随机过程 I · 时间线观测
到现在来了几个,第几个还要等多久
同一条到达记录,既能按时间数次数,也能按编号找时刻。再加上“窗内总共六次”这个条件,问题会改变:总数已固定,我们只剩下到达位置的不确定性。
沿一条实际路径读数
已到达部分观察时刻以后的部分选中的第 k 次到达
图表可横向滚动。横轴按实际时间定位,空白长短就是等待的长短;下方每个到达点对应上方一次跳跃。
展开这条路径的到达记录
先取独立均匀点,再排序
原标签顺序下,各点独立均匀。按时间排好以后,第一个点是最小值,并不继续服从均匀分布。
同一个事件的理论概率与样本比例
Erlang 累积分布 F(s)R 条路径的经验累积分布
两条线的纵轴都表示“第 k 次在 s 前已经到达”的概率或比例。图表可横向滚动;橙色经验曲线在样本的真实 Tₖ 处上跳。
- 理论 P(Tₖ≤t)
- 经验比例:已到第 k 次 / R
- 经验 − 理论
固定总数以后,前段服从二项分布
精确条件 PMF · 左柱样本计数频率 · 右柱
同一纵轴比较“前段恰好 j 次”。横向滚动并选择柱,查看目标次数;每条条件路径在整个窗内都恰好有 n 个点。
- 理论恰好 j 次
- 经验频率:符合路径数 / R
- 理论均值与方差
最早的点会靠近哪一端
- 理论首达晚于 t
- 样本中前段无到达的比例
- 窗内首达的理论均值
两个条件与观察约定
未给定总次数时,间隔相互独立并服从 Exp(λ),到达时刻是间隔的累加;因此 Tₖ 的均值为 k/λ,方差为 k/λ²。计数按右连续约定:到达恰在 t 时,已经计入 N(t)。
给定 N(T)=n 时,排序之前的 n 个点独立均匀,排序后的时刻彼此相关。前段计数服从 Bin(n,t/T),λ 从条件分布中消掉。n=0 时窗内没有首达,不能套用 T/(n+1) 当作窗内首达均值。
主路径记录整个显示窗内的到达,并至少保留前 12 次;窗外时刻仍以真实数值列出。单条主路径以 10,000 次到达为保护上限,若达到该上限会提示重新选择种子,不交付被截短的路径。