观察者会看见哪一段寿命?
假设装置每次故障后立即更换,各次寿命是正随机变量 W 的独立副本。若工程师记录每次更换,所看见的是 W 的分布;若工程师在无关的时刻到访,便较容易碰上较长的寿命区间。而且,到访者只需等候该段寿命尚未用完的部分。这两个抽样步骤都不同于重新抽取一个 W。
即使已知道平均更换速率,这个区别仍然重要。更新强律告诉我们,长期平均每 μ=EW 单位时间更换一次,却没有告诉我们到访者要等多久。本篇会推导这个等待分布,并构造一个在每个确定性观察时刻都具有该分布的过程。这也会说明:从时刻零的一次更换开始的普通更新过程,未必在每个固定观察时刻的意义下趋近平衡。
预备工具是前篇的更新强律、独立同分布可积变量的强大数定律、Tonelli 定理及控制收敛定理。我们不假设或证明一般关键更新定理。
年龄、剩余寿命与包含观察时刻的区间
设 W1,W2,… 是 W 的独立副本,其中几乎必然 0<W<∞,且 0<μ=EW<∞。记 S0=0、Sn=j=1∑nWj,并定义
N(t)=max{n≥0:Sn≤t},A(t)=t−SN(t),B(t)=SN(t)+1−t.A(t) 称为年龄,B(t) 是距离严格下一次更新的剩余寿命,而 L(t)=A(t)+B(t) 是包含观察时刻的区间长度。在更新时刻,这个约定给出零年龄及新的一段正剩余寿命。
更新时刻几乎必然趋向无限,所以在同一个概率一事件上,这些变量对每个有限时刻都有定义。在长度为 w 的周期内部,年龄由零增加至 w,剩余寿命由 w 减少至零,两者之和恒为 w。可数的更新端点集,其勒贝格(Lebesgue)测度为零;因此端点约定不影响对观察时间的积分。
对 x≥0,记 F(x)=Pr(W>x)。尾积分公式给出 μ=∫0∞F(x)dx。另记 (z)+=max(z,0)。
把未完成周期的论证补齐
若要把已完成周期的报酬定理用于周期内连续观察的量,便需要额外处理最后一个未完成周期。可积性正是在这一步发挥作用。
设 g:[0,∞)2→R 可测,并满足
EH(W)<∞,H(w)=∫0w∣g(u,w−u)∣du.则对这个固定的 g,几乎必然有
T1∫0Tg(A(t),B(t))dt⟶μ1E∫0Wg(u,W−u)du.每个有界可测 g 都符合假设。W 不需要满足非算术条件。若 g 无界,单凭这个路径结论不能断言期望也收敛。
定义周期报酬 Zn=∫0Wng(u,Wn−u)du,以及绝对值上界 Hn=H(Wn)。这些对互相独立同分布,且 E∣Z1∣≤EH1<∞。把时间积分分成前 N(T) 个完整周期及最后一个未完成周期。若后者的有符号贡献为 RT,则
∫0Tg(A(t),B(t))dt=n=1∑N(T)Zn+RT,∣RT∣≤HN(T)+1.报酬强律连同 N(T)/T→1/μ,已给出完整周期总和所需的极限。为控制最后一项,令 Qn=H1+⋯+Hn。强律给出 Qn/n→EH1,因此
nHn=nQn−nn−1n−1Qn−1⟶0.这个等式用于 n≥2。由 N(T)→∞,
T∣RT∣≤N(T)+1HN(T)+1TN(T)+1⟶0.这里不需要随机指标与报酬独立:在同一个概率一事件上,序列极限对所有足够大的指标都成立。最后,若 ∣g∣≤M,则 H(W)≤MW 可积。
证明透视
时间边界虽小,报酬却可能很大
未完成周期只有一段,却不代表它的报酬自动可以忽略。证明先以整段周期的绝对报酬控制它,再利用该报酬的有限期望得到 Hn/n→0。对剩余寿命本身,每周期的报酬是 W2/2,所以有限报酬公式需要二阶矩。只说“不过多一项”会把关键假设藏起来。
对固定的 x,y≥0,把定理用于 g(a,b)=1{a>x,b>y}。在长度为 w 的周期中,这个指示函数等于一的时间集合长度是 (w−x−y)+。因此几乎必然
T1∫0T1{A(t)>x,B(t)>y}dt⟶μE(W−x−y)+=μ1∫x+y∞F(v)dv.
这是观察时间所占比例的叙述,不是在移动的单一端点 T 上,指示函数本身的极限。
周期公式背后的概率分布
定义 1.6.3
(长度偏置与平衡年龄—剩余寿命分布)
以
Pr(W∗∈D)=μE[W1{W∈D}]定义长度偏置变量 W∗,其中 D⊂(0,∞) 是 Borel 集。设 U 在 (0,1) 上均匀分布,并与 W∗ 独立。令
A∗=UW∗,B∗=(1−U)W∗.
这确实是概率分布,因为当 D=(0,∞) 时,长度偏置公式的分子等于 μ。给定包含观察时刻的区间长度,观察位置在该区间内均匀分布。对每个有界可测 g,先以 W∗ 为条件便得
Eg(A∗,B∗)=μ1E∫0Wg(u,W−u)du.
长度偏置中的因子 w,与均匀位置中的因子 1/w 抵消。特别地,联合尾概率与边际尾概率是
Pr(A∗>x,B∗>y)=μ1∫x+y∞F(v)dv,Pr(B∗>x)=Pr(A∗>x)=μ1∫x∞F(v)dv.
即使 W 有原子,B∗ 的分布仍然绝对连续,在 (0,∞) 上的密度几乎处处是 F(x)/μ。连续的观察位置把离散的区间选择平滑化。年龄与剩余寿命的边际分布相同,不代表两者独立。
对一种明确随机化的观察方式,我们还能得到期望结论。令 VT 在 [0,T] 上均匀分布,并与整条普通更新路径独立。对有界 g,给定路径的条件期望正好就是其时间平均。以 g 的固定界使用控制收敛定理,便证明
Eg(A(VT),B(VT))⟶Eg(A∗,B∗).
这是一个有根据的期望极限,而不是对任意无界报酬,直接把强律与期望互换。每个结论都针对指定的检验函数 g。
构造在每个观察时刻都处于平衡的过程
平衡变量对可以成为整个过程的原点。先抽取 (W∗,U),在 −A∗ 与 B∗ 放置更新点,再在左右两边用分布为 W 的全新独立间距延伸。左边间距、右边间距与 (W∗,U) 三者互相独立。正的独立同分布间距,其部分和在两个方向都几乎必然趋向无限,所以得到整条实线上的局部有限更新点集。
把这个整条实线的更新点集平移任意固定实数,其分布不变。因此,在每个确定性时刻的年龄—剩余寿命对,都具有 (A∗,B∗) 的分布。只看未来更新点,首次等待具有 B∗ 的分布,其后所有间距互相独立、分布为 W,并且与首次等待独立。
先介绍另一个辅助点集 ω0,把一个更新点固定在零,两边都使用分布为 W 的独立间距。以 E0 表示这个辅助构造的期望,W1 表示零右边的第一段间距。对点集 ω,定义 θsω={r−s:r∈ω},即观察者向前移动 s。
对整个点集的有界可测函数 h,长度偏置与均匀位置构造给出的期望是
E∗h(ω)=μ1E0∫0W1h(θtω0)dt.这个等式仍然来自前述长度偏置与均匀位置的抵消;其他间距保持互相独立的原分布。右边有限,并把常数函数一送到一。
把 ω0 移至下一个点,得到 θW1ω0,只是把双向独立间距序列重新编号,因此其辅助分布仍与 ω0 相同。固定 s≥0。把区间 [0,W1] 与 [s,W1+s] 上的积分相减,得到
μ(E∗h(θsω)−E∗h(ω))=E0∫0s[h(θW1+uω0)−h(θuω0)]du=0.即使 W1<s,这个积分恒等式仍然成立,因为它只是端点积分的相减。我们在局部有限点集上使用通常由有界 Borel 集内计数生成的 σ-代数;平移映射 (u,ω)↦θuω 在此空间上联合可测,再配合有界性,便容许在固定区间 [0,s] 上使用 Fubini。重新编号则说明,对每个 u,两个被积项具有相同期望。对 s>0,把正向平移不变性用于 h∘θ−s,便得到负向平移不变性。取 h 为事件的指示函数,就证明了所有确定性平移下的点集分布相同。
在原点,包含它的变量对就是构造时抽取的那一对;平稳性使每个确定性观察时刻都有相同分布。B∗ 之后的未来间距由一开始就独立抽取,故也证明了最后的叙述。
概念视角结构
更新原点与观察原点
把更新固定在零,下一段完整间距便具有原分布 W,但零也是一个特殊时刻。改选典型的时间原点,首次等待就具有 B∗ 的分布,而包含它的区间带有长度偏置。平稳构造正确地随机化了原点,却没有把所有未来间距都改成 B∗ 的副本:只有首次等待是例外。
计算:较长的区间更常被观察到
设 Pr(W=1)=9/10、Pr(W=11)=1/10,则 μ=2,且 EW2=13。在平衡时,包含观察时刻的区间具有概率
Pr(W∗=1)=209,Pr(W∗=11)=2011.只有十分之一的更换开始一段长寿命,但超过一半的观察时间处于长寿命中。平衡剩余寿命的尾概率为
Pr(B∗>x)=⎩⎨⎧1−x/2,(11−x)/20,0,0≤x≤1,1≤x≤11,x≥11.所以 Pr(B∗>4)=7/20,而一段全新寿命超过四的概率只有 1/10。另外,
EB∗=413,Pr(A∗>2,B∗>3)=103.最后一项的计算中,长度十一的区间有 11−2−3=6 单位时间符合条件;除以 μ 的平均时间贡献为 (1/10)6/2=3/10。若误以为独立而把边际尾概率相乘,则会得到 (9/20)(2/5)=9/50。
对一般 W,Tonelli 定理与条件均匀分布给出扩充非负恒等式
EB∗=EA∗=2μEW2,EW∗=μEW2.
这些量可能无限大。若 EW2<∞,把周期定理用于 g(a,b)=b,亦得普通过程几乎必然的时间平均 T−1∫0TB(t)dt→EW2/(2μ)。若二阶矩无限,对每个正整数 K 同时使用有界函数 gK(a,b)=min(b,K) 的定理。由单调收敛,各极限常数增至无限;未截断的平均大于每个截断平均,因此其下极限几乎必然为无限。这仍是时间平均的结论,不是 B(t)→∞。
设 W 在 (0,2) 上均匀分布。求平衡剩余寿命尾概率、均值及 Pr(A∗>1/2,B∗>1/2)。
此时 μ=1,而在 0≤v≤2 上 F(v)=1−v/2。对 0≤x≤2,
Pr(B∗>x)=∫x2(1−v/2)dv=(1−x/2)2.超过二之后尾概率为零。由 EW2=4/3,均值是 2/3。联合事件的尾积分从 1/2+1/2=1 开始,故概率是 (1−1/2)2=1/4。年龄与剩余寿命的边际相同,不足以容许把边际概率相乘。
设 W 服从速率 λ>0 的指数分布。推导平衡联合尾概率,并判断年龄与剩余寿命是否独立。
由 μ=1/λ,
Pr(A∗>x,B∗>y)=λ∫x+y∞e−λvdv=e−λxe−λy.两个边际都是速率 λ 的指数分布,而对所有非负 x,y 都成立的联合尾概率分解证明了独立性。然而 W∗=A∗+B∗ 的密度是 λ2we−λw,不是原来的指数密度。无记忆性保留了剩余寿命分布,却没有取消整段包含区间的长度偏置。
直觉答案 EB∗=μ/2 忽略了长度偏置。当方差有限时,EB∗=μ(1+Var(W)/μ2)/2,只有寿命几乎必然恒定时才等于 μ/2;在两种寿命的例子中它是 13/4,而不是 1。长度偏置不会减少整段包含区间的平均长度:EW∗=EW2/μ≥μ,且恰在寿命几乎必然恒定时取等号;该均值也可能无限。但其剩余部分的均值未必大于 μ,寿命恒定时只有 μ/2。
必须分开的两种极限
反例模式
时间平均分布不会消除确定性的相位
取几乎必然 W=2,并在零的一次更新开始普通过程。在 t=2n 时,B(t)=2;在 t=2n+1 时,B(t)=1。因此即使时间平均分布是在 (0,2) 上均匀分布,B(t) 的分布在实数 t→∞ 时仍没有极限。
平稳构造改用均匀相位:A∗+B∗=2,两个边际都在 (0,2) 上均匀分布。间距分布虽在格点上,构造仍然平稳。此时 Pr(A∗>1,B∗>1)=0,边际概率之积却是 1/4。
非算术间距分布是指不存在 d>0 使 Pr(W∈{d,2d,3d,…})=1。这类条件用于另一些处理普通过程固定时刻收敛的更新定理。本篇已证明的时间平均、随机观察期望极限及平稳构造,都不需要这个条件;这些证明也没有建立非算术情况的固定时刻定理。
另有一个可积性陷阱。
若寿命尾函数为 F(x)=(1+x)−3/2,则 μ=2,但 EW2=∞。其平衡剩余寿命尾函数为 (1+x)−1/2,积分发散。平稳概率分布确实存在,平均更换速率也有限,期望平衡等待却无限。若改为 μ=∞,本篇使用的长度偏置归一化根本不能构成概率分布,故不能套用有限均值定理。
练习与完整解答
快速检查
(在两种寿命的例子中,令 VT 是 [0,T] 上独立的均匀观察时刻。求剩余寿命超过四的时间比例极限,以及 Pr(B(VT)>4) 的极限。这个计算是否证明了 Pr(B(t)>4) 的极限?)
解答 · 引导解答
长度一的周期报酬为零,长度十一的周期报酬是七。因此两个所求极限都是 (1/10)7/2=7/20:第一个来自周期定理,第二个是在给定路径后使用有界控制收敛。这没有证明普通固定时刻的极限。整数间距说明这是格点情况,但单凭这一点,不能决定这个特定门槛是否具有极限;仍需另外的固定时刻更新论证。
快速检查
(对 F(x)=(1+x)−α,其中常数 α>0,判断何时平衡概率构造存在,以及何时剩余寿命均值有限。)
解答 · 引导解答
对尾函数积分,恰在 α>1 时得到 μ=1/(α−1);在 0<α≤1 时则无限。在有限均值情况,
Pr(B∗>x)=(1+x)1−α.其均值在 α>2 时是 1/(α−2),在 1<α≤2 时无限。间距均值有限使概率分布可归一化,间距二阶矩有限则使剩余均值有限。这是两个不同要求。
快速检查
(某模拟器先抽取 W0∼W,再在该区间内抽取均匀位置,并在两边放置全新独立间距。它能否产生平稳更新构造?用两种寿命的例子说明。)
解答 · 引导解答
给定包含区间后,均匀位置的抽样是对的;但该区间的长度必须先服从 W∗,而非 W。所提模拟器以 1/10 而非 11/20 的概率选取长度十一,其平均剩余寿命是 EW0/2=1,而非 13/4。修正方法是在抽取均匀位置之前,先按长度偏置抽样。包含区间以外的未来间距仍保留原分布 W。
下一步
前篇更新报酬笔记提供事件速率及完整周期报酬,本篇补上周期内报酬、明确的观察时刻期望极限及平稳构造。非算术更新的普通固定时刻收敛,仍需要进一步的更新定理。无限均值下的其他平衡观念、定量收敛速率及停止时刻观察偏差,都是另外的课题。