Print version - Wydawnictwa PTM
Transkrypt
Print version - Wydawnictwa PTM
ROCZNIKI POLSKIEGO TOWARZYSTWA MATEMATYCZNEGO Seria III: MATEMATYKA STOSOWANA X (1977) LUCJA GRZEGÓRSKA (Lublin) Charakteryzacja rozkładu Poissona w modelach dyskretnych z zaburzeniem (Praca przyjęta do druku 24.11.1975) 1. Wstęp. W praktyce często zachodzi konieczność badania populacji niejednorodnych, tj. składających się z dwóch podpopulacji, w którychjedna ma stałą wartość cechy, w drugiej zaś cecha ma określony rozkład prawdopodobieństwa. Zatem badana cecha ma rozkład będący mieszaniną rozkładu dyskretnego z rozkładem zdegenerowanym, czyli rozkład postaci (I) gdzie O < rx ~ 1, a q(x; A1 , .•• , Ak) jest rozkładem prawdopodobieństwa o parametrach A1, A2 , ••• , Ak. Rozkład postaci (1) będziemy nazywać rozkładem dyskretnym ze zniekształce niem w punkcie x = s. Szczególnymi postaciami rozkładu (1 ), które będziemy dalej wykorzystywać, są rozkład dwumianowy i Poissona ze zniekształceniem, tj. rozkłady gdzie 0< rx (3) ~ dla dla X= 0, X= 1, 2, ... ,n, "+ ixe-' dla X= Ó, -J. dla X= . f 1-a+ciqn q(x' p, n, rx). = \ ctG)pxqn-x (2) 1, O<p<l,p+q=I, q(x; A, rx) = { I- ;.x ct-e x! 1~ 2, ... , gdzie O < rx ~ 1, A > O. R.C. Rao i H. Rubin [3], R.C .. Srivastawa i A.B.L Srivastawa [5] i inni rozważali „zakłócony" proces Poissona, tj. proces Poissona z parametrem A., w którym każde z kolejnych zdarzeń jest obserwowalne lub nie, niezależnie od innych zdarzeń, z jednakowym prawdopodobieństwem p. Niech X oznacza rzeczywistą liczbę zdarzeń w ustalonym odcinku czasu - proces wejściowy, a Y liczbę zdarzeń obserwowalnych - proces wyjściowy. W pracach [2], [3], [5] zakłócenia mają· charakter dwumianowy, tj. prawdopodobieństwo tego, (55] 56 że L. Grzegórska obserwacja X = n zostanie zredukowana do r s(r; n)= W roku 1963 R.C. Rao [2] ~ n, jest równe (~)prqn-r. wykazał, że dla procesu wyjściowego zachodzą rów- ności P[Y = r] = P[Y = rlA] = P[Y = rlA] = _(A~y e-;.p, (4) r. gdzie A oznacza zdarzenie, że nie wystąpiło zaburzenie procesu X. R.C. Rao i H. Rubin [3] wykazali, że warunek (4) charakteryzuje rozkład Poissona, a R.C. Srivastawa i A.B.L Srivastawa [5] udowodnili, że jeśli X jest procesem Poissona i zachodzi (2), to proces zaburzeniowy podlega rozkładowi dwumianowemu. W tej pracy zajmować się będziemy „zakłóconym" procesem Poissona w przypadku, gdy zakłócenia mają charakter zniekształconego rozkładu dwumianowego. Tego typu zakłócenia mogą powstać wtedy, gdy z pewnym prawdopodobieństwem a obserwujemy proces zakłócony opisany wyżej, a z prawdopodobieństwem 1- r:t. nie możemy obserwować żadnego ze zdarzeń. Wyobraźmy sobie np. urządzenie w rodzaju licznika Geigera, które jednak rejestruje tylko niektóre cząstki (przy czym rejestracje lub nierejestracje są niezależne dla różnych zdarzeń i następują ze stałym prawdopodobieństwem), a ponadto, urządzenie to może ulegać „blokadzie"; w czasie której nie rejestruje się niczego. Twierdzenia podane w tej pracy pozwalają orzekać o postaci procesu wejściowego (ciągu sygnałów) przy znanym charakterze urządzenia i znanych wynikach obserwacji lub też odwrotnie, orzekać o charakterze urządzenia gdy znamy charakterystykę procesów na wejściu i na wyjściu, dokładniej - gdy wiemy, że procesy te spełniają określone warunki. 2. Główne wyniki. TWIERDZENIE 1. Niech X (proces wejściowy) będzie zmienną losową o rozkładzie Poissona z parametrem A. > O, s(r; n)- prawdopodobieństwem redukcji wartości X = n do r, Y (proces wyjściowy) - zmienną losową obserwowaną, a A - zdarzeniem, że nie wystąpiło zakłócenie X. Jeśli (5) s(r; n) = l fJ + r:t.qn „ n-r r lfJ q r:t.(n) r = O, r = 1, 2, ... , n, dla dla gdzie O< p < I, p+q = 1, O< r:t. ~ 1, a+{J = 1, to r = O, dla {J+ae-i.p (6) (7) P[Y = r] = { a (Ap)'" e -i.p 71 d''a ,, r = 1, 2, „ ., dla r =O, dla r = 1, 2, . „, Charakteryzacja rozkładu 57 Poissona oraz (8) dla r = O, dla r = I, 2, ... , gdzie et et ---- Cl,+ {Je-AP' 1 - a2 a = _ct_+_(J_(_l--e-----,A-)/-(1---e-_-=-Aą-) ' f31 = 1-ah D o wód. f32 = l-et2. n] przez Pn mamy Oznaczając P[X = oo P[Y = r] = Lpns(r; n), (9) n=r (10) p,s(r; r) P[Y = rlA] = oo L p,s(r; r) r=O co (Il) P[Y L PnS(r; n) = rlA] = -c:-=_r+_~---- 2: L r=On=r+l PnS(r; n) Na podstawie (5) i (9) otrzymujemy: dla r = O i dla r ~ 1 n=r co dowodzi (6). Proste przekształcenia (5) i (10) (8). prowadzą . r] _ WNIOSEK. Jeśli spełnione .są założenia do wzoru (7), a (5) i (11) - do wzoru twierdzenia 1, to P[Y = -Ap P[Y = rlA] - a.+(Je oraz P[Y = O] P[Y= OIA] Udowodnimy teraz I następujące dla r ~ 1 P[Y = I] AP P[Y= llA] - a.+(Je. twierdzenie: 58 L. Grzegórska TWIERDZENIE dyskretnym {pn, X, a Y Jeśli 2. Niech X (proces o rozkładzie nie wystąpiło zakłócenie wejściowy) będzie zmienną losową O}, A - zdarzeniem n~ oznaczającym, że zmienną losową obserwowaną. s(r; n) ma (5) oraz postać (12) f3 -Ai P[Y = r] _ p [Y = rlA] - a+ e (13) P[Y = O] P[Y = OjA] r ~ 1, dla I P[Y = 1] P[Y = 1/A] = ct.+{Je A1 ' = r] = p (r; a, A1), O < et < 1, rx+fJ = 1; P [Y = rlA] = p (r; O< ct 1 < 1, ct 1 +{3 1 = 1, A1 > O, to gdzie P[Y Do wód. Z warunku (12) wynika, ze dla r Ale = P[Y r] = 2 P[Y = r-1] P[Y = r-llA]" P[Y = r] P[Y = rlAJ (14) ~ dla r =O, dla r oo (X LPn(~)p'qn;r = 1, 2, „., n=r oraz P[Y = rlA]. = gdzie Pn = P[X = Po dla r = O, ap„p' dla r n] > O. Podstawiając powyższe wartości .dla ~ 1, 2, .. 2 do (14), otrzymujemy oo ~) n=r n=r-1 ( n ) n+l-r ~ (n) n-r = Pr ~ · · ~ Pn r-1 q Pr-1 L.J Pn r q (15) Porównanie w tym wzorze r współczynników Pr.. •l Pn= - --pn,_1, n Pr-1 W r = szczególności dla r = 2, r przy · qn-r = .2, 3, ..f'.; n ~ 2 mamy · daje ~ ~ r. Cl.i, A1 ), Charakteryzacja rozkładu 2 Pn = 2p2 Pn-1 = ( 2p2 )' Pn-2 = ... n(n-1) P1 n Pi Przyjmując I= (16) 2p 2 /Pi otrzymujemy An-1 Pn = - 1-Pi, n. oo Stąd oraz z warunku L Pn = 59 Poissona I n = 1, 2, = ( 2p2)n-l1!2_• teraz pod n! = 1 otrzymujemy „. I mamy n=O (17) Weźmy Pi uwagę równość (12). oo oo n=l n=O Przyjmując r Lnpnqn-l(PPo+CI. LPnP"] = Pi(li+,Be-l 1). e;. oraz przyjmując A = Mnożąc ostatnią równość przez .A. 1 /p i wykonując proste przekształcenia, możemy napisać oo n oo oo ,BpoeA L (n+ l)Pn+iqn+ae;. L [L L (- l)k(i)(n+ 1-k)Pn+i-kPi] qn n= O k=O i=k n=O Porównując współczynniki = przy q" mamy: dla n = O oo PP0PieA+C1.e;.pi LPi = ct.pie"+PP1 (18) i=O oraz dla n~ 1 n (19) oo ,8(n+l)PoPn+1e"+C1.eA LL<...:.1)k(L)(n+l -k)pn+1-kPi = PP1 - k=O i=k Na mocy (18) (20) p0 A~. n. = e-i. Przyjmując we wzorze (19) n = 1 oraz wykorzystując (20) i (16) otrzyrtmjemy (21) ap 1eA = [,B(I-J.)+aJ:ei]e-1. . że (17) i (20) implikują równość Zauważmy , -ter~z, I+p 1 e\eL- l) = ..f</. . ~ - Wstawiając (21) do ostatniej równości,' po prostych przekształceniach mamy (22) Z ostatniej (23) równości widać, że musi być 60 L. G r z e g ó r s k a Ostatni wzór oraz (16), (17) i (20) pozwalają nam ostatecznie napisać' An -.?. e ; n.1 n = O, 1, 2, „., Pn = - co dowodzi twierdzenia 2. TWIERDZENIE 3. Niech X (proces wejściowy) będzie zmienną losową o rozkładzie dyskretnym {Pn, n;;;::: O}, A - zdarzeniem oznaczającym, że nie wystąpiło zakłócenie, a Y (proces wyjściowy)- zmienną losową obserwowaną. Jeśli s (r; n) ma postać (5) oraz i P[Y = P[Y = rlA] (12') = P[Y = O] P[Y = OIA] (13') a+ ,8(1- e-..lif P)/(1- e_;. qf P) I 1 dla r ;;;::: I, 1-eAl I ,8 P[Y = I] P[Y = 1IA] = + ae;. 1qfp + ,Be;.1/P _ l ' gdzie P[Y = r] = p(r; a, A. 1 ), O< rx < 1, a+,B = 1, A. 1 >O, r =O, 1, 2, „.; P[Y = = rlA] = p(r; il.2, J. 1 ), O < a 2 < 1, rx 2+ ,82 = 1, A. 1 > O, to D o w ó d. Analogicznie jak w twierdzeniu 2, (12') i (13'), że (24) Pn+1 = dla (n+ l)! P1 można dowieść, wykorzystując n= O, 1, 2, oo Ponieważ L Pn = n=O 1, więc +,-, Po oo In ~ (n+l)! P1 =I, n=O a stąd (25) Kładąc w (12') r = 1 oraz A. = A. 1 /p mamy a stąd oo n ~ ~ .A,n+l-j (1-,Bpo) ~~(j+l)Pi+1 (n+l-j)! q n=O i=O n+l - „. Charakteryzacja L L (j+2)Pi+2 · (:~~! oo = n teraz współczynniki (n+2)Pn+2qn+1. n=O przy qn+ 1 mamy dla n = O I(l - A.(1- Po) = (26) L oo qn+l(l-{Je-J.)-a n=O j=O Przyrównując 61 Poissona rozkładu e-J.). Na mocy (25) i (26) Podstawmy (27) Stąd na mocy (24) (28) Wykorzystując (29) Po = 1-b+be-:A, Pn = - In b-e-;. n! n = 1, 2, ... teraz wzory (5), (9), (11) i (28) otrzymujemy P[Y = r] = {I -ab+abe->e>• dla r =O, ab -- - e dla r = 1, 2, „. r2+a2e-" dla r =O, IY.z-„- - e dla r = 1, 2, „„ (Ipy _-;.p r! oraz (30) P[Y = rlA] = (ipy -~P 1 gdzie IY.2 = ab(e).-e1P) ab(e).- eJ.P) + flb(eL 1) ' fl2 = 1-<Xz. Na mocy (29) i (30) oraz założeń twierdzenia: P[Y = r] = p(r; a, J. 1 ), P[Y = rlA] = = p(r; <X 2 , J. 1 ) wnioskujemy, że A1 = 1p, czyli 1 = J.ifp = A. Stąd, na podstawie (27), b = 1, co łącznie z (28) daje wzór Pn i kończy ;.n -J. = - ,-e , n. n = O, 1, 2, . „, dowód twierdzenia. twierdzenie dotyczy procesu zaburzeniowego. Następne 62 L. Grzegórska TWIERDZENIE 4. Niech X (proces wejściowy) będzie zmienną losową o rozkładzie Poissona z parametrem A > O, A - zdarzeniem oznaczającym, że nie wystąpiło zakłócenie X, a Y (proces wyjściowy)- zmienną losową obserwowaną. Jeśli rozkład zmiennej losowej Y oraz rozkład warunkowy zmiennej losowej Y pod warunkiem A spełniają (12) i (13) z A1 < A, to rozkład s(r; n) ma postać (5). Do w ó d. rzystując Niech Pn = P[X = n] = A~ e-i.. Przyj~ując w n. (12) r = 1 i wyko- (9) i (10) otrzymujemy Podstawiając w ostatniej równości p = A1 /A otrzymujemy po prostych przekształ ceniach Porównując współczynniki. przy _Ai marny L i (31) i=O Podstawiając = s (l ; 1)(a + fJ qi), i s ("i ; z.)· s(l;j-i+l) • • (i) 1-1+ 1 j = o, 1, 2, ... w ostatnim wzorze j = O otrzymujemy s(O; O) s(l; 1) = s(l; 1), skąd s(O; O) (32) Na mocy założenia (12) dla r ~ = 1. 1 mamy = r+ 1] P[Y = rlA] = P[Y = r+ 1IA]" P[Y = r] P[Y Stąd I oo oo PnS (r+ 1; n) . Pr+ 1 s(r+ 1; r+ 1) LPnS(r; n) = PrS(r; r) n=r+l n=r i dalej oo oo n=O n=O _An+r+l ~ • • s(r+ 1; r+ 1) ~ _An+r+l ~ (n+r)! s(r, n+r) = s(r, r) ~ ·(n+r+-l)T s(r+ 1; n+r+ I). r+ 1 Charakteryzacja Przyrównując współczynniki n+r+ (. r + 1 1) przy 63 Poissona rozkładu mamy A_n+r+i l) s(l; 1) ( s(r+ 1; r+ 1) s(r + 1 ; n+ r + 1) = n+ s(l ; n+ 1) dla n = O, 1, 2, ... ; r = O, 1, 2, ... Podstawiając w ostatnim wzorze r = j- 1 mamy s(l; 1) n+j) s(j; j) ( j s(j; n+j) =(n+ 1) s(l; n+ l) (33) dla n = O, 1, ... ; j = 1, 2, ... Podstawiając teraz w (33) n = j-i (i zamieniając j (~) s(i;i)s(l;j-i+l) 1 1-1+ dla i = 1, 2, „.; j • • l = 1, 2, ... rzystując (32) i równość j I i=O na i) otrzymujemy (l· l) ("· .) s ' s l,j = ostatni wzór do (31), a Wstawiając równość jest prawdziwa również s(l;j+l) = s(l; l)(j+l)[s(O;j)-/3(1-qi)], (34) Biorąc ostatnia teraz pod uwagę L-J , j = 1, 2, ... • dla j = O. Zatem j =O, 1, 2, ... (13) mamy oo 1 "\ wyko- s(i;j) = 1, mamy . s(l ·j+ I) . +s(l; 1)-s(l; 1) s(O;J), ~ s(l; 1) (a+f3qJ) = 1 1+ Zauważmy, że następnie }·" n! s(O· n) ' n=O = a+f3e;.P. },s(l; l) ;.n L-,n. s(l; n) oo n=l Stąd, przyrównując współczynniki przy J."+ 1 , otrzymujemy . n pn-i ~(n) f3 s(l; n+ 1) s(O;n) = n+l s(l; l) + s(l; l) ~ j s(I;1+l) j+l, rx Wstawiając (35) Dzieląc n= O, 1,2, ... teraz (34) do ostatniego wzoru, mamy {Js(O; n)+ rx/3(1-q") = f3 (35) przez f3 i wykonując Le) [s(O;j)-/3(1- qi)]p"-i. n j=O proste • przekształcenia otrzymujemy równanie n-1 a(l-q") = L(J)Pn-i[s(O;j)-{3], n= 1, 2, ... , j=O którego rozwiązaniem jest funkcja s(O;j) = f3+rxqi, j =O, 1, 2, ... 64 L. G r z e g ó r s k a Wzór (34) ma więc postać s(l ;j+ 1) (36) Podstawiając j = O, 1, 2, ... = s(I; l)(j+ l)qi, (36) do (31) mamy =I ({)s(i; i)qi-i. j rx+(Jqi i=O Rozwiązanie ostatniego równania ma postać i= 1, 2, ... (37) Wykorzystując teraz (12), mamy dla r oo L n=O Przyrównując ~ 1 rJ.p' · A_n+r )' s(r; n+r) = - 1 ( r. n+r. w ostatniej oo ~ qn . - A.n+r. ~n.1 / n=O przy A_n+r otrzymujemy równości współczynniki r =O, 1, 2, ... Tak więc s(r; n) fJ + rxqn = { rJ.(~)p'qn-r dla r =O, dla r = 1, 2, ... ,n, kończy dowód. Za uwagi i sugestie odnośnie do zastosowań podanych w pracy wyników, dam Doc. Drowi hab. R. Bartoszyńskiemu gorące podziękowania. co skła Bibliografia [1] K. N. Pa n da y, On generalized inflated Poisson distribution, J. Scienc. Res. Benares Hindu Univ. XV (2) (1964-65), str. 157-162. [2] R. C. Ra o, On discrete distributions arising out of methods of accertainment, Internat. Symp. on Discrete Distributioris, McGill University, (1963), str. 320-332. [3] R. C. Ra o, H. Ru b i n, On a characterization of the Poisson distribution, Sankhya, ser. A, 26 (1964), str. 295-298. [4] S. N. Si n g h, A note of inflated Poisson distribution, J. Indian Statist. Assoc. 1.3 (1963). str. 140-144. [5] R. C. Sr i va st a w a, A. B. L Sr i va st a w a, On a characterization of Poisson distribn, lion, J. Appl. Probability, 7 (1970), str. 497-501. (