2. 计数过程与泊松过程公理化定义
在上一节中，我们把“事件在时间轴上随机到达”这件事作为直观背景。本节要把这种直观提升为可计算的数学对象：先定义计数过程，再通过独立增量与平稳增量刻画“无记忆的随机到达”，最后给出泊松过程的两种等价定义，并澄清几个初学者最容易混淆的地方。
一、计数过程：把“到达”变成随机变量
设有一列随机到达事件，令 \(N(t)\) 表示从时刻 0 到时刻 \(t\) 内发生的事件总数。若对每个 \(t \ge 0\)，\(N(t)\) 都是取非负整数值的随机变量，且满足：
- \(N(0)=0\)，即起点之前不计数；
- 对任意 \(s < t\)，有 \(N(s) \le N(t)\)，即计数只增不减；
- \(N(t)-N(s)\) 表示区间 \((s,t]\) 内到达的事件数，称为增量。
则称 \(\{N(t), t \ge 0\}\) 为一个计数过程。注意这里的“时间”可以是物理时间，也可以是距离、页数、请求序号等任何单调推进的参数；只要存在一个单调递增的“进度轴”，计数过程就适用。
计数过程本身非常宽泛，几乎任何“累计次数”都能套进去。真正让它具备建模能力的是下面两条增量性质。
二、独立增量与平稳增量
独立增量指：对任意互不重叠的时间区间，各区间内的到达数相互独立。例如区间 \((0,2]\) 内到达 3 个事件，与区间 \((5,7]\) 内到达 1 个事件，这两件事互不影响。它表达的是“过去不影响未来”的随机性来源。
平稳增量指：增量的分布只依赖区间长度，不依赖区间起点。即对任意 \(s
两条性质合起来，意味着任意长度为 \(h\) 的区间内到达数都服从同一个分布族，且不同区间彼此独立。这正是泊松过程的核心直觉：把时间切成许多互不重叠的小段，每段的到达数独立同分布。
三、泊松过程的两种等价定义
在计数过程框架下，泊松过程有两种常见定义方式，它们描述的是同一个对象的不同侧面。
定义一（计数分布定义）：计数过程 \(\{N(t)\}\) 称为强度为 \(\lambda>0\) 的泊松过程，若 \(N(0)=0\)，具有独立增量与平稳增量，且对任意 \(s \(P(N(t)-N(s)=k)=\dfrac{[\lambda(t-s)]^k}{k!}e^{-\lambda(t-s)},\quad k=0,1,2,\dots\) 也就是说，任意长度 \(h=t-s\) 的区间内到达数服从参数为 \(\lambda h\) 的泊松分布，均值为 \(\lambda h\)，方差也为 \(\lambda h\)。 定义二（到达间隔定义）：设 \(T_1,T_2,\dots\) 为相邻到达事件的间隔时间。若这些间隔相互独立，且都服从参数为 \(\lambda\) 的指数分布，即 \(P(T_i > t)=e^{-\lambda t}\)，则由它们累加得到的计数过程就是强度为 \(\lambda\) 的泊松过程。 两种定义等价的关键在于指数分布的无记忆性：指数间隔“已经等了多久不影响还要等多久”，恰好对应独立增量；指数分布参数恒定，恰好对应平稳增量。反过来，由泊松计数分布可以推出第 \(n\) 个到达时刻服从伽马分布，相邻间隔服从指数分布。 误解一：“泊松过程就是到达数服从泊松分布。”不完整。单说“某个固定时刻的 \(N(t)\) 服从泊松分布”不足以刻画过程，还必须加上独立增量与平稳增量，否则无法确定不同区间之间的关系。定义一中的三条缺一不可。 误解二：“强度 \(\lambda\) 是概率。”\(\lambda\) 是单位时间内的平均到达率，量纲为“次/单位时间”，可以大于 1。短区间 \(h\) 内恰好到达一次的概率约为 \(\lambda h\)，但这是近似，且要求 \(h\) 足够小；准确值由泊松分布给出。 误解三：“间隔服从指数分布，所以到达时刻也服从指数分布。”第 \(n\) 个到达时刻 \(S_n=T_1+\dots+T_n\) 服从伽马（Erlang）分布，不是指数分布。指数分布描述的是“间隔”，不是“累计时刻”。 误解四：“无记忆性意味着事件一定均匀铺开。”指数间隔的均值为 \(1/\lambda\)，但方差为 \(1/\lambda^2\)，间隔可以很短也可以很长。无记忆性说的是条件分布不因已等待时间而改变，并不排斥成簇出现。 假设某服务台请求到达强度 \(\lambda=0.5\) 次/分钟，且可合理假设为泊松过程。取区间长度 \(h=4\) 分钟，则 \(\lambda h=2\)。于是 4 分钟内到达 \(k\) 次的概率为 \(P(N= k)=2^k e^{-2}/k!\)。计算可得：\(P(N=0)\approx0.1353\)，\(P(N=1)\approx0.2707\)，\(P(N=2)\approx0.2707\)，\(P(N=3)\approx0.1804\)。若实际观测中 4 分钟内到达次数长期集中在 0 或 1 次、且相邻区间高度相关，就应怀疑平稳增量或独立增量假设不成立，而不是继续套用泊松公式。 把计数过程、两条增量性质与两种等价定义串起来，就得到了泊松过程的完整公理化图像：它既可以从“区间内来几个”的计数角度描述，也可以从“相邻隔多久”的间隔角度描述，两者通过指数分布的无记忆性严格对应。后续的建模与模拟，都将围绕这两条路径展开。四、常见误解辨析
五、一个可动手验证的小例子