觀察者會看見哪一段壽命?
假設裝置每次故障後立即更換,各次壽命是正隨機變量 W 的獨立副本。若工程師記錄每次更換,所看見的是 W 的分佈;若工程師在無關的時刻到訪,便較容易碰上較長的壽命區間。而且,到訪者只需等候該段壽命尚未用完的部分。這兩個抽樣步驟都不同於重新抽取一個 W。
即使已知道平均更換速率,這個分別仍然重要。更新強律告訴我們,長期平均每 μ=EW 單位時間更換一次,卻沒有告訴我們到訪者要等多久。本篇會推導這個等待分佈,並構造一個在每個確定性觀察時刻都具有該分佈的過程。這也會說明:從時刻零的一次更換開始的普通更新過程,未必在每個固定觀察時刻的意義下趨近平衡。
先備工具是前篇的更新強律、獨立同分佈可積變量的強大數定律、Tonelli 定理及支配收斂定理。我們不假設或證明一般關鍵更新定理。
年齡、剩餘壽命與包含觀察時刻的區間
設 W1,W2,… 是 W 的獨立副本,其中幾乎必然 0<W<∞,且 0<μ=EW<∞。記 S0=0、Sn=j=1∑nWj,並定義
N(t)=max{n≥0:Sn≤t},A(t)=t−SN(t),B(t)=SN(t)+1−t.A(t) 稱為年齡,B(t) 是距離嚴格下一次更新的剩餘壽命,而 L(t)=A(t)+B(t) 是包含觀察時刻的區間長度。在更新時刻,這個約定給出零年齡及新的一段正剩餘壽命。
更新時刻幾乎必然趨向無限,所以在同一個概率一事件上,這些變量對每個有限時刻都有定義。在長度為 w 的週期內部,年齡由零增加至 w,剩餘壽命由 w 減少至零,兩者之和恆為 w。可數的更新端點集,其勒貝格(Lebesgue)測度為零;因此端點約定不影響對觀察時間的積分。
對 x≥0,記 F(x)=Pr(W>x)。尾積分公式給出 μ=∫0∞F(x)dx。另記 (z)+=max(z,0)。
把未完成週期的論證補齊
若要把已完成週期的報酬定理用於週期內連續觀察的量,便需要額外處理最後一個未完成週期。可積性正是在這一步發揮作用。
設 g:[0,∞)2→R 可測,並滿足
EH(W)<∞,H(w)=∫0w∣g(u,w−u)∣du.則對這個固定的 g,幾乎必然有
T1∫0Tg(A(t),B(t))dt⟶μ1E∫0Wg(u,W−u)du.每個有界可測 g 都符合假設。W 不需要滿足非算術條件。若 g 無界,單憑這個路徑結論不能斷言期望也收斂。
定義週期報酬 Zn=∫0Wng(u,Wn−u)du,以及絕對值上界 Hn=H(Wn)。這些對互相獨立同分佈,且 E∣Z1∣≤EH1<∞。把時間積分分成前 N(T) 個完整週期及最後一個未完成週期。若後者的有符號貢獻為 RT,則
∫0Tg(A(t),B(t))dt=n=1∑N(T)Zn+RT,∣RT∣≤HN(T)+1.報酬強律連同 N(T)/T→1/μ,已給出完整週期總和所需的極限。為控制最後一項,令 Qn=H1+⋯+Hn。強律給出 Qn/n→EH1,因此
nHn=nQn−nn−1n−1Qn−1⟶0.這個等式用於 n≥2。由 N(T)→∞,
T∣RT∣≤N(T)+1HN(T)+1TN(T)+1⟶0.這裏不需要隨機指標與報酬獨立:在同一個概率一事件上,序列極限對所有足夠大的指標都成立。最後,若 ∣g∣≤M,則 H(W)≤MW 可積。
證明透視
時間邊界雖小,報酬卻可能很大
未完成週期只有一段,卻不代表它的報酬自動可以忽略。證明先以整段週期的絕對報酬控制它,再利用該報酬的有限期望得到 Hn/n→0。對剩餘壽命本身,每週期的報酬是 W2/2,所以有限報酬公式需要二階矩。只說「不過多一項」會把關鍵假設藏起來。
對固定的 x,y≥0,把定理用於 g(a,b)=1{a>x,b>y}。在長度為 w 的週期中,這個指示函數等於一的時間集合長度是 (w−x−y)+。因此幾乎必然
T1∫0T1{A(t)>x,B(t)>y}dt⟶μE(W−x−y)+=μ1∫x+y∞F(v)dv.
這是觀察時間所佔比例的敘述,不是在移動的單一端點 T 上,指示函數本身的極限。
週期公式背後的概率分佈
定義 1.6.3
(長度偏置與平衡年齡—剩餘壽命分佈)
以
Pr(W∗∈D)=μE[W1{W∈D}]定義長度偏置變量 W∗,其中 D⊂(0,∞) 是 Borel 集。設 U 在 (0,1) 上均勻分佈,並與 W∗ 獨立。令
A∗=UW∗,B∗=(1−U)W∗.
這確實是概率分佈,因為當 D=(0,∞) 時,長度偏置公式的分子等於 μ。給定包含觀察時刻的區間長度,觀察位置在該區間內均勻分佈。對每個有界可測 g,先以 W∗ 為條件便得
Eg(A∗,B∗)=μ1E∫0Wg(u,W−u)du.
長度偏置中的因子 w,與均勻位置中的因子 1/w 抵消。特別地,聯合尾概率與邊際尾概率是
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∗ 的分佈仍然絕對連續,在 (0,∞) 上的密度幾乎處處是 F(x)/μ。連續的觀察位置把離散的區間選擇平滑化。年齡與剩餘壽命的邊際分佈相同,不代表兩者獨立。
對一種明確隨機化的觀察方式,我們還能得到期望結論。令 VT 在 [0,T] 上均勻分佈,並與整條普通更新路徑獨立。對有界 g,給定路徑的條件期望正好就是其時間平均。以 g 的固定界使用支配收斂定理,便證明
Eg(A(VT),B(VT))⟶Eg(A∗,B∗).
這是一個有根據的期望極限,而不是對任意無界報酬,直接把強律與期望互換。每個結論都針對指定的檢驗函數 g。
構造在每個觀察時刻都處於平衡的過程
平衡變量對可以成為整個過程的原點。先抽取 (W∗,U),在 −A∗ 與 B∗ 放置更新點,再在左右兩邊用分佈為 W 的全新獨立間距延伸。左邊間距、右邊間距與 (W∗,U) 三者互相獨立。正的獨立同分佈間距,其部分和在兩個方向都幾乎必然趨向無限,所以得到整條實線上的局部有限更新點集。
把這個整條實線的更新點集平移任意固定實數,其分佈不變。因此,在每個確定性時刻的年齡—剩餘壽命對,都具有 (A∗,B∗) 的分佈。只看未來更新點,首次等待具有 B∗ 的分佈,其後所有間距互相獨立、分佈為 W,並且與首次等待獨立。
先介紹另一個輔助點集 ω0,把一個更新點固定在零,兩邊都使用分佈為 W 的獨立間距。以 E0 表示這個輔助構造的期望,W1 表示零右邊的第一段間距。對點集 ω,定義 θsω={r−s:r∈ω},即觀察者向前移動 s。
對整個點集的有界可測函數 h,長度偏置與均勻位置構造給出的期望是
E∗h(ω)=μ1E0∫0W1h(θtω0)dt.這個等式仍然來自前述長度偏置與均勻位置的抵消;其他間距保持互相獨立的原分佈。右邊有限,並把常數函數一送到一。
把 ω0 移至下一個點,得到 θW1ω0,只是把雙向獨立間距序列重新編號,因此其輔助分佈仍與 ω0 相同。固定 s≥0。把區間 [0,W1] 與 [s,W1+s] 上的積分相減,得到
μ(E∗h(θsω)−E∗h(ω))=E0∫0s[h(θW1+uω0)−h(θuω0)]du=0.即使 W1<s,這個積分恆等式仍然成立,因為它只是端點積分的相減。我們在局部有限點集上使用通常由有界 Borel 集內計數生成的 σ-代數;平移映射 (u,ω)↦θuω 在此空間上聯合可測,再配合有界性,便容許在固定區間 [0,s] 上使用 Fubini。重新編號則說明,對每個 u,兩個被積項具有相同期望。對 s>0,把正向平移不變性用於 h∘θ−s,便得到負向平移不變性。取 h 為事件的指示函數,就證明了所有確定性平移下的點集分佈相同。
在原點,包含它的變量對就是構造時抽取的那一對;平穩性使每個確定性觀察時刻都有相同分佈。B∗ 之後的未來間距由一開始就獨立抽取,故也證明了最後的敘述。
概念視角結構
更新原點與觀察原點
把更新固定在零,下一段完整間距便具有原分佈 W,但零也是一個特殊時刻。改選典型的時間原點,首次等待就具有 B∗ 的分佈,而包含它的區間帶有長度偏置。平穩構造正確地隨機化了原點,卻沒有把所有未來間距都改成 B∗ 的副本:只有首次等待是例外。
計算:較長的區間更常被觀察到
設 Pr(W=1)=9/10、Pr(W=11)=1/10,則 μ=2,且 EW2=13。在平衡時,包含觀察時刻的區間具有概率
Pr(W∗=1)=209,Pr(W∗=11)=2011.只有十分之一的更換開始一段長壽命,但超過一半的觀察時間處於長壽命中。平衡剩餘壽命的尾概率為
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,而一段全新壽命超過四的概率只有 1/10。另外,
EB∗=413,Pr(A∗>2,B∗>3)=103.最後一項的計算中,長度十一的區間有 11−2−3=6 單位時間符合條件;除以 μ 的平均時間貢獻為 (1/10)6/2=3/10。若誤以為獨立而把邊際尾概率相乘,則會得到 (9/20)(2/5)=9/50。
對一般 W,Tonelli 定理與條件均勻分佈給出擴充非負恆等式
EB∗=EA∗=2μEW2,EW∗=μEW2.
這些量可能無限大。若 EW2<∞,把週期定理用於 g(a,b)=b,亦得普通過程幾乎必然的時間平均 T−1∫0TB(t)dt→EW2/(2μ)。若二階矩無限,對每個正整數 K 同時使用有界函數 gK(a,b)=min(b,K) 的定理。由單調收斂,各極限常數增至無限;未截斷的平均大於每個截斷平均,因此其下極限幾乎必然為無限。這仍是時間平均的結論,不是 B(t)→∞。
設 W 在 (0,2) 上均勻分佈。求平衡剩餘壽命尾概率、均值及 Pr(A∗>1/2,B∗>1/2)。
此時 μ=1,而在 0≤v≤2 上 F(v)=1−v/2。對 0≤x≤2,
Pr(B∗>x)=∫x2(1−v/2)dv=(1−x/2)2.超過二之後尾概率為零。由 EW2=4/3,均值是 2/3。聯合事件的尾積分從 1/2+1/2=1 開始,故概率是 (1−1/2)2=1/4。年齡與剩餘壽命的邊際相同,不足以容許把邊際概率相乘。
設 W 服從速率 λ>0 的指數分佈。推導平衡聯合尾概率,並判斷年齡與剩餘壽命是否獨立。
由 μ=1/λ,
Pr(A∗>x,B∗>y)=λ∫x+y∞e−λvdv=e−λxe−λy.兩個邊際都是速率 λ 的指數分佈,而對所有非負 x,y 都成立的聯合尾概率分解證明了獨立性。然而 W∗=A∗+B∗ 的密度是 λ2we−λw,不是原來的指數密度。無記憶性保留了剩餘壽命分佈,卻沒有取消整段包含區間的長度偏置。
直覺答案 EB∗=μ/2 忽略了長度偏置。當方差有限時,EB∗=μ(1+Var(W)/μ2)/2,只有壽命幾乎必然恆定時才等於 μ/2;在兩種壽命的例子中它是 13/4,而不是 1。長度偏置不會減少整段包含區間的平均長度:EW∗=EW2/μ≥μ,且恰在壽命幾乎必然恆定時取等號;該均值也可能無限。但其剩餘部分的均值未必大於 μ,壽命恆定時只有 μ/2。
必須分開的兩種極限
反例模式
時間平均分佈不會消除確定性的相位
取幾乎必然 W=2,並在零的一次更新開始普通過程。在 t=2n 時,B(t)=2;在 t=2n+1 時,B(t)=1。因此即使時間平均分佈是在 (0,2) 上均勻分佈,B(t) 的分佈在實數 t→∞ 時仍沒有極限。
平穩構造改用均勻相位:A∗+B∗=2,兩個邊際都在 (0,2) 上均勻分佈。間距分佈雖在格點上,構造仍然平穩。此時 Pr(A∗>1,B∗>1)=0,邊際概率之積卻是 1/4。
非算術間距分佈是指不存在 d>0 使 Pr(W∈{d,2d,3d,…})=1。這類條件用於另一些處理普通過程固定時刻收斂的更新定理。本篇已證明的時間平均、隨機觀察期望極限及平穩構造,都不需要這個條件;這些證明也沒有建立非算術情況的固定時刻定理。
另有一個可積性陷阱。
若壽命尾函數為 F(x)=(1+x)−3/2,則 μ=2,但 EW2=∞。其平衡剩餘壽命尾函數為 (1+x)−1/2,積分發散。平穩概率分佈確實存在,平均更換速率也有限,期望平衡等待卻無限。若改為 μ=∞,本篇使用的長度偏置歸一化根本不能構成概率分佈,故不能套用有限均值定理。
練習與完整解答
快速檢查
(在兩種壽命的例子中,令 VT 是 [0,T] 上獨立的均勻觀察時刻。求剩餘壽命超過四的時間比例極限,以及 Pr(B(VT)>4) 的極限。這個計算是否證明了 Pr(B(t)>4) 的極限?)
解答 · 引導解答
長度一的週期報酬為零,長度十一的週期報酬是七。因此兩個所求極限都是 (1/10)7/2=7/20:第一個來自週期定理,第二個是在給定路徑後使用有界支配收斂。這沒有證明普通固定時刻的極限。整數間距說明這是格點情況,但單憑這一點,不能決定這個特定門檻是否具有極限;仍需另外的固定時刻更新論證。
快速檢查
(對 F(x)=(1+x)−α,其中常數 α>0,判斷何時平衡概率構造存在,以及何時剩餘壽命均值有限。)
解答 · 引導解答
對尾函數積分,恰在 α>1 時得到 μ=1/(α−1);在 0<α≤1 時則無限。在有限均值情況,
Pr(B∗>x)=(1+x)1−α.其均值在 α>2 時是 1/(α−2),在 1<α≤2 時無限。間距均值有限使概率分佈可歸一化,間距二階矩有限則使剩餘均值有限。這是兩個不同要求。
快速檢查
(某模擬器先抽取 W0∼W,再在該區間內抽取均勻位置,並在兩邊放置全新獨立間距。它能否產生平穩更新構造?用兩種壽命的例子說明。)
解答 · 引導解答
給定包含區間後,均勻位置的抽樣是對的;但該區間的長度必須先服從 W∗,而非 W。所提模擬器以 1/10 而非 11/20 的概率選取長度十一,其平均剩餘壽命是 EW0/2=1,而非 13/4。修正方法是在抽取均勻位置之前,先按長度偏置抽樣。包含區間以外的未來間距仍保留原分佈 W。
下一步
前篇更新報酬筆記提供事件速率及完整週期報酬,本篇補上週期內報酬、明確的觀察時刻期望極限及平穩構造。非算術更新的普通固定時刻收斂,仍需要進一步的更新定理。無限均值下的其他平衡觀念、定量收斂速率及停止時刻觀察偏差,都是另外的課題。