4. 泊松过程模型的检验与诊断
泊松过程是随机过程建模中最常用的基础模型之一，但“假设它是泊松过程”与“数据确实支持泊松过程”是两回事。本节围绕事件发生时间数据，讨论如何检验齐次与非齐次泊松过程假设，包括事件间隔独立性检验、强度函数估计、拟合优度检验与残差分析，并给出一个可复现的案例实操思路。
一、从数据到检验对象：事件时间与间隔序列
设观测区间为 [0, T]，记录到 n 个事件发生时刻 0 < t₁ < t₂ < … < tₙ ≤ T。由此可构造两类基本数据：事件间隔 Xᵢ = tᵢ − tᵢ₋₁（约定 t₀ = 0），以及计数过程 N(t) 在若干子区间上的增量。齐次泊松过程（HPP）要求：增量独立、平稳，且 N(t) ~ Poisson(λt)，等价地 Xᵢ 独立同分布于 Exp(λ)。非齐次泊松过程（NHPP）放松平稳性，允许强度函数 λ(t) 随时间变化，但增量仍独立，且 P(N(t+h)−N(t)=1) ≈ λ(t)h。
因此检验的核心可归结为两条主线：独立性（间隔之间、增量之间是否相关）与分布形式（间隔是否指数、计数是否泊松、强度是否恒定）。下图给出从原始事件时间到各类检验的对应关系。
二、事件间隔独立性检验
若过程为泊松过程，间隔序列 X₁, X₂, …, Xₙ 应相互独立。实践中最直接的检查是计算间隔的滞后自相关系数：
r_k = Σ_{i=1}^{n-k} (X_i − X̄)(X_{i+k} − X̄) / Σ_{i=1}^{n} (X_i − X̄)²在独立性假设下，r_k 近似服从均值为 0、标准差约 1/√n 的正态分布，因此 |r_k| > 1.96/√n 可作为 5% 显著性下的警示信号。例如 n = 200 时阈值约为 0.139。若 r₁ 显著为正，说明短间隔后倾向跟随短间隔，常见于事件聚集（如故障成簇、请求突发），提示可能存在非齐次性或聚集性，而非纯泊松。除自相关外，还可用游程检验（runs test）检查间隔相对中位数的上下交替是否过于规律或过于成串。
需要注意：间隔独立性检验对“非齐次”并不敏感——NHPP 的间隔在给定强度路径下仍可独立，但边际分布不再是同指数。因此独立性通过并不等于齐次性成立，必须结合强度估计与拟合优度。
三、强度函数估计
对 HPP，强度为常数，最大似然估计为 λ̂ = n / T，其标准误约 √(λ̂/T)。对 NHPP，需要估计随时间变化的 λ(t)。常用做法是把 [0, T] 划分为 m 个等宽区间（如 m = 20），统计各区间事件数 Nⱼ，得到分段强度 λ̂ⱼ = Nⱼ / Δ，Δ = T/m；再对 λ̂ⱼ 做核平滑或拟合参数形式（如 λ(t) = a·exp(bt) 或 λ(t) = λ₀ + βt）。
判断是否需要非齐次的关键观察是：各区间强度是否围绕常数波动，还是呈现明显趋势或周期性。若用 χ² 检验比较“常数强度”与“分段强度”的拟合，统计量 Σ (Nⱼ − λ̂Δ)² / (λ̂Δ) 在 HPP 下近似服从 χ²(m−1)，显著偏大则拒绝齐次性。实际分析中还应画出累积事件数对时间的阶梯图：HPP 下应近似一条直线，明显弯曲或分段斜率变化则提示 λ(t) 非恒定。
四、拟合优度检验与残差分析
对 HPP，可用 Kolmogorov–Smirnov 检验判断间隔是否服从 Exp(λ̂)。将 Xᵢ 排序后计算经验分布 Fₙ(x) 与理论分布 F(x) = 1 − e^(−λ̂x) 的最大偏差 Dₙ，查表或按 1.36/√n 近似临界值。对计数数据，则用 χ² 检验各区间计数是否服从泊松分布（注意合并期望频数小于 5 的箱）。
残差分析提供更细粒度的诊断。对 NHPP 做时间变换：令 Λ̂(t) = ∫₀ᵗ λ̂(s) ds，则变换后的残差序列 Λ̂(tᵢ) 在模型正确时应近似为强度 1 的齐次泊松过程，等价于变换间隔应近似 i.i.d. Exp(1)。因此可对 Λ̂(tᵢ) 再做一次 K-S 检验或画累积偏差图：若残差系统性偏离对角线，说明强度估计不足；若残差出现局部成簇，说明存在未被建模的聚集结构。残差图往往比单一 p 值更能指出“错在哪里”。
五、案例实操：服务器请求到达过程
假设某服务在 8 小时（T = 480 分钟）内记录到 240 次请求到达，事件时间已按分钟记录。这是一个教学示例，数据为合理假设，用于演示流程而非实测结论。
- 计算间隔与自相关：得到 240 个间隔，均值约 2.0 分钟。计算 r₁ 至 r₅，若 r₁ ≈ 0.21 且 n = 240 时阈值约 0.127，则 r₁ 显著，提示间隔存在正相关，需警惕聚集。
- 估计强度：整体 λ̂ = 240/480 = 0.5 次/分钟。按 20 个 24 分钟区间分箱，若前几个区间强度约 0.3、后段升至约 0.8，则阶梯图明显上弯，提示非齐次。
- 拟合优度：对全部间隔做 K-S 检验，若 Dₙ 明显超过临界值，拒绝“间隔为同指数分布”，与齐次假设矛盾。
- 残差诊断：用分段强度构造 Λ̂(t)，计算变换残差并画累积偏差图。若残差在后期系统性偏高，说明强度被低估；若残差局部成串，则考虑加入聚集项或改用更细的强度模型。
- 结论：独立性部分通过但分布检验拒绝，且强度呈上升趋势，判定齐次泊松过程不成立，改用非齐次泊松过程（如 λ(t) = a·e^(bt)）并重新做残差检验。
综上，泊松过程检验的关键在于把“独立性”和“分布/强度形式”分开检验，再用残差把两者串起来。实际工作中，图形诊断与统计检验并用，才能既发现模型不成立，又指出不成立的具体原因，为后续模型修正提供方向。