P{N(t+△r)-N(t)=1}=aAt+(△)(4>0) (3)对充分小的△t,在[t,t+△内有两个或两 个以上顾客到达的概率极小,可以忽略不计 称{Nt):t>0}为泊松过程,相应的事件流 A1,A2,…,An,…称为泊 松流 用于系统模拟中 重要定理: 如果顾客的到达过程是一个泊松过程,则在[0, 订期间内有n个顾客到达的概率为 P(N(=n)=Pn(t) at n=1,2, 并且,顾客相继到达的时间间隔1,T2,…,Tn,…相互独 立,都服从参数为入的指数分布其概率密度函数为 at t>0 f()= ,(>0) 0, t≤0 反之,若顾客流到达的间隔时间Ti,T2,…,Tn…是 相互独立的随机变量序列,且均服从参数为λ指数分 布,则在[0,t]内顾客到达数{N(,0}是一个泊松过 程P{N(t + t) − N(t) = 1} = t + (t), (  0) （3）对充分小的Δt，在［t, t＋Δt］内有两个或两 个以上顾客到达的概率极小，可以忽略不计. 称 {N(t)： t＞ 0}为泊松过程，相应的事件流 A1 , A2 ,  , An ,  称为泊 松流. 重要定理： 如果顾客的到达过程是一个泊松过程，则在[0， t]期间内有 n 个顾客到达的概率为 t n n e n t P N t n P t  − = = = ! ( ) ( ( ) ) ( ) , n=1,2,… 并且，顾客相继到达的时间间隔 T1 ,T2 ,  ,Tn ,  相互独 立,都服从参数为λ的指数分布,其概率密度函数为 , ( 0) 0, 0 , 0 ( )        = −    t e t f t t 反之，若顾客流到达的间隔时间 T1 ,T2 ,  ,Tn ,  是 相互独立的随机变量序列,且均服从参数为λ指数分 布,则在［0, t］内顾客到达数{N(t)，t>0}是一个泊松过 程. 用于系统模拟中 系统模拟中很有 用