REPUBLIKA SRPSKA

UNIVERZITET U ISTONOM SARAJEVU

FAKULTET POSLOVNE EKONOMIJE
BIJELJINA

POASONOV PROCES
- PRISTUPNI RAD -

STUDENT:

MENTOR:

Borislav Drakul (009/2009)

prof. dr. Miodrag Lovri

Bijeljina, april 2011.

Sadraj
UVOD..................................................................................................... 2
1

POASONOV RASPORED SLUAJNE PROMJENJIVE..................................3

OSNOVE SLUAJNIH PROCESA............................................................5

2.1

OSOBINE

SLUAJNIH PROCESA.............................................................................5

2.1.1 Odsustvo pamenja..................................................................................5

2.1.2 Diskretni i kontinualni sluajni procesi.....................................................5
2.1.3 Stacionarnost........................................................................................... 5
2.1.4 Ordinarnost (retki dogaaji).....................................................................6
3

HOMOGENI POASONOVI PROCESI.......................................................7

3.1

OSOBINE

HOMOGENOG

POASONOVOG

PROCESA......................................................9

3.1.1 Matematiko oekivanje homogenog Poasonovog procesa......................9

3.1.2 Varijansa (disperzija) homogenog Poasonovog procesa...........................9
3.1.3 Zbir Poasonovih procesa........................................................................10
4

NEHOMOGENI POASONOVI PROCESI.................................................11

REZIME................................................................................................ 14
REFERENCE..........................................................................................15

Uvod
U ovom radu prouavan je Poasonov proces kao jedan od vanijih sluajnih procesa
(stohastikih procesa).
U prvom poglavlju obraena je Poasonova raspodjela sluajne promjenjive. U drugom
poglavlju se definie sluajni procei i opisuju osnovne osobine sluajnih procesa koje se
sreu kod Poasonovih procesa.
U treem poglavlju detaljno je obraen homogeni Poasonov proces dok je u etvrtom
poglavlju panja posveena nehomogenom Poasonovm procesu.
Motivacija za izuavanje ove teme lei u znaajnoj ulozi sluajnih procesa u
modelovanju raznih pojava sluajnog karaktera, a posebna i za nas najznaajnija
primjena Poasonovih sluajnih procesa jeste oblast aktuarstva.

1 Poasonov raspored sluajne promjenjive

Poasonov raspored sluajne veliine je ustvari binomni raspored pod odreenim
uslovima. Binomni raspored pokazuje verovatnoe dobijanja x uspeha prilikom n opita
nekog eksperimenta, tj. Bernulijevog procesa, pod uslovom da je verovatnoa uspeha p
konstantna iz opita u opit. Ako je broj opita veliki, postaje komplikovano izraunavanje
vjerovatnoa sluajne promjenjive primenom formule za binomnu raspodjelu
n
P(x) px (1 p)n x , x = 0, 1, 2, ..., n
x

Ukoliko je verovatnoa uspeha p veoma mala (najee se uzima da je p 0,05) i kada

je n 20, umesto binomnog modela moemo koristiti Poasonov model, kao
zadovoljavajui nain aproksimacije verovatnoa, gdje je =np. Primetimo da kada je p
blisko nuli u stvari ispitujemo retke dogaaje. Ovo ogranienje esto i ne predstavlja
nedostatak pri modelovanju realnih pojava Poasonovom raspodjelom sluajne veliine.
Naime, Poasonovim rasporedom moemo opisivati veliki broj pojava, bilo u vremenu
ili prostoru, napomenimo samo neke:

Broj pristiglih teta u toku jednog sata u osiguranju

Broj automobila koji prolaze kroz odreene take na cesti (dovoljno udaljen od
semafora), u toku odreenog vremenskog perioda.

Broj pravopisnih greaka po jednoj stranicu knjige.

Broj telefonskih poziva u centrali u toku jednog minuta.

Broj pristupa web serveru u minuti.

Broj borovih stabala po jedinici povrine mjeovite ume.

...

U navedenim primerima Poasonov raspored se moe koristiti da bi se odredila

verovatnoa broja javljanja nekog dogaaja u jedinici vremena ili prostora.
Poasonov raspored nosi naziv po
matematiaru Simon Denis Poisson-u.

francuskom

Za neku sluajnu promenljivu X kae se da ima

Poasonovu raspodelu ako je ispunjeno:
P X n e

n
, n=0, 1, 2, ... i >0
n!

gdje je oekivana vrednost sluajne promjenjive X.

Simon Denis Poisson
(1781-1840)

Primjeujemo da Poasonov raspored ima samo jedan

parametar, (lambda).

Numeriki, predstavlja prosean broj javljanja nekog dogaaja u jedinici vremena ili
prostora. Parametar istovremeno predstavlja aritmetiku sredinu i varijansu
Poasonovog rasporeda,
3

E(X ) X2 .
U zavisnosti od vrednosti parametra Poasonov raspored predstavlja itavu familiju
rasporeda (slika 1.1)

Slika 1.1 Poasonove funkcije raspodjele Px(X=k) u zavisnosti od k za razliite

Sa slike 1.1 primjeujemo da je Poasonova raspodjela sluajne promjenjive asimetrina

udesno, sa poveanjem parametra (oekivana vrednost) asimetrinost se gubi.

2 Osnove sluajnih procesa

U praksi sluajne veliine pored sluajnosi vrednosti imaju i sluajnost pojavljivanja u
vremenu tj. kaemo da se odvija sluajni proces ili stohastiki proces.
Matematikim renikom sluajni proces opisujemo tako da se u svakom vremenskom
trenutku tT, TR posmatra neka karakteristika sistema X koja je sluajnog karaktera.
Tada je X(t) neka sluajna promenljiva, za svako t. Zato na skup svih sluajnih
promenljivih {X(t), tT}, moemo gledati kao na sluajnu veliinu koja se menja u
vremenu, odnosno dobijamo jednu sluajnu funkciju vremena. Tada familiju {X(t),tT}
zovemo sluajni proces. Poto je X(t) sluajna promjenjiva onda ima i svoju funkciju
raspodijele, koju matematiki zapisujemo
F t , x P X t x

2.1

Osobine sluajnih procesa

U zavisnosti od osobina sluajnog procesa moemo ga opisivati odgovarajuim

modelima, zbog toga emo istai osnovne osobine sluajnih procesa.
2.1.1 Diskretni i kontinualni sluajni procesi
U zavisnost od vremenskog skupa T imamo diskretne procese (ako je skup T
diskretan) ili neprekidne (kontinualne) sluajne procese (ako je skup T neprekidan).
Ukoliko je parametarski skup T sluajnog procesa {X(t), tT} prebrojiv, govorimo o
lancu, tada sluajni proces matematiki moemo zapisivati {X(t), tN0} i ima prebrojiv
skup moguih vrednosti {x1, x2, ...} koji se zove jo i skup stanja.
2.1.2 Odsustvo pamenja
Verovatnoa da e proces prei iz nekog stanja xn u kojem se nalazi u trenutku tn u
neko drugo stanje iz skupa A u trenutku tn+1 ne zavisi od naina na koji je proces
dospeo u stanje xn iz stanja x0 u kojem se proces nalazio u poetnom trenutku t0.
Ovo znai da evolucija sistema u budunosti zavisi iskljuivo od stanja sistema u
sadanjosti, a ne od ponaanja sistema u prolosti. Ovakve procese esto zovemo i
procesima sa odsustvom pamenja.
2.1.3 Stacionarnost
Sluajni proces nazva se stacionarnim ako su njegove konano dimenzionalne
raspodele invarijantne u odnosu na translaciju u vremenu. Raspodele sluajnih
vektora:

Xt1 , Xt2 ,..., Xtn ,

Xt1 s , Xt2 s ,..., Xtn s ,

stacionarnog procesa su iste za svako s.

Prostije reeno, verovatnoa pojave dogaaja u segmentu [t,t+s] je nezavisna od t i
predstavlja funkciju samo od s.
5

2.1.4 Ordinarnost (retki dogaaji)

Ordinaran je onaj sluajni proces gde je verovatnoa da se u nekom jako kratkom
vremenskom intervalu t (t0) odigra vie od jednog dogaaja zanemarljiva. Na
drugi nain reeno, ta verovatnoa je mnogo manja od verovatnoe da se u tom
intervalu odigra samo jedan dogaaj. Za ovakve procese esto kaemo da
predstavljaju retke dogaaje.
Jedan od poznatijih sluajnih preocesa koji predstavlja neprekidan sluajni lanani
proces jeste Poasonov proces.
Svi Poasonovi procesi posjeduju osobine odsustva pamenja i ordinarnosti, a u
zavisnosti od osobine stacionarnosti razlikujemo homogene i nehomogene Poasonove
procese.

3 Homogeni Poasonovi procesi

U Poasonovim procesima vrednosti koje uzima sluajna promjenjiva X(t) u
vremenskom intervalu (0,t) su iz skupa celih brojeva N 0, pa se esto ovaj sluajni proces
matematiki obiljeava sa N(t). Ukoliko je sluajni proces N(t)
1. redak dogaaj(ordinaran)
2. sa odsustvom pamenja
3. stacionaran u vremenu
onda se takav proces moe modelovati homogenim Poasonovim procesom, kod koga je
pi t P N t i

t i e t
i!

Radi to lakeg objanjenja Poasonovog procesa posmatraemo proces prispjea prijava

teta u osiguravajue drutvu uz predpostavke da je ovaj proces stacionaran, da dogaaji
nemaju posledice tj. osigurani sluajevi su meusobno nezavisni i da ne posmatramo
katastrofalne pojave u kom bi sluaju u jednom trenutku imali veoma veliki broj prijava
teta, zbog ove injenice slobodno moemo predpostaviti da je proces ordinaran tj.
dogaaji su retki.Trajektorija jednog takvog Poasonovog procesa mogla bi izgledati kao
na slici (Slika 3.1)

Slika 3.1 Trajektorija Poasonovog procesa

Cilj ovog izvoenja je da se pokae da verovatnoa nastupanja tetnog dogaaja u

nekom vremenskom intervalu t ima Posaonovu raspodelu.
Neka je sprovoenjem statistikog eksperimenta ustanovljeno da je u nekom
vremenskom intervalu [0,T] prispelo N prijava teta.
Srednji intenzitet prispea prijava je tada:
N T
T
T

lim
dok je srednje vreme izmeu dogaaja:

a lim

T
1

N T

Verovatnoa da e osiguranik podneti prijavu tete u nekom vremenskom intervalu t

(t<T) je:
p1

t
T

Od N prispelih prijava mogue je formirati R razliitih rasporeda, gdje je

N

Verovatnoa pojave i prijava tete u vremenskom intervalu trajanja t ima, dakle,

binomnu sluajnu raspodelu:
i
N t
t
pi t P N t i,0 t T

1
T
i T
i
N t
t
pi t P N t i,0 t T

1
T
i T

N i

N i

t i
i!

e t

Kada T+ imamo:
N ( N 1)...( N i 1) t i
t
pi t lim
1
i
T
i!
T
T
lim

Tt
i
Tt

ti N N
1 N
i 1
t
...

1
i! T T
T T
T
T

T N
t
t T

Koristei injenice da je
N
i 1

,
T
T

dobijamo
pi t lim

t N

i! T

t
1

Nt
T

T
t

znajui i da je

t
lim 1
T
T

T
t

1
e

Konano dolazimo do
ti i 1

T i!
e

pi t lim

pi t

t i e t
i!

Ilustracije radi na slici 4.1 prikazana je kumulativna Poasonova raspodjela za razliite

vrednosti parametra .
8

Slika 3.2 Poasonove kumulativne funkcije raspodjele N(t) u zavisnosti od parametra

3.1

Osobine homogenog Poasonovog procesa

Istaknimo neke od osobina Poasonovog procesa.

3.1.1 Matematiko
procesa

oekivanje

i 0

i 0

E x t x t ipi t i

homogenog

t i e t
i!

Poasonovog

t i 1 t
i 0 i 1!

te t

na kraju moemo pisati da je

x t t

3.1.2 Varijansa (disperzija) homogenog Poasonovog procesa

Analogno matematikom oekivanju moe se pokazati da je i disperzija homogenog
Poasonovog sluajnog procesa :

Var x t x2 E x 2 t E 2 x t t

3.1.3 Zbir Poasonovih procesa

Zbir dva nezavisna homogena Poasonova procesa N1(t) i N2(t) sa parametrima 1 i 2 je
opet Poasonov proces sa parametrom =1 + 2
Dokaz ove osobine je jednostavan kada se uzme u obzir da je vjerovatnoa dva
nezavisna dogaaja proizvod vjerovatnoa pojedinih dogaaja N1(t) i N2(t),
n

P ( N ( t ) n ) P ( N 1 (t ) r , N 2 ( t ) n r )
n

r 0

P( N 1 (t ) r ) P( N 2 (t ) n r )
r 0
n

(1t ) r n 2t (2 t ) n r
e
r! r 0
(n r )!
r 0
n n
t
n!
e ( 1 2 ) t
1r n2 r
n! r 0 r! ( n r )!
tn
e ( 1 2 ) t (1 2 ) n
n!
e 1t

Iz ega zakljuujemo da je N(t) opet Poasonov proces sa parametrom =1 + 2

10

4 Nehomogeni Poasonovi procesi

U mnogim primenama Poasonovog procesa nije realno pretpostaviti da je prosjena
stopa pojavljivanja dogaaja tog procesa konstantna. U praksi, ova stopa zavisi od
vremena, odnosno od promenljive t. Na primer, prosena stopa ulaska klijenata u
supermarket nije ista u toku dana. Slino, prosean broj automobila na autoputu razliit
je u toku saobraajnog pica u odnosu na saobraajno zatije. U skladu sa ovim
zakljucima, uoptiemo definiciju Poasonovog procesa.[4]
Proces prebrajanja sa nezavisnim priratajima {N(t),t 0} se zove nehomogen
Poasonov proces sa funkcijom intenziteta, (t) 0 za t 0, ako vai:
1. N 0 0
2. P N t h N t 1 t h o h
3. P N t h N t 2 o h
N 0 0 broj dogaaja u poetnom trenutku jednak je nuli.

Drugi uslov ove tvrdnje implicira da proces {N(t), t 0} nema stacionarne prirataje,
osim ukoliko (t)>0. U sluaju da proces {N(t), t 0} ima stacionarne prirataje,
moemo zakljuiti da je u pitanju homogen Poasonov proces sa stopom rasta , o kom je
bilo rei u predhodnom poglavlju.
Kao i u sluaju kada je prosena stopa pojavljivanja dogaaja konstantna, vai da broj
dogaaja koji se javljaju u datom intervalu ima Poasonovu raspodelu.
Neka je {N(t),t 0} nehomogeni Poasonov proces sa funkcijom intenziteta (t). Tada
vai:
P N s t N s n e ( m t s m t

m t s m t n
n!

za svako s, t 0,
gde je m(s) funkcija srednje vrednosti nehomogenog Poasonovog procesa:
t

m t s ds
0

Pretpostavimo da je (t) dva puta diferencijabilna funkcija tako da je (t)<, za svako t

> 0. Tada moemo posmatrati nehomogeni Poasonov proces sa funkcijom intenziteta
(t) uz pomo homogenog Poasonovog procesa {Ni(t),t 0} sa stopom rasta (t),
pretpostavljajui da je dogaaj koji se pojavljuje u trenutku t dogaaj sa verovatnoom
pojavljivanja

Neka F oznaava dogaaj da je izbrojan tano jedan od dogaaja koji se pojavljuju na

intervalu (t, t+h] , a neka N(t) predstavlja ukupan broj dogaaja izbrojanih na intervalu
[0, t]. Koristei jednakost
11

i (t ) p i ( s )ds
0

imamo

Za neko c(0,1) , po teoremi srednje vrednosti za integrale.

Poto je

moemo odrediti

ukoliko predpostavimo da je

Za svako t0=[0, ), tada je verovatnoa da se bar jedan dogaaj desi posle trenutka t 0=1
jednak

Primetimo da jednakost vai kada je (t) >0.

Neka je T1 sluajna promenliva koja oznaava vreme pojavljivanja prvog dogaaja
procesa {N(t), t 0} . Sada emo odrediti raspodelu za sluajnu promenljivu T1, ako je
N(t) = l, kao i u sluaju homogenog Poasonovog procesa.
Neka je {N(t), t 0} nehomogeni Poasonov proces sa funkcijom intenziteta (t).
Funkcija gustine za sluajnu promenljivu

je oblika

12

Funkcija raspodele za proces S koji predstavlja vreme pojavljivanja jednog dogaaja

koji se javlja na intervalu (r, r + t] je oblika

za 0 < s +t
pa je funkcija gustine oblika

za 0 < s +t, gdje je

a T vreme pojavljivanja prvog dogaaja nehomogenog Poasonovog procesa na
intervalu (, +t]

13

Rezime
Poasonov proces registruje pojavu izvjesnog dogaaja koji se moe viekratno
ostvarivatu tokom vremena. Bie zabeleen broj realizacija tog dogaaja, kao i trenutci
kada se dogaaj desio.
Uslovi koje realni sluajni proces mora ispuniti da bi se mogao modelovati Poasonovim
procesom, su:
Odsustvo pamenja (dogaaji ne zavise od prethodnog pojavljivanja)
Homogenost u vremenu (proces zavisi samo od irine posmatranog vremenskog
intervala)
Retki dogaaji (da postoji dovoljno kratak vremenski intervalu u kome je
zanemariva vjerovatnoa pojave vie od jednog dogaaja)
Poasonov proces posebno je vaan jer moe dovoljno dobro aproksimirati procese sa
binomnom raspodjelom kada je p0,05, a n 20, tada je =pn i raunanje vjerovatnoa
ostvarivanja sluajnog dogaaja je neuporedivo lake nego kada se proces modeluje
binomnm raspodjelom.
Poasonovim procesom moemo modelovati veliki broj pojava, bilo u vremenu ili
prostoru, napomenimo samo neke.

Broj pristiglih teta u toku jednog sata u osiguranju

Broj automobila koji prolaze kroz odreene take na cesti (dovoljno udaljen od
semafora), u toku odreenog vremenskog perioda.

Broj pravopisnih greaka po jednoj stranicu knjige.

Broj telefonskih poziva u centrali u toku jednog minuta.

Broj pristupa web serveru u minuti.

Broj borovih stabala po jedinici povrine mjeovite ume.

14

Reference
[1] Ed.Sheldon M Ross, Introduction To Probability Models.7th.Academic Press
[2] H.C.Tijms, Stochastic eBook - A First Course in Stochastic Models, Wiley 2003
[3] Kannan D. Introduction to stochastic processes, Elsevier, 1979
[4] Milijana Vujkov: Poasonov proces, skripta, Prirodno-Matematiki fakultet, Novi
Sad
[5] Miodrag Lovri, Sluajna promenljiva i rasporedi vjerovatnoa, skripta,
Bijeljina 2011
[6] Zoran Ivkovi, Uvod u teoriju vjerovatnoe, sluajne procese i matematiku
statistiku, Graevinska knjiga, 1970.
[7] Zvonko Glumac: Vjerojatnost i statistika, skripta, Osjek 2006
[8] http://tesla.rcub.bg.ac.rs/~doctor/prs/07/index07.html (15.03.2011)

15