卜瓦松過程與點過程

生滅過程(birth-death process)

想像一個族群,或一個隊伍裡的人數,或忙線中的電話線數,在連續時間中一次一個地上下變動。一次到達或出生把計數推上一;一次離開或死亡把它拉下一;沒有東西一次跳兩個。生滅過程正是這樣一個計數的連續時間模型:一個活在 0, 1, 2, ... 上、只以單步上下變動的數。

它靠速率運作,而非固定時刻表。當計數處於狀態 n 時,兩個時鐘競爭:「下一次出生」以速率 lambda_n 到來(把 n 帶到 n+1),「下一次死亡」以速率 mu_n 到來(把 n 帶到 n-1),而它們像指數鬧鐘那樣無記憶地競爭——誰先響誰贏。速率可以依當前狀態 n 而定,這正是使此模型靈活之處:出生可能隨族群擁擠而變慢,死亡可能加快。一個 mu_n = 0、lambda 恆定的純出生過程,就只是向上計數的卜瓦松過程;允許死亡則讓計數能回落。這使生滅過程成為一種特殊、特別好處理的連續時間馬可夫鏈——其唯一的移動是到鄰居。

生滅過程是初等排隊與族群建模的骨幹,而它的一大恩賜是一個簡單的平衡條件:在穩態下,跨越任一邊界往上的流量與往下的流量相平衡(細緻平衡),給出每個狀態的長期機率,為速率比 lambda/mu 的整齊乘積。由此你能讀出實用的數字——隊伍為空的機率、平均等待人數、系統超載的可能性。要保持誠實的關鍵建模假設是單步、無記憶的結構:具批次到達(一輛遊覽車一次傾倒 40 位顧客)或服務時間有強記憶的真實系統,並不適合樸素的生滅框架。

一家小店最多只有幾位顧客。以依狀態而定的出生率 lambda_n(新顧客到達)與死亡率 mu_n(顧客服務完離開),細緻平衡給出穩態機率:P(狀態 1)/P(狀態 0) = lambda_0/mu_1、P(狀態 2)/P(狀態 1) = lambda_1/mu_2,依此類推。把這些比值相乘並正規化,便得到長期下恰好有 n 位顧客在場的機率。

計數因出生(速率 lambda_n)上移、因死亡(速率 mu_n)下移;細緻平衡給出穩態。

出生與死亡一次一個且無記憶地發生。批次到達或非指數的服務時間會破壞簡單的生滅結構,需要更一般的模型。

又称
birth and death processnearest-neighbor CTMC生滅過程生死過程