Y t = k)z k<br />
k=0<br />
∞∑<br />
k=0 n=0<br />
∞∑<br />
P (Y t = n)P (S n = k)z k<br />
∞∑<br />
∞∑<br />
P (X t = n)( P (S n = k)z k )<br />
n=0<br />
k=0