この問題では、ポアソン過程の合成理論と再生性について理解を深めます。ポアソン過程の合成は、待ち行列理論、通信工学、信頼性工学において複数の独立な到着流を統合する基本的な操作で、システム設計と性能評価の基礎となります。
ポアソン過程の合成：独立到着流の統合理論
複数の独立なポアソン過程を合成することで、より複雑な到着パターンをモデル化できます。この操作は「重ね合わせの原理」に基づき、ポアソン分布の再生性（reproductive property）の直接的応用です。
Step 1: 独立ポアソン過程の数学的定義
与えられた2つの独立なポアソン過程：
- $\{N_1(t), t \geq 0\}$：強度$\lambda_1 = 2$
- $\{N_2(t), t \geq 0\}$：強度$\lambda_2 = 3$
各過程の確率構造：
$N_i(t) \sim \text{Poisson}(\lambda_i t), \quad i = 1, 2$
確率質量関数：
$P(N_i(t) = k) = \frac{(\lambda_i t)^k e^{-\lambda_i t}}{k!}$
独立性の意味と影響
2つの過程の独立性は以下を意味します：
- 事象発生の独立：一方の事象発生が他方に影響しない
- 到着間隔の独立：各流の到着時刻が相互に無関係
- 情報構造の分離：過去の履歴が流間で無関係
- 統計的直交性：共分散・相関が零
Step 2: 合成過程の定義と性質
合成過程（superposition process）：
$N(t) = N_1(t) + N_2(t)$
この過程は「時刻$t$までに両方の流から到着した事象の総数」を表します。
合成過程の解釈：
- 物理的意味：2つの独立な源からの事象の統合
- 時間軸投影：異なる流の事象を時間軸上で重ね合わせ
- 計数過程：増分が独立で定常な計数過程の保持
Step 3: ポアソン分布の再生性定理
独立なポアソン確率変数の和に関する基本定理：
ポアソン分布の再生性（Reproductive Property）
$X_1 \sim \text{Poisson}(\mu_1)$, $X_2 \sim \text{Poisson}(\mu_2)$が独立ならば：
$X_1 + X_2 \sim \text{Poisson}(\mu_1 + \mu_2)$
証明の概要（確率母関数使用）：
$G_{X_1+X_2}(s) = G_{X_1}(s) \cdot G_{X_2}(s) = e^{\mu_1(s-1)} \cdot e^{\mu_2(s-1)} = e^{(\mu_1+\mu_2)(s-1)}$
Step 4: 合成過程の強度計算
再生性定理の適用：
$N(t) = N_1(t) + N_2(t) \sim \text{Poisson}((\lambda_1 + \lambda_2)t)$
合成過程の強度：
$\lambda = \lambda_1 + \lambda_2 = 2 + 3 = 5$
強度の物理的意味：
- 期待到着率：単位時間あたり平均5回の事象発生
- 瞬間確率密度：微小時間$dt$での事象発生確率$\approx 5dt$
- システム負荷：統合後のシステムへの要求到着率
Step 5: 到着間隔分布の変化
合成過程の到着間隔時間$T$は指数分布に従います：
$T \sim \text{Exp}(\lambda_1 + \lambda_2) = \text{Exp}(5)$
期待到着間隔：
$E[T] = \frac{1}{\lambda_1 + \lambda_2} = \frac{1}{5} = 0.2$
これは、個別の期待到着間隔の調和平均ではなく、到着率の単純和による逆数です。
ポアソン過程の基本操作
| 操作 | 入力 | 出力強度 | 応用例 |
|---|
| 合成 | 独立ポアソン過程 | $\sum \lambda_i$ | 複数サーバーへの統合流 |
| 間引き | ポアソン過程 + 確率$p$ | $p\lambda$ | サンプリング、品質検査 |
| 分解 | ポアソン過程 + 分岐確率 | $p_i\lambda$ | ルーティング、優先順位付け |
| 変換 | ポアソン過程 + 時間変換 | $\lambda(t)$ | 非同質過程、季節変動 |
競合過程理論と最小値分布
Step 6: 競合到着時刻の分析
各流の次回到着時刻を$T_1 \sim \text{Exp}(\lambda_1)$, $T_2 \sim \text{Exp}(\lambda_2)$とすると、最初に到着する時刻：
$T = \min(T_1, T_2)$
最小値の分布導出：
\begin{align}P(T > t) &= P(\min(T_1, T_2) > t) \\&= P(T_1 > t, T_2 > t) \\&= P(T_1 > t) \cdot P(T_2 > t) \quad \text{(独立性)} \\&= e^{-\lambda_1 t} \cdot e^{-\lambda_2 t} \\&= e^{-(\lambda_1 + \lambda_2)t}\end{align}
したがって、$T \sim \text{Exp}(\lambda_1 + \lambda_2)$となり、合成過程の到着間隔と一致します。
Step 7: 条件付き事象帰属確率
事象が発生した場合、それが流1由来である確率：
$P(\text{流1由来} | \text{事象発生}) = \frac{\lambda_1}{\lambda_1 + \lambda_2} = \frac{2}{5} = 0.4$
同様に流2由来である確率は$\frac{3}{5} = 0.6$です。これは各流の相対的強度に比例します。
理論的拡張と一般化
Step 9: より一般的な合成理論
$n$個の独立ポアソン過程の合成：
$\sum_{i=1}^n N_i(t) \sim \text{Poisson}\left(\sum_{i=1}^n \lambda_i t\right)$
非同質ポアソン過程の合成：
強度が時間依存$\lambda_i(t)$の場合：
$\text{合成過程の強度} = \sum_{i=1}^n \lambda_i(t)$
条件付きポアソン過程：
ランダムな強度$\Lambda$を持つ複合ポアソン過程への拡張も可能です。
理論的洞察：
ポアソン過程の合成における強度の加法性は、確率論における基本的な性質の一つです。これは、独立な確率的現象の「干渉のない重ね合わせ」を表しており、古典物理学の重ね合わせの原理の確率版とも言えます。実用的には、この性質により複雑なシステムを独立な要素に分解して分析し、結果を統合することが可能になり、システム設計と性能評価のツールとなっています。